Rüstzeitenanalyse per KI

Das echte Ausmaß des Problems

Rüstzeiten gelten in vielen Druckereien als unvermeidliches Übel. Sie werden akzeptiert, grob geplant, aber selten wirklich analysiert. Das ist ein teures Versäumnis.

In einem typischen Offset-Betrieb mit zwei bis vier Maschinen und 50–100 Aufträgen pro Woche entfallen 12–18 % der gesamten Maschinenzeit auf Rüsttätigkeiten. Ein erheblicher Teil davon ist nicht durch die Auftragsstruktur zwingend vorgegeben, er entsteht durch suboptimale Reihenfolge. Wer Aufträge nach Lieferdatum sortiert statt nach Rüstaufwand, zahlt täglich Stunden für Wechsel, die vermeidbar gewesen wären.

Ein Farbwechsel von Dunkel nach Hell, etwa von einem Vollfarb-Verpackungsauftrag zu einem hellen Briefpapierdruck, erfordert ausgiebiges Reinigen aller Farbwerke. Derselbe Übergang in umgekehrter Reihenfolge dauert einen Bruchteil. Ein Substratwechsel von gestrichenem Papier zu ungestrichenem erfordert eine neue Druckbeistellung; in der Gegenrichtung oft nicht. Diese Abhängigkeiten sind bekannt, aber sie werden selten systematisch erfasst, geschweige denn von der Planungssoftware berücksichtigt.

Laut einer Analyse von Produktionsplanungssystemen für die Druckindustrie, veröffentlicht auf dem Portal World of Print (2022), können bis zu 15 % zusätzliche Kapazität durch intelligente Auftragsreihenfolge-Optimierung erschlossen werden, ohne eine neue Maschine zu kaufen und ohne Schichten auszuweiten. Dieser Hebel bleibt in den meisten Betrieben ungenutzt, weil kein Mensch und kein klassisches MIS die Kombinatorik aller möglichen Reihenfolgen in Echtzeit durchrechnen kann.

Das Problem wächst mit der Auftragsdichte. Bei 20 Aufträgen am Tag kann eine erfahrene Betriebsleiterin noch intuitiv die offensichtlichsten Synergien erkennen. Bei 80 Aufträgen auf drei Maschinen mit unterschiedlichen Substraten, Farbbelegungen und Veredelungen ist manuelle Optimierung strukturell unmöglich.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zahlen für „mit KI” sind Erfahrungswerte aus Installationen mit 40+ täglich eingebundenen Arbeitsplätzen, kein Laborversuch, aber auch kein repräsentatives Sample. Was konsistent bleibt: Die Einsparung ist direkt messbar, der Zeitplan-Aufwand sinkt erheblich, und der Nutzen tritt innerhalb weniger Wochen ein.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Die KI spart echte Maschinenstunden, in einem Betrieb mit drei Pressen und 70 täglichen Aufträgen können das 45–90 Minuten pro Schicht sein, die vorher in vermeidbaren Rüstvorgängen steckten. Das ist bedeutsam, aber nicht der größte Einzelhebel in dieser Branche. Die Nesting- und Ausschießoptimierung wirkt ähnlich stark auf Ressourceneffizienz, und bei der Produktionsdaten-Auswertung liegen in der Breite mehr Potenziale. Rüstzeitenoptimierung ist real, aber auf die Fälle begrenzt, wo tatsächlich Sequenz-Flexibilität besteht.

Kosteneinsparung, mittel (3/5) Die Kapazitätssteigerung von 15–25 % eingesparter Rüstzeit ist kein direktes Kostenminus, sondern ein Kapazitätsplus: Du druckst mehr Aufträge ohne zusätzliche Maschinenkosten. Was das wert ist, hängt davon ab, ob du diese Kapazität auch füllen kannst. Für ausgelastete Betriebe ist das echter Umsatz ohne Fixkostenerhöhung, für Betriebe mit freier Kapazität verpufft der Effekt. Gegenüber der Papierlager-Optimierung, die gebundenes Kapital direkt reduziert, ist der ROI hier abhängiger von der Marktsituation.

Schnelle Umsetzung, niedrig (2/5) Das ist der ehrlichste Score in dieser Zeile. Die Algorithmik ist nicht das Problem, die Voraussetzungen sind es. Bevor ein KI-Modell eine sinnvolle Rüstmatrix aufbauen kann, müssen historische Rüstzeiten in ausreichender Qualität vorliegen. In den meisten MIS-Systemen sind Rüstzeiten entweder gar nicht erfasst, nur als Pauschale eingetragen oder so inkonsistent, dass sie ein Modell eher verwirren als trainieren. Die Datenaufbereitung dauert realistisch 8–16 Wochen, bevor die eigentliche KI-Arbeit beginnt.

ROI-Sicherheit, hoch (4/5) Rüstzeiten gehören zu den wenigen Kennzahlen in der Druckproduktion, die sich direkt messen lassen: Beginn Rüsten, Ende Rüsten, Auftrag A → Auftrag B. Wer vorher und nachher dieselbe Messung macht, sieht den Effekt sofort. Das schafft eine Vertrauensbasis, die bei indirekten KI-Anwendungen fehlt, kein Raten, kein Hochrechnen. Der Score bleibt bei 4 statt 5, weil der tatsächlich realisierbare Effekt stark davon abhängt, wie viele Aufträge wirklich Sequenz-Flexibilität haben.

Skalierbarkeit, hoch (4/5) Einmal aufgebaut, skaliert das Modell auf alle Maschinen ohne wesentlichen Mehraufwand. Neue Auftragstypen werden über die Zeit in die Rüstmatrix integriert; das Modell lernt laufend dazu. Die Grenze liegt nicht in der Software, sondern in der Datenerfassung: Wenn neue Substrate oder Druckverfahren eingeführt werden, braucht das Modell zunächst eine Lernphase von 4–8 Wochen, bevor es diese Übergänge zuverlässig bewertet.

Richtwerte, stark abhängig von Betriebsgröße, Auftragsvielfalt und vorhandener MIS-Datenqualität.

Was das System konkret macht

Die Grundidee ist einfacher als die Umsetzung: Das System baut aus historischen Produktionsdaten eine Rüstmatrix auf. In dieser Matrix steht für jede mögliche Auftragskombination: Wie lang dauert der Wechsel von Job-Typ A zu Job-Typ B?

Diese Matrix ist nicht symmetrisch. Dunkel→Hell kostet mehr als Hell→Dunkel. Gestrichenes Papier vor ungestrichenem ist einfacher als umgekehrt. Spotfarbe nach CMYK erfordert Sonderfarbenreinigung; CMYK nach Spotfarbe manchmal nicht. Das System lernt diese Asymmetrien aus realen Produktionsdaten, nicht aus theoretischen Handbuchzeiten, sondern aus dem, was eure Drucker tatsächlich gebraucht haben.

Darüber hinaus berücksichtigt die Optimierung die Einschränkungen, die ihr selbst definiert:

• Lieferzusagen sind sakrosankt. Kein Auftrag wird so verschoben, dass er seinen Liefertermin verfehlt. Die KI sucht ausschließlich innerhalb des Terminpuffers.
• Maschineneignung wird berücksichtigt. Bestimmte Aufträge können nur auf bestimmten Maschinen laufen, das System plant nur in den erlaubten Kombinationen.
• Materialkonflikte werden erkannt. Wenn für einen Auftrag ein bestimmtes Substrat erst um 10:00 Uhr eintrifft, schlägt das System ihn nicht für 8:00 Uhr vor.

Der tägliche Output ist ein Reihenfolge-Vorschlag pro Maschine, kein Befehl, sondern eine Empfehlung. Die Betriebsleiterin prüft, ob unbekannte Faktoren (Krankenstand, kurzfristige Eilaufträge, Kundenwünsche) den Vorschlag modifizieren. Das finale Wort bleibt beim Menschen.

Machine Learning-Modelle für sequenzabhängige Rüstzeit-Optimierung arbeiten in der Praxis typischerweise mit metaheuristischen Algorithmen, GRASP, genetische Algorithmen oder Tabu-Suche, weil das Problem kombinatorisch zu komplex für exakte Lösungen ist. Bei 50 Aufträgen an einem Tag gibt es mehr mögliche Reihenfolgen als Atome im Universum. Ein guter Algorithmus findet innerhalb von Sekunden eine Lösung, die deutlich besser als die Default-Sortierung ist, nicht notwendig das globale Optimum, aber gut genug, um realen Nutzen zu stiften.

Die Rüstmatrix: was wirklich von was abhängt

Das Herzstück jedes Rüstzeiten-Optimierungssystems für die Druckerei ist die Rüstmatrix, eine Tabelle, die für jeden Übergang von Auftragstyp A zu Auftragstyp B den erwarteten Rüstaufwand abbildet.

Was das für euren Betrieb bedeutet, hängt von eurem Maschinenpark ab. Typische Dimensionen im Offsetdruck:

Farbwechsel (Richtungsabhängig)
Der Klassiker. Vom dunklen Vollton (Schwarz, Dunkelblau, Dunkelrot) zu hellem Pastelldruck: vollständige Farbwerkwäsche, 15–40 Minuten. In Gegenrichtung: minimale Reinigung, 5–10 Minuten. Das Modell lernt diese Asymmetrie aus euren Logdaten, aber nur, wenn die Farbstellungen per Auftrag wirklich eingetragen sind.

Substratwechsel
Gestrichenes Papier zu ungestrichenem: Druckbeistellung anpassen, Feuchtwerk neu einstellen, oft neue Druckkurve laden. Innerhalb derselben Substratfamilie (gleiche Grammatur, gleiches Oberflächenprofil): minimaler Aufwand. Das System bildet Substrat-Cluster und bevorzugt Auftragssequenzen, die innerhalb eines Clusters bleiben.

Formatänderungen
Von A4 auf A3 oder von Querformat auf Hochformat: Anlage, Saugköpfe, Greifer neu justieren. Nicht trivial, aber berechenbar. Oft unterschätzt: Bei Maschinen mit Schnellrüstsystem (Heidelberg Intellistart, Push-to-Stop) sind Formatwechsel fast halbautomatisch, das Modell muss wissen, welche Maschine welche Funktion hat.

Veredelungswechsel
Dispersionslack zu Glanzlack, Mattlaminierung zu Glanzkaschierung. Manche Wechsel erfordern Zwischenreinigung, andere nicht. Diese Daten fehlen in MIS-Systemen besonders häufig, die Einrüstzeit wird oft als Maschinenzeit gebucht, ohne den spezifischen Wechseltyp zu protokollieren.

Farbprofil und Tonwertanpassung
Besonders relevant bei standardisiertem Offsetdruck (ISO 12647): Wenn ein Auftrag auf ein anderes Farbprofil kalibriert ist, muss die Kennlinie angepasst werden. Aufeinanderfolgende Aufträge mit identischem Profil sparen diese Zeit komplett.

Die Rüstmatrix ist nie vollständig, und das ist normal. Übergänge, die in eurer Produktionshistorie noch nie vorgekommen sind, haben keine Zeitdaten. Das Modell lernt diese sukzessive dazu, beginnt aber immer mit einer theoretischen Basis (z. B. aus SMED-Methodik-Richtwerten) und verfeinert sie mit realen Messwerten.

MIS-Datenlage: was in euren Logs wirklich steckt

Das ist der Abschnitt, den viele Implementierungsprojekte zu spät lesen.

Die meisten Druckerei-MIS-Systeme halten folgende Daten vor: Auftragseingang, Materialspezifikation, Liefertermin, kalkulierte Fertigungszeit. Was sie oft nicht enthalten, oder nur grob erfassen:

• Tatsächliche Rüstzeiten pro Übergang (häufig nur Gesamtmaschinenstillstand, ohne Unterscheidung nach Ursache)
• Grund für die Rüstung (Farbwechsel vs. Substratwechsel vs. Formatwechsel vs. Wartung)
• Wer gerüstet hat (relevant für Varianzanalyse: Schicht A braucht für denselben Übergang 12 Minuten, Schicht B 22 Minuten, das Modell muss das wissen oder ignorieren)
• Abweichungen vom Planwert (wenn 30 Minuten geplant und 55 Minuten gebraucht wurden, ohne Eintrag warum)

Realistische Einschätzung aus Implementierungsprojekten: In etwa der Hälfte der Druckereien sind Rüstzeiten nicht per Auftrag, sondern nur als Schicht-Summe protokolliert. Das reicht nicht für eine sinnvolle Rüstmatrix.

Was das bedeutet: Bevor ein KI-Modell sinnvoll eingesetzt werden kann, muss entweder:

a) Historische Datenaufbereitung: Vorhandene MIS-Daten werden nachträglich mit Übergangsinformationen angereichert (aufwendig, oft lückenhaft), oder
b) Prospektive Datenerfassung: Das Unternehmen beginnt systematisch, Rüstzeiten und Rüstgründe per Auftrag zu erfassen, mit einer Erfassungsphase von mindestens 8–12 Wochen, bevor das Modell sinnvoll trainiert werden kann.

Option b) ist in der Praxis häufig die ehrlichere Lösung. Ein Werkzeug wie RüstPlan kann diese systematische Erfassung mit digitalem Checklisten-Workflow und automatischer Zeitstempelung unterstützen, ursprünglich für die Metallindustrie entwickelt, aber die SMED-Logik ist auf die Druckerei übertragbar. Alternativ: Viele MIS-Systeme wie PrintVis oder Heidelberg Prinect haben Zeiterfassungsmodule, die für diesen Zweck konfiguriert werden können.

Harte Wahrheit: Ein Betrieb, der mit 6 Wochen Implementierung rechnet, liegt meistens bei 4–6 Monaten, weil die Datenaufbereitung länger dauert als erwartet. Das ist keine Schande, sondern der normale Lauf solcher Projekte.

Konkrete Werkzeuge, was wann passt

Es gibt keinen einheitlichen Ansatz für alle Druckereien. Die sinnvolle Lösung hängt stark von der vorhandenen Infrastruktur ab.

Heidelberg Prinect mit Job Optimiser-Logik, Für Druckereien mit Heidelberg-Maschinen ist das die naheliegendste Option. Prinect kennt Maschinendaten, Auftragsparameter und kann über die Scheduling-Module Reihenfolgevorschläge generieren. Die Tiefe der Optimierung hängt vom Modulumfang ab, der Business Manager ist hier die relevante Komponente. Wichtig: Der Wert entfaltet sich erst vollständig, wenn die Rüstzeiten systematisch in Prinect geloggt werden.

PrintVis mit Scheduling-Funktionen, Für MIS/ERP-Betriebe auf Microsoft Dynamics-Basis. PrintVis deckt Kalkulation, Auftragsplanung und Produktionssteuerung ab; die enthaltenen Planungsfunktionen erlauben Reihenfolgepriorisierung nach konfigurierbaren Kriterien. Echte ML-basierte Rüstmatrix-Optimierung ist ein Customizing-Thema, der Standard-Funktionsumfang bietet regelbasierte Reihenfolgeoptimierung. Kostet typisch 3.000–5.000 €/Monat für einen 15-Nutzer-Betrieb, Implementierung zusätzlich.

RüstPlan, Günstiger Einstieg für systematische Rüstzeit-Erfassung und einfache Sequenz-Optimierung. Ab 66 €/Monat (Professional, bis 20 Maschinen). Primär für Metallverarbeitung entwickelt, aber die SMED-Methodik und die KI-basierte Reihenfolgeempfehlung nach Werkzeugfamilien lässt sich sinngemäß auf Druckparameter-Cluster übertragen. Stärke: Sofortiger Einstieg ohne IT-Projekt, 14-tägige Testphase. Schwäche: Keine native Druckerei-Integration, Ergebnisse müssen manuell in den Belegungsplan übertragen werden.

PlanetTogether APS, Für Betriebe, die eine vollwertige Advanced-Planning-&-Scheduling-Lösung einführen wollen: visueller Drag-&-Drop-Schedule, Capable-to-Promise, ERP-Anbindung. Kein Druckerei-Spezialprodukt, aber breite ERP-Anbindung (SAP, Microsoft Dynamics, NetSuite). Realistische Investition: 20.000–60.000 € Lizenz/Jahr plus 30.000–150.000 € Implementierung. Kein deutschsprachiger Support, Datenhaltung in den USA, prüft, ob das mit euren DSGVO-Anforderungen vereinbar ist. Sinnvoll ab einer Betriebsgröße, bei der die MIS-internen Planungsfunktionen zu wenig Optimierungstiefe bieten.

Maßgeschneidertes ML-Modell, Für Betriebe mit sauberem Datenfundament und einem internen IT-/Datenanalyse-Ressourcen: Ein Optimierungsmodell auf Basis von Python-Bibliotheken (scipy.optimize, OR-Tools von Google) kann die druckspezifische Rüstmatrix abbilden und täglich eine optimale Sequenz berechnen. Entwicklungsaufwand: 40–120 Personentage je nach Komplexität. Laufende Infrastrukturkosten: gering. Sinnvoll nur, wenn ihr wirklich jemanden habt, der das baut und pflegt.

Wann welcher Ansatz

• Heidelberg-Maschinen vorhanden → Prinect-Scheduling-Module ausbauen
• Microsoft-Ökosystem, MIS gesucht → PrintVis evaluieren
• Schnell starten, Daten erstmals erfassen → RüstPlan als Einstieg
• Komplexe APS-Anforderung, Budget vorhanden → PlanetTogether evaluieren
• Saubere Datenbasis, eigene IT-Kapazität → Custom ML

Datenschutz und Datenhaltung

Die für die Rüstzeiten-Optimierung verarbeiteten Daten sind überwiegend Produktionsdaten ohne direkten Personenbezug: Auftragsparameter, Maschinendaten, Zeitstempel, Materialspezifikationen. DSGVO-Relevanz entsteht dort, wo auch Mitarbeiterdaten einfließen, etwa wenn die Optimierung berücksichtigt, welche Schicht oder welcher Drucker welche Rüstvorgänge ausgeführt hat.

Für die beschriebenen Werkzeuge gilt:

• Heidelberg Prinect, Betrieb überwiegend on-premises oder in europäischen Rechenzentren; Cloud-Module über EU-Infrastruktur. AVV im Service-Vertrag inklusive. Für Druckereien mit Kunden aus regulierten Branchen (Pharma, Banken): Auftrags-Metadaten klären, welche Daten in Cloud-Module fließen.
• PrintVis / Microsoft Dynamics 365, EU-Region bei Azure explizit wählen. AVV über Microsoft Standard-Verträge; EU Data Boundary-Programm wählbar. DSGVO-konform, sofern EU-Region aktiv konfiguriert.
• RüstPlan, EU-Datenhaltung, deutsches Unternehmen, DSGVO-konform. AVV verfügbar.
• PlanetTogether, Datenhaltung in den USA (Cloud-Variante); für DSGVO-strikte Anforderungen On-Premise-Installation in eigener EU-Infrastruktur betreiben. Kein nativer EU-Cloud-Hosting-Pfad.

Wenn ihr Predictive Analytics über Schicht- oder Bedienerleistungen aufbaut, also erfasst, wer wie lange für welchen Rüstvorgang braucht, greift Mitbestimmung: Betriebsrat und IT-Sicherheit frühzeitig einbinden.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Datenaufbereitung und MIS-Konfiguration: 30–80 Stunden interne Arbeit, oft mit externer Unterstützung (Systemhaus oder Consultant). Externe Stundenkosten: 100–180 €/Stunde, macht 3.000–14.000 € je nach Ausgangslage.
• Entwicklung Rüstmatrix und Modell: 0 € bei MIS-internem Ansatz (nur Konfiguration), bis zu 15.000–40.000 € bei Custom ML.
• Implementierung APS-System (PlanetTogether): 30.000–150.000 €, je nach ERP-Komplexität.

Laufende Kosten

• RüstPlan Professional: 66 €/Monat (bis 20 Maschinen)
• PrintVis mit Scheduling: im MIS-Gesamtpaket enthalten (3.000–5.000 €/Monat für Mittelbetrieb)
• Heidelberg Prinect: im Wartungsvertrag enthalten; Zusatzmodule auf Anfrage
• PlanetTogether: 20.000–60.000 €/Jahr Lizenz

Was du dagegen rechnen kannst
Drei Druckmaschinen, je eine Schicht à 8 Stunden, 20 Tage/Monat. Aktuelle Rüstzeit: 90 Minuten pro Schicht und Maschine. 15 % Reduktion ergibt 13,5 Minuten gespart, täglich 3 × 13,5 = 40,5 Minuten mehr effektive Druckzeit. Bei einem durchschnittlichen Deckungsbeitrag von 80–120 € pro Maschinenstunde: 54–81 € täglich, also 1.080–1.620 € monatlich. Diese Rechnung gilt nur, wenn die eingesparte Maschinenstunde auch mit Auftragsvolumen gefüllt werden kann. Im konservativen Szenario (50 % Auslastungseffekt) sind 540–810 €/Monat realistisch, damit amortisiert sich ein RüstPlan-Professional-Abo in Wochen.

Bei Custom-ML-Entwicklung mit 25.000 € Einmalkosten und den oben berechneten Einsparungen: Amortisation in 15–23 Monaten (konservativ: 1.080 €/Monat → 23 Monate; optimistisch: 1.620 €/Monat → 15 Monate).

Wie du den Nutzen tatsächlich misst
Rüstzeiten vorher und nachher: einfache Aufgabe, wenn das System die Zeiten loggt. Vergleiche denselben Auftragsmix (gleiche Substrate-Verteilung, gleiche Farbkomposition) über 4 Wochen vor und 4 Wochen nach der Umstellung. Eine Änderung im Auftragsmix zwischen den Perioden macht den Vergleich schwieriger, notiere das als Caveat in der Auswertung.

Drei typische Einstiegsfehler

1. Mit dem Modell starten, bevor die Datenbasis existiert.
Der häufigste Fehler: Das Unternehmen kauft ein Optimierungssystem und stellt nach der Einführung fest, dass im MIS keine brauchbaren Rüstzeiten hinterlegt sind. Das System optimiert dann auf Basis von Standardzeiten aus dem Handbuch, und schlägt Reihenfolgen vor, die in der Praxis nicht funktionieren, weil die theoretischen Rüstzeiten von den realen erheblich abweichen. Lösung: Erst erfassen, dann optimieren. Mindestens 6–8 Wochen systematische Rüstzeit-Dokumentation, bevor das Modell läuft.

2. Alle Aufträge als gleich behandeln.
Nicht jeder Auftrag ist gleich rüst-flexibel. Ein Eilauftrag mit Liefertermin morgen früh kann nicht frei in der Sequenz verschoben werden. Ein Kundenauftrag mit spezifischer Freigabe-Deadline ebenfalls nicht. Die Optimierung muss diese “festen Anker” kennen, andernfalls schlägt das System Reihenfolgen vor, die formal gut sind, aber praktisch nicht umsetzbar. Das führt dazu, dass Disponenten den Vorschlag ignorieren und das System als unbrauchbar abstempeln.

3. Das System einführen und dann sich selbst überlassen.
Das ist der gefährlichste Fehler, weil er still passiert. Neue Substrate, neue Maschinen, veränderte Kundenmix: Die Rüstmatrix veraltet. Ein Modell, das vor 18 Monaten trainiert wurde und seitdem nicht gepflegt wurde, schlägt Reihenfolgen vor, die auf einem Maschinenpark basieren, den es nicht mehr gibt. Lösung: Alle 3–6 Monate Modell-Review, nach jeder wesentlichen Änderung im Produktionsprogramm sofort nachtrainieren. Verantwortliche Person benennen, nicht die IT allein, sondern jemand, der die Produktion kennt.

Was mit der Einführung wirklich passiert, und was nicht

Das größte Akzeptanzproblem ist nicht technisch, sondern ein Vertrauensproblem: Die Betriebsleiterin oder der Disponent hat jahrelang ein Gespür für gute Auftragsreihenfolgen entwickelt. Ein System, das in Sekunden eine andere Reihenfolge vorschlägt, fühlt sich zunächst wie eine Abwertung dieser Erfahrung an, nicht wie eine Unterstützung.

Was tatsächlich passiert, wenn das System gut eingeführt wird:

Die erfahrenen Disponenten werden zu Qualitätsprüfern. Sie bestätigen 70–80 % der Vorschläge ohne Änderung. Bei den restlichen 20–30 % identifizieren sie Faktoren, die das Modell nicht kannte: ein Substrat wurde kurzfristig umgeliefert, ein Drucker hat eine Stärke bei bestimmten Formaten. Diese Eingriffe sind kein Systemversagen, sie sind das Zusammenspiel von Algorithmus und menschlichem Urteil, das am Ende funktioniert.

Die Akzeptanz steigt, wenn das System Recht behält. Erfahrungsgemäß braucht es 3–4 Wochen, bis Disponenten dem System vertrauen. In dieser Phase ist es wichtig, die Fälle zu dokumentieren, in denen der Vorschlag besser war als die manuelle Entscheidung, und die Fälle, wo das Eingreifen des Disponenten die richtige Korrektur war. Beides ist Lerndaten für das Modell und Vertrauensaufbau für das Team.

Was sich nicht ändert: Das System plant keine Schichten um, entscheidet keine Eilauftrags-Priorisierung und kommuniziert nicht mit dem Kunden. Die strategischen Entscheidungen bleiben beim Menschen.

Konkreter Tipp: Führt die ersten vier Wochen im “Parallel-Modus” durch, das System macht seinen Vorschlag, der Disponent plant wie bisher. Am Ende der Woche vergleicht ihr: Wo war der Vorschlag besser? Das schafft Vertrauen schneller als jede Überzeugungsarbeit.

Realistischer Zeitplan mit Risikohinweisen

Ehrliche Erwartung: In zwei von drei Projekten dauert die Erfassungsphase länger als geplant, weil Rüstdaten lückenhafter sind als erwartet. Plant daher 4–6 Monate als Gesamtpuffer ein, nicht 2–3 Monate.

Häufige Einwände, und was dahintersteckt

„Wir haben das immer so gemacht, und es funktioniert.”
Stimmt oft, und gleichzeitig stimmt, dass niemand die Alternative kennt. Eine gute Gegenprüfung: Nehmt drei typische Wochenpläne der letzten Monate und berechnet manuell oder mit einem einfachen Werkzeug, wie viele Rüstminuten ihr mit einer anderen Reihenfolge gespart hättet, ohne Liefertermine zu verletzen. In den meisten Betrieben sind das 10–20 %. Wenn es 0 % sind, ist die Methode gut, dann braucht ihr dieses Werkzeug tatsächlich nicht.

„Unsere Aufträge haben alle feste Terminzusagen.”
Das ist der häufigste legitime Einwand, und er kann tatsächlich ein Ausschlussgrund sein (mehr dazu im nächsten Abschnitt). In der Praxis gilt: Wenn 80 % der Aufträge einen fixen Liefertermin ohne Spielraum haben, ist der Optimierungsraum tatsächlich eng. Aber selbst dann gibt es fast immer 15–25 % der Aufträge mit einem Puffer von einem oder mehreren Tagen, und genau dort setzt die Rüstzeiten-KI an.

„Das kostet zu viel, um es auszuprobieren.”
Für den RüstPlan-Einstieg: 66 Euro/Monat plus 4–8 Stunden interner Aufwand zum Start. Das ist kein großes Commitment. Für PrintVis-Optimierungsmodule oder Custom ML: Da ist die Frage berechtigt. Dann ist der richtige Weg, erst die historischen Rüstdaten zu sichten und eine Potenzialanalyse zu machen, ohne Software zu kaufen. Das ergibt eine robustere Entscheidungsgrundlage als ein Blindkauf.

Woran du merkst, dass das zu dir passt

Signale, die für Rüstzeiten-Optimierung sprechen:

• Ihr betreibt mindestens zwei Druckmaschinen mit täglich 30+ Aufträgen insgesamt
• Ihr druckt auf verschiedene Substrate (gestrichenes und ungestrichenes Papier, Karton, Folien) im selben Zeitraum
• Ihr habt einen Mix aus Aufträgen mit festen Terminen und solchen mit Terminpuffer
• Eure Disponenten verbringen täglich 30+ Minuten mit dem Optimieren der Belegung
• Ihr könnt qualitativ benennen, welche Übergänge bei euch besonders aufwendig sind, aber ihr habt das nie systematisch erfasst
• Ihr habt in den letzten zwölf Monaten Schichten verlängert oder Aufträge verschoben, weil Rüstzeiten die Kapazität aufgefressen haben

Drei harte Ausschlusskriterien:

1. Weniger als zwei Pressen oder weniger als 30 Aufträge täglich. Die Kombinatorik ist zu gering, um einen relevanten Optimierungseffekt zu erzielen. Die manuelle Planung einer erfahrenen Betriebsleiterin schlägt das Modell in dieser Größenordnung oft, weil sie den Kontext besser kennt als das System. Erst wenn die Zahl der täglichen Jobwechsel die kognitive Kapazität übersteigt, zahlt sich die KI aus.

2. Kein systematisches Erfassen von Rüstzeiten im MIS, und keine Bereitschaft, das einzuführen. Ein Rüstzeiten-Optimierungssystem ohne Rüstzeiten-Daten ist ein Zufallsgenerator. Wer nicht bereit ist, 8–12 Wochen lang systematisch zu erfassen, sollte dieses Projekt nicht starten. Die Erfassung selbst erzeugt bereits Transparenz und Verbesserungsideen, das ist kein Overhead, sondern ein Schritt, der sich unabhängig vom KI-Einsatz lohnt.

3. Alle Aufträge haben zwingende Festtermine ohne jeden Puffer, und daran lässt sich nichts ändern. In diesem Fall hat die Sequenzoptimierung buchstäblich keinen Spielraum. Das ist selten, aber in bestimmten Segmenten real: Zeitungsdruck mit nächtlichem Redaktionsschluss, Verpackungsdruck mit Maschinenanlauf-Abnahme. Wenn jeder Auftrag auf dem Slot liegt, der als einziger funktioniert, gibt es nichts zu optimieren.

Das kannst du heute noch tun

Ohne Software, ohne Commitment, in zwei Stunden: Holt euch das MIS-Exportprotokoll einer typischen Druckwoche. Listet für jeden Auftrag auf: Substrat, Farbigkeit, geplante Rüstzeit, tatsächliche Rüstzeit. Dann sucht in der Liste nach Auftragspaaren, die hintereinander lagen, aber auf demselben Substrat und ähnlicher Farbigkeit hätten kombiniert werden können, mit einem Auftrag dazwischen, der frei verschoben werden konnte.

Das dauert 90 Minuten und zeigt euch, ob Potenzial vorhanden ist, ohne eine einzige Software zu kaufen.

Wenn ihr das mit KI-Unterstützung machen wollt, kann ein Sprachmodell dabei helfen, die Auftragslogik zu analysieren und erste Optimierungsvorschläge zu machen. Hier ist ein Prompt, den ihr direkt verwenden könnt:

Quellen & Methodik

• 15 % Kapazitätsgewinn durch Auftragsreihenfolge-Optimierung: Print.de, „KI in der Druckproduktion: Kalkulation und Planung automatisieren”, 2024 (basierend auf Herstellerangaben und Brancheneinschätzungen; keine unabhängige Studie, als Richtwert für die Größenordnung)
• Rüstmatrix-Methodik und Job Optimiser im Offsetdruck: World of Print / Graphische Revue, „Produktionsplanung in der Druckerei 4.0”, April 2022, beschreibt Koenig & Bauer Job Optimiser-Ansatz und Substrat-/Farb-/Veredelungsparameter für Sequenzoptimierung
• Fraunhofer IFF: Webinar-Ankündigung „KI zur Optimierung der Auftragsreihenfolge in der Produktionsplanung”, Magdeburg, 2025, dokumentiert Forschungsanwendung KI-basierter Sequenzoptimierung in der Produktion
• Setup-Kostenreduktion 14–21 % (GRASP-Optimierung): Scielo, „Production Scheduling with Sequence-Dependent Setups”, 2010, Fallstudie an realen Fertigungsdaten zeigt Reduktionsspanne 0–49 % je Linie, Durchschnitt 14–21 %
• RüstPlan-Preise: ruestzeitoptimierung.de, Stand Mai 2026, Professional 66 €/Monat für bis zu 20 Maschinen
• PrintVis-Preise: Printvis.com und Partner-Angaben, Stand April 2026, ca. 3.000–5.000 €/Monat für 15-Nutzer-Betrieb inkl. Business Central
• Heidelberg Prinect: heidelberg.com; Print Media Center Schulungsunterlagen; Branchenberichte zu Prinect Push-to-Stop (Erfahrungswerte 4 Min. Rüstzeitreduktion je Auftrag bei 120 Aufträgen/Woche), Stand Mai 2026
• 60 % AI-Projekte ohne Datenbasis bis 2026 gescheitert: marketing-autopilot.ch / Analystenprognose, zitiert in mehreren deutschen KI-Praxisberichten, als Kontextindikator für Datenbasis-Relevanz; keine verifizierbare Primärstudie, mit Vorsicht zu verwenden
• Kostenangaben Implementierung und Beratung: Eigene Erfahrungswerte aus Druckerei-Digitalisierungsprojekten (2023–2025), kein repräsentatives Sample

Willst du wissen, ob die Datenlage in eurem MIS für eine Rüstzeiten-Optimierung ausreicht? Und wo der konkrete Hebel bei eurer Auftragsstruktur liegt? Meld dich, das lässt sich in einem kurzen Gespräch klären.