Was bedeutet Six Sigma in der Produktion?

Zusammenfassung: Six Sigma reduziert Prozessstreuung systematisch auf maximal 3,4 Fehler pro Million Möglichkeiten – über den DMAIC-Zyklus: Define, Measure, Analyze, Improve, Control. Die Methode liefert messbaren ROI (typisch 3:1 bis 10:1), scheitert aber in der Praxis häufig an zwei Punkten: fehlender Echtzeitdatenbasis und vernachlässigter Control-Phase. Ein Cloud-MES löst beide Probleme – es liefert die Daten für Measure und Analyze automatisch und sichert die Verbesserungen in Control über SPC, Alarmierung und OEE-Dashboards dauerhaft ab.

Inhaltsverzeichnis

1. Was ist Six Sigma?
2. Was bedeuten die Sigma-Level?
3. Wie funktioniert der DMAIC-Zyklus?
4. Welche Rollen gibt es in Six Sigma?
5. Welche Werkzeuge nutzt Six Sigma?
6. Was unterscheidet Six Sigma von Lean Six Sigma?
7. Wie wirkt Six Sigma in der Fertigung?
8. Wie beschleunigt ein Cloud-MES den DMAIC-Zyklus?
9. Wie führt man Six Sigma ein?
10. Welche Fehler lassen Six-Sigma-Projekte scheitern?
11. Welchen ROI liefert Six Sigma?
12. FAQ

Was ist Six Sigma?

Six Sigma ist eine datenbasierte Methode zur systematischen Reduktion von Prozessstreuung. Ziel ist ein Qualitätsniveau von maximal 3,4 Fehlern pro einer Million Möglichkeiten (DPMO). Die Methode nutzt den DMAIC-Zyklus als strukturierten Rahmen und statistische Werkzeuge als Analyseinstrument. Entwickelt bei Motorola (1986), skaliert bei General Electric (1990er), heute Standard in Automotive, Pharma, Elektronik und diskreter Fertigung.

Der Kern von Six Sigma ist keine philosophische Idee, sondern eine mathematische Aussage:
Wenn ein Prozess so stabil läuft, dass zwischen dem Mittelwert und der nächsten Spezifikationsgrenze sechs Standardabweichungen (σ) Platz haben, dann produziert er nahezu fehlerfrei. Alles, was Six Sigma tut –
der DMAIC-Zyklus, die statistischen Werkzeuge, die Belt-Struktur – dient diesem einen Ziel:
Prozessstreuung messbar und nachhaltig reduzieren.

Was Six Sigma von anderen Qualitätsmethoden unterscheidet:

• Nicht Erfahrung, sondern Daten treiben Entscheidungen. Jede Verbesserung muss statistisch belegbar sein.
• Nicht Symptome, sondern Ursachen werden behandelt. Die Analyze-Phase zwingt dazu, Root Causes zu verifizieren, bevor Maßnahmen eingeleitet werden.
• Nicht Einzelerfolge, sondern dauerhafte Veränderung ist das Ziel. Die Control-Phase sichert ab, dass Verbesserungen nicht wieder verloren gehen.

Die unbequeme Wahrheit aus der Praxis: Die Measure-Phase ist der häufigste Engpass. In 70–80 % der Six-Sigma-Projekte in der diskreten Fertigung fehlt eine belastbare Echtzeit-Datenbasis. Teams verbringen Wochen mit manueller Datenerhebung, bevor die eigentliche Analyse beginnt. Ein Cloud-MES eliminiert diesen Engpass: Maschinen-, Qualitäts- und Prozessdaten stehen automatisch bereit – von der ersten Schicht an.

Was bedeuten die Sigma-Level?

Die Sigma-Level quantifizieren die Prozessleistung: Je höher das Level, desto geringer die Fehlerquote. Die Skala reicht von 1σ (691.462 DPMO = 30,9 % Ausbeute) bis 6σ (3,4 DPMO = 99,99966 % Ausbeute). Jedes Sigma-Level entspricht einem messbaren Sprung in Qualität und Kosten.

Hinweis: Die DPMO-Werte beziehen sich auf die industrieübliche Konvention mit 1,5σ-Verschiebung (Langzeit-Drift). Das ist der Grund, warum 6σ nicht den theoretischen 0,002 DPMO der Normalverteilung entspricht, sondern 3,4 DPMO – eine realistische Annahme, weil sich Prozessmittelwerte über Zeit verschieben.

Praxis-Erkenntnis: Die meisten mittelständischen Fertiger operieren zwischen 3σ und 4σ. Der Sprung von 3σ auf 4σ bringt den größten relativen ROI – nicht weil 4σ perfekt ist, sondern weil die Qualitätskosten von 25–40 % auf 15–25 % des Umsatzes sinken. Wer an diesem Punkt steht, sollte nicht mit dem Sigma-Level argumentieren, sondern mit der Frage: „Was kosten uns Ausschuss, Nacharbeit und Reklamationen pro Jahr?" Die Antwort liefert OEE – genauer: der Qualitätsfaktor.

Wie funktioniert der DMAIC-Zyklus?

Der DMAIC-Zyklus (Define → Measure → Analyze → Improve → Control) ist das Kerngerüst jedes Six-Sigma-Projekts. Er erzwingt eine datengetriebene Vorgehensweise: Erst verstehen, dann verändern, dann absichern. Jede Phase hat definierte Inputs, Outputs und Gate-Reviews.

1. Define – Das Problem eingrenzen

Problem und Projektziele klar beschreiben. Der Project Charter definiert: Was ist das Problem? Was ist der Scope? Welche KPI soll sich wie verbessern? Wer ist der Sponsor?

• Werkzeuge: Project Charter, SIPOC-Diagramm, Voice of the Customer (VOC)
• Output: Klar definiertes Projekt mit messbarem Ziel, genehmigtem Scope und zugewiesenem Team

2. Measure – Die Datenbasis schaffen

Die aktuelle Prozessleistung erfassen. Welche Daten gibt es? Sind sie verlässlich? Wie hoch ist die Baseline – der Ist-Zustand vor jeder Veränderung?

• Werkzeuge: Datenerhebungsplan, Messsystemanalyse (MSA/Gage R&R), Prozessfähigkeitsanalyse (Cp, Cpk)
• Output: Validierte Baseline-Daten, bestätigtes Messsystem, quantifizierte Prozessfähigkeit

MES-Hebel: Ein Cloud-MES liefert die Measure-Daten automatisch – Stückzahlen, Taktzeiten, Stillstände, Ausschussmengen. Die manuelle Datenerhebung, die klassisch 3–6 Wochen dauert, reduziert sich auf Minuten.

3. Analyze – Ursachen verifizieren

Root Causes identifizieren und statistisch belegen. Nicht vermuten, sondern nachweisen. Die Frage lautet: Welche Einflussfaktoren (Xs) treiben das Problem (Y)?

• Werkzeuge: Ishikawa-Diagramm, 5-Why, Pareto-Analyse, Hypothesentests (t-Test, ANOVA, Chi²), Regressionsanalyse, Korrelationsanalyse
• Output: Statistisch verifizierte Root Causes mit quantifiziertem Einfluss auf die Zielgröße

4. Improve – Lösungen implementieren

Maßnahmen entwickeln, testen und umsetzen. Pilotieren vor dem Rollout. Die Frage: Welche Veränderung an den Xs verbessert Y nachweislich?

• Werkzeuge: Design of Experiments (DoE), Pilotversuche, FMEA, Poka-Yoke, Kosten-Nutzen-Analyse
• Output: Implementierte Lösung mit gemessenem Verbesserungseffekt

5. Control – Verbesserungen absichern

Die erreichten Ergebnisse dauerhaft sichern. Standardisieren, dokumentieren, überwachen. Die Frage: Wie stellen wir sicher, dass der Prozess nicht zurückfällt?

• Werkzeuge: Control Charts (SPC), Control Plans, Standardarbeitsanweisungen (SOPs), Übergabe an Prozesseigner
• Output: Stabiler, überwachter Prozess mit definiertem Eskalationsverfahren

MES-Hebel: Die Control-Phase ist dort am wirksamsten, wo sie automatisiert ist. SPC-Regelkarten im MES überwachen Prozessparameter kontinuierlich, Alarme eskalieren bei Regelverstoß automatisch, Dashboards zeigen den Prozessstatus in Echtzeit. Ohne diese Automatisierung erodieren 60 % aller Six-Sigma-Verbesserungen innerhalb von 12 Monaten – weil niemand manuell kontrolliert.

Welche Rollen gibt es in Six Sigma?

Six Sigma definiert fünf Rollen mit klar abgegrenzten Verantwortlichkeiten – vom strategischen Sponsor bis zum unterstützenden Teammitglied. Das Belt-System (angelehnt an Kampfsportgürtel) strukturiert Kompetenz und Einsatzbereich.

Empfehlung für den Mittelstand: Nicht sofort Master Black Belts ausbilden. Der größte Hebel liegt bei 2–3 Green Belts, die in ihren Abteilungen kleine, messbare Projekte umsetzen – unterstützt durch einen externen oder teilzeitlichen Black Belt. Erst wenn die Pipeline steht und der ROI belegt ist, lohnt sich die Investition in Vollzeit-Black-Belts.

Welche Werkzeuge nutzt Six Sigma?

Six Sigma kombiniert statistische Methoden mit praxisnahen Qualitätswerkzeugen. Die Werkzeuge sind den DMAIC-Phasen zugeordnet – jedes hat einen spezifischen Zweck und eine definierte Anwendungssituation.

Statistische Werkzeuge

Qualitäts- & Lean-Werkzeuge

Was unterscheidet Six Sigma von Lean Six Sigma?

Six Sigma reduziert Prozessvariation und Fehler. Lean eliminiert Verschwendung und beschleunigt Durchlaufzeiten. Lean Six Sigma kombiniert beides: statistisch stabile Prozesse plus maximale Geschwindigkeit. In der Praxis setzen über 80 % der Unternehmen auf die kombinierte Variante.

SYMESTIC-Perspektive: Lean Six Sigma braucht beides – Shopfloor-Transparenz (Lean: Verschwendung sichtbar machen) und statistische Datenbasis (Six Sigma: Ursachen verifizieren). Ein Cloud-MES liefert beides in einem System: OEE-Dashboards für die Lean-Sicht, Prozessdaten und SPC für die Six-Sigma-Analyse.

Wie wirkt Six Sigma in der Fertigung?

In der diskreten Fertigung entfaltet Six Sigma den größten ROI – dort, wo Prozessstreuung direkt in Ausschuss, Nacharbeit und Stillstände übersetzt wird. Die fünf häufigsten Anwendungsfelder mit typischen Ergebnissen:

1. Ausschuss- & Nacharbeitsreduktion

Variationsursachen in Fertigungsprozessen identifizieren und eliminieren: Materialchargen, Werkzeugverschleiß, Temperaturabweichungen, Bedienerunterschiede.

• Typisch: 50–85 % Reduktion der Ausschussquote

2. Rüstzeit- & Taktzeitoptimierung

Streuung in Rüstvorgängen analysieren, standardisieren, verkürzen. DoE-basierte Parameteroptimierung für kürzere Taktzeiten bei stabiler Qualität.

• Typisch: 20–40 % kürzere Rüstzeiten

3. Stillstandsreduktion durch Ursachenanalyse

Pareto-Analyse der Stillstandsgründe, 5-Why auf die Top-3-Ursachen, Maßnahmen mit FMEA absichern.

• Meleghy: 10 % Reduktion von Stillstandszeiten über 4 Werke

4. Liefertermintreue verbessern

Durchlaufzeitstreuung analysieren, Engpässe identifizieren, Planungsgenauigkeit durch stabile Prozesse erhöhen.

5. SPC-gestützte Qualitätssicherung

Regelkarten überwachen kritische Prozessparameter inline. Regelverstöße werden automatisch eskaliert, bevor Ausschuss entsteht.

Wie beschleunigt ein Cloud-MES den DMAIC-Zyklus?

Klassisches Six Sigma basiert auf Stichproben, manueller Datenerhebung und periodischem Reporting. In der digitalisierten Fertigung liefert ein Cloud-MES Echtzeitdaten automatisch – und verkürzt den gesamten DMAIC-Zyklus um 40–60 %. Die folgende Tabelle zeigt den Effekt pro Phase.

SYMESTIC-Module für Six Sigma

„SYMESTIC verschafft uns eine durchgängige Echtzeittransparenz, die wir in dieser Form vorher nicht hatten. Dadurch können wir schneller eingreifen, unsere Prozesse deutlich stabiler steuern und den täglichen Betrieb spürbar vereinfachen. Gleichzeitig legen wir mit der sauberen und strukturierten Datenbasis den Grundstein für zukünftige KI-gestützte Anwendungen."
— Thorsten Manns, Technischer Leiter bei Schmiedetechnik Plettenberg

Wie führt man Six Sigma ein?

Die Einführung von Six Sigma folgt vier Phasen: Management-Commitment sichern, Pilotprojekte durchführen, Erfolge skalieren, Methode in der Kultur verankern. Der häufigste Fehler: zu breiter Scope im ersten Schritt statt messbarer Quick Wins an der richtigen Stelle.

Phase 1: Vorbereitung (0–3 Monate)

• Champion auf C-Level benennen – ohne Management-Sponsor kein Budget, keine Priorisierung
• 2–3 Green Belts identifizieren und ausbilden (80 Stunden Training)
• Projektpipeline priorisieren: Pareto der Qualitätskosten → die 3 größten Verlustquellen zuerst
• Datenbasis sicherstellen: Welche KPIs werden automatisch erfasst? Wo fehlen Daten?

Phase 2: Pilotprojekte (3–9 Monate)

• 2–3 DMAIC-Projekte an den priorisierten Verlustquellen durchführen
• Jeden Projekterfolg in Euro, Qualität oder Zeit quantifizieren
• Quick Wins sichtbar kommunizieren – intern, an alle Ebenen
• Lessons Learned dokumentieren

Phase 3: Rollout (9–18 Monate)

• Projektpipeline systematisch aufbauen (Scoring nach ROI × Machbarkeit)
• Weitere Green Belts und ersten Black Belt ausbilden
• KPI-System standardisieren: OEE, DPMO, Cp/Cpk, Qualitätskosten
• Skalierung auf weitere Linien und Werke

Phase 4: Institutionalisierung (18+ Monate)

• Six Sigma als Teil der Unternehmenskultur verankern (KVP)
• Regelmäßige Projekt-Reviews auf Management-Ebene
• Control-Pläne dauerhaft in MES-Workflows integrieren
• Neue Mitarbeitende erhalten Yellow-Belt-Basisschulung

Der gleiche Grundsatz wie bei jedem Digitalisierungsprojekt: Klein starten, schnell Ergebnisse zeigen, dann skalieren. Klocke ging in 3 Wochen von einer Linie auf alle Linien. Meleghy skalierte in 6 Monaten auf 4 Werke. Der Mechanismus ist identisch: Ein erster sichtbarer Erfolg schafft internes Vertrauen.

Welche Fehler lassen Six-Sigma-Projekte scheitern?

Rund 60 % aller Six-Sigma-Initiativen erreichen nicht den geplanten ROI. Die Ursache ist selten die Methode selbst – es sind fünf wiederkehrende Implementierungsfehler, die alle vermeidbar sind.

1. Kein echtes Management-Commitment

Ohne Champion auf C-Level fehlen Ressourcen, Priorisierung und Durchsetzungskraft. Six Sigma als „Projekt der Qualitätsabteilung" funktioniert nicht – es muss strategisch verankert sein.

2. Measure-Phase ohne belastbare Datenbasis

Teams verbringen Wochen mit manueller Datenerhebung in Excel. Die Daten sind lückenhaft, veraltet und nicht reproduzierbar. Die Analyse baut auf Sand.

Lösung: Ein Cloud-MES liefert die Measure-Daten automatisch. Stückzahlen, Taktzeiten, Stillstände, Ausschussmengen – lückenlos, in Echtzeit, vom ersten Tag an.

3. Control-Phase vernachlässigt

Das Projekt wird nach der Improve-Phase als „abgeschlossen" deklariert. SPC wird nicht eingerichtet, Control-Pläne existieren auf Papier, niemand überwacht. Innerhalb von 6–12 Monaten erodiert die Verbesserung.

Lösung: Control-Pläne in MES-Workflows integrieren. SPC-Regelkarten laufen automatisch, Alarme eskalieren bei Regelverstößen, Dashboards zeigen den Prozessstatus permanent.

4. Zu viele parallele Projekte

15 Green-Belt-Projekte gleichzeitig, keine Priorisierung, Black Belt betreut zu viele Teams. Ergebnis: keines der Projekte wird richtig abgeschlossen.

Lösung: Maximal 3 parallele Projekte pro Black Belt. Priorisierung nach ROI × Machbarkeit.

5. Überfokus auf Statistik, Unterfokus auf Business Impact

Das Projekt erreicht einen Cpk von 2,0 – aber niemand kann beziffern, was das in Euro bedeutet. Ohne Business Case verliert Six Sigma die Management-Unterstützung.

Lösung: Jedes Projekt muss in der Define-Phase einen Business Case haben: erwartete Einsparung, betroffene KPI, Zeitrahmen. Kein Projekt ohne quantifizierten Nutzen.

Welchen ROI liefert Six Sigma?

Six Sigma liefert messbaren ROI – typisch 3:1 bis 10:1. Jedes Projekt wird in der Define-Phase mit einem Business Case versehen und in der Control-Phase auf Zielerreichung geprüft. Die folgenden Zahlen basieren auf Branchenreferenzen und SYMESTIC-Kundendaten.

Die ROI-Formel: (Jährliche Einsparung durch das Projekt) ÷ (Projektkosten inkl. Schulung + Arbeitszeit) = ROI. Ein typisches Green-Belt-Projekt in der Serienfertigung mit 30.000–50.000 € Gesamtkosten und 100.000–200.000 € jährlicher Einsparung erreicht einen ROI von 3:1 bis 5:1 im ersten Jahr. Ab dem zweiten Jahr: reine Rendite.

FAQ zu Six Sigma

Was ist Six Sigma?
Six Sigma ist eine datenbasierte Methode zur systematischen Reduktion von Prozessstreuung. Ziel ist ein Qualitätsniveau von maximal 3,4 Fehlern pro einer Million Möglichkeiten. Die Methode nutzt den DMAIC-Zyklus (Define, Measure, Analyze, Improve, Control) und statistische Werkzeuge als Analyseinstrumente.

Was bedeutet „6 Sigma"?
Sigma (σ) ist das statistische Symbol für die Standardabweichung. „6 Sigma" bedeutet: Zwischen dem Prozessmittelwert und der nächsten Spezifikationsgrenze liegen sechs Standardabweichungen. Das entspricht einer Ausbeute von 99,99966 % – oder maximal 3,4 Fehlern pro Million Möglichkeiten.

Was ist der Unterschied zwischen Six Sigma und Lean Six Sigma?
Six Sigma fokussiert auf Fehlerreduktion durch statistische Analyse. Lean fokussiert auf Verschwendungsabbau und Geschwindigkeit. Lean Six Sigma kombiniert beides: stabile Prozesse plus maximale Effizienz. Der typische ROI von Lean Six Sigma liegt bei 5:1 bis 10:1, verglichen mit 3:1 bis 5:1 bei reinem Six Sigma.

Braucht man für Six Sigma ein MES?
Nicht zwingend – aber ohne MES dauert die Measure-Phase Wochen statt Minuten, und die Control-Phase erodiert, weil SPC manuell überwacht werden muss. Ein Cloud-MES verkürzt den gesamten DMAIC-Zyklus um 40–60 % und sichert Verbesserungen automatisch ab.

Was kostet eine Six-Sigma-Einführung?
Green-Belt-Ausbildung: ca. 5.000–8.000 € pro Person. Black-Belt-Ausbildung: ca. 10.000–15.000 €. Ein typisches Pilotprojekt (inkl. Schulung + Arbeitszeit) kostet 30.000–50.000 € und erzielt 100.000–200.000 € jährliche Einsparung. ROI im ersten Jahr: 3:1 bis 5:1.

Welche Branchen nutzen Six Sigma?
Ursprünglich in der Elektronikfertigung (Motorola) und im Konzernumfeld (General Electric). Heute Standard in Automotive, Pharma, Lebensmittel, Kunststoffverarbeitung, Maschinenbau und Elektronik – überall dort, wo Prozessstreuung direkt in Qualitätskosten übersetzt wird.

Das Wichtigste: Six Sigma scheitert nicht an der Statistik – sondern an fehlenden Daten und vernachlässigter Absicherung. Ein Cloud-MES löst beide Probleme: Es liefert die Datenbasis für Measure und Analyze automatisch und sichert Verbesserungen in Control über SPC, Alarmierung und OEE-Dashboards dauerhaft ab.

SYMESTIC liefert genau diese Datenbasis – cloud-nativ, in Stunden startklar, über 15.000 Anlagen bewährt.
→ Jetzt Preise ansehen und die Datenbasis für Six Sigma schaffen

Weiterführende Artikel im SYMESTIC-Blog:

• MES: Definition, Funktionen & Nutzen 2026
• OEE: Definition, Berechnung & Praxis 2026
• Lean Production: Prinzipien, Methoden & MES-Integration
• Kaizen: Kontinuierliche Verbesserung in der Fertigung
• KVP: Kontinuierlicher Verbesserungsprozess erklärt
• Shopfloor Management: Methoden & Tools
• Smart Factory: Definition, Technologien & MES-Umsetzung
• Operational Excellence: Definition & Umsetzung

Der nächste Schritt

DMAIC steht und fällt mit der Messphase. Wenn die Daten aus Schichtzetteln stammen, misst man die Aufschriebe und nicht den Prozess. Wie die Messung automatisch entsteht, zeigt eine Live-Demo am eigenen Anwendungsfall; welche Verlustarten dabei sichtbar werden, steht in Six Big Losses.

Über den Autor

Christian Fieg

Head of Sales, SYMESTIC. Zuvor MES-Verantwortung bei iTAC, Dürr und Visteon (900+ angebundene Maschinen). Six Sigma Black Belt.

OEE

Buchempfehlung: OEE: Eine Zahl, viele Lügen

Von Christian Fieg · 2025