Chinesische EV-Hersteller bringen ein neues Fahrzeug heute teilweise in rund 24 Monaten von der Idee bis zur Produktion. Traditionelle OEMs benötigen dafür häufig 40 bis 50 Monate. McKinsey beschreibt diese Lücke deutlich.
Wer Entwicklungszyklen verkürzen will, sollte deshalb nicht nur auf Engineering-Prozesse schauen. Auch Planung, Beschaffung, Lieferantennetzwerk und Produktionskapazität entscheiden darüber, wie schnell ein Programm tatsächlich industrialisiert werden kann.
Wenn Materialverfügbarkeit, Supplier Readiness oder Kapazitätskonflikte erst spät sichtbar werden, entstehen Verzögerungen genau dort, wo Korrekturen besonders teuer werden.
Bei verkürzten Entwicklungszyklen entsteht der Engpass häufig nicht zuerst im Engineering. Kritisch wird vielmehr die Frage, ob Komponenten, Werkzeuge, Lieferanten und Produktionskapazitäten zum richtigen Zeitpunkt bereitstehen.
Beschaffungsentscheidungen, lange Wiederbeschaffungszeiten oder Kapazitätsgrenzen bleiben häufig so lange im Hintergrund, bis sie unmittelbar den Programmplan gefährden. Zu diesem Zeitpunkt sind die verfügbaren Handlungsoptionen meist begrenzt.
Eine Studie des Capgemini Research Institute mit mehr als 1.000 Führungskräften aus zehn Ländern zeigt, dass zum Zeitpunkt der Untersuchung nur 53 % der Automotive-Unternehmen über eine ausgereifte intelligente Supply Chain für datenbasierte Entscheidungen verfügten.
Die andere Hälfte arbeitet damit zumindest teilweise weiterhin mit fragmentierten, verzögerten oder manuell konsolidierten Informationen.
Ein Control-Tower-Ansatz kann Informationen aus Beschaffung, Lieferantennetzwerk, Kapazitätsplanung und Produktionsplanung in einer gemeinsamen Sicht zusammenführen.
Der entscheidende Nutzen liegt dabei nicht im Dashboard selbst. Er entsteht dadurch, dass Risiken sichtbar werden, bevor sie sich durch das gesamte Entwicklungsprogramm fortpflanzen.
Verschiebt ein Lieferant beispielsweise einen Liefertermin oder meldet einen Kapazitätsengpass, sollten die Auswirkungen auf betroffene Komponenten, Produktionsvorbereitung und Programmmeilensteine unmittelbar bewertet werden können.
So verschiebt sich die Arbeitsweise von einer reaktiven Eskalation hin zu einer frühzeitigen Bewertung von Handlungsalternativen.
Klassische S&OP-Prozesse sind häufig auf eine bereits laufende Produktion ausgerichtet. In einem Entwicklungsprogramm gelten andere Voraussetzungen: Produktspezifikationen können sich noch verändern, während Beschaffung, Lieferantenqualifizierung und Produktionsvorbereitung bereits laufen müssen.
Genau daraus entsteht ein strukturelles Risiko. Werden Entwicklungsfortschritt und Supply-Chain-Kapazität getrennt betrachtet, tauchen Engpässe häufig erst während der Industrialisierung auf.
Eine wissenschaftliche Untersuchung zu S&OP in der Automotive-Zulieferindustrie beschreibt S&OP als einen koordinierten Prozess, der unter anderem Beschaffung, Produktion, Entwicklung und Finanzen in einer gemeinsamen Planung verbindet.
Für Fahrzeugprogramme bedeutet das: Änderungen im Engineering sollten nicht isoliert betrachtet werden. Ihre Auswirkungen auf Komponentenverfügbarkeit, Werkzeugbereitstellung, Lieferantenkapazität und Produktionsvorbereitung müssen möglichst früh sichtbar werden.
Digitale Szenarioplanung kann dabei unterstützen. Wird eine Spezifikation verändert oder ein Meilenstein verschoben, lassen sich mögliche Auswirkungen bewerten, bevor die Entscheidung endgültig umgesetzt wird.
Störungen entstehen selten ohne Vorzeichen. Ein Tier-2-Lieferant meldet steigende Kapazitätsprobleme. Qualitätsabweichungen häufen sich. Ein kritisches Vormaterial wird knapp. Lieferzeiten beginnen sich zu verlängern.
Das Problem ist häufig nicht das Fehlen dieser Signale, sondern dass sie nicht systematisch zusammengeführt und bewertet werden.
Die KPMG Global Automotive Executive Survey zeigt einen deutlichen Zusammenhang zwischen Vorbereitung auf Supply-Chain-Störungen und Geschäftserfolg: 94 % der Unternehmen, die sich selbst als sehr gut vorbereitet einschätzten, berichteten, ihre Ergebnisziele zu übertreffen. Bei weniger gut vorbereiteten Unternehmen waren es 45 %.
Gleichzeitig bleibt die Transparenz über Tier-2- und weitere vorgelagerte Lieferanten eine zentrale Herausforderung. Darauf weist auch Capgemini hin.
Gerade bei verkürzten Entwicklungszyklen wird diese Transparenz wichtiger. Denn je später ein Risiko sichtbar wird, desto weniger Zeit bleibt für alternative Lieferanten, Qualifizierung oder eine Anpassung des Produktionsplans.
Statische Zeitpläne geraten schnell an Grenzen, wenn Engineering-Meilensteine, Liefertermine, Tests, Werkzeugverfügbarkeit und Produktionskapazität voneinander abhängen.
Verschiebt sich ein Element, verändert sich häufig nicht nur ein einzelner Termin. Die Auswirkungen ziehen sich durch mehrere Arbeitspakete und Abhängigkeiten.
Dynamisches Scheduling hält diese Zusammenhänge aktuell. Ändert sich beispielsweise ein Liefertermin oder verschiebt sich ein Testfenster, können Auswirkungen auf nachgelagerte Aktivitäten neu bewertet und alternative Reihenfolgen betrachtet werden.
Der Wert liegt nicht darin, Entscheidungen vollständig zu automatisieren. Entscheider erhalten vielmehr schneller eine belastbare Grundlage dafür, welche Konsequenzen eine bestimmte Alternative mit sich bringt.
Kapazitätsmanagement macht diese Herausforderung besonders konkret.
Ohne integrierte Kapazitätstransparenz reagieren Unternehmen häufig mit zusätzlichen Puffern und Beständen auf Unsicherheit. Das kann kurzfristig Risiken abfedern, erhöht aber Kosten und bindet Kapital.
Eine integrierte Planung verbindet deshalb Lieferantenkapazität, interne Produktionsressourcen und Entwicklungsmeilensteine in einem gemeinsamen Modell.
Konflikte zwischen mehreren Fahrzeug- oder Komponentenprogrammen können dadurch früher sichtbar werden. Dann stehen noch unterschiedliche Handlungsoptionen zur Verfügung – beispielsweise eine andere Reihenfolge, eine Ressourcenverlagerung oder Maßnahmen zur Lieferantenentwicklung.
Wer Entwicklungsprogramme beschleunigen will, sollte nicht nur den finalen SOP-Termin messen.
Wichtiger sind operative Kennzahlen, die frühzeitig zeigen, wo Verzögerungen entstehen:
Diese Kennzahlen schaffen zugleich eine Datenbasis für zukünftige Programme.
Wenn bestimmte Komponenten regelmäßig längere Beschaffungszeiten verursachen oder Kapazitätskonflikte immer wieder in derselben Entwicklungsphase auftreten, wird aus einzelnen Problemen ein erkennbares Muster.
Auch McKinsey hebt die Bedeutung programmübergreifender Datenanalyse hervor. Einzelne Programme lassen sich lokal optimieren. Erst der Vergleich über mehrere Programme hinweg zeigt strukturelle Ursachen für wiederkehrende Verzögerungen.
Je kürzer ein Entwicklungszyklus, desto weniger Puffer bleibt für ungeplante Störungen.
Fällt ein kritischer Lieferant aus, verzögert sich eine Zertifizierung oder verändert sich eine regulatorische Voraussetzung, müssen Entscheidungen teilweise innerhalb weniger Tage getroffen werden.
Vorbereitete Reaktionsmodelle sind deshalb wirkungsvoller als spontane Eskalation.
Dazu gehören beispielsweise vorab definierte Vorgehensweisen für:
Im Originalartikel wird für kritische Supply-Chain-Themen ein Entscheidungsfenster von 48 bis 72 Stunden beschrieben, wenn funktionsübergreifende Teams über vorab definierte Entscheidungsbefugnisse verfügen.
Voraussetzung dafür bleibt dieselbe: Der aktuelle Zustand von Lieferanten, Materialversorgung, Kapazität und Programmen muss bekannt sein. Ohne diese Transparenz wird auch ein guter Krisenprozess zu spät aktiviert.
Viele Entwicklungsverzögerungen wirken im Moment ihres Auftretens überraschend. Rückblickend zeigen sich jedoch häufig wiederkehrende Muster.
Lieferzeiten verschlechtern sich vor einem Produktionshochlauf. Kapazitätskonflikte treten in bestimmten Entwicklungsphasen auf. Späte Spezifikationsänderungen erhöhen Beschaffungsrisiken.
Predictive Analytics kann historische Lieferanten-, Kapazitäts- und Programmdaten nutzen, um solche Entwicklungen früher sichtbar zu machen.
Teams können dann beispielsweise Ressourcen anders verteilen, alternative Beschaffungsstrategien vorbereiten oder parallele Qualifizierungen beschleunigen, bevor aus einem Risiko eine terminrelevante Störung wird.
Eine Analyse von S&P Global Mobility zeigt, wie sich Schwankungen bei Lieferzeiten über mehrere Ebenen der Automotive Supply Chain verstärken können. Gerade bei verkürzten Entwicklungsfenstern gewinnt die frühe Erkennung deshalb an Bedeutung.
1. Supply-Chain-Daten zusammenführen
Verbinden Sie Informationen zu Lieferanten, Komponenten, Kapazitäten und Entwicklungsmeilensteinen in einer gemeinsamen Sicht.
2. Kritische Meilensteine automatisch überwachen
Risiken bei Beschaffung oder Kapazität sollten sichtbar werden, bevor sie den kritischen Pfad des Programms erreichen.
3. Lieferantenleistung systematisch verfolgen
Betrachten Sie Lieferzuverlässigkeit, Qualität und Kapazität nicht nur für Tier-1-, sondern soweit möglich auch für Tier-2-Lieferanten.
4. Entwicklung und Kapazitätsplanung verbinden
Produktänderungen und verschobene Meilensteine sollten direkt auf Material- und Produktionskapazität gespiegelt werden können.
5. Szenarien vor einer Entscheidung vergleichen
Bewerten Sie Auswirkungen auf Liefertermine, Komponentenverfügbarkeit und Kapazitäten, bevor Änderungen umgesetzt werden.
6. Reaktionswege vorab definieren
Für kritische Liefer- und Kapazitätsprobleme sollten Verantwortlichkeiten und Entscheidungswege bereits vor einer Eskalation geklärt sein.
7. Historische Programmdaten nutzen
Analysieren Sie wiederkehrende Muster über mehrere Programme hinweg, um zukünftige Engpässe früher zu erkennen.
Die Verkürzung von Automotive-Entwicklungszyklen ist nicht allein eine Aufgabe des Engineerings.
Je ambitionierter die Time-to-Market wird, desto wichtiger werden Transparenz über Lieferanten, integrierte Planung, Kapazitätsmanagement und schnelle Entscheidungsprozesse.
Control Tower, S&OP, dynamisches Scheduling und Predictive Analytics verkürzen einen Entwicklungszyklus nicht automatisch.
Sie schaffen jedoch die Voraussetzungen dafür, dass Material, Lieferanten und Produktionskapazität mit dem Entwicklungstempo Schritt halten können – ohne Probleme erst dann sichtbar zu machen, wenn der Handlungsspielraum bereits stark eingeschränkt ist.