KI-gestützte Produktionsplanung in Echtzeit: 78 % weniger Gesamtverspätung im zweistufigen Gießerei-Modell

Ein Produktionsplan ist oft schon veraltet, wenn der operative Betrieb beginnt. Neue Aufträge treffen ein, Maschinen sind nicht für jedes Produkt geeignet, Rüstvorgänge blockieren Kapazitäten und Liefertermine konkurrieren mit einer effizienten Reihenfolge.

Genau dort setzt KI-gestützte Produktionsplanung an. In einem realitätsnahen, anonymisierten und abstrahierten Gießerei-Modell wurde ein eigener Agent entwickelt, der Deep Reinforcement Learning, eine Transformer-Architektur und eine ereignisgesteuerte Produktionssimulation verbindet.

Das zentrale Ergebnis der Untersuchung: Im zweistufigen Modell reduzierte der Agent die durchschnittliche Gesamtverspätung gegenüber dem besten klassischen Vergleichsverfahren, einem genetischen Algorithmus, um rund 78 Prozent. Das ist keine pauschale Prognose für jeden Betrieb, sondern ein Ergebnis unter klar definierten Simulationsbedingungen.

Was KI-gestützte Produktionsplanung bedeutet

KI-gestützte Produktionsplanung bezeichnet den Einsatz lernender Modelle, um Aufträge, Maschinen, Kapazitäten und Liefertermine fortlaufend zu koordinieren. Statt eine vollständige Reihenfolge einmal zu berechnen und danach unverändert abzuarbeiten, bewertet das System den aktuellen Zustand bei relevanten Ereignissen neu.

Im betrachteten Projekt bestand eine Entscheidung darin, den nächsten geeigneten Auftrag für eine verfügbare Maschine auszuwählen. Optimiert wurde nicht bloß die Maschinenauslastung, sondern die Gesamtverspätung aller Aufträge.

Die Verspätung eines einzelnen Auftrags ist die Zeit zwischen zugesagtem Liefertermin und tatsächlicher Fertigstellung. Rechtzeitig fertiggestellte Aufträge haben eine Verspätung von null. Die Gesamtverspätung summiert diese Werte über eine Planungsperiode.

Diese Kennzahl ist wirtschaftlich relevant: Verspätungen können Termintreue senken, Abstimmungen und Umplanungen auslösen sowie Vertragsstrafen, Stornierungen und unzufriedene Kunden nach sich ziehen.

Der Anwendungsfall: dynamische Planung in einer Gießerei

Das modellierte System basiert auf einem realen Industrieanwendungsfall, dessen Prozessparameter für die Untersuchung anonymisiert und abstrahiert wurden. Jeder Auftrag durchläuft zwei aufeinanderfolgende Fertigungsstufen.

Erste Stufe: zwölf heterogene Ofenanlagen

In der ersten Stufe stehen zwölf parallel arbeitende Öfen zur Verfügung. Sie unterscheiden sich in technischen Eigenschaften, Kapazitäten und zulässigen Produkten. Nicht jeder Auftrag kann deshalb auf jeder Anlage bearbeitet werden. Jede Planungsentscheidung muss zuerst technisch zulässige Kombinationen von Produkt und Ofen erkennen.

Zweite Stufe: zwei unterschiedlich schnelle Maschinen

Nach dem Ofen durchlaufen die Aufträge eine zweite Bearbeitungsstufe mit zwei Maschinen. Dort gibt es keine produktspezifischen Kompatibilitätsbeschränkungen, die Maschinen arbeiten aber unterschiedlich schnell. Eine Entscheidung in der ersten Stufe beeinflusst daher automatisch die spätere Auslastung und Reihenfolge der zweiten Stufe.

120 Produkte und reihenfolgeabhängige Rüstzeiten

Das abstrahierte Portfolio umfasst 120 Produkt-IDs. Folgen auf einer Maschine zwei Aufträge mit derselben Produkt-ID aufeinander, ist kein Rüstvorgang nötig. Bei einem Produktwechsel entstehen 60 Minuten Rüstzeit.

Dadurch entsteht ein echter Zielkonflikt: Eine lange Serie gleicher Produkte spart Rüstzeit, kann aber dringende Liefertermine gefährden. Eine gute Planung muss Rüstaufwand und Termintreue gleichzeitig betrachten.

Neue Aufträge während des Betriebs

Zu Beginn einer Planungsperiode ist nur ein Teil der Aufträge bekannt. Weitere Aufträge treffen während des laufenden Prozesses in dynamischen Chargen ein. Das System kann deshalb nicht einfach einmalig eine vollständige Reihenfolge berechnen. Es muss regelmäßig neu entscheiden, ohne bereits getroffene Entscheidungen zurückzunehmen.

Modelliert wurden unterschiedliche Ankunftszeitpunkte, Liefertermine, aktive Produktgruppen, stochastische Bearbeitungszeiten in der zweiten Stufe und verschiedene Anfangszustände der Maschinen. Maschinenausfälle, Auftragsstornierungen und qualitätsbedingte Nacharbeit gehörten dagegen nicht zur Evaluation.

Warum klassische Verfahren an Grenzen stoßen können

Für die Evaluation wurde der Agent mit FIFO, EDD, einem genetischen Algorithmus und einem MILP-Modell mit Gurobi verglichen.

• FIFO plant den zuerst eingetroffenen Auftrag zuerst ein. Die Regel ist schnell und leicht verständlich, berücksichtigt Liefertermine und stufenübergreifende Folgen aber nur unzureichend.
• EDD priorisiert den frühesten Liefertermin. Das ist direkt auf Termintreue ausgerichtet, kann jedoch Rüstzeiten und spätere Engpässe vernachlässigen.
• Genetische Algorithmen erzeugen, kombinieren und bewerten viele Reihenfolgen. Sie können hochwertige Lösungen finden, müssen diese Suche für jede neue Instanz aber erneut durchführen.
• MILP mit Gurobi optimiert das Gesamtproblem mathematisch. Bei großen kombinatorischen Problemen kann die benötigte Laufzeit jedoch zu lang werden.

Im Experiment waren für den Gurobi-Solver 100 Sekunden pro Testinstanz vorgesehen. Innerhalb dieses Limits fand er im zweistufigen Problem nur in 14 von 81 Konfigurationen eine zulässige Lösung. Das ist keine allgemeine Aussage über die Qualität des Solvers, sondern beschreibt die Schwierigkeit dieser Problemgröße unter einem engen Zeitlimit.

Beim Deep Reinforcement Learning wird ein großer Teil des Rechenaufwands in das Training verlagert. Nach dem Training wendet der Agent seine erlernte Entscheidungsstrategie unmittelbar auf den aktuellen Zustand an, statt jede neue Situation wieder von Grund auf zu durchsuchen.

Wie der KI-Agent Entscheidungen trifft

Der Ansatz verbindet eine ereignisgesteuerte Produktionssimulation, eine variable Zustandsdarstellung, einen Transformer und Deep Reinforcement Learning.

Jeder sichtbare Auftrag wird als Job-Token, jede Maschine als Maschinen-Token dargestellt. Pro Token verarbeitet das Modell bis zu 17 Zustandsmerkmale, darunter Produktzugehörigkeit, Bearbeitungszeit, Liefertermin, Bearbeitungsfortschritt, Maschinenzustand und erwartete Verspätung. Weil neue Aufträge hinzukommen und erledigte verschwinden, verändert sich die Zahl der Tokens während einer Episode.

Der Transformer bewertet Beziehungen zwischen allen sichtbaren Aufträgen und Maschinen zugleich. Er kann damit unter anderem berücksichtigen, welcher Auftrag terminkritisch ist, welche Maschine geeignet ist, wo ein Produktwechsel Rüstzeit erzeugt und welche Folge eine Entscheidung für die zweite Stufe hat.

Eine Aktionsmaskierung schließt unzulässige Entscheidungen technisch aus. Inkompatible Aufträge oder Aufträge in der falschen Produktionsstufe erhalten eine Auswahlwahrscheinlichkeit von null.

Trainiert wurde eine Actor-Critic-Architektur mit Proximal Policy Optimization, kurz PPO. Der Actor wählt den nächsten Auftrag, der Critic bewertet den langfristigen Zustand. Eine mehrteilige Belohnungsfunktion gibt nach einzelnen Entscheidungen Feedback zu vermeidbaren Rüstvorgängen, geschätzter Mindestverspätung, tatsächlicher Verspätung und verspätungsfreien Episoden.

So wurde das Modell evaluiert

Das finale Modell trainierte mit 130 Aufträgen pro Episode. Das Training umfasste 30.000 Episoden, eine Transformer-Modelldimension von 256, vier Attention-Heads, drei Transformer-Encoder-Layer und mehr als 72 Stunden Trainingszeit.

Für die Evaluation wurde das Modell ohne weiteres Training mit größeren und abweichenden Konfigurationen getestet:

• 81 Testkonfigurationen je Problemvariante
• 20 Episoden je Konfiguration und Verfahren
• 150 bis 480 Aufträge je Episode
• 40, 60 oder 80 aktive Produkt-IDs
• Vergleich von DRL, FIFO, EDD, genetischem Algorithmus und Gurobi
• Zeitlimit von 100 Sekunden je Instanz für genetischen Algorithmus und Gurobi

Alle Verfahren erhielten innerhalb einer Testkonfiguration identische, reproduzierbare Probleminstanzen. Der Agent musste damit auf Problemgrößen bis zum 3,7-Fachen seiner Trainingsgröße reagieren.

Ergebnis: 78 Prozent weniger Gesamtverspätung als der genetische Algorithmus

Im zweistufigen Produktionsproblem erzielte der DRL-Agent in allen 81 Testkonfigurationen die niedrigste durchschnittliche Gesamtverspätung.

• DRL-Agent: durchschnittlich 25.660 Minuten Gesamtverspätung bei 3,4 Sekunden mittlerer Rechenzeit
• Genetischer Algorithmus: durchschnittlich 116.603 Minuten bei 100,1 Sekunden
• EDD: durchschnittlich 156.085 Minuten bei 1,5 Sekunden
• FIFO: durchschnittlich 600.788 Minuten bei 1,5 Sekunden

Daraus ergeben sich rund 78 Prozent weniger Gesamtverspätung als beim genetischen Algorithmus, 84 Prozent weniger als bei EDD und 96 Prozent weniger als bei FIFO. Die Werte sind Mittelwerte über alle 81 Konfigurationen und keine allgemeine Leistungszusage für andere Produktionsbetriebe.

Auch die Laufzeit ist relevant: Der genetische Algorithmus benötigte je Instanz nahezu das volle Zeitbudget von 100 Sekunden. Der Agent bearbeitete einen kompletten zweistufigen Evaluationsdurchlauf im Mittel in 3,4 Sekunden. Bei der größten Konfiguration mit 480 Aufträgen lag die durchschnittliche Laufzeit bei etwa 5,6 Sekunden. In der getesteten Simulation ermöglicht das eine echtzeitnahe Neuplanung.

Generalisierung von 130 auf bis zu 480 Aufträge

Der Agent wurde ausschließlich mit 130 Aufträgen pro Episode trainiert, die Evaluation umfasste danach 150 bis 480 Aufträge sowie andere Chargengrößen und Produktzusammensetzungen. Trotzdem erzielte er im zweistufigen Modell in jeder Testkonfiguration das beste Ergebnis.

Eine wichtige Grundlage ist die variable Zustandsdarstellung: Der Transformer verarbeitet keine feste Anzahl an Aufträgen, sondern eine dynamische Menge aus Job- und Maschinen-Tokens. Numerische Zustandsvariablen wurden zudem normiert, damit ihre Größenordnung nicht allein durch eine größere Problemstruktur wächst.

Das spricht für eine robuste Generalisierung innerhalb der getesteten Parameterbereiche. Es beweist nicht, dass dasselbe Modell ohne Anpassung auf jede Fabrik übertragbar wäre.

Warum KI nicht automatisch die bessere Lösung ist

Der Agent wurde auch auf einer vereinfachten, einstufigen Variante mit den zwölf Öfen getestet. Die zweite Stufe und damit wesentliche Abhängigkeiten entfielen. Hier kehrte sich die Rangfolge um:

• Genetischer Algorithmus: durchschnittlich 15.482 Minuten Gesamtverspätung
• EDD: durchschnittlich 30.849 Minuten
• DRL-Agent: durchschnittlich 38.126 Minuten
• FIFO: durchschnittlich 182.063 Minuten

Der genetische Algorithmus war in allen 81 einstufigen Konfigurationen am besten, EDD im Durchschnitt ebenfalls besser als der Agent. Das ist für die Praxis eine wichtige Einordnung: In stabilen, überschaubaren Prozessen kann eine einfache Regel oder ein klassisches Optimierungsverfahren wirtschaftlicher sein.

Der Vorteil des Agenten entstand erst dort, wo mehrere Maschinen, Rüstzustände, Liefertermine und Produktionsstufen gleichzeitig aufeinander wirkten. Die zentrale Erkenntnis lautet daher: Je stärker Entscheidungen voneinander abhängen und je häufiger sich der Produktionszustand verändert, desto größer kann der Nutzen einer global lernenden Entscheidungsstrategie werden.

Von der Forschung zum produktiven Einsatz

Ein lernendes Planungssystem sollte nicht sofort die vollständige Entscheidungshoheit erhalten. Ein kontrollierter Einstieg folgt typischerweise sechs Schritten.

1. Betriebswirtschaftliches Ziel definieren. Gesamtverspätung, Termintreue, Durchlaufzeit, Rüstaufwand oder Auslastung müssen klar priorisiert werden.
2. Prozess und Restriktionen modellieren. Maschineneignung, Materialflüsse, Rüstlogiken und Freigaberegeln werden gemeinsam mit den Fachbereichen präzisiert.
3. Datenqualität prüfen. ERP-, MES- und Maschinendaten müssen den tatsächlichen Zustand zuverlässig beschreiben.
4. Vergleichsverfahren aufbauen. Ein KI-Modell sollte gegen nachvollziehbare Baselines wie bestehende Regeln, FIFO, EDD oder Solver antreten.
5. Simulation und Shadow Mode nutzen. Empfehlungen werden zunächst parallel zur bisherigen Planung beurteilt, ohne sofort in den Betrieb einzugreifen.
6. Kontrolliert integrieren und überwachen. Entscheidungen, Datenstände, Abweichungen und menschliche Eingriffe sollten protokolliert werden.

Für eine konkrete Prüfung verbindet eine KI-Beratung Prozess, Datenlage und Zielgröße. Daraus kann eine individuelle KI-Software entstehen, wenn sie gegenüber einer einfachen Regel oder klassischen Optimierung nachweislich den besseren Nutzen liefert.

Grenzen der Untersuchung

Die Ergebnisse entstanden in einer ereignisgesteuerten Simulationsumgebung. Der Prozess basiert zwar auf einem realen Anwendungsfall, wurde aber anonymisiert und abstrahiert. Maschinenstörungen, kurzfristige Stornierungen, Nacharbeit und Personalausfälle wurden nicht modelliert.

Zudem war die mathematische Referenz bewusst zeitlich begrenzt. Aus den Ergebnissen lässt sich deshalb nicht ableiten, wie nah der Agent am theoretischen Optimum liegt. Der hohe Trainingsaufwand von mehr als 72 Stunden und 30.000 Episoden zeigt außerdem: Der spätere Einsatz kann schnell sein, Entwicklung, Simulation und Training sind es nicht.

Quellen und Methodik

• Wissenschaftliche Grundlage: Onur Kurt (2026), *Dynamisches Job-Shop Scheduling in Echtzeit mittels Deep Reinforcement Learning und Transformer-Architektur*, Masterarbeit an der Universität Duisburg-Essen. Der zugrunde liegende Industrieanwendungsfall wurde anonymisiert und abstrahiert.
• Eigene Evaluationsdaten der Arbeit: 81 Testkonfigurationen je Problemvariante, 20 Episoden je Konfiguration und Verfahren sowie Problemgrößen von 150 bis 480 Aufträgen.
• Li et al. (2024): A Transformer-Based Deep Reinforcement Learning Approach for Dynamic Parallel Machine Scheduling Problem with Family Setups
• Vaswani et al. (2017): Attention Is All You Need
• Schulman et al. (2017): Proximal Policy Optimization Algorithms