Wer das zum ersten Mal hört, rollt die Augen. Videospiel. Studium. Logistik. Das passt nicht zusammen. Hier der Beweis fürs Gegenteil.
Factorio ist im Kern eine Produktions- und Logistik-Simulation, die nie aufhört, komplizierter zu werden. Der Spieler errichtet Fabriken, optimiert Materialflüsse, kämpft gegen Engpässe und skaliert Kapazitäten. Irgendwann sitzt man um 2 Uhr nachts da und merkt, dass man gerade Operations Management betreibt.
Genau das habe ich genutzt. Nicht als Gimmick, nicht als Auflockerung. Als echtes Lernlabor.
Was dabei herausgekommen ist, hat mich selbst überrascht, denn die Studierenden und ich sind völlig unterschiedliche Wege gegangen. Mit unterschiedlichen Ergebnissen.
Die Fabrik war nicht optimiert.
 |
Ausgangslage: läuft, aber bringt wenig. |
Zu Beginn bekamen die Studierenden eine laufende Fabrik. Das klingt fair. War es auch, aber nur auf den ersten Blick. Das Szenario beschreibe ich in diesem Beitrag.
Die Fabrik produzierte. Sie lief. Sie war nicht kaputt. Aber sie war so aufgestellt, dass sie gerade eben die Kosten deckte. Break-even. Nicht mehr. Eine Fabrik, die sich selbst am Leben hält, aber keinen Gewinn erzielt.
Das ist kein Zufall und kein Fehler im Szenario, denn genau das ist die Aufgabe.
In der Praxis wird man als Mitarbeiter oder Berater eigentlich nie mit einer Ruine konfrontiert. Meistens läuft es irgendwie, sonst wäre das Unternehmen insolvent. Und genau das ist das Problem, denn „irgendwie reichen” ist kein Geschäftsmodell, zumindest nicht langfristig.
Die Studierenden lernen diese Situation kennen. Nicht im Lehrbuch. Sie lernen sie als konkretes, anfassbares System kennen, das sie analysieren, verstehen und verbessern müssen..
Der Auftrag war klar. Die Lösung nicht.
Optimiere die Fabrik. Maximiere den Output. Das Zielprodukt sind Utility Science Packs. Einfach mehr reinzuwerfen, funktioniert nicht. Factorio bestraft zwar keine Verschwendung per se. Aber das gehört natürlich zu unseren Spielregeln. Förderbänder haben Kapazitäten und Maschinen Taktzeiten. Wer das ignoriert, baut teuer und produziert trotzdem schlecht.
Die Studierenden haben also die Fabrik analysiert und verstanden, dann erst geplant. Welche Maschine wird zum Flaschenhals? Wo fehlt Kapazität? Was ist der theoretische Maximaloutput bei gegebenen Ressourcen? Lest hier den Bericht der Studierenden
Die Studierenden haben alles abgerissen.
 |
Tabula rasa – und dann neu. |
Es gibt keinen schrittweisen Umbau. Kein Reparieren. Auch keine Optimierung des Bestehenden. Die alte Fabrik war innerhalb kürzester Zeit komplett weg. Bauroboter sei Dank.
Was danach kam, war kein Bauchgefühl, sondern ein Plan. Die Analyse hatte gezeigt, wie die optimale Fabrik aussehen muss. Daraus wurde ein Blueprint, ein exaktes digitales Layout, das die Bauroboter dann Stück für Stück umgesetzt haben. Automatisch. Präzise. Schnell.
Das Ergebnis ist eine Fabrik, die von Grund auf für maximale Effizienz gebaut wurde. Es gibt keine Altlasten, keine Kompromisse und keine gewachsenen Strukturen, die man irgendwie mitschleppen muss. Sauber. Maximal. Fertig.
Nach reiner Produktionsleistung war das die beste Fabrik im Raum.
Nur: Output ist nicht alles.
Ich habe nichts abgerissen.
Das war eine bewusste Entscheidung. Die bestehende Fabrik habe ich stehen gelassen und angefangen, sie zu verbessern. Es waren kleine Eingriffe. Ein Förderband hier, eine zusätzliche Maschine dort, einen Engpass aufgelöst, einen Materialfluss umgeleitet.
Kaizen: Für diejenigen, die den Begriff nicht kennen: kontinuierliche Verbesserung in kleinen Schritten. Kein großer Wurf, kein Neustart. Es bedeutet lediglich, konsequent an dem weiterzuarbeiten, was schon da ist.
Das klingt unspektakulär. Das ist es auch. Zumindest von außen.
Von innen sieht das anders aus. Jede kleine Änderung muss ins laufende System passen. Man kann nichts einfach abreißen, weil alles noch läuft. Man muss verstehen, was man anfasst, bevor man es anfasst. Das ist langsamer. Das ist anstrengender.
Doch Schritt für Schritt wurde die Fabrik besser. Sie war nie perfekt, aber nach jeder Iteration messbar besser. Noch ein Schritt. Noch einer. Bis der Output fast das Maximum erreichte. Die letzten 4 Spielstände sind folgend dargestellt. Jeder Screenshot ein Schritt weiter, keine Revolution, Kaizen.
 |  |  |  |  |
 |  |  |  |  |
Wer gewinnt? Kommt drauf an.
Nach Output: die Studierenden. Eindeutig. Mehr Output und schneller gebaut. Wenn das die Kennzahl ist, gibt es keine Diskussion.
Eine Fabrik ist kein Selbstzweck. Sie soll Geld verdienen. Und da fängt es an, interessant zu werden.
Für die Auswertung werden die Spieldaten per Mod aus Factorio extrahiert und in einem richtigen Modell (Excel-Sheet) wirtschaftlich bewertet. Es werden Umsatz, Ressourceneinsatz, das absolute Ergebnis und die Nettoumsatzrendite betrachtet. Das sind die Zahlen, nach denen man ein echtes Unternehmen bewertet – und nicht nach Stückzahlen.
Und da dreht sich das Bild. Die Studierenden haben profitabel gewirtschaftet, daran gibt es keinen Zweifel. Aber ihr Ressourceneinsatz war höher und ihre Marge kleiner. Wer eine Fabrik von Grund auf neu aufbaut, muss dafür zahlen – in Form von Materialkosten, Baukosten und allen weiteren Ausgaben, die für den Neustart erforderlich sind.
Der iterative Ansatz war kostengünstiger. Was schon steht, muss nicht neu gebaut werden. Während man optimiert, erwirtschaftet das, was läuft. Die Nettoumsatzrendite war am Ende höher – trotz des niedrigeren Maximaloutputs.
Mehr produzieren, weniger verdienen. Weniger produzieren, mehr verdienen. Das ist kein Paradoxon. Das ist Betriebswirtschaft.
Profitabel. Und trotzdem ein Problem.
Meine Kaizen-Fabrik verdient mehr. Aber: Produktionsmaschinen stehen dort, wo gerade Platz war. Förderbänder, die Umwege nehmen, weil der direkte Weg schon belegt ist. Maschinen stehen dort, wo sie stehen – nicht, weil es sinnvoll ist, sondern weil sie nie weg mussten. Das ist organisches Wachstum. Jede Änderung für sich war sinnvoll. Das Gesamtbild ist trotzdem schwer zu durchschauen. Die Kaizen-Fabrik braucht jemanden, der aufräumt.
Die Studentenfabrik ist dagegen aufgeräumt und die Abläufe sind transparenter. Aber sie ist noch nicht durchoptimiert. Die Kosten müssen gedrückt werden, damit die Nettoumsatzrendite steigt.
Beide Ansätze müssen weiterentwickelt werden, sei es durch einen externen Berater oder wenigstens den ehrlichen Willen, Dinge zu verändern, die eigentlich schon funktionieren.
Beides ist real. Ich habe beides erlebt. Einerseits gibt es Unternehmen, die komplett neu aufgesetzt haben – das war teuer und disruptiv, aber danach war alles sauber. Und ich habe Unternehmen erlebt, in die man als Berater kommt, in denen man zwanzig Jahre gewachsene Strukturen vorfindet und in denen man erst einmal Ordnung bringen muss, bevor irgendetwas besser werden kann.
Keiner der beiden Wege ist falsch. Aber keiner ist kostenlos.
Beies, das ist die Antwort.
Das ist unbefriedigend, wenn man einen eindeutigen Sieger erwartet. Aber es ist ehrlich. Und es entspricht den Zahlen. Hier sind die Erkenntnisse der Studierenden: „When Production Fails: A Logistics Problem in Disguise”.
Zwei Kostenpunkte fehlen noch: Erstens die echten Umbaukosten. Die Studierenden haben Material im Wert von nicht wenig einfach abgerissen und weggeworfen. Ich habe Dinge hin- und hergeschoben, umgebaut und mehrfach angefasst. In der aktuellen Kalkulation taucht das noch nicht auf.
Zweitens die Umlaufbestände. Eine laufende Fabrik hat immer Material in der Pipeline. Vorräte, Halbfertigprodukte, Puffer. Je nach Ansatz sind es mehr oder weniger. Auch das ist Kapital. Auch das muss in die Renditerechnung einfließen.
Die Aussage lautet also: Wer eine Fabrik optimieren will, muss zuerst wissen, mit welcher Strategie er vorgehen möchte. Eine Antwort ist der Durchsatz. Rendite ist eine andere. Skalierbarkeit ist eine weitere. Die eigentliche Ingenieuraufgabe besteht darin, alle drei gleichzeitig zu maximieren.
Genau das lernt man nicht aus einem Lehrbuch. Man lernt es, wenn man mittendrin sitzt, Entscheidungen trifft und hinterher die Zahlen anschaut.
Dafür ist Factorio da. Nicht als Spiel. Als Lernlabor.
Weiterlesen
Results of the students work
Jeffrey Olsen Neal, When Production Fails: A Logistics Problem in Disguise, März 26, 2026
Fabian Kleinke, Jan Grünfelder, Jeffrey Olsen Neal (2026) A Factorio Case Study in Industrial Efficiency, Tech-Report, Hochschule Kaiserslautern, Campus Pirmasens, GermanyDeveolopment
Mapping Real World to Factorio and vice versa (German), Februar 28, 2026
Factorio Logistics Controlling & Analysis (English), Januar 30, 2026
Factorio Logistik-Controlling & Analyse (Deutsch), Januar 28, 2026
Accounting Logic Must Not Follow Physics Too Closely, Januar 22, 2026
Using Factorio as a Logistics Simulation, Januar 05, 2026
Transparenzhinweis
Dieser Beitrag basiert auf meinem Diktat, das anschließend mithilfe von Claude strukturiert wurde. Im Anschluss erfolgte eine sprachliche Optimierung durch DeepL Write, bevor das Dokument im letzten Feinschliff manuell von mir revidiert wurde.
Blog: , Seite:
Version: 1.4 April 2025, Kontakt: E-Mail Martin Wölker
Pirmasens, Germany, 2018-,
ausgelesen am: , Licence
CC BY
Kommentare
Kommentar veröffentlichen