Wertschöpfungs-Simulation
Ein datenbasiertes Modell Ihrer Prozesse, das aus Ihrer Vergangenheit lernt, wie Stellschrauben, Rohstoffe und Rahmenbedingungen Qualität und Output beeinflussen: von der Fertigungslinie bis zum Stalldurchgang. Eine nachgelagerte Optimierung findet dazu die besten Einstellungen. Anders als die anderen Bausteine ist das kein Produkt, sondern ein Projekt. Das sagen wir vorher.
Vorhaben besprechen Zu allen BausteinenEhrlichkeit ist hier wichtiger als ein weiterer Produktkasten
Es wäre verkaufstechnisch bequemer, die Simulation als weiteren Baustein neben die anderen zu stellen. Sie würde die Produktpalette runder aussehen lassen und unser zentrales Versprechen beschädigen.
Denn eine Simulation ist kein vorkonfiguriertes Modul. Technisch ist sie ein neuronales Netz, das aus Ihren Daten lernt, wie Einstellungen, Rohstoffe, Lieferanten und Rahmenbedingungen mit Qualität und Output zusammenhängen. Dieses Modell muss aufgebaut, trainiert und gegen die Realität geprüft werden. Das dauert länger als drei Wochen und kostet mehr als ein Standardbaustein.
Wenn wir von vorkonfigurierten Bausteinen sprechen, muss das für jedes Angebot stimmen, das diesen Satz trägt. Die Simulation trägt ihn nicht, also steht sie auf einer eigenen Seite.
Was die Simulation kann
- Sichtbar machen, welche Stellschrauben, Rohstoffe und Rahmenbedingungen Qualität und Output wirklich treiben
- Szenarien durchrechnen, bevor Sie etwas umstellen: andere Einstellungen, andere Lieferanten, ein anderes Produktionsprogramm
- Szenarien an Ihren Märkten zu Absatz und Marge rechnen
- Das beste Produktionsprogramm finden, etwa je Linie und Monat abhängig von Ihren Lieferanten
- Die besten Einstellungen finden: welche Kombination Ihrer Stellschrauben ein Ziel wie Qualität, Ausschuss oder Ausbeute am besten erreicht
- In der Agrifood-Branche: Stalldurchgänge gegeneinander rechnen und die Ursachen hinter Qualitätsmängeln, Krankheitsgeschehen und Mortalität sichtbar machen
Was sie nicht kann
- In drei Wochen fertig sein, realistisch sind drei bis sechs Monate
- Ohne ausreichend Datenpunkte entstehen: Das Modell lernt nur, was in Ihren Daten steckt
- Materialflüsse, Engpässe oder Liefertermine nachbilden. Dafür braucht es eine klassische Ablaufsimulation, das ist nicht unser Ansatz
- Die Entscheidung abnehmen. Sie macht die Konsequenzen sichtbar, entscheiden müssen Sie
Nicht nur durchrechnen, sondern die besten Einstellungen finden
Ist das Modell an Ihrer Vergangenheit geprüft, kann eine nachgelagerte Optimierung Ihre Stellschrauben systematisch durchspielen: Einstellungen an der Linie, Lieferanten, Futter, Klima oder Belegung. Heraus kommt die Kombination, die Ihr Ziel am besten erreicht, innerhalb der Grenzen, die Sie vorgeben.
Beispiele für solche Fragen: Mit welchen Einstellungen an der Linie und welcher Lieferantenauswahl erreichen unsere Schweißnähte die höchste Zugfestigkeit? Wie senken wir den Anteil der Verwurfsgründe in den Monaten, in denen er regelmäßig steigt? Wie weit lässt sich die Mortalität senken, damit wir weniger einstallen müssen und am Ende trotzdem dieselbe Menge herausbekommen? Das sind nur Beispiele: Die Optimierung arbeitet mit jedem Ziel, das sich in Ihren Daten messen lässt.
Die Optimierung nennt Einstellungen und die erwartete Wirkung. Vorgeschlagen wird nur, was innerhalb Ihrer Grenzen liegt. Ob und wie es umgesetzt wird, entscheiden Ihre Fachleute.
So sieht das in der Anwendung aus
Zwei kurze Mitschnitte am Beispiel einer Schweißnaht. Beide folgen denselben vier Schritten: Daten analysieren, Zwilling aufbauen, Zwilling trainieren und dann simulieren und optimieren. Einmal ist das Ziel eine Messgröße, einmal ein Qualitätsurteil.
Ein Stalldurchgang ist auch nur eine Prozesskette
In der Fertigung lernt das Modell aus Einstellungen, Rohstoffen und Prüfergebnissen. In der Aufzucht ist der Aufbau derselbe, nur heißen die Größen anders: Besatzdichte, Futterkurve, Klimaführung, Wasseraufnahme, Behandlungen, Schlachtbefund. Auch daraus lässt sich ein Modell bauen, das rückwirkend erklärt und vorausschauend rechnet.
Rückwirkend: Woher kam der Qualitätsmangel?
Ein Durchgang fällt schlechter aus als der davor, und hinterher liegen fünf Erklärungen auf dem Tisch. Das Modell rechnet stattdessen die echten Verläufe aller Durchgänge gegeneinander. Sichtbar wird, welche Größen sich in den auffälligen Durchgängen anders verhalten haben und welche nur mitgelaufen sind.
Der Unterschied zur Diskussion in der Runde ist, dass jede Aussage an Ihren eigenen Daten belegt ist und sich am nächsten Durchgang überprüfen lässt.
Vorausschauend: Was passiert, wenn wir es anders machen?
Ist das Modell gegen vergangene Durchgänge validiert, lassen sich Varianten durchspielen, ohne sie am lebenden Bestand auszuprobieren: eine andere Futterkurve, eine veränderte Besatzdichte, ein anderes Klimaprofil, eine andere Einstallmenge. Die Optimierung sucht daraus die Kombination, die Ihr Ziel am besten erreicht, etwa weniger Ausfälle bei gleichem Ergebnis.
Das Ergebnis ist keine Entscheidung, sondern eine Gegenüberstellung der Konsequenzen. Entschieden wird von den Menschen, die den Stall kennen.
Fragen, die uns dazu gestellt werden
- An welcher Stelle im Durchgang entstehen die Qualitätsmängel, die erst am Schlachtband auffallen?
- Wo beginnt ein Krankheitsgeschehen messbar, bevor es klinisch sichtbar wird, und was hatten die betroffenen Durchgänge gemeinsam?
- Welche Kombination aus Futter, Klima und Besatzdichte senkt die Mortalität, ohne den Zuwachs zu kosten?
- Wie viel Output ist bei gleichem Einsatz an Futter, Wasser, Energie und Arbeitszeit maximal möglich, und wo liegt die Grenze?
- Wie viel muss eingestallt werden, damit bei geringerer Mortalität am Ende dieselbe Menge herauskommt?
Was wir dabei nicht tun
- Eine tierärztliche Diagnose stellen. Das Modell zeigt Zusammenhänge in Daten, es beurteilt keine Tiere
- Erfahrung ersetzen. Wer den Stall führt, erkennt Dinge, die in keiner Messreihe stehen
- Aus wenigen Durchgängen viel machen. Je kürzer die Historie, desto vorsichtiger die Aussage, und das sagen wir dann auch
Wann sich das rechnet und wann nicht
Eine Simulation lohnt sich, wenn die anstehende Entscheidung deutlich mehr kostet als das Modell. Diese Schwelle liegt in der Praxis höher, als viele Anbieter zugeben.
Eine Simulation lohnt sich, wenn …
- Sie Szenarien für Absatz und Marge an Ihren Märkten oder für die Qualität Ihrer Produktion langfristig durchrechnen möchten
- Sie zwischen mehreren Wegen schwanken und keine verlässlichen Zahlen dafür haben
- Sie das beste Produktionsprogramm suchen, etwa je Linie und Monat abhängig von Ihren Lieferanten
- Sie wissen möchten, mit welchen Einstellungen Sie die beste Qualität und den höchsten Output erreichen
- bei Ihnen bereits ein METRIQ-Baustein läuft, dann liegen die Daten schon vor und es geht deutlich schneller
Passt nicht, wenn …
- Sie ein akutes Problem im Alltag lösen wollen, dafür gibt es andere Bausteine
- für die Simulation nicht ausreichend Datenpunkte aus Produktion, Aufzucht oder zum Produkt vorliegen
- Sie Materialflüsse, Engpässe oder Liefertermine nachbilden möchten, dafür braucht es eine klassische Ablaufsimulation
- die Entscheidung schon feststeht
Wie ein Simulationsprojekt abläuft
Fragestellung schärfen
Was genau soll entschieden werden? Ein Modell ohne präzise Frage liefert hübsche Bilder und keine Antwort.
Datenaufnahme
Einstellungen, Rohstoff- und Lieferantendaten, Prüf- und Qualitätsergebnisse, Ausbringungen, aus MES, ERP und LIMS, von der Linie oder aus dem Stall.
Modell trainieren & prüfen
Das Modell wird gegen bekannte Vergangenheitszeiträume gerechnet. Trifft es die Realität nicht, wird nachgeschärft.
Szenarien rechnen und optimieren
Erst jetzt werden Varianten durchgespielt und auf Wunsch die besten Einstellungen gesucht. Das Modell bleibt bei Ihnen nutzbar, auch für eigene Szenarien.
Zur Kalkulation: Simulationsprojekte werden nach Aufwand kalkuliert, weil sich Modellumfang und Datenlage vorab nicht seriös pauschalieren lassen. Sie erhalten vor Phase 2 ein Angebot auf Basis dessen, was in Phase 1 gemeinsam definiert wurde.
Eine Stunde, eine ehrliche Einschätzung
Nicht Technik, sondern eine Frage: Wo drückt der Schuh in Ihrer Produktion, und was kostet Sie das ungefähr? Wir kennen die Antworten aus vergleichbaren Betrieben und sagen offen, wenn sich ein Einstieg nicht rechnet.
Kein IT-Aufwand, keine Vorbereitung, keine Unterlagen nötig. Wenn es passt, folgt die Machbarkeitsprüfung an einer Linie oder einem Datensatz, mit vorab festgelegtem Umfang und Preis.
Jürgen Bruns
Geschäftsführer und Data Scientist. Baut seit 2016 KI-Systeme in Produktionsprozessen
und führt das Erstgespräch selbst.
Industriering 4
49393 Lohne (Oldenburg)