Parts Per Million (PPM): Berechnung, Benchmarks & Praxis

Was ist PPM (Parts Per Million)?

Parts Per Million (PPM) ist eine Qualitätskennzahl, die angibt, wie viele Teile pro eine Million gefertigter Einheiten fehlerhaft sind. Ein PPM-Wert von 50 bedeutet: Von 1.000.000 produzierten Teilen sind statistisch 50 defekt, das entspricht einer Fehlerquote von 0,005 %.

PPM ist damit feiner aufgelöst als Prozent (10⁻²) oder Promille (10⁻³). In der Automobilindustrie, der Medizintechnik und der Elektronikfertigung reichen Prozentangaben nicht aus, um Qualitätsniveaus sinnvoll zu unterscheiden. Eine Fehlerrate von 0,1 % klingt niedrig, entspricht aber 1.000 PPM. In der Automobilindustrie wäre das eine Katastrophe, die zu Liefersperren führt.

Die Formel ist einfach:

PPM = (Anzahl fehlerhafter Teile / Gesamtanzahl produzierter Teile) × 1.000.000

Beispiel: 250.000 Teile produziert, 8 fehlerhafte Teile gefunden. PPM = (8 / 250.000) × 1.000.000 = 32 PPM.

PPM-Benchmarks nach Branche und Sigma-Level

PPM-Zielwerte unterscheiden sich je nach Branche erheblich. Was in der Konsumgüterindustrie als akzeptabel gilt, führt in der Automobilindustrie zur Eskalation beim OEM.

Der Zusammenhang zwischen PPM und Six Sigma ist direkt:

Der Sprung von 4σ auf 5σ sieht in Prozentwerten marginal aus (99,38 % vs. 99,977 %). In PPM ist er dramatisch: von 6.210 auf 233. Genau deshalb existiert PPM als Kennzahl: um diese Unterschiede sichtbar zu machen.

PPM vs. DPMO vs. FPY vs. OEE: Wann welche Kennzahl

PPM ist nicht die einzige Qualitätskennzahl. In der Praxis laufen mehrere Kennzahlen parallel, jede mit einem anderen Fokus.

PPM und OEE hängen direkt zusammen: Die Qualitätskomponente der OEE berechnet sich aus Gutteilen geteilt durch Gesamtmenge. Wenn die PPM-Rate steigt, sinkt die OEE-Qualität. In der Praxis heisst das: Wer PPM-Probleme hat, sieht sie auch in der OEE, aber die OEE zeigt nicht, welche Fehler es sind. Dafür braucht es PPM mit Fehlerklassifizierung.

Warum PPM ohne automatische Datenerfassung scheitert

Die PPM-Formel ist trivial. Die Herausforderung liegt in der Datenqualität. Drei Szenarien aus der Praxis:

Szenario 1: Manuelle Erfassung auf Papier. Der Werker kreuzt auf einem Formular an, ob ein Teil OK oder NOK ist. Am Ende der Schicht tippt jemand die Zahlen in Excel. Problem: Mikro-Stillstände, bei denen Teile automatisch ausgeschleust werden, tauchen in der Zählung nicht auf. Nacharbeit, die erfolgreich war, wird oft nicht als Fehler gezählt. Ergebnis: Der PPM-Wert auf dem Papier sieht besser aus als die Realität. Bei der nächsten OEM-Audit wird es unangenehm.

Szenario 2: SPS-Signale ohne Kontext. Die Maschine erfasst OK/NOK digital. Besser als Papier. Aber: Ohne Zuordnung zu Fertigungsauftrag, Charge und Produktvariante ist die Analyse eingeschränkt. „Wir haben 35 PPM" ist eine Aussage. „Wir haben 35 PPM, davon 28 PPM bei Variante X an Station 7, und es korreliert mit Chargenwechsel des Rohstoffs Y" ist eine Handlungsanweisung.

Szenario 3: MES-gestützte Erfassung. Jedes Teil wird automatisch erfasst, klassifiziert und dem Fertigungsauftrag zugeordnet. Fehlerbilder werden an der Station digital dokumentiert (Visual Inspection, Sichtprüfung mit Fehlerzone und Fehlertyp). Die Rückverfolgbarkeit zeigt den kompletten Lebenslauf jedes Teils. PPM-Werte stehen in Echtzeit zur Verfügung, aufgeschlüsselt nach Produkt, Linie, Schicht und Zeitraum.

Bei Neoperl wird genau dieses dritte Szenario umgesetzt: SPS-basierte Alarmerfassung an den Montageautomaten, automatische Korrelation von Alarmen mit Stillständen und Qualitätsdefekten. Das Ergebnis: 15 % weniger Ausschuss. Der Schlüssel war nicht ein neuer Prüfplan, sondern die Transparenz darüber, welche Fehler an welcher Station bei welchem Produkt systematisch auftreten.

Bei Meleghy geht die Integration noch weiter: Die bidirektionale Anbindung an CASQ-it (Böhme & Weihs) triggert Stichprobenprüfungen automatisch auf Basis der MES-Daten. Wenn die PPM-Rate an einer Presse steigt, erhöht das System die Prüfhäufigkeit, ohne dass ein Qualitätsmanager manuell eingreifen muss. Die Maschinenzyklen werden über die ABAP-IDoc-Schnittstelle Fertigungsaufträgen in SAP R3 zugeordnet. PPM-Daten stehen damit nicht nur im MES, sondern auch im ERP für das Lieferantenreporting zur Verfügung.

Die Null-PPM-Forderung: Was dahintersteckt und wie man damit umgeht

Fast jeder Automobilzulieferer kennt die Forderung: „Null PPM." Sie steht in Lastenheften, in Lieferantenrahmenverträgen und auf Foliensätzen von Einkäufern. Und sie ist aus statistischer Sicht Unsinn.

Ein tatsächlicher PPM-Wert von Null würde einen Fertigungsprozess ohne jede Varianz voraussetzen. Das gibt es nicht. Selbst bei einem Cpk-Wert von 2,0 liegt die theoretische Fehlerrate bei 0,002 PPM. Das ist extrem gut, aber nicht Null.

Was die Null-PPM-Forderung in der Praxis bedeutet:

• Für den OEM: „Wir erwarten, dass kein fehlerhaftes Teil bei uns ankommt." Das ist eine Forderung nach 100%-Absicherung, nicht nach Null Prozessvarianz.
• Für den Zulieferer: Die richtige Antwort ist nicht „Wir schaffen Null PPM", sondern ein Absicherungskonzept: Poka Yoke für bekannte Fehlertypen, 100%-Prüfung für sicherheitskritische Merkmale, SPC-Überwachung für prozessbedingte Drift und ein MES, das Abweichungen sofort sichtbar macht.

Bei Klocke zeigt sich dieser Ansatz im regulierten Pharma-Umfeld: Im GMP-Bereich ist die Toleranz für Fehler nahe Null, nicht weil jemand es fordert, sondern weil Patientensicherheit es erfordert. Die Lösung ist keine unrealistische PPM-Zielvereinbarung, sondern lückenlose Traceability pro Blister, automatische Erfassung von Stückzahlen und Stillständen über DI-Gateways und Zuordnung jedes Maschinenzyklus zu einem Fertigungsauftrag. Wenn ein Fehler auftritt, ist die Eingrenzung auf die betroffene Charge in Minuten statt Tagen möglich.

Typische Fehler beim PPM-Management

Fehler 1: PPM nur am Linienende messen. Wer PPM ausschliesslich nach der Endkontrolle berechnet, sieht nur die Fehler, die durchgekommen sind. Die Nacharbeit, die erfolgreich war, taucht nicht auf. Ergebnis: Der PPM-Wert sieht gut aus, aber die wahren Verluste (Nacharbeitszeit, Materialverschwendung, Taktzeitverluste) bleiben verborgen. Besser: PPM an jedem Prozessschritt erfassen. Das ist der Unterschied zwischen „End-of-Line-PPM" und „In-Process-PPM". Ein MES kann beides parallel tracken und zeigt, wo genau die Fehler entstehen, nicht nur, wie viele am Ende übrig bleiben.

Fehler 2: PPM ohne Fehlerklassifizierung. „Wir haben 35 PPM" ist eine Zahl. „Wir haben 35 PPM, davon 22 PPM Oberflächenfehler, 8 PPM Masshaltigkeit, 5 PPM Montagefehler" ist eine Analyse. Ohne Fehlerklassifizierung ist keine Pareto-Priorisierung möglich, und ohne Priorisierung werden Ressourcen am falschen Fehler verschwendet. SYMESTICs Rework/Scrap Analyzer schlüsselt Fehler nach Grund, Station, Produkt und Zeitraum auf und zeigt die Top-10-Ursachen als Pareto-Diagramm.

Fehler 3: PPM-Zielwerte ohne Prozessfähigkeitsnachweis setzen. Ein OEM fordert < 10 PPM. Der Zulieferer sagt Ja und hofft, dass es klappt. Ohne Cpk-Nachweis ist das Wunschdenken. Ein Cpk von 1,33 (4σ) ergibt theoretisch 63 PPM. Wer < 10 PPM will, braucht mindestens Cpk 1,67. Das muss gemessen, nicht versprochen werden. SYMESTIC erfasst die Prozessdaten (Temperatur, Druck, Kraft, Zeit) über OPC-UA oder digitale Signale und liefert damit die Datenbasis für die SPC-Analyse und den Cpk-Nachweis.

Fehler 4: Interne und externe PPM vermischen. Interne PPM (im Werk gemessene Fehlerrate) und externe PPM (beim Kunden reklamierte Fehlerrate) sind zwei verschiedene Kennzahlen. Beide sind relevant, aber sie messen Verschiedenes. Interne PPM zeigt die Prozessqualität. Externe PPM zeigt die Wirksamkeit der Endabsicherung. Wenn die interne PPM bei 50 liegt und die externe bei 2, arbeitet die Endkontrolle gut, aber der Prozess hat ein Problem. Wenn beide steigen, ist Alarm angesagt.

PPM senken: Was in der Praxis funktioniert

Die klassische Antwort auf „Wie senke ich PPM?" lautet: DMAIC, FMEA, 8D, Ishikawa. Das sind die richtigen Methoden. Aber bevor eine einzige Methode greift, muss die Datenbasis stimmen.

Bei Schmiedetechnik Plettenberg war genau das der Ausgangspunkt: Produktionsdaten wurden überwiegend manuell erfasst, Abweichungen wurden erst im Nachgang erkannt. Qualitätsprobleme konnten nicht rechtzeitig analysiert werden. Erst die Echtzeittransparenz über Maschinen, Schichten und Aufträge machte eine gezielte Ursachenanalyse möglich. Thorsten Manns, Technischer Leiter, beschreibt es so: „SYMESTIC verschafft uns eine durchgängige Echtzeittransparenz, die wir in dieser Form vorher nicht hatten."

Bei Brita wurde die Ausbringung um 7 % verbessert, unter anderem durch die transparente Darstellung von Stillstandssignalen und die Anbindung moderner Linien über OPC-UA an den Linienleitrechner. Wenn die Daten automatisch fliessen, kann das KVP-Team an den richtigen Stellschrauben drehen, nicht nach Bauchgefühl.

Bei Carcoustics läuft die konzernweite Analyse über 500+ Anlagen in allen Werken. PPM-Daten aus Spritzguss, Kaltschäumen und Stanzen fliessen über IXON IoT-Geräte und MQTT in die SYMESTIC-Plattform. Die bidirektionale SAP-Anbindung stellt sicher, dass PPM-Daten pro Fertigungsauftrag im ERP verfügbar sind. Ergebnis: 4 % Reduktion von Stillstandszeiten, 3 % Verbesserung der Ausbringung, 8 % Verbesserung der Verfügbarkeit.

Die Reihenfolge, die in der Praxis funktioniert:

1. Automatische Datenerfassung einführen (digitale Signale, OPC-UA, IoT-Gateways)
2. Fehler klassifizieren und zuordnen (nach Station, Produkt, Schicht, Charge)
3. Pareto-Analyse der Top-Fehler (Rework/Scrap Analyzer)
4. Root-Cause-Analyse der Top-3-Fehler (5-Why, Ishikawa, Korrelation mit Prozessdaten)
5. Poka-Yoke-Massnahmen für die häufigsten Fehlertypen (mechanisch oder digital)
6. SPC-Überwachung der korrigierten Prozesse (um sicherzustellen, dass die Verbesserung hält)
7. PPM-Trend überwachen (nicht den Absolutwert, sondern die Entwicklung über Zeit)

Besonderheiten bei kleinen Losgrössen

PPM ist eine hochgerechnete Kennzahl. Bei 1.000.000 produzierten Teilen pro Monat ist ein PPM-Wert von 32 statistisch belastbar: 32 reale Fehler. Bei 5.000 Teilen pro Monat ist ein einzelner Fehler bereits 200 PPM. Zwei Fehler: 400 PPM. Das Ergebnis schwankt stark und bildet nicht die tatsächliche Prozessqualität ab.

Empfehlungen für kleine Losgrössen:

• PPM über längere Zeiträume aggregieren (Quartal statt Monat), um statistische Aussagekraft zu gewinnen
• Bei weniger als 50.000 Teilen pro Betrachtungszeitraum: PPM als Richtgrösse nutzen, aber nicht als alleinige Steuerungskennzahl
• Ergänzend FPY (First Pass Yield) einsetzen, der bei jeder Losgrösse direkt messbar ist
• Bei Produktwechseln: gruppenspezifische PPM-Werte nach Produktfamilie berechnen statt über alle Produkte hinweg

Häufige Fragen zu Parts Per Million (PPM)

Was ist ein guter PPM-Wert?
Das hängt von der Branche ab. In der Automobilindustrie gelten Werte unter 25 PPM als Anforderung, unter 10 PPM als exzellent. In der Pharma-Verpackung liegt die Erwartung unter 5 PPM. Für Konsumgüter sind Werte unter 100 PPM üblich. Der Trend über Zeit ist oft aussagekräftiger als der Absolutwert.

Wie hängen PPM und Sigma-Level zusammen?
Direkt. 6σ entspricht 3,4 PPM, 5σ entspricht 233 PPM, 4σ entspricht 6.210 PPM. Die Sigma-Level-Berechnung berücksichtigt einen 1,5σ-Shift (langfristige Prozessverschiebung), weshalb 6σ nicht bei 0,002 PPM, sondern bei 3,4 PPM liegt. Der Sigma-Level wird in der Praxis über die Prozessfähigkeit (Cpk) nachgewiesen, nicht über die PPM-Rate direkt.

Was ist der Unterschied zwischen PPM und DPMO?
PPM zählt fehlerhafte Teile. DPMO (Defects Per Million Opportunities) zählt Fehler pro Fehlermöglichkeit. Ein Teil mit 20 Prüfmerkmalen hat 20 Fehlermöglichkeiten. Wenn 2 Merkmale fehlerhaft sind, ist das Teil 1× in der PPM-Statistik (1 fehlerhaftes Teil), aber 2 / 20 = 100.000 DPMO in der DPMO-Statistik. DPMO ist fairer beim Vergleich unterschiedlich komplexer Produkte. PPM ist einfacher und wird in Lieferantenvereinbarungen verwendet.

Brauche ich ein MES für PPM-Tracking?
Für den Einstieg nicht. Excel und manuelle Erfassung funktionieren bei wenigen Linien und niedrigem Volumen. Aber: Manuelle Erfassung unterschätzt systematisch die reale PPM-Rate, weil Mikro-Stillstände, automatische Ausschleusung und erfolgreiche Nacharbeit oft nicht erfasst werden. Ein MES wie SYMESTIC erfasst OK/NOK-Signale direkt von der Maschine, ordnet sie dem Fertigungsauftrag zu und berechnet PPM in Echtzeit, aufgeschlüsselt nach Produkt, Station und Schicht.

Ist Null PPM realistisch?
Nein. Null PPM würde einen Prozess ohne jede statistische Varianz voraussetzen. Selbst bei Cpk 2,0 liegt die theoretische Fehlerrate bei 0,002 PPM. Was Null-PPM-Forderungen in der Praxis bedeuten: Kein fehlerhaftes Teil darf beim Kunden ankommen. Die Antwort darauf ist ein Absicherungskonzept (Poka Yoke, 100%-Prüfung kritischer Merkmale, SPC), kein unrealistisches PPM-Ziel.