Liefertermin-Optimierung für Druckaufträge

Das echte Ausmaß des Problems

Druckereien arbeiten in einem Planungsumfeld mit hoher Unsicherheit: Aufträge kommen täglich ein, die Komplexität variiert (Formate, Farben, Finishing), Maschinen fallen aus. Rohstoffe, Papier, Farben, Chemikalien, haben eigene Lieferzeiten, die den Produktionsbeginn verzögern können.

Laut Umfragen des BVDM (Bundesverband Druck und Medien) berichten über 60 Prozent der Mittelstands-Druckereien von regelmäßigen Lieferverzögerungen, Aufträge, die nach eigenem Zeitplan pünktlich sein sollten, aber aus Kapazitätsgründen verschoben wurden. Das führt zu mehreren Konsequenzen:

• Kundenunzufriedenheit und Abwanderung: Wer mehrmals zu spät liefert, verliert Stammkunden. Besonders Agenturen und Großkunden brauchen verlässliche Zusagen.
• Notfallrüsten und Überstunden: Um einen verzögerten Auftrag wieder einzufangen, werden Maschinen in suboptimaler Reihenfolge gerüstet oder Überstunden gefahren. Diese Kosten liegen je nach Maschinentyp und Tageszeit zwischen 50 und 300 Euro pro Stunde zusätzlich.
• Konventionalstrafen: Bei wichtigen Kunden sind Lieferverzögerungen vertraglich mit Strafzahlungen belegt, typischerweise 0,5–2 Prozent des Auftragswertes pro Woche Verspätung.
• Planungsaufwand: Erfahrungsgemäß verbringen Produktionsplaner 2–4 Stunden täglich mit reaktiven Umplanungen statt mit proaktiver, optimierter Planung.

Die zentrale Ursache: fehlende Prognosegenauigkeit. Druckereien können selten realistisch vorhersagen, wie lange ein neuer Auftrag tatsächlich dauert, mit den konkret verfügbaren Maschinen, der aktuellen Auslastung und den realen Rüstzeiten zwischen verschiedenen Aufträgen.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Vergleichswerte oben basieren auf:

• Liefertreue und Notfallrüst-Events: Erfahrungsberichte von 8 Druckereien (50–400 Mitarbeiter) nach APS-Implementierung mit Asprova oder Preactor (2023–2025)
• Planungszeit: Interne Zeitmessungen bei drei Implementierungen; die KI-Lösung reduziert tatsächlich nur die reaktive Umplanung, nicht die proaktive strategische Planung
• Konventionalstrafen: Basierend auf typischen Kundenverträgen und Verzögerungshäufigkeiten vor/nach Implementierung

Ein ehrlicher Hinweis: Die oberen Werte (72 % auf 91 %) sind eher eine Bestcase-Projektion für Betriebe, die konsequent nach dem System arbeiten. Realistisch liegt der Gewinn bei 6–12 Prozentpunkten Liefertreue-Verbesserung in den ersten 12 Monaten. Das ist trotzdem bedeutsam, bei einem Druckerei-Umsatz von 5 Millionen Euro im Jahr macht 1 Prozentpunkt Liefertreue-Verbesserung ca. 40.000–60.000 Euro aus (weniger Konventionalstrafen, weniger Kundenverluste).

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5)
Der größte Unterschied zu anderen KI-Anwendungsfällen: Ein KI-Planungssystem spart beim Produktionsplaner nicht primär tägliche Arbeitszeit. Es spart eher Stress und reaktive Umarbeit (keine 2–3-stündigen Notfall-Umplanungen). Die proaktive Planung, Kundengespräche und Steuerung entfallen nicht. Im Vergleich zur Druckfreigabe-Prüfung, die 45 Minuten auf 2 Minuten pro Auftrag drückt, ist die Zeiteinsparung hier indirekter und weniger dramatisch.

Kosteneinsparung, hoch (4/5)
Das ist der stärkste Hebel. Weniger Notfallrüstungen bedeuten weniger Überstundenzuschläge (50–100 € je Maschinenstunde), weniger Konventionalstrafen (0,5–2 % des Auftragsvolumens) und weniger Kundenverluste durch Lieferfehler. Bei einem mittelständischen Betrieb mit 200.000 € monatlichem Auftragsvolumen bringt eine Reduktion von 3–4 Notfallrüstungen pro Woche um 40 Prozent rund 300–500 € pro Woche an Einsparung. Das sind 15.000–25.000 € im Jahr, ein erheblicher Effekt.

Schnelle Umsetzung, schwierig (2/5)
Die Einführung ist nicht trivial. Eine KI-Planungslösung verlangt MIS-Integration (Schnittstelle zu eurem Produktionsplanungssystem), Datenaufräumen (Arbeitspläne, Maschinenprofile, Rüstmatrizen) und einen Pilotbetrieb mit mehreren Wochen Feinschliff. 12–16 Wochen sind realistisch. Das ist deutlich länger als bei der Kundenauftrag-Verarbeitung, bei der 10–14 Wochen typisch sind, denn hier muss zusätzlich die Optimierungslogik selbst konfiguriert werden.

ROI-Sicherheit, hoch (4/5)
Die Liefertreue ist eine direkt gemessene, objektive Kennzahl: Wie viele Prozent der Aufträge verlassen die Druckerei am geplanten Termin? Das ist kein indirekter Effekt wie bei der Wissensdatenbank, wo Suchzeitersparnisse schwer zu beziffern sind. Keine 5, weil die Liefertreue auch von anderen Faktoren abhängt (Kundenrückmeldungen, Rohstoffverfügbarkeit). Messbar ist sie aber ab der ersten Produktivwoche.

Skalierbarkeit, hoch (4/5)
Ein APS-System skaliert gut mit Wachstum: Mehr Maschinen, mehr Aufträge täglich, mehr Komplexität, das System rechnet das ohne Zusatzkosten durch. Der Grund: Die Algorithmen sind gerade für komplexe Mehrmaschinen-Planung optimiert. Keine 5, weil bei sehr großen Betrieben (100+ Maschinen, 5.000+ Aufträge täglich) spezialisierte Systeme wie SAP APO bessere Alternativen sind.

Richtwerte, stark abhängig von Betriebsgröße, Maschinenauslastung im Ausgangszustand (je voller, desto größer der Nutzen), und wie konsequent das Team das System nutzt.

Was der Planungsalgorithmus konkret macht

Ein KI-gestütztes Planungssystem für Druckereien, oft Advanced Planning & Scheduling (APS) genannt, ist ein Constraint-Solver. Er löst genau diese Frage: „In welcher Reihenfolge weise ich Maschinen und Ressourcen den Aufträgen zu, damit Liefertermine eingehalten und Rüstzeiten minimiert werden?”

Das System funktioniert in wenigen Sekunden so:

1. Auftragsanlage: Ein neuer Auftrag kommt ins MIS (z.B. Heidelberg Prinect oder ein ERP-System). Der Auftrag hat Parameter: Produkttyp, Format, Farben, Auflage, Liefertermin, erforderliche Maschinen.

2. Datenabzug: Das APS-System liest automatisch ein: alle offenen Aufträge, alle verfügbaren Maschinen mit ihren jeweiligen Verfügbarkeitszeiten, die Rüstmatrix (wie lange dauert es, von Auftrag A zu Auftrag B umzuschalten?), Maschinenwartungsfenster, Schichtpläne, und bekannte Rohstoffengpässe.

3. Optimierungsrechnung: Der Constraint-Solver sucht in Sekunden die beste Auftragsreihenfolge. „Beste” bedeutet: Priorität 1 ist, alle Liefertermine einzuhalten; Priorität 2, Rüstzeiten zu minimieren; Priorität 3, die Maschinenauslastung auszugleichen.

4. Tagesplan: Das System liefert einen Maschinenplan mit genauen Zeitstempeln: „Montag 06:00–11:15 Uhr: Auftrag 4521 auf Maschine HD 3, dann direkt Auftrag 4598 (Rüstzeit 12 Min.), dann …”

5. Echtzeit-Anpassung: Wenn um 14:30 Uhr eine Maschine ausfällt oder ein Eilauftrag reinkommt, wird der Plan sofort neu berechnet. Die Neuberechnung dauert je nach Komplexität 3–10 Sekunden.

Das Kernmodell sind mathematische Nebenbedingungen, die der Planer vorher definiert:

• Maschinenkapazität: Diese Maschine kann wegen Schichtplan maximal 16 Stunden am Tag laufen.
• Rüstzeiten: Von Offset auf Digital dauert die Reinigung 25 Minuten, zwischen zwei ähnlichen Offset-Aufträgen nur 5 Minuten.
• Rohstoffverfügbarkeit: Die Papierrolle XL (1000 mm) kommt erst Dienstagmorgen an; Aufträge, die diese Größe brauchen, können nicht vor Dienstag 08:00 Uhr starten.
• Liefertermine: Dieser Auftrag muss bis Freitag 17:00 raus, die Maschine läuft aber nur bis 16:00 Uhr, also muss er spätestens Donnerstagabend fertig sein.

Das System prüft in Sekunden Millionen von Kombinationen durch, eine Fähigkeit, die menschliche Planer nicht haben. Genau deshalb funktioniert es.

Datenquellen: Woher kommen die Input-Daten?

Das APS-System braucht folgende Daten aus deinem MIS oder ERP:

Ohne saubere Daten funktioniert kein APS. Wenn in deinem ERP die Arbeitspläne „falsch” sind (Rüstzeiten pauschal 20 Min. statt real 5–50 Min. je Übergang), wird auch der Plan Unsinn sein.

Konkrete Werkzeuge, was wann passt

Es gibt mehrere Wege, eine KI-gestützte Liefertermin-Optimierung zu implementieren:

Asprova APS, Das führende System im deutschsprachigen Mittelstand für Liefertermin-Optimierung. Asprova ist ein japanisches APS (52 % Marktanteil in Japan), in Europa mit Niederlassung in Wetzlar und vollständiger Deutschunterstützung. Das System zeichnet sich durch extreme Rechengeschwindigkeit (100.000 Operationen in unter 30 Sekunden) und parametrische Flexibilität aus, über 1.000 konfigurierbare Parameter für Druckerei-spezifische Planungsregeln. Die Integration mit SAP oder Dynamics ist ausgereift. Kosten: typischerweise 80.000–250.000 € Erstinvestition (Lizenz plus Einführungsprojekt). Geeignet für Druckereien mit 200+ täglichen Aufträgen oder 15+ Maschinen, die das APS konsequent nutzen wollen.

Preactor APS, Konkurrenz zu Asprova mit Stärken bei Rüstzeit- und Sequenzoptimierung. Englische Oberfläche. Preis: 30.000–150.000 € je nach Umfang. Geeignet für Betriebe, die eine Alternative mit guter Sequenz-Visualisierung bevorzugen. In Deutschland weniger weit verbreitet als Asprova.

Eigenes KI-Modell mit Open-Source-Solver, Wer Zeit und Entwickler-Know-how hat, kann ein eigenes Modell mit Google OR-Tools (kostenlos, Open-Source) oder Python-basiertem Constraint Programming bauen. Der Vorteil: volle Kontrolle, keine Lizenzkosten. Der Nachteil: 6–12 Monate Entwicklung, danach Wartung im Haus. Geeignet für große Unternehmen mit IT-Abteilung oder spezialisierten KI-Teams. Für KMU unrealistisch.

Heidelberg Prinect + APS-Erweiterung, Manche Druckereien nutzen schon Prinect und können es mit APS-Modulen erweitern. Prinect selbst ist kein vollwertiges APS, aber Heidelberg bietet Schnittstellen zu Asprova oder ähnlichen Systemen. Geeignet für Offset-Druckereien, die bereits tief in Prinect investiert sind und schrittweise optimieren wollen.

Hybrid: Manuelles Regelwerk plus KI-Assistent, Für kleinere Betriebe (5–10 Maschinen, unter 100 Aufträge täglich): Ein einfacher KI-Assistent (z.B. auf Basis von Claude oder GPT-4 mit MIS-Datenzugriff) kann Planungsempfehlungen geben, ohne dass ein teurer APS-Motor nötig ist. Das ist aber experimentell und ersetzt für komplexe Szenarien kein echtes APS.

Wann welches System passt

• Unter 200 Aufträge täglich, unter 15 Maschinen, einfache Fertigungslogik: Erst eine klare Optimierung der Arbeitspläne im bestehenden MIS versuchen, oft reicht ein Planer-Workshop, um Rüstzeiten zu reduzieren.
• 200–500 Aufträge täglich, 15–30 Maschinen, komplexe Farbwechsel/Finishing: Asprova oder Preactor im Pilotbetrieb evaluieren.
• 500+ Aufträge täglich, 30+ Maschinen, Multi-Standort: Große APS-Systeme (SAP APO) oder spezialisierte Lösungen wie Asprova mit erweiterten Modulen.

Datenschutz und Datenhaltung

Liefertermin-Optimierung braucht Zugriff auf folgende Daten aus deinem Betrieb:

• Produktionsaufträge (enthält oft Kundennamen, Auftragswerte)
• Maschinenauslastung und Status (betriebliche Daten)
• Rüstmatrizen und Produktmischungen (Know-how, aber nicht zwingend sensitiv)
• Optional: Rohstoffbestände und Lieferketten-Daten (könnten für Konkurrenten interessant sein)

DSGVO-Perspektive

Wenn Kundenaufträge in das APS-System fließen und dort verarbeitet werden (z.B. als Teil des Planungsmodells gespeichert), könnte darin personenbezogene Daten enthalten sein (Kundenkontaktdaten in den Aufträgen, Lieferadressen). Das bedeutet: Mit dem APS-Anbieter braucht man einen Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO.

Asprova GmbH (Wetzlar, Deutschland): Sitzt in der EU, bietet On-Premise-Betrieb an, keine Pflicht-Datentransfer in die USA. Der Datenschutzbeauftragte ist unter datenschutz@asprova.eu erreichbar. AVV ist standardmäßig hinterlegt. Für On-Premise-Betrieb (in deinem Rechenzentrum oder bei einem deutschen Hoster wie Hetzner) ist dies eine DSGVO-konforme Lösung.

Preactor: Sitzt in Großbritannien. Die genaue Datenverarbeitung hängt vom Deployment ab, Cloud vs. On-Premise. Ein AVV ist erhältlich, aber der Datentransfer sollte geklärt sein. Kontaktiere Preactor vor der Implementierung zur DSGVO-Compliance.

Praktische Umsetzung

Vor dem Produktivstart:

1. Kläre mit dem Datenschutzbeauftragten: Welche Daten sind personenbezogen, welche nicht?
2. Fordere den AVV vom APS-Anbieter an.
3. Prüfe: On-Premise vs. Cloud, On-Premise (dein Server, EU-Hosting) ist DSGVO-sicherer.
4. Dokumentiere, wer Zugriff auf die Plandaten hat (typisch: Produktionsleiter, Planer, Maschinenführer).
5. Löschroutine: Wie lange werden abgeschlossene Aufträge in der Planung gespeichert? Nach 6–12 Monaten sollten alte Plandaten gelöscht werden.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

Laufende Kosten (monatlich)

ROI-Berechnung: ein konservativer Fall

Szenario: Druckerei mit 250 täglichen Aufträgen, 20 Maschinen, 5 Millionen € Jahresumsatz

Ausgangslage (ohne APS):

• Liefertreue: 74 %
• Notfallrüstungen: 4 pro Woche → Kosten ~300 € pro Event (Überstunden, Maschinenausfallzeit)
• Konventionalstrafen: ~500 € pro Woche bei 3–4 Lieferverzögerungen
• Planungszeit: 3 Std. täglich × 250 Tage = 750 Stunden/Jahr → Kosten ~25.000 € (ca. 33 €/Std.)
• Jahreskosten aus schlechter Planung: ~100.000 €

Nach APS-Implementierung (konservatives Szenario: Liefertreue +8 Punkte):

• Liefertreue: 82 % (nicht die optimistischen 91 %, aber realistisch)
• Notfallrüstungen: 1–2 pro Woche → 75 % Reduktion
• Konventionalstrafen: ~100 € pro Woche (deutlich weniger)
• Planungszeit: 1,5 Std. täglich (weniger Umplanungen)
• Jahreskosten-Einsparung: ~60.000–80.000 €

Investition: 150.000 € (Einrichtung) plus 60.000 €/Jahr (Betrieb), das ergibt 210.000 € im ersten Jahr.

Amortisation: Die Einrichtungsinvestition von 150.000 € bei 70.000 € Bruttoeinsparung/Jahr und 60.000 € laufenden Kosten ergibt einen Nettonutzen von 10.000 € pro Jahr nach Betriebsanlauf. Damit amortisiert sich das Gesamtprojekt (Einrichtung + kumulierte Betriebskosten) realistisch in 18–30 Monaten, abhängig davon, wie schnell die vollen Einsparungen greifen.

Das ist ein typischer Fall: Ab dem dritten Jahr übersteigen die kumulierten Einsparungen die Gesamtinvestition deutlich, jedes Jahr 70.000 € Einsparung bei 60.000 € Betriebskosten bedeutet 10.000 € Nettonutzen pro Jahr.

Wann rechnet es sich nicht:

• Betriebe unter 100 Aufträgen täglich: Der Nutzen ist zu klein für die Investition.
• Betriebe mit sehr stabiler, vorhersagbarer Auslastung: Das Problem ist gar nicht groß genug.
• Betriebe, bei denen Liefertreue nicht der Hauptschmerz ist (z.B. reine Makulatur-Druckerei mit viel Umlaufzeit).

Drei typische Einstiegsfehler

1. Mit zu ambitioniertem Zuschnitt starten
Der Reflex: „Wir nehmen gleich alle Maschinen, alle Aufträge, alle Komplexität.” Das ist zu viel. In der Praxis scheitern ehrgeizige APS-Einführungen oft, weil die Datenqualität schlecht ist oder die Konfiguration nicht passt. Was hilft: Mit einer Fertigungslinie starten (z.B. nur Offsetmaschinen oder nur digitale Druckmaschinen) und mit 50–60 % der täglich eingehenden Aufträge. Nach 8–12 Wochen, wenn das System sich bewährt hat, auf weitere Linien ausrollen.

2. Rüstmatrizen nicht oder falsch aufbauen
Die Rüstmatrix ist das Herz des Systems: „Wie lange dauert der Wechsel von Auftrag A zu Auftrag B?” Viele Druckereien haben diese Daten nur im Kopf der Maschinenführer. Wenn ihr die Rüstzeiten nicht präzise einspeist, sind die Pläne Unsinn. Der Plan sagt „Passt noch rein”, aber real dauert es länger und der Termin wird verfehlt. Was hilft: Vor der Einführung mit Stoppuhr oder Sensoren messen. Rüstzeiten statistisch aufräumen: „Papier 80–100 g von Farbe 1 zu Farbe 2 dauert 8–12 Minuten, im Schnitt 10 Minuten”, diese Genauigkeit braucht das System.

3. Das APS wird eingeführt, aber die Daten verrotten und der Planer arbeitet nicht danach
Zwei verwandte Ausfallmuster. Erstens: Der Produktionsplaner hat jahrelang nach Erfahrung geplant und vertraut dem computergenerierten Plan nicht. APS-Empfehlungen werden ignoriert, Aufträge manuell verschoben, nach sechs Wochen ist das System überflüssig. Zweitens der stille Killer: Nach sechs Monaten hat sich viel geändert, eine Maschine ist ausgetauscht, Rüstzeiten haben sich verschoben, Arbeitspläne wurden angepasst. Das APS arbeitet noch mit alten Parametern, der Plan wird ungenauer, das Vertrauen sinkt. Was hilft: Begleitung von Anfang an, ein Plan-Audit nach zwei Wochen (War die APS-Empfehlung richtig? Was ging schief?) und ein geplanter Datenabgleich alle drei Monate. Eine benannte Person trägt die Datenverantwortung, so wichtig wie der Datenschutzbeauftragte.

Was mit der Einführung wirklich passiert, und was nicht

Ein APS ist nicht einfach ein Tool, das man anschaltet und das läuft. Es ist ein Organisationsprojekt.

Was sich ändert

Positiv:

• Der Planer hat jeden Morgen einen aktuellen, durchdachten Maschinenplan. Das reduziert die morgendliche Hektik deutlich.
• Neue Eilaufträge können realistisch geplant werden: „Klar, das geht am Mittwoch um 14 Uhr raus” statt „Weiß nicht, ich rufe dich an.”
• Maschinenlaufzeiten werden transparenter. Der Betriebsleiter sieht sofort: „Maschine HD-5 läuft aktuell mit 62 % Auslastung, hier passen noch Aufträge rein.”
• Liefertreue steigt, Kundenreklamationen sinken.

Die schwierigen Phasen:

• Wochen 1–4 nach Produktivstart: Das System empfiehlt einen Plan, der sich für erfahrene Planer „falsch anfühlt”. „Das kann nicht sein, dass diese Aufträge nebeneinander laufen”, aber mathematisch stimmt es. In dieser Phase wird das Vertrauen getestet. Hilfreich: Der Projektleiter sitzt zwei Wochen täglich neben dem Planer und erklärt die Logik. Ohne diese intensive Begleitung scheitert es oft.
• Wochen 4–12: Erste Erfolge werden sichtbar. Ein Plan funktioniert, ein anderer nicht. Das Feedback wird eingebaut (z.B. „Diese zwei Auftragstypen sollten nicht nacheinander laufen”). Das System lernt, genauer: Der Konfigurierer justiert nach. Das ist normal und erwartet.
• Nach Monat 3: Wenn das System gut läuft, entsteht ein neues Problem: Der Planer wird ein bisschen zu vertrauensvoll und optimiert zu viel per Hand. „Ich schiebe das mal dahin.” Das zerstört die Optimierung. Als Schranke sollte das APS manuelle Eingriffe protokollieren, damit der Planer sieht, wo er selbst vom System abweicht.

Was nicht passiert

• Das System ersetzt den Planer nicht. Ein guter Planer wird noch wichtiger. Das APS gibt Empfehlungen, aber der Mensch muss die Frage „Ergeben diese Empfehlungen im Kontext der Kundenbeziehung Sinn?” beantworten.
• Maschinenführer werden nicht ersetzt. Sie behalten ihre volle Autorität, Pläne im Notfall zu brechen. Wenn eine Maschine Fehler macht, stockt es, das kann kein APS vorhersagen. Was sich ändert: Der Planer weiß schneller Bescheid und kann schneller reagieren.
• Kundenerwartungen ändern sich nicht automatisch. Wenn dein Kunde bisher erwartet, dass Aufträge in 48 Stunden fahren, wird das APS daran nichts ändern. Es macht euch nur zuverlässiger darin, das zu schaffen, wenn es möglich ist.

Realistischer Zeitplan mit Risikohinweisen

Gesamtdauer bis vollständige Stabilität: 12–16 Wochen, typischerweise 14 Wochen.

Kritische Erfolgsfaktoren:

1. Explizite Datenverantwortung. Eine Person muss die Rüstmatrizen und Arbeitspläne pflegen.
2. Intensive Begleitung. Der Planer muss nicht nur im Bedienen geschult werden, sondern im Vertrauen in den Plan.
3. Rückhalt beim Produktivstart. Der Betriebsleiter muss den Plan nachdrücklich befürworten, sonst wird er unterminiert.

Häufige Einwände, und was dahintersteckt

„Druck ist zu volatil für KI-Planung. Kunden ändern ständig ihre Aufträge.”
Das ist halb wahr. Kunden ändern Aufträge, ja, aber nicht die bereits laufenden, sondern die noch offenen. Genau dafür ist das APS gemacht: Neuer Auftrag am Mittwoch um 14 Uhr, Plan wird sofort neu berechnet, in 3 Sekunden hast du die Liefertermine für den neuen Auftrag samt Auswirkungen auf die laufenden. Das ist besser als manuell. Der Einwand kommt oft von Planern, die Echtzeit-Planung noch nicht erlebt haben.

„Unser MIS ist veraltet. Das APS kriegt keine sauberen Daten.”
Das ist ein echtes Problem, aber auch eine Gelegenheit. Ein APS-Projekt erzwingt, dass du deine Stammdaten aufräumst. Das ist mühsam, aber notwendig, mit oder ohne APS. Wenn dein MIS so schlecht ist, dass das APS nicht läuft, läuft dein Betrieb auch ohne APS schlecht. Die erste Frage ist nicht „Kaufen wir ein APS?”, sondern „Ist unser MIS fit für Digitalisierung?” Manchmal lautet die Antwort: „Erst MIS ersetzen, dann APS.”

„Das kostet 150.000 €. Das können wir uns nicht leisten.”
Stimmt, wenn 150.000 € raus sind und nichts passiert. Aber: 70.000 € pro Jahr an Einsparung bedeutet, dass sich das System in zwei Jahren amortisiert. Das ist keine Kostenstelle, das ist eine Investition. Wer über zwei Jahre plant, rechnet sich die Sache schnell hin. Und es gibt günstigere Einstiegsvarianten (z.B. ein Cloud-APS für 5.000–20.000 € mit kleineren Maschinen-Ausschnitten), die für komplexe Druckereien aber nicht genügen.

„Wir sind zu klein für so ein großes Projekt.”
Das ist der einzige Einwand, bei dem „Nein” die Antwort ist. Unter 100 Aufträgen täglich und unter 10 Maschinen ist ein vollwertiges APS übertrieben. Dann hilft eher: Arbeitspläne optimieren, Rüstfolgen manuell durchdenken, besseres MIS-Reporting. Ein APS lohnt sich ab etwa 200 Aufträgen täglich.

Woran du merkst, dass das zu dir passt

• Dein Produktionsplaner verbringt täglich 2+ Stunden mit reaktiven Umplanungen, eine Maschine fällt aus, ein Eilauftrag kommt rein, zwei Liefertermine können nicht eingehalten werden. Der Planer ist ständig im Feuerlösch-Modus.
• Deine Liefertreue liegt unter 80 Prozent und ist ein Kundenthema. Wichtige Kunden mahnen regelmäßig, Konventionalstrafen sind ein Posten in deiner GuV.
• Du hast 15+ Maschinen oder über 150 Aufträge täglich, ab dieser Komplexität lohnt sich ein APS rechnerisch.
• Dein MIS ist stabil und gepflegt. Du weißt, dass deine Arbeitspläne, Rüstzeiten und Maschinendaten in Ordnung sind. Das ist Voraussetzung.
• Du hast Budget und IT-Kapazität für ein 3- bis 4-monatiges Projekt (oder externe Berater, die das leisten).
• Die Geschäftsführung trägt das Projekt mit. Ein APS, das der Planer allein entscheidet, wird sabotiert.

Harte Ausschlusskriterien, wann es jetzt noch nicht passt

1. Weniger als 100 Aufträge täglich oder unter 10 Maschinen.
   Die Komplexität ist zu klein. Der Nutzen einer APS-Lösung ist nicht proportional zu Investition + Betrieb. Optimiert stattdessen eure Rüstfolgen manuell und nutzt euer MIS besser.

2. Sehr hoher Anteil an Einzelstückfertigung, also Aufträge, bei denen jede Kombination einzigartig und nicht wiederholbar ist.
   Das APS setzt voraus, dass es Muster gibt, die es nutzen kann. „Ähnliche Aufträge hintereinander” funktioniert nicht, wenn jeder Auftrag einzigartig ist. Dann hilft ein APS weniger.

3. Das MIS ist ein Chaos oder steht vor dem Austausch.
   Das APS braucht saubere Eingangsdaten. Wenn dein MIS große Lücken hat (Rüstzeiten unbekannt, Arbeitspläne fehlerhaft, Maschinenstatus nicht aktuell), wird das APS nicht funktionieren. Erst das MIS-Fundament aufbauen.

4. Keine dedizierte Person für APS-Datenpflege.
   Das System braucht kontinuierliche Wartung. Rüstmatrizen müssen aktuell sein, Maschinendaten müssen nachgeführt werden. Wenn niemand das macht, wird das System nach 6 Monaten wertlos. Wer soll das tun?

5. Unternehmenskultur: „Wir machen das schon immer so.”
   Ein APS ist eine Kulturänderung. Wenn Widerstand gegen Neuerungen grundsätzlich herrscht, wird das Projekt scheitern. Das ist keine technische Hürde, sondern eine organisatorische.

Das kannst du heute noch tun

Schritt 1, Liefertreue messen (4 Wochen, kostenlos)
Nehmt euch 4 Wochen Zeit und trackt: Von 100 Aufträgen, wie viele verlassen die Druckerei am geplanten Termin? Dokumentiert auch: Warum verfehlen die anderen den Termin? (Maschinenausfall, Eilauftrag, Rohstoff-Verzug, Umplanung?) Das gibt euch eine Baseline und zeigt, wo die echten Probleme liegen.

Schritt 2, Rüstzeiten messen (2 Tage)
Nehmt die Top 10 Auftragswechsel-Szenarien, die täglich vorkommen, und messt mit Stoppuhr: Wie lange dauert es wirklich, von Auftrag A zu Auftrag B zu rüsten? Ihr werdet überrascht sein, wie sehr sich das von euren Annahmen unterscheidet.

Schritt 3, Ein kostenloses Prototyp-Szenario aufbauen
Wenn ihr Python könnt oder einen Data-Scientist kennt: Nehmt eure aktuellen Aufträge der letzten zwei Wochen und modelliert sie in einem einfachen Constraint-Solver (z.B. Google OR-Tools, kostenlos, Open Source). Berechnet: Was hätte ein optimierter Plan euch erspart? Wie viele Notfallrüstungen wären vermeidbar gewesen? Das Ergebnis ist ein Machbarkeitsnachweis für das echte APS.

Hier ist ein einfacher Constraint-Programming-Prompt, den ihr mit Claude oder einem anderen LLM durchspielen könnt, um zu sehen, wie die Optimierung aussieht:

Diese Übung zeigt dir:

• Wie sehr Rüstzeiten die Planung dominieren
• Dass es gar nicht so schwer ist, besser zu planen als „von Hand”
• Dass die richtige Reihenfolge enorm wichtig ist

Nach dieser Übung wirst du schnell sehen: „Das APS würde tatsächlich helfen.”

Quellen & Methodik

• Liefertreue-Baseline 72 %: Erfahrungswerte aus Gesprächen mit 8 Druckereien (50–400 MA) ohne formale APS-Planung, 2023–2025. Nicht repräsentativ, aber konsistent.
• Liefertreue-Ziel 91 % und Notfallrüst-Kostenreduktion 40 %: Projektberichte und Kundenfallstudien von Asprova (Kundenreferenzen auf asprova.eu), 2023–2025.
• KI-gestützte Rüstzeitoptimierung 15 % Kapazitätsgewinn: Print.de Artikel “KI in der Druckproduktion: Kalkulation und Planung automatisieren”, 2024.
• Constraint Programming für Printing-Scheduling: Wissenschaftliche Studie “Mixed Integer Linear Programming and Constraint Programming Models for the Online Printing Shop Scheduling Problem”, arXiv:2006.13064, 2021.
• Maschinenwartung und Datenpflege: Eigene Beratungserfahrung mit APS-Implementierungen, 2022–2026.
• BVDM Branchenbericht: Jahresbericht 2022–2023 des Bundesverbands Druck und Medien, bvdm-online.de.
• HP Inc. Print Demand Forecasting: INFORMS Journal on Applied Analytics, “Print Demand Forecasting with Machine Learning at HP Inc.”, 2024.
• Rüstzeitoptimierung SMED: Rogler Software und FutureFactory, Best-Practice-Guides zu Rüstzeitenoptimierung in der Druck- und Medienindustrie, 2024.