Produktionsfeinplanung & Advanced Planning (APS)

Die meisten Werke planen noch in Tabellen oder mit ERP-Läufen bei unendlicher Kapazität und löschen dann in der Fertigung Brände. Advanced Planning and Scheduling (APS) kombiniert Constraint-Solver, Heuristiken und ML-basierte Prognosen von Dauern und Nachfrage, um einen zulässigen Plan zu erzeugen, der Verspätungen, Umrüstungen und (optional) Energiekosten minimiert, und plant binnen Minuten neu, wenn etwas ausfällt. LLMs ergänzen eine Schicht in natürlicher Sprache für Was-wäre-wenn-Fragen und Erklärungen, aber der Optimierungskern bleibt ein Solver.

Problem & Nutzen

• Heute: Planer jonglieren Aufträge, Maschinenkalender, Werkzeuge, Materialengpässe und Rüstzeiten in Excel oder in ERP-Modulen (MRP), die unbegrenzte Kapazität annehmen. Pläne sind binnen Stunden überholt; Eilaufträge und Überstunden schließen die Lücke. Verlässliche Liefertermine zu nennen ist Ratespiel.
• KI-Nutzen: Pläne bei endlicher Kapazität in Minuten statt Stunden, bessere Termintreue, weniger Umrüstungen, ausdrückliche Szenarien („Was, wenn Maschine 4 zwei Tage ausfällt?“) und gelernte (nicht nominale) Bearbeitungszeiten.
• Vorteile: Anbieter und Forschung berichten von Verbesserungen bei Termintreue, Durchsatz und Durchlaufzeit, doch die Zahlen schwanken stark je nach Werk und Ausgangslage; messen Sie Ihre eigene Ausgangslage, bevor Sie einer genannten Prozentzahl trauen.
• Energie-Aspekt: In Deutschland hat das Kopernikus-Projekt SynErgie untersucht, wie sich die industrielle Produktion flexibel auf die Verfügbarkeit (schwankender) erneuerbarer Energie und deren Preise einstellen lässt [3].

Varianten

• Werkstattfertigung / Auftragsfertigung (KMU): viele Arbeitspläne, häufige Änderungen; leichtgewichtige APS-Ergänzung zum ERP.
• Fließ-/Prozessindustrie: Kampagnenplanung, reihenfolgeabhängige Reinigungszeiten (Lebensmittel, Chemie, Pharma).
• Diskrete Serienfertigung: Montagelinien, Reihenfolgeplanung bei Variantenmix, Lieferantenabrufe.
• Rollierende Neuplanung (reaktiv): ereignisgesteuerte Neuplanung bei Ausfall, Eilauftrag, Materialverzug.
• Energiebewusste / energieflexible Produktion (Lastverschiebung): APS mit zusätzlichen Zielen und Restriktionen: zeitabhängiger Strompreis, Grenzen für Lastspitzen (Leistungspreis), Anforderungen an Netzflexibilität und energieintensive Schritte (Öfen, Kompressoren, Elektrolyse, Kühlung), die in günstige oder an Erneuerbaren reiche Stunden verschoben werden, ohne Liefertermine zu gefährden. Erfordert Energiemessung je Maschine und einen Preis-/Prognose-Feed (siehe PRED-007, PRED-008). Reines Energiemonitoring für ISO 50001/EnEfG ist Analytik, keine Optimierung. Verbindung zu Standort-Anlagen: OPT-011 (Batterieeinsatz/Flexibilität) und OPT-007 (Gebäudeenergie/HLK).
• Strategische/taktische Planung: S&OP, Master Planning über mehrere Werke -> OPT-008.

So funktioniert es

ERP-Aufträge + Prognose (PRED-001) + MES-/Maschinenzustände + Energiepreise (PRED-008)
  -> Datenmodell: Ressourcen, Kalender, Arbeitspläne, Rüstvorgänge, Material
  -> Schätzung von Nachfrage/Dauern (ML auf historischen MES-Zeiten)
  -> Optimierung (Constraint Programming / MIP / Heuristiken, optional RL-Dispatching)
  -> Szenarienbewertung (Simulation, Was-wäre-wenn, LLM-Assistent)
  -> Prüfung & Freigabe durch den Planer (Mensch-in-der-Schleife)
  -> Rückschreiben in MES/ERP -> Rückmeldung aus der Ausführung -> Neuplanung bei Ereignissen

• Solver-Kern: Constraint Programming (CP) und gemischt-ganzzahlige Programmierung modellieren Job-Shop-/Flexible-Job-Shop- Probleme mit reihenfolgeabhängigen Rüstzeiten, Vorrangbeziehungen und Überlappungsverboten; Metaheuristiken skalieren auf große Instanzen; Prioritätsregeln bieten eine schnelle Rückfalloption.
• Rolle von ML: sagt realistische Zykluszeiten, Ausschuss und Stillstandsrisiko (PRED-006) sowie Nachfrage voraus; gelernte Dispatch-Strategien (Reinforcement Learning, Graph-Neuronale-Netze) sind ein aktives Forschungsfeld, ersetzen aber in der Produktion selten Solver.
• Rolle des LLM: übersetzt Fragen der Planer in Szenarioparameter oder Solver-Modelle und erklärt Pläne (siehe OPT-018); das LLM darf nie selbst der Planer sein.
• Mensch-in-der-Schleife (Human-in-the-Loop): Planer genehmigen und können Aufträge sperren („eingefrorener Horizont“); Übersteuerungen werden protokolliert und zurückgespielt.

Datenaufbereitung

Ein APS braucht verlässliche Stamm- und Fertigungsdaten: Arbeitspläne, Stücklisten, Rüstmatrizen, Maschinenkalender, Materialverfügbarkeit und Auftragsdaten. Diese liegen im ERP, in MES- oder Maschinendatensystemen und oft in Excel-Tabellen des Planers sowie in Papierbelegen der Fertigung.

Typische Lücken sind veraltete Arbeitspläne und Zykluszeiten, fehlende Rüstzeiten, ungepflegte Maschinenkalender, uneinheitliche Stücklistenstände und reale Restriktionen, die nur der Meister kennt.

Schritte der Aufbereitung: - ERP- und MES-Daten extrahieren (PREP-005) und geplante mit tatsächlichen Zeiten aus 3-6 Monaten Rückmeldungen vergleichen. - Stammdaten korrigieren: Arbeitspläne, Rüstmatrizen, Kalender, Lieferzeiten; Verantwortliche benennen (PREP-004). - Die Planungslogik aus Excel in saubere Tabellen überführen (PREP-011) und Papierrückmeldungen durch digitale Erfassung ersetzen (PREP-008). - Regeln und Prioritäten der Planer ausdrücklich dokumentieren (PREP-016).

Grober Anteil am Aufwand: 40-60 Prozent, meist der größte Kostentreiber und oft der Grund, warum APS-Projekte scheitern. Führen Sie GUIDE-003 durch, bevor Sie ein Werkzeug auswählen.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A. APS-Module in ERP-/MES-Suiten oder Spezialwerkzeuge sind zu KMU-Preisen ausgereift; der Aufwand liegt in den Stammdaten, nicht im Solver.
• Großunternehmen: Weg B. Die Feinplanung ist ein strategischer Hebel mit werksspezifischen Restriktionen; ein in ERP/MES integrierter Solver in der eigenen Cloud passt besser als ein Standardmodul.
• Entwickler: Weg C. OR-Tools CP-SAT oder Timefold laufen auf HW1 und erlauben eigene Restriktionsmodelle.

Weg A — Kaufen (Standardsoftware) (für die meisten empfohlen)

• Suiten für Großunternehmen: SAP Integrated Business Planning und SAP S/4HANA PP/DS (EU), Siemens Opcenter Scheduling / Preactor (Anbieter mit Sitz in der EU), Dassault Systemes DELMIA Quintiq (EU), Oracle, Kinaxis.
• APS & MES für Mittelstand/KMU: PSIsoftware / PSI Metals (EU), ORSOFT (EU), Fastec / FELIOS (EU), Asprova, Plex/Rockwell (US), Planungsoptimierung in Microsoft Dynamics 365 Supply Chain Management.
• Weg A wählen, wenn: ein ERP/MES vorhanden ist, die Regeln Standard sind und Sie Herstellersupport und Rückschreiben ins MES brauchen. Prüfen: Qualität des Solvers bei endlicher Kapazität, Unterstützung von Rüstmatrizen, Szenarienverwaltung, Hosting in der EU, ERP-Konnektor.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Verwaltete Solver: Gurobi, FICO Xpress, Hexaly (EU, Frankreich), Google OR-Tools CP-SAT (kostenlos) im eigenen Cloud-Mandanten (EU-Region). Datenschicht über ERP-APIs/OPC UA/MQTT; Orchestrierung mit Airflow oder n8n.
• LLM-Assistent über eine in der EU gehostete Frontier-API (z. B. Mistral oder Claude/Gemini/GPT in EU-Regionen) mit Tool-Aufrufen an einen validierten Planungsdienst.
• Weg B wählen, wenn: Sie ungewöhnliche Restriktionen haben, die kein Produkt gut abbildet, und über etwas Daten-/OR-Entwicklungskompetenz verfügen.

Weg C — Selbst betreiben (Open Source)

• Solver: Google OR-Tools (CP-SAT) [1], HiGHS, SCIP, Timefold Solver (quelloffene Planungs-Engine, Belgien, EU) [2], OptaPlanner-Linie, Modellierung mit Pyomo/PuLP, JobShopLib für die Forschung.
• Daten/Simulation: PostgreSQL, SimPy oder ereignisdiskrete Simulation im Stil von AnyLogic, Grafana für Gantt-/Kennzahlen-Ansichten.
• Hardware: HW1 (CPU-Server) genügt für den Solver; ein kleines lokales LLM (HW2) nur für die Assistenzschicht.
• Aufwand: 3-9 Monate inkl. Datenmodell, Integration und Akzeptanz bei den Planern.

Weg D — Eigenes Training

Lohnt sich für gelernte Dauer-/Ausbeutemodelle mit mehreren Monaten MES-Historie oder für RL-Dispatch-Strategien, die in einem Simulator Ihres Werks trainiert werden. Erfordert saubere Auftrags-Vorgangsdaten mit Zeitstempeln; beginnen Sie mit Gradient Boosting, bevor Sie Deep Learning einsetzen. Halten Sie einen Solver oder eine regelbasierte Rückfalloption bereit.

Stand der Technik (2026)

• Solver der CP-SAT-Klasse sind das praktische Arbeitspferd der Feinplanung: stark bei Überlappungsverboten, Rüst- und Vorrangrestriktionen, mit paralleler Suche und jederzeit verfügbaren Lösungen [1]. Spezialisierte Engines (Timefold, Hexaly) konkurrieren bei großen Instanzen mit vielen Restriktionen [2].
• Hybrid aus ML und Optimierung: gelernte Bearbeitungszeiten und vorhergesagte Störungspuffer speisen den Solver („erst vorhersagen, dann optimieren“); RL-/GNN-Dispatching hilft bei sehr schnellen reaktiven Entscheidungen, doch Benchmarks sind meist akademisch.
• LLM-zu-Solver-Assistenten (OPT-018) senken die Hürde für Was-wäre-wenn-Analysen; die Zuverlässigkeit hängt von validierten Modellvorlagen ab, nicht von frei generierten Modellen.
• Digitale Zwillinge und ereignisdiskrete Simulation dienen dazu, Pläne vor der Freigabe zu belasten.
• Energieflexible Produktion ist von der Forschung in Pilotprojekte und frühe Produkte übergegangen, da dynamische Tarife und Netzentgelt- Anreize sich verbreiten; die Verbreitung wird durch Prozessrestriktionen und Messtechnik begrenzt [3].
• Grenzen: schlechte Stammdaten (falsche Arbeitspläne, Rüstzeiten) sind die Hauptursache für Misserfolge; nervöse Neuplanung destabilisiert die Fertigung (eingefrorene Horizonte nutzen); NP-schwere Instanzen brauchen Zeitlimits und die Angabe der Optimalitätslücke; auf dem Papier optimal ist nicht zulässig, wenn Werkzeuge, Bediener oder Material nicht modelliert sind.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (optimization-solver + time-series + tabular-ml): OPT-001 Routenplanung, OPT-003 Schichtplanung des Personals (Bediener als Ressourcen), OPT-019 Außendienst, OPT-013 Stundenplanung, OPT-027 Projektplanung.
• Vorgelagert: PRED-001 Nachfrageprognosen, OPT-005 Bestand/Wiederauffüllung, OPT-008 S&OP, PRED-006 Wartungsfenster. Nachgelagert: MES-Ausführung, OPT-009 Parameteroptimierung.
• Energie: OPT-011, OPT-007, PRED-007, PRED-008 teilen sich Preis-/Lastprognosen und Flexibilitätssignale.

Aufwand, Kosten & Kennzahlen

• Weg A: 2-6 Monate für Einführung und Bereinigung der Stammdaten; Lizenz je Standort/Planer/Modul.
• Weg B/C: 3-9 Monate; die Kosten werden von Datenmodellierung und Integration bestimmt, nicht von der Rechenleistung.
• Kennzahlen: Liefertreue (on time in full), Plantreue, Durchlaufzeit, Umlaufbestand (WIP), Umrüstzeit, Maschinenauslastung, Planungszeit je Plan, Neuplanungszeit, Energiekosten je Einheit und Lastspitze (Energievariante).

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung (Sponsor, Ziele), die Leitung von Produktion und Planung (Prozessverantwortliche), Planer und Meister als tägliche Anwender, die IT für die ERP-/MES-Integration, Datenverantwortliche für die Stammdaten sowie den Betriebsrat ein.

Betriebsrat: abhängig vom Einzelfall. Der Plan selbst ist keine Mitarbeiterüberwachung, aber wenn sich Maschinen- oder MES-Daten einzelnen Bedienern oder Schichten zuordnen lassen oder der Plan Arbeitszeiten vorgibt, greifen §87 Abs. 1 Nr. 6 (und §87 Abs. 1 Nr. 2/3 zur Arbeitszeit) BetrVG; §90 Abs. 1 Nr. 3 verlangt frühzeitige Information über KI-geplante Arbeitsabläufe. Regeln Sie dies in einer Betriebsvereinbarung (GUIDE-004). Werke der öffentlichen Hand: Personalrat.

Datenschutz: überwiegend nicht personenbezogene Maschinen- und Auftragsdaten; beziehen Sie die/den Datenschutzbeauftragte(n) nur ein, wenn Bediener-IDs oder Schichtdaten verarbeitet werden, und prüfen Sie dann AVV und DSFA (GUIDE-005).

KI-Kompetenz: Schulen Sie Planer darin, was der Solver voraussetzt und wie Was-wäre-wenn-Szenarien zu lesen sind; das unterstützt die KI-Kompetenz, die Art. 4 der KI-Verordnung (AI Act) verlangt (GUIDE-006).

Pilotieren Sie an einer Linie oder einem Arbeitsplatz, laufen Sie parallel zur manuellen Planung und verfolgen Sie die Plantreue. Typische Sorgen: Planer fürchten den Verlust ihrer Expertise, Meister misstrauen den Plänen. Begegnen Sie dem, indem Planer Restriktionen festlegen und Reihenfolgen übersteuern können; das System schlägt vor, Menschen entscheiden (GUIDE-008, GUIDE-009).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): in der Regel minimales Risiko (Planung von Maschinen und Aufträgen). Relevant wird es, wenn einzelne Beschäftigte eingeplant werden (Zuweisung, Überwachung, Leistungsbewertung) -> Anhang III Beschäftigung/Personal- management kann greifen (siehe OPT-003). Art. 4 KI-Kompetenz gilt. Prüfen Sie die Maschinenverordnung (EU) 2023/1230, wenn KI direkt Sicherheitsfunktionen steuert; die Feinplanung tut das normalerweise nicht.
• DSGVO / Betriebsrat: Pläne und Leistungsdaten auf Bedienerebene sind personenbezogene Daten; die Mitbestimmung des Betriebsrats in Deutschland (§87 BetrVG) gilt für Systeme, die Beschäftigte überwachen können.
• Betriebliche Risiken: veraltete Daten, unzulässige Pläne, übermäßiges Vertrauen; Gegenmaßnahmen sind Planvalidierung, eingefrorene Horizonte, manuelle Übersteuerung und Rückfall auf Prioritätsregeln.
• Energievariante: Grenzen der Prozesssicherheit und der Produktqualität einhalten; mit Vereinbarungen mit dem Netzbetreiber und den Pflichten aus EnEfG/ISO 50001 abstimmen.

Erste Schritte

1. Einen Engpassbereich (eine Linie oder einen Arbeitsplatz) auswählen und 6-12 Monate Zeitstempel zu Aufträgen/Vorgängen sammeln.
2. Arbeitspläne, Rüstmatrix und Kalender bereinigen; nominale mit tatsächlichen Dauern vergleichen.
3. Einen Prototyp mit OR-Tools CP-SAT oder einer Herstellertestversion bauen; mit dem realen Plan des Planers für historische Wochen vergleichen.
4. 4-8 Wochen im Schattenbetrieb laufen lassen, dann mit eingefrorenem Horizont und Protokollierung der Übersteuerungen freigeben.
5. Das Energieziel (Preis/Lastspitze) erst ergänzen, wenn dem Basisplan vertraut wird.

Quellen

1. Google OR-Tools — Scheduling (job shop, CP-SAT) — https://developers.google.com/optimization/scheduling
2. Timefold — open-source planning solver — https://github.com/TimefoldAI/timefold-solver
3. Kopernikus-Projekt SynErgie — https://www.kopernikus-projekte.de/projekte/synergie
4. SAP — Production Planning and Detailed Scheduling (PP/DS) — https://help.sap.com/docs/SAP_S4HANA_ON-PREMISE/ppds
5. Siemens — Opcenter Scheduling — https://plm.sw.siemens.com/en-US/opcenter/
6. Hexaly — optimizer for scheduling — https://www.hexaly.com/
7. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj