Six Sigma ist ein strukturierter Ansatz zur Qualitäts- und Prozessverbesserung, der darauf abzielt, Prozessfähigkeit zu erhöhen, Streuung (Variation) zu reduzieren und damit Fehler, Nacharbeit und Kosten der schlechten Qualität nachhaltig zu senken. Im Kern liefert Six Sigma ein diszipliniertes Methoden- und Werkzeugset, um Leistungsabweichungen messbar zu machen, Ursachen sauber zu identifizieren und Verbesserungen so abzusichern, dass sie stabil im Alltag wirken.
Der Name „Sigma“ kommt aus der Statistik: Er beschreibt die Standardabweichung als Maß der Streuung. Häufig wird Six Sigma mit einem sehr hohen Leistungsniveau verknüpft – klassisch mit 3,4 Fehlern pro Million Möglichkeiten (DPMO) als Referenzgröße. Wichtig ist dabei: In der Praxis geht es nicht um „Perfektion um jeden Preis“, sondern um gezielte, wirtschaftlich sinnvolle Stabilisierung kritischer Prozesse.
Six Sigma verbindet Kundenorientierung mit Fakten, Daten und statistischer Logik. Typische Themenfelder sind:
- Voice of the Customer (VoC) & Critical to Quality (CTQ): Was ist dem Kunden wirklich wichtig – und wie wird es messbar?- Messsysteme & Datenqualität: Verlässliche Daten als Basis (z. B. Messsystemanalyse, klare Operational Definitions).- Prozessleistung & Prozessfähigkeit: Wie gut erfüllt der Prozess Spezifikationen – heute und nachhaltig? (z. B. Cp/Cpk als Kennzahlen)- Ursachenanalyse statt Symptombekämpfung: Hypothesen prüfen, Zusammenhänge belegen (statt „Bauchgefühl“).- Risikoorientierung: Fehler- und Risikopriorisierung (z. B. FMEA) und robuste Gegenmaßnahmen.- Nachhaltige Absicherung: Standards, Control Plans, SPC/Regelkarten, Reaktionspläne – damit Verbesserungen bleiben.
DMAIC – Verbesserung bestehender Prozesse (stabilisieren, Variation senken, Leistung erhöhen)
DMAIC ist das Standard-Vorgehen, wenn ein Prozess grundsätzlich existiert, aber zu viele Fehler, Streuung, Nacharbeit, Kosten oder Lieferschwankungen produziert. Ziel ist, die Leistung messbar zu verbessern und anschließend dauerhaft zu sichern.
D – Define (Definieren) - Zielbild & Nutzen klären: Was ist das Problem (aus Kundensicht/Business-Sicht), was ist das Ziel (SMART), wo beginnt/endet der Prozess (Scope)?- CTQ & Anforderungen: Welche Qualitätsmerkmale sind kritisch (CTQs), welche Spezifikationen/Erwartungen gelten?- Projektaufsetzung: Rollen (Champion/Owner/Belts), Meilensteine, Risiken, Kommunikations- und Eskalationswege.- Typische Ergebnisse: Project Charter, SIPOC/High-Level Prozessbild, Stakeholder-Analyse, erste Hypothesen.
M – Measure (Messen) - Ist-Leistung bestimmen: Baseline (z. B. DPMO, Yield, Durchlaufzeit, Ausschuss, Reklamationen).- Messsystem absichern: Daten sind nur so gut wie das Messsystem (Klarheit von Definitionen, Messfähigkeit, ggf. MSA).- Prozess transparenter machen: Datensammelplan, Prozessschritte, Übergaben, Einflussgrößen (X) vs. Ergebnisgrößen (Y).- Typische Ergebnisse: Datenerfassungsplan, Baseline-Kennzahlen, verlässliche Datengrundlage, Prozesskarte/VSM-Ausschnitt.
A – Analyze (Analysieren) - Ursachen belegen statt vermuten: Welche X treiben das Y? Wo entstehen Streuung/Fehler wirklich?- Ursachenlogik strukturieren: Ursachenbäume, 5-Why, Ishikawa, Pareto; anschließend Validierung (datenbasiert).- Engpässe/Schlüsselstellen identifizieren: Prozessschritte oder Einflussgrößen, die den größten Effekt haben.- Typische Ergebnisse: verifizierte Root Causes, quantifizierte Hebel, priorisierte Ursachenliste inkl. Evidenz.
I – Improve (Verbessern) - Lösungen entwickeln und testen: Gegenmaßnahmen, Prozessänderungen, Parameter-Optimierung, Poka Yoke, Standardisierung.- Wirksamkeit nachweisen: Pilot/Trial, Vorher-Nachher-Vergleich, Stabilitätsnachweis unter realen Bedingungen.- Robustheit erhöhen: Lösungen so gestalten, dass sie auch bei Schwankungen funktionieren (nicht nur im „Best Case“).- Typische Ergebnisse: implementierte Verbesserungen, nachgewiesener Effekt, aktualisierte Standards/Arbeitsanweisungen.
C – Control (Steuern/Absichern) - Sicherung in die Linie: Monitoring, Regelkarten/SPC (wo sinnvoll), Reaktionspläne, Audit-/Review-Routinen.- Standard & Ownership: Prozessverantwortung, Schulung, visuelles Management, KPI-Logik und Eskalation festlegen.- Nachhaltigkeit: Verhindern, dass der Prozess zurückfällt (Drift) – durch klare Trigger und Maßnahmen.- Typische Ergebnisse: Control Plan, KPI/Visual Boards, Reaktionsmatrix, stabile Prozessleistung über Zeit.
Merksatz: DMAIC eignet sich immer dann, wenn ein Prozess „da“ ist, aber nicht stabil oder nicht fähig genug läuft.
DMADV / DFSS – Entwicklung oder grundlegendes Redesign (Qualität „hinein konstruieren“)
DMADV (oft im Kontext Design for Six Sigma – DFSS) nutzt man, wenn bestehende Prozesse/Produkte die Anforderungen strukturell nicht erfüllen (z. B. Technologiegrenzen, zu hohe Komplexität, falsches Prozessdesign) oder wenn etwas neu entwickelt wird. Ziel ist, Qualität und Leistungsfähigkeit von Anfang an in Design und Prozesslayout zu integrieren.
D – Define (Definieren) - Ziel & Business Case: Warum neues Design/Redesign? Welche Ziele (Kosten, Qualität, Lieferfähigkeit, Sicherheit, Skalierbarkeit)?- Kunden-/Nutzeranforderungen: VoC → CTQ-Struktur inkl. Prioritäten und Messdefinitionen.- Randbedingungen: Normen/Regulatorik, Kapazität, Automatisierung, Schnittstellen, Standort-/Layoutgrenzen.- Typische Ergebnisse: Design-Charter, CTQ-Tree, grobes Konzept-Scope und Stakeholder-Alignment.
M – Measure (Messen/Übersetzen) - Anforderungen messbar machen: CTQs in messbare Spezifikationen, Toleranzen, Zielwerte, Abnahmekriterien übersetzen.- Capability-Ziele definieren: Welche Prozessfähigkeit ist notwendig, um CTQs stabil zu erreichen?- Benchmark/Referenzen: interne/externen Vergleich, Lessons Learned, bekannte Fehlerbilder/Failure Modes.- Typische Ergebnisse: messbare Spezifikationen, Target-Kapabilität, Mess- und Abnahmeplan.
A – Analyze (Analysieren/Optionen bewerten) - Design-Alternativen entwickeln: mehrere Konzepte (nicht nur „eine Idee“).- Risiko & Machbarkeit bewerten: FMEA/Design-Risiken, Komplexität, Kosten, Herstellbarkeit, Bedienbarkeit, Wartbarkeit.- Trade-offs transparent machen: z. B. Qualität vs. Kosten vs. Flexibilität — mit klaren Entscheidungskriterien.- Typische Ergebnisse: bewertete Konzepte, Entscheidungsgrundlage (bewusste Auswahl des besten Designs).
D – Design (Designen/Detailauslegung) - Detaildesign ausarbeiten: Prozessschritte, Parameterfenster, Prüfkonzept, Layout/Materialfluss, Standardarbeit.- Robustes Design: Fehlervermeidung (Poka Yoke), Toleranzdesign, geeignete Prozessfenster, Schnittstellenklarheit.- Industrialisierung vorbereiten: Arbeitspläne, Qualifikationen, Instandhaltung, Ersatzteile, HSE-Aspekte.- Typische Ergebnisse: detailliertes Prozess-/Produktdesign, SOPs/Standards, Prüf- & Kontrollkonzept, Ramp-up-Plan.
V – Verify (Verifizieren/Validieren) - Nachweis unter Realbedingungen: Prototyp/Pilot, Vorserie, Prozessabnahmen, Leistungsnachweis gegen CTQs.- Stabilität & Übergabe: Abnahmekriterien erfüllt? Control Plan, Schulung, Start-up/Run-at-Rate, Freigaben.- Serienreife: klare Kriterien, ab wann „serienfähig“ bzw. „rolloutfähig“.- Typische Ergebnisse: validiertes Design, erfüllte CTQs, Freigabe/Übergabe in Linie, stabiler Serienstart.
Merksatz: DMADV/DFSS ist sinnvoll, wenn du Qualität nicht „reparieren“, sondern sauber konstruieren musst — weil der bestehende Ansatz die Anforderungen prinzipiell nicht stabil erfüllen kann.
Six Sigma funktioniert am besten, wenn es nicht nur „Projektarbeit“ ist, sondern klar in Führung, Priorisierung und Governance eingebettet wird. Typische Rollen sind:
- Sponsor/Champion: stellt Priorität, Ressourcen, Barrierenabbau sicher- (Master) Black Belt: methodische Führung, Coaching, Statistik-Tiefe- Green Belt/Yellow Belt: Umsetzung nah am Prozess, schnelle Verbesserungen- Prozessverantwortliche: sichern Übergabe, Standards und Kennzahlen im Alltag
Stärken von Six Sigma - Stabilere Prozesse, weniger Fehler/Nacharbeit, höhere Liefertreue und Qualität- Entscheidungen auf Basis von Daten statt Annahmen- Verbesserungen werden über Control-Mechanismen nachhaltig verankern
Häufige Stolpersteine - Zu wenig Datenqualität bzw. unklare Messdefinitionen („Zahlen ohne Vertrauen“)- „Statistik als Selbstzweck“ statt Fokus auf Wirkung und Business-Nutzen- Fehlende Führungseinbindung (Projekt läuft, Linie bleibt unverändert)- Zu große Projekte ohne sauberen Scope und ohne schnellen Nutzen (Quick Wins)
Lean und Six Sigma ergänzen sich sehr gut:
- Lean reduziert Verschwendung, verkürzt Durchlaufzeiten, schafft Fluss und Standards.- Six Sigma reduziert Variation, erhöht Prozessfähigkeit und senkt Fehlerkosten.
Operational Excellence ist dabei der übergeordnete Rahmen: Wertschöpfung, Stabilität, Führungssystem und Kultur greifen ineinander – Six Sigma liefert die datenbasierte Tiefenlogik dort, wo „Stabilität und Qualität“ der Engpass sind.
Im Sinne des 5M Lean House lässt sich Six Sigma sehr gut einordnen:
- Lean Motivation: Verbesserungen werden über Kundenanforderungen (CTQ) und Business-Nutzen begründet.- Lean Mindset: Faktenbasierung, Hypothesen prüfen, Variation verstehen – statt Meinungen.- Lean Management: klare Rollen (Champion/Belts), Priorisierung, Review-Routinen, KPI-Logik.- Lean Migration: strukturierter Projektpfad (DMAIC/DMADV) und Change-Begleitung bis in die Linie.- Lean Manifestation: Standards, Control Plans, SPC/Monitoring – sichtbare, stabile Umsetzung im Alltag.
Ich nutze Six Sigma nicht als „Statistik-Programm“, sondern als Wirkungslogik für kritische Qualitäts- und Stabilitätsprobleme:
1. Problem richtig schneiden: CTQ klar, Scope klein genug, Nutzen sichtbar.2. Daten nur dort vertiefen, wo es nötig ist: so viel Statistik wie erforderlich – so wenig wie möglich.3. Lean + Six Sigma kombinieren: erst Stabilität und Standards schaffen, dann Variation gezielt reduzieren (oder umgekehrt – je nach Engpass).4. Absicherung in Routinen: Control-Mechanismen werden direkt in Führung, Standards und Kennzahlen verankert – damit es nicht bei „Projektfolien“ bleibt.