Code rechnet.
Kennzahlen, Plausibilitätsprüfungen und Verlustminuten werden deterministisch und reproduzierbar berechnet.
Industrial AI
OEE Loss Analyzer
- Open Source
- Community Edition · Open Beta
Produktionsverluste faktenbasiert analysieren.
Open-Source-Werkzeug zur strukturierten Analyse von OEE-Verlusten, Verlustkategorien und Verbesserungspotenzialen. Der Rechenkern berechnet Kennzahlen deterministisch; die KI ordnet Verluste und Evidenz ein.
Kein neues MES. Kein zusätzliches Dashboard. Keine Black-Box-Berechnung.
- Deterministische OEE-Berechnung
- Nachvollziehbare Evidenzstufen
- Keine erfundenen Ursachen
Problem
OEE zeigt die Abweichung. Nicht automatisch die Ursache.
- Ein aggregierter OEE-Wert zeigt, dass eine Verlustlücke besteht.
- Er reicht allein nicht aus, um eine Ursache zu belegen.
- Maschinenereignisse, Stillstände, Alarme, Qualitätsdaten und Instandhaltungseingriffe müssen demselben Zeitfenster und derselben Maschine zugeordnet werden.
- Eine Korrelation darf nicht als Kausalität dargestellt werden.
- Fehlende Daten werden sichtbar gemacht — nicht stillschweigend ergänzt.
Der Analyzer ergänzt vorhandene MES-, OEE- und Shopfloor-Systeme. Er ersetzt sie nicht und bewertet bestehende Kennzahlenlandschaften nicht als unzureichend, sondern macht Verluste und Evidenzlücken nachvollziehbar.
Lösung
Was ist der OEE Loss Analyzer?
Der OEE Loss Analyzer ist ein lokal ausführbares Plugin-Paket für KI-Assistenten. Die einzelnen Komponenten übernehmen klar getrennte Aufgaben: Der Code prüft und berechnet, die KI interpretiert und der MCP stellt bei Bedarf Daten bereit.
Plugin
Das installierbare Gesamtpaket mit Analyseprozess, Skripten, Konfigurationen und Schnittstellen.
Skill
Die verbindliche Arbeitsanweisung für die KI: Daten prüfen, OEE berechnen, Verluste klassifizieren und Evidenz bewerten.
Python Engine
Der deterministische Rechenkern für Validierung, OEE-Berechnung und reproduzierbare Verlustklassifikation.
Agent
Der KI-Assistent, der den Workflow ausführt, Ergebnisse einordnet und Fakten klar von Hypothesen trennt.
MCP
Die optionale Werkzeugschnittstelle, über die ein Agent strukturierte Daten aus definierten Quellen abrufen kann.
KLARE ROLLENTRENNUNG
Warum KI, wenn OEE berechnet werden kann?
Die OEE-Formeln benötigen keine KI. Der Mehrwert entsteht bei der Einordnung unterschiedlicher Verlustdaten, der Prüfung von Evidenz und der Vorbereitung sinnvoller Untersuchungen.
KI interpretiert.
Der Agent priorisiert Verluste, trennt Fakten von Hypothesen und benennt fehlende Informationen sowie sinnvolle nächste Schritte.
MCP verbindet.
Eine standardisierte Werkzeugschnittstelle kann dem Agenten strukturierte Daten bereitstellen, ohne die Berechnungslogik an ein einzelnes System zu binden.
Was der Analyzer liefert
Strukturierte Entscheidungsgrundlage statt Ursachenurteil.
Das Ergebnis ist kein automatisch erzeugtes Ursachenurteil, sondern eine strukturierte Entscheidungsgrundlage für Produktion, Lean, Qualität und Instandhaltung.
Availability, Performance, Quality und OEE
Deterministische Kennzahlen aus den vorliegenden Produktionszeiten und Mengen — nachvollziehbar und ohne Schätzlücken.
Wesentliche Verlustkategorien
Verfügbarkeits-, Leistungs- und Qualitätsverluste werden priorisiert, statt in einem einzigen Score zu verschwinden.
Ereignisse und stützende Daten
Stillstände, Alarme, Qualitäts- und Instandhaltungsdaten werden demselben Zeitfenster und derselben Maschine zugeordnet, soweit die Daten das zulassen.
Fakten, Befunde und Hypothesen getrennt
Belegte Beobachtungen, Verlustzuordnung und Arbeitshypothesen bleiben klar unterscheidbar.
Fehlende Informationen
Kritische Datenlücken werden ausgewiesen. Sie werden nicht stillschweigend aufgefüllt.
Empfohlene nächste Prüfschritte
Konkrete nächste Verifikationen für Produktion, Lean, Qualität und Instandhaltung — keine automatische Ursachenbehauptung.
Arbeitsschritte
Von strukturierten Daten zu prüfbaren Hinweisen.
- 01
Produktionsdaten
- 02
Validierung
- 03
OEE-Berechnung
- 04
Verlustpriorisierung
- 05
Evidenzprüfung
- 06
Handlungshinweise
BEISPIELAUSGABE
Was aus den Produktionsdaten entsteht.
Der deterministische Rechenkern liefert die Kennzahlen. Der KI-Agent ordnet die Verluste ein, verknüpft passende Belege und zeigt transparent, welche Aussagen noch geprüft werden müssen.
Kennzahlen aus fiktiven Produktionsdaten
87,1 %Availability
88,5 %Performance
97,9 %Quality
75,5 %OEE
Größter VerlustUngeplante Stillstände62 Minuten
- Befund
62 Minuten Verfügbarkeitsverlust im betrachteten Zeitraum.
- Belegt
35 Minuten sind einem dokumentierten Störungsereignis zugeordnet.
- Hypothese
Die Materialzuführung sollte geprüft werden. Eine Ursache ist noch nicht bestätigt.
- Fehlende Evidenz
Für 27 Minuten fehlen eindeutige Reason Codes.
Keine Black Box.
Jede Aussage bleibt auf ihre Datengrundlage zurückführbar. Der Analyzer unterscheidet zwischen berechneten Kennzahlen, dokumentierten Befunden, noch offenen Hypothesen und fehlenden Informationen.
- Kennzahlen werden deterministisch berechnet.
- Belege werden konkreten Ereignissen zugeordnet.
- Offene Fragen werden als solche gekennzeichnet.
So entsteht kein automatisches Ursachenurteil, sondern eine belastbare Grundlage für die nächste Prüfung am Prozess.
Evidenzmodell
Evidenz statt Scheingenauigkeit.
Der Analyzer rechnet nur so weit, wie die Daten tragen — und macht Unsicherheit explizit.
- Ein vollständiger OEE wird verweigert, wenn kritische Eingangsdaten fehlen.
- Die bloße Anwesenheit einer Alarm- oder Instandhaltungsmeldung gilt nicht als Beleg.
- Gesucht wird eine Übereinstimmung von Maschine, Zeitraum und technischer Familie.
- Fakten, Korrelationen und Hypothesen bleiben getrennt.
- Bei unzureichender Beleglage wird ausdrücklich
insufficient_evidencezurückgegeben.
Beobachtbare Abweichung aus den vorliegenden Kennzahlen und Ereignissen.
Zuordnung zur Verfügbarkeits-, Leistungs- oder Qualitätslücke.
Zeitliche und maschinenbezogene Übereinstimmung — kein Kausalnachweis.
Prüfbare Annahme auf Basis der Evidenzlage. Noch keine bestätigte Ursache.
Nur nach belastbarer Bestätigung. Im Beispiel nicht erreicht.
Datenquellen
Unabhängig von der Datenquelle.
Strukturierte Produktionsdaten
- JSON
- CSV beziehungsweise normalisierte Tabellen
- Manuell bereitgestellte Ereignisdaten
Erweiterte Anbindungen
- MES
- MDE/BDE
- SCADA
- SQL
- ERP
- Instandhaltungs- und Qualitätssysteme
- Unternehmensspezifische Datenmodelle
Welche Quellen angebunden werden können, hängt von Datenzugang, Datenqualität und Systemlandschaft des jeweiligen Unternehmens ab. Diese Anbindungen sind nicht als standardisierte Stecker bereits verfügbar.
COMMUNITY EDITION · OPEN BETA
Offen verfügbar. Reproduzierbar getestet. Industriell erweiterbar.
Der offene Kern macht Funktionsweise, Berechnungslogik und technische Umsetzung nachvollziehbar. Die Community Edition stellt die Kernlogik frei zur Verfügung und dient gleichzeitig als technische Basis für individuelle Erweiterungen.
55 deterministische und synthetische Regressionstests prüfen OEE-Berechnung, Datenvalidierung, Unsicherheitsbehandlung und Evidenzlogik reproduzierbar.
- 55 / 55Regressionstests bestanden
- LokalOhne gehosteten Dienst ausführbar
- Open SourceKostenlose Community Edition
- Codex & ClaudeAls Plugin-Paket vorbereitet
Community Edition
Direkt nutzbar für die lokale Analyse strukturierter Produktionsdaten und für die nachvollziehbare Erprobung des Analyse-Workflows.
- Deterministische Datenprüfung und OEE-Berechnung
- Priorisierung und Klassifikation von Verlusten
- Trennung von Befunden, Hypothesen und fehlender Evidenz
- MCP-Demobetrieb mit ausschließlich fiktiven lokalen Daten
- Offener Quellcode, Dokumentation und Regressionstests
Professionelle Erweiterungen
Die Community Edition bildet den offenen Kern. Zusätzliche Schnittstellen, MCP-/Agent-Anbindung und individuelle Prozesslogik können projektbezogen ergänzt werden.
- Individuelle Verlustmodelle und unternehmensspezifische Regelwerke
- Zusätzliche Datenquellen und automatische Datenübernahme
- ERP-/MES-Anbindung und definierte APIs
- MCP- und Agent-Anbindung an bestehende Analyse-Workflows
- Authentifizierung, Reporting und Deployment im Unternehmenskontext
Diese Erweiterungen sind nicht Bestandteil der Community Edition.
FAQ
Häufige Fragen.
Was ist der OEE Loss Analyzer genau?
Der OEE Loss Analyzer ist ein lokal ausführbares Softwarepaket für KI-Arbeitsumgebungen. Es kombiniert einen definierten Analyse-Skill, deterministische Python-Skripte, einen KI-Agenten und eine optionale MCP-Schnittstelle. Es ist kein neues MES und kein zusätzliches Produktions-Dashboard.
Warum wird dafür KI eingesetzt?
Die OEE-Kennzahlen selbst werden deterministisch berechnet. Die KI übernimmt die interpretative Arbeit: Sie priorisiert Verluste, ordnet Belege zu, trennt Fakten von Hypothesen, benennt fehlende Informationen und formuliert sinnvolle nächste Untersuchungsschritte.
Wie installiere ich die Community Edition?
Die Community Edition kann kostenlos von GitHub heruntergeladen oder geklont werden. Der Rechenkern benötigt Python 3.9 oder neuer. Für die Nutzung als Plugin wird das Repository gemäß der Anleitung in eine kompatible Codex- oder Claude-Code-Umgebung eingebunden. Die Python-Skripte können auch ohne KI direkt ausgeführt werden.
Mit welchen KI-Modellen funktioniert der Analyzer?
Die Community Edition enthält vorbereitete Strukturen für OpenAI Codex und Claude Code. Der deterministische Rechenkern ist modellunabhängig. Weitere Modelle, beispielsweise über Groq, DeepSeek oder Ollama, können über einen geeigneten Agent-Runtime integriert werden. Nicht jede Kombination ist bereits getestet oder sofort einsatzbereit.
Was ist MCP und brauche ich es?
MCP steht für Model Context Protocol. Es ist eine standardisierte Schnittstelle, über die ein KI-Agent Daten und externe Werkzeuge nutzen kann. Für die Analyse einer bereitgestellten JSON-Datei ist MCP nicht erforderlich.
Die Community Edition enthält einen lokalen MCP-Demobetrieb mit ausschließlich fiktiven Daten. Anbindungen an MES, ERP, Datenbanken oder APIs können projektbezogen umgesetzt werden.
Wie kann ich den Analyzer nutzen?
Die kostenlose Community Edition ist als Open Source und Open Beta verfügbar, lokal nutzbar und anhand von 55 deterministischen und synthetischen Regressionstests geprüft.
Professionelle Erweiterungen — etwa individuelle Verlustmodelle, ERP/MES-Anbindung oder MCP-/Agent-Integration — können projektbezogen ergänzt werden. Sie sind nicht Bestandteil der Community Edition.
Ein realer Datensatz ist aussagekräftiger als jede Produktfolie.
Wir prüfen gemeinsam, ob Datenumfang und Datenqualität für eine belastbare OEE-Verlustanalyse ausreichen — und welche Erweiterung der eigene Prozess braucht.
Für den eigenen Prozess anpassenAlle WerkzeugeKeine automatische Ursachenbehauptung. Erst die Entscheidungslogik prüfen, dann integrieren.