Intelligenter Planungsassistent für einen pharmazeutischen Auftragshersteller.
Lichtenheldt entwickelt und produziert Arzneimittel, Medizinprodukte und Kosmetika. Die Planung von Bulk- und Fertigproduktion hing an der Erfahrung weniger Menschen. Heute prüft ein Planungsassistent jede Auftragsliste gegen die realen Constraints des Betriebs und meldet Konflikte, bevor die Linie steht. Rund 11 Monate vom ersten Datenabzug bis zum Produktivbetrieb.
×
Planungsengpässe durch Abhängigkeit von Expertise.
Lichtenheldt, ein mittelständisches Unternehmen, das Arzneimittel, Medizinprodukte und Kosmetika entwickelt und herstellt, stand vor der Aufgabe, komplexe Produktionsabläufe mit hohen internen Abhängigkeiten zu koordinieren. Zuletzt war die Produktionsplanung fast vollständig auf die Expertise einzelner Mitarbeiterinnen und Mitarbeiter angewiesen.
In unserer KI-Beratung zeigte sich, dass genau deshalb eine KI-basierte Produktions- und Netzplanung der entscheidende Hebel zur Effizienzsteigerung sein kann.
Die Key Challenges
Hoher Koordinationsaufwand bei komplexen Produktionsabläufen und Abhängigkeiten zu Logistik und Einkauf.
Abhängigkeit von Einzelpersonen in der Produktionsplanung und genereller Fachkräftemangel in der Branche.
Bedarf an effizienterer Netz- und Ablaufsteuerung, um wettbewerbsfähig zu bleiben.
Automatisierte Produktionsplanung auf Basis von KI.
Wir haben die Entwicklung eines Systems übernommen, das die Planung der Produktion und Abfüllung von Bulkwaren deutlich erleichtert. Dafür kommen Generative KI und klassische Algorithmen aus dem Operations Research zusammen. Anhand der gesammelten Daten trifft das System Vorhersagen zur Produktion und zur Auslastung des Betriebs.
Der Lösungsansatz
Das unternehmensinterne Tool zur Steuerung der Produktion wird um ein KI-System auf Basis von Operations Research erweitert. Das ERP bleibt das führende System.
Die KI-Lösung trifft Vorhersagen zu Auslastung und Produktionsbedarfen und prüft Auftragslisten gegen die realen Constraints, bevor produziert wird.
Eingesetzte Technologie
- Datenbasis
- ERP GUS-OS (MS SQL)
- Analyse & Modellierung
- Python, Jupyter, scikit-learn
- Planungsassistent
- Eigene Engine zur Constraint-Validierung mit REST-Schnittstelle
- Betrieb
- Kubernetes, Helm, ArgoCD (GitOps)
- Monitoring & Feedback
- Grafana, Loki, MongoDB
Vom Datenabzug zum Produktivbetrieb in rund 11 Monaten.
Datenanalyse ca. 2 Monate, Proof of Concept ca. 6 Monate, Rollout und Stabilisierung ca. 3 Monate. Seitdem laufende Weiterentwicklung über Feedback-Schleifen.
Verstehen.
In mehreren Gesprächen mit der Geschäftsführung haben wir die Engpässe in der Produktionsplanung aufgenommen. Schnell war klar: Der größte Hebel liegt in der manuellen Planung der Bulk- und Fertigproduktion, bei der Konflikte oft erst auffallen, wenn die Linie schon steht.
Datenanalyse.
Auf Basis eines vollständigen Abzugs der ERP-Datenbank haben wir Muster und Abhängigkeiten in den Planungsdaten analysiert: Kapazitäten, Personal, Rüst- und Reinigungszeiten. Gemeinsam mit Auftragsplanung und IT haben wir die Constraints erarbeitet und die konkreten KI-Potenziale vorgestellt.
Proof of Concept.
Wir haben einen Planungsassistenten gebaut, der Auftragslisten automatisch gegen die realen Constraints prüft und Konflikte vor Produktionsbeginn meldet.
Rollout & Stabilisierung.
Anschließend haben wir den Assistenten in den Produktivbetrieb überführt: Anbindung ans ERP, Deployment, Monitoring und Tests.
Weiterentwicklung.
Die Planerinnen und Planer bewerten die Meldungen direkt im System. Dieses Feedback fließt laufend in die Regeln ein.
Effizienz und Skalierbarkeit in der Produktion.
Entlastung durch digitalisiertes und nachhaltig abrufbares Planungswissen. Die Algorithmen entstanden im engen Austausch mit den jeweiligen Fachexpertinnen und Fachexperten.
Intelligente Planung von Produktionsabläufen und der Maschinennutzung. Konflikte werden gemeldet, bevor sie in der Produktion auftreten.
Abhängigkeiten zu Logistik und Einkauf sind im Modell abgebildet und werden bei jeder Prüfung mitgerechnet.
Weniger manuelle Plausibilisierung, weniger ungeplante Umplanung. Die Regeln lernen aus dem Feedback der Planung weiter.
Wir optimieren gemeinsam mit skillbyte die Planung unserer Produktionsprozesse durch den gezielten Einsatz von KI. Das skillbyte-Team ist für die Entwicklung einer entsprechenden Lösung in den direkten Austausch mit unseren Fachabteilungen gegangen und hat das Wissen unserer Expertinnen und Experten als Ausgangspunkt herangezogen, statt auf Standard-Tools zurückzugreifen. Das zeigt sich definitiv auch in den Ergebnissen: Unsere individuellen Herausforderungen werden passgenau adressiert, um im Arbeitsalltag merkbar zu entlasten und eine effiziente Produktion zu gewährleisten.
Was diese Case Study nicht zeigt.
Keine Kennzahlen. Die Wirkung ist hier qualitativ beschrieben. Messwerte aus dem Produktivbetrieb veröffentlichen wir nur mit ausdrücklicher Freigabe des Kunden.
Gerundete Dauern. Die Phasen sind auf ganze Monate gerundet und hängen von Datenzugang, Verfügbarkeit der Fachabteilungen und Freigabewegen ab. Ein anderer Betrieb braucht andere Zeiten.
Kein Standardprodukt. Die Engine wurde für die Constraints dieses Betriebs gebaut. Übertragbar ist das Vorgehen, nicht die Regeln.
Die vollständige Case Study zum Weiterleiten.
Herausforderung, Vorgehen, Technologie und Ergebnisse auf vier Seiten, formatiert für Geschäftsführung und Produktionsleitung.
- Alle fünf Phasen mit Dauer und Inhalt
- Der Technologie-Stack von ERP bis Monitoring
- Das Zitat der Geschäftsführung im Wortlaut
Ihr PDF ist bereit.
Die Case Study liegt zusätzlich in Ihrem Postfach, zum Weiterleiten an Kolleginnen und Kollegen.
Case Study öffnen (PDF)Wo stehen Ihre Konflikte heute: im Plan oder am Band?
Der Planungs-Check zeigt in wenigen Minuten, ob ein Assistent vor Ihrem ERP trägt. Wenn nicht, sagen wir das im Gespräch.