Die systematische Nutzung von Factorio Version 2 als Produktions- und Automatisierungssimulation für die Lehre ist für mich keine beiläufige experimentelle Anwendung, sondern die konsequente Fortführung eines seit Jahren verfolgten Ansatzes. Die Verbindung von Gamification, logistischer Modellbildung und betriebswirtschaftlicher Analyse habe ich bereits in zahlreichen Beiträgen konzeptionell vorbereitet und reflektiert.
 |
Theorie ist nett. Factorio rechnet. Wirtschaft zahlt. |
Mit der aktuellen Weiterentwicklung gehe ich nun einen Schritt weiter: Das Spiel wird nicht nur illustrativ eingesetzt, sondern methodisch durchdrungen und als strukturierte Plattform für Fallstudien nutzbar gemacht. Dieser Prozess ist arbeitsintensiv. Die Übertragung einer Spielmechanik in ein didaktisch belastbares und ökonomisch konsistentes Modell erfordert erhebliche konzeptionelle Vorarbeit, iterative Modellbildung und wiederholte Validierung. Eine solche Systematisierung entsteht nicht nebenbei, sondern ist das Ergebnis kontinuierlicher Entwicklungsarbeit.
Das Ziel besteht darin, innerhalb einer simulierten Produktionsumgebung konkrete Planungsaufgaben zu bearbeiten. Perspektivisch ist zudem eine Weiterentwicklung des Formats denkbar, etwa in Richtung eines wettbewerblichen Settings. Vorstellbar ist ein klar strukturierter Wettbewerb mit definierten Rahmenbedingungen, bei dem jene Gruppe gewinnt, die unter identischen Voraussetzungen die höchste Produktionsleistung erzielt.
Unabhängig von der konkreten didaktischen Ausgestaltung gibt es jedoch eine grundlegende methodische Anforderung: Jede Simulation muss am Ende auf eine eindeutig bestimmbare Zielgröße verdichtet werden können. In einem betriebswirtschaftlichen Kontext wird dies in der Regel eine monetäre Kenngröße sein. Produktionsmengen, Durchsatz, Effizienz, Ressourceneinsatz oder Zeitbedarf sind daher so zu transformieren, dass sie in ökonomische Bewertungsmaßstäbe überführt werden können. Nur auf dieser Grundlage ist eine konsistente Bewertung und Vergleichbarkeit der erarbeiteten Lösungen möglich.
Damit die Abbildung zwischen Spielwelt und realwirtschaftlicher Interpretation tragfähig wird, ist eine systematische Modellierung erforderlich. Einerseits sind Faktoren zu berücksichtigen, die innerhalb der Spielmechanik nicht explizit abgebildet werden, unter realen Bedingungen jedoch ökonomisch relevant sind. Diese müssen über Annahmen, Zuschlagsmodelle oder ergänzende Bewertungsansätze integriert werden. Andererseits ist zu prüfen, in welcher Weise die im Spiel vorhandenen Variablen interpretiert oder parametrisiert werden können, sodass sie sowohl spielintern konsistent bleiben als auch einer realwirtschaftlichen Umrechnung zugänglich sind.
Ein exemplarischer Fall ist die im Spiel verwendete Größe „Pollution“. Innerhalb der Spielmechanik handelt es sich zunächst um eine abstrakte Variable, die bestimmte Reaktionen auslöst. In der realen Wirtschaft entsprechen Umweltwirkungen jedoch messbaren Emissionsgrößen, etwa CO₂-Emissionen oder anderen Schadstoffäquivalenten. Wenn „Pollution” in ein ökonomisches Bewertungssystem integriert werden soll, muss geklärt werden, nach welchen Kriterien eine Übersetzung in reale Emissionsmengen erfolgen kann und wie diese monetarisiert werden können. In Betracht kommen hier beispielsweise CO₂-Bepreisung, regulatorische Abgaben oder externe Kostenansätze.
Im Folgenden werden die konzeptionellen, methodischen und bewertungstechnischen Konsequenzen dieser Übertragung von Spielmechanik auf eine ökonomische Modellierung systematisch erschlossen.
Personal und Arbeitszeit
Ein zentrales Problem bei der Übertragung der Spielmechanik von Factorio auf reale Produktionsbedingungen betrifft den Bereich Personal und Arbeitszeit. Im Spiel wird eine Fabrik im Dauerbetrieb geführt. Zwar gibt es einen Tag-Nacht-Zyklus mit 25 200 Ticks pro Tag, daraus ergeben sich jedoch keinerlei arbeitsorganisatorische Einschränkungen. Die Produktion läuft kontinuierlich im 24/7-Betrieb, ohne personelle Begrenzungen, Schichtsysteme oder arbeitsrechtliche Rahmenbedingungen. Zudem wird die gesamte Anlage implizit von einer einzelnen Spielfigur errichtet und betrieben. Eine solche Konstellation ist unter realen Bedingungen ausgeschlossen.
 |
| Recherche Ergebnisse für Personal und Arbeitszeit eines hochautomatisierten Produktionsbetriebs in Deutschland 2026 Mehrquellen-Synthese vierer KI-Recherchen |
Für diese Übersetzung sind empirische Referenzwerte erforderlich. Es ist zu recherchieren, mit welchen Personalquoten bei der Rahmenplanung hochautomatisierter Produktionsanlagen kalkuliert wird. Heranzuziehen sind branchenübliche Kennzahlen, beispielsweise die Anzahl der Instandhalter pro installierter Maschine, pro Produktionslinie oder in Relation zum Investitionsvolumen. Das Ziel besteht darin, einen plausiblen Umrechnungsfaktor abzuleiten, der die vorhandene technische Struktur in eine realistisch begründete Personalgröße überführt.
Darüber hinaus ist zu berücksichtigen, dass eine reale Fabrik nicht auf die operative Produktion reduziert werden kann. Neben der technischen Instandhaltung sind auch organisatorische und administrative Funktionen erforderlich. Hierzu zählen Werksleitung, Produktionsplanung und -steuerung, Arbeitsvorbereitung, Qualitätssicherung, Logistikkoordination, IT-Betreuung sowie Aufgaben in den Bereichen Personalwesen, Controlling und Rechnungswesen. Diese Funktionen verursachen ebenfalls Personalkosten und sind integraler Bestandteil eines konsistenten Modells.
Für alle genannten Bereiche ist eine belastbare Datenbasis erforderlich. Dazu ist eine systematische Recherche zu typischen Personalstrukturen hochautomatisierter Betriebe, zu Verhältniskennzahlen zwischen direktem und indirektem Personal sowie zu branchenüblichen Kostenstrukturen notwendig. Erst auf dieser Grundlage lässt sich abschätzen, ob die durch die simulierte Fabrik generierten Erlöse ausreichen, um die vollständige Personal- und Strukturkostenbasis zu decken. Die wirtschaftliche Bewertung der Produktionsleistung muss daher konsequent im Kontext dieser Gesamtkostenstruktur erfolgen.
Strom und Umwelt
Ein weiterer relevanter Punkt ist der Strompreis. Hier besteht der Vorteil, dass sich die Spielwerte vergleichsweise direkt in reale Größen überführen lassen, weil Factorio Energieerzeugung und -verbrauch explizit modelliert. Für einzelne Einheiten kann der Verbrauch in Megawatt abgelesen werden, und ebenso lässt sich die Gesamtlast der Fabrik beobachten. Damit ist eine Umrechnung in Kosten grundsätzlich einfach möglich, indem ein industrietypischer Strompreis angesetzt wird. Aus einem Leistungs- beziehungsweise Energieverbrauch wird dann ein Preis, sodass sich für jede verbrauchte Megawattstunde ein entsprechender Betrag in Euro ableiten lässt. Diese Umrechnung ist nicht nur für die Bewertung des laufenden Betriebs wichtig, sondern auch als Baustein für eine Produktkalkulation, weil Energiekosten in vielen Produktionsprozessen einen wesentlichen Anteil der Stückkosten ausmachen.
Ähnlich verhält es sich mit Emissionen. Auch hier können Spielmechaniken genutzt werden, um eine Brücke zur Realität zu schlagen. Wenn im Spiel beispielsweise Heizkessel eingesetzt werden, ist deren Leistung bekannt, und über die angeschlossenen Dampfmaschinen lässt sich die erzeugte elektrische Leistung in Relation zum Brennstoffeinsatz setzen. Auf dieser Grundlage kann man aus realweltlichen Emissionsfaktoren ableiten, welche CO2-Mengen bei einer entsprechenden Energieerzeugung durch Kohleverbrennung anfallen würden. Damit entsteht eine direkte Verbindung zwischen der im Spiel erzeugten Energie und einem daraus abgeleiteten CO2-Äquivalent.
Sobald diese Beziehung hergestellt ist, kann die Emissionsgröße wiederum monetarisiert werden, etwa über einen angesetzten CO2-Preis oder über modellierte externe Kosten. Damit lassen sich Energieverbrauch und Emissionswirkung gemeinsam als bewertbare Kostenbestandteile behandeln. Wenn zusätzlich sichtbar wird, welche Größenordnung an Umweltbelastung eine Fabrik in dieser Modellierung verursacht, kann daraus ein konsistentes Verhältnis zwischen Energie- und Emissionskosten gebildet werden. Auf dieser Basis entsteht eine Kalkulationsgrundlage, mit der sich nicht nur Betriebskosten, sondern auch Stückkosten und damit notwendige Produktpreise ableiten lassen.
Flächen und Gebäude
Ein weiterer relevanter Aspekt betrifft die Flächennutzung. In Factorio besitzt die physische Ausdehnung einer Fabrik keine ökonomische Bedeutung. Fläche ist im Spiel faktisch kostenlos verfügbar. Gelände wird ohne Kosten geräumt, Klippen werden gesprengt, Wälder beseitigt, und die Fabrik kann beliebig expandieren. Diese Spielmechanik ist funktional und spielerisch sinnvoll, blendet jedoch einen zentralen Kostenfaktor realer Produktionssysteme vollständig aus: die Grundstücks- und Gebäudekosten.
Für eine wirtschaftliche Modellierung ist daher zu klären, wie sich die im Spiel beanspruchte Fläche in reale Größen überführen lässt. Betrachtet man die Proportionen der Spielfigur und der Bauelemente, lässt sich plausibel annehmen, dass eine minimale Flächeneinheit in Factorio ungefähr einem Quadratmeter entspricht. Auf dieser Basis kann die Gesamtfläche der Fabrik abgeschätzt werden. Damit entsteht erstmals eine konkrete physische Bezugsgröße.
Im nächsten Schritt ist zu bestimmen, welche Kosten mit einer entsprechenden Industriefläche in der Realität verbunden wären. Hier kann auf reale Marktpreise oder auf betriebsinterne Verrechnungspreise zurückgegriffen werden. In einem realen Produktionsbetrieb bestehen Hallenflächen nicht nur aus leerem Raum, sondern beinhalten Infrastruktur, Versorgungsanschlüsse, Tragwerke, Sicherheitsausstattung und technische Installationen. Unterschiedliche Abteilungen nutzen diese Flächen in unterschiedlichem Umfang, und in vielen Unternehmen erfolgt eine interne Verrechnung der Flächennutzung über kalkulatorische Quadratmeterpreise. Diese Praxis lässt sich auf das Modell übertragen.
Zu berücksichtigen ist außerdem, dass neben der reinen Produktionsfläche auch Verwaltungs- und Nebenflächen erforderlich sind. Eine hochautomatisierte Produktionshalle benötigt ergänzend Büroflächen für Werksleitung, Arbeitsvorbereitung, Qualitätssicherung, IT und Administration. Um diese Größen abzuschätzen, können bekannte Personalschlüssel herangezogen werden. Aus dem Verhältnis zwischen Produktionspersonal, Instandhaltung, Verwaltung und weiteren Funktionen lässt sich ableiten, wie viel Büro- und Nebenfläche zusätzlich erforderlich ist. Auf diese Weise werden sowohl der industrielle Kernbereich als auch der administrative Bereich konsistent modelliert.
Sind die Flächenanteile bestimmt, können branchentypische Baukosten oder interne Verrechnungspreise als Benchmark herangezogen werden. Beispielsweise lässt sich abschätzen, dass eine Industriehalle mit etwa 4.500 Quadratmetern nicht mit minimalem Kapitaleinsatz realisiert werden kann, sondern Investitionskosten im Millionenbereich verursacht. Wird etwa ein Investitionsvolumen von fünf Millionen Euro für die Produktionshalle angesetzt und zusätzlich ein Verwaltungsgebäude berücksichtigt, entsteht eine belastbare Grundlage für die Ermittlung kalkulatorischer Abschreibungen, Kapitalkosten und Quadratmeterpreise.
Ausgehend von der Grundannahme, dass eine Flächeneinheit im Spiel einem Quadratmeter entspricht, lässt sich somit relativ geradlinig bestimmen, welche Investitions- und Nutzungskosten für ein entsprechendes Gebäude anzusetzen wären. Gleichzeitig können über interne Verrechnungspreise die Kosten zwischen Produktions- und Verwaltungsbereichen differenziert abgebildet werden. Damit wird auch der bislang im Spiel nicht berücksichtigte Faktor „Fläche“ in eine realwirtschaftlich konsistente Kalkulation integriert.
Rohstoffe
Ein zentraler Punkt ist der Einsatz von Rohstoffen. In Factorio treten dabei unter anderem Eisenerz, Kupfererz, Kohle, Stein, Rohöl, Wasser, Holz, Uran und auch roher Fisch auf. Das Problem besteht darin, dass die Rohstoffgewinnung im Spiel nur sehr geringe Kosten verursacht. Im Kern reicht ein Erzförderer aus, und der zusätzliche Energie- und Personalaufwand ist im Spielmodell vergleichsweise klein. Für eine realwirtschaftliche Abbildung reicht es deshalb nicht, die Spielkosten einfach zu übernehmen.
Stattdessen muss zunächst ein plausibles relatives Preisgefüge definiert werden. Dazu werden die Rohstoffe in ein Verhältnis zueinander gesetzt. Als Referenz kann beispielsweise Kupfererz dienen, weil Kupfer im Vergleich zu vielen anderen Werkstoffen typischerweise einen höheren Wert hat. In einem solchen Relativsystem wäre Eisenerz beziehungsweise das daraus erzeugte Standardprodukt im Verhältnis günstiger anzusetzen, Kohle nochmals günstiger, während Uranerz deutlich teurer sein müsste. Rohöl, Wasser und Holz würden je nach Modellannahme unterschiedliche Rollen einnehmen, und roher Fisch läge als Sonderfall vermutlich dazwischen, weil er nicht industriell gefördert wird, sondern in der Spielwelt wie in der Modelllogik eher als manuell oder zumindest nicht standardisiert beschaffter Rohstoff interpretiert werden kann.
Wenn diese relativen Verhältnisse festgelegt sind, wird ein Basispreis definiert, von dem aus alle weiteren Rohstoffpreise berechnet werden. Damit entsteht ein skalierbares Preissystem: Die Relationen bleiben konstant, aber das gesamte Preisniveau kann über den Basispreis nach oben oder unten verschoben werden. Genau hier liegt ein zentraler Stellhebel des Modells. Sobald die Produktionsketten durchkalkuliert sind, lässt sich prüfen, ob die abgeleiteten Ergebnisse zu plausiblen Gesamtgrößen führen, etwa bei den Kosten für eine komplette Fertigungsstraße oder für eine gesamte Fabrik.
Der Basispreis dient damit als Tuning-Parameter. Er wird so gewählt, dass die Endresultate in einer realistischen Größenordnung liegen. Konkret bedeutet das: Wenn nach der vollständigen Kalkulation eine Fabrik mit der gegebenen Struktur insgesamt nur einige tausend Euro kosten würde, ist das offensichtlich nicht plausibel; wenn sie hingegen in die Größenordnung von Hunderttausenden oder Millionen Euro fällt, kann das je nach Skalierung und Automatisierungsgrad realistisch sein. Über diesen Parameter lässt sich das Modell kalibrieren, ohne die zuvor festgelegten relativen Verhältnisse der Rohstoffe jedes Mal neu definieren zu müssen.
Der Wert der Produkte
Die Preisberechnung orientiert sich konsequent an den tatsächlich entstehenden Herstellungskosten. Factorio bietet hierfür eine sehr gute Ausgangsbasis, weil Produktionszeiten, Energieverbräuche und eingesetzte Rohstoffe transparent dokumentiert sind. Für jedes Produkt existieren klar definierte Rezepturen, sodass sich saubere Stücklisten erstellen lassen. Auf dieser Grundlage kann ein konsistenter Bill of Materials aufgebaut werden, der sämtliche Vorstufen berücksichtigt.
Sind die Rohstoffpreise festgelegt und liegen Umrechnungsfaktoren für Energie und Emissionen vor, lässt sich jede Produktionsstufe systematisch durchkalkulieren. Man weiß, welche Inputmaterialien benötigt werden, wie viel Energie verbraucht wird, wie lange die Fertigung dauert und welche Emissionswirkungen entstehen. Daraus ergeben sich direkte Herstellungskosten pro Einheit. Voraussetzung ist lediglich, dass die vorgelagerten Parameter – Rohstoffpreis, Energiepreis, Emissionskosten – konsistent definiert sind. Die eigentliche Berechnung ist dann methodisch eindeutig und gut umsetzbar.
Allerdings endet die Kalkulation nicht bei den reinen Herstellungskosten. In einer realwirtschaftlichen Betrachtung muss auf jeder Wertschöpfungsstufe eine Marge berücksichtigt werden. Wenn aus Erz Kupferplatten hergestellt werden, genügt es nicht, lediglich die Kosten des Erzes und den Energieeinsatz zu addieren. Jede Stufe der Wertschöpfung erzeugt einen Mehrwert, der im Markt typischerweise durch eine Gewinnspanne reflektiert wird. Hier entsteht ein weiterer modellrelevanter Parameter: die Margenstruktur.
Dabei ist plausibel anzunehmen, dass einfache Grundstoffe mit vergleichsweise geringen Margen kalkuliert werden, während komplexe Endprodukte, die zahlreiche Produktionsstufen durchlaufen, höhere Margen aufweisen. Ein Produkt, das fünf, sechs oder noch mehr Transformationsstufen erfordert, trägt typischerweise nicht nur die kumulierten Kosten aller Vorprodukte, sondern auch einen progressiven Margenaufschlag. Die konkrete Ausgestaltung dieser Progression stellt einen dritten Tuning-Parameter des Modells dar. Über ihn lässt sich steuern, wie stark sich Wertschöpfung entlang der Produktionskette monetär verdichtet.
Ein besonderer Vorteil ergibt sich daraus, dass Factorio nicht nur statische Produktionsrezepte bietet, sondern auch die Möglichkeit, Maschinen durch Module zu modifizieren. Produktionsmodule können Geschwindigkeit, Produktivität oder Energieeffizienz verändern. Jede dieser Konfigurationen beeinflusst unmittelbar die Produktionszeit, den Energieverbrauch und die Emissionswirkung. Dadurch lässt sich innerhalb des Modells präzise analysieren, welche ökonomischen Effekte sich aus technischen Optimierungen ergeben.
Beispielsweise verursachen Produktivitätsmodule erhebliche Investitionskosten. Gleichzeitig erhöhen sie den Output pro eingesetztem Rohstoff. Das Modell erlaubt es, systematisch zu berechnen, ob der zusätzliche Ertrag die höheren Investitions- und Energiekosten übersteigt. Damit wird aus einer spielmechanischen Entscheidung eine betriebswirtschaftliche Investitionsrechnung. Für jede Konfiguration kann bestimmt werden, wie sich die Stückkosten verändern und ob sich die Maßnahme in Form höherer Gewinne oder verbesserter Kosteneffizienz rechnet.
Auf diese Weise entsteht ein geschlossenes Kalkulationssystem, in dem unterschiedliche Produktionsstrategien quantitativ vergleichbar werden. Selbst in einem vereinfachten Modell zeigt sich bereits, dass Grundstoffe relativ geringe Kosten verursachen, während hochkomplexe Endprodukte – etwa besonders anspruchsvolle militärische oder technologische Güter – um mehrere Größenordnungen teurer sind. Dass eine Atombombe im Modell um einen Faktor von einer Million über einfachen Basisprodukten liegt, entspricht dabei durchaus der intuitiven Erwartung an reale Wertschöpfungsunterschiede. Damit erreicht das Modell eine bemerkenswerte Nähe zu realwirtschaftlichen Proportionen.
Deckungsbeitrag
Liegen alle zuvor beschriebenen Informationen und Parameter vor, lässt sich der laufende Betrieb einer Fabrik in Form einer Work-in-Progress-Betrachtung relativ präzise analysieren. Die statischen Investitionen sind bekannt, ebenso die Grundstücks- und Gebäudekosten, die über eine definierte Laufzeit abgeschrieben oder kalkulatorisch umgelegt werden können. Die Flächenkosten sind bestimmt, die Rohstoffpreise definiert, und Factorio liefert detaillierte Angaben darüber, welche Materialmengen pro Zeiteinheit eingesetzt werden. Beispielsweise kann exakt abgelesen werden, wie viel Kupfererz pro Minute verbraucht wird. Diese Transparenz gilt für sämtliche Produktionsstufen.
Damit ist es möglich, für jede beliebige Systemgrenze eine betriebswirtschaftliche Betrachtung vorzunehmen. Man kann entscheiden, an welchen Stellen im Produktionsprozess man den Work in Progress bilanziell abgrenzt. Gleichzeitig ist der Output eindeutig quantifizierbar. Da jedem Produkt im Modell ein monetärer Wert zugeordnet wurde, lässt sich auch der Erlös bestimmen. Damit stehen sowohl die Input- als auch die Outputgrößen vollständig zur Verfügung.
Zusätzlich zu den Material- und Energiekosten sind die laufenden Betriebskosten zu berücksichtigen. Dazu zählen Personalkosten, Stromkosten sowie gegebenenfalls weitere infrastrukturelle Aufwendungen. Auf dieser Grundlage kann für jede Zeiteinheit – Minute, Stunde oder Tag – berechnet werden, welche Kosten der Betrieb verursacht und welche Erlöse generiert werden. Daraus ergibt sich unmittelbar die Möglichkeit einer Deckungsbeitragsrechnung. Man kennt die variablen Kosten, man kennt die Erlöse, und man kann den Deckungsbeitrag bestimmen.
Didaktisch eröffnet dieses Modell einen klar strukturierten Handlungsraum. Ausgangspunkt kann eine Extremwertbetrachtung sein. Auf der einen Seite steht ein ineffizienter, unsystematischer Aufbau, bei dem Produktionsanlagen ohne Optimierung platziert werden und lediglich sichergestellt wird, dass der Prozess grundsätzlich funktioniert. Dieser Zustand definiert einen unteren Extrempunkt hinsichtlich Durchsatz, Effizienz und Wirtschaftlichkeit.
Auf der anderen Seite steht ein theoretischer Idealzustand. Hier würden ausschließlich hochentwickelte Maschinen eingesetzt, optimal konfiguriert, mit maximaler Auslastung und unter bestmöglicher Nutzung aller Produktivitäts- und Effizienzpotenziale. In diesem Szenario wäre der Ertrag pro Zeiteinheit maximal. Auch wenn das konkrete Layout dieses Ideals zunächst nicht bekannt ist, lässt sich das theoretisch erreichbare Maximum berechnen.
Zwischen diesen beiden Extremen kann ein mittleres Szenario definiert werden, das bereits teilweise optimiert ist, aber noch deutlich vom Ideal entfernt bleibt. Dieses Szenario kann als Referenz- oder Nullpunkt dienen. Damit entsteht ein klar abgegrenztes Optimierungsfeld: Man kennt den schlechten Ausgangszustand, man kennt einen verbesserten, aber noch nicht perfekten Zustand, und man kennt das rechnerische Ideal.
Genau in diesem Spannungsfeld liegt das Handlungs- und Lernfeld für die Studierenden. Sie können Layouts verändern, Materialflüsse optimieren, Maschinenkonfigurationen anpassen, Steuerungslogiken verbessern oder Module austauschen. Jede dieser Entscheidungen wirkt sich unmittelbar auf Durchsatz, Energieverbrauch, Emissionen, Kostenstruktur und Erlöse aus. Das Modell ermöglicht somit eine quantitative Bewertung jeder Optimierungsmaßnahme und macht wirtschaftliche Konsequenzen transparent.
Alles Excel oder was?
Das beschriebene Vorgehen wurde bereits prototypisch umgesetzt. In einem ersten Schritt wurde ein Excel-Modell entwickelt, in dem die zentralen Parameter systematisch erfasst und miteinander verknüpft wurden. Ziel war es, die zuvor konzeptionell entwickelten Überlegungen in eine rechnerisch konsistente Struktur zu überführen und ihre Wechselwirkungen sichtbar zu machen.
Dabei zeigt sich, dass die vergleichsweise geringe Anzahl an frei einstellbaren Parametern dennoch zu einem komplexen und weitgehend selbstbalancierenden System führt. Die Parameter wirken nicht isoliert, sondern beeinflussen sich gegenseitig. Änderungen bei Rohstoffpreisen, Energiekosten, Margen oder Produktivitätsannahmen haben unmittelbare Auswirkungen auf Durchsatz, Deckungsbeitrag und Gesamtrentabilität. Trotz dieser Wechselwirkungen stabilisiert sich das Modell in einer Weise, die plausibel erscheint.
Im getesteten Szenario erreicht die modellierte Fabrik derzeit lediglich etwa 20 bis 25 Prozent des theoretisch maximal möglichen Outputs. Gleichzeitig produziert sie jedoch ein Vielfaches dessen, was im ineffizienten Ausgangsszenario erzielt wurde – in der Größenordnung eines Faktors von nahezu vierzig. Damit liegt die betrachtete Konfiguration deutlich über einem minimal funktionierenden Aufbau, aber ebenso deutlich unter dem rechnerischen Maximum. Sie bewegt sich gewissermaßen im mittleren Bereich zwischen den Extrempunkten.
Gerade diese Position erscheint realistisch. In der Praxis wird eine Fabrik selten im Zustand maximaler theoretischer Effizienz betrieben. Vielmehr entwickelt sich ein Produktionssystem typischerweise schrittweise: Ein Prozess wird konzipiert, getestet, aufgebaut und anschließend kontinuierlich verbessert. Nach einer Phase der Optimierung erreicht die Anlage einen stabilen, funktionalen Zustand, der noch Verbesserungspotenzial bietet, aber bereits wirtschaftlich tragfähig ist. Genau ein solches Szenario bildet das derzeitige Excel-Modell ab.
Das entwickelte Spreadsheet enthält bereits die wesentlichen Parameter und Rechenlogiken. Gleichwohl sind diese Werte noch nicht abschließend validiert. Für jeden einzelnen Parameter – sei es der Basisrohstoffpreis, die Margenstruktur, die Flächenkosten oder die Personalschlüssel – ist eine eigenständige fachliche Diskussion erforderlich, um belastbare Einstellungen zu bestimmen. Die systematische Herleitung und Begründung dieser Parameter wird Gegenstand weiterer Beiträge sein, in denen die jeweiligen Annahmen detailliert analysiert und methodisch abgesichert werden.
Blog: , Seite:
Version: 1.4 April 2025, Kontakt: E-Mail Martin Wölker
Pirmasens, Germany, 2018-,
ausgelesen am: , Licence
CC BY
Kommentare
Kommentar veröffentlichen