Produktionsplanung Chargensteuerung

Das echte Ausmaß des Problems

Variantenreiche Elektronikfertigung ist eines der planungsintensivsten Umfelder überhaupt. Nicht wegen der Technik — SMT-Bestückungsautomaten, Reflow-Öfen und AOI-Systeme funktionieren zuverlässig. Sondern wegen der Kombinatorik: Dutzende Aufträge, fünf bis fünfzehn Produktionsmittel, jeweils eigene Rüstzeiten beim Wechsel zwischen Produkttypen, Material, das von außen kommt und nicht immer pünktlich.

Der Fraunhofer ISI hat 2024 eine breit angelegte Befragung von 1.334 deutschen Produktionsbetrieben veröffentlicht. Ergebnis: Nur 16 Prozent der Fertiger setzen KI-Technologien ein — und die tun es am häufigsten in genau den Bereichen, die sich quantifizieren lassen: Produktionsplanung, vorausschauende Instandhaltung, Qualitätsprüfung. Der Rest plant weiterhin mit Excel, ERP-Groblisten und dem Erfahrungswissen einzelner Planerinnen und Planer.

Was das in der Praxis kostet:

• Schlechte Rüstreihenfolge bindet Maschinenzeit, die für Aufträge fehlt. Erfahrungswerte aus Einführungsprojekten zeigen 15–30 Prozent ungeplante Rüstzeit — Zeit, die die Maschine steht, während die Produktion auf einen Schichtplan wartet, der eigentlich schon optimal sein sollte
• Manuelle Neuplanung bei Störungen dauert bei komplexen Szenarien eine bis drei Stunden — in dieser Zeit steht die Linie, oder der Plan wird ohne vollständige Durchrechnung umgesetzt
• Liefertermintreue unter 85 Prozent ist in der Elektronikfertigung ohne optimiertes Scheduling der Regelzustand, nicht die Ausnahme; Kunden, die nach IATF oder ISO 9001 zertifiziert einkaufen, verlangen schriftliche Begründungen für jeden Verzug
• Expertenwissen ist personengebunden: Wer die Rüstmatrix im Kopf trägt, ist unverzichtbar — und irgendwann in Rente

Hinzu kommt der ERP-Graben: Die meisten KMU-ERPs planen Kapazitäten in groben Zeitscheiben, nicht auf Maschinenebene. SAP-PP kennt Arbeitszentren, keine konkreten Maschinenbelegungen und erst recht keine sequenzabhängigen Rüstzeiten. Das APS-System ist das fehlende Mittelstück zwischen ERP-Bedarfsliste und Shopfloor-Realität.

Mit vs. ohne KI — ein ehrlicher Vergleich

Vergleichswerte aus Einführungserfahrungen und Herstellerangaben; individuelle Ergebnisse hängen stark von Ausgangssituation und Datenqualität ab.

Einschätzung auf einen Blick

Zeitersparnis — mittel (3/5) Ein KI-Planungssystem spart Planerinnen und Planern täglich ein bis zwei Stunden Routinearbeit und verkürzt Notfall-Umplanungen von Stunden auf Minuten. Noch wichtiger ist die indirekte Zeitersparnis: Maschinen stehen weniger leer, weil die Reihenfolge besser ist. Das macht echte Kapazität frei — ohne zusätzliche Investition. Dennoch Mittelfeldposition in dieser Branche: Die eingesparten Planerstunden sind wertvoll, aber der Haupthebel ist Maschinenauslastung, nicht Bürozeit — und die liegt im Kostenersparnis-Bereich.

Kosteneinsparung — stark (4/5) Hier liegt der eigentliche Businesscase. 15–25 Prozent weniger Rüstzeit bedeutet bei einer modernen SMT-Linie mit Maschinenkosten von 150–500 Euro je Stunde reale Mehrkapazität im sechsstelligen Bereich pro Jahr. Hinzu kommen reduzierte Überstunden, weniger Eilfrachten durch bessere Termintreue und niedrigere Ausschussquoten durch stabilere Prozessparameter. Praxisbericht aus dem IT&Production-Fachmagazin: Beim Automobilzulieferer Kolektor Conttek in Pforzheim stieg die Produktivität pro Person nach der APS-Einführung um bis zu 50 Prozent. Die Investition ist erheblich — aber der ROI ist dokumentierbar, anders als bei vielen weicheren KI-Projekten.

Schnelle Umsetzung — sehr niedrig (1/5) Das ist der ehrlichste Wert auf dieser Seite. ERP-Integration, Stammdatenaufbau, Rüstmatrizen, Pilotbetrieb, Change Management — zusammen dauert das sechs bis zwölf Monate. Wer ein System kauft und in drei Monaten produktiv plant, hat entweder ein einfaches Problem oder übersieht die Komplexität. Unter den Anwendungsfällen der Elektrotechnik-Kategorie ist das der schwierigste Einstieg.

ROI-Sicherheit — mittel (3/5) Der Nutzen ist real und prinzipiell messbar — aber er realisiert sich nicht im ersten Quartal. Typisch sechs bis zwölf Monate Betrieb braucht es, um valide Vergleichsdaten zu haben. Wer das erste APS-Jahr als Übergangsjahr rechnet (hohe Kosten, noch nicht volle Wirkung), liegt realistischer als wer eine schnelle Amortisation verspricht. Sobald das System stabil läuft, ist der ROI gut zu belegen — bis dahin ist es Vertrauenssache.

Skalierbarkeit — mittel (3/5) Ein einmal konfiguriertes Planungsmodell wächst gut: neue Auftragstypen, weitere Maschinen auf der gleichen Linie, saisonale Kapazitätsanpassungen lassen sich ohne große Projekte integrieren. Neue Produktionsstandorte oder Fertigungstypen (von SMT auf Durchsteckmontage zum Beispiel) erfordern aber erneut Datenaufbau und ERP-Anbindung — das ist kein Knopfdruck, sondern ein separates Projekt.

Richtwerte — stark abhängig von Datenqualität, ERP-System und Variantenvielfalt der Fertigung.

Was das KI-Planungssystem konkret macht

Der technische Ansatz heißt Advanced Planning & Scheduling (APS) — und das Wort Machine Learning steckt darin heute auf zwei verschiedene Weisen.

Die Grundschicht: Constraint-basierte Optimierung Das System kennt alle Ressourcen (Maschinen, Werkzeuge, Personal, Material), alle Aufträge mit ihren Anforderungen und alle Restriktionen (Schichtkalender, Rüstmatrix, Mindestlosgrößen). Daraus berechnet es einen Belegungsplan, der definierten Zielvorgaben folgt: maximale Maschinenauslastung, minimale Rüstzeit, maximale Termintreue, oder eine gewichtete Kombination. Das ist kein Algorithmus, der einfach nach Termin sortiert — es sind Heuristiken und genetische Verfahren, die tausende mögliche Reihenfolgen gegen die Constraint-Matrix testen und die beste finden.

Die ML-Schicht: Was in moderneren Systemen dazukommt Neuere APS-Systeme (und die aktuellen Versionen von Siemens Opcenter APS und o9 Solutions) ergänzen das um ML-gestützte Bausteine: Bedarfsprognosen, die saisonale Muster erkennen; Anomalie-Erkennung, die unplausible Rüstzeiten oder Maschinenrückmeldungen markiert; automatische Vorschläge für Kampagnenbildung bei ähnlichen Produkten. Der eigentliche Optimierungskern bleibt aber klassische Combinatorial Optimization — robust, transparent, erklärbar.

Was passiert, wenn ein Auftrag wegfällt oder kommt Das ist die entscheidende Qualitätsfrage: Ein manueller Schichtplan „klebt” an der ursprünglichen Reihenfolge, auch wenn sich die Basis geändert hat. Ein APS rechnet bei jeder Änderung — Bauteillieferung verzögert, Maschine ausgefallen, Eilauftrag eingeflossen — innerhalb von Minuten eine aktualisierte Planung. Nicht als fertige Anweisung, sondern als Vorschlag mit sichtbaren Konsequenzen: „Wenn wir Auftrag 7 auf morgen verschieben, verschiebt sich Auftrag 11 ebenfalls, Liefertreue-Impact: Kunde B erhält 2 Tage Verzug.” Der Planer entscheidet, das System rechnet.

Was das System nicht ersetzt Menschliche Einschätzung bleibt nötig: Kundenpriorität, die im ERP nicht abgebildet ist. Das Qualitätsproblem, das letzte Woche aufgetaucht ist und für das noch kein Parameter gesetzt wurde. Die Maschinenbesonderheit, die die Schicht kennt, aber die Stammdaten nicht. Gute APS-Systeme erkennen das — und bauen einen Validierungsschritt ein, bevor der Plan in die Ausführung geht.

Die ERP-Integrations-Realität

Das ist der Abschnitt, den du lesen musst, bevor du eine Kaufentscheidung triffst.

Ein APS-System ist so gut wie die Daten, die es aus deinem ERP bekommt. Und ein ERP wie SAP S/4HANA, Microsoft Dynamics oder abas liefert für die operative Produktionsplanung per Schnittstelle genau diese Datenpunkte:

• Fertigungsaufträge mit Bedarfsterminen und Mengen
• Stücklisten und Arbeitspläne (wenn gepflegt)
• Material-Verfügbarkeiten (wenn die Disposition stimmt)
• Kapazitätsangebote für Arbeitszentren (grob, nicht maschinengenau)

Was das ERP nicht liefert — und was du manuell aufbauen musst:

• Rüstmatrizen: Wechselzeiten von Produkt A auf Produkt B, von Produkt A auf Produkt C, etc. — für jede relevante Maschinengruppe und jede Kombination der gängigen Bestückungsprofile. Das ist der größte Einzelaufwand bei der APS-Einführung (dazu mehr im nächsten Abschnitt)
• Maschinenkalender mit Wartungsfenstern: nicht nur Schichtpläne, sondern auch geplante Stillstände, Reinigungszyklen, Umbauphasen
• Werkzeug- und Rüstvarianten: Wer mit Schablonen, Lötrahmen oder Bestückungsprogrammen arbeitet, muss modellieren, welche Ressource für welchen Auftrag verfügbar ist — und was beim Wechsel passiert
• Sekundärressourcen: Rüstpersonal, Schichtleiter-Qualifikationen, Werkzeugverfügbarkeit

Die Schnittstelle zwischen ERP und APS ist in jedem Projekt zweimal Arbeit: zuerst, wenn du Daten raus- und reinschreibst (Technologie), und dann, wenn du sicherstellst, dass die ERP-Stammdaten überhaupt in einem Zustand sind, der belastbare Pläne ermöglicht (Datenqualität). Das zweite ist fast immer der schwerere Part.

Konkrete Integrationsvarianten, die in der Praxis laufen:

• SAP PP → SAP IBP oder Opcenter APS: Standard-Konnektoren, gut dokumentiert; die Feinplanungsebene wird aus SAP entnommen und optimiert zurückgespielt
• Microsoft Dynamics 365 → PlanetTogether: Breite ERP-Konnektoren, 3–6 Monate Einführung
• abas / proALPHA / Infor → externe APS: Schnittstelle meist über XML/REST/EDI-Standards, individuelles Mapping nötig

Erwarte in jedem Fall: mindestens drei bis fünf Monate allein für Schnittstellenentwicklung und -test. Wer das unterschätzt, kauft ein System, das in der Demo glänzt und in der Produktion monatelang mit manuellen Datenkorrekturen betrieben wird.

Rüstmatrizen — der unterschätzte Hauptaufwand

Eine Rüstmatrix beschreibt, wie lange es dauert, von einem Produkt auf ein anderes umzurüsten — und diese Zeit ist nicht symmetrisch und nicht linear. Von Platine A auf Platine B dauert Umrüsten 22 Minuten. Von B auf A vielleicht 8 Minuten (das Programm ist noch geladen). Von A auf C 45 Minuten (anderes Rahmensystem). Von C auf A nur 4 Minuten (Vorherige Bestückung hat C schon vorbereitet).

Das sind Dutzende bis Hunderte von Kombinationen — und sie sind der Kern dessen, was ein APS-System ausrechnen muss, um Rüstzeiten wirklich zu senken. Ohne diese Matrix optimiert das System auf der falschen Grundlage.

Die Herausforderung: In den meisten KMUs existiert diese Matrix nirgends in sauberer Form. Was vorhanden ist:

• Erfahrungswissen bei Schichtleitern und Einrichtern: „Wir wissen ungefähr, welche Wechsel teuer sind”
• Historische Daten in BDE-Systemen oder MES — wenn vorhanden und wenn die Produkttypen identisch kodiert sind
• Excel-Tabellen mit Teilinformationen, die nicht aktuell sind

Der realistische Weg zur Rüstmatrix:

1. Produktfamilien bilden: Aufträge nach ähnlichen Bestückungsprofilen gruppieren (gleiche SMD-Bauteilklassen, gleiche Schablone, gleicher Rahmen). Das reduziert die Kombinationsanzahl von N² auf handhabbare Cluster
2. Zeitmessungen an der Maschine: Für die häufigsten Wechselpaare (Top-20-Kombinationen nach Auftragsvolumen) echte Zeiten erheben — nicht schätzen
3. BDE/MES-Daten auswerten: Wenn Maschinenrückmeldungen vorliegen, können historische Rüstzeiten statistisch ausgewertet und als Initialdaten verwendet werden
4. Iterativ verfeinern: Keine Rüstmatrix ist im ersten Schritt vollständig. Plane drei bis sechs Monate Nachpflege ein, während das System läuft und erste Planabweichungen die Lücken sichtbar machen

In der Praxis nimmt allein dieser Schritt zwei bis vier Monate in Anspruch — Zeit, die in keinem Produktprospekt steht, aber in jedem erfolgreichen Einführungsprojekt steckt.

Was ML-Scheduling schlägt — und was nicht

Ehrliche Einschätzung, die so in Herstellermaterialien selten zu lesen ist.

Was ML-gestütztes Scheduling deutlich besser macht als manuelle Planung:

• Rüstzeitoptimierung bei hoher Variantenzahl (mehr als 30 aktive Produktvarianten, mehr als 5 Maschinen): Kein Mensch rechnet 10.000 mögliche Reihenfolgen durch — das Optimierungsverfahren schon
• Sofortige Neuplanung bei Störungen: Maschinenausfall um 10:00 Uhr — neuer optimierter Plan um 10:03 Uhr
• Transparenz über Szenarien: „Was passiert mit Termintreue, wenn wir diese Schicht als Wartungsfenster opfern?”
• Dokumentierte und nachvollziehbare Planungslogik statt Kopf-Know-how einzelner Personen

Wo die Grenzen liegen — was manuelles Erfahrungswissen noch immer schlägt:

• Implizites Kundenwissen: Auftrag von Kunde X braucht immer ein früheres Commitdatum als das ERP-Datum zeigt, weil der Kunde früher bestellt als sein eigentliches Datum — das weiß die Planerin, das weiß die Software nicht
• Qualitätssignale vom Shopfloor: Maschine läuft, ist aber gerade „launisch” — das erkennt der Einrichter, nicht der Plan
• Politische Prioritäten: Eilauftrag, weil der CEO mit dem Kunden Tennis gespielt hat — kein Planungssystem kann solche Signale selbstständig verarbeiten
• Einfache Standardfertigung: Wer mit drei Produkten und zwei Maschinen produziert, braucht kein APS — ein ERP-Arbeitsplan und ein Schichtkalender reichen

Wann regelbasierte Systeme ML überlegen sind: In sehr stabilen Produktionsumfeldern mit wenigen Produktvarianten und gut bekannten Rüstzeiten ist ein regelbasiertes Planungssystem (ohne ML) günstiger, transparenter und genauso effektiv. ML bringt dann den Mehrwert, wenn sich die Umgebung häufig ändert, historische Daten komplex sind, oder Prognosen benötigt werden, die über einfache Heuristiken hinausgehen.

Konkrete Werkzeuge — was wann passt

Die Wahl des richtigen APS-Systems hängt weniger von der Marketing-Sprache des Anbieters ab als von einer Frage: In welcher ERP-Welt lebst du?

Siemens Opcenter APS — Der Marktführer im deutschsprachigen Raum, vor allem in Unternehmen mit Siemens-Automatisierungstechnik auf dem Shopfloor. Vier Editions von Express bis Ultimate skalieren vom KMU-Einstieg bis zur Konzernplanung. Stärke: tiefe Rüstmatrix-Modellierung, Siemens-MES-Integration (Opcenter EX), stabiles DACH-Partnernetz. Schwäche: Implementierung dauert 6–12 Monate, Lizenz- plus Beratungskosten typisch 200.000–700.000 € im ersten Jahr. Nicht geeignet ohne erfahrenen Implementierungspartner. Für Siemens-Bestandskunden dennoch oft die direkteste Wahl.

Asprova APS — Japanischer Hersteller mit eigenem DACH-Büro, besonders stark in der sequenzabhängigen Rüstzeitoptimierung für diskrete Fertigung. Vergleichbarer Funktionsumfang wie Opcenter APS in der mittleren Complexity-Klasse, tendenziell schneller einführbar. Gut für mittelständische Elektronikfertiger mit 3–10 Produktionslinien und einem klaren Rüstzeitproblem. Lizenz fünfstellig, Implementierung 50.000–150.000 €.

PlanetTogether — US-amerikanischer APS-Anbieter mit breiter ERP-Anbindung (SAP, Dynamics, Oracle, Infor, Epicor). Vorteil: schnellere Einführung als die europäischen Schwergewichte, 3–6 Monate sind realistisch. Preis günstiger (Lizenz 20.000–60.000 €/Jahr). Nachteil: kein deutscher Support, US-Datenhosting, im DACH-Raum wenig Referenzen in der Elektronikfertigung. Sinnvoll, wenn dein ERP ein internationales System ist und du Implementierungsgeschwindigkeit priorisierst.

SAP Integrated Business Planning (IBP) — Wenn du auf SAP S/4HANA standardisiert bist, ist SAP IBP die Planungsschicht für die übergeordnete Bedarfs- und Kapazitätsplanung. Für die operative Feinplanung auf Maschinenebene ist IBP allein nicht ausreichend — es braucht dann ein separates APS-Modul (Opcenter APS oder SAP Digital Manufacturing). IBP lohnt sich ab 300–500 Mitarbeitenden und komplexen Multi-Werk-Strukturen; darunter ist das Preis-Leistungs-Verhältnis schwer zu rechtfertigen.

o9 Solutions — Enterprise-Plattform für Supply-Chain-weite Planung mit KI-Kern und Knowledge Graph. Adressiert eher Konzerne mit multinationalen Supply-Chains als den mittelständischen Elektronikfertiger. Wenn dein Problem Produktionsplanung innerhalb eines Werks ist, ist o9 überdimensioniert. Interessant wird o9 erst, wenn du Demand Forecasting, Produktionsplanung und Einkaufsplanung auf einer Plattform konsolidieren willst.

Zusammenfassung: Wann welcher Ansatz

• Siemens-Ökosystem (Simatic, Opcenter EX, Teamcenter) → Opcenter APS
• SAP S/4HANA, komplexe Multi-Werk-Anforderungen → SAP IBP + SAP Digital Manufacturing
• Mittelständischer Fertiger, klares Rüstzeitproblem, keine Siemens-Bindung → Asprova APS
• Schneller Einstieg, internationale ERP-Welt → PlanetTogether
• Konzernplanung über mehrere Werke und Länder → o9 Solutions

Datenschutz und Datenhaltung

APS-Systeme verarbeiten primär Auftrags- und Maschinendaten — in der Grundkonfiguration kein direkter Personenbezug. Sobald aber Schichtkalender, Bediener-Qualifikationen oder Personalverfügbarkeiten im Planungsmodell hinterlegt werden, greift die DSGVO.

Konkret:

• On-Premise-Deployment (der klassische Fall bei Opcenter APS und Asprova): Alle Daten bleiben auf eigener Infrastruktur. Aus Datenschutz- und IT-Sicherheitsperspektive unkritisch — die Daten verlassen das Unternehmen nicht
• Cloud-Deployment (Opcenter X, PlanetTogether): Prüfe explizit, ob EU-Region wählbar ist. Opcenter X auf Mendix-Basis unterstützt EU-Datenresidenz. PlanetTogether ist US-gehostet — für Unternehmen mit Betriebsrat und DSGVO-Sensitivität eine Hürde
• Betriebsrat: Sobald automatisierte Planungsentscheidungen Schichtreihenfolgen oder Maschinenbelegungen betreffen, hat der Betriebsrat Mitbestimmungsrechte nach §87 BetrVG. Das ist kein Hindernis, aber ein Schritt, der früh in der Einführung angestoßen werden muss — nicht als letzter Formalpunkt

Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO ist bei Cloud-Varianten Pflicht. Siemens, SAP und PlanetTogether stellen Standard-AVV-Vorlagen bereit; bei On-Premise-Deployment und reinen Wartungszugängen ist ein AVV nur dann erforderlich, wenn der Anbieter oder Implementierungspartner remote auf personenbezogene Schichtdaten zugreifen kann.

Was es kostet — realistisch gerechnet

Lass dich nicht von Einstiegspreisen täuschen. Die Lizenz ist selten der größte Kostenblock.

Lizenzkosten:

• Asprova APS (KMU-Entry): 30.000–80.000 € Einmalinvestition
• Siemens Opcenter APS Express/Standard: 40.000–150.000 €
• Opcenter APS Professional/Ultimate: 150.000–400.000 €
• PlanetTogether: 20.000–60.000 €/Jahr (SaaS-Abo)
• SAP IBP: 80.000–200.000 €/Jahr

Implementierungs- und Einführungskosten (typisch das 1,5- bis 2-fache der Lizenz):

• Stammdatenaufbau und Rüstmatrix: 30.000–80.000 € (interne Aufwände + ggf. Externer)
• ERP-Schnittstelle (Entwicklung + Test): 40.000–120.000 €
• Konfiguration, Pilotbetrieb, Schulung: 40.000–100.000 €
• Gesamt realistisch im ersten Jahr: 150.000 bis 600.000 € — abhängig von System, Komplexität und Partner

Was du dagegenrechnen kannst: Bei einer SMT-Linie mit Maschinenkosten von 200 Euro pro Stunde und 20 Prozent Rüstzeitreduktion über eine 16-Stunden-Schicht bedeutet das etwa 640 Euro täglich zurückgewonnene Kapazität. Im Monat: rund 14.000 Euro. Bei drei Linien: 42.000 Euro monatlich. Plus Überstundenreduktion (40 Stunden im Monat weniger à 35 Euro Bruttolohnkosten mit Zuschlag: 1.400 Euro), plus weniger Eilfrachten, plus geringere Vertragsstrafen bei Lieferverzug.

Einfache Amortisationsrechnung: Bei 300.000 Euro Gesamtinvestition und 50.000 Euro monatlichen Einsparungen im Vollbetrieb wäre der Break-even theoretisch nach sechs Monaten erreicht — aber das setzt voraus, dass das System von Anfang an auf vollem Potenzial läuft. In der Praxis realisiert sich das Potenzial in den ersten zwölf Monaten nur teilweise (Kalibrierungsphase, Rüstmatrix-Vervollständigung, Nutzerakzeptanz). Realistische Amortisation: 12–18 Monate nach Produktivstart, also 18–30 Monate nach Projektbeginn.

Wie du den ROI tatsächlich misst: Rüstzeit je Schicht (Vorher/Nachher), Maschinenauslastung der Engpasslinie (Vorher/Nachher), Liefertermintreue (aus ERP), Überstunden (aus Zeitwirtschaft). Diese vier Zahlen brauchst du als Baseline vor dem Start — nicht als Schätzung, sondern als gemessene Ausgangswerte. Ohne Baseline ist der ROI später Meinung, nicht Nachweis.

Drei typische Einstiegsfehler

1. APS kaufen, bevor das MES saubere Daten liefert. APS plant auf Basis von Rückmeldungen: Wann ist Auftrag 7 fertig? Wie lange hat Umrüsten auf Linie 2 tatsächlich gedauert? Ohne ein funktionierendes Manufacturing Execution System (oder wenigstens eine belastbare Betriebsdatenerfassung) baut das APS-Modell auf Schätzungen — und optimiert damit eine Realität, die nicht existiert. Der Plan sieht gut aus, stimmt aber nicht mit dem überein, was auf der Linie passiert. Das Vertrauen der Planer sinkt innerhalb von Wochen auf null, das Projekt wird abgebrochen. Lösung: Erst MES-Daten sicherstellen, dann APS einführen — nicht umgekehrt.

2. Die Rüstmatrix auf später verschieben. Fast jede APS-Einführung startet mit dem Satz: „Die Rüstmatrix bauen wir nach dem Go-Live auf.” Das Ergebnis: ein System, das mit geschätzten oder fehlenden Rüstzeiten optimiert — also nicht wirklich optimiert. Die Rüstmatrix-Definition ist kein Feature, das man nachrüsten kann, ohne das Modell neu zu kalibrieren. Plane diesen Aufwand fest in die Vorbereitungsphase ein — mindestens zwei Monate für die wichtigsten Wechselpaare.

3. Das System läuft, aber niemand pflegt es. Das ist der gefährlichste Fehler — weil er langsam passiert. Nach sechs Monaten Betrieb ist ein neues Bestückungsprogramm dazugekommen, zwei Maschinen wurden umgebaut, und die Rüstzeiten für drei Produktfamilien haben sich verändert. Das APS weiß das nicht — es optimiert weiter auf der alten Datenbasis. Pläne werden zunehmend unbrauchbar, Schichtleiter beginnen, den Vorschlägen nicht mehr zu folgen und kehren zurück zu Excel. Das System kostet Lizenz, liefert aber keinen Mehrwert mehr. Lösung: Vor dem Go-Live eine namentlich benannte Person definieren, die das APS-Modell verantwortet — Rüstmatrix aktualisieren, neue Produkte einpflegen, Kapazitätskalender pflegen. Das ist kein Vollzeitjob, aber es braucht fünf bis acht Stunden pro Woche — dauerhaft.

Was mit der Einführung wirklich passiert — und was nicht

Produktionsplanung ist eines der sensibelsten Systeme, die du einführen kannst. Nicht technisch — sondern menschlich.

Der erfahrene Schichtmeister. Wer 15 Jahre die Linie im Kopf hatte und Rüstreihenfolgen aus Erfahrung optimiert hat, erfährt jetzt, dass ein System dasselbe besser kann. Das fühlt sich nicht wie Entlastung an — das fühlt sich wie Entwertung an. Was hilft: Diese Person aktiv in die Konfiguration einbinden. Lass sie die Rüstmatrix validieren, die Maschineneigenschaften bewerten, die Ausreißer im ersten Monat erklären. Das Erfahrungswissen gehört ins Modell — nicht ins Abseits.

Die Skepsis in der Schicht. Wenn ein System einen Plan produziert, der offensichtlich suboptimal ist (weil die Rüstmatrix noch nicht vollständig ist), werden die ersten schlechten Erlebnisse als Beweis gewertet: „Seht ihr, das System funktioniert nicht.” Pilotstart mit kontrollierten Bedingungen ist deshalb keine Nice-to-have-Methodik, sondern Überlebensstrategie. Lass das System die ersten vier Wochen parallel zum alten Planungsprozess laufen — Plan produzieren, aber nicht verbindlich folgen. Vergleiche die Ergebnisse, erkläre Abweichungen, justiere das Modell. Erst danach geht der Plan in die Linie.

Was sich realistisch nicht ändert: Der menschliche Planungsanteil verschwindet nicht. Er verlagert sich von täglicher Reihenfolgensortierung zu strategischerem Kapazitätsmanagement und Szenario-Analyse. Gute Planerinnen und Planer werden besser — nicht überflüssig.

Konkret hilft:

• Wöchentliche Planungskalibrierung: Plan vs. Ist — was hat das System gut vorhergesagt, was nicht?
• Schichtleitern Einblick in die Planungslogik geben, nicht nur das Ergebnis
• Klares Eskalationsprotokoll: Unter welchen Umständen überstimmt der Planer den Maschinenschlag?

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir haben schon ein ERP mit Produktionsplanung.” SAP-PP, Dynamics oder abas kennen Arbeitszentren, Arbeitspläne und Kapazitäten in groben Zeitscheiben. Was sie nicht können: sequenzabhängige Rüstzeitoptimierung, Maschinenebenen-Belegung und Echtzeit-Umplanung bei Störungen. Das APS ist nicht der Ersatz des ERP — es ist die Feinplanungsschicht, die das ERP bewusst ausgelassen hat. Die beiden Systeme arbeiten zusammen, nicht gegeneinander.

„Das kostet zu viel für unser Unternehmen.” Für eine einzelne Produktionslinie mit drei Produkten stimmt das — da lohnt APS tatsächlich nicht. Aber wenn du mehr als fünf Maschinen, mehr als zwanzig aktive Produktvarianten und regelmäßige Terminprobleme hast, rechnet sich die Frage anders: Wie viel kostet dich ein Prozent weniger Maschinenauslastung im Monat? Wie viel kosten regelmäßige Überstunden, um Liefertermine zu retten? Rechne diese Zahlen aus, bevor du die Systemkosten beurteilst.

„Unsere Schichtleiter kennen die Produktion besser als jede Software.” Das stimmt — und das bleibt so. Das Ziel ist nicht, das Erfahrungswissen zu ersetzen, sondern es ins System zu kodifizieren. Ein gutes APS-Projekt fängt damit an, die erfahrensten Planerinnen und Planer zu befragen und ihr Wissen in Rüstmatrizen, Maschinenprofilen und Prioritätsregeln abzubilden. Danach kann das System dieses Wissen konsistent anwenden — auch in der Nachtschicht, auch wenn der erfahrene Schichtleiter krank ist, auch wenn der Neuling allein am Leitstand sitzt.

Woran du merkst, dass das zu dir passt

Das KI-gestützte APS-System passt zu dir, wenn:

• Du mehr als fünf Produktionslinien oder Maschinen hast, die koordiniert geplant werden müssen
• Du regelmäßig mehr als 15 aktive Produktvarianten auf der gleichen Linie bestückst
• Dein Team täglich mehr als eine Stunde mit Planungsaufwand und Umplanungen verbringt
• Du Lieferverzögerungen bei Komponenten hast, die den ganzen Schichtplan durcheinanderbringen
• Deine Liefertermintreue unter 88 Prozent liegt — nicht wegen Qualitätsproblemen, sondern wegen schlechter Reihenfolgeplanung
• Ihr habt bereits ein MES oder BDE-System, das saubere Rückmeldedaten aus der Produktion liefert
• Jemand im Unternehmen kann die APS-Projektzuständigkeit als feste Rolle übernehmen — nicht als Nebenprojekt

Wann es sich definitiv noch nicht lohnt — drei harte Ausschlusskriterien:

1. Unter 100 Mitarbeitenden in der Produktion oder weniger als drei Produktionslinien. Die Einführungskosten (150.000–600.000 € im ersten Jahr) übersteigen den realisierbaren Nutzen. Investiere stattdessen in bessere ERP-Nutzung und klare Produktionsprogramme.

2. Kein funktionierendes MES oder BDE-System, das Maschinendaten in Echtzeit liefert. Ein APS ohne verlässliche Rückmeldedaten plant in einem Vakuum. Der Plan stimmt nicht mit der Realität überein, das Team vertraut ihm nicht — und das System wird nach sechs Monaten wieder abgeschaltet. Zuerst Shopfloor-Datenerfassung stabilisieren, dann APS einführen.

3. Arbeitspläne, Stücklisten und Kapazitätsdaten im ERP sind nicht gepflegt oder veraltet. Ein APS optimiert auf der Basis des ERP-Datenmodells. Wenn Rüstzeiten im Arbeitsplan mit 0,25 Stunden pauschal hinterlegt sind, obwohl sie in Wirklichkeit zwischen 4 Minuten und 90 Minuten schwanken, optimiert das System gegen einen fiktiven Datensatz. Stammdatenpflege muss vor dem APS-Projekt stattfinden — nicht parallel dazu.

Das kannst du heute noch tun

Beginne nicht mit dem Anbieterauswahl-Prozess. Beginne mit der Selbstdiagnose.

Nimm dir eine Stunde und beantworte drei Fragen schriftlich:

1. Wie hoch ist unsere durchschnittliche Rüstzeit pro Schicht — in Stunden, nicht in Prozent?
2. Wie viel unserer Terminverzögerungen sind auf schlechte Reihenfolgeplanung zurückzuführen — im Unterschied zu Lieferantenproblemen oder Qualitätsfehlern?
3. Haben wir eine Rüstmatrix — und wenn ja, wann wurde sie zuletzt aktualisiert?

Wenn du diese drei Fragen nicht ohne Nachforschung beantworten kannst, ist das dein erster Schritt: Die Ausgangssituation messen, bevor du ein System kaufst, das auf Basis dieser Ausgangssituation optimiert.

Wenn du ein KI-Tool zur ersten Analyse nutzen willst, kannst du diesen Prompt verwenden, um eine strukturierte Aufwandsabschätzung zu bekommen:

Quellen & Methodik

• Fraunhofer ISI (2024), „Künstliche Intelligenz in der Produktion”, Mitteilungen zur Modernisierung der Produktion Nr. 83: Befragung von 1.334 deutschen Produktionsbetrieben; 16 % nutzen KI, weitere 8 % planen Einführung bis 2025. Autoren: Heidi Heimberger, Angela Jäger, Spomenka Maloca. URL: isi.fraunhofer.de/en/presse/2024/presseinfo-28-ki-produktion.html
• IT&Production (2024), „Bis zu 50 Prozent höhere Produktivität”: Fallbericht Kolektor Conttek, Pforzheim — APS-Einführung bei einem Automobilzulieferer, Produktivitätssteigerung pro Person nach APS-Einführung. URL: it-production.com/fertigungsnahe-it/bis-zu-50-prozent-hoehere-produktivitaet/
• Siemens Opcenter APS Produktseite und Implementierungserfahrungen: Preisangaben und Implementierungsaufwände für verschiedene Editions basieren auf Marktbeobachtung und Partner-Aussagen (Stand Mai 2026); Siemens veröffentlicht keine Listenpreise. Verifiziert durch Eintrag im ki-syndikat Toolverzeichnis.
• Asprova GmbH DACH-Markt: Preisrahmen aus Marktbeobachtung und Partner-Angaben; eigene Recherche.
• MDPI (2025), „A Review of Production Scheduling with Artificial Intelligence and Digital Twins”: Übersichtsartikel zu KI-Methoden in der Fertigungsplanung; Basis für Einordnung von ML vs. regelbasierter Optimierung. URL: mdpi.com/2504-4494/10/1/6
• elunic AG (2024), „Warum KI-Projekte scheitern”: Branchenbeobachtung zu Scheitergründen bei KI in der Fertigung; bis zu 70% aller KI-Projekte werden nicht produktiv. URL: elunic.com/de/warum-ki-projekte-scheitern-und-wie-sie-erfolgreich-werden/

Du willst wissen, ob dein Betrieb reif für ein APS-Projekt ist — oder welche Vorarbeiten zuerst nötig wären? Meld dich — das klären wir in einem kurzen Gespräch ohne Verkaufsabsicht.