Ich sitze regelmässig in Erstgesprächen mit Produktionsleitern, die mir sagen: "Unser OEE liegt bei 68 Prozent. Wir wissen, dass das zu wenig ist. Aber wir wissen nicht genau, warum."
Das ist das eigentliche Problem — und es ist lösbar. Aber es fängt nicht mit einer neuen Maschine an, nicht mit einem teuren MES-Projekt und nicht mit einem Unternehmensberater, der eine PowerPoint-Präsentation über Lean Manufacturing hält. Es fängt mit Datentransparenz an.
Was OEE wirklich misst — und was nicht
OEE steht für Overall Equipment Effectiveness und kombiniert drei Faktoren: Verfügbarkeit, Leistung und Qualität. Eine Anlage mit 95% Verfügbarkeit, 90% Leistung und 98% Qualitätsrate erreicht einen OEE von rund 84% — ein Wert, den viele Fertigungsunternehmen als Ziel nennen.
Aber genau hier liegt das erste Problem: Die meisten Unternehmen, die mir einen OEE-Wert nennen, haben ihn nicht gemessen. Sie haben ihn geschätzt — aus Excel-Tabellen, Schichtberichten und der Erfahrung langjähriger Mitarbeiter.
Ein geschätzter OEE ist kein Steuerungsinstrument. Er ist eine Meinung.
Das Transparenzproblem in der Praxis
Nehmen wir ein konkretes Beispiel. Ein Maschinenbauer in Österreich, mit dem wir gearbeitet haben, betrieb fünf CNC-Linien und drei Pressen. Der selbsteingeschätzte OEE lag "so bei 72 Prozent". Geplante Wartungszeiten waren bekannt. Ungeplante Ausfälle wurden erst in der Schichtübergabe notiert — also oft mit 4 bis 8 Stunden Verzug.
Was das konkret bedeutet: Wenn an Linie 3 um 14:30 Uhr ein Werkzeugbruch passiert und das erst um 22:00 Uhr in der Schichtübergabe auftaucht, hat der Produktionsleiter 7,5 Stunden lang keine Chance, gegenzusteuern. Kein Umplanen, kein Einleiten von Gegenmassnahmen, kein Informieren der Wartungsmannschaft.
Nach der Anbindung der Maschinen via OPC UA und MQTT und dem Aufbau eines Echtzeit-Dashboards sah das Team erstmals, wo die Zeit wirklich verloren ging:
- 42% der ungeplanten Stillstände entfielen auf drei wiederkehrende Fehlerbilder
- Die mittlere Zeit bis zur Reaktion (MTTA) betrug im Schnitt 38 Minuten — nicht 8
- Zwei Maschinen liefen dauerhaft 15–20% unter Sollgeschwindigkeit
Der gemessene OEE lag bei 61% — nicht bei 72%. Und plötzlich war klar, wo die grössten Hebel lagen.
Warum der Drang zur sofortigen Optimierung in die falsche Richtung führt
Wenn Produktionsleiter unter Druck geraten, ist der Reflex häufig: Wir brauchen ein neues MES. Wir brauchen ein Lean-Projekt. Wir brauchen mehr Leute in der Instandhaltung.
Das sind vielleicht die richtigen Antworten — aber nur, wenn man weiss, auf welche Frage. Ohne belastbare Daten über Verlustursachen ist jede Optimierungsmassnahme ein Schuss ins Dunkle. Man behandelt Symptome, nicht Ursachen.
Ein Unternehmen, mit dem wir vor einem Digitalisierungsprojekt gesprochen hatten, hatte gerade erheblich in zusätzliche Instandhaltungskapazität investiert — weil "die Maschinen zu oft ausfallen". Nach der Datenanalyse stellte sich heraus, dass 60% der Stillstände keine Maschinendefekte waren, sondern Material-Engpässe und falsch eingeplante Rüstzeiten. Mehr Instandhaltung hätte das Problem nicht gelöst.
Drei Ebenen der OEE-Transparenz
Datentransparenz ist kein binäres Konzept — sie hat Stufen. Von der Praxis aus betrachtet sehen wir drei Ebenen:
Ebene 1 — Reaktive Transparenz
Schichtberichte, Excel-Tabellen, manuelle Erfassung. Daten existieren, aber mit Stunden- oder Tagesverzug. Keine Möglichkeit, in Echtzeit zu reagieren.
Ebene 2 — Operative Transparenz
Maschinendaten werden automatisch erfasst, ein Dashboard zeigt OEE live. Schichtleiter sehen Probleme innerhalb von Minuten. Erste datengetriebene Entscheidungen möglich.
Ebene 3 — Prädiktive Transparenz
Anomalien werden erkannt, bevor sie zu Stillständen werden. Trendanalysen zeigen, welche Maschinen in den nächsten Tagen Probleme machen werden. Wartung wird konditionsbasiert geplant.
Die meisten mittelständischen Fertigungsunternehmen, mit denen wir arbeiten, befinden sich auf Ebene 1. Der Schritt zu Ebene 2 ist technisch überschaubar und liefert innerhalb von Wochen messbare Ergebnisse. Ebene 3 ist das mittelfristige Ziel.
Was es konkret braucht
Echtzeit-Transparenz über OEE entsteht nicht durch ein grosses ERP-Projekt. Es braucht:
- Maschinendaten in Echtzeit: OPC UA, MQTT oder einfache Sensoren — je nach Maschinengeneration. Moderne Maschinen liefern ihre Daten über OPC UA nativ. Ältere Maschinen brauchen einen Adapter.
- Einheitliche Verlustklassifikation: Stillstände müssen kategorisiert werden: Werkzeugwechsel, Maschinendefekt, Materialengpass, Rüsten. Ohne das ist die Analyse wertlos.
- Ein Dashboard, das Schichtleiter wirklich nutzen: Kein BI-Tool mit 20 Seiten Reports. Eine Ansicht, die in 10 Sekunden zeigt, was gerade wo schiefläuft.
- Alerting bei Unterschreitung: Wenn OEE auf einer Linie unter 70% fällt, muss sofort jemand informiert werden — nicht beim nächsten Schichtbericht.
Was der Maschinenbauer in Österreich am Ende erreicht hat
Drei Monate nach dem Go-live des Echtzeit-Dashboards hatte das Team folgende Ergebnisse:
Das Entscheidende: Keine neue Maschine wurde gekauft. Kein Prozess wurde grundlegend verändert. Die einzige Veränderung war, dass die richtigen Leute zur richtigen Zeit die richtigen Daten sahen.
Das ist Transparenz. Und sie ist das erste Problem, das Sie lösen müssen — bevor Sie über Optimierung, Automatisierung oder KI nachdenken.
Fazit
Ein OEE von 68%, 72% oder 75% ist kein abstraktes Problem. Es ist Geld, das täglich auf dem Tisch liegen bleibt — in Form von ungenutzter Maschinenkapazität, unnötigem Ausschuss und reaktiver Instandhaltung.
Der erste Schritt ist nicht die Lösung — er ist das vollständige Verständnis des Problems. Und das geht nur mit Daten, die in Echtzeit zur Verfügung stehen.
Wenn Sie wissen wollen, wo Ihre grössten Verluste liegen und wie der Weg zu Ebene-2- Transparenz bei Ihnen konkret aussieht: Sprechen Sie uns an. Das Erstgespräch kostet nichts.