Wie viele Produktionsminuten verschwinden unbemerkt pro Schicht? Verfügbarkeitskennzahlen in der Produktion geben darauf eine belastbare Antwort — nicht in Vermutungen, sondern in Minuten, Sekunden und konkreten Verlustursachen. Wer Verfügbarkeit, Stillstandszeit, Mikrostopps und Rüstzeiten sauber erfasst, priorisiert nicht mehr nach Gefühl, sondern nach wirtschaftlichem Hebel. Genau dort liegt der Nutzen: Produktionsleiter, Instandhaltung und Geschäftsführung erkennen, welche Maschine die meisten Minuten verliert, welche Stopparten dominieren und welche Maßnahmen den schnellsten Effekt auf Durchsatz, OEE und Kosten haben.
Dieser Leitfaden erklärt, wie Sie Verfügbarkeitskennzahlen in der Produktion richtig aufbauen, welche Definitionen vor der Messung geklärt werden müssen, wie Retrofit-Sensorik und Edge-Analytik bei Bestandsmaschinen helfen und wie sich verlorene Stillstandsminuten in einen EUR-basierten Business Case für den deutschen Mittelstand übersetzen lassen.
Genaue Verfügbarkeitskennzahlen verändern operative Entscheidungen. Statt Ersatzteile zu bestellen, Überstunden zu genehmigen oder Schichtleistungen aus dem Bauch heraus zu bewerten, sehen Teams datenbasiert: Welche Maschine verliert tatsächlich die meisten Minuten? Welche Unterbrechungen treten regelmäßig auf? Welche Abweichungen entstehen durch Rüsten, Leerlauf, Mikrostopps oder ungeplante Maschinenausfälle?
Damit wird aus einer abstrakten Kennzahl ein Steuerungsinstrument. Die Frage lautet nicht mehr nur: „Wie hoch ist unsere Anlagenverfügbarkeit?“ Sondern: „Welche konkreten Verfügbarkeitsverluste entstehen in welcher Schicht, an welcher Maschine und bei welchem Auftrag?“ Erst diese Ebene macht Kennzahlen in der Produktion wirklich handlungsfähig. Verfügbarkeitskennzahlen in der Produktion helfen deshalb, Verluste nicht nur zu messen, sondern nach Maschine, Schicht und Auftrag gezielt zu priorisieren.
Beispielsweise zeigt Siemens in der Studie „True Cost of Downtime“ (2024), dass Mess-Blindstellen maßgeblich zu Ausfallkosten beitragen. Ungeplante Stillstände können bei großen Organisationen in der Größenordnung von rund 11 % des Umsatzes liegen (Siemens TCOD 2024). Für mittelständische Fertigungsunternehmen ist die absolute Zahl oft kleiner, der operative Effekt aber derselbe: Was nicht sauber gemessen wird, wird zu spät erkannt, falsch priorisiert oder gar nicht verbessert.
Die klassische Formel für Anlagenverfügbarkeit ist einfach:
Verfügbarkeit = Betriebszeit ÷ geplante Produktionszeit
Die Schwierigkeit liegt nicht in der Berechnung, sondern in der Definition der Eingangsgrößen. Genau hier entstehen in vielen Betrieben unzuverlässige Verfügbarkeitskennzahlen in der Produktion. Bevor gemessen wird, muss klar sein, was als geplante Produktionszeit gilt, ob geplante Wartung diese Zeit reduziert, wie Rüstvorgänge behandelt werden und ab welcher Dauer ein Mikro-Stopp gezählt wird.
Ein typisches Beispiel: Eine Maschine ist für acht Stunden eingeplant. Davon entfallen 30 Minuten auf eine geplante Pause, 40 Minuten auf Rüsten, 25 Minuten auf kurze Unterbrechungen und 35 Minuten auf einen ungeplanten Stillstand. Je nachdem, wie diese Zeiten klassifiziert werden, verändert sich die Verfügbarkeit deutlich. Ohne einheitliche Regeln wirken die Zahlen präzise, sind aber fachlich nicht vergleichbar.
Best Practice ist deshalb, mindestens vier Kategorien sauber zu dokumentieren und dauerhaft konsistent zu nutzen: geplante Stillstände wie Wartung oder Pausen, Rüstzeiten, Mikrostopps im Sekunden- oder Minutenbereich und ungeplante Ausfälle. Für die Produktionssteuerung sind zusätzlich Betriebszeit, Maschinenlaufzeit, Stillstandszeit, geplante Produktionszeit und Plan-Ist-Abweichungen relevant. Verfügbarkeitskennzahlen in der Produktion werden erst dann belastbar, wenn alle Verlustarten einheitlich definiert, sauber erfasst und über Maschinen, Schichten und Aufträge hinweg vergleichbar gemacht werden.
Gerade im OEE-Kontext ist die Verfügbarkeit nur eine von drei Komponenten, aber häufig der sichtbarste Verlusthebel. Die OEE-Verfügbarkeit zeigt, wie stark Stillstände und organisatorische Unterbrechungen die geplante Produktionszeit reduzieren. Wenn diese Verfügbarkeitsdaten ungenau sind, werden auch OEE-Werte, Schichtvergleiche und Maschinenvergleiche unzuverlässig.
Manuelle Schichtprotokolle erfassen meist große Ausfälle, übersehen aber routinemäßig Mikro-Unterbrechungen, die sich über Tage und Wochen zu erheblichen Verlusten summieren. Sensorbasierte Erfassung kann diese Lücke schließen. Zeitgestempelte Ereignisse aus nicht-invasiven Retrofit-Modulen machen Muster sichtbar, die im Alltag oft als „normal“ akzeptiert werden. Die Daten bilden die Grundlage für belastbare Produktionskennzahlen, für eine glaubwürdige OEE-Initiative und für konkrete Verbesserungsmaßnahmen.
Drei wiederkehrende Fehlerquellen torpedieren die Messung von Verfügbarkeit und Stillstandszeit besonders häufig.
Die erste Ursache sind unterschätzte Mikrostopps. Kurze, häufige Unterbrechungen werden selten konsequent dokumentiert, obwohl sie in Summe mehr Verlust verursachen können als ein einzelner großer Ausfall. In manuellen Protokollen erscheinen sie oft gar nicht oder nur als unscharfer Kommentar am Schichtende. Verfügbarkeitskennzahlen in der Produktion werden dadurch schnell verzerrt, weil gerade diese kleinen, wiederkehrenden Zeitverluste in der täglichen Bewertung oft unsichtbar bleiben.
Die zweite Ursache sind inkonsistente Definitionen. Produktion, Instandhaltung, Controlling und Geschäftsführung arbeiten nicht immer mit denselben Begriffen. Für die Schichtleitung ist eine Maschine vielleicht „gelaufen“, weil sie eingeschaltet war. Für die Produktionsleitung war sie aber nicht produktiv, weil kein Gutteil entstanden ist. Für das Controlling zählt wiederum die geplante Auftragszeit. Ohne gemeinsame Definition wird aus einer Kennzahl schnell eine Diskussionsgrundlage statt eines Steuerungsinstruments.
Die dritte Ursache ist verzögerte Dokumentation. Wenn Stillstandsgründe erst Stunden später eingetragen werden, verschwimmen Ursache und Wirkung. Bediener erinnern sich an große Störungen, aber nicht an jede kurze Unterbrechung, jeden Leerlauf oder jede kleine Verzögerung. Dadurch entstehen KPI-Werte, die formal vollständig aussehen, operativ aber nur eingeschränkt nutzbar sind.
Der Digitalisierungsbericht des KfW-Mittelstands 2024 zeigt, dass deutsche KMU massiv in Digitalprojekte investiert haben — rund 31,9 Mrd. EUR. Dennoch fehlen in vielen Betrieben geschlossene Datenloops für Maschinenzustände. Genau das begünstigt inkonsistente Verfügbarkeits-KPIs, weil Daten zwar teilweise digital vorliegen, aber nicht durchgängig zwischen Maschine, Auftrag, Schicht und Ursache verbunden sind (KfW Digitalisierungsbericht 2024).
Für Produktionsleiter entsteht dadurch ein praktisches Problem: Die Kennzahlen zeigen zwar eine Verfügbarkeit, aber nicht zuverlässig, wo der Verlust entsteht. Genau diese Lücke müssen moderne Verfügbarkeitskennzahlen in der Produktion schließen.
Beginnen Sie nicht mit einem großen IT-Projekt, sondern mit einem fokussierten Pilot. Der Scope sollte eng bleiben, damit Definitionen, Datenqualität und Maßnahmenableitung schnell überprüft werden können. Ein sinnvoller Startpunkt ist eine Maschine oder Linie, bei der Stillstände, Schichtunterschiede oder Durchsatzprobleme bereits vermutet werden.
Der erste Schritt besteht darin, einheitliche Begriffe und Kategorien zwischen Produktion und Instandhaltung festzulegen. Ohne diese Grundlage erzeugt jede Messung neue Diskussionen. Klären Sie, was als produktive Laufzeit gilt, wann Leerlauf beginnt, wie geplante Stillstände behandelt werden und welche Mikrostopps separat erfasst werden sollen.
Danach sollte eine zwei- bis vierwöchige Basislinie mit bestehenden Protokollen und vorhandenen Daten aufgebaut werden. Diese Baseline ist wichtig, weil sie Erwartungen setzt und später sichtbar macht, welche Verluste durch automatische Erfassung zusätzlich erkannt werden. In vielen Betrieben zeigt sich genau an dieser Stelle, dass manuelle Dokumentation zwar die großen Ereignisse erfasst, aber die kleinen Wiederholungsverluste unterschätzt.
Im nächsten Schritt werden nicht-invasive, maschinenunabhängige Sensoren an der ausgewählten Maschine installiert. Entscheidend ist, dass Bestandsmaschinen nicht erst über ein komplexes SPS- oder PLC-Projekt angebunden werden müssen. Für viele mittelständische Fertigungsbetriebe ist Retrofit-Sensorik deshalb attraktiv, weil sie Maschinenzustände über physikalische Signale wie Vibration, Akustik oder Energie erfassen kann, ohne in die Steuerung einzugreifen.
Die Sensoren sollten zunächst parallel zum bisherigen Vorgehen laufen. So können Schichtprotokolle, Bedienereingaben und automatisch erkannte Maschinenzustände miteinander verglichen werden. Erst dieser Abgleich zeigt, wo die bisherige Datenbasis zu optimistisch war und welche Stillstandsarten systematisch fehlen.
Anschließend werden die drei wichtigsten Verlustkategorien priorisiert. Das können wiederkehrende Mikrostopps, zu lange Rüstzeiten, Leerlauf während aktiver Aufträge oder ungeplante Maschinenausfälle sein. Wichtig ist, nicht sofort zehn Maßnahmen gleichzeitig zu starten. Verfügbarkeitskennzahlen sind nur dann wertvoll, wenn aus ihnen konkrete Entscheidungen entstehen. Verfügbarkeitskennzahlen in der Produktion helfen in dieser Pilotphase, erkannte Verluste in klare Prioritäten zu übersetzen und Verbesserungen messbar nachzuweisen.
Piloten zeigen typischerweise 10–30 % mehr erfasste Stillstandszeit, sobald Mikrostopps und undokumentierte Rüstvorgänge sichtbar werden. Für den Mittelstand ist das kein Nachteil, sondern ein Erkenntnisgewinn. Die Produktion ist nicht schlechter geworden — die Messung ist genauer geworden.
Retrofitting ist in diesem Kontext besonders relevant. Clip-on-Sensor-Module und lokale Gateways können Maschinen in Tagen statt Monaten instrumentieren, ohne teure PLC-Projekte oder lange Integrationsphasen. Moderne Plattformen verarbeiten Daten lokal über Edge-Analytik. Dadurch sinkt die Latenz, Rohdaten müssen nicht dauerhaft in die Cloud übertragen werden und es entstehen verwertbare Ereignisse für Verfügbarkeit, Stillstand, Leerlauf und OEE. Lösungen wie die WatchMen-Plattform von Novo AI unterstützen diesen maschinenagnostischen Ansatz und lokale Verarbeitung, wenn Bestandsmaschinen schnell und ohne SPS-Zugriff transparent gemacht werden sollen.
Praxisbeispiele zeigen die ökonomische Logik besser als eine reine Formel. Entscheidend ist nicht nur, dass Verfügbarkeit gemessen wird, sondern dass verlorene Minuten in Maßnahmen und finanzielle Effekte übersetzt werden.
Beispiel A — Werkzeugbauer, kleines KMU: Die Schichtprotokolle wiesen 85 % Verfügbarkeit aus. Auf dem Papier sah die Maschine solide aus. Nachdem Retrofit-Sensoren sekundengenaue Ereignisse erfassten, sank die gemessene Verfügbarkeit auf 67 %. Der Grund war nicht ein plötzlicher Leistungsabfall, sondern eine präzisere Erfassung: Zahlreiche Mikrostopps und nicht dokumentierte Rüstvorgänge wurden erstmals sichtbar.
Das Team führte drei pragmatische Maßnahmen ein: standardisierte Rüstchecklisten, angepasste Reinigungsintervalle und gezielte Bedienerschulungen. Innerhalb von sechs Monaten wurden 18 Prozentpunkte zurückgewonnen. Wirtschaftlich deckte der Mehrertrag die Retrofit- und Personalkosten in unter zwölf Monaten. Der zentrale Hebel war nicht die Sensorik allein, sondern die Verbindung aus genauer Messung, klaren Verlustkategorien und konsequenter Umsetzung.
Verfügbarkeitskennzahlen in der Produktion machen genau diesen Zusammenhang sichtbar, weil sie versteckte Zeitverluste in messbare wirtschaftliche Effekte übersetzen.
Beispiel B — Verpackungslinie, mittelständisches Unternehmen: Edge-Sensoren zeigten, dass ein Zuführer kaskadierende Stopps in zwei Linien verursachte. In der manuellen Dokumentation war dieser Zusammenhang nicht sichtbar, weil die Folgeunterbrechungen an unterschiedlichen Stationen auftraten. Erst durch die zeitliche Zuordnung der Maschinenzustände wurde klar, dass eine kleine Störung regelmäßig größere Stillstandscluster auslöste.
Durch Anpassung der Zuführ-Taktung und Austausch eines Verschleißteils stieg der Durchsatz um etwa 12 %. Gleichzeitig sanken Spitzenlasten im Energieverbrauch. Solche Effekte decken sich mit Berichten zu OEE-Verbesserungen, die zweistellige Zuwächse nach präziser Verfügbarkeitsmessung dokumentieren (VDMA, Digital Manufacturing Magazin).
Für den Business Case ist eine einfache Logik hilfreich: Berechnen Sie den Wert einer produktiven Maschinenminute und stellen Sie ihn den Kosten für Stillstandserfassung, Sensorik und Maßnahmen gegenüber. Je höher Marge, Engpassrelevanz und Auslastung einer Maschine sind, desto schneller amortisiert sich ein Projekt zur Verbesserung der Verfügbarkeitskennzahlen.
Verfügbarkeit und Energieverbrauch hängen enger zusammen, als viele Betriebe zunächst vermuten. Häufige Stop-and-Start-Zyklen erhöhen den Energiebedarf beim Wiederanfahren, belasten Komponenten und beschleunigen Verschleiß. Eine Maschine, die regelmäßig kurz stoppt und wieder startet, verursacht nicht nur Produktivitätsverluste, sondern auch vermeidbare Energieverluste.
Eine pragmatische Kennzahl für Entscheidungen lautet:
Zusätzliche Energie pro Stopp = Restart-Energie + (Standby-Leistung × Stopdauer)
Wenn diese Energieverluste mit lokalen Strompreisen, Maschinenkosten und entgangener Marge kombiniert werden, entsteht ein klarer EUR-Wert pro Stillstandsminute. Genau dadurch werden Verfügbarkeitskennzahlen in der Produktion auch für Geschäftsführung und Controlling relevanter. Stillstand ist dann nicht mehr nur ein technisches Problem, sondern eine betriebswirtschaftliche Größe. Verfügbarkeitskennzahlen in der Produktion gewinnen zusätzlich an Aussagekraft, wenn sie mit Energieverbrauch, Kosten pro Stopp und Nachhaltigkeitszielen verbunden werden.
Über reine Kostenargumente hinaus unterstützt das gemeinsame Messen von Verfügbarkeit und Energie auch Nachhaltigkeitsziele. Weniger Stopps bedeuten geringeren Energieverlust, niedrigere Emissionen und oft eine längere Lebensdauer der Maschinen. Dieser kombinierte Effekt stärkt sowohl die finanzielle als auch die ESG-Argumentation für Sensor-Retrofitting, Edge-Analytik und kontinuierliche Prozessverbesserung.
Für viele deutsche Fertigungsunternehmen ist genau diese Verbindung wichtig: Produktionskennzahlen dürfen nicht isoliert betrachtet werden. Verfügbarkeit, Energieverbrauch, Ausschuss, Durchsatz und Wartungsaufwand beeinflussen sich gegenseitig. Eine saubere Datenbasis macht diese Zusammenhänge sichtbar.
Ein häufiger Einwand lautet: „Wir können uns keine Sensoren leisten.“ Die bessere Frage ist jedoch: Wie teuer ist eine unerkannte Stillstandsminute? Wenn die Kosten pro verlorener Produktionsminute sauber berechnet werden, verändert sich die Bewertung. Gerade bei margenstarken Anlagen, Engpassmaschinen oder schichtintensiver Fertigung amortisieren sich Retrofit-Projekte häufig deutlich schneller, als es die reine Hardwarebetrachtung vermuten lässt.
Ein zweiter Einwand betrifft die Integration. Viele Unternehmen befürchten ein großes IT-Projekt, lange SPS-Abstimmungen oder Abhängigkeiten von Maschinenherstellern. Diese Sorge ist berechtigt, wenn klassische Steuerungsintegration der einzige Weg ist. Maschinenunabhängige Plug-and-Play-Sensoren und Edge-Gateways reduzieren diesen Aufwand deutlich, weil sie zunächst Maschinenzustände erfassen können, ohne tief in die bestehende Steuerungslandschaft einzugreifen.
Ein dritter Einwand lautet: „Wer ist für diese KPI verantwortlich?“ Genau hier braucht es klare Governance. Verfügbarkeitskennzahlen dürfen nicht allein bei der Instandhaltung oder allein bei der Produktion liegen. Die Produktion beeinflusst Bedienung, Rüsten und Schichtdisziplin. Die Instandhaltung beeinflusst technische Verfügbarkeit, Wartung und Störungsbeseitigung. Das Management entscheidet über Budgets, Prioritäten und Zielkonflikte. Deshalb sollte Verfügbarkeit als gemeinsame KPI geführt werden. Verfügbarkeitskennzahlen in der Produktion werden besonders wirksam, wenn Verantwortlichkeiten klar geregelt sind und alle Bereiche dieselbe Datengrundlage für Verbesserungen nutzen.
Wichtig ist außerdem die Kommunikation in der Fertigung. Verfügbarkeitsdaten dürfen nicht als Kontrollinstrument gegen Mitarbeitende eingeführt werden. Richtig eingeführt dienen sie der Prozessklarheit: Welche Störungen treten auf? Welche Ursachen wiederholen sich? Welche Rahmenbedingungen verhindern stabile Produktion? Nur wenn Teams verstehen, dass es um Prozessverbesserung und nicht um Schuldzuweisung geht, werden Stillstandsgründe sauber erfasst und Maßnahmen akzeptiert.
Verfügbarkeitskennzahlen in der Produktion sind kein Nice-to-have. Sie sind das operative Hebelwerk, mit dem verlorene Minuten sichtbar, priorisierbar und wirtschaftlich bewertbar werden. Für den deutschen Mittelstand liegt der größte Nutzen oft nicht in einer weiteren Management-Kennzahl, sondern in der täglichen Transparenz: Welche Maschine läuft? Welche steht? Wo entstehen Mikrostopps? Welcher Auftrag verliert Zeit? Welche Schicht weicht vom Plan ab?
Retrofit-Sensoren kombiniert mit lokaler Edge-Analytik sind dafür ein schneller und risikoarmer Weg. Sie ermöglichen konsistente Verfügbarkeitsdaten über alte und neue Maschinen hinweg, ohne dass jede Bestandsmaschine zuerst umfassend über SPS, PLC oder komplexe Schnittstellen angebunden werden muss. Lösungen wie die WatchMen-Plattform von Novo AI können hier als praktische Umsetzung dienen: Maschinenzustände, Stillstände, Mikrostopps, OEE und Auftragsbezug werden sichtbar, damit Teams nicht nur messen, sondern handeln können. Verfügbarkeitskennzahlen in der Produktion werden dadurch vom reinen Reporting-Wert zu einem konkreten Steuerungsinstrument für tägliche Verbesserungen auf dem Shopfloor.
Starten Sie mit einem 30-Tage-Pilot. Legen Sie Begriffe fest, messen Sie eine Baseline, installieren Sie Sensoren an einer relevanten Maschine und priorisieren Sie die drei wichtigsten Verlustursachen. Mit eindeutigen Definitionen, automatischer Erfassung und gezieltem Kaizen werden Verfügbarkeitskennzahlen in der Produktion zu einem Motor für mehr Durchsatz, bessere Planung, geringere Energieverluste und nachhaltigere Maschinenleistung.
- Siemens – The True Cost of Downtime 2024 – Analyse zu globalen Ausfallkosten (Zugriff am: 03.07.2026)
- KfW – Digitalisierungsbericht Mittelstand 2024 – Investitionen und Digitalisierungsstatus deutscher KMU (Zugriff am: 03.07.2026)
- Business‑Wissen – Anlagenverfügbarkeit: OEE‑Kennzahl – Definitionen, Formel und Praxisbeispiel (Zugriff am: 03.07.2026)
- VDMA Verlag – Kennzahlenkompass 2024 – Branchenkennzahlen und Vergleichswerte (Zugriff am: 03.07.2026)
- Digital Manufacturing Magazin – OEE: Wichtige Kennzahlen – Relevanz und Messpunkte für die Anlageneffektivität (Zugriff am: 03.07.2026)
- Novo AI – WatchMen - Lösungsübersicht WatchMen (Zugriff am: 03.07.2026)
- Novo AI Insights: Novo AI - Fachbeiträge, Praxisbeispiele und Analysen zu Produktionsmonitoring, Retrofit-Sensorik und Industrie 4.0 im Mittelstand (Zugriff am: 03.07.2026)
