Case Study: Wie Digital Jidoka 1,4 Mio. € EBIT freisetzte

Digital Jidoka verwandelte einen instabilen Produktionsfluss in ein robustes System mit klar messbaren Effekten – bis hin zu 1,4 Mio. € zusätzlichem EBIT pro Jahr. 
Die Fallstudie zeigt, wie prädiktive Abweichungserkennung, kontrollierte Stopps und eine konsequente Lernschleife den entscheidenden Unterschied machten.

• 3

Werbung

Viele Werke investieren in Automatisierung und Digitalisierung – und kämpfen dennoch mit instabilen Prozessen, hoher Ausschussquote und ungeplantem CAPEX-Bedarf. Hensoldt Präzisionstechnik (anonymisiertes Beispiel) stand genau vor diesem Dilemma. Erst der Umstieg von reaktiver Fehlererkennung auf Digital Jidoka – also die frühzeitige Erkennung und kontrollierte Unterbrechung bei Prozessabweichungen – brachte die Wende.

Die Folge: stabilere Abläufe, ein messbarer Rückgang der Qualitätskosten, eine vermiedene Investition und ein EBIT-Effekt von 1,4 Mio. € jährlich. Diese Fallstudie zeigt, wie dieser Wandel technisch, organisatorisch und kulturell gelang – und warum der entscheidende Durchbruch erst kam, als die Fehlalarme unter 1 % sanken.

Ein Werk, das nicht an Kapazität scheiterte – sondern an Instabilität

Hensoldt Präzisionstechnik ist kein Ausnahmefall. Die Fertigung bestand aus modernen CNC-Maschinen, einer gut organisierten Montage und einem eingespielten Team. Doch die Qualität schwankte, Fehler wurden spät sichtbar, und die „Hidden Factory“ – also Aufwand für Nacharbeit und Ausschuss – wuchs Monat für Monat. Der FPY (First Pass Yield: Anteil fehlerfreier Teile im ersten Durchlauf) lag bei 92 %, die OEE (Overall Equipment Effectiveness) bei 63 %.

In Audit-Situationen zeigte sich regelmäßig: Prozessparameter waren bereits seit Stunden oder Tagen leicht aus dem Takt. Solche Abweichungen blieben unbemerkt, weil klassische Qualitätskontrolle erst reagiert, wenn ein Fehler entstanden ist. Diese Lücke zwischen Beginn der Abweichung und Sichtbarkeit des Fehlers war das eigentliche Geschäftsrisiko.

Genau hier setzt Digital Jidoka an: Abweichungen werden im laufenden Prozess erkannt, bewertet und bei Bedarf kontrolliert gestoppt. So entsteht der notwendige Moment, die Ursache direkt am Entstehungsort zu beseitigen – statt später Symptome zu reparieren.

Der Ausgangspunkt: Ein Werk am Limit seiner Stabilität

Die Verantwortlichen sahen täglich dieselben Muster: Maschinen, die nachjustiert werden mussten, Schwankungen in Akustik und Vibration, Montagefehler durch minimale Lageveränderungen, unklare Zuständigkeiten bei Abweichungen. All das wirkte klein – löste aber in Summe erhebliche Kosten aus.

Ein teures Symptom war zudem die drohende Neuanschaffung einer weiteren CNC-Maschine. Die bestehende Anlage schien „voll ausgelastet“, tatsächlich war sie instabil, nicht ausgelastet.

Diese Unterscheidung wurde später zum Schlüssel.

Der Lösungsansatz: Frühzeitig erkennen, kontrolliert stoppen, sofort lernen

Die Digital-Jidoka-Einführung startete nicht mit Software, sondern mit Sensorik. Die CNC-Anlagen wurden mit Schwingungssensoren und Mikrofonen ausgestattet, die Montage mit Kamera- und Prüfsystemen. Ziel war es, Muster zu erkennen, die auf Werkzeugverschleiß, falsche Bauteillagen oder Prozessdrift hinweisen – lange bevor ein sichtbarer Fehler entsteht.

Ein Soft-Stop wurde zur neuen operativen Leitplanke. Er unterscheidet sich grundlegend vom Not-Aus: Der Not-Aus stoppt hart und unmittelbar; der Soft-Stop bringt den laufenden Zyklus geregelt zum Ende und verhindert so Schäden an Werkstück und Maschine.

Ein digitaler Zwilling lieferte die Sollkurve des idealen Prozesses. Abweichungen davon wurden bewertet – erst bei relevanten Signalen kam es zum Stoppen.

Die Wirkung zeigte sich schnell: Fehler entstanden nicht mehr unbemerkt, sondern wurden früh sichtbar gemacht. Die Mitarbeitenden erhielten eine klare Informationsgrundlage statt diffuser Hinweise.

Der entscheidende Faktor: Die geschlossene Lernschleife

Die wahre Wirkung entstand jedoch erst durch die Lernschleife, die jeder Stopp automatisch auslöste. Ein Stopp erzeugte einen Eintrag im Qualitätsmanagementsystem, übergab Daten an MES und ERP und startete einen strukturierten Ursachenanalyse-Prozess. Erst wenn die Ursache beseitigt, der Standard verbessert und die Entscheidungslogik im System aktualisiert war, galt der Fall als abgeschlossen.

Diese konsequente Rückkopplung veränderte das Werk nachhaltig. Fehler verschwanden nicht mehr temporär – sie verschwanden dauerhaft.

Der schwierigste Moment: Fehlalarme zerstörten fast das gesamte Projekt

Zu Beginn war die Fehlalarmrate hoch. Mehr als 8 % der Stopps waren unbegründet. Für die Mitarbeitenden bedeutete das: Unterbrechungen ohne erkennbaren Nutzen. Die Skepsis wuchs, manche umgingen sogar das Andon-System.

Die Ursachen lagen in unzureichenden Modellen und unsauberen Eingangsdaten. Erst als die KI auf ein speicherbasiertes Modell umgestellt wurde und Sensorik sowie Entscheidungslogik nachgeschärft wurden, sank die Fehlalarmrate auf unter 1 %.

Mit dieser Zahl kam das Vertrauen. Und erst mit Vertrauen funktionierte Jidoka – digital wie analog.

Die Ergebnisse: Stabile Prozesse statt teure Investitionen

Nach 18 Monaten war das Bild im Werk ein völlig anderes:

• Der FPY stieg von 92 % auf 97 %.
• Die COPQ gingen um 38 % zurück.
• Die OEE stieg um 7 Punkte.
• Die geplante Investition in eine zusätzliche CNC-Maschine wurde vermieden.
• Der jährliche EBIT-Effekt betrug rund 1,4 Mio. €.

Ein großer Teil dieses Effekts entstand durch weniger Ausschuss und Nacharbeit. Ein weiterer durch weniger Stillstände und eine bessere Termintreue. Und nicht zuletzt durch vermiedene Abschreibungen auf neue Anlagen.

Das Werk wurde nicht schneller – es wurde stabiler. Und Stabilität erwies sich als der größte finanzielle Hebel.

Kulturelle Erkenntnisse: Ohne psychologische Sicherheit scheitert jedes Jidoka-System

Die technische Lösung war nur die halbe Miete. Die andere Hälfte bestand darin, das Stoppen nicht als Störung, sondern als Beitrag zur Zuverlässigkeit zu verstehen.

Führungskräfte mussten sichtbar vorleben, dass ein Stopp erwünscht ist, wenn er Abweichungen verhindert. Die tägliche Besprechungsstruktur stellte sicher, dass Ursachenanalysen nicht liegenblieben. Und die klare Kommunikation („Das System schützt euch – nicht kontrolliert euch“) schuf Vertrauen.

Diese Kulturveränderung war der Boden, auf dem Digital Jidoka wirken konnte.

Fazit: Der wichtigste Lerneffekt für Entscheider

Digital Jidoka ist weder eine reine IT-Lösung noch eine klassische Qualitätsmaßnahme. Es ist ein Systemansatz, der Technik, Prozesse und Führung verbindet.

Der maximale Nutzen entsteht erst dann, wenn:

• Abweichungen früh erkannt werden,
• Stopps kontrolliert erfolgen,
• Ursachen konsequent analysiert werden,
• Standards regelmäßig angepasst werden,
• und Führung die Kultur des Lernens aktiv schützt.

Für Hensoldt Präzisionstechnik führte genau diese Kombination zu stabilen Abläufen, geringeren Kosten und einem klar messbaren finanziellen Vorteil.

In vielen Werken könnte diese Wirkung ähnlich hoch sein – wenn der Mut besteht, nicht erst Fehler zu reparieren, sondern Abweichungen zu verhindern.

Quellen zum Weiterlesen
SixSigma.us – Jidoka – Toyota Production System: https://www.6sigma.us/manufacturing/jidoka-toyota-production-system/
Interlake Mecalux – Jidoka: The method that improves manufacturing processes: https://www.interlakemecalux.com/blog/jidoka
MasterControl – Connected QMS & MES for Seamless Manufacturing: https://www.mastercontrol.com/gxp-lifeline/connected-qms-mes-benefits-digital-transformation-in-manufacturing/
OEE.com – OEE Calculation: Definitions, Formulas, and Examples: https://www.oee.com/calculating-oee/
Omron – Real-Time Anomaly Detection Case Study: https://www.omron.com/global/en/assets/file/technology/omrontechnics/vol55/OMT_Vol55_001EN.pdf

Hashtags
#Digitalisierung #Produktion #OperationalExcellence #Qualitätsmanagement #LeanManagement #SmartFactory #Produktionssystem #Industrie40 #Prozessstabilität

Werbung