- KI-Planung einfach gemacht: Unsere Lösungen lassen sich nahtlos in Ihre bestehende MES, PPS, oder APS Software integrieren. Sie liefern optimierte und nachvollziehbare Planungsergebnisse – ganz ohne eigene KI-Entwicklung. KI wird zum 24/7-Sparringspartner, der kontinuierlich unterstützt und entlastet.
- Komplexität beherrschbar machen: Viele kombinatorische Probleme in der Produktionsplanung sind für klassische Methoden zu aufwendig. Mit unseren Ansätzen lassen sich selbst hochkomplexe Szenarien effizient lösen - automatisiert, und in kürzester Zeit.
- Zahlen statt Bauchgefühl: Mathematische Optimierung liefert belastbare Entscheidungen: höhere Termintreue, geringere Rüstzeiten, optimale Lagerauslastung, und mehr. So entstehen nicht nur schnellere, sondern auch nachweislich bessere Ergebnisse.
Unsere Lösungen im Einsatz
Wir lösen typische Herausforderungen der Produktionsplanung, von der Feinplanung über die Ressourcenzuweisung bis hin zur Produktionsnivellierung. Unsere Algorithmen können Produktionspläne nicht nur vollständig neu erstellen, sondern auch bestehende – manuell erstellte – Pläne gezielt verbessern.
Feinplanung
- Setup Time OptimisationOptimierte Feinplanung bei komplexen Rüstvorgängen
Dieses Optimierungsszenario adressiert die Feinplanung in der diskreten Fertigung mit mehreren parallelen Produktionslinien. Zwischen den Aufträgen fallen Rüstzeiten an, die je nach Maschine unterschiedlich ausfallen können – ebenso wie die Bearbeitungszeiten. Der Algorithmus berücksichtigt zusätzlich Schichtkalender, Sekundärressourcen und komplexe Abhängigkeiten zwischen Aufträgen, um realistische und effiziente Produktionspläne zu erstellen. - Food Production SchedulingAutomatische Planung für die Lebensmittel- und Getränkebranche
Dieser Optimierungsalgorithmus wurde speziell für typische Szenarien in der Lebensmittel- und Getränkeproduktion entwickelt. Er berücksichtigt sowohl die Herstellung von Zwischenprodukten als auch deren Verpackung – inklusive der limitierten Kapazitäten in Zwischenlagern. Dabei lassen sich individuelle Einschränkungen und Prioritäten flexibel abbilden, etwa welche Produkte wo eingelagert werden dürfen oder bevorzugt werden sollen. - Process Industry SchedulingIntelligente Produktionsplanung für die Prozessindustrie
Dieser Algorithmus erstellt automatisch optimierte Produktionspläne für die Prozessindustrie – etwa in der Mischfutterproduktion. Er berücksichtigt Faktoren wie Kontaminationsrisiken, zeitliche Abstände zwischen Aufträgen, inkompatible Reihenfolgen sowie die Verfügbarkeit von Anlagen und Zwischenlagern. Ziel ist die Minimierung von Verspätungen, Rüstaufwänden und Reinigungen, eine gleichmäßige Auslastung der Ressourcen und die Vermeidung von Stillständen. - Paint Shop SchedulingEffiziente Planung für Lackieranlagen
Die Planung von Lackieranlagen ist komplex – täglich müssen zahlreiche Teile effizient durch die Anlage gesteuert werden. Warenträger bewegen sich über Fördersysteme, geplant wird in Runden. Faktoren wie Farbreihenfolgen, Blockgrößen, Reinigungsprozesse, technische Restriktionen und parallele Kabinen erhöhen die Komplexität. Ziel ist ein Plan mit möglichst wenigen Farbwechseln und geringen Kosten – unter Berücksichtigung von Terminen und technischen Vorgaben. Unsere Lösung eignet sich unter anderem für Lackieranlagen in der Automobilindustrie, der Elektronikindustrie und der Metallverarbeitung. - Artificial Teeth SchedulingOptimierte Rundlaufplanung für die Zahnproduktion
In Rundanlagen zur Zahnproduktion wird die Grundmasse in Metallformen gespritzt und in einem mehrstufigen Durchlauf zu Rohzähnen verarbeitet. Die Herausforderung liegt in der effizienten Bestückung der Anlage – unter Berücksichtigung von Lieferterminen und der begrenzten Verfügbarkeit der Formen als Fertigungshilfsmittel. Ähnliche Planungsanforderungen finden sich auch in Rundlaufanlagen der Lebensmittel-, Kosmetik-, Pharma-, Chemie- und Verpackungsindustrie.
Ressourcenzuweisung
- Core Resource AssignmentAutomatische Zuteilung von limitierten Ressourcen wie Werkzeugen
Ein Produktionsplan ist nur dann umsetzbar, wenn auch alle benötigten Ressourcen verfügbar sind – etwa Fertigungshilfsmittel oder Zwischenlagerkapazitäten. Die Zuteilung dieser Sekundärressourcen wie Kessel, Tanks oder Werkzeuge ist hochkomplex und kaum manuell zu bewältigen. Mit mathematischer Optimierung lassen sich in Sekunden Lösungen finden, die deutlich besser sind als jede manuelle Planung – schnell, präzise und ressourcenschonend. - Employee Resource AssignmentIntelligente Mitarbeiterzuordnung
Dieser Algorithmus weist verfügbare Mitarbeiter den passenden Arbeitsplätzen zu. Verschiedene Ziele wie Mitarbeiter- oder Arbeitsplatzprioritäten, Qualifikationen oder Einsatzhäufigkeit lassen sich flexibel gewichten und kombinieren. Der Algorithmus wird unter anderem aus dem MCP Workforce Management aufgerufen und sorgt dafür, dass geplante Aufträge innerhalb einer Zeitperiode bestmöglich abgearbeitet werden.
Von Grob- zu Feinplanung
- Production LevelingGlättung von Produktionsmengen nach dem Heijunka-Prinzip
Bei der Produktionsnivellierung geht es um eine gleichmäßige Aufteilung des Produktionsvolumens (gesamt und je Produkt) auf einzelne Perioden. Eine Periode kann dabei zum Beispiel eine Schicht, ein Tag, eine Woche oder ein Monat sein. Ziel ist eine gleichmäßige Auslastung der Produktion und hohe Flexibilität gegenüber Bedarfsschwankungen. Produktionsnivellierung ist ein wichtiger Teil in der Umsetzung des Heijunka-Prinzips. Eine Nivellierung der Produktion spielt aber auch in der langfristigen Kapazitäts-/Produktionsplanung oftmals eine entscheidende Rolle. - Batch OptimisationBildung kompatibler Chargen bei komplexen Anforderungen
Bei der Planung von Aufträgen in Batches – etwa bei Wärmebehandlungen in Öfen – können kompatible Aufträge gemeinsam verarbeitet werden. Dabei sind Einschränkungen wie Verfügbarkeit, Freigabetermine, Rüstzeiten und Kapazitäten zu berücksichtigen. Ziel ist die Bildung optimaler Chargen zur Minimierung von Lauf- und Durchlaufzeiten – unter Einhaltung der Bedarfstermine. Typische Einsatzbereiche sind Wärmebehandlungen in der Elektronikfertigung sowie in der Chemie-, Metall- und Verpackungsindustrie.
Interessieren Sie sich für eine unserer Optimierungslösungen? Oder möchten Sie eine anderes Planungsthema angehen?
Sprechen wir darüber – in einem gemeinsamen Gespräch finden wir heraus, was für Sie sinnvoll ist.
Einfache Integration
AI …
- Mathematische Optimierung: Verfahren wie Constraint Programming und Integer Programming liefern exakte, nachvollziehbare Lösungen – ideal für strukturierte Planungsprobleme mit klaren Nebenbedingungen.
- Metaheuristiken: Methoden wie Simulated Annealing durchwandern große Suchräume effizient und bieten eine flexible Alternative, wenn klassische Verfahren an ihre Grenzen stoßen.
- Machine Learning: Algorithmen, die aus Daten lernen, sich anpassen, und dynamisch bessere Entscheidungen treffen. Ergänzt mathematische Optimierungsverfahren durch intelligente, datengetriebene Unterstützung.
… as-a-Service
Unsere Lösungen lassen sich einfach in Ihr Planungsmodul integrieren – es muss lediglich die Schnittstelle eingerichtet werden. Kein aufwendiges Projekt, keine tiefgreifenden Anpassungen.
- Input: Ihre Planungsdaten – z. B. Aufträge, Ressourcen, Rüstzeiten – werden über eine REST-API an unsere KI übergeben. Der Aufruf kann direkt in die bestehende Software eingebaut werden.
- Optimierung: Die KI verarbeitet die Daten und berechnet eine optimierte Lösung – schnell, zuverlässig und transparent. Dabei werden komplexe Zusammenhänge automatisch berücksichtigt.
- Output: Das Ergebnis ist ein optimierter Produktionsplan, der über die API zurückgeliefert wird – bereit zur Anzeige, Weiterverarbeitung oder Übergabe an nachgelagerte Systeme.
Umfassende Expertise
Wissenschaftlich fundiert
Durch den regelmäßigen Austausch mit wissenschaftlichen Partnern fließen aktuelle Forschungsergebnisse direkt in unsere Entwicklung ein – für Lösungen, die technologisch führend und wissenschaftlich fundiert sind.

Von 2017 bis Anfang 2025 war unser Christian Doppler-Labor am Institut für Logic and Computation der TU Wien angesiedelt. Gemeinsam mit Bosch und Ximes haben wir dort Grundlagenforschung zu neuen Algorithmen und dem Einsatz von KI in der Produktionsplanung betrieben. Seit 2024 finanzieren wir eine Doktoratsstelle im Doctoral College iCAIML – und bleiben so auch bei Themen wie Hyperheuristics und automatisierter Algorithmenselektion eng mit der Forschung verbunden.

Gemeinsam mit dem Karlsruher Institut für Technologie (KIT) forschen wir an Verfahren zur energetischen Flexibilisierung industrieller Prozesse. Ziel ist es, KI-gestützte Methoden zu entwickeln, die energieintensive Produktionen netzdienlicher und nachhaltiger machen. Die Zusammenarbeit verbindet unsere langjährige Expertise in APS mit der Spitzenforschung des KIT im Bereich Energy-System-Design. Als Umsetzungspartner bringen wir Forschungsergebnisse in die industrielle Praxis – für eine zukunftsfähige Produktion.

Auszug Forschungsgebiete
Stochastische Modellierung Kapazitätsplanung

Auszug Forschungsgebiete
Human Factors Industrie 4.0 Entscheidungsanalyse Projektmanagement
Praxis erprobt
Dank unserer langjährigen Erfahrung aus zahlreichen Industrieprojekten wissen wir genau, worauf es in der Produktionsplanung ankommt.Wir kennen die spezifischen Anforderungen und typischen Herausforderungen aus vielen Branchen, von der Mischfutterproduktion bis hin zur Lebensmittelindustrie, von Kosmetik & Pharma bis zur Elektronikfertigung.Unsere Lösungen sind praxisbewährt, robust und flexibel genug, um sowohl in komplexen Produktionsumgebungen als auch in Softwareprodukten für diese Branchen echten Mehrwert zu liefern.

Erfolgreiche Softwareintegrationen
Die moderne Supply-Chain-Planungssoftware von Optwisier A.I. Solutions setzt auf Optimierungsalgorithmen von MCP.Unsere Lösung ermöglicht eine automatisierte Feinplanung speziell für die Lebensmittelindustrie – inklusive mehrstufiger Prozesse mit Berücksichtigung von Rüstzeiten und Zwischenlagerkapazitäten.

Unsere Optimierungstechnologie lässt sich nahtlos in Opcenter APS von Siemens integrieren.Ob bei der Feinplanung oder der Ressourcenzuteilung – komplexe Planungsprobleme werden direkt im bestehenden System gelöst, effizient und flexibel, mit minimalem Aufwand für den Anwender.

Im MCP Workforce Management kommt der Employee Resource Assignment Algorithmus zum Einsatz.So wird sichergestellt, dass die richtigen Personen zur richtigen Zeit am richtigen Arbeitsplatz sind, was nicht nur die Effizienz steigert, sondern auch die Termintreue und Auslastung verbessert.

GRÜN GQM nutzt AI-as-a-Service von MCP in ihrer etablierten MES-Software für den Food-&-Beverage-Bereich.
Die automatische Liniensequenzoptimierung ermöglicht es Planern, bestehende Pläne per Knopfdruck zu verbessern – für kürzere Rüstzeiten und höhere Termintreue. Für Endkunden bedeutet das: mehr Kapazität in der Produktion und beim Planen.

Häufige Fragen zu AI-as-a-Service
AI-as-a-Service lohnt sich insbesondere dann, wenn bestehende Planungssysteme keine stabilen oder wirtschaftlich optimalen Ergebnisse mehr liefern. Das ist typischerweise der Fall, wenn:
-
Produktionspläne häufig manuell angepasst werden müssen
-
Engpässe und Zielkonflikte nicht systematisch gelöst werden können
-
bestehende APS- oder Regelwerke bei hoher Komplexität an ihre Grenzen stoßen
In diesen Fällen ermöglicht AI-basierte Optimierung eine deutliche Verbesserung von Termintreue, Auslastung und Planungsstabilität.
> Wenn diese Herausforderungen aktuell bestehen, ist ein strukturierter Potenzialcheck jetzt der sinnvollste nächste Schritt.
AI-as-a-Service eignet sich für komplexe Planungsprobleme mit vielen Abhängigkeiten, Restriktionen und Zielkonflikten. Typische Anwendungsfälle sind:
-
Produktionsfeinplanung / Scheduling
-
Rüstzeitoptimierung
-
Ressourcenzuteilung (Maschinen, Werkzeuge, Personal)
-
Produktionsnivellierung und Batch-Optimierung
Überall dort, wo klassische Planungslogiken an Grenzen stoßen, schafft AI-basierte Optimierung neue Lösungsräume.
Klassische heuristische Regeln treffen Planungsentscheidungen schrittweise und lokal. AI-basierte Optimierung bewertet hingegen das gesamte Planungsszenario gleichzeitig und berücksichtigt Wechselwirkungen zwischen Ressourcen, Terminen und Restriktionen systematisch. Das Ergebnis:
-
stabilere Produktionspläne
-
bessere Auslastung
-
reduzierte Zielkonflikte
-
höhere wirtschaftliche Qualität der Planung
Ihr nächster Schritt zu optimierter Produktionsplanung durch KI
In einem strukturierten Gespräch analysieren wir Ihre Planungsherausforderungen und zeigen, wie Optimierungsalgorithmen Ihre bestehenden Systeme gezielt erweitern und messbare Verbesserungen ermöglichen.







































