Das Planungsproblem, das niemand so recht gelöst hat

Auf dem Papier wirkt die Produktionsplanung einer Fabrik wie ein mathematisches Problem: eine Menge Aufträge auf eine Menge Maschinen bringen, in der richtigen Reihenfolge, bis zum richtigen Termin. In der Praxis ist sie jedoch zu einem der schwierigsten Probleme im operativen Bereich geworden – und die Werkzeuge, die die meisten Werke noch zur Lösung verwenden, wurden für eine Welt entwickelt, die es so nicht mehr gibt.

Der Druck hat sich schleichend aufgebaut. Die Produktvielfalt explodiert, Losgrößen werden kleiner, Lieferketten schwanken von einer Störung zur nächsten und Kundinnen und Kunden erwarten jedes Jahr kürzere Lieferzeiten. Zusammengenommen haben diese Entwicklungen die Tabellenkalkulation – und die statische Planungslogik hinter den meisten ERP-Systemen – weit über den Punkt der Belastbarkeit hinausgetrieben.

Deshalb ist intelligente Produktionsplanung – mit maschinellem Lernen und Optimierung unter Nebenbedingungen, die den Produktionsplan in Echtzeit aufbauen und kontinuierlich neu berechnen – zu einem der aktivsten Investitionsbereiche in Fertigungstechnologie geworden. Deloitte-Studien zeigen, dass 38 % der Hersteller die fortgeschrittene Produktionsplanung als ihre wichtigste KI-Anwendungspriorität ansehen, und etwa die Hälfte hat bereits Teile davon automatisiert.

Warum die Tabellenkalkulation nicht mehr funktioniert

Der tiefste Fehler traditioneller Planung ist eine in die Mathematik eingebaute Annahme: dass die Kapazität effektiv unendlich ist, Materialien immer pünktlich eintreffen und ein Plan, einmal erstellt, nur mit geringfügigen Änderungen befolgt werden kann. Reale Fabriken verletzen jede dieser Annahmen bereits vor der ersten Kaffeepause. Wenn Ihre Planer ständig den Plan neu aufbauen, Kapazitätsüberraschungen Lieferzusagen brechen oder niemand schnell beantworten kann "können wir diesen Eilauftrag annehmen?", sind das Symptome einer Anlage, die ihre Werkzeuge überholt hat.

Alle prüfen es. Fast niemand ist bereit.

Eine Umfrage von Redwood Software ergab, dass 98 % der Hersteller KI prüfen, aber nur 20 % sich bereit fühlen, sie in großem Maßstab einzusetzen. Die Lücke liegt hauptsächlich in der Infrastruktur und den Menschen: In den meisten Fabriken erfolgen weniger als die Hälfte der kritischen Datenübertragungen automatisch. Der wichtigste Grund, warum KI-Planungstools enttäuschen, ist nicht der Algorithmus – es sind Fehler in den Stücklisten und ungenaue Routing-/Durchlaufzeiten. Schlechte Eingabedaten, schlechter Plan.

Was es tatsächlich bringt

Die Erträge entstehen durch die Reduktion der teuren Folgekosten schlechter Planung: Eilaufträge, teure Fracht, Überstunden und Feuerwehreinsätze. Branchen­schätzungen veranschlagen ungeplante Stillstandszeiten für eine typische Anlage im Jahr 2026 auf 5.000 bis 50.000 US-Dollar pro Stunde. Intelligenteres Sequenzieren und schnelleres Nachplanen greifen genau diese Kosten an.

Wer das baut

Fabrico liefert intelligente Produktionsplanung innerhalb der Fabrico-SaaS‑Plattform: Sie berücksichtigt Produktionsrestriktionen – basierend auf Maschinen-, Personal- und Produktionsdaten über das OEE-Modul – und erzeugt Pläne, die widerspiegeln, was die Anlage tatsächlich fahren kann. Zu den wichtigsten Beschränkungen gehören:

• Maschinen- und Anlagenkapazität – jeweils ein Auftrag, mit tatsächlicher Verfügbarkeit und Leistungsdaten aus dem OEE.
• Rüst- und Einrichtzeiten – in der Regel sequenzabhängig.
• Personal und Qualifikationen – Verfügbarkeit von Bedienkräften, Schichtplanung und Qualifikationen.
• Materialien und Komponenten – Lagerbestand und Lieferzeiten der Zulieferer.
• Routings und Prozessvorgaben – feste Ablaufsequenzen und WIP‑Grenzen.
• Wartungsfenster – geplante Instandhaltung (PM) aus dem CMMS.
• Aufträge, Fälligkeitsdaten und Prioritäten – einschließlich Make‑to‑Stock vs. Make‑to‑Order und Losgrößen.
• Produktspezifische Beschränkungen – Haltbarkeit, Aushärte‑ oder Trocknungszeiten, Qualitätssperren.

Da Fabrico bereits Maschinen-, Personal‑ und Produktionsdaten über OEE sowie Wartungsdaten über das CMMS sammelt, arbeitet der Scheduler mit Live‑validierten Beschränkungen statt mit statischen Annahmen. KI funktioniert hier am besten als Entscheidungshilfe, nicht als Autopilot: Sie macht Risiken sichtbar und führt What‑if‑Szenarien schnell durch, während ein menschlicher Planer für den ausgeführten Plan verantwortlich bleibt.

Vom Schnappschuss zum lebenden Plan

Jahrzehntelang war ein Produktionsplan ein Schnappschuss – einmal erstellt, ausgedruckt und für den Rest der Woche verfolgt. Die moderne Fabrik braucht einen lebenden Plan, der sich in dem Moment neu optimiert, in dem eine Maschine ausfällt, eine Lieferung sich verzögert oder ein Eilauftrag reinkommt. Die Werke, die die Lücke in der Bereitschaft zuerst schließen – und ihre Daten reparieren, bevor sie den Algorithmus kaufen – verwandeln dieses Problem in Durchsatz, Kapazität und termingerechte Lieferung.

Ihre nächsten Schritte als Produktionsleiter

1. Verbessern Sie Ihre Daten, bevor Sie einkaufen. Prüfen Sie Stücklisten und Routing-/Durchlaufzeiten.
2. Erfassen Sie Ihre realen Beschränkungen. Maschinenverfügbarkeit, Schicht‑ und Qualifikationsabdeckung, Rüstzeiten, Werkzeuge, Materiallieferzeiten.
3. Finden Sie, wo die Planung schmerzt. Quantifizieren Sie verspätete Lieferungen, Überstunden, Eilfracht und Nacharbeit der Planer.
4. Schaffen Sie Echtzeit‑Transparenz über Ausfallzeiten. Live‑OEE macht unsichtbare Mikrostillstände sichtbar, sodass die Planung sie berücksichtigen kann.
5. Pilotieren Sie an einer Linie und binden Sie Menschen ein. Bewähren Sie die Planung mit begrenzter Kapazität an einer einzelnen Linie, bevor Sie skalieren.

Möchten Sie Ihre Planung an dem ausrichten, was Ihre Anlage tatsächlich leisten kann? Buchen Sie eine Fabrico‑Demo oder modellieren Sie die Einsparungen mit dem OEE‑Rechner.