Wie viel Geld geht verloren, während Maschinen still vor sich hin warten? Der Begriff "unsichtbarer Leerlauf" beschreibt Zeiten, in denen Maschinen zwar eingeschaltet oder eingerichtet sind, aber nicht produzieren — und genau dieser versteckte Stillstand frisst in vielen Mittelstandsbetrieben Gewinne. Maschinenüberwachung ist der Schlüssel, um diese Zeiten zu erfassen. Produktionsleiter schätzen Verluste oft nur grob; ohne harte Daten bleiben das Vermutungen. Moderne Maschinenüberwachung zeigt, dass unsichtbarer Leerlauf 5–20 % der produktiven Zeit ausmachen kann und für kleine und mittlere Fertiger schnell Zehntausende Euro pro Jahr bedeutet.
Ein konkretes Beispiel macht das sofort deutlich: Eine einzelne CNC-Drehmaschine steht pro Schicht 30 Minuten still, weil Bediener auf Rüstanweisungen oder Material warten. In einer Halle mit fünf vergleichbaren Maschinen, drei Schichten pro Tag und einer Produktionsmarge von 80 €/Std. pro Maschine wird aus dem stillen 30-Minuten-Leerlauf wöchentlich ein Verlust von rund 1.700 € an Marge — mehr als 40.000 € pro Jahr. Über eine heterogene Anlagenlandschaft hochgerechnet steigen die Summen schnell weiter an.
Branchenberichte untermauern das Problem. Die Siemens-Studie „The True Cost of Downtime" (2024) zeigt, dass ungeplante Stillstände bei den 500 größten Industrieunternehmen weltweit rund 11 % des Umsatzes kosten können; in Extremfällen nennt die Studie branchenbezogene Werte von bis zu 2,3 Mio. USD Verlust pro Stunde in der Automobilproduktion (Siemens, 2024). Kleinere Hersteller erreichen diese Einzelstundensummen nicht, aber Prozentangaben sind auch für den Mittelstand relevant: 5–11 % des Umsatzes bedeuten für viele Betriebe dennoch vier- bis fünfstellige Jahresverluste.
Woran liegt die Persistenz des Problems? Zwei Hauptgründe: Erstens fehlt oft die Echtzeit-Erfassung — die Planung beruht auf Schichtberichten und Bauchgefühl statt auf getrackten Maschinenzuständen. Zweitens erschwert die heterogene Maschinenbasis — alte mechanische Pressen neben modernen CNCs — die automatische Datenerfassung. Ein Retrofitting ist möglich, braucht aber prozessunabhängige Sensoren und eine Analyseschicht, die Impulse und Vibrationen in aussagekräftige Zustände übersetzt.
Unter unsichtbarem Leerlauf verstehen wir jede Zeitspanne, in der die Maschine technisch verfügbar ist, aber keinen Wert schafft: Aufwärmzyklen, manuelle Mikrostopps, Materialwartezeiten oder nicht protokollierte Pausen der Bediener. Er unterscheidet sich vom klassischen Stillstand, bei dem Maschinen eindeutig aus sind; unsichtbarer Leerlauf bleibt häufig unaufgezeichnet. Diese Unsichtbarkeit verfälscht die Planung und verdeckt das reale OEE-Bild.
Daten verwandeln Annahmen in Entscheidungen. Wenn Maschinenzustände (produktiv, Leerlauf, Rüsten, Störung) in Echtzeit erfasst werden, können Produktionsleiter Leistung nach Schicht, Artikel oder Bediener auswerten. Solche Daten decken wiederkehrende Engpässe auf: Der Zuführer klemmt jeden Morgen um 10:15 Uhr, oder am Montag dauern Rüstvorgänge ungewöhnlich lange. Ohne Maschinenüberwachung bleiben solche Muster Anekdoten und schwer lösbar.
Publikationen liefern unterschiedliche Zahlen: Analysen wie die des OEE-Instituts oder Branchenstudien nennen Stillstandkosten, die je nach Branche von mehreren zehntausend bis hin zu mehreren hunderttausend Euro pro Stunde variieren können. Siemens fasst das gerne als Prozentwert: rund 11 % Umsatzeinbußen in großen Organisationen. Für die Praxis empfiehlt sich eine einfache Methode: Messen Sie Leerlauf-Minuten pro Maschine und Schicht und multiplizieren Sie diese mit Ihrer Marge pro Stunde, um die finanziellen Auswirkungen in Euro sichtbar zu machen.
Echtzeit-Überwachung macht unsichtbaren Leerlauf zu handhabbaren Ereignissen. Sensorbasierte Module, die Zyklen und Mikrostopps erkennen, reduzieren die Diagnosezeit erheblich. Moderne Lösungen wie die WatchMen-Plattform von Novo AI setzen auf nachrüstbare Sensoren und lokale Analytik, um diese Leerlaufzustände zu erkennen und Teams zu alarmieren damit aus Vermutungen gezielte Maßnahmen werden.
Unsichtbarer Leerlauf treibt die direkten Personalkosten, verringert den Durchsatz und verlängert Lieferzeiten. Betrachtet man die Arbeitskosten: Beschäftigte stehen während Mikrostopps an der Maschine, ihre Zeit wird aber oft der Produktion zugerechnet eine versteckte Lohnsteuer auf ineffiziente Abläufe. Spätere Folgen sind wichtige: Prognosen verschlechtern sich, Sicherheitsbestände steigen, und Kapital bindet sich in Halbfertigerzeugnissen.
Neben Mengenverlusten leidet auch die Qualität. Unterbrechungen beeinflussen thermische Prozesse, besonders in der Kunststoffverarbeitung oder Wärmebehandlung, und führen so zu erhöhtem Ausschuss. Ein weiterer Nebeneffekt ist Energieineffizienz: Maschinen im Leerlauf verbrauchen weiterhin Strom; ohne feingranulare Messung kann das Energiemanagement keine gezielten Abschaltstrategien oder Lastverschiebungen umsetzen.
Daten stützen den Business Case. Berichte von Evocon, Oden und Branchenmedien zeigen, dass datengetriebene Produktionsüberwachung ungeplante Ausfallzeiten signifikant reduzieren kann und damit auch unsichtbaren Leerlauf durch gezielte Arbeitsverteilung und planbare Wartung senkt. Genau hier werden OEE-Verbesserungen (Fallbeispiel: 30 % auf 60 %) für Mittelstandsbetriebe realistisch, sobald gemessen und gehandelt wird.
Weitere Hinweise liefert die ABB-Wartungsumfrage 2023 (zusammengefasst in der Fachpresse): In einigen Branchen können Ausfälle mitunter fünfstellige bis sechsstellige Summen pro Stunde kosten. Für den Mittelstand sind die absoluten Beträge geringer, die proportionalen Auswirkungen bleiben jedoch bedeutend: Wiederkehrende Mikrostopps summieren sich rasch zu spürbaren Monatsverlusten.
Szenario A: Ein Präzisionsfertiger in Deutschland mit 12 Maschinen meldete täglich insgesamt 4 Stunden unsichtbaren Leerlauf. Bei einer durchschnittlichen Marge von 40 €/Std. pro Maschine ergab das rund 19.200 € monatlich an entgangener Marge. Mit nachrüstbaren Sensoren und lokaler Analytik wurden wiederkehrende 20-minütige Mikrostopps beim Werkzeugwechsel sichtbar. Nach Prozessanpassungen sank der Leerlauf um 60 % und der monatliche Margenverlust lag unter 8.000 €.
Szenario B: Eine Montagelinie litt unter unvorhersehbaren Engpässen. Das Management vermutete Materialengpässe, die Daten zeigten jedoch, dass eine Förderer-Pneumatikstörung stündlich wiederkehrende 3-Minuten-Stopps verursachte. Die Behebung des Förderers reduzierte die Leerlaufzeit so weit, dass der Tagesdurchsatz um 8 % stieg, Liefertermintreue gewann und Überstunden abnahmen.
Beide Szenarien folgen dem gleichen Weg: messen — analysieren — handeln. Die Messung ist für viele Mittelständler der schwierigste Schritt wegen Altmaschinen und begrenzter IT-Ressourcen. Unsichtbarer Leerlauf bleibt dabei oft lange unerkannt, weil verlässliche Echtzeitdaten fehlen. Maschinen- und prozessunabhängige Lösungen reduzieren Implementierungshürden und verkürzen die Amortisationszeit.
Schritt 1: Starten Sie mit einer Basisaufnahme.
Nutzen Sie einfache, nachrüstbare Sensoren, um Maschinenzustände über zwei Wochen zu erfassen. Messen Sie Kennzahlen: Leerlauf-Minuten pro Schicht, Häufigkeit der Mikrostopps, mittlere Zeit zwischen Stopps. Stellen Sie die Erkenntnisse wöchentlich in einfachen Dashboards für Schichtleiter und Fertigungsteams dar und befähigen Sie tägliche Stand-ups, auf Alerts zu reagieren Verhaltensänderungen vervielfachen die Einsparungen.
Schritt 2: Maßnahmen priorisieren
Nicht jedes Leerlaufereignis ist sofort lohnenswert zu beheben. Priorisieren Sie nach Häufigkeit × Kosten. Ein einminütiger Stopp, der 50-mal am Tag auftritt, ist teurer als ein 30-minütiger Stopp, der wöchentlich vorkommt. Verwenden Sie Pareto-Analysen, um die 20 % Ursachen zu finden, die 80 % der Leerlaufminuten verursachen.
Schritt 3: Lokale Analytik und Sicherheit
Hersteller benötigen Analytik, die lokal läuft, um Datenhoheit zu gewährleisten und Latenzen zu minimieren. Der WatchMen-Ansatz setzt auf sichere lokale Verarbeitung und Dashboards, die Impulse und Vibrationen in Maschinenzustände übersetzen, ohne Rohdaten offsite abzulegen.
Schritt 4: Mit OEE verknüpfen
Verbinden Sie Maßnahmen mit der OEE. Ersetzen Sie schätzbasierte Berichte durch gemessene Zustandszeiterfassung. Steigt die OEE von 30 % auf 60 %, sollten sich Effekte in geringeren Überstunden, weniger Ausschuss und verbesserten Lieferkennzahlen zeigen.
Schritt 5: Kontinuierliche Überprüfung
Machen Sie die Reduzierung des unsichtbaren Leerlaufs zu einem laufenden KPI. Setzen Sie Ziele: Reduktion der Leerlauf-Minuten pro Maschine und Schicht um 30 % in sechs Monaten und mittelfristig weniger als 10 Leerlauf-Minuten pro Schicht. Führen Sie monatliche Reviews mit Maschinenzustandsdiagrammen, Wartungsprotokollen und Bedienerrückmeldungen durch; so schließen Sie die Lücke zwischen Daten und Fertigungsaktion. Verfolgen Sie ROI monatlich und berichten Sie an das Management, um die Initiative aufrechtzuerhalten.
Unsichtbarer Leerlauf beeinflusst auch Energieverbrauch und Nachhaltigkeitsziele. Idlende Maschinen mit Heiz- oder Hydrauliksystemen verbrauchen Strom und erzeugen einen versteckten CO2-Fußabdruck. Die Erfassung von Leerlauf-Energie erlaubt gezielte Abschaltpläne und Nachrüstungen. Kleine Kompressoren im Leerlauf können beispielsweise 10–15 % des Energieverbrauchs einer Werkshalle ausmachen; die Vermeidung solcher Verluste amortisiert sich oft innerhalb weniger Monate.
Das Benchmarking der Leerlauf-Energie hilft zudem bei EU-regulatorischen Meldungen und unternehmensweiten Nachhaltigkeitskennzahlen. Die Kombination aus Energie- und Produktionsüberwachung liefert eine vollständige ROI-Rechnung, die sowohl Margenrückgewinn als auch Energie-Kosteneinsparungen berücksichtigt.
Unsichtbarer Leerlauf ist kein Schicksal. Er ist messbar und behebar. Für Mittelstandsfirmen ist der erste Schritt, sich nicht mehr auf Schichtberichte zu verlassen, sondern Maschinenzustände in Echtzeit zu erfassen. Moderne Lösungen wie die WatchMen-Plattform von Novo AI unterstützen nachrüstbare Sensorik, lokale Analytik und sichere Dashboards, die unsichtbaren Leerlauf sichtbar machen.
Wenn Sie die Produktion leiten, fragen Sie Ihr Team: Wo treffen wir Annahmen über Maschinenverfügbarkeit? Welche Maschinen tauchen kaum in Wartungsprotokollen auf, verursachen aber Verzögerungen? Starten Sie einen 30-tägigen Messpiloten an einer repräsentativen Linie und quantifizieren Sie Ihr Ausgangsniveau meist zeigt sich die Amortisation schon nach wenigen Monaten. Stellen Sie ein bereichsübergreifendes Team aus Instandhaltung, Produktion und IT zusammen, um schnelle Ursachenbeseitigung und nachhaltige Prozessverbesserung sicherzustellen.
- Siemens - The True Cost of Downtime (2024) - Internationale Studie zu Kosten ungeplanter Stillstände (Zugriff am: 2026-02-18)
- IT&Production - Stillstandsdaten gezielt erfassen (2024) - Praxisartikel zur Erfassung und Auswertung von Stillständen (Zugriff am: 2026-02-18)
- produktion.de - Warum am Stillstand (fast) nie die Technik schuld ist - Beitrag zu Ursachenanalyse und OEE-Verbesserung (Zugriff am: 2026-02-18)
- OEE Institute - Berechnung der OEE-Kennzahl - Konkrete Berechnungsansätze und Kalkulationsbeispiele (Zugriff am: 2026-02-18)
