Analyse von Taktzeiten und Linienabstimmung bei manueller Arbeit per Video

Manuelle Montage- und Packplätze werden noch immer mit Stoppuhren, REFA-/MTM-Studien und sporadischen Audits vermessen, die an wenigen Tagen nur wenige Zyklen erfassen. Zeitliche Aktionssegmentierung auf Stationskameras zerlegt jeden Zyklus automatisch in seine Arbeitsschritte, sodass Ingenieure Taktzeitverteilungen, Wartezeiten und Engpässe für jede Schicht und Variante sehen. Das Ergebnis speist Linienabstimmung und Kaizen. Dieselben Daten können leicht zur Überwachung von Beschäftigten werden; Vereinbarungen mit dem Betriebsrat, Anonymisierung und eine Auslegung auf Stationsebene (nicht auf Personenebene) sind daher Voraussetzungen.

Problem & Nutzen

• Heute: Industrial Engineers messen Taktzeiten per Stoppuhr oder manueller Videoauswertung (REFA-Zeitstudie, MTM-Systeme vorbestimmter Zeiten). Die Stichproben sind klein, der Hawthorne-Effekt verzerrt sie, und variantenspezifischer Aufwand, Mikrostillstände und Wartezeiten sind kaum sichtbar. Die Linienabstimmung beruht deshalb auf geplanten statt auf beobachteten Zeiten.
• KI-Nutzen: kontinuierliche, objektive Zeitmessung auf Schrittebene über alle Zyklen; schnelles Erkennen der tatsächlichen Engpassstation; Streuungsanalyse zwischen Schichten und Produktvarianten; Belege für die Überarbeitung von Arbeitsanweisungen; Erkennen ausgelassener oder vertauschter Schritte, die zu durchgerutschten Qualitätsmängeln führen.
• Belege: Anbieter wie Drishti (von Atlas Copco übernommen) veröffentlichen Einsätze in der Automobilzulieferung (z. B. HELLA) und in der Elektronikmontage. Berichtete Verbesserungen stammen vom Anbieter, führen Sie daher eine eigene Ausgangsmessung durch [1]. Akademische Benchmarks auf Montagevideos bestätigen, dass die Technik machbar, aber nicht gelöst ist [2][3].

Varianten

• Diskrete Montage (Automobil, Maschinenbau, Elektronik): Segmentierung auf Schrittebene mit Drehmoment- werkzeugen und Vorrichtungen als zusätzlichen Signalen.
• Pack- und Kommissionierplätze in der Logistik: grobe Aktionen (Greifen, Scannen, Packen, Verschließen); siehe VIS-019 und VIS-048 für Meilensteine der Abfertigung.
• Eingabe für den digitalen Zwilling der Linie: beobachtete Zeiten speisen die Simulation für Abstimmung und Layout.
• Schulungsmodus: Rückmeldung zur Vollständigkeit der Schritte an neue Werker an der Station, wobei die Daten nach der Sitzung gelöscht werden.
• Labor-/Arbeitsstudienmodus: kurze Aufnahmekampagnen (Tage), die manuelle Stoppuhrstudien ersetzen, mit einwilligenden Teilnehmenden; die Variante mit dem geringsten Risiko.

So funktioniert es

1. Stationskamera (von oben, fest montiert)
2. Datenschutzfilter am Edge (Gesichter verwischen / auf den Arbeitsbereich zuschneiden / nur Hände)
3. Erkennung + Hand-/Körper-Keypoints + Objekt-Tracking (Teile, Werkzeuge, Vorrichtungen)
4. zeitliche Aktionssegmentierung (bildweise Labels -> Schrittsegmente)
5. Zykluserkennung (Start/Ende nach Vorrichtung, Teil oder Schrittgrammatik)
6. Abgleich mit MES-Auftrags-/Variantendaten
7. Analytik: Zykluszeit je Schritt und Station, Wartezeiten, Taktlücke, Streuung
8. Balancing-Dashboard + Ausnahme-Clips -> Ingenieure / Teamleitungen

• Segmentierung: Ein Video-Backbone (I3D, VideoMAE/V-JEPA-Klasse oder Pose- + Objektmerkmale) speist ein zeitliches Modell (MS-TCN/ASFormer-Klasse), das jedes Einzelbild mit einer Schrittklasse beschriftet; die Nachbearbeitung erzwingt die Schrittgrammatik der Arbeitsanweisung.
• VLMs: Zero-Shot-VLMs helfen, Labels anzustoßen und Auffälligkeiten zu beschreiben, sind aber für exakte Zeitmessung noch zu grob und zu langsam; üblicherweise werden sie für die Annotation und die Erläuterung von Clips genutzt.
• Mensch-in-der-Schleife (Human-in-the-Loop): Ingenieure definieren die Schrittsystematik, prüfen Segmente mit niedriger Konfidenz und geben jede Erkenntnis frei, bevor sie für Personaleinsatz oder Änderungen an Arbeitsanweisungen verwendet wird. Ergebnisse werden je Station und Schicht aggregiert; Ansichten auf Einzelpersonen sind technisch gesperrt.

Datenaufbereitung

Video der Stationen sind die Kerndaten, dazu Kontext aus MES oder ERP (Aufträge, Varianten, Taktzeiten) und die Arbeitsanweisungen, die oft als PDF, Word oder auf Papier vorliegen und Schritte uneinheitlich beschreiben. Typische Lücken: keine abgestimmte Schrittsystematik, Kamerasicht durch Vorrichtungen oder Personen verdeckt, im MES nicht gekennzeichnete Varianten, Arbeitsanweisungen, die von der tatsächlichen Praxis abweichen, und keine Einwilligung oder Vereinbarung darüber, was aufgezeichnet wird.

Vorbereitungsschritte: - Das Schrittvokabular und die Schrittgrammatik mit Ingenieuren und Teamleitern abstimmen; die Arbeitsanweisungen digitalisieren (PREP-006, PREP-008). - Feste Kameras mit einem Datenschutzfilter am Edge installieren (Gesichter unkenntlich machen, auf den Arbeitsbereich zuschneiden), bevor Aufnahmen gespeichert werden. - Aufträge und Varianten aus MES oder ERP exportieren (PREP-005). - Mehrere hundert Zyklen je Station und Variante mit CVAT oder Label Studio beschriften, idealerweise von einem VLM vorbereitet und von Ingenieuren korrigiert (PREP-018, PREP-021). - Alles, was eine Person identifizieren könnte, pseudonymisieren oder aggregieren (PREP-022). - Aufbewahrung und Zweck schriftlich festlegen (PREP-025).

Aufwand: hoch, etwa 50-60 Prozent des Projekts, überwiegend Beschriftung, Kameraplatzierung und Einigung auf Datenschutzregeln. Ein kurzer Datenreife-Check (GUIDE-003) hilft, den Piloten auf eine oder zwei Stationen einzugrenzen.

Umsetzungswege

Welcher Weg für wen

• enterprise: C - Das Material zeigt Beschäftigte, daher sollten Datenschutzfilterung und Verarbeitung On-Premises am Edge bleiben; Schrittvokabulare sind produktspezifisch und die Fähigkeit bedient viele Linien (Baukasten-Effekt).
• developer: C - Offene Stacks (Pose, Tracking, zeitliche Segmentierung, CVAT) laufen auf HW1-Edge-Geräten und geben volle Kontrolle darüber, was die Station verlässt.
• smb: A - Bei einer Handvoll Stationen und ohne eigenes Bildverarbeitungsteam ist ein Anbieter mit ausgereiftem Datenschutzkonzept und Einführungsunterstützung der pragmatische Weg.

Weg A — Kaufen (Standardsoftware) (empfohlen)

• Spezialisierte Analytik für manuelle Arbeit: Drishti (US, Atlas-Copco-Gruppe), Retrocausal (US, Pi-Assembly und Prozessfluss-Analytik), Invisible AI (US); für EU-Optionen eine Marktsondierung bei MES-Anbietern und Siemens-Industrial-Edge-Apps durchführen. Stets EU-Hosting, Edge-Verarbeitung On-Premises und eine konfigurierbare Anonymisierungsschicht prüfen.
• A wählen, wenn: mehr als eine Handvoll manueller Stationen, kein eigenes Bildverarbeitungsteam und der Betriebsrat einen Anbieter mit ausgereiftem Datenschutzkonzept bevorzugt.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Kameras mit einer Edge-Box On-Premises; Clips oder Keypoints (nicht das rohe, Identität tragende Video) werden an Cloud-Endpunkte gesendet. Videofähige VLMs (Gemini, Qwen-VL über EU-Hosting, Pixtral/Mistral für Standbilder) können Schrittgrenzen für Trainingsdaten halbautomatisch beschriften. Azure AI Video/Vision oder Google Video Intelligence sind bei feingranularen Industrieschritten schwach; eigene Modelle einplanen.
• Dashboards in Power BI/Grafana; Anbindung an das MES über OPC UA oder REST.

Weg C — Selbst betreiben (Open Source)

• Stack: NVIDIA DeepStream oder Frigate-ähnliche RTSP-Aufnahme, Ultralytics YOLO (AGPL-Lizenz prüfen) oder RT-DETR für Objekte, RTMPose/MMPose oder MediaPipe für Hände/Keypoints, MMAction2 und offener Code zur zeitlichen Segmentierung (MS-TCN++, ASFormer, DiffAct) für die Schrittbeschriftung, Label Studio/CVAT für die Annotation, Grafana/Superset für Dashboards.
• Hardware: HW1-Edge (Klasse Jetson Orin) je 2-4 Kameras für die Inferenz; eine HW2-GPU für Training und die Neuverarbeitung im Stapel.

Weg D — Eigenes Training

Meist auch bei Weg A/B/C nötig: Schrittvokabulare sind produktspezifisch. Beschriftete Zyklen je Schrittklasse und Variante einplanen (hunderte Zyklen je Station sind eine realistische Größenordnung, im Piloten zu bestätigen). Few-Shot-/selbstüberwachtes Video-Vortraining nutzen, um den Beschriftungsaufwand zu senken.

Stand der Technik (2026)

• Zeitliche Aktionssegmentierung auf Montagevideos hat eigene öffentliche Benchmarks (IKEA ASM, Assembly101) mit Mehrfachansichten und Handpose-Daten [2][3]; die Genauigkeit ist bei groben Schritten gut, sinkt aber bei feingranularen, kurzen, verdeckten oder ähnlich aussehenden Schritten und bei unbekannten Varianten.
• Hand-Objekt-Verständnis und egozentrische/Mehrfachansicht-Modelle verbesserten die Robustheit; Video-Backbones auf Basis von Foundation Models verringern den Bedarf an beschrifteten Daten.
• Kommerzielle Systeme kombinieren meist Erkennung, Pose und Segmentierung mit Feinabstimmung je Station statt eines einzigen universellen Modells.
• Grenzen: Verdeckung durch Körper oder Vorrichtungen, Kameraplatzierung, wechselnde Lichtverhältnisse, neue Produktvarianten (Neubeschriftung), Mehrdeutigkeit von Schritten und gemischte manuelle/maschinelle Schritte. Zyklusgrenzen bei Chargenbildung oder Unterbrechungen brauchen Regeln. Modellausgaben nicht ohne Validierung als exakte Zeiten in MTM-Güte behandeln, sondern anhand einer Stoppuhrstudie an einer Stichprobe prüfen.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack: VIS-002 (Vollständigkeit der Montage), VIS-024 (Pose/Ergonomie), VIS-007 (PSA, Sicherheit), VIS-031 (VLM-Kamerasuche) teilen Kameras, Edge-GPUs, Tracking und Annotationswerkzeuge.
• Datenschutzschicht: VIS-030 Anonymisierung vor der Speicherung.
• Prozessanalytik: PRED-024 (vorausschauende Prozessüberwachung) und OEE-/MES-Daten; VIS-048 für Meilensteine in der Logistik.
• Governance: Themen der Personalanalytik liegen außerhalb dieses Eintrags; mit der Personalabteilung und dem Betriebsrat abstimmen.

Aufwand, Kosten & Kennzahlen

• Weg A: Pilot an 3-5 Stationen in 2-3 Monaten; Kostentreiber sind Kameras, Edge-Boxen, Lizenzen je Station und Ingenieurzeit für die Schrittdefinition.
• Weg B/C: 4-9 Monate inkl. Beschriftung, Datenschutzprüfung und MES-Anbindung; Beschriftung und Neuabstimmung je Variante dominieren die Kosten.
• Kennzahlen: Segmentierungsgenauigkeit gegenüber Stoppuhr-Stichprobe, Anteil korrekt segmentierter Zyklen, Taktzeitlücke je Station, Wirkungsgrad der Linienabstimmung, Warte-/Leerlaufanteil, Nacharbeit durch ausgelassene Schritte, eingesparte Ingenieurstunden je Zeitstudie.

Menschen & Veränderung

Dies ist ein für Menschen sensibler Anwendungsfall: Beginnen Sie gemeinsam mit der Leitung und dem Betriebsrat, bevor eine Kamera gekauft wird. Binden Sie außerdem die Produktions- oder Industrial-Engineering-Leitung als Prozessverantwortliche ein, die IT und IT-Sicherheit (Edge-Boxen, Netzwerk), die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten sowie die Teamleiter und Werker an den Pilotstationen.

Betriebsrat: ja. Das System ist objektiv zur Überwachung von Verhalten und Leistung geeignet, daher gilt die Mitbestimmung nach §87 Abs. 1 Nr. 6 BetrVG (das Bundesarbeitsgericht sieht die Eignung als ausreichend an); §90 Abs. 1 Nr. 3 verlangt frühzeitige Information über KI-geplante Arbeitsabläufe, und die Hinzuziehung eines KI-Sachverständigen gilt nach §80 Abs. 3 als erforderlich. Vereinbaren Sie eine Betriebsvereinbarung: Zweck ist die Linienabstimmung, nicht die individuelle Bewertung; Ergebnisse nur je Station und Schicht; festgelegte Aufbewahrung; keine Nutzung für disziplinarische Maßnahmen (GUIDE-004). Öffentlicher Dienst: Personalrat.

Datenschutzbeauftragte(r) und DSFA: sehr wahrscheinlich erforderlich (systematische Beobachtung von Beschäftigten, DSGVO Art. 35); mit jedem Anbieter einen AVV schließen (GUIDE-005). KI-Kompetenz: Schulen Sie Werker und Ingenieure darin, was das System sieht und wo es irrt; die KI-Verordnung (AI Act) Art. 4 verlangt von Arbeitgebern, die Kompetenz der Beschäftigten zu fördern (GUIDE-006). Kommunizieren Sie offen mit ausgehängten Hinweisen, Workshops an der Station und einem KI-Champion aus der Fertigung (GUIDE-008). Pilotieren Sie eine Station 6-8 Wochen. Typische Befürchtungen sind Überwachung und Arbeitsverdichtung; begegnen Sie ihnen mit der Betriebsvereinbarung, anonymisierten Ansichten und damit, dass Werker die Erkenntnisse prüfen können. Ingenieure geben jede Erkenntnis frei, bevor sich der Personaleinsatz ändert.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Die Einstufung hängt von der Nutzung ab. Reine Prozesszeitmessung, auf Stationsebene aggregiert, ist voraussichtlich ein minimales Risiko. Systeme, die zur Überwachung und Bewertung von Leistung oder Verhalten von Beschäftigten oder zur Aufgabenzuweisung eingesetzt werden, sind nach Anhang III Nr. 4 (Beschäftigung und Verwaltung von Arbeitnehmern) Hochrisiko-Systeme. Art. 5 Abs. 1 Buchst. f verbietet das Ableiten von Emotionen von Beschäftigten: Keine Emotions-, Ermüdungs-/Stimmungs- oder „Engagement“-Ableitung hinzufügen [4]. Art. 4 KI-Kompetenz gilt für Anwender.
• DSGVO: Video von identifizierbaren Beschäftigten sind personenbezogene Daten. Es braucht eine Rechtsgrundlage (Art. 6, in Deutschland § 26 BDSG, wie nach dem EuGH-Urteil zu § 23 HDSG auszulegen), Zweckbindung, eine DSFA (Art. 35), Datenminimierung, kurze Aufbewahrung und keine Zweitnutzung für disziplinarische Zwecke [5].
• Arbeitsrecht (DE): Die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG gilt für jedes technische System, das zur Überwachung von Verhalten oder Leistung geeignet ist; vor dem Piloten ist eine Betriebsvereinbarung nötig. Vergleichbare Rechte bestehen in anderen Mitgliedstaaten [6].
• Gegenmaßnahmen: Stationskameras auf Hände/Arbeitsbereich ausrichten, Unkenntlichmachung am Edge (VIS-030), aggregierte Berichte mit Mindestgruppengrößen, kein persönliches Ranking, festgelegte Aufbewahrung, Zugriff der Beschäftigten auf ihre eigenen Daten, transparente Kommunikation und eine unabhängige Prüfung des Zwecks.

Erste Schritte

1. Zweck, Umfang und einen Entwurf der Betriebsvereinbarung mit dem Betriebsrat und der bzw. dem Datenschutzbeauftragten abstimmen, bevor aufgezeichnet wird; die DSFA durchführen.
2. 2-3 repräsentative manuelle Stationen auswählen und eine klassische Stoppuhrstudie als Referenzwert durchführen.
3. Die Schrittsystematik mit Industrial Engineers definieren; feste Kameras mit datenschutzgerechtem Bildausschnitt installieren.
4. Einen Piloten über 4-6 Wochen mit einem Anbieter oder einer kleinen Open-Source-Pipeline durchführen; mit dem Referenzwert vergleichen.
5. Erkenntnisse auf Stationsebene für die Abstimmung nutzen, dann gemeinsam mit dem Betriebsrat über die Einführung entscheiden.

Quellen

1. Drishti — manual assembly line analytics — https://drishti.ai
2. Ben-Shabat et al., "The IKEA ASM Dataset" — https://arxiv.org/abs/2007.00164
3. Sener et al., "Assembly101: A Large-Scale Multi-View Video Dataset" — https://arxiv.org/abs/2203.14712
4. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
5. Regulation (EU) 2016/679 (GDPR) — https://eur-lex.europa.eu/eli/reg/2016/679/oj
6. Betriebsverfassungsgesetz § 87 — https://www.gesetze-im-internet.de/betrvg/__87.html
7. MMAction2 — https://github.com/open-mmlab/mmaction2
8. MS-TCN++ temporal action segmentation — https://github.com/yabufarha/ms-tcn