DMAIC in der Praxis: Wie nachhaltige Prozessverbesserung tatsächlich funktioniert
Teil 2: DMAIC, Ursachenanalyse, Prozessfähigkeit, SPC und Cost of Poor Quality
Von Dr. Markus Maier
DMAIC: Das Betriebssystem der Prozessverbesserung
DMAIC ist weit mehr als eine Methode. Es ist ein strukturierter Denkprozess. Ein Rahmen, der dabei hilft, von Vermutungen zu belastbaren Erkenntnissen zu gelangen. Von Symptomen zu Ursachen. Von kurzfristigen Maßnahmen zu nachhaltigen Verbesserungen.
Die fünf Phasen Define, Measure, Analyze, Improve und Control geben Verbesserungsprojekten eine klare Struktur. Gleichzeitig verhindern sie eine der häufigsten Schwächen im Unternehmensalltag: die vorschnelle Lösung eines unklaren Problems.
Define: Das richtige Problem lösen
Viele Verbesserungsprojekte scheitern bereits am Anfang. Nicht weil die Analyse schlecht wäre, sondern weil das falsche Problem bearbeitet wird.
In der Praxis begegnet man häufig Aussagen wie: Die Qualität ist schlecht. Die Kunden beschweren sich. Die Durchlaufzeit ist zu hoch. Die Produktivität muss steigen. Solche Aussagen beschreiben meist nur Symptome.
DMAIC beginnt deshalb mit einer anderen Frage: Welches konkrete Problem soll gelöst werden? Eine präzise Problemdefinition schafft Klarheit über Zielsetzung, Umfang, Kundenanforderungen, wirtschaftliche Bedeutung und erwarteten Nutzen.
Werkzeuge wie SIPOC, Voice of Customer (VOC) und Critical to Quality (CTQ) helfen dabei, die Perspektive des Kunden systematisch einzubeziehen. Denn letztlich entscheidet nicht das Unternehmen über Qualität, sondern der Kunde.
Measure: Daten schaffen Transparenz
Verbesserungen benötigen Fakten. Deshalb konzentriert sich die Measure-Phase auf die Erfassung belastbarer Daten. Die zentrale Frage lautet: Wie groß ist das Problem tatsächlich?
Nicht selten zeigt sich dabei, dass die Wahrnehmung von Problemen erheblich von der Realität abweicht. Viele Organisationen verfügen über große Datenmengen. Weniger häufig verfügen sie über belastbare Informationen.
Deshalb steht zunächst die Qualität der Messung im Mittelpunkt.
Messsystemanalyse (MSA)
Bevor Daten ausgewertet werden können, muss sichergestellt werden, dass die Messung selbst zuverlässig ist. Ein ungenaues Messsystem erzeugt Unsicherheit. Und Unsicherheit führt zu Fehlentscheidungen.
Die Messsystemanalyse untersucht unter anderem Wiederholbarkeit, Reproduzierbarkeit, Stabilität und Genauigkeit. Selbst die beste Statistik kann fehlerhafte Messungen nicht korrigieren. Aus Sicht eines Six Sigma Black Belts ist MSA daher keine Nebensache, sondern eine Voraussetzung für belastbare Datenanalyse.
Analyze: Ursachen statt Symptome verstehen
Die Analyze-Phase bildet häufig das Herzstück eines Verbesserungsprojekts. Hier entscheidet sich, ob ein Unternehmen die tatsächlichen Ursachen identifiziert oder lediglich Symptome behandelt.
Eine typische Falle besteht darin, zu früh Lösungen zu entwickeln. Lean Six Sigma verfolgt einen anderen Ansatz: zuerst verstehen, dann verbessern.
Wenn ein Kunde reklamiert, eine Maschine ausfällt oder Termine nicht eingehalten werden, liegt die Versuchung nahe, schnell zu handeln. Doch schnelle Maßnahmen sind nicht automatisch wirksame Maßnahmen. Die entscheidende Frage lautet: Warum tritt das Problem überhaupt auf?
Ishikawa, 5 Why und Pareto
Das Ishikawa-Diagramm, häufig auch Fischgräten-Diagramm genannt, unterstützt Teams dabei, mögliche Ursachen systematisch zu strukturieren. Typische Kategorien sind Mensch, Maschine, Material, Methode, Milieu und Messung.
Die 5-Why-Methode verfolgt einen einfachen, aber wirkungsvollen Ansatz. Durch wiederholtes Fragen nach dem Warum werden Ursachenebenen schrittweise sichtbar gemacht. Wichtig dabei: Die Methode dient nicht der Schuldzuweisung. Sie dient dem Verständnis von Zusammenhängen.
Die Pareto-Analyse hilft dabei, Prioritäten zu setzen. Nicht jedes Problem besitzt die gleiche Bedeutung. Häufig verursachen wenige Hauptursachen einen großen Teil der Auswirkungen.
Prozessfähigkeit: Wie leistungsfähig ist ein Prozess wirklich?
Viele Unternehmen messen Fehler. Weniger Unternehmen messen die Fähigkeit ihres Prozesses, dauerhaft gute Ergebnisse zu liefern. Genau hier setzt die Prozessfähigkeitsanalyse an.
Ein Prozess gilt als fähig, wenn seine Ergebnisse dauerhaft innerhalb definierter Spezifikationsgrenzen liegen. Die Prozessfähigkeit beschreibt somit die Übereinstimmung zwischen Kundenanforderungen und Prozessleistung. Je geringer die Streuung eines Prozesses, desto höher seine Fähigkeit.
Cp, Cpk, Pp und Ppk verständlich erklärt
Cp beschreibt das theoretische Potenzial eines Prozesses. Die Kennzahl beantwortet die Frage: Wie gut könnte der Prozess arbeiten, wenn er perfekt zentriert wäre?
Cpk berücksichtigt zusätzlich die tatsächliche Lage des Prozesses. Dadurch liefert die Kennzahl meist die praxisrelevantere Aussage. Ein hoher Cpk-Wert bedeutet stabile Prozesse, geringe Streuung, hohe Vorhersagbarkeit und geringes Fehlerrisiko.
Pp und Ppk betrachten dagegen die Gesamtleistung eines Prozesses über einen längeren Zeitraum. Sie sind besonders relevant, wenn langfristige Prozessleistung und reale Prozesshistorie bewertet werden sollen.
SPC: Prozesse verstehen, bevor Probleme entstehen
Viele Unternehmen reagieren auf Probleme erst dann, wenn Fehler sichtbar werden. Statistische Prozesskontrolle verfolgt einen anderen Ansatz. Sie hilft dabei, Veränderungen frühzeitig zu erkennen.
SPC nutzt statistische Methoden zur Überwachung von Prozessen. Das bekannteste Werkzeug sind Regelkarten. Regelkarten machen normale Prozessschwankungen, Sonderursachen, Trends und Instabilitäten sichtbar. Dadurch entsteht Transparenz über das tatsächliche Prozessverhalten.
Warum SPC im digitalen Zeitalter wichtiger wird
Mit zunehmender Digitalisierung entstehen immer größere Datenmengen. Der eigentliche Nutzen entsteht jedoch erst dann, wenn diese Daten verstanden werden.
SPC hilft Unternehmen dabei, datenbasierte Entscheidungen zu treffen, unnötige Eingriffe zu vermeiden, Prozessstabilität zu erhöhen und Qualität langfristig abzusichern. Gerade im Kontext von Industrie 4.0 und künstlicher Intelligenz gewinnt diese Fähigkeit weiter an Bedeutung.
Cost of Poor Quality: Die versteckten Kosten schlechter Qualität
Ein Qualitätsproblem kostet selten nur den unmittelbaren Fehler. Die eigentlichen Kosten entstehen häufig an ganz anderer Stelle.
Ein fehlerhaftes Bauteil kann Nacharbeit, Ausschuss, Produktionsunterbrechungen, Terminverzug, Reklamationen, Vertrauensverlust und entgangene Folgeaufträge auslösen. Diese Gesamtheit wird als Cost of Poor Quality, kurz COPQ, bezeichnet.
Viele Unternehmen unterschätzen die tatsächlichen Kosten schlechter Qualität erheblich. Sichtbare Fehlerkosten stellen häufig nur einen Teil der Gesamtauswirkungen dar. Lean Six Sigma betrachtet deshalb nicht nur Fehler, sondern die wirtschaftlichen Folgen von Fehlern. Qualität ist nicht nur eine technische Größe. Qualität ist ein wirtschaftlicher Erfolgsfaktor.
Übergang zur Umsetzung
Nach Define, Measure und Analyze folgt die eigentliche Bewährungsprobe: Verbesserungen müssen umgesetzt und dauerhaft abgesichert werden. Genau hier zeigen sich die Verbindung von Lean Werkzeugen, Führung und Kompetenzentwicklung.
