Vor LineLab: Produktionsplanung zwischen Excel und Simulation

In vielen der weltweit führenden Fertigungsunternehmen – in der Luft- und Raumfahrt, Verteidigung, Automobilindustrie und Biopharma – ist die Planung von Produktionssystemen ein essenzielles Handwerk. Teams nutzen oft eine Kombination aus institutionellem Wissen, Excel, Simulationstools und jahrelanger Erfahrung, um hochkritische Vorhaben zu planen: neue Werke, Produktionssteigerungen und neue Produkteinführungen.

Diese Modelle sind nicht improvisiert – sie sind das Ergebnis von mühsam erarbeiteter Expertise, oft über Jahre hinweg aufgebaut und verfeinert von hochqualifizierten Industrial Engineers und Operationsteams. Excel bleibt das am weitesten verbreitete Werkzeug, oft ergänzt durch VBA, Monte-Carlo-Plugins und maßgeschneiderte Logik zur Bewertung von Durchlaufzeiten, Personalbedarf oder Ausstattungsvarianten. Simulationstools wie Simio, AnyLogic und ProModel werden mit Bedacht von Fachleuten eingesetzt, wenn eine dynamische Analyse erforderlich ist.

Und in vielen Fällen haben einzelne Ingenieur:innen bemerkenswert ausgefeilte Workflows entwickelt, die diese Werkzeuge miteinander verknüpfen, um wichtige Entscheidungen zu unterstützen.

Doch so leistungsfähig diese Werkzeuge auch sind – sie sind oft schwer weiterzugeben, langsam anzupassen und schwer über das ursprüngliche Team hinaus zu erweitern. Genau hier beginnt LineLab eine Rolle zu spielen – nicht indem es dieses Wissen ersetzt, sondern indem es es aufnimmt und in eine flexiblere, kollaborativere und szenariogetriebene Umgebung überführt.

Einige Teams haben den Übergang bereits vollzogen. Für viele andere hilft das Verständnis davon, wie Modellierung vor LineLab aussieht, dabei zu erkennen, wo der heutige Aufwand liegt – und wie sich dieselben Excel-basierten Prozessflüsse schnell in ein vollständiges, verlässlicheres und dynamisches Systemmodell überführen lassen.

Excel: Das allgegenwärtige Rückgrat

Ob beim Entwurf einer neuen Linie für ein Luftfahrtbauteil, beim Hochskalieren einer Biopharma-Produktion oder beim Rebalancing der Automobil-Endmontage – die meisten techno-ökonomischen Entscheidungen beginnen – und enden oft – in Excel.

Dafür gibt es gute Gründe:

• Flexibilität: Excel bildet alles ab – von Ausstattungslisten über Kapazitätsmodelle bis hin zu Kostenprognosen.
• Verbreitung: Jede:r nutzt es, Modelle lassen sich leicht teilen und besprechen.
• Institutionelle Trägheit: Viele Excel-Modelle sind über Jahre hinweg gewachsene Arbeiten, angepasst und erweitert mit jedem neuen Detail, das hinzukam.

Aber es gibt entscheidende Kompromisse. Excel kann die nichtlineare Dynamik von Materialflüssen nicht erfassen. Effekte wie Blockierung, Unterversorgung, Batching oder Nacharbeitsschleifen erzeugen Rückkopplungseffekte, die weit über das hinausgehen, was Tabellen leisten können. Dies führt zu großen Einbußen bei der Genauigkeit.

Und je komplexer die Modelle werden, desto schwerer sind sie zu prüfen, zu validieren oder an neue Szenarien anzupassen. Beziehungen zwischen Variablen sind in verschachtelten Formeln und verknüpften Tabellen versteckt, die sich der Transparenz entziehen. Und selbst bei hochkritischen Fällen – Investitionen über 100 Millionen USD oder mehrjährige Ramp-up-Zeitpläne – liegen die zugrunde liegenden Annahmen oft in Dateien, die nur wenige wirklich verstehen.

Fortgeschrittene Toolchains

Gelegentlich begegnet man herausragenden Beispielen individueller Initiative: eine Fertigungsingenieurin oder ein Prozessanalyst, der einen halbautomatisierten Workflow aufgebaut hat mit Tools wie:

• Minitab für statistische Prozesskontrolle oder DoE-Analysen,
• Excel/VBA für Kostenaufschlüsselung und Ausstattungsmodellierung,
• Python-Skripte oder Power Query zur Datenaufbereitung und -verknüpfung,
• und Simulationstools wie Arena oder AnyLogic für diskrete Ereignissimulation.

Diese Toolchains können sehr komplex sein. Chris Tonn von Spirit AeroSystems kombinierte Excel, Simio und Minitab, um eine fortgeschrittene Sensitivitätsanalyse zu ermöglichen, ähnlich der in LineLab.[1]

Das ist ein wiederkehrendes Muster: Diese Lösungen sind oft hochentwickelt und erfordern fortgeschrittene Kenntnisse, um alle Elemente zu verstehen, die nötig sind, um die Realität akkurat abzubilden.

Simulation: Spezialisierte Modellierung zur Durchsatzbestimmung

Simulationstools – wie Siemens Plant Simulation, Tecnomatix, AnyLogic, ProModel oder Simio – werden in vielen Unternehmen eingesetzt, kommen aber oft spät im Projektverlauf hinzu. Manchmal wird Simulation eher als Validierungswerkzeug eingesetzt, wenn Layout oder Prozessdesign bereits weitgehend abgeschlossen sind – nicht als Werkzeug zur Untersuchung von Alternativen.

Warum?

• Erforderliches Fachwissen: Simulationstools erfordern in der Regel spezielles Expertise.
• Eingabeanforderungen: Simulationen brauchen detaillierte Eingaben – ausgebaute Kapazität, Anzahl Kanbans und Bestand, Zykluszeiten – die zu Projektbeginn oft nicht verfügbar sind.
• Vorlaufzeit: Der Aufbau einer validierten Simulation kann Wochen dauern. Für schnelle Teams ist das zu langsam, um frühe Abwägungsentscheidungen zu unterstützen.

In der Folge ist Simulation oft vom vorgelagerten wirtschaftlichen Modellierungs- und Prozessplanungsaufwand entkoppelt. Oft wird eine grobe "Optimierung" der Systemkapazität mit Excel vorgenommen, dann mittels Simulation der Durchsatz für diverse Annahmen ermittelt, und schließlich die Kostenkalkulation in einer weiteren Excel-Tabelle durchgeführt.

Startups und kleine Teams: Die Herausforderung der Datenerhebung

Startups setzen oft auf einfachere Werkzeuge – meist Excel oder erfahrungsbasierte Schätzungen in frühen Phasen – um Produktionssysteme zu planen. Manche zielen ab auf Simulation, stoßen aber auf die Herausforderung, alle nötigen Eingabedaten zu beschaffen: Kapazitäten, Ressourcenzahlen, Routing-Annahmen. Diese Daten vorzubereiten kann Wochen oder Monate dauern – während das Startup weiter Kapital verbrennt.

Das Ergebnis: Wertvolle Zeit wird damit verbracht, Modelle zu bauen, die voraussetzen, dass zentrale Fragen – wie Flussengpässe oder Kostentreiber – bereits geklärt sind.

Wie geht es weiter?

Diese Dynamik verändert sich – durch integrierte Modellierung, die Konstruktion, Produktion und Kostenplanung bereits in der frühen Entwicklung miteinander verbindet.

In unserer Arbeit mit Teams, die die Produktion innovativer Systeme planen – von Luftfahrt über Halbleiterfertigung, Biopharma-Skalierung bis hin zu neuen Verteidigungssystemen – beobachten wir ein klares Muster: Das Wissen ist da. Ingenieur:innen haben durchdachte Excel-Modelle, strukturierte Kostenaufschlüsselungen und Layoutskizzen, die echtes Produktionsverständnis widerspiegeln.

Was oft fehlt, ist nicht das Wissen – sondern die Integration. Diese Modelle sind schwer anpassbar, schwer teilbar und vom dynamischen Verhalten entkoppelt. Deshalb beginnen viele Teams heute damit, ihre bestehenden Excel-Flüsse direkt in LineLab zu importieren. Innerhalb von Minuten entsteht daraus ein funktionierendes Produktionssystemmodell mit Stationslogik, Puffern und Ressourcengrenzen – bereit für die sofortige Analyse von Skalierung, Durchsatz und Kostenszenarien.

Der Übergang geht schnell, weil er nicht voraussetzt, dass Teams ihre Arbeitsweise ändern. Er baut auf dem auf, was bereits funktioniert – und erleichtert es, Szenarien zu testen, Ergebnisse zu teilen und bereichsübergreifend zusammenzuarbeiten.

Excel wird nicht verschwinden. Aber für eine wachsende Zahl an Teams beginnt die Produktionsmodellierung heute in LineLab.