Hallo und herzlich willkommen zum zweiten Teil unserer AHA!-Reihe. Hier knipsen wir die Lichter in der KI-Begriffswelt der Produktion an. Machine Learning stand bereits im Rampenlicht. Jetzt folgt Decision Intelligence (DI). Mit künstlicher Entscheidungsintelligenz treffen Unternehmen operative Entscheidungen schneller, konsistenter und kosteneffizienter. Das Sechs-Maschinenbeispiel macht in diesem Blog sichtbar, wie ein Advanced-Planning and Scheduling-System (APS) mithilfe von DI aus unzähligen Möglichkeiten den besten Produktionsplan berechnet. Die dahintersteckende mathematische Optimierung steigert die Produktivität, verringert Durchlaufzeiten und senkt Gemeinkosten.

Decision Intelligence ist ein neuzeitlicher KI-Begriff dessen Ursprung weit zurückreicht. Wir, der Aachener Softwareentwickler INFORM, setzen Decision Intelligence seit über 50 Jahren als Kernfunktion unserer Softwarelösungen ein. Unsere vielfältigen Tools ermöglichen eine ganzheitliche Lösung, zum Beispiel für die Produktion, Flughäfen oder in der Logistik. Die Methode verbindet digitale Analysefähigkeiten mit Entscheidungslogik und eröffnet dadurch sofort umsetzbare Handlungsoptionen. In komplexen und dynamischen Umfeldern – etwa bei Zeitdruck, begrenzten Ressourcen oder sich ändernden Prioritäten – verknüpfen Softwaresysteme mithilfe von DI eine Vielzahl von Einflussfaktoren. Das Ergebnis ist eine ganzheitliche Entscheidungsgrundlage, die das operative Gesamtoptimum immer im Blick behält.
 

Herausforderungen in der Produktionsplanung meistern

Gerade im Maschinen- und Anlagenbau zeigt sich, wie wertvoll Decision Intelligence ist. Das Hauptziel lautet hier: pünktlich ausliefern. Dafür müssen Maschinen, Mitarbeitende mit unterschiedlichen Qualifikationen, Schichtmodelle und eine Vielzahl paralleler Aufträge so koordiniert werden, dass alles zur richtigen Zeit am richtigen Ort ist. Wie das funktioniert? Durch die mathematische Optimierung der Fertigungsreihenfolge innerhalb eines Advanced Planning and Scheduling Systems (APS-System) – demonstriert am Sechs-Maschinen-Beispiel. Ein APS-System bewältigt die operativen Planungsherausforderungen in der Produktion, Logistik und im Supply Chain Management. Die Software ergänzt das Enterprise Resource Planning (ERP)-System des Unternehmens. Planungsaufgaben entlang der gesamten Wertschöpfungskette sind sein Metier. Teil der Lösung sind Prognose- und Simulationsmodelle. Dahinter stecken Operations-Research-Algorithmen. 

Damit Decision Intelligence greifbar wird, zäumen wir das Pferd von hinten auf und zeigen zunächst, wie es ohne KI läuft – mit einem beispielhaften Blick in den Shopfloor der Max Mustermann GmbH. Die Werkshalle umfasst drei Fertigungsbereiche mit je zwei Arbeitsplätzen und sechs Maschinen. Drei Aufträge liegen gerade vor. Die Fertigung eines Förderband-Moduls hat die höchste Priorität A, eine Hydraulikpressen-Einheit die zweithöchste Priorität B und ein Präzionsmischer die dritthöchste Priorität C.

Die Bedingung: Pro Arbeitsplatz kann nur ein Auftrag pro Tag bearbeitet werden. Ziel des Vertriebs ist es, dass alle Aufträge in drei Tagen fertig sein müssen. Die Arbeitspläne sind vorgegeben – Auftrag A muss z. B. von Arbeitsplatz 1 über 3 zu 5 wandern, B und C haben jeweils eigene Routen.

Planung „per Hand“: Nur einer von drei Aufträgen im Zeitplan

Soweit die Ausgangslage. Auf den ersten Blick scheint das Ziel erreichbar. Bereichsleiter Martin Müller entscheidet, welche Aufträge seine Mitarbeiter wie abarbeiten – auch in diesem Fall nach dem einfachen Prinzip: höchste Priorität zuerst. Das führt dazu, dass im ersten Bereich Auftrag A und B bevorzugt werden, während C warten muss. 

„Aus Sicht des einzelnen Planers klingt das logisch – aus Sicht des Gesamtprozesses ist es fatal“, erklärt Markus Günther, Chief Operating Officer im Geschäftsbereich Produktion bei INFORM. Denn daraus folgt: Das Förderband-Modul mit Prio A ist zwar pünktlich fertig (Tag 3). Aber die Hydraulikpressen-Einheit aus Auftrag B verzögert sich um einen Tag. Und der Präzionsmischer aus Auftrag C benötigt sogar fünf Tage. Die Gesamtbearbeitungszeit schlägt mit zwölf Arbeitstagen zubuche – nur einer von drei Aufträgen erreicht den Zieltermin.

Planung mit KI: Termintreue verdoppeln

Die Max Mustermann GmbH möchte künftig termintreuer liefern. Daher setzt das Unternehmen jetzt auf ein APS-System mit intelligenter Optimierung. Die Software plant nicht mehr Bereich für Bereich, sondern ganzheitlich.
Das heißt: Am Arbeitsplatz 2 schlägt die KI vor, nicht wie gewohnt mit Auftrag B, sondern mit C zu starten. Warum? „Die KI erkennt, dass B am nächsten Tag ohnehin warten müsste. Also füllt sie die Zeit mit Arbeit, die sofort weiterlaufen kann“, erklärt Markus Günther.

Das Ergebnis: Das Förderband-Modul aus Auftrag A und der Präzisionsmischer (C) sind schon an Tag 3 fertig. Die Hydrualikpresseinheit (B) schließen die Mitarbeiter an Tag 4 ab. Gesamtbearbeitungszeit: zehn Arbeitstage. Zwei von drei Aufträgen sind pünktlich fertig. Die Termintreue hat sich verdoppelt – von 33 auf 66 Prozent. Und das alles ohne Überstunden, neue Maschinen oder zusätzliches Personal.

Vom simplen Beispiel zur komplexen Realität

Das gezeigte Szenario mit drei Aufträgen und sechs Maschinen ist bewusst einfach gewählt. Markus Günther konstatiert: „Wenn man hier 30 Sekunden scharf drauf schaut, kriegt man diese Lösung auch allein hin. In der Realität sieht es jedoch anders aus. In einer typischen Fertigung gibt es deutlich mehr Aufträge, Maschinen, Personalwechsel und Abhängigkeiten. Spätestens bei dieser Komplexität stößt man mit manueller Planung schnell an Grenzen. Woher soll denn der Planer im Bereich 1 wissen, was in fünf Tagen im Bereich 5 los ist?“

Die Antwort: Er kann es nicht – zumindest nicht so, dass er am Anfang bereits die bestmögliche Reihenfolge wählt. Genau hier spielt eine KI-basierte Produktionsplanung mit Decision Intelligence ihre Stärken aus. Sie betrachtet den gesamten Prozess ganzheitlich, erkennt Abhängigkeiten über mehrere Fertigungsstufen hinweg und optimiert so, dass das Beste aus den vorhandenen Ressourcen herausgeholt wird.

Eine KI-basierte Planung setzt INFORM mit seinem APS-System FELIOS erfolgreich bei Kunden im Maschinen- und Anlagenbau ein. Mit Decision Intelligence lassen sich messbare Effekte erzielen, wie ein Blick auf unsere FELIOS-Kunden zeigt.

Die Vorteile im Überblick

• Höhere Termintreue, z. B. bei STIWA und manroland web production wo sie auf über 90 % stieg
• Weniger Planungsaufwand – die Software übernimmt die komplexen Entscheidungen
• Niedrigerer Werkstattbestand – weniger Aufträge liegen „auf Halde“
• Kürzere Durchlaufzeiten – schnellere Fertigstellung (−15 bis −62 %)
• Weniger Umlaufbestand (WIP −18 bis −57 %)
• Geringere Lagerbestände (−18 bis −27 %) – weil Aufträge seltener warten und Puffer gezielt dimensioniert werden
• Steigende Produktivität (+2 bis +11 %), da Maschinen besser ausgelastet sind und Rüstverluste sinken
• Zurückgehende Gemeinkosten (−10 bis −38 %), getrieben durch weniger Eilaktionen, Überstunden und Ad-hoc-Meetings.
• Mehr Umsatz – etwa bei Achenbach Buschhütten, das den Umsatz um 30 % steigern konnte – bei gleicher Fläche und gleichem Personal

Diese Effekte beruhen auf einem einfachen, aber wirkungsvollen Prinzip: „Man kann keine 12 Liter in einen 10-Liter-Eimer kippen – aber man kann das Maximum aus den vorhandenen Ressourcen herausholen.“

Das ist auch Ihr Ziel für die Fertigungsplanung? Dann kann unser APS-System FELIOS Ihre Fertigung mit Hilfe von Decision Intelligence optimieren. Kontaktieren Sie uns gerne und erfahren Sie mehr.