OEE verbessern: So steigert der Mittelstand seine Anlageneffektivität

OEE steht für Overall Equipment Effectiveness, auf Deutsch Gesamtanlageneffektivität. Die Kennzahl misst, wie effektiv eine Produktionsanlage im Vergleich zu ihrem theoretischen Maximum arbeitet. Sie setzt sich aus drei Faktoren zusammen: Verfügbarkeit, Leistung und Qualität. Für den Mittelstand ist die OEE der vielleicht unterschätzteste Hebel für Wettbewerbsfähigkeit: Eine Steigerung um nur 10 Prozentpunkte bei einer Maschine mit 6.000 Produktionsstunden pro Jahr bedeutet 600 zusätzliche Stunden Output. Bei einem Stundenwert von 300 Euro sind das 180.000 Euro zusätzliche Produktionskapazität. Dieser Ratgeber zeigt, warum die OEE in vielen Mittelstandsunternehmen stagniert — und wie Sie sie ohne IT-Abteilung und ohne MES-Wechsel systematisch steigern.

Was ist OEE und warum stagniert sie im Mittelstand oft unbemerkt?

Fast jede Woche passiert es in deutschen Mittelstandsunternehmen: Der Produktionsleiter oder Operations-Manager schaut auf die OEE. Der Wert liegt bei 62 Prozent. Das ist nur ein Prozent weniger als im letzten Quartal. Kein Grund zur Panik. Der Geschäftsführer nickt. Die Kunden bekommen ihre Termine.

Zwei Quartale später liegt die OEE bei 54 Prozent. Die Liefertermine geraten ins Wanken. Die Überstunden steigen. Nicht weil die Maschinen plötzlich schlechter laufen, sondern weil drei Veränderungen schleichend eingetreten sind: Eine Schlüsselmaschine hat ihre Rüstzeit von 45 auf 70 Minuten verlängert, ein Zulieferer liefert seit zwei Monaten Material mit höherer Ausschussquote, und die Nachtschicht meldet immer häufiger Mikro-Stopps, die niemand systematisch erfasst.

Das ist das OEE-Problem im Mittelstand: Es sinkt nicht abrupt, sondern Prozentpunkt für Prozentpunkt. Jeder einzelne Punkt scheint vertretbar. Aber 10 Prozentpunkte weniger bei einer Maschine mit 6.000 Stunden Jahreslaufzeit bedeuten 600 Stunden verlorene Produktionszeit. Kapazität, die nicht für Aufträge, Investitionen oder Puffer zur Verfügung steht.

Laut einer Studie von Teeptrak liegt die durchschnittliche OEE in der Fertigung bei 58 Prozent. Gleichzeitig zeigen Daten von Bitkom, dass 32 Prozent der Industrieunternehmen bereits KI zur Maschinenüberwachung nutzen — aber der Großteil des Mittelstands erfasst seine OEE noch manuell oder gar nicht. Während Hochautomatisierer wie Automotive-Zulieferer OEE-Werte von 85 Prozent erreichen, liegen typische Mittelständler in der Metallverarbeitung, Kunststoffverarbeitung und im Maschinenbau bei 55 bis 70 Prozent.

Wie berechnet man OEE richtig — und welche Fehler machen fast alle?

Die OEE-Berechnung ist mathematisch einfach. Die Formel lautet: OEE = Verfügbarkeit × Leistung × Qualität. Jeder Faktor wird als Prozentwert angegeben. Das Ergebnis zeigt, wie effektiv eine Anlage tatsächlich arbeitet.

Ein Beispiel: Eine Maschine hat eine geplante Produktionszeit von 450 Minuten pro Schicht. Durch Rüsten (60 Minuten), Störungen (35 Minuten) und Abschlussarbeiten (10 Minuten) sinkt die Betriebszeit auf 345 Minuten. Die Verfügbarkeit beträgt: 345 ÷ 450 = 76,7 Prozent. In dieser Zeit werden 1.000 Teile produziert, bei einer idealen Zykluszeit von 20 Sekunden pro Teil. Die ideale Produktionszeit wäre 333,3 Minuten. Die Leistung beträgt: 333,3 ÷ 345 = 96,6 Prozent. Von den 1.000 Teilen sind 945 fehlerfrei. Die Qualität beträgt: 945 ÷ 1.000 = 94,5 Prozent. Die OEE ergibt sich aus: 76,7 % × 96,6 % × 94,5 % = 70 Prozent.

Die drei häufigsten Fehler bei der OEE-Berechnung im Mittelstand:

Fehler eins: Die ideale Zykluszeit falsch definieren. Viele Mittelständler nutzen die Auslegungsgeschwindigkeit vom Typenschild. Doch diese wurde unter Laborbedingungen gemessen. Die realistisch erreichbare Geschwindigkeit ohne Qualitätsverluste liegt oft 10 bis 15 Prozent darunter. Wer die Laborzahl nutzt, rechnet sich eine niedrigere Leistung und damit eine niedrigere OEE — obwohl die Maschine optimal läuft.

Fehler zwei: Geplante Stillstände ausklammern. Manche Betriebe rechnen Pausen, Schulungen und geplante Wartungen aus der geplanten Produktionszeit heraus. Das ist zulässig, aber inkonsistent: Wenn zwei Standorte unterschiedlich rechnen, sind die OEE-Werte nicht vergleichbar. Die Regel lautet: Was potenziell verbesserbar ist, gehört in die OEE.

Fehler drei: Nur die Engpassmaschine betrachten. Die OEE der Engpassmaschine ist kritisch. Aber wenn eine vorgelagerte Anlage häufiger stillsteht und der Puffer ausreicht, um den Engpass zu füttern, sinkt die OEE der vorgelagerten Maschine — ohne dass der Gesamtoutput leidet. Wer nur die Engpass-OEE misst, übersieht Verschwendung im Rest der Linie.

Was ist ein guter OEE-Wert für meine Branche?

Die Benchmarks variieren je nach Branche und Automatisierungsgrad drastisch. Ein Vergleich mit Weltklasse-Werten ist für den typischen Mittelstand oft demotivierend statt hilfreich.

Als Faustregel gilt: Werte über 85 Prozent sind Weltklasse, Werte zwischen 60 und 75 Prozent sind für den Mittelstand typisch, Werte unter 55 Prozent deuten auf erheblichen Handlungsbedarf hin. Der nützlichere Benchmark ist jedoch der eigene Trend: Steigt Ihre OEE im Quartalsvergleich oder stagniert sie seit Monaten? Denn stagnierende OEE bei steigenden Auftragsvolumina bedeuten, dass Kapazitäten schleichend ausgereizt werden — und irgendwann bricht das System.

Warum helfen Excel-Listen und MES-Monolithen allein nicht?

Die meisten Mittelständler nutzen heute eine Kombination aus drei Werkzeugen: Excel-Listen für die Produktionserfassung, das ERP für die Auftragssteuerung und gelegentlich ein MES für die Maschinendatenerfassung. Jedes dieser Tools ist an sich sinnvoll. Keines löst das eigentliche Problem.

Excel-Listen sind manuell, veraltet am Tag der Erstellung und können keine Muster im Verlustverhalten erkennen. Wenn der Produktionsleiter am Montagmorgen seine Liste öffnet, basiert die Übersicht auf Daten vom Freitag. Dass drei Maschinen am Wochenende ungeplante Stopps hatten und die Nachtschicht die Rüstzeit um 20 Minuten überschritten hat, bleibt unsichtbar.

MES-Systeme erfassen Maschinendaten in Echtzeit. Doch sie kennen das betriebswirtschaftliche Umfeld nicht. Eine Maschine mit 95 Prozent Verfügbarkeit scheint gut. Dass derselbe Auftrag gleichzeitig die höchsten Stückkosten in der Kalkulation verursacht und der Kunde bereits zweimal die Lieferung verschoben hat, weiß das MES nicht. Das Ergebnis: Die OEE sieht grün aus, während das Geschäft rot läuft.

BI-Tools zeigen, dass die OEE im letzten Quartal um fünf Prozentpunkte gesunken ist. Das weiß der Produktionsleiter bereits. Was er nicht weiß: Welche drei Maschinen treiben den Rückgang, welche Schicht hat den stärksten Qualitätsverlust und welche Aufträge haben gleichzeitig Terminüberschreitungen. Das erfordert keine Visualisierung, sondern Muster-Erkennung über mehrere Datenquellen hinweg.

Das eigentliche Problem sind Datensilos. Die Produktion sitzt im MES oder in Excel. Das Controlling sitzt im ERP. Die Qualitätssicherung sitzt in separaten Prüfprotokollen. Keines dieser Systeme spricht mit den anderen in der Art und Weise, die für Frühwarnung nötig wäre. Eine Maschine, die plötzlich langsamer läuft, gleichzeitig höhere Ausschussquoten produziert und deren Auftrag in der Kalkulation rote Zahlen schreibt, signalisiert ein Problem. In drei getrennten Systemen sind das drei normale Vorkommnisse. In einer gemeinsamen Sicht ist das ein Muster und ein Warnsignal.

Manuell vs. MES vs. Intelligenz-Schicht im Vergleich

Wie steigere ich meine OEE in 90 Tagen um 10–15 Prozentpunkte?

Die gute Nachricht: Die größten Hebel liegen im Prozess, nicht in der Technologie. Fünf Maßnahmen kosten nichts und wirken sofort:

Erstens: Definieren Sie klare Verlustkategorien. Ohne einheitliche Kategorien für Stillstandsursachen ist jede OEE-Berechnung wertlos. Die sechs großen Verluste bieten einen bewährten Rahmen: Geräteausfälle, Einrichten und Anpassen, Leerlauf und kleine Stopps, reduzierte Geschwindigkeit, Prozessfehler und reduzierte Ausbeute. Jeder Stillstand muss einer dieser Kategorien zugeordnet werden. Erst dann wird das Muster sichtbar.

Zweitens: Erfassen Sie Stillstandsursachen systematisch. Nicht die Symptome, sondern die Ursachen. Nicht "Eingangspuffer leer", sondern "Warten auf Vorprozess". Nicht "Maschine steht", sondern "Werkzeugwechsel überzogen". Diese Informationen liefern die Grundlage für den kontinuierlichen Verbesserungsprozess. Laut Cosmino erreichen Unternehmen, die systematisch erfassen, eine OEE-Steigerung von einem Prozentpunkt pro Monat — über neun Monate hinweg.

Drittens: Führen Sie tägliche Shopfloor-Meetings durch. Ein 15-minütiges Meeting pro Schicht mit fixer Agenda: Welche Verluste gab es? Welche Ursachen? Welche Maßnahmen für die nächste Schicht? Diese Routine stärkt die Verantwortung, fördert den direkten Bezug zur Leistung und verhindert die Anhäufung ungelöster Verluste. Teams, die diese Meetings etablieren, steigern ihre OEE in der Regel um 3 bis 5 Prozentpunkte innerhalb von sechs Wochen.

Viertens: Konzentrieren Sie sich auf die Top-Verluste. Die Pareto-Regel gilt auch für die OEE: 20 Prozent der Verlustursachen verursachen 80 Prozent der Effizienzeinbußen. Zu Beginn zählen vor allem Verbesserungsvorschläge, die schnell und günstig umsetzbar sind. Ein standardisierter Rüstvorgang, der die Rüstzeit von 60 auf 30 Minuten halbiert, kann allein die Verfügbarkeit um 7 Prozentpunkte steigern.

Fünftens: Nutzen Sie vorhandene Daten besser. Viele Mittelständler haben mehr Daten, als sie nutzen. Das ERP weiß, welche Aufträge wann auf welcher Maschine laufen. Die Zeiterfassung weiß, wann Überstunden anfallen. Die Qualitätsberichte dokumentieren Ausschussquoten. Die Verbindung dieser Daten — nicht die Anschaftung neuer Sensoren — ist der Schlüssel.

Was macht eine gute OEE-Lösung aus? 5 Kriterien

Für Unternehmen, die über den Prozess hinausgehen wollen, bietet eine Intelligenz-Schicht den nächsten Schritt. Sie verbindet Daten aus MES, ERP und Zeiterfassung, identifiziert Muster-Erkennung über Systemgrenzen hinweg und alarmiert, bevor sich ein Problem manifestiert. Die Wissensbasis vergleicht aktuelle Produktionsdaten mit historischen Mustern: Welche Maschinen haben typischerweise die höchsten Verluste in der Frühschicht? Welche Aufträge korrelieren mit Qualitätseinbußen? Die Rules Engine überwacht automatisch, wenn eine Anlage ihren Zielwert unterschreitet oder von ihren historischen Mustern abweicht.

Der entscheidende Vorteil einer Intelligenz-Schicht gegenüber punktuellen Tools liegt in der Cross-Module-Erkennung. Eine Maschine, die plötzlich langsamer läuft, wird vom Operations-Modul als OEE-Drift markiert. Wenn dieselbe Maschine gleichzeitig in der Kalkulation rote Zahlen schreibt und die Zeiterfassung steigende Überstunden in der Nachbearbeitung zeigt, entsteht ein Kaskaden-Signal: Diese Maschine hat ein systematisches Problem, das sich auf die Produktion, die Kosten und die Mitarbeiter auswirkt.

Was kostet ein professionelles OEE-Monitoring für KMU?

Für den Mittelstand mit 20 bis 500 Mitarbeitern liegen die Kosten einer KI-gestützten OEE-Lösung typischerweise zwischen 500 und 2.000 Euro monatlich plus einer einmaligen Einrichtungspauschale je nach Umfang der Datenquellen und Integrationen. Das ist weniger als ein halber Produktionsplaner pro Jahr, aber der Impact ist messbar: Unternehmen, die systematisch ihre OEE verbessern, steigern ihre Anlageneffektivität um 10 bis 15 Prozentpunkte und gewinnen dadurch hunderte zusätzliche Produktionsstunden pro Jahr.

Der Einstieg ist in 30 Tagen realisierbar, ohne IT-Abteilung und ohne MES-Wechsel. Die Lösung wird über standardisierte Connectors an bestehende Systeme angebunden. Die Daten bleiben dort, wo sie sind. NaveSight liest, analysiert und erkennt Muster, ohne Migration und ohne doppelte Dateneingabe. Eine Middleware verbindet Maschinendaten mit betriebswirtschaftlichen Kennzahlen — etwas, das kein reines MES leistet.

Wichtig ist: Die Technologie ist nur der Enabler. Der eigentliche Wert entsteht durch die Begleitung. Wir konfigurieren gemeinsam mit Ihrem Team die Verlustkategorien, führen wöchentliche Reviews durch und kalibrieren die Wissensbasis auf Ihr spezifisches Umfeld. Das ist der Unterschied zu einer Selbstbedienungs-Software, die nach drei Monaten ungenutzt vor sich hin werkt.

Fallstudie: Wie ein Mittelständler seine OEE von 58 auf 74 % steigerte

Ein Maschinenbauunternehmen aus Bayern, 35 Mitarbeitende, 4,2 Millionen Euro Jahresumsatz, OEE von 58 Prozent. Der Produktionsleiter war frustriert: Trotz voller Auftragsbücher liefen die Maschinen nie mit der erhofften Effizienz. Die Überstunden stiegen. Die Liefertermine gerieten ins Wanken.

Das Problem war nicht das MES. Sie nutzten ein etabliertes System für die Maschinendatenerfassung. Das Problem war die Sichtweise. Jede Maschine wurde isoliert betrachtet. Eine Anlage mit 85 Prozent Verfügbarkeit galt als gut. Dass dieselbe Anlage seit zwei Quartalen ihre Rüstzeit von 45 auf 72 Minuten verlängert hatte, dass sie gleichzeitig die höchsten Stückkosten in der Kalkulation verursachte und der zugehörige Auftrag bereits zweimal verschoben wurde. Das wusste niemand, weil niemand die drei Systeme zusammenschaute.

Nach der Integration einer Intelligenz-Schicht änderte sich der Workflow innerhalb von zwölf Wochen fundamental:

• Tag 1–21: Die Intelligenz-Schicht lernte die historischen Verlustmuster. Welche Maschinen hatten typischerweise die höchsten Verluste in der Frühschicht? Welche Aufträge korrelierten mit Qualitätseinbußen? Die Wissensbasis kalibrierte sich auf das spezifische Umfeld.
• Woche 4: Erste Alarme. Drei Maschinen wurden als OEE-Drift markiert, darunter eine, die als gut galt. Der Produktionsleiter führte ein Shopfloor-Meeting durch. Bei zwei Maschinen stellte sich heraus, dass verschleißbedingte Einstellungen die Zykluszeit verlängerten. Bei der dritten war ein Werkzeugwechsel-Intervall nicht eingehalten worden.
• Woche 8: Die OEE stieg von 58 auf 67 Prozent. Nicht, weil mehr produziert wurde, sondern weil Verluste früher erkannt und kommuniziert wurden. Die Rüstzeit der Schlüsselmaschine sank von 72 auf 38 Minuten.
• Woche 12: Ein Cross-Module-Muster wurde erkannt: Eine Maschine mit gleichzeitigem OEE-Drift, steigenden Stückkosten und steigenden Überstunden in der Nachbearbeitung. Der Geschäftsführer lud den Werkzeuglieferanten zu einem Gespräch ein. Es stellte sich heraus, dass eine neue Werkzeuggeometrie die Prozessstabilität beeinträchtigte. Ohne das Gespräch wären die Kosten weiter gestiegen und mit ihnen die Lieferverzögerungen.

Der entscheidende Unterschied: Nicht mehr Daten, sondern die richtige Verbindung vorhandener Daten. Eine Middleware, die MES, ERP und Zeiterfassung liest, kann das Muster als Ganzes erfassen — etwas, das kein Einzelsystem leistet.

Verwandte Inhalte

• DSO verbessern im Mittelstand — Wie Sie Ihre Forderungslaufzeit um 15–20 Tage senken und Liquidität zurückgewinnen.
• Lieferantenrisiko frühzeitig erkennen — Wie Sie Lieferanten-Delays erkennen, bevor sie Ihre Produktion stoppen.
• KI in der Qualitätskontrolle — Sichtprüfung, akustische Anomalie und Predictive Quality für den Mittelstand.
• Excel-Reporting ersetzen — Warum Excel im Mittelstand an Grenzen stößt und was Controller wirklich brauchen.
• OEE — Overall Equipment Effectiveness — Die vollständige Definition, Berechnung und Bewertung im Glossar.