Ein Werksleiter zeigt auf seine OEE-Kennzahl: 78%. Solide, sagt er. Drei Tage später steht das Projektteam mit ihm an der Linie und zählt mit. Die Anlage läuft, produziert aber 40 Minuten pro Schicht Teile, die später in der Nacharbeit landen. Die OEE rechnet diese Teile als gut. Die Effizienz ist also nicht 78%, sondern deutlich darunter, sie wird nur nirgends ehrlich gemessen.
Der Markt verspricht für solche Lücken die schnelle Lösung: ein Dashboard, eine KI, eine Plattform, und die Produktivität steigt wie von selbst. Das ist selten falsch und fast nie vollständig. Effizienzsteigerung in der Produktion entsteht nicht aus einem Werkzeug, sondern aus der Kombination von ehrlicher Messung, sauberen Daten und Prozessen, die den Menschen an der Linie entlasten statt überwachen.
Wer genug Hallen von innen gesehen hat, kennt die Muster. Die größten Effizienzverluste stehen fast nie dort, wo das Reporting sie vermutet. Sie verstecken sich in Rüstvorgängen, in Medienbrüchen zwischen Systemen, in Fehlern, die zu spät auffallen, und in Wissen, das nur in einzelnen Köpfen existiert.
DAS WICHTIGSTE IN KÜRZE
|
KURZ ZUSAMMENGEFASST
|
|
INHALT DIESES ARTIKELS |
Bevor Sie an einer einzigen Schraube drehen, müssen Sie wissen, ob Ihre Messung überhaupt stimmt. In der Praxis tut sie das oft nicht.
Die OEE, der Klassiker unter den Effizienzkennzahlen, multipliziert Verfügbarkeit, Leistung und Qualität. Das Problem liegt im Detail: Wenn Nacharbeit als interner Prozess läuft und nicht als Ausschuss verbucht wird, fließt sie nicht in den Qualitätsfaktor ein. Eine Linie mit ausgewiesenen 78% OEE liegt real häufig bei 60 bis 68%, sobald Sie Pseudoleistung und nicht erfasste Nacharbeit ehrlich gegenrechnen.
Ein zweiter blinder Fleck ist die zeitliche Auflösung. Wer Effizienz nur als Schicht- oder Tagesmittel betrachtet, sieht kurze, wiederkehrende Stillstände nicht, die in Summe die größte Verlustquelle darstellen. In Automotive-Projekten machen diese Mikrostillstände unter zwei Minuten erfahrungsgemäß 15 bis 25% der gesamten Verfügbarkeitsverluste aus, tauchen aber in keinem Tagesreport auf.
|
HÄUFIG UNTERSCHÄTZTE KOSTENFAKTOREN
|
Sobald die Messung ehrlich ist, zeigt sich ein wiederkehrendes Bild. Drei Hebel tauchen in nahezu jedem besuchten Werk auf.
Rüstzeit ist totes Kapital, die Anlage steht und produziert nichts. Strukturierte Rüstoptimierung nach dem SMED-Prinzip, also die Trennung von internem und externem Rüsten, senkt Rüstzeiten in der Praxis um 30 bis 50%. Das ist kein Softwarethema im ersten Schritt, sondern eines von Methode und Disziplin. Software hilft danach, den optimierten Ablauf reproduzierbar zu halten.
In vielen Werken werden Produktionsdaten dreimal angefasst: einmal an der Maschine, einmal in einer Excel-Tabelle, einmal im ERP. Jeder Übergang kostet Zeit und erzeugt Fehler. Wer diese Brüche schließt, gewinnt nicht nur Zeit, sondern auch Datenqualität. Genau hier setzt Prozessdatenmanagement an.
Ein Fehler, der erst in der Endprüfung auffällt, hat bereits alle vorgelagerten Wertschöpfungsschritte durchlaufen. Die Faustregel der Fehlerkostenzehnerregel besagt: Mit jeder Prozessstufe verzehnfachen sich die Kosten der Fehlerbehebung. Frühe Erkennung an der Quelle ist deshalb einer der wirtschaftlichsten Effizienzhebel überhaupt.
|
Effizienzhebel |
Typischer Effekt |
Voraussetzung |
|
Rüstzeitoptimierung (SMED) |
30 bis 50% kürzere Rüstzeit |
Methodendisziplin, dokumentierte Abläufe |
|
Medienbrüche schließen |
Weniger Erfassungsaufwand, höhere Datenqualität |
Integrierte Prozessdatenerfassung |
|
Fehlerfrüherkennung |
Bis Faktor 10 niedrigere Fehlerkosten |
Inline-Messung, Anomalieerkennung |
|
PRAXISTIPP Manufacturing OS Das Prozessdatenmanagement IPM des Manufacturing OS erfasst Produktionsdaten direkt an der Quelle und macht Medienbrüche überflüssig. Damit liegt die Datenbasis für Rüstanalyse und Fehlerfrüherkennung in einem System statt in drei. Für mehr Informationen hier klicken. |
||
Jeder Hebel aus dem vorigen Abschnitt scheitert an derselben Stelle, wenn die Daten nicht stimmen. Eine Effizienzanalyse ist nur so gut wie die Zahlen, auf denen sie beruht.
Konsistente Produktionsdaten bedeuten: dieselbe Größe wird überall gleich gemessen, eindeutig einem Auftrag, einem Bauteil und einem Zeitpunkt zugeordnet und ohne manuelle Übertragung gespeichert. Erst dann lassen sich Verlustquellen sauber lokalisieren statt zu vermuten.
Das ist kein theoretischer Anspruch. Bei der BMW Group reduziert die Datenbankarchivierung mit CHRONOS die Storagekosten messbar, weil qualitätsrelevante Produktionsdaten strukturiert und revisionssicher vorgehalten werden statt verteilt und redundant. Saubere Daten sind also nicht nur Voraussetzung für Effizienz, sie senken selbst Kosten.
|
STAMMDATEN-CHECKLISTE
|
Norm-Bezug: IATF 16949 verlangt in Abschnitt 7.5 dokumentierte Information und in Abschnitt 8.5.2 lückenlose Rückverfolgbarkeit. ISO 9001:2015 fordert in Abschnitt 9.1 datengestützte Entscheidungen. Wer Effizienz steigern will, erfüllt mit sauberen Daten gleichzeitig diese Anforderungen.
Die zweite Gruppe von Hebeln betrifft das Zusammenspiel von Mensch, Werkzeug und System. Hier entscheidet sich, ob Effizienzgewinne reproduzierbar sind oder von einzelnen Schichten abhängen.
Wenn jeder Mitarbeiter einen Handgriff anders ausführt, schwankt die Qualität und mit ihr die Effizienz. Digitale Werkerführung gibt den Ablauf Schritt für Schritt vor und prüft kritische Schritte ab. Bei Knorr-Bremse sichert die Werkerführung die Qualität in der Montage, bei Stadler Rail die Montageprozesse insgesamt. Der Effekt: kürzere Einarbeitung neuer Mitarbeiter und weniger fehlerbedingte Nacharbeit.
Ein verschlissenes Werkzeug erzeugt fehlerhafte Teile, oft über mehrere Takte hinweg, bevor jemand es bemerkt. Systematische Werkzeugprüfung verschiebt den Eingriff vom Reagieren zum Vorbeugen und verhindert ganze Ausschussserien.
KI-gestützte Kurvenanalyse erkennt Abweichungen in Prozesssignalen, die ein Mensch im laufenden Takt nicht sieht. Sie meldet das auffällige Bauteil, bevor es weiterläuft. Wichtig und regulatorisch zwingend: KI liefert hier Entscheidungsunterstützung, keine autonome Freigabe.
|
WANN KI-GESTÜTZTE ANOMALIEERKENNUNG FUNKTIONIERT
|
Norm-Bezug: Der EU AI Act stuft KI in sicherheitskritischen Produktionsentscheidungen als hochriskant ein und verlangt Transparenz sowie menschliche Aufsicht. IATF 16949 Abschnitt 8.6 weist die Freigabeentscheidung ausdrücklich einer verantwortlichen Person zu. Vollautonome Freigaben durch KI sind in Automotive, Medizintechnik und Luftfahrt nicht zulässig.
Die ersten sechs Hebel entfalten ihre Wirkung erst, wenn die Systeme dahinter zusammenarbeiten. Solange Prozessdaten, Werkerführung, Werkzeugprüfung und Archivierung in getrennten Inseln laufen, geht ein Teil jedes Effizienzgewinns an den Schnittstellen wieder verloren.
|
PRAXISTIPP Manufacturing OS Das Manufacturing OS von CSP führt die vier Hebel auf einer Plattform zusammen: Prozessdatenmanagement (IPM), Werkerführung (PG), Werkzeugprüfung (QST) und Datenarchivierung (CHRONOS). Statt vier Insellösungen entsteht eine durchgängige Datenbasis, auf der Effizienzsteigerung reproduzierbar wird. Referenzen wie BMW, Mercedes-Benz und Knorr-Bremse setzen Komponenten daraus produktiv ein. |
Die größten Effizienzgewinne entstehen nie durch eine schnellere Maschine, sondern dadurch, dass die Daten endlich an einer Stelle zusammenlaufen und jeder dieselbe Wahrheit sieht.
— Amadeus, Chief Technology Evangelist, CSP
Ehrlichkeit gehört zu jeder Beratung. Software macht eine Produktion nicht von selbst effizienter, und wer das verspricht, hat selten an einer Linie gestanden.
Keine Plattform ersetzt eine schlecht ausbalancierte Linie, eine unklare Auftragssteuerung oder fehlende Methodendisziplin beim Rüsten. Wenn der Prozess nicht stimmt, digitalisiert ein System nur das Chaos schneller. Daten machen Verluste sichtbar, beseitigen müssen sie Menschen. Und KI erkennt Muster, trägt aber keine Verantwortung, die bleibt nach EU AI Act und Produkthaftungsrichtlinie 2024 beim Hersteller.
Der realistische Weg: erst den Prozess stabilisieren, dann ehrlich messen, dann die Datenbasis schaffen, und erst danach automatisieren und mit KI ergänzen. In dieser Reihenfolge wirken die sieben Hebel zusammen. In jeder anderen Reihenfolge verpufft ein Teil der Investition.
Die Effizienzsteigerung in der Produktion wird am ehrlichsten über eine OEE gemessen, die Nacharbeit konsequent als Qualitätsverlust verbucht und Mikrostillstände unter zwei Minuten erfasst. Entscheidend ist eine zeitlich feine Auflösung, denn Schicht- oder Tagesmittel verdecken die häufigsten Verlustquellen. Eine belastbare Messung setzt voraus, dass alle Kennzahlen aus einer einzigen, eindeutigen Datenquelle stammen.
Den schnellsten Effekt liefert meist die Rüstzeitoptimierung nach dem SMED-Prinzip, da sich Rüstzeiten in der Praxis um 30 bis 50% senken lassen, ohne dass zunächst in Technik investiert werden muss. Voraussetzung sind Methodendisziplin und dokumentierte Abläufe. Den nachhaltigsten Effekt bringt dagegen das Schließen von Medienbrüchen, weil es gleichzeitig Zeit spart und die Datenqualität für alle weiteren Maßnahmen erhöht.
Datenqualität ist die Voraussetzung jeder belastbaren Effizienzsteigerung, nicht eine optionale Ergänzung. Nur wenn Produktionsdaten konsistent, eindeutig zugeordnet und ohne manuelle Übertragung erfasst werden, lassen sich Verlustquellen sauber lokalisieren statt vermuten. Schlechte Daten führen zu Optimierungen an der falschen Stelle und kosten damit doppelt.
KI steigert die Effizienz, indem sie Anomalien in Prozesssignalen früher erkennt als ein Mensch im laufenden Takt, sie trifft in sicherheitskritischen Branchen jedoch keine autonomen Freigabeentscheidungen. Der EU AI Act stuft solche Systeme als hochriskant ein und verlangt Transparenz sowie menschliche Aufsicht. KI ist damit Entscheidungsunterstützung, die finale Verantwortung bleibt bei einer qualifizierten Person.
Effizienz und Qualität sind keine Gegensätze, sondern hängen direkt zusammen, weil jeder Fehler vorgelagerte Wertschöpfung vernichtet und Nacharbeit auslöst. Nach der Fehlerkostenzehnerregel verzehnfachen sich die Behebungskosten mit jeder Prozessstufe, in der ein Fehler unentdeckt bleibt. Frühe Fehlererkennung steigert deshalb Effizienz und Qualität zugleich.
Realistisch sind je nach Ausgangslage zweistellige Prozentpunkte über mehrere Hebel hinweg, etwa 30 bis 50% kürzere Rüstzeiten oder bis Faktor zehn niedrigere Fehlerkosten an der Quelle. Pauschalversprechen für die Gesamteffizienz sind unseriös, weil der Effekt stark vom Reifegrad der Prozesse und Daten abhängt. Belastbare Aussagen entstehen erst nach einer ehrlichen Ist-Messung.