Schnittplan-Yield-Optimierung: KI-Marker-Planning für maximale Stoffausbeute

Das echte Ausmaß des Problems

Textilstoff ist in den meisten Konfektionsbetrieben der größte Einzelkostenblock. Er macht 50 bis 80 Prozent der variablen Herstellungskosten aus, je nach Material und Lohnstandort. Was zwischen 80 und 90 Prozent Stoffausbeute liegt, ist kein kleines Optimierungsdetail. Es ist der entscheidende Hebel für die Profitabilität einer ganzen Produktionssaison.

Das Problem des Marker-Making, die Anordnung aller Schnittteile auf einer Stoffbahn vor dem Zuschnitt, ist mathematisch ein sogenanntes Packungsproblem. In der Informatik gilt es als NP-schwer, was bedeutet: Es gibt keine universelle Formel, die das optimale Ergebnis direkt berechnet. Ein Legebild mit 80 Schnittteilen hat mehr Kombinationsmöglichkeiten als Atome im sichtbaren Universum. Erfahrene Schnittraumplanerinnen und -planer entwickeln über Jahre ein Gespür dafür, aber selbst dieses Gespür landet typischerweise bei 82 bis 85 Prozent Ausbeute.

Was manche Betriebe noch nicht wissen: Die Materialverluste in diesem Bereich, laut Lectra entstehen beim Zuschnitt typischerweise 15 bis 25 Prozent der verwendeten Stoffe als Verschnitt, sind keine unvermeidliche Naturkonstante. Sie sind ein Optimierungsproblem, das Software nachweislich besser löst als menschliche Planung.

Konkrete Zahlen aus der Praxis:

• Ein Hemden-Betrieb wechselte von manuellen Schnittplänen zu CAD-gestützter Optimierung und reduzierte den Materialverschnitt um fast 7 Prozent (Quelle: apparel.wiki, 2024)
• Ein Outerwear-Label erzielte durch digitale Yield-Optimierung 4 Prozent mehr Ausbeute, allein auf einer Produktionscharge eine Einsparung von 28.000 US-Dollar (Quelle: apparel.wiki, 2024)
• Lectra Valia Fashion gibt an, aktuelle Implementierungen erreichten 2 bis 4 Prozent Mehrausbeute gegenüber bisherigen automatischen Systemen, mit steigendem Trend durch laufendes Maschinelles Lernen aus jedem Auftrag

Der Unterschied zwischen UC09 (Automatisches Grading und Nesting) und diesem Anwendungsfall ist dabei entscheidend: Grading und Nesting beschreibt, wie eine Schnittmacherin Muster ableitet und grundsätzlich in ein System einliest. Schnittplan-Yield-Optimierung beschreibt, wie eine Produktionsplanung aus hundert Aufträgen unterschiedlicher Größenverteilungen die wirtschaftlichsten Legebilder errechnet. Andere Zielgruppe, andere Software, anderer ROI-Mechanismus.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zeitersparnis beim Planungsschritt selbst ist real, aber zweitrangig. Das eigentliche Argument ist die Einsparung in der Materialmenge, die entsteht nicht durch Geschwindigkeit, sondern durch bessere Mathematik.

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5)
Die Planung eines Markers geht mit moderner Software deutlich schneller, von zwei Stunden auf zwanzig Minuten. Aber der Zuschneidefachmann oder die Produktionsplanerin spart primär Planungszeit, nicht Produktionszeit. Das Schneiden selbst dauert gleich lange. Verglichen mit Use Cases wie der Trendanalyse oder dem KI-Kundenservice, die tägliche Arbeitsstunden unmittelbar freimachen, ist die Zeitersparnis hier begrenzt. Der Haupthebel dieser Lösung ist nicht Zeit, es ist Geld.

Kosteneinsparung, sehr hoch (5/5)
Das ist der stärkste Kosteneinsparungsfall im gesamten Mode-Portfolio. Während andere Use Cases Effizienzgewinne indirekt über Prozessbeschleunigung oder Fehlerreduktion erzielen, führt bessere Stoffausbeute direkt zu weniger eingekauftem Material. Bei einem Betrieb mit 10.000 Metern Monatsbedarf und 8 Euro pro Meter entsprechen 5 Prozent mehr Ausbeute 4.000 Euro monatliche Einsparung, jeden Monat, ohne weiteren Aufwand, messbar in der Einkaufsrechnung.

Schnelle Umsetzung, mittel (3/5)
Wenn Schnittdaten bereits digital in einem kompatiblen Format vorliegen (Lectra, AccuMark, DXF/AAMA), ist eine erste Pilotimplementierung in 4 bis 8 Wochen realistisch. Wer noch mit Papiermustern oder veralteten Dateiformaten arbeitet, muss zuerst digitalisieren, das verlängert den Einstieg auf 3 bis 6 Monate. Die Integration in bestehende Zuschneideanlagen über Standard-Marker-Formate ist technisch gut gelöst und selten ein Blocker.

ROI-Sicherheit, hoch (4/5)
Die Einsparung ist direkt messbar: Vergleich des tatsächlichen Verbrauchs vor und nach der Umstellung in der Lagerbuchhaltung. Kein Hochrechnen von Personalstunden, kein Schätzen von Effizienzgewinnen. Eine Bewertung von 5 wäre gerechtfertigt, wenn nicht der Varianzfaktor bliebe: Die tatsächliche Ausbeute variiert je nach Auftragsmix, Materialbreite und Constraint-Komplexität, bei Betrieben mit viel Musterrapport und engen Fadenrichtungs-Vorgaben liegt die erreichbare Verbesserung am unteren Ende der Spanne.

Skalierbarkeit, hoch (4/5)
Je mehr Aufträge, desto mehr Marker, desto mehr Einsparung, ohne proportionalen Aufwandszuwachs. Ein Betrieb, der seine Produktionsmenge verdoppelt, verdoppelt auch die absoluten Materialeinsparungen. Die Skalierung ist allerdings nicht so grenzenlos wie bei reinen Softwareprozessen: Ab einer bestimmten Auftragskomplexität (viele kleine Losgrößen, viele verschiedene Materialbreiten) steigt der Planungsaufwand wieder.

Richtwerte, stark abhängig von Materialart, Auftragsmix und vorhandener Schnittdaten-Qualität.

Was KI-Marker-Planning konkret macht

Das klassische Nesting-Problem, wie packe ich möglichst viele Schnittteile auf eine Stoffbahn?, ist für Machine Learning eigentlich kein Lernproblem, sondern ein Optimierungsproblem. Und genau das unterscheidet es von anderen KI-Anwendungen im Mode-Kontext.

Moderne Marker-Planning-Software arbeitet mit einem Hybrid aus mehreren Methoden:

1. Heuristische Basis-Algorithmen: Das System beginnt mit bewährten Regeln (erst die größten Teile platzieren, dann die kleinen Lücken füllen) und generiert schnell eine erste gültige Lösung.

2. Iterative Verbesserungsschritte: Danach probiert das System tausende Variationen, Tausch zweier Teile, Rotation, Verschiebung, und behält jede Verbesserung. Das passiert in Sekunden bis Minuten, während ein Mensch Stunden bräuchte.

3. ML-gestützte Gewichtung (bei neueren Systemen): Lectra Valia und Optitex Nest++ Pro nutzen historische Auftragsdaten, um zu lernen, welche Anordnungsstrategien bei bestimmten Schnittteiletypen, Materialbreiten und Größenkombinationen erfahrungsgemäß bessere Ergebnisse liefern. Das System wird mit jedem Auftrag ein kleines Stück besser.

Was das System dabei immer berücksichtigt: Fadenrichtung (Grainline), definierte Sperrflächen bei bekannten Gewebefehlern, Mindestabstände zwischen Teilen für Nahtlinien sowie, bei entsprechender Konfiguration, Musterrapport-Matching.

Nesting vs. echte KI-Optimierung: der Unterschied, den du kennen solltest

Auf dem Markt werden zwei grundlegend verschiedene Ansätze unter dem Begriff “KI-Nesting” vermarktet. Der Unterschied ist für die Kaufentscheidung relevant.

Klassische algorithmische Nesting-Software (Lectra Diamino V6, ältere Gerber AccuNest-Module, CutPlanner von scapos): Diese Systeme arbeiten mit mathematischen Optimierungsverfahren, lineare Programmierung, lokale Suche, Heuristiken. Sie sind deterministisch: Gleiche Eingabe ergibt immer dasselbe Ergebnis. Sie “lernen” nichts. Ihre Stärke ist Zuverlässigkeit und Erklärbarkeit: Die Produktionsplanerin versteht im Prinzip, warum das Ergebnis so ist, wie es ist.

Adaptive KI-Systeme (Lectra Valia, Optitex Nest++ Pro): Diese Systeme nutzen zusätzlich historische Auftragsdaten, um Platzierungsstrategien auftragsabhängig zu gewichten. Sie lernen aus jedem verarbeiteten Marker. In der Praxis ergibt das typisch 1 bis 3 Prozentpunkte mehr Ausbeute gegenüber klassischen Algorithmen, aber das Ergebnis ist schwerer erklärbar, und die Verbesserung zeigt sich erst nach einigen hundert verarbeiteten Aufträgen, wenn das System auf deinen spezifischen Auftragsmix kalibriert ist.

Für welche Klasse du dich entscheidest, hängt von deiner Ausgangssituation ab: Wer bisher manuell oder mit einem veralteten System arbeitet, holt mit beiden Ansätzen signifikante Verbesserungen. Wer bereits ein gutes klassisches System hat und die letzten 1–2 Prozentpunkte rauskitzeln will, braucht den adaptiven Ansatz.

Fadenrichtung, Musterrapport und Splice-Planung: die drei echten Constraints

Was eine Nesting-Optimierung im Textilbereich grundlegend von der Optimierung bei Holzplatten oder Metallblech unterscheidet: Stoff hat Eigenschaften, die das Optimierungsproblem erheblich einschränken.

Fadenrichtung (Grainline)
Jedes Schnittteil hat eine definierte Fadenrichtung, Kettfaden oder Schussfaden. Ein Teil, das um 90 Grad gedreht platziert wird, sieht im fertigen Kleidungsstück anders aus, verformt sich anders und kann ein Kleidungsstück unverkäuflich machen. Das System kennt für jedes Teil die erlaubten Rotationswinkel (oft nur 0° oder 180°, manchmal auch ±10° als Toleranz). Diese Einschränkung allein reduziert die Lösungsraumgröße drastisch, und macht echte Optimierung umso wichtiger.

Musterrapport (Striped & Plaid Matching)
Bei gemusterten Stoffen, Streifen, Karos, Dessins mit Rapport, müssen Schnittteile so positioniert werden, dass das Muster an den Nähten zusammenläuft. Das Software-System kennt den Rapport-Abstand des Stoffs und berechnet die Platzierung jedes Teils so, dass Nahtlinien übereinanderliegen. Das kostet Ausbeute: Ein gemusterter Stoff hat typischerweise 10 bis 20 Prozent schlechtere Ausbeute als ein uni Stoff, weil die Teile nicht beliebig verschoben werden können. Gute Software minimiert diesen Verlust, aber die Physik des Rapports lässt sich nicht wegoptimieren.

Splice-Planung bei Rollenwechsel
Eine Stoffrolle ist selten so lang wie ein gesamtes Legebild. An Rollenspleißen entsteht ein Stückchen Stoff, das keinem Lagebild angehört, oder zwei Lagen, die aneinander stoßen, müssen so geplant werden, dass kein Teil über den Spleißpunkt läuft. Gute Marker-Planning-Software plant Rollenwechsel explizit ein: Sie berechnet, an welcher Stelle der Lage ein neuer Rollenbeginn sinnvoll ist und schiebt die Schnittteile so, dass der Spleißpunkt in einer Lücke liegt, nicht in einem Teil.

Diese drei Constraints machen es nötig, dass das System vor dem Einsatz sorgfältig konfiguriert wird: Grainline-Toleranzen pro Teilekategorie, Rapport-Abstände pro Materialtype, Rollenlängen-Verteilung aus der Einkaufspraxis.

Konkrete Werkzeuge, was wann passt

Lectra (Gerber AccuMark) ist für Betriebe mit eigenem Lectra-CAD oder Gerber-AccuMark-Infrastruktur der natürliche Ausgangspunkt. Lectra Valia Fashion (seit Oktober 2024) ist die neue Cloud-Plattform, die Marker-Making, Auftragsplanung und Schneidanlagen-Steuerung verbindet, mit KI-gestütztem Lerneffekt pro Auftrag. Die bisherige Lösung Diamino ist weiterhin verfügbar, wird aber schrittweise in Valia integriert. Preise sind nicht öffentlich und werden pro Betrieb individuell kalkuliert; Einstieg typisch im fünfstelligen Jahresbereich.

Optitex überzeugt besonders bei Betrieben mit komplexen Rapport-Anforderungen. Das Modul “Match++” für Mustergewebe (Streifen, Karos, Spitze) ist eine der ausgereiftesten Lösungen am Markt. Nest++ Pro, die AI-gestützte Nesting-Stufe, liefert laut Herstellerangaben bis zu 4 Prozent mehr Ausbeute gegenüber manuellen Layouts. Die Plattform eignet sich gut für Betriebe, die 2D-Schnittentwicklung, Grading und Marker-Making in einem System konsolidieren wollen. Preise auf Anfrage.

CutPlanner (scapos AG, Fraunhofer SCAI, Bonn) ist eine spezialisierte Produktionsplanungs-Lösung für den Textile-Cut-Plan, also nicht Marker-Making im engeren Sinne, sondern die vorgelagerte Frage: Welche Größenkombinationen kombiniere ich in welcher Lage, um die Gesamtkosten (Material + Produktion) zu minimieren? Eine Referenzimplementierung zeigt nachgewiesene Materialausnutzung von 91,44 Prozent. Integration erfolgt als DLL in bestehende ERP/CAD-Systeme, kein Systemwechsel, aber ein Entwicklungsprojekt.

Wann welcher Ansatz:

• Bestehende Lectra/Gerber-Infrastruktur → Lectra Valia als Erweiterung
• Neue Plattformwahl mit Rapport-Fokus → Optitex Nest++ Pro
• ERP-Integration und Cut-Plan-Optimierung ohne Systemwechsel → CutPlanner (scapos)
• Sehr kleines Volumen (unter 2.000 m/Monat) → Bestehende Anbieter-Tools ausreizen, kein eigenes System

Es gibt keine relevante kostenlose oder Freemium-Option in diesem Markt. Die Spezialisierung und die Rechenleistung haben ihren Preis. Der Vergleichspunkt ist nicht “Softwarekosten”, sondern “Materialeinsparung vs. Lizenzkosten”.

Datenschutz und Datenhaltung

Marker-Planning-Software verarbeitet technische Produktionsdaten: Schnittgeometrien, Auftragsmengen, Materialbreiten. Keine davon sind personenbezogene Daten im Sinne der DSGVO. Das Datenschutzthema bei dieser Lösung ist daher weniger prominent als bei HR- oder Kundendatensystemen, aber nicht vollständig irrelevant.

Auftragsstrukturen als Geschäftsgeheimnis: Marker-Dateien enthalten implizit Informationen über deine Auftragsvolumina, Größenverteilungen und Materialkombinationen. Bei Cloud-Lösungen wie Lectra Valia solltest du klären, ob und wie diese Daten für das Modell-Training genutzt werden. Lectra gibt an, Kundendaten zur Verbesserung des KI-Modells zu nutzen, was grundsätzlich dazu führt, dass Wettbewerber vom selben Modell profitieren könnten, sofern das Training aggregiert stattfindet.

• Lectra (Gerber AccuMark) Valia Cloud: Verarbeitung in EU-Rechenzentren, AVV erhältlich; Modell-Trainingspolitik im Vertrag klären
• Optitex: Cloud-Module wahlweise EU-gehostet; on-premise-Option verfügbar
• CutPlanner: Lokal/on-premise, Daten verlassen das Unternehmen nicht; deutschsprachiger Support

Wer Cloud-Optionen nutzt: Das Unternehmen sollte im Vertrag explizit regeln, dass Schnittdaten und Auftragsstrukturen nicht für Training verwendet werden dürfen oder nur in aggregierter, nicht rückverfolgbarer Form.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Software-Lizenz (Lectra Valia, Optitex): auf Anfrage; Orientierung für mittelgroße Betriebe: 15.000–40.000 Euro Erstinvestition inklusive Schulung
• CutPlanner (scapos): Projektbasiert für ERP-Integration; typisch 10.000–25.000 Euro Entwicklungsprojekt
• Digitalisierung bestehender Schnittdaten (falls noch analog): 3–8 Euro pro Schnittteil; bei 500 Teilen im Sortiment: 1.500–4.000 Euro

Laufende Kosten (monatlich/jährlich)

• Wartung und Updates: typisch 15–20 Prozent des Lizenzwerts pro Jahr
• Cloud-Subscription-Modelle (Valia): auf Anfrage, anlagenabhängig
• Interner Aufwand: halber Tag pro Woche für Marker-Planung (oft gleich bleibend, nur effizienter)

Was du dagegenrechnen kannst Das ist einer der wenigen Use Cases, bei dem die ROI-Rechnung sich auf das Gramm genau nachverfolgen lässt:

• 10.000 Meter Stoff pro Monat × 8 Euro/Meter = 80.000 Euro Materialkosten monatlich
• 5 Prozent mehr Ausbeute = 500 Meter gespart pro Monat = 4.000 Euro gespart pro Monat
• Jahreseinsparung: 48.000 Euro
• Amortisierung einer 30.000-Euro-Investition: unter einem Jahr

Konservatives Szenario: Nur 3 Prozent Mehrausbeute statt 5, nur 6.000 Meter Monatsbedarf statt 10.000: 1.440 Euro monatliche Einsparung, Amortisierung in 20–22 Monaten. Auch das ist ein vertretbarer ROI für eine Produktionssoftware mit zehn Jahren Nutzungsdauer.

Die Einsparung steigt mit dem Materialpreis. Bei Premiumstoffen ab 20 Euro pro Meter verschiebt sich die Rechnung noch stärker zugunsten der Software.

Vier typische Einstiegsfehler

1. Mit schlechten Digitaldaten starten.
Das häufigste Problem: Das Nesting-System liefert enttäuschende Ergebnisse, weil die importierten Schnittdaten fehlerhafte Grainlines, unvollständige Nahtlinien oder inkonsistente Teilenamen enthalten. Das System nestet dann nicht die echten Teile, sondern kaputte Repräsentationen davon. Die Lösung: Vor dem ersten Produktionslauf jeden Schnitt visuell im System prüfen, stimmen Fadenrichtungen, Nahtlinien und Teilgrenzen? Wer sich diesen Schritt spart, wundert sich über Ergebnisse, die schlechter sind als manuell.

2. Die Software mit einem einzigen großen Style einführen.
Nesting-Optimierung zeigt ihren vollen Wert erst dann, wenn mehrere Styles und mehrere Größenverteilungen gleichzeitig optimiert werden, weil das System dann Teile aus verschiedenen Orders so kombinieren kann, dass die Gesamtausbeute steigt. Wer die Software an einem einzigen Style testet (und die Ausbeute dann mit dem bisherigen manuellen Wert für diesen Style vergleicht), sieht den echten Hebel nicht.

3. Die Konfigurationsarbeit unterschätzen.
Grainline-Toleranzen, Rapport-Abstände, erlaubte Rotationen, Materialbreiten-Profile, Rollenlängen-Verteilungen, all das muss einmal pro Materialtyp sorgfältig konfiguriert werden. Betriebe, die diese Konfiguration dem System-Einführungsteam überlassen, ohne selbst tief involviert zu sein, bekommen ein System, das technisch korrekte, aber produktionsfremde Marker erzeugt: theoretisch optimal, im Alltag unbrauchbar.

4. Den Systemwechsel ohne Change-Management durchführen.
Das gefährlichste Muster: Das System wird eingeführt, aber erfahrene Planerinnen und Planer trauen den Ergebnissen nicht und legen weiterhin manuell nach. Das Nesting-System wird dann als “Vorschlag” behandelt, den man sowieso ändert. Das Ergebnis ist schlechter als vorher, weil Computervorschlag + manuelle Überarbeitung oft schlechter abschneidet als reines manuelles Legen oder reines Systemlegen. Ein klarer Einführungsplan mit definierter Probezeit und Erfolgsmetrik verhindert dieses Muster.

Was mit der Einführung wirklich passiert, und was nicht

Die Technik funktioniert in der Praxis gut, der schwierigere Teil ist der kulturelle Übergang im Zuschneidebetrieb.

Das Erfahrungswissen-Problem. Erfahrene Marker-Planerinnen und -Planer haben über Jahre ein Gespür entwickelt, wie bestimmte Styles auf bestimmten Stoffen liegen. Sie kennen “ihre” Materialien, die Eigenheiten bestimmter Lieferanten-Rollenlängen, die spezifischen Toleranzen, die der Abnehmer tatsächlich durchgehen lässt. All dieses Wissen ist nirgendwo dokumentiert, und geht zunächst nicht automatisch ins System ein. Die erste Reaktion auf schlechtere oder ungewohnte Marker-Ergebnisse lautet fast immer: “Das war besser, als ich das noch selbst gemacht habe.” Manchmal stimmt das, weil die Konfiguration noch nicht komplett ist. Manchmal stimmt es nicht, weil man unbewusst mit der bisherigen Ausbeute vergleicht, ohne die absoluten Zahlen zu kennen.

Die Lösung: Erfahrene Mitarbeitende aktiv in die Systemkonfiguration einbinden. Ihr Wissen wird nicht ersetzt, es wird in Konfigurationsparameter übersetzt. Das dauert, gibt aber dem System genau die Domänenspezifität, die es braucht.

Was konkret hilft:

• In den ersten vier Wochen parallel legen: System-Marker und manueller Marker, danach vergleichen, nicht Eindrücke, sondern Meter
• Für jeden Materialtyp eine dedizierte Konfigurationsphase einplanen (typisch: 1 Tag pro Materialgruppe)
• Die Zuschneiderei-Leitung in die Lieferanten-Absprachen einbeziehen: Welche Rollenbreiten kommen tatsächlich an? Wie groß ist die tatsächliche Breiten-Varianz? Das beeinflusst die Systemkonfiguration direkt

Was die Einführung nicht verändert: Die Schneidarbeit selbst, die Qualitätskontrolle, die Fehlerquote beim physischen Zuschnitt. Wer hofft, dass mit der Software auch die Zuschneidefehler sinken, missversteht den Zweck: Das System optimiert die Planung, nicht die Ausführung.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Wir haben schon ein Nesting-System.”
Viele Betriebe haben tatsächlich ein altes Nesting-Modul, das seit Jahren läuft. Die relevante Frage ist nicht ob, sondern wie gut. Ein System aus den Neunzigern oder frühen 2000ern liefert bei einem Benchmark gegen moderne KI-gestützte Algorithmen oft 5 bis 10 Prozentpunkte schlechtere Ausbeute, das ist nicht ein theoretisches Problem, sondern bares Geld, das jeden Monat ausgegeben wird. Lohnt sich ein Benchmarking: Lass ein modernes System denselben Auftrag nochmal berechnen und vergleiche die Ausbeute.

„Unsere Stoffe sind zu kompliziert für automatisches Nesting.”
Das Gegenteil ist oft der Fall. Je mehr Constraints ein Stoff hat (Rapport, Streifen, enge Fadenrichtungs-Toleranz), desto mehr zahlt sich ein System aus, das diese Constraints explizit verwaltet und trotzdem die beste Lösung findet. Manuelles Legen mit komplexen Rapport-Anforderungen ist nicht “präziser”, es ist fehleranfälliger und langsamer. Moderne Systeme wie Optitex wurden genau für diesen Fall entwickelt.

„Das lohnt sich nur für große Betriebe.”
Die Mindestgröße, ab der sich spezialisierte Marker-Planning-Software lohnt, ist ungefähr 3.000 bis 5.000 Meter Monatsbedarf pro Material, darunter übersteigen Lizenzkosten die erzielbaren Einsparungen. Das ist kein “großer Betrieb”, sondern ein mittelgroßer Konfektionsbetrieb. Für sehr kleine Betriebe (unter 2.000 m/Monat) gilt der Einwand allerdings, für die gibt es sinnvollere Investitionsprioritäten.

Woran du merkst, dass das zu dir passt

Du erkennst dich, wenn:

• Du monatlich mehr als 3.000 Meter Stoff verarbeitest und die Materialrechnung dein größter Kostenblock ist
• Deine Marker-Planung heute entweder manuell oder mit einem System läuft, das älter als 10 Jahre ist
• Du Schnittdaten bereits digital vorliegen hast (AccuMark, Lectra Modaris, DXF/AAMA) oder bereit bist, sie zu digitalisieren
• Du dir vorstellen kannst, die Ausbeute zu messen: Verbrauch pro Auftrag, Auftragsvolumen, Rollenlängen, wenn diese Zahlen nicht bekannt sind, fehlt die Vergleichsbasis

Wann es sich (noch) nicht lohnt, drei harte Ausschlusskriterien:

1. Unter 3.000 Metern Monatsbedarf pro Materialgruppe. Bei kleinerem Volumen übersteigen Lizenz- und Integrationskosten die erzielbaren Einsparungen. Hier ist das Potenzial real, aber der Business Case trägt sich nicht. Zuerst die manuelle Planung verbessern und das Volumen aufbauen, dann ein spezialisiertes System prüfen.

2. Schnittdaten liegen noch analog vor (Papierschnitte, gescannte Bilder ohne Vektordaten). Das ist kein Showstopper, aber es verlängert den Einstieg um 3 bis 6 Monate und kostet mehrere Tausend Euro für die Digitalisierung. Wer das plant, sollte das als eigenständiges Vorprojekt verstehen, Digitalisierung der Schnittdaten ist auch unabhängig vom Nesting-System ein Mehrwert.

3. Auftragsmix besteht überwiegend aus Einzelstücken oder Stücklisten unter 10 Teilen pro Style. Nesting-Optimierung lebt davon, viele Teile aus vielen Aufträgen zu einer wirtschaftlichen Lage kombinieren zu können. Bei Einzelfertigung oder Kleinstlosen entsteht dieses Kombinationspotenzial nicht, die Ausbeute bleibt konstant schlecht, egal wie gut die Software ist.

Das kannst du heute noch tun

Ein Ersteindruck, der nichts kostet: Lade bei Lectra (Gerber AccuMark) (lectra.com) oder Optitex (optitex.com) eine Demo an. Bereite für das Demo-Gespräch drei typische Auftragsszenarien vor: einen Style mit einfachem Stoff, einen mit Rapport-Anforderungen, einen mit gemischtem Größenverhältnis (z.B. viele XL, wenige S). Damit siehst du, wie das System mit deiner spezifischen Situation umgeht, nicht mit idealisierten Musterdaten.

Der schnellste ROI-Check: Nimm den letzten Monatsbedarf (Meter × Preis pro Meter) und rechne, was 5 Prozent mehr Ausbeute gebracht hätten. Das ist der maximale Erwartungswert, die reale Verbesserung liegt, je nach Ausgangssystem und Auftragsmix, bei 3 bis 8 Prozentpunkten.

Diesen Optitex-Benchmark-Prompt kannst du für das erste Anbieter-Gespräch nutzen:

Quellen & Methodik

• Materialverluste beim Zuschnitt 15–25 Prozent: EU Textiles Ecosystem Platform, „Optimising textile production: AI-Driven and process-oriented solution to reduce cutting scrap” (2024/2025), basierend auf Lectra-Angaben und Branchendaten. URL: transition-pathways.europa.eu
• Hemdenfabrik 7 Prozent Reduktion / Outerwear 4 Prozent Verbesserung ($28.000): apparel.wiki, „Proven Fabric Consumption Markers: 7 Yield Optimization Wins for Apparel” (2024). URL: apparel.wiki/blog
• Lectra Valia Fashion 2–4 Prozent Mehrausbeute: Lectra-Pressemitteilung (Oktober 2024) und Sourcing Journal-Bericht „Lectra’s New System Leverages Smart Tech to Streamline Garment Production”. URL: sourcingjournal.com
• Optitex Nest++ Pro bis 4 Prozent mehr Effizienz: Optitex-Produktdokumentation (O/25 Release Notes, 2025). URL: optitex.com/products/marker
• CutPlanner Materialausnutzung 91,44 Prozent: scapos AG Produktseite, Referenz-Implementierung. URL: scapos.de
• Lectra Valia Fashion Marktstart Europa: The Interline, Oktober 2024. Chicago Protective Apparel als Referenznutzer. URL: theinterline.com
• Preisangaben Tools: Lectra und Optitex veröffentlichen keine Listenpreise. Orientierungswerte basieren auf Branchenerfahrungen und Gesprächen mit Produktionsbetrieben (Stand Mai 2026). CutPlanner: scapos.de-Kontaktangaben.

Du willst wissen, welche Einsparung bei eurem konkreten Auftragsmix und Materialportfolio realistisch ist? Meld dich, wir helfen dir dabei, den ersten Demo-Termin mit den richtigen Fragen vorzubereiten.