Simulationsmodell-Daten: Woher sie stammen und wie gut sie sein müssen

Transparenzhinweis: M365.FM-Host Mirko Peters arbeitet bei der iFAKT GmbH. Diese Seite beschreibt das Unternehmen sachlich; bezahlte Partnerschaften und Links sind als Anzeige gekennzeichnet.

Von Mirko Peters · 2026-11-11

Daten für ein Simulationsmodell stammen aus Systemen, Messungen und von Expertinnen und Experten. Hier finden Sie die Quellen, die üblichen Qualitätslücken und die nötige Güte der Eingangsdaten.

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Die Daten für den Aufbau eines Simulationsmodells stammen aus drei Quellen: betriebliche Systeme und Shopfloor-Daten, direkte Messung und die Personen, die die Linie kennen. Wie gut diese Daten sein müssen, hängt von der Fragestellung ab und nicht von einem allgemeinen Standard. Dieser Leitfaden richtet sich an Verantwortliche für kontinuierliche Verbesserung, die Daten für eine Fabriksimulation liefern sollen. Sie erfahren, was das Modell benötigt, woher die einzelnen Angaben stammen, was meist schiefgeht, ein durchgerechnetes Beispiel mit Zahlen und einen Sechs-Schritte-Plan, um Daten in ausreichender Güte zu erhalten.

Das Wichtigste in Kürze

• Ein Simulationsmodell benötigt Produkte und Arbeitspläne, Prozesszeiten, Ressourcen, Stillstände, Aufträge und Personalregeln. Jede dieser Angaben stammt aus einem System, einer Messung oder einer Expertenschätzung.
• Daten stammen aus Primärquellen, etwa Zeitaufnahmen und Beobachtung, sowie aus Sekundärquellen wie ERP-, MES- und CAD-Systemen und Prognosen.
• Typische Lücken sind hinterlegte ERP-Zeiten, die von den tatsächlichen Zeiten abweichen, doppelte Datensätze, Daten, die der Realität hinterherhinken, und fehlende Streuung.
• Die Eingangsdaten müssen für die Fragestellung ausreichen: Prüfen Sie, welche Eingangsgrößen das Ergebnis am stärksten verändern, und setzen Sie Ihren Aufwand genau dort ein.
• Verwenden Sie Verteilungen und tatsächliche Datensätze und nicht nur Mittelwerte, denn Streuung erzeugt die Wartezeit, die Sie testen möchten.

Daten für den Aufbau eines Simulationsmodells: Was das Modell benötigt

Ein Flussmodell einer Linie benötigt sechs Arten von Eingangsdaten. Diese Liste ist eine eigene Zusammenfassung gängiger Praxis und keine Norm.

• Produkte und Arbeitspläne. Welches Produkt welche Station in welcher Reihenfolge durchläuft.
• Zeiten. Prozesszeit je Produkt und Station, Rüstzeiten und die Streuung beider Werte.
• Ressourcen. Maschinen, Werkzeuge und Personal, ihre Kapazität und Verfügbarkeit, einschließlich Ausfälle und geplanter Stillstände.
• Aufträge und Bedarf. Losgrößen, Mix und Ankunftsmuster, aus dem Auftragsbestand oder aus einer Prognose.
• Regeln. Schichtmodell, Pausenzeiten, Reihenfolge- und Losregeln sowie die Frage, wie sich Mitarbeitende zwischen Stationen bewegen.
• Qualität. Ausschuss- und Nacharbeitsquoten sowie die Stellen, an denen Fehler entdeckt werden.

Das Modell braucht nicht jede Zahl des Werks. Es braucht die Zahlen, von denen die Fragestellung abhängt, und es braucht die Streuung, denn die Streuung erzeugt die Wartezeiten, die Sie simulieren und testen möchten. Ein Modell kann nur das vorhersagen, was seine Daten hergeben.

Woher die Eingangsdaten für die Simulation stammen: Datenerfassung in der Praxis

Ein Beitrag von Maja Bärring und Kolleginnen und Kollegen auf der Winter Simulation Conference 2018 beschreibt die Quellen in zwei Gruppen, aufbauend auf früheren Arbeiten von Anders Skoogh und Kolleginnen und Kollegen.

• Primärdaten werden für die Studie eigens erhoben: Messungen, Zeitaufnahmen mit der Stoppuhr und Beobachtung an der Linie.
• Sekundärdaten sind bereits vorhanden. Dazu zählen externe Referenzen wie Industriestandards und Fachexpertinnen und -experten, betriebliche Geschäftssysteme wie ERP, MES, PDM und CAD sowie projektspezifische Daten wie Produktionsmengenprognosen.

Für einen Verantwortlichen für kontinuierliche Verbesserung sieht die Datenerfassung in der Praxis so aus. Das Manufacturing Execution System enthält die tatsächlichen Zykluszeiten, Stillstandsereignisse und Stückzahlen je Station. Das ERP-System enthält Aufträge, Arbeitspläne und geplante Zeiten. Das CAD- oder PDM-System enthält die Produktstruktur. Schichtpläne liegen bei der Planung oder der Personalabteilung. Rüstzeiten und die tatsächliche Arbeitsweise der Bediener lassen sich dagegen oft nur durch Beobachtung und durch Gespräche mit den Schichtleitern ermitteln.

Warum die Daten häufig nicht gut genug sind

Bärring und Kollegen haben zwei Fallbeispiele mit fünf Interviewpartnern untersucht. Die Ergebnisse sind daher richtungsweisend, aber nicht verallgemeinerbar. Im Fall, in dem Daten manuell aus dem ERP-System und aus Tabellenkalkulationen erhoben wurden, beschreiben sie Probleme, die viele Werke wiedererkennen werden:

• Statt tatsächlicher Zeiten wurden voreingestellte ERP-Werte verwendet, sodass unklar war, welche Zeiten zu verwenden sind.
• Dieselbe Position war sowohl im ERP-System als auch in Tabellenkalkulationen hinterlegt.
• Die Bezeichnungen waren uneinheitlich, und die Abteilungen unterschieden sich voneinander.
• Die Realität änderte sich, das System aber nicht.

Die Autoren weisen außerdem darauf hin, dass ERP-Systeme deterministische Werte gegenüber stochastischen bevorzugen. Dadurch fehlt oft die Variation, die eine Simulation benötigt. Im zweiten Fall vermied die automatische Datenerfassung fünf der acht Herausforderungen, die sie auflisten. Das Paper empfiehlt unter anderem, die Verantwortung für die Daten bestimmten Funktionen im Unternehmen zuzuweisen. Eine Umfrage von Skoogh, Perera und Johansson in Simulation Modelling Practice and Theory ergab, dass rund 80 % der Simulationsanwender für die Eingangsdaten nach wie vor stark manuelle Arbeitsverfahren nutzen.

Arbeitsplan und Stückliste in einer Simulation

Zwei Arten von Stammdaten bereiten häufig Probleme. Der Arbeitsplan legt fest, welche Arbeitsschritte ein Produkt benötigt, in welcher Reihenfolge, an welcher Ressource und mit welcher Zeit. Die Stückliste legt fest, welche Teile in das Produkt eingehen. Für ein Flussmodell bildet der Arbeitsplan meist das Rückgrat, und die Stückliste wird wichtig, wenn Teile fehlen können oder eine Station auf eine Baugruppe warten muss.

Arbeitspläne im ERP sind häufig Planungswerte, die einmal festgelegt und selten aktualisiert werden. Genau dieses Problem beschreiben Bärring und Kollegen. Bevor Sie einen Arbeitsplan in ein Modell laden, vergleichen Sie seine Zeiten mit den tatsächlichen Zeiten aus dem MES für dasselbe Produkt und dieselbe Station. Prüfen Sie, ob die Reihenfolge der Arbeitsschritte noch zur Fertigung passt und ob die Stückliste die Varianten abbildet, die Sie tatsächlich fertigen. Füllen Sie eine Lücke nicht mit simulierten Daten, auch synthetische Daten genannt, ohne sie eindeutig zu kennzeichnen.

Wie gut muss die Datenqualität für eine Simulation sein?

Die Antwort lautet: gut genug für die Entscheidung. Averill Law fordert in seinem Paper zu Fallstricken bei der Simulationsmodellierung Aufzeichnungen über die Verteilungen der Eingangsgrößen sowie eine Validierung. Er empfiehlt, nach Möglichkeit Daten zu allen möglichen Quellen der Zufallsschwankungen im System zu erheben. Er warnt vor zwei Fehlern: Eine zufällige Eingangsgröße durch ihren Mittelwert zu ersetzen, was in seinem Beispiel die Warteschlange vollständig verschwinden lässt, und aus Gewohnheit eine Normalverteilung zu wählen, was in einem seiner Beispiele zu einem Ausgabefehler von 39 % führte.

Eine praktische Möglichkeit, den Aufwand zu steuern, besteht darin, die Eingangsgrößen nach ihrer Wirkung und nach der Unsicherheit jedes Parameters zu bewerten. Law empfiehlt außerdem eine Sensitivitätsanalyse, um zu sehen, welche Faktoren die Leistungskennzahlen am stärksten beeinflussen. Diese Einstufung ist eine eigene Planungshilfe und kein Standard:

1. Stufe A: gemessen und geprüft. Verwenden Sie sie für Eingangsgrößen, die das Ergebnis am stärksten beeinflussen, etwa die Zykluszeit am Engpass und das Stillstandsmuster davor.
2. Stufe B: aus einem System übernommen und stichprobenartig geprüft. Verwenden Sie sie für Eingangsgrößen mit mittlerer Wirkung.
3. Stufe C: Expertenschätzung. Verwenden Sie sie für Eingangsgrößen mit geringer Wirkung, und dokumentieren Sie die Annahme.

Prüfen Sie abschließend den gesamten Datensatz durch eine Validierung: Gibt das Modell die Ergebnisse der realen Linie wieder? Falls nicht, sehen Sie zuerst die Eingangsgrößen der Stufe A an.

Beispiel: Zeit laut Arbeitsplan gegen tatsächliche Zeit

Dies ist ein veranschaulichendes Beispiel mit angenommenen Zahlen, kein gemessener Fall. Eine Linie fertigt ein Produkt. Der Arbeitsplan im ERP nennt 42 Sekunden je Teil an der Engpassstation. Das MES zeigt über vier Wochen eine mediane tatsächliche Zykluszeit von 47 Sekunden.

• Ausbringung pro Stunde mit der Zeit laut Arbeitsplan: 3.600 ÷ 42 = 85,7 Teile.
• Ausbringung pro Stunde mit der tatsächlichen Zeit: 3.600 ÷ 47 = 76,6 Teile.
• Das Routing überschätzt die Rate um 85,7 ÷ 76,6 = etwa 12 %. Bei einer 8-Stunden-Schicht ergibt das etwa 686 statt 613 Teile, also eine Differenz von 73 Teilen.

Ein Modell, das mit dem Routing gespeist wird, würde eine Vorhersage treffen, die die Linie nie erreicht hat. Jede Verbesserung, die daran gemessen wird, würde schlechter aussehen, als sie tatsächlich ist.

Dieselbe Logik gilt für Stillstände. Angenommen, das MES erfasst sieben Stillstände mit Dauern von 2, 3, 3, 4, 5, 6 und 40 Minuten. Die Summe beträgt 63 Minuten, der Mittelwert also 9 Minuten, während der Median bei 4 Minuten liegt. Ein Modell mit einem konstanten Stillstand von 9 Minuten zeigt nie den 40-Minuten-Stillstand, der den Puffer leert, und es zeigt mehr mittellange Stillstände, als die Linie tatsächlich hat. Stellen Sie die erfassten Dauern grafisch dar, berechnen Sie ihre Streuung und verwenden Sie sie direkt oder eine an sie angepasste statistische Verteilung. Schätzen Sie deren Parameter aus den Datensätzen.

Daten richtig nutzen: ein Plan in sechs Schritten

1. Stellen Sie die Fragen zusammen. Die Frage bestimmt, welche Eingangsdaten Sie benötigen.
2. Listen Sie die Elemente aus den sechs oben genannten Gruppen auf und markieren Sie, von welchen die Frage am stärksten abhängt.
3. Benennen Sie Quelle und Verantwortlichen für jedes Element, zum Beispiel das MES für Stillstände, das ERP für Aufträge und einen Beobachter für Rüstvorgänge.
4. Vergleichen Sie die Quellen. Prüfen Sie Routing-Zeiten gegen das MES und kontrollieren Sie, ob Kennungen und Einheiten zwischen den Systemen übereinstimmen.
5. Messen Sie die Lücken bei den relevanten Eingangsdaten mit einer Methode der Güteklasse A und dokumentieren Sie Annahmen für den Rest.
6. Validieren und pflegen Sie die Daten. Vergleichen Sie das Modell mit der realen Linie, speichern Sie den Datensatz mit Datum und benennen Sie einen Verantwortlichen für die Aktualisierung.

Häufige Fehler

• Das ERP-Routing ungeprüft laden. Geplante Werte sind keine Istwerte.
• Nur mit Mittelwerten arbeiten. Jede Eingangsgröße ist eine Variable mit einer Streuung, keine einzelne Zahl. Die Schwankung erzeugt die Wartezeit, und der Mittelwert hebt sie auf.
• Alles sammeln. Aufwand ohne Frage verschwendet Zeit, die das Projekt nicht hat, und die schiere Menge verdeckt, was wirklich zählt.
• Definitionen vermischen. Ein Stillstand, ein Rüstvorgang oder ein Zyklus kann in verschiedenen Systemen Unterschiedliches bedeuten.
• Kein Verantwortlicher. Zahlen, die niemand pflegt, sind bei der nächsten Änderung veraltet.
• Validierung auslassen. Ohne Abgleich mit der realen Linie wissen Sie nicht, ob die Eingangsdaten gut genug sind.

Wie Software helfen kann

Ein Wissensgraph, der Produkte, Prozessschritte und Ressourcen miteinander verknüpft, kann doppelte und widersprüchliche Daten reduzieren, weil jeder Fakt nur einmal gespeichert wird. iFAKT's Polaris Designer ist ein Modul von iFAKT Polaris, das einen Produkt-Prozess-Ressourcen-Wissensgraphen (PPR) als einzige Quelle der Wahrheit für Produkte, Prozessschritte und Ressourcen aufbaut. Er ersetzt weder den Abgleich mit tatsächlichen Zeiten noch die Verantwortlichen oder die Validierung des Modells. Fragen Sie bei jedem Werkzeug, wie es Daten aus Ihrem ERP und MES importiert und wie Änderungen nachverfolgt werden.

Nächster Schritt

Nehmen Sie die Engpassstation einer Linie und vergleichen Sie die Routing-Zeit im ERP mit der tatsächlichen Zykluszeit im MES der letzten vier Wochen. Wenn sie abweichen, haben Sie die erste Lücke in den Daten für den Aufbau des Simulationsmodells gefunden und wissen, wo Sie anfangen müssen.