DMAIC: Die 5 Phasen, Werkzeuge & Praxis

DMAIC: Was ist das?

DMAIC ist der strukturierte Problemlösungszyklus von Six Sigma. Die fünf Phasen Define, Measure, Analyze, Improve und Control bilden einen sequenziellen Ablauf, der bestehende Prozesse auf Basis von Daten verbessert.
DMAIC wird nicht für neue Prozesse verwendet (dafür gibt es DFSS/DMADV), sondern für Prozesse, die bereits existieren, aber nicht die gewünschte Leistung liefern.

Der Kern von DMAIC in einem Satz: Erst das Problem verstehen, dann messen, dann die Ursache finden, dann lösen, dann sicherstellen, dass es gelöst bleibt. Das klingt banal, aber die Realität in vielen Fertigungsbetrieben sieht anders aus. Dort wird direkt zur Lösung gesprungen ("Improve"), ohne vorher sauber gemessen und analysiert zu haben.
DMAIC erzwingt die Reihenfolge und damit die Disziplin, die nachhaltige Verbesserung von kurzfristiger Brandbekämpfung unterscheidet.

Die 5 Phasen von DMAIC im Detail

Jede Phase hat einen klaren Zweck, definierte Werkzeuge und ein messbares Ergebnis (Gate Review), bevor die nächste Phase beginnen darf.

DMAIC in der Fertigung: Was jede Phase konkret bedeutet

Define: Das Problem eingrenzen, nicht ausweiten. Ein typisches DMAIC-Projekt in der Fertigung startet mit einer Beobachtung wie "Die Ausschussrate an Linie 3 ist zu hoch". Die Define-Phase macht daraus eine messbare Problemstellung: "Die Ausschussrate an Linie 3 liegt bei 4,2 % (Durchschnitt der letzten 12 Wochen), das Ziel ist unter
1,5 %." Ein SIPOC-Diagramm grenzt den Prozess ab: Von der Materialeingabe bis zur Endkontrolle, nicht darüber hinaus. Das Project Charter definiert den Zeitrahmen (typisch: 3 bis 6 Monate), das Team und den erwarteten finanziellen Nutzen.

Was in der Praxis schiefgeht: Das Projekt wird zu breit definiert. "Die Qualität verbessern" ist kein DMAIC-Projekt. "
Die Ausschussrate bei Produkt X an Anlage Y von 4,2 % auf unter 1,5 % senken" schon.

Measure: Erst das Messsystem prüfen, dann den Prozess. Die größte Falle der Measure-Phase: Man beginnt mit der Datenanalyse, ohne vorher zu prüfen, ob die Messung überhaupt zuverlässig ist. Eine Gage R&R zeigt, wie viel der gemessenen Variation vom Messsystem selbst stammt. Wenn das Messsystem 40 % der Gesamtvariation verursacht, sind alle Analysen wertlos.

In der modernen Fertigung liefert ein MES einen Großteil der Measure-Daten automatisch: OEE-Werte, Taktzeiten, Stillstandsgründe, Ausschussraten pro Schicht, Anlage und Produkt. Wer bereits Prozessdaten in Echtzeit erfasst, hat die Measure-Phase oft zu 70 % erledigt, bevor das DMAIC-Projekt überhaupt startet. Bei Neoperl etwa lieferte die SPS-basierte Alarmerfassung die komplette Datenbasis für die Korrelation von Alarmen mit Stillständen und Qualitätsdefekten.

Analyze: Ursachen verifizieren, nicht vermuten. Die Analyze-Phase unterscheidet DMAIC von den meisten anderen Verbesserungsansätzen. Ein Ishikawa-Diagramm sammelt mögliche Ursachen. Ein Pareto-Diagramm priorisiert sie. Aber erst ein Hypothesentest oder eine Regressionsanalyse beweist, welche Ursache tatsächlich signifikant ist.

Beispiel: Das Team vermutet, dass die hohe Ausschussrate an der Zylindertemperatur der Spritzgussmaschine liegt. Eine Korrelationsanalyse der MES-Prozessdaten zeigt: Die Temperatur korreliert nur schwach mit dem Ausschuss
(r = 0,18). Aber der Materialwechsel zwischen Chargen korreliert stark (r = 0,73).
Ohne Datenanalyse hätte das Team an der Temperatur optimiert und nichts erreicht.

Improve: Erst pilotieren, dann ausrollen. Die Improve-Phase beginnt nie mit einer sofortigen Umstellung.
Eine Lösungsauswahl-Matrix bewertet verschiedene Optionen nach Wirksamkeit, Kosten und Implementierungsaufwand. Die beste Lösung wird an einer Anlage oder in einer Schicht pilotiert, bevor sie auf die gesamte Linie ausgerollt wird.

Was in der Praxis funktioniert: Eine FMEA (Failure Mode and Effects Analysis) vor der Implementierung durchführen.
Sie deckt auf, welche neuen Risiken die Lösung einführen könnte. Ein MES kann den Vorher-Nachher-Vergleich objektiv liefern: OEE vor Pilotstart vs. OEE während Pilot, mit identischen Randbedingungen (gleiches Produkt, gleiche Schicht).

Control: Das Projekt endet nicht mit der Lösung. Die Control-Phase ist die am häufigsten vernachlässigte Phase. Ein Control Plan definiert: Welche Parameter werden überwacht? Wie oft? Von wem? Was passiert bei Abweichung?
SPC-Regelkarten überwachen die kritischen Prozessparameter. Alarme bei Schwellwertüberschreitungen lösen definierte Maßnahmen aus.

Das Projekt wird formal an den Prozesseigner übergeben, nicht an das DMAIC-Team. Das Team löst sich auf.
Der Prozesseigner überwacht die Kennzahlen im Tagesgeschäft. Wenn die OEE nach 3 Monaten immer noch auf dem verbesserten Niveau liegt, war das Projekt erfolgreich.

DMAIC vs. PDCA: Der Unterschied

Beide Methoden sind Verbesserungszyklen, aber auf unterschiedlichem Niveau.

Die Faustregel: Wenn das Problem mit einem kurzen PDCA-Zyklus lösbar ist, braucht man kein DMAIC.
Wenn nach zwei PDCA-Durchläufen das Problem immer noch besteht, ist DMAIC die richtige Eskalation.

Typische Fehler bei DMAIC-Projekten in der Fertigung

Fehler 1: Die Define-Phase überspringen. "Wir wissen ja, was das Problem ist." In 60 bis 70 % der Fälle zeigt die spätere Datenanalyse, dass das tatsächliche Problem ein anderes ist als das vermutete. Die Define-Phase stellt sicher, dass das Projekt das richtige Problem angreift.

Fehler 2: Keine Messsystemanalyse durchführen. Besonders bei manuellen Qualitätsprüfungen
(Sichtprüfung, manuelle Messung) ist die Messvariation oft grösser als die Prozessvariation.
Das Team analysiert dann das Messsystem, nicht den Prozess. Eine Gage R&R mit unter 10 % Messsystemanteil ist die Voraussetzung für jede seriöse Datenanalyse.

Fehler 3: Korrelation mit Kausalität verwechseln. Nur weil zwei Variablen korrelieren, verursacht die eine nicht die andere. Wenn die Ausschussrate und die Außentemperatur gleichzeitig steigen, heisst das nicht, dass die Hitze den Ausschuss verursacht. Vielleicht steigen beide im Sommer, weil im Sommer mehr Aushilfskräfte eingesetzt werden. Design of Experiments (DOE) ist das Werkzeug, um echte Kausalität nachzuweisen.

Fehler 4: Die Control-Phase als Formalität behandeln. Ohne nachhaltige Überwachung fallen Prozesse innerhalb von 3 bis 6 Monaten auf das alte Niveau zurück. In der Fertigung heißt das konkret: Wer keine SPC-Regelkarten oder MES-basierte Alarmierung auf den verbesserten Prozessparametern implementiert, verliert den Projektnutzen.

Fehler 5: Zu viele DMAIC-Projekte gleichzeitig. Ein Green-Belt-Projekt braucht 20 bis 30 % der Arbeitszeit des Projektleiters über 3 bis 6 Monate. Wer 5 Projekte parallel startet, beendet keines davon.
Die Empfehlung: Maximal 2 bis 3 aktive DMAIC-Projekte pro Werk, priorisiert nach finanziellem Impact.

Wo MES-Daten in DMAIC-Projekten den Unterschied machen

DMAIC braucht Daten. Ohne Daten ist DMAIC nur ein strukturiertes Brainstorming.
In der Praxis scheitern viele DMAIC-Projekte an der Measure-Phase, weil die Daten nicht verfügbar oder nicht zuverlässig sind.

Ein MES löst dieses Problem, indem es die wichtigsten Fertigungskennzahlen automatisch erfasst:

• Measure: OEE-Daten nach Schicht, Anlage und Produkt liefern die Baseline. Stillstandsgründe aus der automatischen Erfassung zeigen die Verteilung der Verluste. Prozessdaten (Temperaturen, Drücke, Taktzeiten) liefern die Variablen für die Analyse.
• Analyze: Die Korrelation von Alarmen mit Qualitätsdefekten zeigt Zusammenhänge, die ohne automatische Datenerfassung unsichtbar bleiben. Bei Neoperl führte genau diese Analyse zu 15 % weniger Ausschuss.
• Control: Alarme bei Schwellwertüberschreitungen funktionieren als automatisierte Regelkarten.
  Echtzeit-Dashboards machen den Prozesszustand für den Prozesseigner jederzeit sichtbar.

Die Erfahrung zeigt: Unternehmen mit automatisierter Datenerfassung durch ein MES verkürzen die Measure-Phase eines DMAIC-Projekts um 40 bis 60 %, weil die historischen Prozessdaten bereits vorliegen und nicht erst manuell erhoben werden müssen.

Häufige Fragen zu DMAIC

Wann sollte man DMAIC statt PDCA verwenden?
Wenn die Ursache des Problems nicht offensichtlich ist und Datenanalyse erforderlich ist. Faustregel:
Wenn das Problem nach zwei PDCA-Zyklen weiterbesteht oder der potenzielle Nutzen über 50.000 Euro liegt,
ist DMAIC die bessere Wahl. Für schnelle Verbesserungen im Tagesgeschäft bleibt PDCA das effizientere Werkzeug.

Braucht man eine Six-Sigma-Zertifizierung für DMAIC?
Nicht zwingend, aber es hilft. Die statistische Tiefe der Analyze-Phase (Hypothesentests, Regressionsanalyse, DOE) erfordert Methodenkompetenz, die ein Green-Belt-Training vermittelt. Für einfache DMAIC-Projekte reicht oft ein erfahrener KVP-Moderator, der die statistischen Werkzeuge grundlegend beherrscht. Komplexe Projekte mit mehreren Einflussgrößen brauchen Black-Belt-Kompetenz.

Wie lange dauert ein DMAIC-Projekt?
Typisch 3 bis 6 Monate, je nach Komplexität. Green-Belt-Projekte liegen eher bei 3 bis 4 Monaten, Black-Belt-Projekte bei 4 bis 6 Monaten. Wenn ein Projekt nach 6 Monaten noch nicht in der Control-Phase ist, wurde der Scope zu gross definiert oder die Ressourcen waren unzureichend.

Was kostet ein DMAIC-Projekt?
Der größte Kostenfaktor ist die Arbeitszeit des Teams, nicht externe Berater oder Tools. Ein typisches Green-Belt-Projekt bindet 20 bis 30 % der Arbeitszeit des Projektleiters plus je 5 bis 10 % bei 3 bis 5 Teammitgliedern über 3 bis 4 Monate. Dazu kommen Implementierungskosten in der Improve-Phase, die stark projektabhängig sind.
Die Erwartung bei sauber priorisierten Projekten: ein ROI von 3:1 bis 10:1 innerhalb des ersten Jahres.

Über den Autor

Christian Fieg

Head of Sales, SYMESTIC. Six Sigma Black Belt. 25+ Jahre Automotive-Fertigung bei Johnson Controls, Visteon, iTAC und Dürr. Verantwortete globale MES- und Traceability-Rollouts auf vier Kontinenten. Autor von „OEE: Eine Zahl, viele Lügen" (2025).