Fünf häufige Fehler in Simulationsprojekten und wie Sie sie vermeiden

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

Fehler in Simulationsprojekten kosten Zeit und Vertrauen. Lernen Sie fünf der häufigsten kennen, von unklaren Fragestellungen bis zur übersprungenen Validierung, mit einem durchgerechneten Beispiel und einer Checkliste.

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Fehler in Simulationsprojekten lassen sich größtenteils vermeiden, und die meisten entstehen, bevor das erste Modell gebaut wird. Dieser Leitfaden richtet sich an Werkleiter, die ein Simulationsprojekt in der Fertigung verantworten, und an die Ingenieure, die das Modell erstellen, wenn die Arbeit in einer Entscheidung münden soll. Sie lernen fünf häufige Fehler kennen, die auf zwei Arbeiten des Simulationsexperten Averill Law und auf praktischen Erfahrungen beruhen. Außerdem finden Sie ein durchgerechnetes Beispiel mit Zahlen, das zeigt, warum ein einzelner Durchlauf nicht genügt, sowie eine Checkliste für Ihr nächstes Projekt mit factory simulation.

Das Wichtigste in Kürze

• Fünf Fehler wiederholen sich in Simulationsprojekten: keine klare Fragestellung, das falsche Detailniveau, schwache Daten, fehlende Validierung und das Vertrauen in einen einzelnen Durchlauf.
• Ein Modell ohne klare Fragestellung und ohne regelmäßigen Kontakt zum Entscheidungsträger löst das falsche Problem, egal wie gut es gebaut ist.
• Beginnen Sie einfach und ergänzen Sie Details nur, wenn die Fragestellung es verlangt. Unnötiges Detail kostet Zeit und verdeckt die entscheidenden Einflussfaktoren.
• Validieren Sie das Modell gegen das bestehende System, bevor Sie es für Prognosen verwenden, und halten Sie die schriftlichen Annahmen für die Überprüfung bereit.
• Zufällige Ereignisse erfordern viele Replikationen: Ein einzelner Durchlauf kann zwei Varianten in der falschen Reihenfolge einordnen.

Fehler in Simulationsprojekten: Woher sie kommen

Ein Simulationsprojekt ist keine Programmieraufgabe. Averill Law nennt in seiner Arbeit zu how to conduct a successful simulation study auf der Winter Simulation Conference 2003 17 Fallstricke in vier Gruppen: Modellierung und Validierung, Software, Zufälligkeit und Versuchsplanung. 2024 erweiterte er die Liste in einer Arbeit für dieselbe Konferenz auf 23 Fallstricke. Er weist darauf hin, dass die Programmierung in einer soliden Studie nur 25 bis 50 Prozent der Arbeit ausmacht.

Law arbeitet in seiner eigenen Beratung für Simulation, Averill M. Law & Associates, daher spiegeln seine Listen eine Expertensicht wider. Sie decken sich mit einer praxisnahen Arbeit von J. Michael Knoll und Joseph Heim von Genie Industries zur Einführung der ereignisdiskreten Simulation in einem Fertigungsumfeld. Diese stützt sich auf einen mittelgroßen Hersteller und nennt keine quantifizierten Einsparungen.

Aus diesen Quellen und aus gängiger Praxis wählen wir fünf Fehler aus, die für eine Fertigung am wichtigsten sind. Diese Auswahl stammt von uns und ist keine Rangliste aus den Arbeiten.

Fehler 1: Keine klare Fragestellung und kein Kontakt zum Entscheidungsträger

Der erste Fehler besteht darin, mit dem Werkzeug statt mit der Fragestellung zu beginnen. Law führt unklar definierte Ziele und wenig regelmäßigen Kontakt zum Entscheidungsträger unter seinen Fallstricken auf. Er zitiert die Warnung, dass das großartigste Modell für das falsche Problem dem Entscheidungsträger wenig nützt. In einem seiner Beispiele arbeitete ein Analyst monatelang, ohne den anfragenden General einzubeziehen. Dieser verließ die abschließende Besprechung nach fünf Minuten mit dem Hinweis, dass dies nicht das Problem sei, für das er sich interessiere.

Knoll und Heim formulieren eine praktische Regel: Ein Modell, dessen Ergebnisse nicht genutzt werden, sollte gar nicht erst gebaut werden.

So vermeiden Sie ihn. Formulieren Sie die Frage als Entscheidung. „Welches von zwei Layouts liefert 3.000 Einheiten pro Schicht?“ ist eine Frage. „Lassen wir die Anlage simulieren“ ist es nicht. Halten Sie ein Kick-off-Meeting mit allen Betroffenen ab, legen Sie fest, wer entscheidet und bis wann, und vereinbaren Sie regelmäßige Review-Besprechungen während des Projekts.

Fehler 2: Der falsche Detaillierungsgrad

Der zweite Fehler besteht darin, zu viel oder zu wenig zu modellieren. Law bezeichnet einen unangemessenen Detaillierungsgrad als einen der häufigsten Fehler, besonders bei neuen Analysten. Er rät, nur so viel Detail aufzunehmen, wie nötig ist, um die relevanten Fragen zu beantworten, und einfach zu beginnen und Detail bei Bedarf zu ergänzen. Knoll und Heim sehen es genauso: Halten Sie den Umfang eng und erweitern Sie ein Modell nicht nur deshalb, weil es möglich ist.

Zu viel Detail verzögert das Projekt und verbirgt die entscheidenden Faktoren in einer Masse von Parametern. Zu wenig Detail lässt einen Effekt außen vor, den Sie eigentlich testen wollten, etwa einen Rüstvorgang oder einen Puffer.

So vermeiden Sie ihn. Prüfen Sie für jedes Element und jeden Eingabeparameter des Modells, ob er die Antwort auf die Frage verändert. Wenn nicht, lassen Sie ihn weg oder verwenden Sie eine einfache Regel. Halten Sie die Annahmen in einem kurzen konzeptionellen Modell fest, das Law als absolut kritische Aktivität bezeichnet, die häufig übersprungen wird, und gehen Sie es mit den Personen durch, die die Linie kennen.

Fehler 3: Schwache Datenerhebung für die Simulation

Der dritte Fehler betrifft die Daten. Law nennt eine schlechte Datenerhebung aus den Systemen unter den Fallstricken, und er warnt außerdem vor zwei typischen Fehlern bei der Eingabemodellierung. Der erste ist, einen zufälligen Eingabewert durch seinen Mittelwert zu ersetzen. In seinem Warteschlangenbeispiel entfernt die Verwendung konstanter Zeiten, die den Mittelwerten entsprechen, die Warteschlange vollständig, sodass das Modell keine Wartezeit zeigt, wo das reale System eine hat. Der zweite ist, aus Gewohnheit eine Verteilung wie die Normalverteilung zu wählen. In einem seiner Beispiele führte eine Normalverteilung für Bearbeitungszeiten zu einem Ausgabefehler von 39 Prozent im Vergleich zu einer besser passenden Verteilung.

Auch die Anlagendaten selbst brauchen Sorgfalt. Stimmt der Stillstandsgrund im Manufacturing Execution System mit dem Wartungsprotokoll überein? Wenn ein Digital Twin verfügbar ist, also eine gepflegte digitale Repräsentation einer physischen Ressource, die anhand von Beobachtungen aktuell gehalten wird, kann er aktuelle Daten liefern. Ist keiner vorhanden, planen Sie Zeit für Messungen ein.

So vermeiden Sie ihn. Listen Sie die Daten auf, die die Fragestellung benötigt, ermitteln Sie Quelle und Verantwortlichen für jedes Element und erfassen Sie die Schwankungen, nicht nur den Durchschnitt. Ziehen Sie für wichtige Prozessteile mindestens zwei Fachexperten hinzu, denn einiges von dem, was Menschen sagen, wird falsch sein.

Fehler 4: Die Validierung des Simulationsmodells auslassen

Der vierte Fehler besteht darin, einem Modell zu vertrauen, das nie mit der Realität verglichen wurde. Law bezeichnet den Vergleich der Modellausgaben mit dem bestehenden System als die wichtigste Validierungstechnik und sagt, dass er zudem die Glaubwürdigkeit stärkt. In seiner Arbeit aus dem Jahr 2024 nennt er ein Beispiel aus der Zellstoffproduktion, bei dem sich der Durchsatz von Modell und System nur um 0,4 bzw. 1,1 Prozent unterschied. Außerdem empfiehlt er eine strukturierte Durchsicht der Annahmen mit allen Beteiligten, denn Modellfehler und Auslassungen werden dabei gefunden.

So vermeiden Sie ihn. Erstellen Sie zuerst die Baseline und prüfen Sie sie gegen Ausbringung, Stillstände und Durchlaufzeit der realen Linie. Lassen Sie Experten die Simulationsergebnisse auf Plausibilität prüfen und testen Sie, welcher Eingabeparameter die Ergebnisse am stärksten verschiebt. Erst danach nutzen Sie das Modell für Varianten. Existiert die Linie noch nicht, vergleichen Sie das Modell mit einer ähnlichen Linie oder mit Berechnungen, und sagen Sie das offen.

Fehler 5: Einen einzelnen Lauf als Wahrheit behandeln

Der fünfte Fehler ist statistischer Natur. Eine Simulation mit Zufallsereignissen liefert in jedem Lauf ein anderes Ergebnis. Law warnt davor, die Ausgabe eines einzelnen Laufs als die tatsächliche Leistung des Modells zu betrachten. In seinem Beispiel eines Kfz-Zulassungsamts reichte die durchschnittliche Wartezeit über die Replikationen von 1,83 bis 10,37 Minuten. Außerdem nennt er das Auslassen einer Einschwingphase, in der der Startzustand leer und nicht repräsentativ ist, sowie den Vergleich von Varianten ohne Konfidenzintervalle.

So vermeiden Sie ihn. Führen Sie viele unabhängige Replikationen durch, verwerfen Sie die Einschwingphase, planen Sie die Auswertungen vor den Läufen und vergleichen Sie Varianten anhand von Bandbreiten oder Konfidenzintervallen statt einzelner Zahlen.

Beispiel: ein Lauf gegen fünf Replikationen

Dies ist ein illustratives Beispiel mit angenommenen Zahlen, kein gemessener Fall. Ein Werk vergleicht in einem Modell einer Verpackungslinie zwei Puffervarianten, A und B. Die Ausbringung pro Schicht beträgt im Modell:

• Variante A, fünf Replikationen: 412, 389, 401, 395 und 393 Einheiten. Der Mittelwert beträgt 1.990 ÷ 5 = 398 Einheiten.
• Variante B, fünf Replikationen: 405, 399, 408, 402 und 406 Einheiten. Der Mittelwert beträgt 2.020 ÷ 5 = 404 Einheiten.

Hätte das Team nur die erste Replikation jeder Variante ausgeführt, hätte A 412 und B 405 erreicht, und A hätte 7 Einheiten besser ausgesehen. Mit fünf Replikationen ist B im Mittel 6 Einheiten besser, und seine Spanne von 399 bis 408 ist schmaler als die von A, die von 389 bis 412 reicht. Der erste Durchlauf hat die Varianten in der falschen Reihenfolge eingestuft.

Für eine Illustration sind fünf Replikationen das Minimum. Ein reales Projekt würde mehr Replikationen durchführen und Konfidenzintervalle berechnen. Dieselbe Idee gilt für die Validierung: Liefert das Basismodell einen Mittelwert von 391 Einheiten, während die reale Linie über 20 Schichten im Schnitt 380 Einheiten pro Schicht erreichte, liegt das Modell 11 Einheiten bzw. rund 3 % höher. Das Team entscheidet, ob das für die Fragestellung genau genug ist, und dokumentiert die Entscheidung.

So vermeiden Sie die fünf Fehler: eine Checkliste

1. Formulieren Sie die Frage als Entscheidung, mit Entscheidungsträger und Termin.
2. Führen Sie einen Kick-off mit allen Stakeholdern durch und vereinbaren Sie Review-Termine. Behandeln Sie die Arbeit als Iteration mit Prüfpunkten und nicht als einen linearen Ablauf.
3. Starten Sie einfach. Erstellen Sie ein kurzes konzeptionelles Modell mit den Annahmen und gehen Sie es mit Fachexperten durch, bevor Sie programmieren.
4. Planen Sie die Daten. Benennen Sie Quelle und Verantwortlichen jedes Datenelements und erfassen Sie die Schwankungen.
5. Validieren Sie das Basismodell gegen die reale Linie, bevor Sie Optionen testen.
6. Replizieren Sie. Führen Sie ausreichend Replikationen durch, verwerfen Sie die Einschwingphase und berichten Sie Spannen statt einzelner Werte.

Häufige Fehler

• Das Projekt als Programmierarbeit behandeln. Programmierung ist laut Law nur ein Teil der Arbeit.
• Die Animation entscheiden lassen. Ein kurzer Blick auf die Animation ist kein Experiment.
• Simulationswerkzeuge nur nach dem Preis auswählen. Passen Sie das Werkzeug an das Problem und an die Fähigkeiten Ihres Teams an, und nutzen Sie die Simulationssoftware nicht als Black Box.
• Keine Dokumentation. Ein Modell ohne schriftlich festgehaltene Annahmen lässt sich weder prüfen noch wiederverwenden.
• Kein Verantwortlicher nach Projektende. Ein Modell, das niemand aktualisiert, ist nach der ersten Änderung veraltet.

Wie Software helfen kann

iFAKT's Polaris Simulator ist ein Modul von iFAKT Polaris, das das Produktionssystem virtuell testet, zum Beispiel Kapazitäts-, Personal- und Puffer-Szenarien, und Engpässe aufdeckt, bevor Änderungen vorgenommen werden. Welches Werkzeug Sie auch wählen: Prüfen Sie vor einer Entscheidung auf Basis einer Simulation, wie es mit Replikationen und Einschwingphase umgeht, wie Sie reale Daten importieren und wie Sie Annahmen dokumentieren und prüfen können. Software kann die Frage und die Validierung nicht ersetzen.

Nächster Schritt

Nehmen Sie Ihr nächstes Simulationsprojekt in der Fertigung oder ein laufendes Projekt und prüfen Sie es anhand der obigen Checkliste. Wo eine Antwort fehlt, haben Sie eine wahrscheinliche Ursache für Fehler in Simulationsprojekten gefunden, und Sie können sie beheben, bevor das Modell gebaut wird.