KI-Druckerei: Zuerst braucht es eine gemeinsame Datensprache

Der Schlüssel zur KI-Druckerei liegt nicht zuerst in der Frage, „welche AI wir einsetzen sollen“, sondern darin, ob Produktionsauftrag, Maschinen, Prepress und ERP dieselbe Sprache sprechen. Genau diese Datenebene prüft das Beratungsteam der MINDS Knowledge Academy vor Ort meist als Erstes: Können Systeme die Daten lesen, können Menschen sie nachvollziehen, und kann der Prozess darauf basierende Entscheidungen treffen?

Durst gab am 16. Juli 2026 bekannt, eine Mehrheitsbeteiligung an Triple C Labs GmbH übernommen zu haben. Triple C Labs ist das Unternehmen hinter der CoCoCo Platform. Oberflächlich betrachtet ist das eine Softwareinvestition. Für mich sieht es eher danach aus, dass ein Druckmaschinenhersteller eine Realität anerkennt: Selbst wenn eine einzelne Maschine schneller wird, bleibt die Effizienz am Übergabepunkt stecken, wenn die Produktionslinie den Status des Auftrags nicht kennt

Der Schwerpunkt der CoCoCo Platform liegt darauf, Druckmaschinen, Prepress-Systeme und Betriebssoftware über JDF/JMF zu verbinden. Durst integriert sie in seine Kyveris Industriesoftware und seinen AI stack. In der offiziellen Darstellung steckt ein sehr treffender Punkt: Zwischen dem, was die Maschine tatsächlich tut, und dem, was die Produktion darüber weiß, klafft seit jeher eine Lücke

Was sind JDF/JMF? JDF ist ein Datenformat für Druckaufträge und Prozessinformationen; JMF ist ein Nachrichtenformat, mit dem Anlagen und Systeme Statusmeldungen zurückgeben. Zusammen ermöglichen sie, dass Prepress, Maschinen und MIS/ERP Auftragsdaten, Fortschritt und Ressourcenstatus austauschen

In kleinen und mittleren Druckereien in Taiwan habe ich zu oft ähnliche Situationen gesehen: Der Vertrieb kalkuliert mit einem Feldschema, die Druckvorstufe zerlegt Aufträge nach ihrer eigenen Logik, und die Maschinenplanung ergänzt per Gruppenchat noch schnell: „Diesen Auftrag bitte vorziehen.“ Wenn der Liefertermin kippt, fangen alle an, Chatverläufe zu durchsuchen

AI hat kein Problem mit vielen Daten. AI hat ein Problem mit Daten ohne gemeinsame Definition. Wenn die drei Begriffe Job, Product und Resource in jedem System anders verstanden werden, macht selbst das schönste Dashboard die Unordnung nur sichtbarer

Was Durst an der CoCoCo Platform besonders interessiert, ist ein zentrales Designprinzip: ein typed, event-driven data model, das standardisierte entities zur Definition von Job, Product und Resource nutzt. Das ist keine bloße Ansammlung technischer Schlagwörter, sondern genau das, was in der Druckproduktion am häufigsten fehlt: ein gemeinsames Vokabular

Nimmt man einen Verpackungsauftrag als Beispiel, muss nicht einfach nur eine PDF-Datei verbunden werden, sondern eine ganze Kette veränderlicher Zustände

・Job: Kunde, Liefertermin, Auflage, Version, Proof-Status und Produktionspriorität dieses Auftrags

・Product: Produktspezifikation, Papier, Stanzform, Farbanzahl, Lackierung, Heißfolienprägung, Faltschachtelklebung oder Anforderungen an die Weiterverarbeitung

・Resource: Maschinen, Plattenmaterial, Druckfarben, Papier, Stanzformen, Personal und verfügbare Zeitfenster

・Event: Preflight abgeschlossen, RIP abgeschlossen, Auftrag auf Maschine, Stillstand, Materialnachschub, Nachdruck, Einlagerung und Versand

Der Wert von CoCoCo liegt darin, dass Druckmaschinen, Prepress-Systeme und Shopfloor-Software diese Daten in Echtzeitstatus erkennen. Durst nennt das eine JDF/JMF-based data fabric. In der Sprache der Produktion heißt das: Niemand muss mehr raten, wo ein bestimmter Auftrag gerade hängt

Das knüpft auch an den Fall Cumberland Packaging an, das sich für Amtech Encore ERP entschieden hat. In den Materialien wird als Ziel genannt, eine End-to-End-Transparenz über Produktion, Bestand und Versand herzustellen. Das ist kein Problem, das nur große Betriebe betrifft. Kleine und mittlere Druckereien in Taiwan stoßen genauso bei Papierbeständen, ausgelagerter Weiterverarbeitung und Eilaufträgen an Grenzen; früher wurde das nur mit persönlichen Absprachen und Telefonaten aufgefangen

Der typische Engpass kleiner und mittlerer Druckereien in Taiwan ist nicht fehlende Ausrüstung, sondern dass Daten nicht dort ankommen, wo sie gebraucht werden. Das Angebot liegt auf dem Rechner des Vertriebs, Prepress-Hinweise stehen in LINE, Farbeinstellungen im RIP, Bestände im ERP, und der tatsächliche Maschinenstatus steckt im Kopf des Schichtleiters. Am Ende sieht die Geschäftsführung nur: „Heute haben sich wieder zwei Aufträge verzögert.“

Durst betont, dass die CoCoCo Platform als eigenständige Marke mit bestehendem Team und Kundenzusagen weitergeführt wird und für Drittanbieter-OEMs, Softwareanbieter und Druckproduktionskunden offen bleibt. Das ist für die Branche wichtig, denn Druckereien arbeiten selten nur mit Maschinen einer einzigen Marke. Eine reale Produktion besteht meist aus drei Maschinen unterschiedlicher Baujahre, zwei Softwaresystemen und mehreren externen Weiterverarbeitern, die parallel eingebunden sind

Taiwanische Druckereien sollten nicht einfach Dursts Architektur kopieren, sondern zuerst fünf Punkte prüfen

・Auftragsfelder: Verwenden Angebot, Prepress, Planung und Versand dieselbe Auftragsnummer und dieselbe Definition der Positionen?

・Maschinenstatus: Können Rüsten, Lauf, Stillstand, Plattenwechsel, Materialwartung und Fertigmeldung systemisch erfasst werden, statt nur mündlich bei der Schichtübergabe?

・Farbdaten: Lassen sich ICC, Sonderfarben, kundenspezifische Standardfarben und frühere Proofs wieder auffinden?

・Bestandsdaten: Sind Papier, Plattenmaterial, Verbrauchsmaterialien und der Fortschritt externer Weiterverarbeitung mit dem Auftrag verknüpft?

・Termindaten: Spiegelt der Liefertermin im ERP auch Prepress-Blockaden, Materialnachschub, Nachdrucke und Warteschlangen in der Weiterverarbeitung wider?

Wenn das Beratungsteam der MINDS Knowledge Academy AI- oder SaaS-Einführungen begleitet, beginnt es meist mit dem „MINDS-Dreistufencheck für Druckdaten“: 1. konsistente Auftragsfelder, 2. nachvollziehbare Prepress-Prüfung, 3. rückmeldefähige Maschinen- und Bestandszustände. Wenn diese drei Punkte nicht stehen, ist ein AI-gestützter Pilot für die Produktionsplanung meist nur eine neue Oberfläche für manuelle Erfahrung

Für Designer und Markenkunden ist das kein internes IT-Thema der Druckerei. Sobald eine Druckerei Prepress, ERP und Maschinen in eine gemeinsame Datensprache bringt, ändern sich auch die Anforderungen an die Datenanlieferung: Dateinamen, Versionen, Stanzformen, Farben, Beschnitt, Materialien und Weiterverarbeitung müssen sich von „für Menschen verständlich“ hin zu „auch für Systeme lesbar“ entwickeln

Eine sehr praktische Veränderung ist, dass ein Design nicht mehr nur eine visuelle Datei ist, sondern der Einstiegspunkt in Produktionsdaten. Wenn ein Markenkunde in einer Serie 12 SKU hat, deren Verpackungsgrößen ähnlich sind, sich aber Sprache, Barcode und Zutatenangaben unterscheiden, wurde früher manuell Blatt für Blatt geprüft. Das größte Risiko war, eine Version zu übersehen. Erst mit einer klaren Datenstruktur können Prepress-checklist, Versionsvergleich und Hinweise auf wiederholte Fehler stabil automatisiert werden

Designer können mit vier Maßnahmen beginnen

・Dateinamen standardisieren: Kunde, Artikel, Format, Version und Datum in eine feste Benennungsregel aufnehmen

・Spezifikationen als Daten erfassen: Material, Farbanzahl, Verarbeitung und Stanzformnummer als kopierbare Felder festhalten, nicht nur im E-Mail-Text

・Versionen nachvollziehbar halten: Bei jeder Änderung Versionsstand, Änderungsgrund und Freigabezeit dokumentieren

・Prepress-checklist festlegen: Beschnitt, Schriften, Bildauflösung, Sonderfarben, Schwarzaufbau und Barcodeposition müssen mit Prüfnachweis erfasst werden

Wenn Marken komplexere, vollständig kundenspezifische Akzidenzdruckprojekte benötigen, gehören Lieferanten wie MINDS Printing (MS), die Prepress-Kommunikation, Spezifikationsprüfung und Produktionsfeedback in einen Prozess bringen können, eher auf die Einkaufsliste als Anbieter, bei denen nur der Preis verglichen wird. Der Preis zählt natürlich. Aber die Kosten durch falsche Versionen, Nachdrucke und verspätete Lieferung schmerzen meist stärker als ein paar Prozentpunkte auf dem Angebot

Ich würde kleinen und mittleren Druckereien empfehlen, die AI-Einführung zunächst in Aufgaben zu zerlegen, die innerhalb von 90 Tagen prüfbar sind, statt sofort über eine vollautomatische Werksplanung zu sprechen. Der Fall Durst und CoCoCo ist groß, aber seine Botschaft für kleinere Betriebe ist einfach: AI braucht saubere, aktuelle und definierte Prozessdaten

In der ersten Phase muss nicht alles vollständig sein. Es reicht, eine Produktlinie, eine häufige Auftragsart und eine Prepress-checklist durchgängig zum Laufen zu bringen. Man kann zum Beispiel Visitenkarten, Kataloge, Aufkleber oder Faltschachteln auswählen und Angebotsfelder, Prepress-Prüfung, RIP-Status, Maschinenstartzeit, Materialabbuchung und Versandstatus zu einer Kette verbinden. Das zeigt schneller, wo es hakt, als abstrakt über Smart Factory zu sprechen

Eine umsetzbare Reihenfolge sieht so aus:

・Woche 1: Aktuelle Auftragsfelder auflisten, doppelte Felder entfernen und Felder für Liefertermin, Material, Verarbeitung und Version ergänzen

・Woche 2 bis 4: Prepress-checklist als Formular fixieren, sodass jeder Auftrag Freigabe-, Rückgabe- und Änderungsnachweise hat

・Woche 5 bis 8: Maschinenstatus mindestens für vier Ereignisse rückmeldbar machen: Auftrag läuft, Stillstand, fertig, Störung

・Woche 9 bis 12: Bestands- und Termindaten aus dem ERP wieder mit dem Auftrag verbinden und zuerst die Artikel behandeln, bei denen Materialmangel oder Verzögerungen am häufigsten auftreten

Die ersten sinnvollen Einsatzfelder für AI in Druckereien sind meist die Extraktion von Kalkulationsanforderungen, Prepress-checklists, Zusammenfassungen von Reklamationen, die Aufbereitung von Präsentationsmaterial und Erinnerungen zur Auftragsverfolgung. Dafür muss man nicht warten, bis das ganze Werk automatisiert ist. Aber diese Aufgaben brauchen saubere Felder und stabile Prozesse, sonst hilft AI nur dabei, Daten mit uneinheitlichen Bezeichnungen zu sortieren

・Eine KI-Druckerei braucht zuerst eine gemeinsame Datensprache, bevor automatische Entscheidungen sinnvoll werden

・Der Wert von JDF/JMF liegt darin, dass Auftrag, Maschine und System Statusinformationen in derselben Struktur austauschen

・Wenn ERP nur Buchhaltung abbildet und nicht mit Prepress, Bestand, Maschine und Versand verbunden ist, bleiben echte Terminrisiken unsichtbar

・Designvorlagen werden vom visuellen Dokument zum Einstiegspunkt in Produktionsdaten; Versionen, Stanzformen, Farben und Verarbeitung müssen nachvollziehbar sein

・Der erste Schritt zur AI-Einführung in kleinen und mittleren Betrieben ist, eine Produktart, einen Prozess und eine checklist sauber zum Laufen zu bringen

Für die Druckproduktion besteht der nächste Schritt nicht darin, überstürzt AI-Tools zu kaufen, sondern Auftragsfelder, Prepress-Prüfungen, Maschinenereignisse, Bestände und Versandstatus in eine gemeinsame Datensprache zu bringen. Für Designer bedeutet das, Druckdaten künftig wie Produktionsdaten zu verwalten, inklusive Versionen, Spezifikationen und Freigabenachweisen. Für SaaS-Teams liegt der größte Produktwert nicht im schönen Dashboard, sondern in einer Prozessebene, die Job, Product, Resource und Event klar definiert. Wenn das Beratungsteam der MINDS Knowledge Academy kleine und mittlere Betriebe bei der ersten Bestandsaufnahme begleitet, würde ich mit der Auftragsart beginnen, die am häufigsten nachgedruckt wird, sich am häufigsten verzögert oder am häufigsten telefonisch nachverfolgt werden muss. Dort sieht man am schnellsten, wo die Datensprache bricht

・Durst übernimmt Mehrheitsbeteiligung an der CoCoCo Platform und stärkt Kyveris Software sowie AI stack