Der Name ist eine Kennzahl. „Sigma" (σ) ist das statistische Maß für die Streuung einer Größe um ihren Mittelwert. Das Sigma-Level beschreibt, wie oft die Streuung eines Prozesses zwischen Mittelwert und Toleranzgrenze passt – je öfter, desto unwahrscheinlicher ist ein Fehler.

Ein Prozess auf Sigma-Level 6 erzeugt statistisch 3,4 Fehler pro einer Million Fehlermöglichkeiten (DPMO – Defects per Million Opportunities). Das klingt akademisch, hat aber eine klare Konsequenz: Der Sprung von einem Niveau zum nächsten ist kein linearer Fortschritt, sondern eine Verbesserung um eine Größenordnung. Von 3σ auf 4σ sinkt die Fehlerquote um etwa den Faktor 15.

Deshalb misst Six Sigma nicht in Prozent. „99 % gut" liest sich beruhigend und entspricht doch 10.000 Fehlern pro Million Möglichkeiten – bei tausenden Vorgängen pro Tag eine erhebliche Menge. Die DPMO-Betrachtung macht sichtbar, was hinter der Nachkommastelle steckt.

Die statistische Grundlage ist gleichzeitig das Kernprinzip der Methodik: Bevor eine Ursache behoben wird, muss sie nachgewiesen sein. Dazu wird zuerst die Messfähigkeit geprüft, dann der Ist-Zustand quantifiziert, dann werden Vermutungen als Hypothesen gegen die Daten getestet. Erst was den Test besteht, wird zur Maßnahme. Diese Beweispflicht unterscheidet Six Sigma von erfahrungsgetriebenen Verbesserungsansätzen – und ist der Grund, warum Ergebnisse belastbar und nachvollziehbar bleiben.

Als Rahmenwerk führt der fünfphasige DMAIC-Zyklus – Define, Measure, Analyse, Improve, Control – von der Problemstellung zum abgesicherten Ergebnis; die konkreten Werkzeuge je Phase finden Sie im DMAIC-Werkzeugkasten.

Streuung statt Mittelwert

Ein Prozess kann im Schnitt exakt richtig liegen und trotzdem unbrauchbar sein. Six Sigma zielt auf die Schwankung, nicht auf den Durchschnitt.

Fehlermöglichkeit als Bezug

Gezählt werden nicht Produkte, sondern Gelegenheiten für Fehler. Nur so sind unterschiedlich komplexe Prozesse vergleichbar.

Eine FMEA zerlegt ein Produkt oder einen Prozess in seine Schritte und fragt für jeden systematisch: Was kann hier schiefgehen, welche Folge hätte das, und woran würde man es merken? Aus diesen drei Fragen entsteht eine strukturierte Bewertung – nicht als Bauchgefühl im Meeting, sondern als dokumentiertes, im Team abgestimmtes Urteil.

Bewertet wird jede Fehlerart in drei Dimensionen: die Bedeutung der Folge für den Kunden, die Auftretenswahrscheinlichkeit und die Entdeckungswahrscheinlichkeit vor Auslieferung. Aus der Verknüpfung dieser drei Größen ergibt sich die Risikoprioritätszahl (RPZ) – die Kernkennzahl der FMEA. Sie ist kein Qualitätsurteil, sondern ein Ordnungsinstrument: Sie beantwortet die Frage, welches Risiko zuerst bearbeitet wird, wenn nicht alles gleichzeitig gehen kann.

Entscheidend ist dabei ein Detail, das in der Praxis oft untergeht: Eine hohe RPZ entsteht nicht nur durch häufige Fehler, sondern auch durch schlecht entdeckbare. Ein seltener Fehler mit schwerer Folge, der bis zum Kunden durchrutscht, wiegt schwerer als ein häufiger, der sofort auffällt. Genau diese Gewichtung macht die FMEA zu mehr als einer Fehlerliste.

Genau dieses Problem – dass eine hohe Bedeutung durch niedrige Auftretens- oder Entdeckungswerte rechnerisch verwässert werden kann – hat im Automotive-Umfeld zu einem zweiten, parallelen Bewertungsmaßstab geführt: der Action Priority (AP). Seit dem gemeinsamen FMEA-Handbuch von AIAG und VDA (2019) gilt sie neben der RPZ als Standard, in vielen deutschen OEM- und Zulieferprozessen inzwischen als Pflichtgröße. Der Unterschied ist strukturell: Statt Bedeutung, Auftreten und Entdeckung zu multiplizieren, werden sie hierarchisch in Nachschlagetabellen zusammengeführt – Bedeutung zuerst, dann Auftreten, dann Entdeckung. Das Ergebnis ist keine Zahl, sondern eine von drei Stufen: Hoch, Mittel oder Niedrig. Eine schwerwiegende Folge lässt sich dadurch nicht mehr durch günstige Auftretens- oder Entdeckungswerte "wegrechnen" – ein seltener, aber schwerer Fehler bleibt priorisierungswürdig, selbst wenn seine RPZ niedrig ausfällt. In der Praxis laufen RPZ und AP meist parallel: die RPZ als vertraute Kennzahl für die interne Kommunikation, die AP als robusteres, kompensationsfreies Priorisierungsinstrument – vor allem dort verpflichtend, wo Kunden (insb. Automotive-OEMs) es explizit fordern.

Im Six-Sigma-Projekt hat die FMEA zwei Einsatzzeitpunkte: früh, um Ursachenhypothesen zu priorisieren, und in der Absicherung, um zu prüfen, ob neu eingeführte Lösungen neue Risiken erzeugen. In der Produktentwicklung wird sie zusätzlich als eigenständige Konstruktions- oder Prozess-FMEA geführt und über den Produktlebenszyklus fortgeschrieben.

Jeder Prozess streut. Zwei gleiche Teile sind nie exakt gleich, zwei Bearbeitungen nie exakt gleich lang. Entscheidend ist nicht, ob gestreut wird, sondern ob die Streuung in die geforderte Toleranz passt. Genau das beschreibt die Prozessfähigkeit: Sie setzt die natürliche Streuung eines Prozesses ins Verhältnis zu den Spezifikationsgrenzen.

Cp beantwortet dabei nur die Frage nach der Breite: Wie viel Luft besteht zwischen der Streuung und der Toleranz? Cpk berücksichtigt zusätzlich die Lage – ob der Prozess mittig in der Toleranz sitzt oder an eine Grenze gerückt ist. Ein Prozess kann eine ausgezeichnete Streuung haben und trotzdem Ausschuss produzieren, weil er dezentriert läuft. Deshalb ist Cpk die relevantere Kennzahl. Als Orientierung gilt ein Cpk von 1,33 als fähig, ab 1,67 als sehr fähig; viele Branchen setzen eigene Mindestwerte.

Die zweite Säule ist die statistische Prozessregelung (SPC). Ihre Grundidee ist eine Unterscheidung, die intuitiv schwerfällt: Nicht jede Abweichung ist ein Signal. Ein Prozess schwankt immer – innerhalb eines natürlichen Bandes ist das normal und darf nicht korrigiert werden. Wer auf jeden Ausschlag reagiert, verschlimmert die Streuung. Regelkarten machen dieses Band sichtbar und trennen zufällige Schwankung von echten Sonderursachen, die eine Reaktion verlangen.

Zusammen ergeben beide das statistische Fundament des DMAIC-Zyklus: Prozessfähigkeit liefert die Ausgangs- und Zielmessung, Hypothesentests belegen die Wirkung einer Maßnahme, und SPC sichert das Ergebnis in der Control-Phase dauerhaft ab. Ohne diese Nachweiskette bleibt Verbesserung eine Behauptung.

WERKZEUGE IN DER PRAXIS

Diese Seite erklärt die Begriffe. Welches Werkzeug in welcher Phase greift – von der Prozesslandkarte in Define bis zur Regelkarte in Control – zeigt der DMAIC-Werkzeugkasten, geordnet nach dem Ablauf eines realen Projekts.

WENN METHODEN KOMBINIERT WERDEN

Six Sigma reduziert Streuung, Lean entfernt Verschwendung. In der Praxis treten beide Probleme meist gemeinsam auf – ein Prozess ist zugleich langsam und unzuverlässig. Wie sich die Ansätze methodisch unterscheiden, wo Lean im DMAIC-Zyklus andockt und welche Belt-Stufe dazu passt, erläutert die eigene Übersichtsseite.