Mining-KPIs: 30 Kennzahlen für sicherere und profitablere Bergbauoperationen

Egal ob Sie einen Tagebau, einen Untertagebetrieb oder eine Aufbereitungsanlage leiten – hier erfahren Sie, wie Sie ein KPI-System aufbauen, das die tägliche Ausführung steuert und nicht nur monatliche Berichte produziert.

Was sind Mining-KPIs – und warum scheitern sie in der Praxis?

Mining-KPIs sind messbare Signale, die mit Produktion, Sicherheit, Kosten, Zuverlässigkeit und Umweltleistung verknüpft sind. Sie beantworten die wichtigsten Fragen auf jedem Standort: Fördern wir Erz sicher? Liegt der Plan im Soll? Wie performen die Anlagen? Was sind unsere Kosten pro Tonne?

Dennoch haben die meisten KPI-Programme zu kämpfen. Eine Branchenanalyse 2025 ergab, dass 80 % der Bergbauunternehmen planen, bis 2025 datengestützte KPIs einzuführen, um die operative Effizienz zu steigern – das bedeutet, dass die meisten noch immer auf Tabellenkalkulationen, manuelle Dateneingabe und Berichte setzen, die zu spät eintreffen, um Schichtentscheidungen zu beeinflussen.

Das Scheitern liegt nicht in der Wahl falscher Kennzahlen. Es liegt in der Lücke zwischen Reporting und operativem Betrieb.

Nachlaufende vs. vorlaufende KPIs im Bergbau

Nachlaufende KPIs messen Ergebnisse nach deren Eintreten: geförderte Tonnen, LTIFR, Kosten pro Tonne, monatliche Verfügbarkeit. Sie sind wesentlich für Verantwortlichkeit und Trendanalyse, sagen Ihnen aber nicht was als Nächstes zu tun ist.

Vorlaufende KPIs sagen die zukünftige Leistung voraus oder beeinflussen sie: Beinaheunfall-Melderate, Einhaltung des PM-Zeitplans, Abschlusszeit für Korrekturmaßnahmen oder Vollständigkeit der Vorschichtinspektion. Vorlaufende Indikatoren geben Crews und Vorgesetzten umsetzbare Signale, bevor ein Arbeitsunfall mit Ausfallzeit, ein ungeplanter Ausfall oder ein Produktionsrückstand eintritt.

Die besten KPI-Rahmenwerke balancieren beides. Nachlaufende Kennzahlen setzen das Ziel; vorlaufende Indikatoren steuern den Weg dorthin.

Warum die meisten KPI-Programme scheitern

Die häufigsten Ursachen für das Scheitern von KPI-Programmen im Bergbau:

• Keine klaren Verantwortlichkeiten: Wenn niemand eine Kennzahl besitzt, verbessert niemand sie.
• Inkonsistente Datenerfassung: Manuelle Erfassungen variieren je nach Schicht und Standort, was Trends unzuverlässig macht.
• Kennzahlen, die auf Schichtebene nicht umsetzbar sind: Ein Monats-LTIFR hilft dem Vorarbeiter heute um 6 Uhr morgens nicht weiter.
• Zu viele Kennzahlen: Dashboards mit 40+ Metriken überwältigen Teams und verwässern die Aufmerksamkeit.
• Fehlende Eskalationspfade: Ein Alert ohne definierte Reaktion wird einfach ignoriert.

Wie Sie die richtigen KPIs für Ihren Betrieb wählen: ein einfaches Framework

Beginnen Sie nicht mit einer Liste von Kennzahlen. Beginnen Sie mit Ihrem Engpass.

Jeder Bergbaubetrieb hat eine primäre Einschränkung, die seine Performance begrenzt. Das kann Anlagenverfügbarkeit, Schuttransport-Durchsatz, Sicherheitskonformität oder metallurgische Ausbeute sein. Ihre KPIs sollten diesen Engpass direkt ansprechen, bevor sie sich auf sekundäre Metriken ausweiten.

Das Vier-Fragen-Framework

Verwenden Sie diese vier Fragen, um Ihre KPI-Auswahl zu steuern:

1. Was ist unsere wichtigste operative Einschränkung? (Verfügbarkeit, Sicherheit, Durchsatz, Kosten)
2. Welche Entscheidungen müssen Schichtleiter täglich treffen? (Aus Schichtübergaben und Echtzeit-Daten)
3. Welche Daten können wir zuverlässig und konsistent erfassen? (Nicht aspirativ – realistisch)
4. Wer besitzt jede Kennzahl, und was passiert, wenn sie einen Schwellenwert überschreitet?

KPI-Auswahlkriterien

Jede Kennzahl, die Sie verfolgen, sollte:

• Umsetzbar sein: Ein Schichtleiter kann heute etwas dagegen tun.
• Messbar sein: Es gibt eine klare Formel und Datenquelle.
• Einer Person gehören: Jemand ist für Verbesserungen verantwortlich.
• Einen definierten Schwellenwert haben: Sie wissen, was „gut”, „akzeptabel” und „eskalieren” bedeutet.
• Mit einem Ziel verknüpft sein: Sie sehen, wie sie zu Sicherheit, Produktion, Kosten oder ESG beiträgt.

Wie viele KPIs sollten Sie verfolgen?

Für operative Teams: 8–12 KPIs auf Schichtebene. Für Führungskräfte und Standortleiter: 15–20 KPIs, die mehrere Funktionsbereiche abdecken. Alles darüber hinaus tendiert dazu, Dashboards zu überladen, ohne Entscheidungen zu verbessern.

Die unten stehenden 30 Kennzahlen sind nicht dazu gedacht, alle gleichzeitig verfolgt zu werden. Sie sind ein Menü – wählen Sie diejenigen aus, die Ihre wichtigsten Einschränkungen und Entscheidungsebenen ansprechen.

Sicherheits-KPIs (HSE): Messen, was Vorfälle verhindert

Sicherheits-KPIs im Bergbau sind nicht nur Compliance-Kennzahlen – sie sind operative Frühwarnsignale. Ein Bergbaubetrieb, der aktiv Beinahunfälle, Verhaltensbeobachtungen und PM-Einhaltung verfolgt, sieht Vorfälle kommen, bevor sie eintreten.

KPI 1: Lost Time Injury Frequency Rate (LTIFR)

Was es misst: Verletzungen, die zu Arbeitsausfällen führen, normiert auf 1 Million Arbeitsstunden.

Formel: (Anzahl der Verletzungen mit Ausfallzeit × 1.000.000) / Gesamte geleistete Arbeitsstunden

Warum es wichtig ist: LTIFR ist die universelle Sicherheits-Benchmark im Bergbau. Er ermöglicht Vergleiche zwischen Standorten, Betrieben und Branchen. Ein sinkender LTIFR bei stabiler oder steigender Produktion zeigt, dass Sicherheit und Leistung gemeinsam verbessert werden.

Datenquelle: Vorfallsmeldungssystem, HR-Aufzeichnungen für geleistete Arbeitsstunden

Handlungsschwelle: Jede gemeldete Verletzung mit Ausfallzeit löst eine Root-Cause-Analyse innerhalb von 24 Stunden aus. Trendverschlechterung über 3 Monate erfordert ein Sicherheitsprogramm-Review.

KPI 2: Beinaheunfall-Melderate

Was es misst: Die Anzahl der gemeldeten Beinaheunfälle und gefährlichen Bedingungen pro Monat oder pro geleistete Arbeitsstunde.

Formel: Gemeldete Beinaheunfälle / Gesamte Arbeitsstunden × 200.000 (oder monatliche Anzahl)

Warum es wichtig ist: Eine hohe Beinaheunfall-Rate ist ein positives Zeichen – sie deutet auf eine Sicherheitskultur hin, in der Mitarbeiter Risiken melden, bevor sie zu Verletzungen werden. Ein plötzlicher Rückgang kann auf Meldezurückhaltung, nicht auf verbesserte Sicherheit hinweisen.

Datenquelle: Sicherheitsmanagementsystem, Schichtberichte, mobile Meldetools

Handlungsschwelle: Monatliche Rate unter dem Ziel löst Kultur-Check aus; jeder Beinaheunfall mit hohem Schweregrad erhält innerhalb von 48 Stunden eine Korrekturmaßnahme.

KPI 3: Total Recordable Injury Frequency Rate (TRIFR)

Was es misst: Alle aufzeichnungspflichtigen Verletzungen (nicht nur solche mit Ausfallzeit) normiert auf 1 Million Arbeitsstunden.

Formel: (Gesamte aufzeichnungspflichtige Verletzungen × 1.000.000) / Gesamte geleistete Arbeitsstunden

Warum es wichtig ist: TRIFR erfasst ein breiteres Sicherheitsspektrum als LTIFR und beinhaltet behandelte Verletzungen und Einschränkungen. Er ist für regulatorische Berichte und Versicherungsbewertungen unerlässlich.

Datenquelle: Vorfalls-Tracking-System, Ersthelfer-Aufzeichnungen

Handlungsschwelle: Wenn TRIFR LTIFR-Trends übersteigt (mehr Leichtverletzungen bei konstanten Schwerverletzungen), auf Erfassungslücken und medizinische Behandlungspraktiken untersuchen.

KPI 4: Sicherheitsbeobachtungsfrequenz

Was es misst: Die Anzahl der abgeschlossenen Verhaltens-Sicherheitsbeobachtungen pro Schicht oder Woche.

Formel: Abgeschlossene Beobachtungen / Geplante Beobachtungen × 100 %

Warum es wichtig ist: Dieser vorlaufende Indikator misst das Engagement im Sicherheitsprozess. Teams, die konsequent Beobachtungen durchführen, bauen die Risikobewusstsein-Kompetenz auf, die Vorfälle verhindert.

Datenquelle: Sicherheits-Managementsystem, Schichtleiter-Checklisten

Handlungsschwelle: Einhaltung unter 80 % löst Coaching für Vorgesetzte aus; Trends unter 60 % signalisieren systemische Probleme in der Sicherheitskultur.

KPI 5: Abschlussrate für Korrekturmaßnahmen

Was es misst: Der Prozentsatz der Sicherheits-Korrekturmaßnahmen, die innerhalb der vereinbarten Frist abgeschlossen werden.

Formel: Fristgerecht abgeschlossene Maßnahmen / Gesamte offene Maßnahmen × 100 %

Warum es wichtig ist: Unerledigte Korrekturmaßnahmen sind eine direkte Vorhersage für Folgevorfälle. Wenn Maßnahmen konsistent überfällig sind, zeigt das, dass das Sicherheitssystem Maßnahmen identifiziert, aber nicht umsetzt.

Datenquelle: Aktionsverfolgungs-Modul im EHS-System, CMMS für ausrüstungsbezogene Maßnahmen

Handlungsschwelle: Unter 85 % fristgerechter Schließung löst Ressourcen-Review aus; kritische Sicherheitsmaßnahmen eskalieren automatisch, wenn sie mehr als 48 Stunden überfällig sind.

Produktions- & Durchsatz-KPIs: Plan vs. Ist, Zyklusleistung und Engpässe

Produktions-KPIs messen, ob Sie das fördern, was Sie geplant haben, und warum nicht, wenn es nicht der Fall ist. Der Fokus liegt auf Planerfüllung, Zykluszeiten und Bottleneck-Erkennung – nicht nur auf Gesamttonnen am Ende des Monats.

KPI 6: Planerfüllung

Was es misst: Tatsächliche Produktion als Prozentsatz des geplanten Ziels, täglich und wöchentlich gemessen.

Formel: Tatsächliche Produktion / Geplante Produktion × 100 %

Warum es wichtig ist: Planerfüllung ist die wichtigste kurzfristige Produktionskennzahl. Planungslücken werden sofort sichtbar und können täglich korrigiert werden, anstatt sich zu monatlichen Shortfalls aufzubauen. Auf Schichtebene verfolgt, wird sie zum primären Trigger für Ressourcen-Reallokation.

Datenquelle: Schicht-Produktionsberichte, Fleet-Management-System, Dispatch-Software

Handlungsschwelle: Unter 90 % bei zwei aufeinanderfolgenden Schichten löst Ursachenanalyse aus; unter 85 % am Wochenende eskaliert zur Schichtplanung und Ressourcen-Review.

KPI 7: Zykluszeit

Was es misst: Die Zeit für einen vollständigen Lade-Haul-Dump-Zyklus, von Beladen bis zur Rückkehr zur Ladeposition.

Formel: Ladezeit + Fahrtzeit beladen + Entladezeit + Fahrtzeit leer + Wartezeit

Warum es wichtig ist: Zykluszeit ist die operative Antriebskraft des Transportdurchsatzes. Eine Verlängerung der Zykluszeit um 5 % in einer Flotte reduziert den täglichen Durchsatz um das gleiche Verhältnis, ohne dass irgendjemand ein Ziel verfehlt. Sie identifiziert Wartezeit, schlechte Straßenbedingungen und Engpässe an der Entladung.

Datenquelle: Fleet-Management-System (FMS), GPS-Tracking, Dispatch-Aufzeichnungen

Handlungsschwelle: Zykluszeit mehr als 10 % über dem Basisbewert → Streckenanalyse und Wartezeit-Audit durchführen.

KPI 8: Erz-zu-Abraum-Verhältnis (Strip Ratio)

Was es misst: Tonnen Abraum, die pro Tonne gefördertem Erz bewegt werden.

Formel: Tonnen bewegter Abraum / Tonnen gefördertes Erz

Warum es wichtig ist: Der Strip Ratio treibt direkt die Kosten pro Tonne gefördertem Erz. Ein ansteigender Ratio – ungeplant – deutet auf Planungsabweichungen oder Änderungen in der Erzgeometrie hin, die die Ökonomie des Betriebs verschieben.

Datenquelle: Geologie- und Mine-Planning-Systeme, Abbauberichte, Surveying-Daten

Handlungsschwelle: Verhältnis mehr als 5 % über dem Jahresplan → Mine-Planning-Review.

KPI 9: Bohr- und Spreng-Effizienz

Was es misst: Das Verhältnis von tatsächlich erzieltem Sprengfortschritt zum geplanten Bohrplan, einschließlich Fragmentierungsqualität.

Formel: Gebohrte Meter (Ist) / Gebohrte Meter (Plan) × 100 %; Fragmentierungsindex (qualitativ oder via Bildanalyse)

Warum es wichtig ist: Schlechte Fragmentierung erhöht Lade- und Verarbeitungszeiten und treibt die Betriebskosten. Die Verfolgung der Bohr-Spreng-Effizienz verbindet Upstream-Planung mit Downstream-Durchsatz.

Datenquelle: Bohrgeräte-Telemetrie, Sprengprotokolle, Bildanalyse-Software

Handlungsschwelle: Fragmentierungsprobleme in zwei aufeinanderfolgenden Sprengungen → Muster-Review mit Bohrloch-Geometrie-Audit.

Asset-Zuverlässigkeits- & Instandhaltungs-KPIs: Verfügbarkeit ist ein Geschäftsergebnis

Instandhaltungs-KPIs im Bergbau überwachen den Zustand, die Zuverlässigkeit und die Kostenwirksamkeit von kritischen Anlagen. Sie sind direkt mit Produktionsverlusten verknüpft: Jede Stunde ungeplanter Ausfallzeit von einem großen Muldenkipper oder Bagger entspricht Tonnen verlorener Produktion und Einnahmen.

KPI 10: Overall Equipment Effectiveness (OEE)

Was es misst: Eine zusammengesetzte Kennzahl aus Verfügbarkeit, Leistung und Qualität für kritische Maschinen.

Formel: Verfügbarkeit × Leistung × Qualitätsrate

Warum es wichtig ist: OEE ist die umfassendste Kennzahl für Anlagennutzung. Sie zeigt nicht nur, dass eine Anlage läuft, sondern wie effektiv sie während der Betriebszeit arbeitet. Für Mühlen, Crusher und Schlüsseltransportanlagen ist OEE direkt mit Erlösen verknüpft.

Datenquelle: CMMS, Sensordaten, PLC/SCADA-Systeme, Produktionszähler

Handlungsschwelle: OEE unter 65 % für Schlüsselanlagen → Root-Cause-Analyse und Instandhaltungsplan-Review.

KPI 11: Mean Time Between Failures (MTBF)

Was es misst: Die durchschnittliche Betriebszeit zwischen ungeplanten Ausfällen für eine bestimmte Anlage.

Formel: Gesamtbetriebszeit / Anzahl der Ausfälle

Warum es wichtig ist: MTBF misst Zuverlässigkeit. Ein sinkender MTBF bei einer Anlage signalisiert eine sich verschlechternde Zuverlässigkeit, die Aufmerksamkeit erfordert, bevor ein Totalausfall eintritt. Er ist besonders wertvoll für das Planen präventiver Eingriffe.

Datenquelle: CMMS-Arbeitsauftragsverlauf, Anlagen-Telemetrie, Betriebsprotokolle

Handlungsschwelle: MTBF um mehr als 20 % unter dem 3-Monats-Durchschnitt → Werkzeugdiagnose und Inspektion auslösen.

KPI 12: Mean Time to Repair (MTTR)

Was es misst: Die durchschnittliche Zeit zur Wiederherstellung einer ausgefallenen Anlage, einschließlich Diagnose, Teilelogistik und Reparatur.

Formel: Gesamte Reparaturzeit / Anzahl der Reparaturen

Warum es wichtig ist: MTTR misst die Reaktionsfähigkeit der Instandhaltung. Ein hoher MTTR deutet auf Schwachstellen in der Diagnose, Teileversorgung oder Personalqualifikation hin. Die Reduzierung des MTTR steigert die Anlagenverfügbarkeit ohne Kapitalinvestitionen.

Datenquelle: CMMS, Arbeitsauftragszeiten, Schichtberichte

Handlungsschwelle: MTTR 25 % über dem Ziel für kritische Anlagen → Diagnose-Workflow und Ersatzteilverfügbarkeit überprüfen.

KPI 13: Physische Verfügbarkeit

Was es misst: Der Prozentsatz der geplanten Betriebszeit, in der eine Anlage bereit ist zu arbeiten (nicht wegen Instandhaltung außer Betrieb).

Formel: (Geplante Betriebszeit − Geplante + ungeplante Ausfallzeit) / Geplante Betriebszeit × 100 %

Warum es wichtig ist: Physische Verfügbarkeit ist eine direkte Eingangsgröße für Produktionsplanung und Kapazitätsplanung. Sie unterscheidet Instandhaltungsprobleme von operativen Problemen und ist der Kernleistungsindikator für Instandhaltungsteams.

Datenquelle: CMMS, Dispatch-System, Schichtberichte

Handlungsschwelle: Physische Verfügbarkeit für Schlüsseleinsatzanlagen unter 85 % → Sofortüberprüfung des Instandhaltungsplans und Ressourcen-Allocation.

KPI 14: Einhaltung des präventiven Instandhaltungsplans

Was es misst: Der Prozentsatz der präventiven Instandhaltungsaufgaben, die wie geplant und innerhalb des geplanten Fensters abgeschlossen werden.

Formel: Abgeschlossene PM-Aufgaben innerhalb des Zeitfensters / Geplante PM-Aufgaben × 100 %

Warum es wichtig ist: Die Einhaltung des PM-Plans ist der stärkste vorlaufende Indikator für Anlagenzuverlässigkeit. Teams, die konsequent mehr als 90 % PM-Compliance erreichen, zeigen in der Regel erheblich niedrigere Raten ungeplanter Ausfälle.

Datenquelle: CMMS-Arbeitsauftragssystem, Schichtplanung

Handlungsschwelle: PM-Compliance unter 80 % für kritische Anlagen → Kapazitätsplanung und Planungsüberprüfung.

KPI 15: Total Equipment Physical Effectiveness (TEEP)

Was es misst: Wie effektiv Anlagen über den gesamten Kalenderzeithorizont genutzt werden, einschließlich geplanter Standzeiten wie Schichtpausen und Planungsstillständen.

Formel: Verfügbarkeit (kalenderbezogen) × Leistungsrate × Qualitätsrate

Warum es wichtig ist: Während OEE die Effektivität während der geplanten Produktion misst, zeigt TEEP, wie viel Kapazität das gesamte Anlagenportfolio strategisch liefert. Nützlich für Entscheidungen über Kapitalallokation und Flottengröße.

Datenquelle: Kombination aus CMMS, Fleet-Management-System, Produktionsplanungssystem

Handlungsschwelle: TEEP unter 40 % für kritische Produktionsanlagen → strategische Kapazitäts- und Fleet-Management-Review.

KPI 16: Arbeitsauftragsrückstand und Alter

Was es misst: Anzahl und Alter offener Arbeitsaufträge im CMMS, segmentiert nach Priorität und Anlage.

Formel: Anzahl offener Arbeitsaufträge; durchschnittliches Alter offener Aufträge in Tagen; nach Priorität segmentiert (kritisch, dringend, routinemäßig)

Warum es wichtig ist: Ein wachsender Rückstand ist ein Frühindikator für Ressourcenunterausstattung oder Planungsabbruch. Alterndes Rückstandsvolumen bei kritischen Anlagen deutet darauf hin, dass präventive Arbeit zu reaktiver Arbeit wird.

Datenquelle: CMMS-Arbeitsauftragssystem

Handlungsschwelle: Kritische Arbeitsaufträge älter als 48 Stunden → automatische Eskalation zum Instandhaltungsleiter. Gesamtrückstand wächst drei aufeinanderfolgende Wochen → Kapazitätsplanung überprüfen.

Kosten- & Stückkosten-KPIs: Kosten pro Tonne managen, ohne Sicherheit zu opfern

Kosten-KPIs im Bergbau müssen mit Produktions- und Sicherheitsergebnissen verknüpft sein, um Sinn zu ergeben. Kosten pro Tonne im Vakuum zu reduzieren, riskiert, die tatsächlichen operativen Einschränkungen zu verschleiern.

KPI 17: Kosten pro geförderter Tonne

Was es misst: Gesamte Betriebskosten (Energie, Arbeit, Instandhaltung, Material) geteilt durch geförderte Tonnen im Zeitraum.

Formel: Gesamte Betriebskosten / Geförderte Tonnen

Warum es wichtig ist: Dies ist die grundlegende Maßnahme der betrieblichen Effizienz. Sie bündelt alle wichtigen Kostentreiber in einer vergleichbaren Zahl. Das Tracking im Zeitverlauf zeigt Kostenkurven-Verschiebungen, die frühzeitig interveniert werden können.

Datenquelle: ERP-System (SAP, etc.), Rechnungswesen, Produktionsberichte

Handlungsschwelle: Kosten pro Tonne 10 % über dem Wochenziel → kategorienbasierte Kostenanalyse zur Identifikation primärer Treiber.

KPI 18: Kraftstoffverbrauch pro Betriebsstunde

Was es misst: Liter verbrauchter Kraftstoff pro Betriebsstunde nach Anlage oder Flottentyp.

Formel: Verbrauchter Kraftstoff (Liter) / Betriebsstunden

Warum es wichtig ist: Kraftstoff ist einer der größten Kostentreiber im Bergbau und macht typischerweise 15–20 % der gesamten Betriebskosten aus. Übermäßiger Verbrauch signalisiert Fahrerverhalten-Probleme, schlechte Straßenbedingungen, unnötigen Leerlauf oder Anlagenprobleme.

Datenquelle: Fleet-Management-System, Kraftstoffkarten, FMS-Telemetrie

Handlungsschwelle: Verbrauch mehr als 8 % über dem Anlagen-Basisbewert → Fahrstil-Analyse und Strecken-Audit auslösen.

KPI 19: Instandhaltungskosten als Prozentsatz des Anlagenersatzwerts (ARV)

Was es misst: Gesamte Instandhaltungskosten als Prozentsatz des Ersatzwerts der Anlagen.

Formel: Gesamte Instandhaltungskosten / Anlagenersatzwert × 100 %

Warum es wichtig ist: Diese Kennzahl normiert Instandhaltungsausgaben über die Flotte und ermöglicht Anlagen-übergreifende Vergleiche. Bergbaubetriebe benchmarken in der Regel auf 2–4 % ARV, abhängig von Anlagentyp und Alter.

Datenquelle: ERP oder CMMS für Kosten, Asset-Register für ARV

Handlungsschwelle: Mehr als 4 % ARV für eine Anlage → Kapitalerneuerungs- vs. Weiterbetriebsanalyse auslösen.

KPI 20: Total Cost of Ownership (TCO) pro Anlage

Was es misst: Vollständige Lebenszyklus-Kosten der Anlage, einschließlich Anschaffung, Betrieb, Instandhaltung und Entsorgung.

Formel: TCO = Anschaffungskosten + Betriebskosten (kumulativ) + Instandhaltungskosten (kumulativ) − Restwert

Warum es wichtig ist: TCO verändert Anlagenentscheidungen von kurzfristigen Reparatur-vs.-Ersetzen-Kalkulationen zu langfristigen Portfoliomanagement-Perspektiven. Er ist unerlässlich für Kapitalbudgetierungsprozesse und Flottenersatzzeitplanung.

Datenquelle: ERP, CMMS, Einkaufssystem, Asset-Management-System

Handlungsschwelle: Projizierter 3-Jahres-TCO übersteigt 80 % des Neuersatzwerts → formale Ersatzbewertung initiieren.

Verarbeitungs- & metallurgische KPIs: Ausbeute, Gehalt und Variabilität

Aufbereitungs-KPIs verbinden Bergbauoperationen mit Umsatz. Sie messen, wie effizient wertvolle Mineralien aus dem geförderten Erz extrahiert werden.

KPI 21: Metallurgische Ausbeute

Was es misst: Der Prozentsatz des Zielmetalls oder Minerals, der während der Verarbeitung aus dem Erz gewonnen wird.

Formel: (Metallgehalt im Konzentrat / Metallgehalt im Aufgabematerial) × 100 %

Warum es wichtig ist: Metallurgische Ausbeute ist direkt mit dem Umsatz verknüpft. Ein Rückgang der Ausbeute um 1 % kann Millionen von verlorenen Einnahmen bei einem großen Betrieb bedeuten. Sie spiegelt auch die Qualität des Ausgangsmaterials und die Prozessstabilität wider.

Datenquelle: Prozessleitsystem (DCS/SCADA), Labor-LIMS, Wiegestation

Handlungsschwelle: Ausbeute mehr als 2 % unter dem Tagesziel → sofortige Prozessparameterüberprüfung.

KPI 22: Aufgabegehalt vs. Plan

Was es misst: Der tatsächliche Metallgehalt des Aufgabematerials im Vergleich zum geplanten Gehalt.

Formel: Aufgabegehalt (Ist) / Aufgabegehalt (Plan) × 100 %

Warum es wichtig ist: Gehaltsabweichungen, die nicht in Echtzeit verwaltet werden, führen zu Ausbeuteverlusten oder Unteroptimierung der Verarbeitungsparameter. Dieser KPI verknüpft Geologie und Mine-Planning-Genauigkeit mit Aufbereitungsleistung.

Datenquelle: Geologie-Probenahme, On-Belt-Analyser, LIMS

Handlungsschwelle: Gehalt mehr als 10 % unter oder über Plan → Blockresequenzierung oder Prozessparameter-Anpassung auslösen.

KPI 23: Durchsatz (t/h)

Was es misst: Tonnen Erz, die pro Stunde durch die Aufbereitungsanlage verarbeitet werden.

Formel: Gesamte verarbeitete Tonnen / Betriebsstunden

Warum es wichtig ist: Durchsatz misst die Kapazitätsauslastung der Anlage. Er kombiniert mit Ausbeute, um den tatsächlichen Wert pro Betriebsstunde zu bestimmen. Schwankungen im Durchsatz weisen auf Zufuhr-Inkonsistenz, Geräteprobleme oder Prozessstörungen hin.

Datenquelle: Wiegestationen, DCS/SCADA, Prozessdatensystem

Handlungsschwelle: Durchsatz mehr als 10 % unter dem Stundenziel für zwei aufeinanderfolgende Stunden → Feed-System und Prozess-Audit.

ESG- & Umwelt-KPIs: Wasser, Emissionen, Abfall und Compliance

ESG-KPIs sind von Berichts-Anforderungen zu strategischen Vermögenswerten geworden. Investoren, Regulatoren und Gemeinschaften überprüfen Umweltleistung mit zunehmender Genauigkeit.

KPI 24: Wasserverbrauch pro verarbeiteter Tonne

Was es misst: Kubikmeter Frischwasser, das pro Tonne verarbeitetem Erz verbraucht wird.

Formel: Gesamter Frischwasserverbrauch (m³) / Verarbeitete Tonnen

Warum es wichtig ist: Wasser ist eine kritische Ressource in wasserarmen Bergbauregionen. Regulatorische Beschränkungen und Gemeinschaftsbeziehungen hängen von der Wasserverwaltungsleistung ab. Die Reduzierung des Wasserverbrauchs senkt auch Betriebskosten und Lizenzrisiken.

Datenquelle: Wasserzähler, Wasserbilanz-Tracking-System, ERP

Handlungsschwelle: Verbrauch mehr als 10 % über dem Monatsziel → Wasseraudit und Verlustanalyse (Leckage, Verdunstung, Prozessverluste).

KPI 25: CO₂-Intensität

Was es misst: CO₂-Äquivalent-Emissionen pro geförderter Tonne oder verarbeitetem Material.

Formel: Gesamte CO₂-Äquivalent-Emissionen (tCO₂e) / Geförderte oder verarbeitete Tonnen

Warum es wichtig ist: CO₂-Intensität ist die Kernmetrik für Scope-1- und Scope-2-Emissionsberichte und für die Festlegung von Dekarbonisierungszielen. Sie ermöglicht die Benchmarkierung über Betriebe und Zeiträume hinweg und zeigt die Auswirkungen von Effizienzmaßnahmen.

Datenquelle: Kraftstoffverbrauchsdaten, Energierechnungen, Emissionsfaktoren

Handlungsschwelle: CO₂-Intensität überschreitet vierteljährliches Reduktionsziel → Energieeffizienz-Review und Emissionsminderungsplan-Update.

KPI 26: Compliance der Tailings-Lagerstätte (TSF)

Was es misst: Einhaltung der TSF-Design-, Betriebs- und Überwachungsparameter gemäß Genehmigung und globalem Bergbau-Standard.

Formel: Anzahl der Compliance-Parameter innerhalb der Grenzen / Gesamte überwachte Parameter × 100 %

Warum es wichtig ist: TSF-Versagen gehören zu den schwerwiegendsten Risiken im Bergbau – mit katastrophalen Konsequenzen für Menschenleben, Umwelt und Betriebslizenzen. Compliance-Tracking ist nicht verhandelbar.

Datenquelle: Geotechnisches Monitoring-System, Regulatorische Berichte, Inspektion-Logs

Handlungsschwelle: Jede Compliance-Überschreitung löst sofortige Eskalation und regulatorische Meldepflicht aus.

KPI 27: Umweltvorfallrate

Was es misst: Anzahl der meldepflichtigen Umweltvorfälle (Austreten, Übertretungen, Grenzwertverletzungen) pro Quartal.

Formel: Anzahl der meldepflichtigen Umweltvorfälle im Zeitraum

Warum es wichtig ist: Umweltvorfälle gefährden Betriebslizenzen, lösen Regulierungsmaßnahmen aus und schädigen Gemeinschaftsbeziehungen. Zero-Incident-Tracking zeigt ESG-Commitment gegenüber Stakeholdern und Investoren.

Datenquelle: EHS-System, regulatorische Einreichungen, Umweltmonitoring

Handlungsschwelle: Jeder meldepflichtige Vorfall → 48-stündige Root-Cause-Analyse und regulatorische Meldung; Trend von mehr als 0 pro Quartal → systemisches Umwelt-Risk-Review.

Beispiel-KPI-Dashboard nach Rolle: Was wem gezeigt werden sollte

Das Entwerfen von KPI-Dashboards nach Rolle – nicht nach verfügbaren Daten – stellt sicher, dass jede Person die Signale sieht, die sie zum Handeln braucht.

Schichtleiter-Dashboard

Ziel: Echtzeit-Ausführungskontrolle

Instandhaltungsmanager-Dashboard

Ziel: Zuverlässigkeits- und Ressourcenoptimierung

Grubenmanager / General-Manager-Dashboard

Ziel: Strategische Leistungsübersicht und Risikoerkennung

Executive / Board-Dashboard

Ziel: Portfolio-Performance und Risiko-Reporting

Datenquellen & Instrumentierung: Woher Mining-KPIs kommen

KPIs sind nur so gut wie die Daten, die sie antreiben. Im Bergbau kommen diese Daten aus einer Vielzahl von Systemen – einige automatisiert, einige manuell, einige kaum integriert.

Primäre Datensysteme

• Fleet-Management-System (FMS): Zykluszeiten, Payload-Daten, Fahrzeugstandort, Kraftstoffverbrauch, Betriebsstunden. Beispiele: Modular Mining DISPATCH, Wenco, Komatsu KOMTRAX.
• CMMS (Computerized Maintenance Management System): Arbeitsaufträge, PM-Compliance, Ausfallhistorie, Ersatzteilverbrauch. Beispiele: SAP PM, IBM Maximo, Infor EAM.
• Prozessleitsystem (DCS/SCADA): Durchsatz, Energieverbrauch, Prozessparameter in der Aufbereitungsanlage. Verbindet sich oft direkt mit LIMS für Labor-Daten.
• ERP (Enterprise Resource Planning): Kostenerfassung, Lagerbestandsmanagement, Beschaffung, HR-Daten. SAP S/4HANA und ähnliche Systeme sind im Bergbau weit verbreitet.
• EHS-System: Vorfallsmanagement, Beobachtungserfassung, Korrekturmaßnahmen-Tracking, Compliance-Berichte.
• Labordaten-System (LIMS): Gehaltsanalysen, Ausbeute-Berechnungen, metallurgische Proben. Kritisch für KPIs 21–23.

Neue Datenquellen

• IoT-Sensoren und Zustandsüberwachung: Vibrations-, Temperatur- und Drucksensoren auf Schlüsselanlagen. Ermöglichen prädiktive Instandhaltungs-KPIs über Echtzeit-Zustandsdaten.
• Drone-basiertes Surveying: Genaue Tonnen-Messungen, Lagerbestandsquantifizierung, Fortschrittsvergleich gegenüber Mine-Plan.
• On-Belt-Analyser: Echtzeit-Gehaltsschätzungen, die Probenahmeintervalle verkürzen und schnellere Prozessanpassungen ermöglichen.
• Wearables und mobile Tools: Digitale Inspektionsformulare, mobile Sicherheitsbeobachtungen, Schicht-Übergabe-Apps.

Die Integrationsherausforderung

Das größte Hindernis für KPI-Qualität im Bergbau ist nicht die Datenerfassung – es ist die Integration. FMS und CMMS verwenden selten gemeinsame Anlagenkennzeichnungen. ERP und CMMS synchronisieren oft nicht in Echtzeit. Manuell erfasste Daten aus Schichtberichten enthalten Varianzen, die Trends verzerren.

Im Bergbau bedeutet das typischerweise die Verbindung von Cat MineStar oder Wenco FMS (Dispatch) mit Maximo oder SAP (Instandhaltung), während Statusereignisse, die MTBF und Verfügbarkeit antreiben, selten in Echtzeit zwischen beiden Systemen fließen. Plattformen wie Opsima adressieren dies durch eine dedizierte Integration-Schicht, die KPI-Berechnungen konsistent und reproduzierbar macht – unabhängig davon, welches Quellsystem die Daten generiert hat.

KPI 28: Datenerfassungsrate

Was es misst: Der Prozentsatz der kritischen KPI-Datenpunkte, die wie geplant und ohne manuelle Korrekturen erfasst werden.

Formel: Automatisch erfasste Datenpunkte / Gesamte geplante Datenpunkte × 100 %

Warum es wichtig ist: Eine niedrige Datenerfassungsrate macht alle anderen KPIs unzuverlässig. Das Tracking dieses Meta-KPI identifiziert Schwachstellen in der Dateningenieur-Infrastruktur.

Datenquelle: Datenpipeline-Monitoring, KPI-System-Logs

Handlungsschwelle: Unter 95 % für kritische KPIs → Datenquelle und Integrations-Audit.

KPIs in kontinuierliche Verbesserung umwandeln: Der Betriebs-Rhythmus

KPIs schaffen keinen Wert, bis sie die Entscheidungen und Verhaltensweisen auf der Schichtebene ändern. Die Verbindung besteht durch einen strukturierten Betriebs-Rhythmus, der Alert- zu Analyse-zu-Aktion-Schleifen automatisiert.

Täglicher KPI-Rhythmus

• Vorschichtbesprechung (15 Min.): Gestrigen Planstatus, Sicherheitsbeobachtungen, offene Korrekturmaßnahmen, Ausrüstungsstatus überprüfen. Mit KPI-Dashboard durchführen, nicht mit Memoranden.
• Stündliche Alert-Reviews: Automatisierte Alarme für Zykluszeit, Planerfüllung, Anlagenverfügbarkeitsabfälle. Sofortkorrektur wenn nötig.
• End-of-Shift-Übergabe: Standardisierte Übergabe-Checkliste mit KPI-Statuspunkten, offenen Maßnahmen und Risikoübergaben.

Wöchentlicher KPI-Rhythmus

• Instandhaltungs-Review (1 Std.): MTBF, MTTR, PM-Compliance, Rückstandsalter nach kritischer Anlage überprüfen. Root-Cause für Top-3-Ausfälle der Woche identifizieren.
• Produktionsleistungs-Review: Wöchentlichen Planstatus, Zykluszeit-Trends, Bohr-Spreng-Effizienz überprüfen. Engpässe für kommende Woche identifizieren.
• Sicherheits-Review: Beinaheunfälle der Woche, Beobachtungsrate, überfällige Korrekturmaßnahmen überprüfen. Schulungen oder Prozessänderungen bei Bedarfstrends auslösen.

Monatlicher KPI-Rhythmus

• Vollständiger Performance-Review: Alle KPI-Trends überprüfen, YTD-Status, Benchmarks gegenüber Branchenstandards oder Standort-Zielen.
• Cost-per-Tonne-Analyse: Kostentreiber aufschlüsseln, Budget vs. Ist-Abweichungen erklären, Prognosen für Folgemonat anpassen.
• KPI-System-Update: Schwellenwerte, Besitzverhältnisse, Berichtsfrequenzen basierend auf dem Gelernten im Vormonat überprüfen.

Der Auslöseschwellen-zu-Korrekturmaßnahme-Workflow

Für jeden KPI sollte ein definierter Workflow gelten:

1. Definieren Sie den Schwellenwert: Was triggert einen Alarm (gelb) vs. Eskalation (rot)?
2. Identifizieren Sie den Besitzer: Wer erhält den Alert und muss reagieren?
3. Setzen Sie ein Antwortfenster: Wie lange hat der Besitzer, um den Schwellenwert zu bestätigen und zu adressieren?
4. Definieren Sie die erste Antwort: Was ist die Standardaktion (Diagnose, Ressource einsetzen, eskalieren)?
5. Schließen Sie die Schleife: Erfassen Sie die Root Cause und die Korrekturmaßnahme im System, um Präzedenzfallbibliotheken aufzubauen.

KPI 29: Zykluszeit für Korrekturmaßnahmen

Was es misst: Die durchschnittliche Zeit von der KPI-Alert-Auslösung bis zur vollständigen Umsetzung der Korrekturmaßnahme.

Formel: Durchschnittliche Zeit (Alert-Auslösung bis Maßnahmen-Abschluss) nach KPI-Kategorie

Warum es wichtig ist: Dies ist ein Meta-KPI, der misst, wie effektiv Ihr KPI-System tatsächlich Verhalten ändert. Wenn Alarme konsistent ignoriert oder langsam beantwortet werden, ist der KPI-Prozess selbst kaputt.

Datenquelle: KPI-Alert-Logs, Aktionsverfolgungssystem, CMMS

Handlungsschwelle: Durchschnittliche Zykluszeit für Korrekturmaßnahmen überschreitet Ziel um mehr als 50 % → KPI-Prozess-Review und Eskalationsstruktur-Audit.

KPI 30: KPI-Datenqualitäts-Score

Was es misst: Eine zusammengesetzte Punktzahl, die die Vollständigkeit, Pünktlichkeit und Konsistenz der KPI-Datenerfassung über alle Systeme hinweg misst.

Formel: Gewichteter Durchschnitt von: Vollständigkeitsrate + Pünktlichkeitsrate + Konsistenzrate (keine Ausreißer außerhalb erwarteter Bereiche)

Warum es wichtig ist: Schlechte Datenqualität macht selbst gut gestaltete KPI-Systeme unzuverlässig. Das Tracking der Datenqualität als eigener KPI schafft Anreize für die Wartung der Dateninfrastruktur und baut Vertrauen in das KPI-Dashboard auf.

Datenquelle: Datenpipeline-Monitoring, KPI-Berechnungsprotokoll, anomaliebasiertes Flagging

Handlungsschwelle: Datenqualitäts-Score unter 90 % → Datenerfassungs-Audit nach Quelle und KPI-Kategorie.

Opsima für Mining-KPI-Workflows

Die meisten Bergbaustätten betreiben Cat MineStar oder Wenco FMS für den Dispatch und Maximo oder SAP für die Instandhaltung – doch die Statusereignisse, die MTBF und Verfügbarkeit tatsächlich antreiben, gelangen nie zurück in eines dieser Systeme. Grubenbesatzungen melden Ausfälle per Funk, Schichtleiter koordinieren über WhatsApp, und Übergabenotizen bleiben auf Papier.

Opsima ist die KI-native Software-Fabrik für industrielle Operationen. Für Bergbaubetriebe bedeutet das: Opsima legt sich entweder über den bestehenden Mining-Stack (Cat MineStar, Wenco FMS, Maximo, SAP), um Off-System-Signale zu erfassen und als strukturierte Ausfallzeitdatensätze zurückzuschreiben, oder liefert einen vollständigen Ersatz, wenn das Legacy-Fleet-Management- oder CMMS-Layer nicht mehr passt – und schließt damit die Lücke zwischen dem, was die Grubenbesatzung weiß, und dem, was das KPI-Dashboard zeigt.

Fazit

Mining-KPIs sind mehr als Zahlen auf einem Dashboard – sie sind das Betriebssystem für Entscheidungen in Echtzeit auf jedem Niveau des Betriebs. Die 30 in diesem Leitfaden beschriebenen Kennzahlen decken die kritischen Dimensionen von Sicherheit, Produktion, Asset-Zuverlässigkeit, Kosten, Verarbeitung und ESG ab.

Der Schlüssel liegt nicht darin, alle 30 sofort zu verfolgen, sondern darin, mit den 8–10 zu beginnen, die direkt Ihre größte operative Einschränkung ansprechen, sie mit echten Datenquellen zu verknüpfen, Besitzer zuzuweisen und einen Betriebs-Rhythmus aufzubauen, der Alarme in Maßnahmen umwandelt.

Bereit, von Tabellenkalkulationen zu einem Echtzeit-KPI-Betriebssystem zu wechseln? Erkunden Sie, wie Opsimas automatisierte KPI-Plattform Mining-Daten in Entscheidungen verwandelt – mit Live-Dashboards, intelligenten Workflows und den Integrationen, die alles zusammenhalten. Buchen Sie eine Arbeitssitzung mit Opsima, um es anhand Ihrer Daten zu sehen.