Formatwechsel-Effizienzanalyse

Das echte Ausmaß des Problems

Rüst- und Formatwechselzeiten machen in der Verpackungsindustrie einen erheblichen Teil der nicht-produktiven Zeit aus. In durchschnittlichen Verpackungsbetrieben ohne aktives SMED-Programm dauern Formatwechsel 45 Minuten — in Best-in-class-Betrieben sind es 17 Minuten für vergleichbare Wechsel (laut Shoplogix-Benchmark 2024 aus Daten von über 200 Verpackungslinien). Diese 28 Minuten Unterschied klingen nach Details. Bei fünf Wechseln täglich sind es über zwei Stunden gewonnene Produktionszeit — jeden Tag.

Der strukturelle Kern des Problems: Rüstzeiten werden in den meisten Betrieben als aggregierter Durchschnitt erfasst, nicht nach Format, Richtung und Bediener differenziert. Das ist, als würde ein Arzt sagen „der Durchschnitt aller Patienten ist 37,2 Grad” — vollständig korrekt und vollständig wertlos für die Diagnose.

Was in der Praxis typischerweise verborgen bleibt:

• Richtungsasymmetrie: Wechsel von A nach B dauern oft deutlich länger als von B nach A — wegen mechanischer Eigenschaften der Maschine, nicht wegen menschlicher Fehler. Diese Asymmetrie bestimmt die optimale Sequenz stärker als die einzelnen Rüstzeiten.
• Bedienervarianz: Akademische Untersuchungen mit Überlebenszeitanalysen auf Produktionsdaten (Kaciuk et al., ScienceDirect 2021) zeigen, dass operator-abhängige Rüstzeiten bei vergleichbaren Wechseln um 30–40 % variieren können — oft mehr als die Formatvarianz selbst.
• Vorbereitungseffekte: Welche Vorbereitungsschritte wurden vor dem Wechsel erledigt? In Betrieben ohne systematische Erfassung ist das unsichtbar — und damit nicht wiederholbar.
• Sequenzeffekte: Zwei Formatwechsel hintereinander können schneller sein als derselbe erste Wechsel gefolgt von einem anderen, weil das Zwischenformat als Brücke funktioniert. Diese Effekte summieren sich über den Tag.

Lohnabfüller und In-house-Verpackungsabteilungen mit mehr als fünf Formatwechseln täglich verlieren nach konservativer Schätzung 15–25 % ihrer theoretischen Linienkapazität durch suboptimale Rüstzeiten. Bezogen auf eine Hochgeschwindigkeitslinie mit Ausfallkosten von 1.000 Euro pro Stunde sind das schnell 10.000–20.000 Euro pro Monat — und niemand hat eine Rechnung ausgestellt.

Mit vs. ohne KI — ein ehrlicher Vergleich

Der Effizienzgewinn durch datenbasierte Sequenzoptimierung lag laut Taktora.ai (2025) in Partnerwerken bei bis zu 50 % kürzerer Rüstzeit — wobei der Löwenanteil nicht durch schnellere Einzelwechsel entstand, sondern durch intelligentere Reihenfolge, die teure Wechselpaare vermied.

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5) Unter den bisher verglichenen Verpackungs-Anwendungsfällen ist das der stärkste direkte Zeithebel. Formatwechsel sind in Betrieben mit fünf oder mehr Wechseln täglich der größte einzelne Block nicht-produktiver Zeit. Wer durch optimierte Sequenz zwei bis drei Wechsel täglich eliminiert oder verkürzt, gewinnt täglich 60–120 Minuten Linienkapazität zurück — und das an jeder betroffenen Linie. Der Effekt ist mess- und buchbar.

Kosteneinsparung — hoch (4/5) Jede Minute Rüstzeit an einer Hochgeschwindigkeitslinie kostet Geld — nicht nur entgangene Produktion, sondern auch Energie, Personal und bei Lohnabfüllern oft direkte Vertragsstrafen bei Verzögerungen. Factbird und vergleichbare OEE-Systeme zeigen regelmäßig, dass Rüstzeiten 20–30 % der gesamten Anlagenverluste ausmachen. Nicht so direkt messbar wie eine physisch vermiedene Maschinenstillstandsstunde, aber signifikant und nachweisbar. Kleiner Abzug: Der Nutzen hängt davon ab, dass die Bediener die optimierte Sequenz auch einhalten — dazu gleich mehr.

Schnelle Umsetzung — mittel (3/5) Du kannst in vier bis acht Wochen einen Piloten aufbauen, wenn die Rüstdaten strukturiert vorliegen. Aber: Belastbare Muster pro Formatpaar entstehen erst, wenn ausreichend Wiederholungen vorliegen — erfahrungsgemäß nach drei bis sechs Monaten. Das Tool ist schnell konfiguriert; die Analyse braucht Datenreife. Weder so schnell wie ein einfaches OEE-Dashboard, noch so langwierig wie ein vollständiges MES-Projekt.

ROI-Sicherheit — niedrig (2/5) Das ist die ehrlichste Einschätzung in dieser Kategorie. Die Analyse zeigt dir präzise, wo das Potenzial liegt. Aber ob das Potenzial auch gehoben wird, hängt von der Disziplin der Schichtplanung, der Akzeptanz der Bediener und der konsequenten Nutzung der Sequenzempfehlungen ab. Ein Betrieb, der die Analyse macht aber die Empfehlungen ignoriert, spart nichts. Das System liefert Wissen — die Umsetzung bleibt Führungsaufgabe.

Skalierbarkeit — niedrig (2/5) Jede neue Linie und jedes neue Format muss seinen eigenen Datenstamm aufbauen. Eine Analyse, die für Linie 3 drei Monate an Daten benötigt, braucht für Linie 4 nochmal drei Monate. Wer zehn Linien hat, bekommt kein Quersubsidierungsmodell — das Modell ist linienspezifisch. Auch: Wenn das Produktsortiment stark wächst, steigt die Zahl der Formatpaare quadratisch, nicht linear.

Richtwerte — stark abhängig von Linientyp, Wechselhäufigkeit und Datenqualität.

SMED: Was Single-Minute Exchange of Die bedeutet — und wo KI ansetzt

SMED steht für Single-Minute Exchange of Die und ist eine Lean-Methode aus dem Werkzeugmaschinenbau der 1950er-Jahre: der Anspruch, jeden Rüstvorgang in unter zehn Minuten zu erledigen. Das Kernprinzip ist einfach — trenne interne Tätigkeiten (Maschine steht still) von externen (können vor dem Stillstand vorbereitet werden) und minimiere dann beides separat.

Was SMED allein nicht lösen kann: Es optimiert den einzelnen Wechsel — aber nicht die Reihenfolge, in der Wechsel stattfinden. Ein Betrieb mit fünf möglichen Formatwechseln hat theoretisch 120 verschiedene Tagesreihenfolgen. SMED sagt dir nicht, welche davon am günstigsten ist.

Genau hier setzt Machine Learning an:

1. Mustererkennung auf historischen Daten: Das System analysiert alle vergangenen Rüstungen — nach Formatpaar, Bediener, Schicht, Wochentag, Vorläufer-Format — und erkennt, welche Kombinationen systematisch schneller oder langsamer sind als der Durchschnitt.

2. Transition-Matrix-Aufbau: Für jedes Formatpaar A→B wird eine empirische Rüstzeit errechnet. Diese Matrix ist der Kern der Sequenzoptimierung — ähnlich einem Traveling-Salesman-Problem, aber für den Tagesplan.

3. Priorisierungshinweis für SMED: Nicht alle Wechsel verdienen gleich viel Aufmerksamkeit. Das System zeigt, bei welchen drei bis vier Paaren das Potenzial am größten ist — dort lohnt sich das klassische SMED-Video-Analyse-Projekt am meisten.

KI ersetzt SMED hier also nicht. Sie zeigt, wo SMED zuerst ansetzen soll — und sie macht die Reihenfolge sichtbar, die ohne Daten niemand berechnen kann.

Was die Analyse konkret macht

Das technische Vorgehen lässt sich in drei Schichten denken:

Schicht 1 — Datenaufbereitung: Aus dem ERP, MES oder OEE-System werden alle protokollierten Rüstungen der letzten 12–24 Monate extrahiert. Jeder Eintrag enthält mindestens: Start- und Endzeitpunkt, Format vorher, Format nachher. Ideal kommen noch dazu: Bediener-ID, Schicht, ob eine Rüstanweisung genutzt wurde. Diese Daten werden bereinigt — Ausreißer durch Pausenunterbrechungen, fehlerhafte Protokolle, Maschinenstillstände.

Schicht 2 — Statistische Zerlegung: Die Gesamtvarianz der Rüstzeiten wird in Komponenten zerlegt: Formateffekt (manche Paare sind intrinsisch länger), Bedienereffekt (systematische Unterschiede zwischen Personen), Schichteffekt (Morgen vs. Nacht), Sequenzeffekt (was lief vorher). Das ist klassische Varianzanalyse, keine schwarze Box. Das Ergebnis sind belastbare Zahlen: Format A→B dauert strukturell 23 Minuten bei Bediener X, aber 34 Minuten bei Bediener Y — und das hat nichts mit Faulheit zu tun, sondern mit einer fehlenden Vorbereitungsroutine.

Schicht 3 — Sequenzoptimierung: Auf Basis der Transition-Matrix löst ein Optimierungsalgorithmus (genetisch oder als Nearest-Neighbor-Heuristik) das Sequenzproblem für den Tagesplan: Welche Reihenfolge der 12 geplanten Aufträge minimiert die Gesamtrüstzeit? Das Ergebnis ist eine konkrete Empfehlung, die der Schichtleiter direkt in die Planung übernehmen — oder bewusst abweichen — kann.

Changeover-Sequenzoptimierung: Wenn die Reihenfolge alles ist

Hier liegt der am meisten unterschätzte Hebel dieser Analyse.

Ein konkretes Beispiel: Ein Lohnabfüller muss täglich Aufträge für Formate A, B, C, D und E produzieren. Die Rüstzeiten der einzelnen Paare sind bekannt. Wechsel B→D dauert 45 Minuten, D→B nur 12 — weil die Maschine in einer Richtung umgebaut werden muss, in der anderen aber nur justiert wird. Wer die Reihenfolge …B→D→… plant, verliert 45 Minuten. Wer …D→B→… plant, verliert 12.

Über fünf Formatwechsel täglich und 20 Arbeitstage im Monat ist das Potenzial erheblich — nicht durch schnelleres Rüsten, sondern durch das Vermeiden teurer Paare. Mosca (Gerd Mosca AG, Waldbrunn) hat 2023/2024 zusammen mit dem Berliner Startup One Thousand genau diesen Ansatz — Smart Sequencing mit genetischen Algorithmen — für ihre Produktion eingeführt: 800 Fertigungsaufträge täglich werden automatisch sequenziert, Rüstzeiten sanken um bis zu 20 %, ROI in sechs Monaten (neue-verpackung.de, 2024).

Das klingt nach großem IT-Projekt. Ist es nicht zwingend: Mit RüstPlan ist eine einfache Sequenzoptimierung für KMU ab 32 Euro pro Monat verfügbar, ohne MES-Anbindung. Die Analyse läuft auf den manuell erfassten Rüstchecklisten. Wer das Potenzial zuerst verstehen will, bevor er in Software investiert, kann die Transition-Matrix für drei bis vier häufige Formatpaare auch manuell in einer Tabelle aufbauen — das reicht für erste Erkenntnisse.

Menschlicher Faktor: Was die Varianzanalyse über Schichten und Bediener zeigt

Das ist der politisch heikelste Teil der Analyse — und zugleich der wertvollste.

Wenn das System zeigt, dass Bediener M. Schulte denselben Wechsel in 19 Minuten schafft und sein Kollege in 41 Minuten, ist das keine Kritik an einer Person. Es ist ein Hinweis auf einen Wissenstransfer, der nicht stattgefunden hat. Wer fragt: „Was macht er anders?”, erhält oft überraschend simple Antworten: eine andere Reihenfolge beim Schrauben, ein Werkzeug, das immer griffbereit liegt, ein Check-Schritt, der die Nachjustierung erspart.

Die ScienceDirect-Studie zur Überlebenszeitanalyse von Maschinenwechseln (Kaciuk et al., 2021) belegt das statistisch: Operator-abhängige Effekte auf Rüstzeiten sind in vielen Betrieben größer als Format-Effekte. Das bedeutet: Man investiert in Maschinen-Umbaumaßnahmen, obwohl das eigentliche Problem eine fehlende Schulung ist.

Wie du damit umgehst:

Das Ergebnis darf keine öffentliche Rangliste sein. Zeige die Analyse dem Team als Ganzes: „Wir haben Unterschiede gefunden. Wir wollen wissen, warum — nicht wer. Die schnellen Kollegen zeigen den anderen, wie sie es machen.”

Praktisch: Videoaufnahme einer Rüstung durch die schnelle Person, Auswertung mit dem Team im Shopfloor-Meeting. Daraus entsteht eine aktualisierte Rüstanweisung — nicht als Disziplinarmaßnahme, sondern als kollektive Wissensdokumentation.

Dieser Teil der Analyse ist erfahrungsgemäß der, der den größten dauerhaften Unterschied macht — weil er Wissen aus Köpfen in Prozesse überträgt.

Konkrete Werkzeuge — was wann passt

Factbird — wenn OEE und Rüstzeitmessung der erste Schritt ist Für Betriebe ohne maschinennahe Datenerfassung ist Factbird der empfehlenswerte Einstieg: Der Hardware-Sensor klemmt in 30–60 Minuten an jede Maschine und erfasst automatisch Produktions-, Stillstands- und Rüstphasen — keine manuelle Stoppuhr, kein MES. Auf Basis dieser Daten lässt sich nach vier bis acht Wochen die erste belastbare Rüstzeitanalyse per Format und Schicht fahren. Preis auf Anfrage, typisch ab 200–400 Euro/Monat pro Linie (Hardware + Software). Factbird ist besonders in der Lebensmittel- und Verpackungsbranche erprobt.

RüstPlan — wenn SMED-Checklisten und Sequenzoptimierung im Mittelpunkt stehen Für Betriebe, die Rüstzeiten bereits messen oder mit digitalen Checklisten beginnen wollen: RüstPlan erfasst jeden Rüstschritt zeitgestempelt und liefert täglich eine KI-berechnete Reihenfolgeoptimierung. Kein MES, keine IT-Abteilung nötig. Starter 32 Euro/Monat (bis 5 Maschinen), Professional 66 Euro/Monat (bis 20 Maschinen). Hauptfokus liegt auf Metall- und Kunststoffverarbeitung — für Verpackungsbetriebe verwendbar, aber weniger branchenspezifisch kalibriert.

KNIME oder Python — wenn eine maßgeschneiderte Analyse auf vorhandenen Daten gebaut werden soll Betriebe mit mehreren Jahren Rüsthistorie im ERP (SAP, Microsoft Dynamics) können mit KNIME (kostenfrei, no-code) oder Python (kostenfrei, code-basiert) eine eigene Varianzanalyse aufbauen. Das ist flexibler und billiger als spezialisierte Tools — erfordert aber jemanden, der die Analyse konzipiert und aufsetzt. Typischer Aufwand: 3–8 Tage Analyse plus 1–2 Tage Einrichtung, wenn die Daten sauber vorliegen.

Power BI — für die Visualisierung der Ergebnisse Unabhängig vom Analysetool empfiehlt sich Power BI (kostenfrei als Desktop-Version) für das Dashboard, das die Sequenzmatrix und Rüstzeittrends visualisiert. Im Microsoft-365-Umfeld ist es direkt integriert und kann von der Schichtleitung ohne IT-Hilfe bedient werden.

Zusammenfassung: Wann welcher Ansatz

• Keine maschinennahe Datenerfassung vorhanden → Factbird zuerst
• Checklisten und Sequenzoptimierung ohne IT-Projekt → RüstPlan
• Vorhandene ERP-Daten, analytische Ressource intern → KNIME oder Python
• Dashboard für Schichtleitung → Power BI

Datenschutz und Datenhaltung

Rüstdaten enthalten in der Regel keine personenbezogenen Daten im engeren Sinn — Maschinenzeiten, Formatnummern und Auftragsdaten unterliegen grundsätzlich nicht der DSGVO. Wird allerdings die Bediener-ID oder ein persönliches Kürzel protokolliert, um Bedienervarianz zu analysieren, ändert sich das.

Wenn Bediener-IDs im Datensatz sind: Sobald Rüstzeiten einer bestimmten Person zugeordnet werden können, handelt es sich um Beschäftigtendaten nach Art. 88 DSGVO. Das bedeutet:

• Betriebsrat oder Mitarbeitendenvertretung muss vor der Auswertung einbezogen werden — nicht nachträglich
• Zweckbindung: Die Daten dürfen nur zur Prozessverbesserung genutzt werden, nicht zur Leistungsbeurteilung einzelner Personen
• Transparenz: Bediener müssen wissen, dass ihre Rüstzeiten erfasst und ausgewertet werden
• Aggregation als Datenschutz: In der Praxis bewährt sich die Darstellung auf Teamebene (Schicht A vs. Schicht B) statt auf Personenebene

Cloudbasierte Werkzeuge: Factbird verarbeitet Daten EU-seitig und bietet DSGVO-konforme Datenverarbeitung. Wenn du KNIME on-premise betreibst oder die Analyse auf einem lokalen Rechner mit Python durchführst, verlassen Produktionsdaten das Unternehmen gar nicht. Power BI mit EU Data Boundary bleibt in europäischen Microsoft-Rechenzentren.

Empfehlung für sensible Betriebe: Rüstdaten zuerst anonymisiert analysieren (Bediener als „Schicht A/B/C” statt Namen), bevor die personenbezogene Ebene hinzugezogen wird. Das reicht oft für 80 % der Erkenntnisse.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Datenextraktion aus dem ERP und Bereinigung: 2–5 Tage interne Arbeit oder 2.000–4.000 Euro extern
• Analyseaufbau (KNIME oder Python): 3–8 Tage bei vorhandenen Daten — entfällt bei spezialisierten Tools
• Pilot mit Factbird oder RüstPlan: 200–500 Euro Einrichtungsaufwand

Laufende Kosten (monatlich)

• Factbird: ca. 200–400 Euro/Monat pro Linie (Sensor + Software)
• RüstPlan: 32–124 Euro/Monat je nach Maschinenanzahl
• KNIME Desktop + Power BI Desktop: kostenlos; nur Infrastrukturkosten

Wie du den Nutzen tatsächlich misst Definiere vor dem Piloten einen Messzeitraum und halte folgendes fest: durchschnittliche Rüstzeit pro Format A→B, Gesamtrüstminuten pro Tag, Varianz zwischen Schichten. Nach drei Monaten mit der neuen Sequenzempfehlung wiederholst du dieselbe Messung. Wer das nicht vor dem Start tut, hat sechs Monate später keine valide Vorher-Basis mehr.

Was du dagegenrechnen kannst Eine Verpackungslinie mit 500 Euro Ausfallkosten pro Stunde und täglich 180 Minuten Rüstzeit verliert 1.500 Euro täglich. Eine 20-prozentige Rüstzeitreduktion spart 300 Euro täglich, 6.000 Euro pro Monat. Selbst im konservativen Szenario (10 % Reduktion, tatsächlich nur an 70 % der Tage umgesetzt) sind das gut 2.000 Euro monatliche Einsparung — mehr als das Zehnfache der Toolkosten. Die Rechnung steht und fällt mit der Linienausfallrate: Je teurer die Stillstandstunde, desto schneller der ROI.

Typische Einstiegsfehler

1. Die Analyse starten, bevor die Basisdaten sauber sind. Rüstzeiten, die im ERP auf 5-Minuten-Intervalle gerundet wurden, oder Protokolle, bei denen die Schicht schlicht „Rüstung: 45 min” eingetragen hat ohne Start- und Endzeitpunkt, machen eine Varianzanalyse unzuverlässig. Wer 30 % seiner Einträge auf dem Niveau „irgendwann zwischen Schichtbeginn und erstem Auftrag” hat, hat kein analytisches Problem, sondern ein Erfassungsproblem. Das zuerst lösen.

2. Den Sequenzvorschlag als Empfehlung kommunizieren — nicht als Pflicht. Dann wird er bei Zeitdruck ignoriert. Wenn der Schichtleiter unter Stress auf die gewohnte Reihenfolge zurückfällt, weil „das schneller geht”, hat der Vorschlag keine Chance. Lösung: Die Sequenzempfehlung in die Schichtübergabe integrieren und klarmachen, warum abgewichen werden darf — aber dokumentiert werden muss, damit der Effekt messbar bleibt.

3. Die Bedienervarianzdaten falsch kommunizieren. Ein öffentliches Ranking „Wer rüstet am schnellsten?” zerstört Vertrauen. Wenn das Team glaubt, die Analyse diene der Bewertung von Einzelpersonen, werden Rüstzeiten bewusst oder unbewusst manipuliert — und das Datenfundament der Analyse erodiert. Korrekte Rahmung: „Wir wollen wissen, was die schnelle Schicht anders macht, damit alle davon lernen können.”

4. Das Modell wird eingerichtet und dann nicht aktualisiert. Das ist der stille Killer. Wenn ein neues Format ins Sortiment kommt, ein neuer Bediener eingestellt wird oder eine Maschine umgebaut wird, ändert sich die Transition-Matrix. Wer die Analyse einmalig macht und zwei Jahre lang darauf aufbaut, gibt Empfehlungen auf veralteter Datenbasis — schlimmer als keine Empfehlung, weil sie als valide gilt. Faustregel: Quartalsmäßige Neuberechnung, bei jedem Sortimentswechsel sofortiger Review.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist das Einfachste. Die Reibung liegt anderswo.

Die Skepsis der erfahrenen Schichtleiter. Wer seit zehn Jahren die Reihenfolge nach Bauchgefühl plant und damit gute Ergebnisse erzielt, wird einer Algorithmus-Empfehlung nicht sofort folgen. Das ist kein Versagen des Systems — es ist rationale Vorsicht. Was hilft: Den erfahrenen Schichtleiter beim Aufbau der Transition-Matrix einbinden. Er kennt die Richtungsasymmetrien oft aus Erfahrung. Wenn das Modell seine Intuition bestätigt und quantifiziert, wird er zum Fürsprecher — nicht zum Skeptiker.

Die Schnittstelle zur Produktionsplanung. Die Sequenzempfehlung nützt nichts, wenn sie täglich manuell in den Schichtplan übertragen werden muss und dieser Schritt regelmäßig ausfällt. Die technische Integration in das Planungssystem (ERP-Kopplung oder zumindest eine automatisierte Export-Datei) ist oft der entscheidende Schritt zwischen „wir wissen es” und „wir machen es”.

Der Pilot auf einer Linie. Starte mit einer Linie, nicht mit dem gesamten Betrieb. Wähle die Linie mit den meisten Formatwechseln pro Tag und den besten Daten. Drei Monate reichen für erste belastbare Erkenntnisse und — wenn die Rüstzeiten tatsächlich sinken — für eine überzeugende interne Erfolgsgeschichte, die den Rollout auf andere Linien unterstützt.

Was konkret hilft:

• Bediener als Co-Designer einbinden: Sie kennen die Stolperstellen besser als jedes Modell
• Messbarkeit von Anfang an klären: Was gilt als Erfolg? Ab wann wäre das kein Erfolg?
• Einen Schichtleiter als Projektverantwortlichen benennen — nicht die IT

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir haben das im Griff — unser Schichtleiter kennt die Reihenfolge auswendig.” Das ist häufig sogar wahr. Und es ist das größte Risiko: Das Wissen steckt in einer Person. Wenn der Schichtleiter krank ist, wechselt oder in Rente geht, fehlt die Sequenzintelligenz des Betriebs. Die Analyse macht dieses implizite Wissen explizit — und schützt es für den Betrieb. Das ist kein Misstrauensvotum gegenüber der erfahrenen Person, sondern Versicherung gegen deren Abwesenheit.

„Wir haben die Daten nicht.” Wenn kein OEE-System und kein MES vorhanden ist, stimmt das. Dann ist der erste Schritt nicht die Analyse, sondern die Erfassung — mit einem Sensor wie Factbird oder mit digitalen Checklisten wie RüstPlan. Vier bis acht Wochen Datenerfassung reichen für eine erste orientierende Auswertung. Wer die Analyse komplett ohne Investition testen will: Drei Wochen manuell jeden Rüstvorgang mit Stoppuhr und einer Tabelle dokumentieren — das gibt mehr Erkenntnisse als drei Jahre Durchschnittsberichte.

„Das bringt doch nur 20 Prozent.” Nur 20 Prozent. Bei einer Linie mit 1.000 Euro Ausfallkosten pro Stunde und 180 Minuten täglicher Rüstzeit sind das 6.000 Euro monatliche Einsparung — bei Softwarekosten von unter 200 Euro. Der Einwand entsteht aus einem Vergleich mit dem theoretischen Maximalziel. Der relevante Vergleich ist: Was kostet es, wenn wir es nicht machen?

Woran du merkst, dass das zu dir passt

• Du hast täglich fünf oder mehr Formatwechsel — nur dann entstehen ausreichend Daten für eine belastbare Analyse und ausreichend Sequenzoptimierungspotenzial
• Deine Rüstzeiten variieren stark zwischen vergleichbaren Wechseln — 20-Minuten-Unterschied für dasselbe Formatpaar je nach Schicht oder Bediener sind kein Zufall, sondern ein Signal
• Deine Produktionsplanung ordnet Aufträge nach Liefertermin oder Auftragsnummer — nicht nach Rüstreihenfolge. Damit liegt das größte Optimierungspotenzial oft direkt in der Planung, nicht in der Maschine
• Du bist Lohnabfüller oder In-house-Verpackungsabteilung mit mindestens einer dedizierten Verpackungslinie, auf der regelmäßig unterschiedliche Produkte laufen
• Du hast mindestens 12 Monate Rüsthistorie digital verfügbar — oder kannst ab sofort beginnen, sie systematisch zu erfassen

Wann du es (noch) nicht tun solltest — drei harte Ausschlusskriterien:

1. Weniger als drei bis vier Formatwechsel täglich. Jedes Formatpaar braucht mindestens 20–30 Wiederholungen für statistisch belastbare Erkenntnisse. Bei zwei Wechseln täglich dauert die Datenbeschaffung für ein einzelnes Paar über vier Monate. Das ist unwirtschaftlich — SMED-Kaizen ohne Daten bringt hier schneller Ergebnisse.

2. Kein standardisierter Rüstprozess vorhanden. Wenn jeder Bediener den Wechsel in einer anderen Reihenfolge und mit unterschiedlichen Werkzeugen durchführt, misst das Modell die Varianz menschlicher Improvisationstalente — nicht Formateffekte. Eine Analyse auf unstrukturierten Prozessen produziert unstrukturierte Erkenntnisse. Zuerst einen Standard etablieren, dann messen.

3. Rüstzeiten werden nur auf Papier oder gar nicht erfasst. Handschriftliche Logbücher haben eine Fehlerrate von 30–40 % (Rundungen auf 5-Minuten-Intervalle, vergessene Einträge, ex-post Rekonstruktionen). Das reicht für eine grobe Übersicht, nicht für Varianzanalyse. Wer ohne elektronische Erfassung startet, investiert drei Monate in Daten, die die Analyse nicht tragen.

Das kannst du heute noch tun

Nimm die Rüstdaten der letzten sechs Monate aus deinem ERP oder deiner Schichtdokumentation — auch wenn sie nicht perfekt sind. Exportiere sie als Tabelle mit vier Spalten: Datum, Format vorher, Format nachher, Rüstdauer in Minuten. Dann stelle dieser Tabelle folgende Fragen (mit dem folgenden Prompt, in ChatGPT oder Claude):

Das dauert eine halbe Stunde. Was du danach weißt: ob das Potenzial groß genug ist, um in eine systematische Erfassung und Analyse zu investieren — bevor du einen Cent für Software ausgibst.

Quellen & Methodik

• Rüstzeit-Benchmark-Daten (Verpackung): Shoplogix, „Changeover Time Reduction in Packaging Production: 8 Best Strategies” (2024): Median-Rüstzeit Food & Beverage 10 Minuten, Laggards 50 Minuten; Best-in-class allgemein 17 Minuten. Abrufbar unter shoplogix.com.
• Mosca Smart Sequencing Case Study: Neue Verpackung, „Intelligente Maschinen: weniger Rüstzeit, mehr Effizienz” (2024): Mosca + One Thousand, genetische Algorithmen, 800 Aufträge täglich, 20 % Rüstzeitreduktion, ROI in 6 Monaten. Abrufbar unter neue-verpackung.de.
• Bedienervarianz-Analyse: Kaciuk et al., „Estimation of machine setup and changeover times by survival analysis”, ScienceDirect (2021): Produkt- und bedienerabhängige Überlebenszeitanalyse auf Maschinenwechseldaten; operator-abhängige Effekte messbar und oft größer als Format-Effekte.
• Sequenzoptimierungspotenzial: Taktora.ai, „Reduce Changeover Time by Optimizing Sequence, not just SOPs” (2025): Partnerwerke berichten bis zu 50 % Rüstzeitreduktion durch Sequenzoptimierung; Vergleich SOPs vs. Sequenz als Haupthebel.
• Preisangaben: RüstPlan (ruestzeitoptimierung.de, Stand April 2026): Starter 32 €/Monat, Professional 66 €/Monat, Enterprise 124 €/Monat. Factbird (factbird.com): Preise auf Anfrage, Erfahrungswerte 200–400 €/Monat pro Linie.
• SMED-Methodologie: Grundlagen: Shigeo Shingo, „A Revolution in Manufacturing: The SMED System” (1985). Aktuelle Praxisanwendung: diverse Lean-Praktiker-Berichte, Kaizen Institute (2024).

Du willst wissen, wie groß das Optimierungspotenzial in eurem Betrieb konkret ist — und welche Linien zuerst angegangen werden sollten? Meld dich — das lässt sich oft mit einer halben Stunde Datensichtung eingrenzen.