KI-optimierte Rüstzeitreduzierung an Fertigungsanlagen

Das echte Ausmaß des Problems

In einer variantenreichen Fertigung sind Rüstzeiten selten das Ergebnis schlechter Handgriffe. Sie sind das Ergebnis schlechter Sequenzplanung.

Das Institut für angewandte Arbeitswissenschaft (ifaa) hat in einer Branchenerhebung festgestellt, dass Fertigungsbetriebe durchschnittlich 10 bis 20 Prozent ihrer verfügbaren Maschinenzeit für Rüstvorgänge aufwenden, nicht für fehlerhafte Einzelrüstungen, sondern strukturell, weil Auftragsreihenfolgen nicht auf Rüstähnlichkeit optimiert werden. Das ist kein Hygieneproblem. Das ist eine versteckte Steuer auf die gesamte Maschinenkapazität.

Die entscheidende Zahl dabei: 70 Prozent der Betriebe, die an Maßnahmen zur Rüstzeitoptimierung gearbeitet haben, berichten als häufigstes Hindernis nicht technische Probleme, sondern die fehlende Bereitschaft der Mitarbeitenden (29 %) und mangelndes Wissen über bessere Methoden (26 %), das zeigen Erhebungen des ifaa unter Fertigungsbetrieben.

Was das in der Praxis bedeutet:

• Beim Spritzguss mit 30 Maschinen und 80 verschiedenen Formwerkzeugen gibt es mathematisch Millionen möglicher Tagesreihenfolgen. Ein erfahrener Planer kennt vielleicht 50 davon gut, die KI rechnet alle durch.
• Bei Stanzmaschinen mit Farb- und Materialwechseln hat sich gezeigt, dass konsequente Sequenzoptimierung Einzelrüstzeiten von 90 auf 18 Minuten senken kann, nicht weil die Handgriffe schneller wurden, sondern weil ähnliche Konfigurationen gebündelt wurden.
• In Verpackungslinien mit Formatwechseln (Füllmenge, Folie, Etikett) entstehen die teuersten Rüstungen genau dann, wenn drei Formatdimensionen gleichzeitig wechseln. KI kann das vorab erkennen und solche Sprünge vermeiden.

Die Kernfrage lautet nicht: „Wie kann meine Anlage schneller umgerüstet werden?” Sie lautet: „In welcher Reihenfolge müssen die Aufträge laufen, damit so wenig wie möglich umgerüstet werden muss?”

Die SMED-Logik: Inneres vs. äußeres Rüsten, und wo KI ansetzt

Bevor KI ins Spiel kommt, lohnt ein kurzer Blick auf die Grundstruktur des Problems. Die SMED-Methode (Single Minute Exchange of Die) unterscheidet zwei Arten von Rüsttätigkeiten:

Inneres Rüsten sind alle Tätigkeiten, die nur bei stehendem Werkzeug möglich sind: Werkzeug wechseln, Einspannen, erster Schuss, Muster freigeben. Diese Zeit ist Maschinenstillstand, direkte, messbare Verlustzeit.

Äußeres Rüsten sind alle Tätigkeiten, die schon während des laufenden Vorgängerprozesses erledigt werden können: das nächste Werkzeug bereitstellen, Kühlmittel vorbereiten, Steuerungsprogramm laden, Material vorwärmen. Diese Zeit geht nicht auf Kosten der Maschinenverfügbarkeit, wenn sie gut vorbereitet ist.

Das klassische SMED-Ziel ist: Inneres in äußeres Rüsten umwandeln. So viel wie möglich vorbereiten, bevor die Maschine stoppt.

Wo KI konkret eingreift:

Machine Learning fügt dem Methodenrahmen des SMED also eine neue Schicht hinzu: Wo SMED bisher Erfahrung und manuelle Analyse brauchte, liefert KI reproduzierbare Optimierungsrechnung, insbesondere bei der Sequenz, die mit zunehmender Artikelvariation für Menschen schlicht unrechenbar wird.

Mit vs. ohne KI, ein ehrlicher Vergleich

Cipla India (Pharmabetrieb, Indore) reduzierte Rüstdauern um 22 Prozent durch KI-gestützte Auftragssequenzierung in der Batchfertigung, ohne einen einzigen Maschinenstillstandsschritt zu beschleunigen, allein durch andere Reihenfolge. Das ist kein Einzelfall, sondern das typische Hebelversprechen: Die Verbesserung entsteht nicht durch schnellere Hände, sondern durch schlauere Planung.

Einschätzung auf einen Blick

Zeitersparnis, sehr hoch (5/5) Rüstzeit ist Maschinenkapazität, die direkt und quantifizierbar verloren geht. Jede Minute weniger Rüstzeit ist eine Minute mehr Laufzeit, ohne Neuinvestition, ohne zusätzliche Schicht. Dieser direkte Zusammenhang macht Rüstzeitoptimierung zu einem der stärksten Zeithebel in der gesamten Kategorie. In der Praxis entsprechen 20 Prozent weniger Rüstzeit bei einer Anlage mit 15 Prozent Rüstzeitanteil rechnerisch einer Kapazitätserweiterung um drei Prozent, pro Maschine, dauerhaft.

Kosteneinsparung, mittel (3/5) Die Wirkung ist real, aber indirekt: Mehr verfügbare Maschinenzeit schlägt sich nur dann in Ergebnis nieder, wenn du die Kapazität auch auslastest. Wenn deine Anlage bereits auf 95 Prozent läuft, füllst du die freigewordene Rüstzeit sofort mit Aufträgen. Wenn du bei 60 Prozent Auslastung bist, senkt die Optimierung nur die Stillstandsstatistik, das ist wertvoll, aber kein direkter Kostenschnitt. Direktere Kostenreduktionen erzielst du durch KI-gestützte Materialplanung oder Ausschussanalyse.

Schnelle Umsetzung, niedrig (2/5) Eine brauchbare Rüstmatrix zu erstellen, also für alle relevanten Auftragsübergänge die tatsächlichen Rüstzeiten zu erfassen, dauert sechs bis acht Wochen. Ohne diese Datenbasis rechnet kein Algorithmus etwas Sinnvolles aus. Hinzu kommt die ERP- oder MES-Anbindung, damit das System die Auftragslage kennt. Das ist handhabbar, aber kein Wochenendprojekt, im Unterschied zu KI-gestützten Wartungsberichten oder der Produktionsdokumentation, die deutlich schneller einsatzbereit sind.

ROI-Sicherheit, hoch (4/5) Rüstzeiten sind direkt messbar, du weißt vor und nach der Optimierung, wie lange die Anlage für Rüstzwecke steht. SMED hat eine jahrzehntelange Methodentradition mit gut dokumentierten Ergebnissen. Das unterscheidet diesen Anwendungsfall von KI-gestützter Prozessoptimierung, bei der die Kausalität schwerer nachzuweisen ist. Nicht ganz 5, weil der Übergang von Rüstzeitgewinn zu Umsatzeffekt einen weiteren Schritt (Kapazitätsauslastung) enthält, der nicht garantiert ist.

Skalierbarkeit, hoch (4/5) Wer eine Maschinengruppe optimiert hat, kann das Modell auf die nächste übertragen, aber jede neue Gruppe braucht eine eigene Rüstmatrix und eine neue Datenerfassungsphase. Das skaliert linear, nicht exponentiell. Für Mehrwerksunternehmen ist das trotzdem attraktiv: ein bewährtes Modell, mehrfach ausgerollt, mit wachsendem Kapazitätseffekt.

Richtwerte, stark abhängig von Maschinenanzahl, Artikelvielfalt und vorhandener ERP-Infrastruktur.

Was das Optimierungssystem konkret macht

Der Kern des Ansatzes ist ein Sequenzierungsproblem: Gegeben N Aufträge mit je spezifischen Rüstparametern (Material, Werkzeug, Farbe, Wandstärke, Temperatur…), in welcher Reihenfolge müssen sie auf einer oder mehreren Maschinen laufen, damit die Summe der Rüstzeiten minimal wird?

Mathematisch handelt es sich um eine Variante des Traveling Salesman Problems, klassisch NP-schwer, was bedeutet: Ab etwa 20 Aufträgen gibt es keine garantiert optimale Lösung in akzeptabler Rechenzeit. Machine Learning-Ansätze lösen das über mehrere Schichten:

Schicht 1, Rüstmatrix: Für jede Kombination von Ausgangs- und Zielkonfiguration wird aus historischen Daten eine Rüstzeit hinterlegt. Moderne Systeme lernen die Matrix laufend aus den tatsächlich erfassten Zeiten, kein manueller Pflegeaufwand.

Schicht 2, Sequenzoptimierung: Ein Optimierungsalgorithmus (häufig genetische Algorithmen, Ant Colony Optimization oder neuere ML-Varianten) berechnet täglich oder bei jeder Planungsänderung die kostengünstigste Reihenfolge unter Berücksichtigung von Lieferterminen, Maschinenverfügbarkeit und Werkzeugbelegung.

Schicht 3, Rüstvorgang-Analyse (optional): Computer Vision-Systeme filmen den Rüstvorgang und identifizieren automatisch, welche Schritte systematisch zu lange dauern, wo Wartezeiten entstehen (auf Werkzeug, auf Kran, auf Genehmigung) und welche inneren Tätigkeiten als äußere vorbereitet werden könnten. Das ist die teurere, aber auch wirkungsstärkere Ergänzung, sie zeigt nicht nur, dass eine Rüstung 45 Minuten dauert, sondern warum.

Was das System nicht tut: Es ersetzt keine Anlagensachkenntnis. Die Rüstmatrix muss von Mitarbeitenden mit echtem Maschinenwissen validiert werden. KI optimiert den Rahmen, sie kann aber nicht entscheiden, ob ein bestimmter Werkzeugübergang maschinentechnisch überhaupt in der geplanten Reihenfolge möglich ist.

Anlagentypen im Vergleich: Wo KI-Rüstoptimierung zuerst wirkt

Nicht jede Anlage profitiert gleich. Die Eignung hängt davon ab, wie viele verschiedene Rüstparameter existieren und wie stark sie sich gegenseitig beeinflussen.

Grundregel: Je mehr verschiedene Rüstparameter existieren und je häufiger die Anlage umgerüstet wird, desto mehr Potenzial bietet die Sequenzoptimierung. Wer pro Tag zwei Rüstvorgänge hat, spielt auf anderem Niveau als wer 15 hat.

Konkrete Werkzeuge, was wann passt

Es gibt sehr unterschiedliche Einstiegspunkte, abhängig von Unternehmensgröße, Maschinenanzahl und vorhandener ERP-Infrastruktur.

RüstPlan, wenn du mit SMED-Digitalisierung startest Spezialisiertes Werkzeug für den deutschen Mittelstand. Starter (32 €/Monat, bis 5 Maschinen) erfasst Rüstzeiten digital, kein ERP nötig, kein IT-Projekt. Professional (66 €/Monat, bis 20 Maschinen) enthält KI-basierte Reihenfolgeoptimierung: Das System berechnet täglich die optimale Rüstreihenfolge nach Werkzeugfamilien und Maschinenähnlichkeit. Enterprise (124 €/Monat) bietet API-Anbindung ans ERP. 14 Tage kostenlos testbar. Kein sechsstelliges Budget, kein Berater, kein Pilot. Für Stanzerien, Spritzgießer und CNC-Betriebe mit 3–20 Maschinen der klarste Einstieg.

Preactor APS, wenn du APS in einem ERP-Umfeld (SAP, Dynamics) brauchst Flexibles Advanced-Planning-Scheduling-System mit expliziter Rüstmatrix-Modellierung. Sequenzabhängige Rüstzeiten werden als vollständige Matrix hinterlegt, der Algorithmus optimiert tagesaktuelle Produktionspläne. Lizenzbasiert, typisch 30.000–150.000 €, englische Oberfläche. Sinnvoll ab komplexer Mehrprodukt- und Mehrmaschinen-Fertigung mit bestehender ERP-Integration. Kein Selbstläufer, spezialisierte Berater nötig.

Asprova APS, wenn du den komplexesten Planungsfall hast Japanisches APS-System mit 52 Prozent Marktanteil in Japan und über 4.000 Kunden weltweit. Berechnet Pläne für Tausende Aufträge in Sekunden unter gleichzeitiger Berücksichtigung von Rüstzeiten, Kapazitätsgrenzen und Lieferterminen. Deutsche Niederlassung in Wetzlar. Typische Erstinvestition 80.000–250.000 Euro. Für Automobilzulieferer, Pharmabetriebe und Elektronikhersteller mit hohem Planungsdruck die stärkste Variante, aber keine Lösung für schnelles Testen.

Siemens Opcenter APS, wenn du bereits im Siemens-Ökosystem bist APS-Modul aus dem Opcenter-Verbund. Tiefe Integration in Siemens MES und Automation, Constraint-Programmierung für komplexe Prozesse. 50.000–200.000 € Jahreslizenz plus Implementierung. Nur sinnvoll, wenn Siemens Opcenter Execution bereits eingesetzt wird.

Zusammenfassung: Wann welcher Ansatz

• Einstieg ohne IT-Projekt, 3–20 Maschinen → RüstPlan
• ERP vorhanden, variantenreiche Fertigung, 5-stelliges Budget → Preactor APS
• Komplexe Mehrmaschinenfertigung, sechsstelliges Budget → Asprova APS
• Siemens Opcenter bereits im Einsatz → Siemens Opcenter APS

Datenschutz und Datenhaltung

Produktions- und Rüstdaten sind in der Regel keine personenbezogenen Daten im Sinne der DSGVO, Rüstzeiten, Maschinenparameter und Auftragsdaten betreffen keine natürlichen Personen. Es gibt dennoch datenschutzrelevante Berührungspunkte:

Videoanalyse der Rüstvorgänge ist der kritischste Punkt. Kameras, die Rüstvorgänge aufzeichnen, erfassen häufig auch Gesichter und Bewegungsdaten der Mitarbeitenden. Das ist eindeutig eine Verarbeitung personenbezogener Daten, Betriebsrat und DSGVO greifen. Ohne Betriebsvereinbarung und vollständige DSGVO-Folgenabschätzung ist Videoanalyse an Rüstarbeitsplätzen in Deutschland rechtlich riskant. Betroffenenrechte (Information, Auskunft, Widerspruch) müssen vor dem Einsatz geregelt sein.

Schichtbezogene Leistungsauswertung, wenn das System Rüstzeiten je Schicht oder Mitarbeitergruppe auswertet, entsteht faktisch eine Leistungsüberwachung. Auch das erfordert Betriebsvereinbarung und transparente Kommunikation.

Für die reine Sequenzoptimierung ohne Videoanalyse:

• RüstPlan: Deutsche Anbieter, EU-Datenhaltung, DSGVO-konform
• Preactor APS und Asprova APS: On-premise oder kundenseitig kontrollierte Infrastruktur, kein Cloud-Hosting durch den Anbieter, daher keine Drittübermittlung von Produktionsdaten
• Siemens Opcenter APS: EU-Rechenzentren, AVV über Siemens verfügbar

Empfehlung: AVV mit allen Softwareanbietern abschließen, die Produktionsdaten verarbeiten. Für Videosysteme: Betriebsrat frühzeitig einbinden, nicht nach der Implementierung, sondern vor der Auswahlentscheidung.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Rüstmatrix erstellen: 4–8 Wochen Zeitaufwand intern (Erfassung, Validierung), typisch 1–2 Personenwochen Aufwand
• Externe Beratung bei klassischem SMED-Workshop: 5.000–15.000 Euro je Anlage, nicht zwingend nötig, aber beschleunigt den Prozess
• ERP-Anbindung (falls nötig): 3.000–15.000 Euro je nach Schnittstelle und System

Laufende Kosten (monatlich)

• RüstPlan Professional: 66 €/Monat (bis 20 Maschinen)
• Preactor APS: 30.000–150.000 € Einmallizenz, keine monatliche Gebühr, typisch 15–20 % Wartung jährlich
• Asprova APS: 80.000–250.000 € Gesamtprojekt

Konservatives ROI-Szenario Eine Anlage mit 200 verfügbaren Maschinenstunden pro Woche und 15 Prozent Rüstzeitanteil verliert 30 Stunden pro Woche durch Rüstvorgänge. Bei 20 Prozent Verbesserung durch Sequenzoptimierung: 6 Stunden pro Woche zusätzliche Laufzeit. Bei einem Deckungsbeitrag von 80 €/Stunde (konservativ für variantenreiche Fertigung): ca. 480 € Mehrwert pro Woche, rund 1.900 € pro Monat. Das ist kein Marketingversprechen, es ist die simple Rechnung aus Kapazitätsgewinn multipliziert mit Deckungsbeitrag. Die Voraussetzung: Die Anlage läuft bereits nahe ihrer Kapazitätsgrenze, sodass die freigewordene Maschinenzeit tatsächlich mit Aufträgen gefüllt werden kann.

Wie du den ROI tatsächlich misst Einzige verlässliche Methode: Rüstzeit je Woche in Stunden vor und nach der Einführung vergleichen, aus demselben System, für dieselbe Maschine, über mindestens acht Wochen. Ohne diesen Vorher-Nachher-Vergleich aus echten Zeiterfassungsdaten bleibt jede ROI-Berechnung Schätzung.

Drei typische Einstiegsfehler

1. Die Rüstmatrix aus dem Bauch heraus aufbauen. Der erste Reflex: Die Planer schätzen die Rüstzeiten je Kombination aus der Erfahrung. Das ist schneller als echte Messung, führt aber zu systematischen Verzerrungen. Erfahrene Fachkräfte unterschätzen Rüstvorgänge, die sie gut kennen, und überschätzen unbekannte. Die KI optimiert dann gegen falsche Basisdaten, und schlägt Sequenzen vor, die in der Praxis nicht halten.

Lösung: Mindestens vier bis sechs Wochen echte Zeiterfassung je Schritt, bevor die Rüstmatrix als Optimierungsbasis gilt. RüstPlan macht das systematisch, Tablet-basierte Erfassung mit Zeitstempel je Checklistenschritt, ohne manuelle Stoppuhr.

2. Die Optimierung ohne Betriebsrat einführen. Sobald das System schichtbezogene oder personenbezogene Leistungsdaten auswertet, und das tut praktisch jede Rüstzeiterfassung implizit, greift das Mitbestimmungsrecht. Ein System, das “zufällig” zeigt, dass Schicht B im Schnitt 20 Prozent länger rüstet als Schicht A, wird zum Arbeitsrechtsproblem, wenn niemand vorher mit dem Betriebsrat gesprochen hat.

Lösung: Betriebsrat als gleichberechtigten Partner in die Pilotplanung holen, nicht als letzten Genehmigungsschritt. Klare Vereinbarungen, was ausgewertet wird und was nicht, und wer Zugang zu welchen Berichten hat.

3. Das System einführen und messen aufhören. Das ist der gefährlichste Fehler, und der häufigste. Er passiert still: Das System läuft, die Rüstzeiten sinken in Monat 1 und 2, dann kommen Urlaubszeiten, Hochsaison, Personalwechsel. Die Rüstmatrix wird nicht aktualisiert, wenn ein neues Werkzeug hinzukommt oder ein Artikel geändert wird. Nach sechs Monaten empfiehlt der Algorithmus Reihenfolgen auf Basis veralteter Daten, und niemand merkt es, weil die erste Verbesserung als selbstverständlich gilt.

Erfahrungen aus SMED-Projekten zeigen konsistent: Teams, die keine permanente Erfassung etablieren, verlieren den Großteil des Verbesserungsgewinns innerhalb von 60–90 Tagen. Die Lösung ist keine technische, sondern eine organisatorische: Wer ist Eigentümer der Rüstmatrix? Was löst eine Aktualisierung aus? Diese Fragen müssen vor dem ersten Produktiveinsatz beantwortet sein.

Was mit der Einführung wirklich passiert, und was nicht

Die Sequenzoptimierung ist die einfache Seite. Die schwierige Seite ist der Planer.

In fast jeder Einführung gibt es diesen Moment: Das System schlägt eine Reihenfolge vor, die dem erfahrenen Planer widerspricht. Er weiß, dass Anlage 3 heute Morgen am Anschlag ist und der Algorithmus das nicht kennt. Er weiß, dass Kunde Y immer früher anruft, wenn sein Auftrag nicht pünktlich fertig ist. Er weiß Details, die keine Rüstmatrix abbildet.

Das ist kein Problem, das ist der Soll-Zustand. KI-Sequenzoptimierung ist ein Vorschlagssystem, kein Steuerungssystem. Der Plan, den das System ausgibt, ist eine Ausgangsbasis, der Planer kennt Randbedingungen, die das Modell nicht kennt. Wichtig ist nur: Wenn der Planer von der Empfehlung abweicht, sollte er wissen, was er damit kostet. “Ich weiche ab, weil Kunde Y angerufen hat” ist eine gültige Entscheidung. “Ich weiche ab, weil ich es immer so mache” ist nicht messbar.

Typische Widerstands- und Anpassungsmuster:

Die Frühadoptierer sind meist die jüngeren Mitarbeitenden und diejenigen, die bisher die meiste Zeit mit manueller Reihenfolgeplanung verbracht haben, sie erleben den Zeitgewinn sofort. Die Skeptiker sind häufig die erfahrensten Fachkräfte, die das meiste implizite Wissen haben. Wichtig: Ihr Widerstand ist wertvoll, nicht störend. Wenn sie erklären, warum sie eine bestimmte KI-Empfehlung ablehnen, liefern sie Informationen, die die Rüstmatrix verbessern. Das aktiv einzufordern, “Was fehlt dem System, das du weißt?”, ist die produktivste Nutzung ihrer Skepsis.

Was konkret hilft:

• Dem System einen Probelauf von zwei Wochen ohne Verbindlichkeit geben, Vorschläge zeigen, Planer entscheiden selbst
• Abweichungen vom Plan dokumentieren, Gründe erfassen, das ist die wichtigste Datenquelle für Modellverbesserung
• Frühzeitig klären: Der Plan ist eine Empfehlung, keine Anweisung. Der Planer bleibt verantwortlich.

Realistischer Zeitplan mit Risikohinweisen

Erfahrungswert: Wer in Woche 2 noch keine klare Pilotanlage und keine messbaren Basisdaten hat, wird in Woche 12 keinen belastbaren ROI-Nachweis haben. Die häufigste Ursache für gescheiterte Einführungen ist nicht fehlende Technologie, sondern fehlende Basisdaten.

Häufige Einwände, und was dahintersteckt

„Unsere Planer wissen das doch selbst.” Stimmt, für die Kombinationen, die sie kennen. Das Problem ist Komplexität: Ab etwa 15 verschiedenen Artikel-Konfigurationen pro Maschine gibt es mehr mögliche Tagesreihenfolgen, als ein Mensch durchrechnen kann. Die Erfahrung hilft, gute Reihenfolgen zu finden. Sie garantiert aber keine optimalen, und die Differenz zwischen “gut” und “optimal” ist messbar in Minuten pro Schicht, die sich über Wochen und Monate summieren.

„Wir haben keine Zeit, Rüstdaten zu erfassen.” Das ist der häufigste Einwand, und er beschreibt exakt die Situation, in der die Optimierung den größten Effekt hätte. Wer keine Zeit hat, Rüstzeiten zu erfassen, weiß nicht, wo die Zeit verloren geht. Ein strukturiertes System wie RüstPlan reduziert den Erfassungsaufwand auf ein Minimum (Tablet, Checklistenschritt, Zeitstempel), ohne Stoppuhr, ohne manuelle Tabelle. Die Daten entstehen als Nebenprodukt des bereits vorhandenen Rüstvorgangs.

„Das klappt nur in der Theorie, bei uns ist jeder Tag anders.” Das stimmt. Deshalb rechnet ein gutes Sequenzierungssystem täglich neu, und berücksichtigt Eilaufträge, Maschinenausfälle und Kapazitätsänderungen. Kein System liefert einen starren Wochenplan. Es liefert jeden Morgen eine aktualisierte Empfehlung. Der Planer bleibt Planer, mit besserem Ausgangsmaterial.

Woran du merkst, dass das zu dir passt

• Ihr fertigt mehr als 15 verschiedene Artikel-Konfigurationen auf mindestens einer Anlage, und die Reihenfolge der Aufträge wird täglich manuell geplant
• Rüstzeiten machen mehr als 8 Prozent der verfügbaren Maschinenzeit aus, das ist die Schwelle, ab der Sequenzoptimierung typischerweise einen messbaren Effekt zeigt
• Auftragsvolumen und Auslastung lassen es zu, dass freigewordene Maschinenzeit mit echten Aufträgen gefüllt wird, nicht als Puffer in einer bereits unterlasteten Anlage
• Ihr habt ein bestehendes ERP oder MES, in dem Fertigungsaufträge mit geplanten Rüstzeiten erfasst werden, die Rüstmatrix hat damit eine Grundlage
• Mindestens eine Person hat Zeit, die erste Erfassungsphase zu begleiten, das System lernt aus Daten, aber jemand muss die Daten freigeben und die Matrix validieren

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

1. Unter fünf verschiedenen Artikel-Konfigurationen pro Maschine. Wer im Wesentlichen drei bis vier Varianten produziert, hat so wenige mögliche Reihenfolgen, dass ein erfahrener Planer sie im Kopf hat. Sequenzoptimierung ist für diesen Fall überdimensioniert, das Potenzial rechtfertigt weder den Erfassungsaufwand noch die Werkzeugkosten.

2. Keine historischen Rüstzeiten und kein System für die Erfassung vorgesehen. KI kann keine Rüstmatrix aus dem Nichts lernen. Wer noch keine strukturierten Zeitdaten hat und auch nicht bereit ist, sechs bis acht Wochen lang systematisch zu erfassen, bekommt von keinem System verwertbare Optimierungsempfehlungen. Der erste Schritt wäre dann nicht KI, sondern ein einfaches digitales Checklisten-Tool, das dann die Datenbasis schafft.

3. Anlagenauslastung unter 70 Prozent. Wenn deine Maschinen ohnehin Zeit haben, ist freigewonnene Rüstzeit kein Kapazitätsgewinn, sie verlängert die Leerlaufzeit. Der Hebel funktioniert nur, wenn die gewonnene Maschinenzeit mit Aufträgen gefüllt werden kann. Für unterlastete Betriebe ist KI-gestütztes Lieferantenmanagement oder Vertriebsunterstützung durch KI-gestützte Angebotskalkulation oft der relevanere Hebel.

Das kannst du heute noch tun

Starte mit einer Potenzialrechnung, die keine Software braucht. Hol die letzten drei Wochen Schichtprotokolle oder Maschinendaten und ermittle:

• Wie viele Rüstvorgänge pro Woche auf deiner kritischsten Anlage?
• Wie lange dauert die Rüstung durchschnittlich?
• Gibt es Muster, bestimmte Übergänge, die deutlich länger dauern?

Falls du keine strukturierten Daten hast: Erfasse eine Woche lang manuell (Schichtleiter mit Stoppuhr oder Tablet). Diese Woche Aufwand zeigt dir, ob das Potenzial groß genug für einen Software-Einsatz ist.

Für die erste KI-Analyse kannst du die gesammelten Daten auch in ein LLM geben und dir helfen lassen, Muster zu identifizieren. Hier ist ein Prompt, den du direkt nutzen kannst:

Quellen & Methodik

• Rüstzeitanteil 10–20 % an Maschinenkapazität; Hemmnisse 29 % Mitarbeiterbereitschaft, 26 % Wissensmangel: Institut für angewandte Arbeitswissenschaft e. V. (ifaa), „Zahlen Daten Fakten: Rüstzeitoptimierung”, Broschüre, Stand 2023. arbeitswissenschaft.net
• Cipla India: 22 % Reduktion der Rüstdauern durch KI-Sequenzplanung: Fallstudie dokumentiert bei SCW.AI und Colrows (Consulting-Case), Batchfertigung Pharma, Indore, ca. 2023. scw.ai/blog/changeover-time/
• SMED-Workshops erreichen 50–70 % Rüstzeitreduktion: Kaizen Institute und SMED-Videoanalyse.de, Praxisberichte, Stand 2024/2025. kaizen.com/insights/smed-reduce-changeover-boost-efficiency/
• Rüstzeitmatrix und Datenqualitätsprobleme: Nachweise aus REFA-Methodenlehre und IT&Production, „Rüstzeitoptimierung durch Artikelklassifizierung”, Stand 2024.
• RüstPlan Preisstruktur: Veröffentlichte Tarife des Anbieters (Starter 32 €, Professional 66 €, Enterprise 124 €/Monat), Stand Mai 2026. ruestzeitoptimierung.de
• Preactor APS, Asprova APS, Siemens Opcenter APS: Preisangaben aus Anbieter-Dokumentation und Branchenrecherche (Stand April 2026). Asprova-Marktanteil Japan: eigene Angabe des Anbieters.
• Failure-Mode Messunterbrechung: Erfahrungsberichte aus SMED-Projekten; Kaizen Institute: Kaizen-Events mit Rückfall innerhalb 60–90 Tage ohne permanente Messinfrastruktur, 2024.
• Scoring-Kalibrierung: Relative Einordnung gegenüber den anderen Anwendungsfällen der Branche produktion auf ki-syndikat.de, Stand Mai 2026.

Du willst wissen, welche Maschinengruppe bei euch das größte Sequenzoptimierungspotenzial hat, und ob das Budget dafür steht? Meld dich, das rechnen wir gemeinsam durch.