OEE: Definition, Berechnung & Benchmarks 2026 | Gesamtanlageneffektivität

Dieser Pillar-Artikel ist die zentrale Anlaufstelle für das OEE-Thema. Für die Berechnung in Excel-Tabelle siehe OEE-Rechner, für die Software-Auswahl OEE Software, für die schrittweise Einführung OEE-Implementierung in 4 Schritten.

Was ist OEE?

OEE (Overall Equipment Effectiveness, deutsch Gesamtanlageneffektivität) ist eine standardisierte Kennzahl zur Messung der tatsächlichen Produktivität einer Fertigungsanlage. Die Kennzahl drückt in einem einzigen Prozentwert aus, wie viel Anteil der geplanten Produktionszeit eine Maschine wertschöpfend gelaufen ist — unter Berücksichtigung aller Verluste durch Stillstände, Geschwindigkeitsabweichungen und Ausschuss. OEE entstand in den 1980er-Jahren im japanischen Konzept Total Productive Maintenance (TPM), wurde von Seiichi Nakajima geprägt und ist heute der internationale De-facto-Standard für Produktivitäts-Benchmarking in der diskreten Fertigung. Die Kennzahl wird sowohl in der Lean-Six-Sigma-Welt als zentrale Verbesserungs-KPI genutzt als auch in der MES-basierten Echtzeit-Steuerung als operative Führungsgröße.

OEE wird in Prozent ausgedrückt und reicht von 0 % (Anlage läuft nicht oder produziert nur Ausschuss) bis theoretisch 100 % (Anlage läuft die gesamte geplante Zeit mit voller Geschwindigkeit und ohne einen einzigen Fehlteil). Ein Wert von 100 % ist in der Praxis nicht erreichbar — er würde voraussetzen, dass nie eine Sekunde Stillstand, nie eine Verlangsamung und nie ein Ausschussstück auftritt. Realistische Zielwerte liegen je nach Fertigungstyp zwischen 60 und 85 %. Die Kennzahl ist branchenübergreifend definiert, wird aber je nach Branche unterschiedlich interpretiert — eine OEE von 65 % in der Pharma-Verpackung mit hohen Rüstanforderungen ist anders zu bewerten als 65 % in der Großserien-Spritzguss-Fertigung.

Die Stärke der Kennzahl liegt darin, dass sie drei eigentlich unterschiedliche Verlustarten — Zeit, Geschwindigkeit und Qualität — in einem einzigen vergleichbaren Wert zusammenfasst. Genau diese Eigenschaft macht OEE auch angreifbar: Eine einzige Prozentzahl verbirgt, wo der Verlust tatsächlich entsteht. Eine OEE von 65 % kann aus 70 % Verfügbarkeit, 95 % Leistung und 98 % Qualität bestehen — oder aus 95 % Verfügbarkeit, 70 % Leistung und 98 % Qualität. Beide Konstellationen erfordern völlig unterschiedliche Maßnahmen. Wer OEE ohne Aufschlüsselung der drei Faktoren betrachtet, optimiert blind.

Wie berechnet man die OEE?

Die OEE-Formel ist eine multiplikative Verknüpfung der drei Faktoren Verfügbarkeit, Leistung und Qualität: OEE = Verfügbarkeit × Leistung × Qualität. Alle drei Faktoren werden als Dezimalzahl zwischen 0 und 1 (bzw. als Prozentwert zwischen 0 und 100 %) berechnet, dann multipliziert. Die multiplikative Verknüpfung ist entscheidend — sie sorgt dafür, dass jeder einzelne schwache Faktor den Gesamtwert überproportional drückt. Eine Anlage mit 90 % Verfügbarkeit, 90 % Leistung und 90 % Qualität erreicht keine 90 % OEE, sondern nur 72,9 % (0,9 × 0,9 × 0,9).

Konkretes Rechenbeispiel für eine Schicht

Eine Produktionsanlage läuft in einer Acht-Stunden-Schicht (480 Minuten). Geplante Pausen betragen 30 Minuten, womit die geplante Produktionszeit bei 450 Minuten liegt. In dieser Schicht treten 45 Minuten ungeplante Stillstände auf (Werkzeugbruch, Materialmangel, Rüsten), die tatsächliche Betriebszeit beträgt damit 405 Minuten. Die Maschine hätte bei idealer Zykluszeit von 30 Sekunden pro Teil in 405 Minuten 810 Teile produzieren können, tatsächlich produziert sie aber nur 750 Teile — ein Geschwindigkeitsverlust von 60 Teilen. Von den 750 produzierten Teilen sind 720 Gutteile und 30 Ausschuss.

Eine OEE von 80,0 % entspricht in dieser Beispielschicht 720 Gutteilen, verglichen mit theoretisch maximal 900 Gutteilen (450 Minuten ÷ 0,5 Minuten pro Teil) — also einer Verlust-Lücke von 180 Teilen. Diese Verlust-Lücke ist die zentrale Hebelgröße jeder OEE-Verbesserung. Wer die Lücke kennt, kann sie systematisch reduzieren; wer nur den Endwert kennt, optimiert blind.

Harte Basis versus weiche Basis — was bedeuten sie?

In der Praxis existieren zwei OEE-Definitionen mit unterschiedlichen Ergebnissen. Die harte OEE-Basis rechnet alle Stillstände (geplante und ungeplante) als Verluste; geplante Wartung, geplante Rüstvorgänge und Pausen reduzieren die Verfügbarkeit. Die weiche OEE-Basis rechnet nur ungeplante Stillstände als Verluste; geplante Aktivitäten werden aus der Berechnungsbasis ausgeklammert. Die weiche Basis liefert tendenziell höhere Werte und wird häufig im internen Reporting bevorzugt; die harte Basis liefert die ehrlichere Zahl und ist die einzige Vergleichsbasis zwischen Unternehmen. Beim externen Benchmarking ist die harte Basis Pflicht — eine "Weltklasse-OEE von 85 %" bezieht sich grundsätzlich auf die harte Basis.

Was sind die drei OEE-Faktoren?

OEE setzt sich aus drei Faktoren zusammen: Verfügbarkeit (Availability), Leistung (Performance) und Qualität (Quality). Verfügbarkeit misst, wie viel Anteil der geplanten Produktionszeit die Anlage tatsächlich produktionsbereit war — sie wird durch ungeplante Stillstände wie Maschinenausfälle, Rüstvorgänge oder Materialmangel reduziert. Leistung misst, ob die Anlage in der Betriebszeit mit der vorgesehenen Geschwindigkeit gelaufen ist — sie wird durch Mikrostillstände unter zwei Minuten und reduzierte Geschwindigkeit gedrückt. Qualität misst den Anteil der Gutteile an der Gesamtproduktion — sie wird durch Ausschuss, Nacharbeit und Anlaufverluste reduziert. Die drei Faktoren erfassen drei strukturell unterschiedliche Verlustarten, weshalb sie multiplikativ und nicht additiv verknüpft werden.

Verfügbarkeit (Availability)

Verfügbarkeit ist das Verhältnis von tatsächlicher Betriebszeit zu geplanter Produktionszeit. Die Formel lautet: Verfügbarkeit = Betriebszeit ÷ geplante Produktionszeit. Die Betriebszeit ist die geplante Produktionszeit abzüglich aller ungeplanten Stillstände — Maschinenausfälle, Werkzeugbrüche, fehlendes Material, fehlendes Personal, ungeplante Wartungseingriffe, Rüsten falls als ungeplant kategorisiert. Der Weltklasse-Benchmark für Verfügbarkeit liegt bei 90 %; in der DACH-Praxis erreichen viele Werke bei Erstmessung 70–80 %. Die häufigsten Verfügbarkeitsverluste sind Rüstzeiten (oft 15–25 % der Schichtzeit in kleinen Losen) und ungeplante Stillstände (5–15 %). Methodische Tiefe: Verfügbarkeit als OEE-Faktor.

Leistung (Performance)

Leistung ist das Verhältnis von theoretisch möglicher zu tatsächlicher Stückzahl in der Betriebszeit. Die Formel lautet: Leistung = (Ist-Stückzahl × Idealzykluszeit) ÷ Betriebszeit. Leistung misst, ob die Maschine mit der vorgesehenen Geschwindigkeit gelaufen ist. Verluste entstehen durch Mikrostillstände (Stops unter zwei Minuten, die typischerweise nicht in Stillstandsmeldungen erfasst werden) und durch reduzierte Geschwindigkeit (Anlage läuft langsamer als die Norm-Zykluszeit, oft wegen Werkzeugverschleiß, Materialinhomogenität oder bewusster Drosselung). Der Weltklasse-Benchmark für Leistung liegt bei 95 %. Mikrostillstände sind die häufigste unsichtbare Verlustquelle — bei manueller Erfassung werden sie systematisch übersehen, weil sie in einer Schichtaufzeichnung nicht auffallen. Die automatische Erfassung im Sekundentakt macht sie erstmals messbar.

Qualität (Quality)

Qualität ist das Verhältnis von Gutteilen zu produzierten Gesamtteilen. Die Formel lautet: Qualität = Gutteile ÷ produzierte Gesamtteile. Verluste entstehen durch Ausschuss, der nicht mehr verkauft werden kann, durch Nacharbeit, die zusätzliche Stunden bindet, und durch Anlaufverluste, bei denen die ersten Teile nach einem Rüstvorgang Ausschuss sind, bis die Maschine stabil läuft. Der Weltklasse-Benchmark für Qualität liegt bei 99,9 %. In der diskreten Fertigung wird Qualität meist gut beherrscht, weil sie unmittelbar sichtbar ist; in der Prozessfertigung sind die Qualitätsverluste oft höher und subtiler (Konzentrationsabweichungen, Packung-Gewicht-Toleranzen, Farbabweichungen).

Was sind die Six Big Losses?

Die Six Big Losses sind die sechs großen Verlustkategorien, die zusammen die Differenz zwischen idealer und tatsächlicher Produktivität ausmachen. Das Konzept stammt wie OEE selbst aus dem TPM-Framework (Total Productive Maintenance) und ordnet jeden Verlust einem der drei OEE-Faktoren zu. Verfügbarkeitsverluste teilen sich in (1) ungeplante Stillstände und (2) Rüst- und Einstellverluste. Leistungsverluste teilen sich in (3) reduzierte Geschwindigkeit und (4) Mikrostillstände und Kurzunterbrechungen. Qualitätsverluste teilen sich in (5) Anlaufverluste und (6) Ausschuss und Nacharbeit im laufenden Betrieb. Die Six-Big-Losses-Kategorisierung ist die operative Grundlage jeder OEE-Verbesserungsmaßnahme — ohne Zuordnung der Verluste zu konkreten Kategorien bleibt OEE eine Beobachtung statt ein Hebel.

In der Praxis dominieren Verlustkategorien 2 (Rüstverluste) und 4 (Mikrostillstände) die OEE-Lücke in den meisten DACH-Werken. Rüstverluste sind sichtbar und damit oft schon adressiert; Mikrostillstände dagegen bleiben in manueller Erfassung systematisch unsichtbar und sind genau deshalb 2026 immer noch der größte unrealisierte Hebel. In über 200 SYMESTIC-Implementierungen 2024–2026 lag die mediane Reduktion von Mikrostillständen nach drei Monaten bei 35 % — allein durch die erstmalige Sichtbarkeit der Verluste, ohne tiefgreifende technische Eingriffe in die Anlagen.

Was ist ein guter OEE-Wert?

Ein guter OEE-Wert hängt von Fertigungstyp und Branche ab. Der international zitierte Weltklasse-Benchmark liegt bei 85 % für diskrete Serienfertigungen — er setzt sich zusammen aus 90 % Verfügbarkeit, 95 % Leistung und 99,9 % Qualität. Dieser Benchmark stammt aus der Lean-Six-Sigma-Tradition und gilt als praktisch erreichbares Maximum für gut geführte Werke. Der DACH-Durchschnitt für diskrete Fertigungen liegt nach Daten aus über 15.000 SYMESTIC-Maschinenanbindungen bei 55–70 %. Werte zwischen 40 und 55 % gelten als verbesserungsbedürftig, Werte unter 40 % als kritisch und meist Indikator für strukturelle Probleme in Planung oder Anlagenzustand. Für die Beurteilung im Einzelfall ist nicht der Absolutwert, sondern der Trend über die Zeit und die Aufschlüsselung in die drei Faktoren entscheidend.

Branchen-spezifische Benchmarks

OEE-Benchmarks variieren stark nach Branche. Daten aus über 200 SYMESTIC-Implementierungen 2024–2026 ergeben die folgenden Branchen-Mittelwerte nach drei Monaten produktiver OEE-Erfassung. Die Spreizung zwischen Best-Practice und Durchschnitt ist branchenintern oft größer als zwischen Branchen.

Die Auswertung dieser Benchmarks erfordert Vorsicht. Eine OEE von 65 % in der Pharma-Verpackung mit hohen GMP-Validierungs-Anforderungen ist nicht direkt vergleichbar mit 65 % in der Automotive-Großserie mit standardisierten Werkzeugen. Wer Werke vergleicht, sollte immer die drei Faktoren einzeln vergleichen — nicht den OEE-Endwert.

Warum liegt der gemessene OEE-Wert meist unter der Schätzung?

Bei der Einführung einer automatischen OEE-Erfassung sinkt der ausgewiesene OEE-Wert in den meisten Werken um 8 bis 12 Prozentpunkte gegenüber dem vorher manuell geschätzten Wert. Dieser Effekt ist kein Pessimismus und kein Erfassungsfehler — er ist die bisher unsichtbare Realität an Mikrostillständen, Geschwindigkeitsverlusten und nicht erfassten Kleinstillständen, die in manueller Erfassung systematisch übersehen werden. Aus Daten von über 200 SYMESTIC-Implementierungen 2024–2026 ergibt sich das Muster konsistent über alle Branchen und Werksgrößen: Die manuell ermittelte OEE überschätzt die tatsächliche um 8–12 Prozentpunkte, in Einzelfällen bis zu 20. Wer von einer geschätzten OEE von 75 % in eine gemessene OEE von 63 % springt, hat nicht plötzlich produktivere Maschinen verloren — er sieht erstmals die Realität.

Wo die Schätzung systematisch zu hoch greift

Mikrostillstände unter zwei Minuten werden bei manueller Erfassung systematisch nicht erfasst. Ein Werker, der mehrfach pro Schicht 30–60 Sekunden für Materialnachfüllung, Sensorabgleich oder Verklemmungsbehebung steht, dokumentiert diese Verluste nicht in einer Schichtaufzeichnung — und der Schichtleiter weiß nichts davon. In Summe addieren sich Mikrostillstände regelmäßig auf 8–15 % der Schichtzeit, ohne in irgendeiner Statistik aufzutauchen. Die automatische Erfassung über Sensoren oder OPC UA macht sie erstmals sekundengenau sichtbar.

Geschwindigkeitsverluste werden bei manueller Erfassung praktisch nie erfasst. Eine Maschine, deren Norm-Zykluszeit 30 Sekunden beträgt, läuft real oft mit 32 oder 33 Sekunden — wegen Werkzeugverschleiß, Materialinhomogenität oder bewusster Drosselung durch den Werker. Die zwei bis drei Sekunden Differenz pro Teil ergeben über eine Acht-Stunden-Schicht eine Stückzahl-Lücke von 5–8 %, die aber im manuellen Reporting nie auffällt — die Maschine läuft ja "irgendwie". Erst die automatische Stückzahl-Erfassung in Verbindung mit der hinterlegten Idealzykluszeit macht den Verlust sichtbar.

Geplante Rüstzeiten werden bei manueller Erfassung häufig falsch klassifiziert. Eine "geplante Rüstung von 20 Minuten" dauert real oft 35 Minuten — die 15 Minuten Differenz werden aber als "geplant" gebucht und reduzieren die Verfügbarkeit nicht. Bei automatischer Erfassung wird die tatsächliche Rüstzeit gemessen, und nur die ursprünglich geplanten 20 Minuten sind tatsächlich "geplant". Diese saubere Trennung legt häufig signifikante Rüstzeitverluste offen, die unter dem Radar liefen.

Was die ehrlichen Zahlen für das Management bedeuten

Der gemessene OEE-Wert ist der Ausgangspunkt für ein neues Verbesserungs-Programm, nicht das Ergebnis schlechterer Leistung. Werke, die die ersten drei Monate Echtdaten erfassen und akzeptieren, zeigen typischerweise eine OEE-Verbesserung von 5–8 Prozentpunkten in den folgenden sechs Monaten — allein durch die Adressierung der zuvor unsichtbaren Verluste. Das ist der eigentliche ROI von OEE-Software. Wer die Differenz zwischen Schätzung und Messung als Vorwurf an die Werker oder das Management interpretiert, riskiert das Projekt zu verlieren, bevor es begonnen hat. Die Differenz zeigt, was möglich ist — sie ist die Roadmap, nicht das Problem.

Wie misst man OEE in der Praxis?

OEE-Erfassung erfolgt entweder manuell über Papier- oder Excel-Listen, halbautomatisch über Terminals am Shopfloor oder vollautomatisch über direkte Maschinenanbindung. Die manuelle Erfassung ist die schwächste Variante — sie ist zeitaufwendig, fehlerträchtig und übersieht systematisch Mikrostillstände sowie Geschwindigkeitsverluste. Die halbautomatische Erfassung über BDE-Terminals erfasst zumindest längere Stillstandsgründe und Auftragsstatus zuverlässig, lässt aber Mikrostopps weiter unsichtbar. Die vollautomatische Erfassung über MDE und IoT-Gateways ist die einzige Variante, die alle drei OEE-Faktoren in Echtzeit und vollständig misst — sie macht die in Abschnitt "Die 8-12-Prozent-Lücke" beschriebenen unsichtbaren Verluste erstmals sichtbar. Cloud-native MES wie SYMESTIC erreichen das erste produktive OEE-Dashboard typischerweise binnen sieben Tagen ab Projektstart (Median aus 200+ Implementierungen 2024–2026).

Manuelle OEE-Erfassung

Manuelle OEE-Erfassung erfolgt typischerweise über Excel-Tabellen, in die Schichtleiter oder Werker am Schichtende Stillstände, Ausschussmengen und Stückzahlen eintragen. Die Methode ist kostengünstig in der Einführung, aber operativ schwach. Mikrostillstände unter zwei Minuten werden systematisch nicht erfasst, Geschwindigkeitsverluste praktisch nie. Die ausgewiesenen OEE-Werte liegen typischerweise 8–12 Prozentpunkte über der tatsächlichen OEE. Für eine erste OEE-Schätzung an einer einzelnen Maschine ist Excel ausreichend; für ein produktives OEE-Reporting über mehrere Anlagen, Schichten und Standorte ist die manuelle Erfassung praktisch unbrauchbar — die Datenpflege wird zur Vollzeitaufgabe, ohne dass die Datenqualität ausreicht.

Halbautomatische Erfassung über BDE-Terminals

BDE-Terminals (Betriebsdatenerfassungs-Terminals) am Shopfloor erlauben Werkern, Auftragsstatus, Stillstandsgründe und Stückzahlen direkt zu erfassen. Stillstandsgründe werden aus einem Katalog ausgewählt (z. B. "Werkzeugbruch", "Materialmangel"), was die Auswertung erleichtert. Die halbautomatische Erfassung verbessert die Datenqualität gegenüber Excel erheblich, lässt aber Mikrostopps und Geschwindigkeitsverluste weiter unsichtbar. Vertiefung: Betriebsdatenerfassung (BDE) — Datenarten und Systeme.

Vollautomatische Erfassung über MDE und IoT-Gateways

Vollautomatische OEE-Erfassung greift Maschinendaten direkt an der Anlage ab — über OPC UA bei modernen Steuerungen oder über digitale I/O-Gateways bei Bestandsanlagen aus den 1980er- und 1990er-Jahren. Stückzahlen, Stillstandszeiten und Maschinenzustände werden im Sekundentakt erfasst, Mikrostopps werden ab dem ersten Sekundenausfall sichtbar. Die OEE-Berechnung erfolgt in Echtzeit, Dashboards aktualisieren sich automatisch. Vorteil: Die Datenqualität ist fundamental anders. Nachteil: Die Anschaffungskosten liegen einmalig bei 500–2.000 € pro Maschine für Gateway-Hardware. Vertiefung: Maschinendatenerfassung (MDE) erklärt.

Wie verbessert man die OEE?

OEE-Verbesserung folgt einem dreistufigen Prozess: Erstens Sichtbarkeit schaffen durch automatische Erfassung — ohne saubere Datenbasis ist jede Maßnahme blind. Zweitens den schwächsten der drei Faktoren identifizieren und die zwei dominierenden Verlustkategorien priorisieren. Drittens systematische Maßnahmen mit messbarem Vorher-Nachher-Vergleich umsetzen. Die häufigsten OEE-Hebel sind: SMED-Methodik zur Rüstzeitreduktion (typischer Effekt: minus 30–50 % Rüstzeit innerhalb von sechs Monaten), Mikrostopp-Reduktion durch systematische Ursachenanalyse (typisch minus 35 % Mikrostopps in drei Monaten, allein durch Sichtbarkeit), präventive Instandhaltung statt reaktiver Reparatur (typisch minus 20 % ungeplante Stillstände in zwölf Monaten) und Anlaufverlust-Reduktion durch Erstmusterprüfung und parametrierte Aufwärmphasen (typisch minus 50 % Anlaufausschuss). Die OEE-Verbesserung in den ersten sechs Monaten nach Einführung einer cloud-nativen Erfassung liegt nach SYMESTIC-Daten median bei 5–8 Prozentpunkten.

Phase 1 — Sichtbarkeit schaffen

Sichtbarkeit ist die Voraussetzung jeder Verbesserung. In den ersten vier bis acht Wochen nach Einführung einer automatischen OEE-Erfassung zeigt sich erstmals die echte Verteilung der Verluste über die Six Big Losses. Häufig stellt sich heraus, dass die zwei oder drei größten Verluste etwa 70 % der Gesamtdifferenz zur Weltklasse-OEE ausmachen — das Pareto-Prinzip greift bei OEE konsistent. Diese Phase liefert noch keine OEE-Verbesserung, aber sie liefert die Roadmap für alle folgenden Maßnahmen.

Phase 2 — Pareto-Hebel angehen

Nach der Sichtbarkeit folgt die systematische Adressierung der zwei bis drei größten Verlustkategorien. Ist Rüsten der größte Verlust, kommt die SMED-Methodik zum Einsatz — sequenzielle Rüstvorgänge werden parallelisiert, externe Aktivitäten von internen getrennt, Werkzeuge werden vor-eingerüstet. Sind Mikrostopps der größte Verlust, werden ihre Ursachen durch Sensor-Korrelation und Werker-Interviews systematisch zurückverfolgt — typische Ursachen sind Sensorfehlmeldungen, Schmiermittelmangel und Materialqualitätsabweichungen. Ist Ausschuss der größte Verlust, erfolgt eine SPC-Implementierung (Statistical Process Control) mit Inline-Qualitätsprüfung und Prozessfähigkeitsanalyse.

Phase 3 — Kontinuierliche Verbesserung mit Vorher-Nachher-Messung

Jede Verbesserungsmaßnahme wird mit definierter Vorher-Nachher-Messung umgesetzt — typischerweise vier Wochen Baseline, acht Wochen Maßnahmenphase, vier Wochen Stabilisierung. Die Messung erfolgt automatisch im MES; subjektive Einschätzungen ersetzen die Datenbasis nicht. Erfolge werden visualisiert (Trend-Charts, Pareto-Vergleiche), Misserfolge werden ebenso dokumentiert und führen zu Hypothesen-Anpassungen. Über zwölf Monate strukturierter OEE-Arbeit erreichen Werke typischerweise 8–15 Prozentpunkte OEE-Verbesserung — abhängig vom Ausgangswert (niedrigere OEE-Werte haben höheres Hebel-Potenzial).

Welche Fehler werden bei OEE-Projekten am häufigsten gemacht?

Vier OEE-Anti-Patterns dominieren die misslungenen Projekte im DACH-Mittelstand. Erstens: OEE als Werker-Bewertungs-Instrument einsetzen, statt als Anlagen-Bewertungs-Instrument. Sobald Werker den Eindruck haben, dass ihre persönliche Performance an der OEE gemessen wird, beginnt die Manipulation — Stillstandsgründe werden falsch klassifiziert, Mikrostopps werden umkategorisiert, die Datenqualität bricht zusammen. Zweitens: Auf einen einzigen OEE-Wert ohne Faktor-Aufschlüsselung schauen. Eine OEE von 65 % aus 70/95/98 erfordert andere Maßnahmen als aus 95/70/98 — der Endwert sagt nichts über die Hebel. Drittens: Weltklasse-Benchmark als unmittelbares Ziel setzen. Ein Werk mit 55 % OEE wird nicht in einem Jahr auf 85 % springen; ein realistisches Zwischenziel sind 5–8 Prozentpunkte pro Jahr über die ersten zwei bis drei Jahre. Viertens: OEE messen, aber nicht in operative Routinen einbetten. Dashboards ohne Daily-Stand-up am Shopfloor-Board sind nutzlos; OEE muss in die tägliche Schichtbesprechung und in die wöchentliche Werksleiter-Runde eingebettet werden, sonst bleibt sie ein Reporting-Artefakt.

Was sich am OEE-Verständnis 2026 geändert hat

Das OEE-Konzept ist nicht neu — die Kennzahl ist über 40 Jahre alt und definitiv etabliert. 2026 haben sich aber drei Aspekte der OEE-Praxis spürbar verändert. Erstens: Energie-OEE wird durch die CSRD-Berichtspflichten zum praktischen Thema. Wer ab 2026 Energieverbrauch pro Produkt berichten muss, braucht eine Verknüpfung zwischen OEE-Daten und Energiemessung — der Verbrauch pro Gutteil wird zur Folge-Kennzahl der OEE. Zweitens: AI-gestützte Ursachenanalyse wird produktiv. Cloud-native MES-Plattformen analysieren Mikrostopp-Muster automatisch und schlagen Ursachen-Hypothesen vor — was 2023 noch experimentell war, ist 2026 in den ersten Implementierungen Standardfunktion. Drittens: OEE-Daten wandern stärker aus dem isolierten MES-Reporting in die ERP-Planung. Realistische Kapazitätsplanung im S&OP-Prozess basiert zunehmend auf den echten OEE-Werten der Anlagen, nicht mehr auf optimistischen Annahmen — das verändert die Mittelfristplanung in vielen Werken fundamental.

Häufige Fragen zu OEE

Was ist OEE einfach erklärt?

OEE (Overall Equipment Effectiveness, Gesamtanlageneffektivität) misst in einer einzigen Prozentzahl, wie produktiv eine Maschine tatsächlich läuft. Die Kennzahl berücksichtigt Stillstände, Geschwindigkeitsverluste und Ausschuss. Bei 100 % läuft die Maschine die gesamte geplante Zeit mit voller Geschwindigkeit und ohne Fehler — was in der Realität nicht erreichbar ist. Der Weltklasse-Benchmark liegt bei 85 %, der DACH-Durchschnitt bei 55–70 %.

Was ist die OEE-Formel?

OEE = Verfügbarkeit × Leistung × Qualität. Verfügbarkeit ist das Verhältnis von Betriebszeit zur geplanten Produktionszeit. Leistung ist das Verhältnis von theoretisch möglicher zu tatsächlicher Stückzahl. Qualität ist das Verhältnis von Gutteilen zu Gesamtteilen. Alle drei Faktoren werden als Prozentwert berechnet und multipliziert.

Wofür steht die Abkürzung OEE?

OEE steht für Overall Equipment Effectiveness. Im deutschsprachigen Raum wird die Kennzahl als Gesamtanlageneffektivität (GAE) bezeichnet. Beide Begriffe sind synonym.

Was ist ein guter OEE-Wert?

Der Weltklasse-Benchmark liegt bei 85 % für diskrete Serienfertigungen. Werte zwischen 75 und 85 % gelten als gut, 55 bis 70 % als DACH-Durchschnitt, 40 bis 55 % als verbesserungsbedürftig und unter 40 % als kritisch. Die Bewertung hängt stark von Branche und Fertigungstyp ab — siehe Branchen-Benchmark-Tabelle in diesem Artikel.

Was bedeutet eine OEE von 100 %?

100 % OEE bedeutet: Die Anlage läuft die gesamte geplante Produktionszeit ohne einen einzigen Stillstand, mit voller Norm-Geschwindigkeit und ohne ein einziges Ausschussstück. Dieser Wert ist theoretisch und in der Praxis nicht erreichbar. Realistische Zielwerte für gut geführte Werke liegen je nach Branche zwischen 75 und 85 %.

Wie berechnet man die OEE in Excel?

Für eine einzelne Maschine über eine Schicht benötigt man fünf Werte: geplante Produktionszeit, ungeplante Stillstandszeit, Idealzykluszeit, Ist-Stückzahl und Ausschussmenge. Mit vier Formeln (Verfügbarkeit, Leistung, Qualität, OEE) lässt sich der Wert berechnen. Für mehrere Maschinen, kontinuierliche Auswertung oder Mikrostopp-Erfassung reicht Excel nicht — eine automatische Erfassung wird notwendig. Den vollständigen OEE-Rechner für Einzelberechnungen finden Sie unter OEE-Rechner.

Warum sinkt mein OEE-Wert nach Einführung einer Software?

In über 200 SYMESTIC-Implementierungen 2024–2026 sinkt der ausgewiesene OEE-Wert nach Einführung einer automatischen Erfassung systematisch um 8–12 Prozentpunkte gegenüber der vorher manuellen Schätzung. Das ist kein Fehler, sondern die erstmalige Sichtbarkeit von Mikrostopps und Geschwindigkeitsverlusten, die in manueller Erfassung übersehen werden. Der gemessene Wert ist die Realität, die Schätzung war optimistisch.

Was sind die Six Big Losses bei OEE?

Sechs Verlustkategorien teilen sich auf die drei OEE-Faktoren auf. Verfügbarkeitsverluste: ungeplante Stillstände, Rüst- und Einstellverluste. Leistungsverluste: reduzierte Geschwindigkeit, Mikrostillstände. Qualitätsverluste: Anlaufverluste, Ausschuss und Nacharbeit. Detaillierte Tabelle in der Sektion "Six Big Losses" oben.

Wie kann ich die OEE verbessern?

Dreistufiger Prozess: Sichtbarkeit schaffen (automatische Erfassung), den schwächsten der drei Faktoren identifizieren, die zwei größten Verlustkategorien systematisch angehen. Typische Maßnahmen: SMED bei Rüstzeitproblemen, Ursachenanalyse bei Mikrostopps, präventive Instandhaltung statt reaktiver Reparatur, SPC bei Qualitätsproblemen. Realistische OEE-Verbesserung: 5–8 Prozentpunkte in den ersten sechs Monaten nach Einführung einer automatischen Erfassung.

Wer hat OEE entwickelt?

Seiichi Nakajima, japanischer Ingenieur, im Rahmen des Total-Productive-Maintenance-Konzepts (TPM) ab Mitte der 1980er-Jahre. Die Kennzahl wurde im Toyota-Produktionssystem-Kontext geprägt und ist heute der internationale Standard für Produktivitäts-Benchmarking in der diskreten Fertigung.

Was ist der Unterschied zwischen OEE und TEEP?

OEE bezieht sich auf die geplante Produktionszeit — geplante Wartung, Pausen und nicht-bemannte Zeiten werden ausgeklammert. TEEP (Total Effective Equipment Performance) bezieht sich auf die gesamte Kalenderzeit — also auch nicht-bemannte Schichten und geplante Stillstände. TEEP-Werte liegen damit grundsätzlich unter OEE-Werten. TEEP wird vorwiegend für strategische Kapazitätsentscheidungen genutzt, OEE für die operative Steuerung.

Hilft KI bei der OEE-Verbesserung?

Seit 2026 wird AI-gestützte Ursachenanalyse in cloud-nativen MES-Plattformen produktiv. Algorithmen erkennen Muster in Mikrostopp-Daten, korrelieren sie mit Produkt- und Schicht-Daten und schlagen Hypothesen für die Ursachen vor — was vorher tagelange manuelle Analyse erforderte, läuft jetzt automatisch im Hintergrund. Vollständige Automatisierung der OEE-Verbesserung ersetzt allerdings nicht den menschlichen Verbesserungsprozess; AI liefert Hypothesen, Werker und Schichtleiter validieren und priorisieren.

OEE vertiefen

OEE Cluster

• OEE-Rechner: Gesamtanlageneffektivität online berechnen
• OEE Software: Anbieter, Funktionen und Kosten 2026
• OEE-Implementierung in 4 Schritten
• Guter OEE-Wert: Branchen-Benchmarks und Optimierung
• OEE in der Produktion verbessern: Methodische Strategien

OEE-Faktoren im Detail

• Verfügbarkeit als OEE-Faktor
• Leistung als OEE-Faktor
• Qualität als OEE-Faktor

Verbundene Themen

• MES (Manufacturing Execution System) — Pillar-Artikel
• Betriebsdatenerfassung (BDE) — Pillar-Artikel
• Maschinendatenerfassung (MDE) — Pillar-Artikel
• SMED: Rüstzeitoptimierung nach Shigeo Shingo
• Total Productive Maintenance (TPM)
• Shopfloor Management

Über den Autor

Christian Fieg

Head of Sales SYMESTIC und Six Sigma Black Belt. 20+ Jahre Erfahrung in MES-Einführung, Operational Excellence und Produktivitäts-Programmen in der diskreten Fertigung. Hat OEE-Implementierungen bei Carcoustics, Meleghy Automotive, Klocke und Neoperl methodisch begleitet. Themenexpertise: OEE-Implementierung, Six Sigma in der Fertigung, Shopfloor Management, Rüstzeitoptimierung nach SMED, TPM-Frameworks. LinkedIn-Profil