Auf dem Papier ist Scheduling einfach: entscheiden, wann, wo und in welcher Reihenfolge produziert wird. Die Lehrbuchdefinition passt auf jede Fabrik. In einer Raffinerie oder Chemieanlage kollidiert diese Entscheidung jedoch mit der Physik - Zwischenprodukte, die nicht warten können, Anlagen, die nicht pausieren können, Reinigungsregeln, die den Kalender dominieren - und wird zu einem der härtesten Optimierungsprobleme der Industrie. Was Scheduling in der Prozessindustrie tatsächlich leistet, wie das Puzzle gelöst wird und was in der Praxis darüber entscheidet, ob es funktioniert.
Was ist Scheduling in der Prozessindustrie?
Scheduling - im Deutschen auch Feinplanung oder Ablaufplanung - ist die kurzfristige Detailplanung des Anlagenbetriebs: Es legt fest, wann, wo und in welcher Reihenfolge Produkte, Chargen und Bewegungen tatsächlich laufen - auf welchen Anlagen, mit welchen Tanks und Linien, in welcher Abfolge. Der typische Horizont sind die nächsten Stunden bis Tage; typische Ergebnisse sind Transferpläne, Fahrprogramme der Anlagen und Tankbelegungen.
Es steht zwischen zwei Schwesterdisziplinen. Die Planung entscheidet, was, wie viel und zu welcher Wirtschaftlichkeit produziert wird - über Wochen bis einen Monat: Rohstoffauswahl, Anlagenauslastung, Produktionsmengen. Die Massenbilanz schließt den Kreis, indem sie Prozessmesswerte und Labordaten mit den tatsächlich geflossenen Mengen abgleicht (warum das weit mehr bedeutet, als es klingt: Warum Raffinerien in Tonnen rechnen). Kurz: Die Planung ist das Ziel, das Scheduling die Ausführung, die Massenbilanz das tatsächliche Ergebnis. So weit das Lehrbuch. Jetzt der Blick in die Anlage.
Ein Plan ist ein Versprechen. Das Scheduling ist der Weg, es zu halten. Die Massenbilanz zeigt, ob es gelungen ist.
Die vier Fragen, die ein Schedule jeden Tag beantwortet
- Reihenfolge. In welcher Abfolge laufen die verschiedenen Produkte auf einer Anlage - und was kostet jeder Übergang?
- Ressourcen. Welche Reaktoren, Kessel, Abfülllinien oder Tanks werden welchem Produktionslos oder welcher Kampagne zugeteilt?
- Rüsten und Reinigen. Wie werden Rüst- und Reinigungszeiten minimiert? Nach Produkt A muss eine Anlage oft aufwendig gereinigt werden, bevor Produkt B starten darf.
- Lagerung und Verfügbarkeit. Wann laufen Zwischentanks voll, und wann müssen Rohstoffe, Additive oder Laborfreigaben bereitstehen?
Der Industriebezug
Warum ist Scheduling in der Prozessindustrie schwieriger als in der diskreten Fertigung?
Weil man in einer Anlage - anders als in einer Montagehalle - das Halbfertige nicht einfach ins Regal legen kann. Die Prozessproduktion bringt Restriktionen mit, die die diskrete Fertigung kaum kennt:
| Diskrete Fertigung | Prozessindustrie | |
| Ware in Arbeit | Zählbare Teile, im Regal lagerbar | Ströme und Chargen; Zwischenprodukte oft verderblich oder tanklimitiert |
| Unterbrechen eines Auftrags | Meist möglich | Oft unmöglich - Reaktionen und kontinuierliche Anlagen lassen sich nicht einfach pausieren |
| Umrüsten | Maschine umrüsten | Reinigen, Spülen, Kontaminationsregeln, Qualitätsfreigabe |
| Prozesstypen | Meist ein Paradigma | Kontinuierliche und Batch-Prozesse müssen aufeinander abgestimmt werden |
| Bündelungslogik | Losgrößen | Kampagnen: ähnliche Produkte gebündelt, um Reinigungsaufwand und Kreuzkontamination zu reduzieren |
Allein die Haltbarkeit verändert alles: Ein Zwischenprodukt, das binnen Stunden weiterverarbeitet werden muss, streicht ganze Familien ansonsten attraktiver Zeitpläne. Kommen das Nebeneinander von kontinuierlichem und Batch-Betrieb sowie die Kampagnenplanung hinzu, wird der Raum machbarer Schedules so eng, wie er groß ist.
Die Mathematik
Warum ist Anlagen-Scheduling so schwer zu berechnen?
Weil die Zahl möglicher Zeitpläne explodiert. Schon 10 Produktläufe auf einer einzigen Anlage erlauben über 3,6 Millionen Reihenfolgen; bei 20 sind es über zwei Trillionen - eine Zahl mit 19 Stellen. Eine reale Anlage fügt Dutzende Units, geteilte Tanks und Rohrleitungen, Reinigungs- und Kontaminationsregeln, Haltbarkeitsgrenzen, Personalverfügbarkeit und Verladetermine hinzu - alles gleichzeitig. Scheduling gehört zur Klasse der NP-schweren Probleme: Mit wachsender Anlage verlangt der nachweislich beste Zeitplan schnell mehr Rechenzeit, als irgendjemand hat.
Unter harten Restriktionen, die nie verletzt werden dürfen, versucht ein Anlagen-Schedule mehrere Ziele zugleich zu verbessern - und die ziehen regelmäßig in verschiedene Richtungen: die Gesamtdauer (wann ist der letzte Lauf fertig), Rüst- und Reinigungszeiten, die Auslastung der teuren Anlagen - Reaktoren, Kolonnen, Abfülllinien -, die Termintreue gegenüber Kunden und Verladung sowie die Frage, wie kurz Zwischenprodukte in Tanks stehen.
Wie werden Scheduling-Probleme in der Praxis gelöst?
Da ein exaktes Durchrechnen aller Optionen zu lange dauert, arbeitet die Praxis mit einem Spektrum an Methoden - zunehmend in Kombination:
| Ansatz | Stärke | Grenze |
| Exakte Verfahren (MILP) | Nachweislich optimale Lösungen | Stößt bei wachsenden Anlagen und Horizonten an Zeitgrenzen |
| Heuristiken und Daumenregeln | Schnell, robust, leicht erklärbar („frühester Verladetermin zuerst“) | Gute Ergebnisse, selten die besten |
| Metaheuristiken (genetische Algorithmen, Simulated Annealing) | Nahezu optimale Zeitpläne in kurzer Zeit, auch im Anlagenmaßstab | Keine Optimalitätsgarantie; Tuning nötig |
| KI und Machine Learning | Prognostiziert Dauern und Störungen; unterstützt schnelles Umplanen | Lernt aus Anlagendaten - und erbt jeden Fehler darin |
Welche Methode ist besser? Das hängt von Anlagengröße, Planungshorizont und der verfügbaren Entscheidungszeit ab. Viele Betreiber nutzen beides: exakte Verfahren für die strukturellen Fragen, schnelle Heuristiken für das tägliche Umplanen, das jeder Anlagenstillstand, jedes verspätete Schiff und jeder Off-Spec-Laborwert erzwingt. Was KI im Anlagenkontext vor allem ermöglicht, ist eine größere Bandbreite an Szenarien: Ein Planer kann Dutzende Planszenarien vergleichen statt der zwei, drei, die eine manuelle Durchsicht erlaubt; Anomalien in Bilanzen und Bewegungen fallen auf, bevor sie den nächsten Plan verzerren; und Gelegenheitsnutzer können Betriebsdaten in natürlicher Sprache abfragen. Die Entscheidung, einen Plan zu übernehmen, bleibt beim Menschen - und jede dieser Fähigkeiten konsumiert Anlagendaten und erbt jede Inkonsistenz darin.
Der eigentliche Engpass
Warum scheitern mathematisch perfekte Zeitpläne in der Anlage?
Weil ein Solver nur so gut ist wie die Daten, über die er optimiert. Ein Schedule auf Basis eines falschen Tankstands, einer veralteten Laboranalyse oder einer Anlage, einer Anlage, deren tatsächliche Verfügbarkeit nur in der Tabelle eines Mitarbeiters dokumentiert ist, ist auf dem Papier optimal und in der Anlage nicht fahrbar. Trägt dasselbe Material in Planung, Scheduling und ERP drei verschiedene Definitionen, optimiert der Solver drei leicht unterschiedliche Realitäten zugleich. Das Ergebnis ist immer dasselbe: Die Scheduler verlieren das Vertrauen ins Werkzeug, korrigieren von Hand - und wandern zurück zu Excel.
Die Wurzel dieses Definitionsproblems ist strukturell. In einer Prozessanlage lebt derselbe physische Strom in allen drei Optimierungsdisziplinen zugleich - aber jede betrachtet ihn für ihren eigenen Zweck:
Ein physischer Strom - drei berechtigte Sichten
| Die Planung sieht | Ein Ziel: wie viel dieses Stroms diesen Monat fließen soll - und zu welcher Wirtschaftlichkeit |
| Das Scheduling sieht | Eine Abfolge: welche Bewegungen, zwischen welchen Anlagen und Tanks, in welcher Reihenfolge heute |
| Die Massenbilanz sieht | Ein Ergebnis: was tatsächlich geflossen ist, abgeglichen mit Messwerten und Beständen |
Keine dieser Sichten ist falsch. Jede beschreibt denselben physischen Strom für ihren eigenen Zweck, auf ihrem eigenen Detailgrad. Das Problem beginnt, wenn nichts sie verbindet - und derselbe Strom still zu drei unverbundenen Objekten wird.
Der limitierende Faktor der meisten Scheduling-Projekte ist nicht der Solver. Es sind die Daten, denen der Solver glaubt.
Das ist die stille Reihenfolge hinter jedem Optimierungserfolg in der Prozessindustrie: erst Datenreife, dann Optimierung, dann KI. Das Fundament unter dem Solver muss liefern: Live-Werte, an der Quelle verknüpft statt als alternde Kopien; eine gemeinsame Definition von Materialien, Tanks und Anlagen über Planung, Scheduling, Massenbilanz, Labor und ERP hinweg; eine Zeitdimension, die Plan-Ist-Vergleiche über Jahre gültig hält; und Neutralität gegenüber dem Solver- oder KI-Werkzeug, das darauf läuft. Wie ein solches Fundament nach 25 Jahren im Betrieb aussieht: Ein Datenrückgrat, 25 Jahre.
Häufige Fragen
Können Prozessanlagen Scheduling-Werkzeuge aus der diskreten Fertigung nutzen?
Nur bedingt. Generische Werkzeuge unterstellen meist, dass Ware in Arbeit lagerbar ist und Aufträge pausieren können - Annahmen, die im Anlagenbetrieb regelmäßig nicht zutreffen. Prozess-Scheduling braucht native Unterstützung für Haltbarkeitsgrenzen, Tankkapazitäten, Reinigungs- und Kontaminationsregeln, Kampagnen und das Nebeneinander von kontinuierlichem und Batch-Betrieb.
Ist Scheduling dasselbe wie ein APS- oder MES-System?
Nein. Scheduling ist die Aufgabe; APS (Advanced Planning and Scheduling) und MES (Manufacturing Execution System) sind Software-Kategorien, die sie unterstützen. Viele Anlagen schedulen erfolgreich mit spezialisierten Raffineriewerkzeugen, manche mit APS-Modulen und nicht wenige - im Guten wie im Schlechten - mit Tabellen. Die Aufgabe bleibt dieselbe, egal mit welchem Werkzeug.
Wie oft ändert sich ein Schedule?
Täglich in der Regel, stündlich wenn nötig. Jeder Anlagenstillstand, jedes verspätete Schiff, jeder Off-Spec-Laborwert und jeder Eilauftrag kann die aktuelle Abfolge entwerten - weshalb schnelles, vertrauenswürdiges Umplanen in der Praxis wichtiger ist als der eine perfekte Zeitplan.
Dieser Artikel ist Teil einer Serie über die Optimierungs-Triade der Raffinerie: Lesen Sie Warum Raffinerien in Tonnen rechnen: die Massenbilanz erklärt, Wenn der Rohöltanker nicht ankommt: Wie schnell kann eine Raffinerie umplanen? und das Herzstück der Serie, Ein Datenrückgrat, 25 Jahre.