Home Forschungsaktivitäten im Gebiet der Fabrikplanung
Article Open Access

Forschungsaktivitäten im Gebiet der Fabrikplanung

Eine wissenschaftliche Analyse
  • Mehmet Demir

    Mehmet Demir, M. Sc., geb. 1998, studierte Wirtschaftsingenieurwesen mit dem Schwerpunkt Produktionstechnik an der Leibniz Universität Hannover. Seit 2023 ist er Wissenschaftlicher Mitarbeiter der Fachgruppe Fabrikplanung am Institut für Fabrikanlagen und Logistik (IFA) der Leibniz Universität Hannover.

    EMAIL logo
    , Tanya Jahangirkhani

    Tanya Jahangirkhani, M. Sc., studierte an der Technischen Universität Darmstadt, dem Politecnico di Torino und der Technischen Hochschule Mittelhessen Wirtschaftsingenieurwesen mit dem Schwerpunkt Maschinenbau. Seit 2022 arbeitet sie am Institut für Fabrikanlagen und Logistik (IFA) der Leibniz Universität Hannover als Wissenschaftliche Mitarbeiterin in der Fachgruppe Fabrikplanung.

    , Luca Philipp

    Luca Philipp, M. Sc., geb. 1997, studierte Produktion und Logistik an der Leibniz Universität Hannover. Seit 2024 ist er Wissenschaftlicher Mitarbeiter der Fachgruppe Fabrikplanung am Institut für Fabrikanlagen und Logistik (IFA) der Leibniz Universität Hannover.

    and Matthias Schmidt

    Prof. Dr.-Ing. habil. Matthias Schmidt, geb. 1978, studierte Wirtschaftsingenieurwesen an der Leibniz Universität Hannover und arbeitete anschließend als Wissenschaftlicher Mitarbeiter am Institut für Produktionsanlagen und Logistik (IFA). Nach seiner Promotion zum Dr.- Ing., wurde er Leiter des Bereichs Forschung und Industrie des IFA und habilitierte dort. 2018 wurde er Inhaber des Lehrstuhls für Produktionsmanagement und ab 2019 Leiter des Instituts für Produktionstechnik und -systeme (IPTS) an der Leuphana Universität Lüneburg. Seit 2024 hat er die Leitung des IFA übernommen.

Published/Copyright: September 16, 2025

Abstract

Trotz weitgehender Einigkeit über die Herausforderungen in der Fabrikplanung unterscheiden sich Lösungsansätze und Forschungsschwerpunkte. Dieser Beitrag bietet eine systematische Analyse über die wissenschaftlichen Aktivitäten im Forschungsgebiet der Fabrikplanung der vergangenen fünf Jahre. Zentrale Forschungsaktivitäten, Themenfelder und Trends werden literatur- und datenbasiert identifiziert. Die Ergebnisse liefern praxisrelevante Implikationen und geben gezielte Orientierung für zukünftige wissenschaftliche sowie industrielle Initiativen.

Abstract

Despite broad consensus on the challenges in factory planning, approaches to solutions and research priorities differ. This contribution provides a systematic analysis of scientific activities in the field of factory planning over the past five years. Key research activities, thematic areas, and trends are identified based on literature and data. The results offer practical implications and provide targeted guidance for future scientific and industrial initiatives.

Ausgangssituation und Problemstellung

Das produzierende Gewerbe bildet ein zentrales Fundament des industriellen Wirtschaftssektors der deutschen Volkswirtschaft und trägt maßgeblich zu Wirtschaftswachstum und Beschäftigung bei [1, 2, 3, 4]. Unternehmen stehen seit jeher im Spannungsfeld zwischen ökonomischen Zielsetzungen und wechselnden Anforderungen aus Markt, Gesellschaft und Technologie [5, 6, 7, 8]. Ursachen dieser Anforderungen können eine zunehmende Marktdynamik, steigender Kostendruck, verkürzte Produkt- und Technologiezyklen, globale Megatrends wie die Digitalisierung, Nachhaltigkeit in ökonomischer, ökologischer und sozialer Hinsicht, demografischer Wandel oder der Fachkräftemangel sein [3, 5, 6, 9, 10, 11, 12, 13, 14, 15, 16]. Globale Ereignisse der jüngeren Vergangenheit (z. B. die COVID-19-Pandemie, Unterbrechungen internationaler Lieferketten infolge geopolitischer Spannungen oder logistische Engpässe) verdeutlichen die Notwendigkeit strategischer Initiativen, um den Herausforderungen einer zunehmend digitalisierten, volatilen und vernetzten Produktionslandschaft zu begegnen [17, 18, 19]. In diesem Kontext kommt der Fabrikplanung eine zentrale Rolle zu [9]: Sie schafft die Grundlage für sämtliche zukünftige Produktionsaktivitäten. Als kontinuierlicher Prozess ist sie darauf ausgerichtet, Unternehmensstrategien operativ umzusetzen, indem Strukturen und Systeme produzierender Unternehmen fortlaufend an das wandelnde Unternehmensumfeld angepasst werden [5, 6, 8, 9, 14, 20]. Ziel ist es, Fabriken zu gestalten, die zukünftige Veränderungen des Marktumfelds stets wirtschaftlich bewältigen können [5, 6, 8]. Die beschriebenen Herausforderungen erhöhen die Anforderungen jedoch erheblich und führen zu einer wachsenden Komplexität der Planungsaufgaben [5, 6, 8]. Besonders Unternehmen, die mit begrenzten Ressourcen agieren, stehen vor der Herausforderung, effiziente, zuverlässige und zugleich kostengünstige Prozessabläufe zu gestalten und dabei eine steigende Variantenvielfalt, kurzzyklischere Einführung neuer Produkte sowie volatile Nachfragestrukturen zu bewältigen [3, 8, 10, 21].

Vor diesem Hintergrund gewinnt die Forschung im Bereich der industriellen Produktion und insbesondere der Fabrikplanung zunehmend an Bedeutung. Die genannten Herausforderungen werden adressiert, indem innovative, methodische und anwendungsorientierte Ansätze entwickelt werden. Ziel der Forschung auf dem Gebiet der Fabrikplanung ist es, Unternehmen durch wissenschaftlich fundierte Konzepte, Werkzeuge und Rahmenwerke zu unterstützen, die über fragmentierte Einzelbetrachtungen hinausgehen und eine ganzheitliche Bewältigung der Komplexität ermöglichen. Von besonderer Bedeutung ist dabei die enge Zusammenarbeit zwischen Wissenschaft und Wirtschaft, um praxisnahe Lösungen zu entwickeln, die Unternehmen bei der effizienten Nutzung ihrer begrenzten Ressourcen unterstützen.

Trotz intensiver Forschungsaktivitäten und einer Vielzahl existierender Ansätze mangelt es in der Literatur bislang an einer systematischen, literaturbasierten Identifizierung und Analyse der dominierenden Forschungsaktivitäten und Themenfelder der jüngeren Vergangenheit. Eine solche Übersicht ist von großem wissenschaftlichem und praktischem Wert, um bestehende Lücken zu erkennen und zukünftige Forschungsinitiativen gezielt auszurichten. Ziel dieses Beitrags ist es daher, auf Basis einer systematischen Analyse der aktuellen wissenschaftlichen Literatur im Bereich der Fabrikplanung der letzten fünf Jahre einen umfassenden Überblick über die zentralen Forschungsaktivitäten und -themen zu geben.

Das Gebiet der Fabrikplanung ist von einer hohen Veränderungsdynamik geprägt. Planungsziele, Methoden und Forschungsschwerpunkte verändern sich kontinuierlich. Die Beschränkung des Untersuchungszeitraums auf die letzten fünf Jahre gewährleistet eine aktuelle Analyse des dynamischen Forschungsfeldes, da ältere Forschungsaktivitäten aufgrund des schnellen Wandels nur noch eingeschränkt relevant und übertragbar sind. Im Fokus stehen die Identifikation dominanter Themenfelder und deren Relevanz im aktuellen Forschungsdiskurs. Abschließend werden Implikationen für die Praxis abgeleitet.

Zielsetzung

Wie in der Einleitung dargelegt, besteht ein weitgehend einheitliches Verständnis hinsichtlich der Problemstellungen produzierender Unternehmen sowie der daraus resultierenden Herausforderungen für die Fabrikplanung. Die Auffassungen verschiedener Autoren, u. a. von Bauernhansl, Bracht, Burggräf, Grundig, Lanza, Nyhuis, Pawellek, Schuh, Westkämper, Wiendahl und Zäh zeigen hierbei eine hohe Übereinstimmung. Dennoch unterscheiden sich die Lösungsansätze deutlich in ihrer Schwerpunktsetzung, was in divergierenden forschungsleitenden Fragestellungen und Zielsetzungen resultiert. Das Ziel dieses Beitrags besteht darin, auf Basis einer systematischen Analyse der wissenschaftlichen Literatur im Bereich der Fabrikplanung der letzten fünf Jahre einen umfassenden Überblick über die zentralen Forschungsaktivitäten und -themen zu geben. Im Mittelpunkt steht die Identifikation dominanter Themenfelder. Darüber hinaus werden Implikationen für die Praxis abgeleitet. Ziel ist es, durch eine strukturierte Darstellung bestehender Forschungsaktivitäten bestehende Lücken zu erkennen und gezielt Ansatzpunkte für zukünftige Forschungsinitiativen aufzuzeigen. Damit leistet der Beitrag einen wissenschaftlichen und praktischen Mehrwert, indem er Unternehmen und Forschenden systematisch den Status quo sowie Entwicklungsperspektiven im Forschungsgebiet der Fabrikplanung bietet.

Methodik

Zur systematischen Analyse der wissenschaftlichen Forschungsaktivitäten in der Fabrikplanung wurde ein mehrstufiges Vorgehen gewählt. Ziel ist es, eine belastbare Analyse der thematischen Schwerpunkte der vergangenen fünf Jahre zu erhalten. Die Methodik gliedert sich in drei aufeinander aufbauende Schritte:

  1. Datenbeschaffung

    Auswahl einer relevanten Datenbank und Definition eines geeigneten Suchstrings zur systematischen Identifikation von wissenschaftlichen Publikationen der letzten fünf Jahre im Themenfeld der Fabrikplanung.

  2. Datenbereinigung

    Eliminierung von Dubletten und Sicherstellung der Datenqualität als Grundlage für eine valide und konsistente Analyse.

  3. Datenauswertung und -interpretation

    Kategorisierung und bibliometrische Analyse der bereinigten Daten zur Identifikation zentraler Themenfelder und Forschungsschwerpunkte sowie eine Visualisierung und inhaltliche Interpretation der Analyseergebnisse zur Ableitung wissenschaftlich relevanter Erkenntnisse.

Analyse der Forschungsaktivitäten der letzten fünf Jahre

Zur systematischen Analyse der wissenschaftlichen Forschungsaktivitäten im Bereich der Fabrikplanung wurde ein mehrstufiges Vorgehen gewählt. Dieses gliedert sich in die Schritte Datenbeschaffung, Datenbereinigung sowie Datenauswertung und -interpretation, um eine belastbare Identifikation thematischer Schwerpunkte der vergangenen fünf Jahre (2020–2024) zu ermöglichen.

Datenbasis und Suchstrategie

Für die systematische Analyse der wissenschaftlichen Literatur im Forschungsgebiet Fabrikplanung wurde die Datenbank Scopus als gewählt. Scopus ist eine der weltweit größten, multidisziplinären Literaturdatenbanken für wissenschaftliche Publikationen. Auf die Nutzung mehrerer Datenbanken (z. B. Goolge Scholar oder SpringerLink) wurde verzichtet, um das Risiko von Dubletten und somit einer Verzerrung der Auswertung zu minimieren. Die Literatursuche erfolgte im Juni 2025 und umfasste Publikationen aus den letzten fünf vollen Jahren (Untersuchungszeitraum 2020 bis 2024). Der Suchstring wurde generisch gewählt, um eine möglichst breite Ergebnisbasis zu generieren:

TITLE-ABS-KEY ((„factory“ AND „planning“)) AND PUBYEAR > 2019 AND PUBYEAR > 2025

Zur Plausibilisierung der Entscheidung ausschließlich mit der Datenbank Scopus zu arbeiten, wurde der Suchstring in weiteren Datenbanken, wie z. B. SpringerLink, getestet. Es konnte festgestellt werden, dass die Nutzung weiterer Datenbanken zu einer erhöhten Zahl von Dubletten führt, ohne den Erkenntnisgewinn durch nicht-Scopus-gelistete Publikationen signifikant zu steigern. Der Suchstring hat 2.105 Ergebnisse generiert. Ergebnisse, die weder einen Titel noch einen Autor aufweisen, wurden aus der weiteren Analyse ausgeschlossen, sodass insgesamt 2.049 Publikationen in der weiteren Analyse betrachtet wurden. Die Suchergebnisse wurden als CSV-Datei exportiert. Die exportierten Datensätze enthalten u. a. folgende Informationen:

  1. Autor(en),

  2. Anzahl der Zitationen,

  3. Dokumententyp,

  4. Titel,

  5. Jahr der Veröffentlichung und

  6. Keywords.

Datenbereinigung

Für die Analyse und die Zielsetzung standen insbesondere die Keywords im Fokus, da diese eine thematische Einordnung der Publikationen ermöglichen. Diese erhalten jeweils zwischen 3 und 9 Keywords, was in Summe zu 8.956 Keywords führt. Um eine aussagekräftige Auswertung zu gewährleisten, wurden die Keywords zunächst bereinigt. Dies umfasste:

  1. Stammformreduktion (z. B. wurden „simulation“, „simulations“ und „simulating“ zu dem Keyword „simulation“ zusammengeführt),

  2. Lemmatisierung (z. B. wurde „processes“ in „process“ oder „factories“ in „factory“ überführt),

  3. Zusammenführen von Synonymen (z. B. „digital twin“ und „digital shadow“ wurden unter dem Begriff „digital twin“ vereinheitlicht),

  4. Vereinheitlichung von Schreibweisen (z. B. „I.40“/„I.4.0“ oder „Industry 4.0“),

  5. Entfernung von Leer- und Satzzeichen (z. B. wurden „factory-planning“ und „factory planning“ zu „factory planning“ zusammengeführt),

  6. Eliminierung von Mehrfachnennungen (z. B. wurde das Keyword Industry 4.0 145-mal genannt).

Durch die Datenbereinigung konnte die Anzahl der Keywords auf 5.787 reduziert und mit Häufigkeiten hinterlegt werden. Auf Basis der bereinigten Keywords wurden die 500 häufigsten Keywords identifiziert. Diese repräsentieren die dominierenden Themenfelder im Forschungsgebiet der Fabrikplanung der letzten fünf Jahre.

Anschließend wurde eine Ähnlichkeitsanalyse auf Basis von Sentence Embeddings durchgeführt. Dabei werden Methoden des maschinellen Lernens verwendet, um die inhaltliche Nähe zwischen Begriffen nicht nur auf Basis der Schreibweise, sondern vor allem anhand ihrer Bedeutung zu bewerten [22]. Im Gegensatz zu rein regelbasierten Methoden (z. B. einfache Textvergleiche oder manuelle Gruppierung) ermöglicht die Nutzung von Sentence Embeddings eine inhaltlich fundierte, skalierbare Zusammenführung von Keywords [23]. Ergebnisse einer Studie belegen, dass Sentence Embeddings besonders bei kurzen Textfragmenten gute Ergebnisse liefert [23]. So können auch Begriffe, die unterschiedlich geschrieben sind, aber inhaltlich das Gleiche meinen, zuverlässig erkannt werden. Das Vorgehen umfasst dabei zwei Schritte:

  1. Erzeugung von Vektoren (Embeddings) Jedes Keyword wird mithilfe eines vortrainierten Sprachmodells aus der Bibliothek SentenceTransformers in einen Vektor umgewandelt. Dieser Vektor ist eine Zahlenreihe, die die Bedeutung des Begriffs in einem mehrdimensionalen Raum abbildet. Ähnliche Begriffe liegen in diesem Raum näher beieinander als unähnliche Begriffe.

  2. Berechnung der Ähnlichkeit und Festlegung des Schwellenwerts (Threshold) Die Liste an verbliebenen 5.787 Keywords wird mit den 500 häufigsten Keywords gegenübergestellt, verglichen und mit einem Ähnlichkeitswert hinterlegt. Um zu bestimmen, wie stark sich ein Keyword aus ähnelt, wird die Kosinus-Ähnlichkeit zwischen ihren Vektoren berechnet. Die Kosinus-Ähnlichkeit ist ein Maß, das Werte zwischen -1 und 1 annehmen kann. Ein Wert von 1 bedeutet, dass die Begriffe identisch sind. Ein Wert von 0 bedeutet, dass keine Ähnlichkeit besteht. Werte nahe 1 (z. B. 0,8) zeigen eine hohe semantische Ähnlichkeit an. Das Keyword „panic button“ wurde bspw. dem Keyword „controller“ mit einem Kosinus-Ähnlichkeitswert von 0,275 zugeordnet. Der Wert bekräftigt die sowohl semantisch als auch inhaltlich fehlerhafte Zuordnung. Auch Begriffe mit einem höheren Wert können fälschlicherweise zugeordnet sein. Beispielsweise wurde das Keyword „facility location problem“ dem Top 500 Keyword „facility layout problem“ mit einem Kosinus-Ähnlichkeitswert von 0,756 zugeordnet. Trotz der semantischen Ähnlichkeit, gibt es einen bedeutend inhaltlichen Unterschied dieser Begriffe. Die Wahl eines geeigneten Schwellenwerts erfolgte nach manueller Überprüfung und Stichprobentests, um sicherzustellen, dass sowohl semantisch als auch inhaltlich ähnliche Keywords zuverlässig zusammengeführt werden, ohne Keywords dabei fälschlicherweise zu gruppieren. Nach multiplen Stichprobentests wurde der minimale Schwellenwert von 0,8 definiert. Überschreitet die berechnete Ähnlichkeit zwischen zwei Keywords diesen Wert, werden sie als semantisch gleichwertig betrachtet und zusammengeführt. Die Keywords „logistics in thailand“ und „factory logistics“ haben einen Ähnlichkeitswert über 0,8 und wurden daher dem häufig erwähntem Keyword „logistics“ zugeordnet. Begriffe mit einem geringerem Kosinus-Ähnlichkeitswert als 0,8 werden im weiteren Vorgehen nicht weiter betrachtet (in Summe 1.512). Der Ausschluss dieser Keywords ist notwendig, um sich auf die relevanten dominierenden Forschungsthemen zu beschränken.

Der Prozess des Sentence Embeddings wurde mithilfe eines Python-Skripts automatisiert, sodass die Analyse reproduzierbar und transparent ist. Die Ergebnisse wurden zudem in einer Excel-Datei dokumentiert, um die Nachvollziehbarkeit zu gewährleisten. Im Ergebnis liegen die 500 häufigsten Keywords inkl. Häufigkeit der Nennungen (4.275) vor.

Datenauswertung und -interpretation

Im nächsten Schritt wurden die Top 500 Keywords einer hierarchischen Kategorisierung unterzogen. In der ersten Ebene erfolgte die Zuordnung zu übergeordneten Themenfeldern, wie beispielsweise „industry 4.0“ oder „digitalization“. In den nachfolgenden Ebenen wurden diese Hauptthemen weiter differenziert und in spezifische Subthemen untergliedert. So konnte etwa das Themenfeld „industry 4.0“ auf der nächsten Ebene in Bereiche wie „AI“ oder „automatization“ weiter aufgeschlüsselt werden. Die mehrstufige Kategorisierung ermöglicht eine differenzierte Analyse der Forschungslandschaft (vgl. Bild 1). Auf der ersten Ebene werden die Hauptthemen identifiziert. Die zweite Ebene dient der weiteren Differenzierung nach relevanten Subthemen für eine feingranulare Analyse spezifischer Forschungsaspekte. Dieses Vorgehen erlaubt es, sowohl übergeordnete Trends als auch detaillierte Forschungsschwerpunkte sichtbar zu machen. Das Ergebnis dieses mehrstufigen Kategorisierungsprozesses ist eine Liste der 500 am häufigsten genannten Keywords inkl. Kategorien 1. und 2. Ebene. Ein Auszug aus dieser Liste ist in Bild 1 dargestellt.

Bild 1 Auszug der Top 500 Keywords inkl. Kategorisierung und Häufigkeit
Bild 1

Auszug der Top 500 Keywords inkl. Kategorisierung und Häufigkeit

Insgesamt konnten in der ersten Kategorie vier dominierende Forschungsthemen identifiziert werden: „digitalization“, „factory“, „transformability“ und „sustainability“. Ergänzend die fünfte Kategorie „others“ eingeführt, um die Themenbereiche abzudecken, die sich keinem der vier Hauptthemen eindeutig zuordnen lassen (Bild 2).

Bild 2 Sunburst-Diagramm über alle Keywords
Bild 2

Sunburst-Diagramm über alle Keywords

Digitalization

Die Auswertung der Publikationen zeigt, dass Digitalisierung eines der zentralen Forschungsthemen in den letzten fünf Jahren der Fabrikplanung war. Dabei standen insbesondere Künstliche Intelligenz und maschinelles Lernen im Fokus. Begriffe wie „artificial intelligence“, „machine learning“, „deep learning“ und „reinforcement learning“ werden häufig genannt. Sie verdeutlichen, dass Methoden der KI mittlerweile ein integraler Bestandteil der Fabrikplanung sind und insbesondere zur Optimierung und Automatisierung von Prozessen eingesetzt werden. Die hohe Nennung von „digital twin“ zeigt, dass virtuelle Abbilder realer Fabriken in der Forschung eine hohe Bedeutung haben, etwa für Simulation, Überwachung und Optimierung von Produktionssystemen. „Industry 4.0“ ist das am häufigsten genannte Einzel-Keyword. Auch „internet of things“, „smart factory“ und „intelligent manufacturing“ sind zentrale Begriffe. Diese verdeutlichen, die hohe Relevanz des Themengebiets Industrie 4.0, IoT und smarte Systeme und unterstreichen die Relevanz cyber-physischer Systeme und vernetzter, intelligenter Produktionsumgebungen. Die Themenfelder Automatisierung, Robotik und Simulation sind durch Keywords wie „robotics“, „automated guided vehicle“, „human-robot collaboration“ und weitere identifizierte Schwerpunkte. Die Forschung adressiert autonome Systeme, Mensch-Roboter-Kollaboration und Simulationsmethoden. Datenbasierte und neue Technologien werden durch Begriffe wie „big data“, „data analytics“, „cloud computing“, „blockchain“, „augmented reality“ und „virtual reality“ vertreten und zeigen, dass datengetriebene und immersive Technologien zunehmend in die Fabrikplanung integriert werden (vgl. Bild 3).

Bild 3 Sunburst-Diagramm – Digitalization
Bild 3

Sunburst-Diagramm – Digitalization

Fazit: Die Digitalisierung der Fabrikplanung wird von KI, digitalen Abbildern, Industrie-4.0-Konzepten, Automatisierung und datengetriebenen Technologien geprägt. Diese Schwerpunkte spiegeln die Trends wider und verdeutlichen, dass ohne digitale Ansätze moderne Fabrikplanung kaum mehr handhabbar ist.

Factory

Die Analyse zeigt, dass klassische Themen der Fabrikplanung eine zentrale Rolle in der Forschung spielen. Besonders häufig genannt werden Begriffe wie „factory planning“, „layout planning“, „facility layout“, „plant layout“ und „factory operation“. Dies verdeutlicht, dass die Gestaltung und Optimierung von Fabriklayouts, Materialflüssen und Produktionsprozessen nach wie vor im Fokus der Forschung stehen. Weitere Schwerpunkte sind „assembly planning“, „logistics planning“, „capacity planning“ sowie Methoden zur systematischen Planung und Revitalisierung von Fabriken. Die hohe Nennung von „factory planning“ und verwandten Begriffen unterstreicht die Bedeutung einer strukturierten, ganzheitlichen Planung für Effizienz, Flexibilität und Zukunftsfähigkeit industrieller Produktionsstätten (vgl. Bild 4).

Bild 4 Sunburst-Diagramm – Factory
Bild 4

Sunburst-Diagramm – Factory

Fazit: Die klassische Fabrikplanung bleibt ein zentrales Forschungsfeld, wobei die Optimierung von Layouts, Materialflüssen und Planungsprozessen im Vordergrund steht. Die Forschung adressiert sowohl neue als auch bestehende Fabriken und legt dabei Wert auf Effizienz, Anpassungsfähigkeit und nachhaltige Nutzung von Ressourcen.

Sustainability

Im Themenfeld Nachhaltigkeit stehen „energy“, „carbon emissions“, „circularity“, „climate change“ und „sustainable production“ im Mittelpunkt. Besonders häufig werden Begriffe wie „energy efficiency“, „renewable energy“, „pollution“, „green factory“ und „sustainable supply chain“ genannt. Die Forschung legt einen starken Fokus auf Maßnahmen zur Reduktion von Energieverbrauch und Emissionen, die Nutzung erneuerbarer Energien sowie auf Kreislaufwirtschaftskonzepte. Auch Themen wie „urban regeneration“ und „social sustainability“ werden adressiert, was die ganzheitliche Betrachtung ökologischer, ökonomischer und sozialer Aspekte unterstreicht (vgl. Bild 5).

Bild 5 Sunburst-Diagramm – Sustainability
Bild 5

Sunburst-Diagramm – Sustainability

Fazit: Nachhaltigkeit ist ein zentrales Querschnittsthema der Fabrikplanung. Die Integration ökologischer und sozialer Ziele in die Fabrikplanung gewinnt weiter an Bedeutung.

Transformability

Das Themenfeld Veränderungsfähigkeit adressiert die Fähigkeit, flexibel und schnell auf Veränderungen zu reagieren. Häufig genannte Begriffe sind „flexibility“, „changeability“, „resilience“, „uncertainty“ und „adaptability“. Die Forschung fokussiert sich auf Methoden und Konzepte, die eine schnelle Anpassung an neue Marktanforderungen, Technologien oder Störungen ermöglichen. Schwerpunkte sind unter anderem die Planung wandlungsfähiger Layouts und modulare Fabrikstrukturen (vgl. Bild 6).

Bild 6 Sunburst-Diagramm – Transformability
Bild 6

Sunburst-Diagramm – Transformability

Fazit: Veränderungsfähigkeit wird zunehmend als Schlüsselkompetenz für zukunftsfähige Fabriken erkannt. Die Forschung legt Wert auf Flexibilität, Anpassungsfähigkeit und Resilienz, um Fabriken auf unsichere und dynamische Rahmenbedingungen vorzubereiten.

Other

Das Themenfeld „Other“ umfasst eine breite Vielfalt an Forschungsaspekten, die sich nicht eindeutig den Hauptthemenfeldern zuordnen lassen. Hierzu zählen u. a. „decision making“, „human factors“, „production management“, „quality“, „supply chain“, „risk management“, „urbanization“ und „innovation“. Besonders häufig erscheinen Begriffe wie „production management“, „supply chain“, „strategy“ und „quality management“. Dies zeigt, dass strategische Planung, regulatorische Aspekte und urbane Einflüsse sowie weitere Rand- und Querschnittsthemen im Zusammenhang mit der Fabrikplanung erforscht werden. Die Fabrikplanung steht in enger Wechselwirkung mit zahlreichen anderen Planungsdisziplinen, etwa der Produkt- oder Raumplanung. Integrative Ansätze sind daher unerlässlich, da Entscheidungen im Bereich der Fabrikplanung weitreichende Auswirkungen auf andere Bereiche haben. Zudem ist es notwendig, die verschiedenen Planungen zu synchronisieren, um im Wettbewerb bestehen zu können, insbesondere angesichts immer kürzerer „Time-to-Market“-Anforderungen. Die Vielfalt der Themen und angrenzenden Fachdisziplinen spiegelt die Komplexität moderner Fabrikplanung wider und verdeutlicht die Notwendigkeit der Entwicklung interdisziplinärer Planungsansätze (Bild 7).

Bild 7 Sunburst-Diagramm – Other
Bild 7

Sunburst-Diagramm – Other

Fazit: Das Cluster „Other“ verdeutlicht die Breite des Forschungsfelds Fabrikplanung.

Weitere Erkenntnisse aus dem Datensatz

Aus dem Datensatz lassen sich weitere Erkenntnisse ableiten. Die Forschungsaktivitäten im Bereich der Fabrikplanung haben im Untersuchungszeitraum deutlich zugenommen. Während im Jahr 2020 noch 401 Publikationen verzeichnet wurden, stieg die Zahl im Jahr 2024 auf 457. Zu den am häufigsten publizierenden Autoren zählen Nyhuis, Burggräf, Adlon, Herrmann und Erlach. Die Forschungslandschaft wird von Publikationen aus Deutschland dominiert, gefolgt von China und den Vereinigten Staaten. Bezüglich der Publikationsarten entfallen etwa 48 Prozent auf Fachartikel und 42 Prozent auf Konferenzbeiträge. Zu den führenden Förderinstitutionen zählen die National Natural Science Foundation of China sowie die Deutsche Forschungsgemeinschaft.

Implikationen für die Praxis

Die vorliegende Analyse der Forschungsaktivitäten im Bereich der Fabrikplanung der letzten fünf Jahre verdeutlicht, dass die Praxis vor erheblichen Herausforderungen steht, die durch Digitalisierung, Nachhaltigkeit, Veränderungsfähigkeit und zunehmende Komplexität geprägt sind. Für Unternehmen ergeben sich daraus mehrere zentrale Implikationen:

  1. Digitale Transformation als Grundvoraussetzung

    Die Integration digitaler Technologien wie KI, dem Digitalen Zwilling, Internet of Things und datengetriebene Methoden ist heute essenziell, um Fabrikplanungsprozesse effizient, flexibel und zukunftsfähig zu gestalten. Unternehmen sollten gezielt in digitale Kompetenzen investieren und entsprechende Technologien in ihre Planungsprozesse integrieren, um von Automatisierung, Simulation und datenbasierter Entscheidungsfindung zu profitieren.

  2. Ganzheitliche Nachhaltigkeitsstrategien Die Forschung zeigt, dass ökologische und soziale Nachhaltigkeit in der Fabrikplanung zunehmend an Bedeutung gewinnen. Unternehmen sind gefordert, Energieeffizienz, Emissionsreduktion und Kreislaufwirtschaftskonzepte aktiv in ihre Planungs- und Umsetzungsprozesse einzubinden, um sowohl regulatorischen Anforderungen als auch gesellschaftlichen Erwartungen gerecht zu werden.

  3. V eränderungsfähigkeit

    Flexibilität, Wandlungsfähigkeit und Resilienz sind Schlüsselfaktoren für die Bewältigung volatiler Märkte und unsicherer Rahmenbedingungen. Unternehmen sollten modulare Fabrikstrukturen, flexible Layouts und adaptive Organisationsformen fördern, um schnell auf neue Anforderungen reagieren zu können.

  4. Frühzeitige Identifikation und Adressierung von Trends

    Die Ergebnisse unterstreichen, dass Unternehmen proaktiv Trends erkennen und entsprechende Innovations- und Forschungsprojekte initiieren sollten, um langfristig wettbewerbsfähig zu bleiben. Förderer und Multiplikatoren spielen hierbei eine zentrale Rolle, indem sie den Wissenstransfer und die Umsetzung neuer Erkenntnisse in die Praxis unterstützen.

Um Fabrikplanung auch in Zukunft als effizienzsteigerndes Instrument zu nutzen, sind kontinuierliche und richtungsweisende Forschungsaktivitäten notwendig. Dabei ist das aktive Mitwirken von Unternehmen unerlässlich. Nur wenn Bedarfe und Herausforderungen frühzeitig identifiziert und in wissenschaftliche Fragestellungen überführt werden, können praxisnahe und zukunftsfähige Lösungen entstehen. Forschungskooperationen und Verbundprojekte bieten Unternehmen die Möglichkeit, sich gezielt an wissenschaftlichen Aktivitäten zu beteiligen und eigene Herausforderungen in den Forschungsfokus zu rücken. Durch eine stärkere Verzahnung von Praxis und Wissenschaft können Unternehmen nicht nur ihre eigenen Problemstellungen adressieren, sondern auch die Zukunft der Fabrikplanung aktiv mitgestalten und ihre Wettbewerbsfähigkeit langfristig sichern.

Limitationen und Fazit

Trotz der systematischen Herangehensweise weist der vorliegende Beitrag einige Limitationen auf, die bei der Interpretation der Ergebnisse zu berücksichtigen sind. Im Rahmen der Datenbereinigung wurden mehr als 1.500 Keywords ausgeschlossen, um die Analyse auf die dominierenden Themenfelder zu fokussieren. Dadurch besteht das Risiko, dass Nischenthemen oder innovative Einzelaspekte unterrepräsentiert sind, was die Breite des Forschungsfelds nur eingeschränkt abbildet aber unterstreicht, dass das Themengebiet der Fabrikplanung breit aufgestellt ist und im Zusammenhang mit vielen Querschnittsthemen erforscht wird. Die inhaltliche Zuordnung der Keywords erfolgte mithilfe von maschinellen Lernverfahren (Sentence Embeddings) und einem Schwellenwert (0,8) für die Ähnlichkeitsbewertung. Trotz manueller Validierung können dabei semantisch ähnliche Begriffe falsch gruppiert oder nicht berücksichtigt worden sein. Die Untersuchung beschränkt sich zudem auf Publikationen der Jahre 2020 bis 2024. Entwicklungen, die sich erst kürzlich abzeichnen oder außerhalb dieses Zeitraums liegen, werden nicht erfasst. Es ist außerdem wichtig zu betonen, dass die reine Anzahl an Keywords nicht die Bedeutung eines Themas widerspiegelt. Auch Themen, die bislang weniger häufig behandelt wurden, können von großer Relevanz sein und auf bestehende Forschungslücken hinweisen.

Die systematische Analyse der wissenschaftlichen Aktivitäten im Bereich der Fabrikplanung der letzten fünf Jahre zeigt, dass Digitalisierung, Nachhaltigkeit, Veränderungsfähigkeit und Fabriksysteme sowie Interdisziplinarität die dominierenden Themen sind. Für die Praxis bedeutet dies, dass Unternehmen gezielt in digitale Technologien, nachhaltige Prozesse und adaptive Strukturen investieren sollten, um den Herausforderungen produzierender Unternehmen zu begegnen. Die enge Zusammenarbeit zwischen Wissenschaft und Industrie ist dabei ein zentraler Erfolgsfaktor, um praxisnahe und zukunftsfähige Lösungen zu entwickeln. Trotz methodischer Limitationen liefert dieser Beitrag eine wertvolle Orientierung für die Ausrichtung zukünftiger Forschungsaktivitäten und unterstreicht die Bedeutung kontinuierlicher, kooperativer und richtungsweisender Forschung im Bereich der Fabrikplanung.


Hinweis

Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).



Tel.: +49 (0) 511 762-18180

Über die Autoren

Mehmet Demir

Mehmet Demir, M. Sc., geb. 1998, studierte Wirtschaftsingenieurwesen mit dem Schwerpunkt Produktionstechnik an der Leibniz Universität Hannover. Seit 2023 ist er Wissenschaftlicher Mitarbeiter der Fachgruppe Fabrikplanung am Institut für Fabrikanlagen und Logistik (IFA) der Leibniz Universität Hannover.

Tanya Jahangirkhani

Tanya Jahangirkhani, M. Sc., studierte an der Technischen Universität Darmstadt, dem Politecnico di Torino und der Technischen Hochschule Mittelhessen Wirtschaftsingenieurwesen mit dem Schwerpunkt Maschinenbau. Seit 2022 arbeitet sie am Institut für Fabrikanlagen und Logistik (IFA) der Leibniz Universität Hannover als Wissenschaftliche Mitarbeiterin in der Fachgruppe Fabrikplanung.

Luca Philipp

Luca Philipp, M. Sc., geb. 1997, studierte Produktion und Logistik an der Leibniz Universität Hannover. Seit 2024 ist er Wissenschaftlicher Mitarbeiter der Fachgruppe Fabrikplanung am Institut für Fabrikanlagen und Logistik (IFA) der Leibniz Universität Hannover.

Prof. Dr.-Ing. habil. Matthias Schmidt

Prof. Dr.-Ing. habil. Matthias Schmidt, geb. 1978, studierte Wirtschaftsingenieurwesen an der Leibniz Universität Hannover und arbeitete anschließend als Wissenschaftlicher Mitarbeiter am Institut für Produktionsanlagen und Logistik (IFA). Nach seiner Promotion zum Dr.- Ing., wurde er Leiter des Bereichs Forschung und Industrie des IFA und habilitierte dort. 2018 wurde er Inhaber des Lehrstuhls für Produktionsmanagement und ab 2019 Leiter des Instituts für Produktionstechnik und -systeme (IPTS) an der Leuphana Universität Lüneburg. Seit 2024 hat er die Leitung des IFA übernommen.

Literatur

1 Statista Research Department, Daten und Fakten zum Verarbeitenden Gewerbe in Deutschland. [Online]. Available: https://de.statista.com/themen/11297/verarbeitendesgewerbe-in-deutschland/#topicOverviewSearch in Google Scholar

2 Bauernhansl, T.; ten Hompel, M.; Vogel-Heuser, B.: Industrie 4.0 in Produktion, Automatisierung und Logistik. Springer Fachmedien Wiesbaden, Wiesbaden 2014 DOI:10.1007/978-3-658-04682-810.1007/978-3-658-04682-8Search in Google Scholar

3 Westkämper, E.; Löffler, C.: Strategien der Produktion. Springer Berlin Heidelberg, Berlin, Heidelberg 2016 DOI:10.1007/978-3-662-48914-710.1007/978-3-662-48914-7Search in Google Scholar

4 Helbing, K. W.: Handbuch Fabrikprojektierung. Springer Berlin Heidelberg, Berlin, Heidelberg 2024 DOI:10.1007/978-3-662-64583-310.1007/978-3-662-64583-3Search in Google Scholar

5 Grundig, C.-G.: Fabrikplanung: Planungssystematik – Methoden – Anwendungen. 7. Aufl., Catl Hanser Verlag, München 202110.1007/978-3-446-47006-4Search in Google Scholar

6 Pawellek, G.: Ganzheitliche Fabrikplanung: Grundlagen, Vorgehensweise, EDV-Unterstützung. 2. Aufl., Springer-Vieweg-Verlag, Wiesbaden 2014 DOI:10.1007/978-3-662-43728-510.1007/978-3-662-43728-5Search in Google Scholar

7 Zäh, M. F.: Handbuch Nachhaltige Produktion. Carl Hanser Verlag, München 2024 DOI:10.3139/978344648179410.3139/9783446481794Search in Google Scholar

8 Wiendahl, H.-P.; Reichardt, J.; Nyhuis, P.: Handbuch Fabrikplanung: Konzept, Gestaltung und Umsetzung wandlungsfähiger Produktionsstätten. 3. Aufl., Carl Hanser Verlag, München 2024 DOI:10.1007/978-3-446-47360-710.1007/978-3-446-47360-7Search in Google Scholar

9 Bracht, U.; Geckler, D.; Wenzel, S.: Digitale Fabrik: Methoden und Praxisbeispiele. 2. Aufl., Springer-Vieweg-Verlag, Wiesbaden 201810.1007/978-3-662-55783-9Search in Google Scholar

10 Lanza, G.; Nyhuis, P.; Fisel, J.; Jacob, A.; Nielsen, L.; Schmidt, M.: Stricker, N.: Wandlungsfähige, menschzentrierte Strukturen in Fabriken und Netzwerken der Industrie 4.0. (acatech Studie). Herbert Utz Verlage, München 2018Search in Google Scholar

11 Schmidt, M.; Nyhuis, P.: Produktionsplanung und -steuerung im Hannoveraner Lieferkettenmodell. Springer Verlag, Berlin, Heidelberg 2021 DOI:10.1007/978-3-662-63897-210.1007/978-3-662-63897-2Search in Google Scholar

12 Schuh, G.; Riesener, M.; Produktkomplexität managen: Strategien – Methoden – Tools. 3. Aufl., Carl Hanser Verlag, München 2018 DOI:10.3139/9783446453340.fm10.3139/9783446453340.fmSearch in Google Scholar

13 Wiendahl, H.-P.; Nofen, D.; Klußmann, J. H.: Planung modularer Fabriken: Vorgehen und Beispiele aus der Praxis. Carl Hanser Verlag, München, Wien 2005 DOI:10.3139/9783446436022.fm10.3139/9783446436022.fmSearch in Google Scholar

14 Burggräf, P.; Schuh, G. (Hrsg.): Fabrikplanung: Handbuch Produktion und Management 4. 2. Aufl., Springer Berlin, Berlin 2021 DOI:10.1007/978-3-662-61969-810.1007/978-3-662-61969-8Search in Google Scholar

15 Arndt, H.: Logistikmanagement. Springer-Gabler-Verlag, Wiesbaden 2015Search in Google Scholar

16 Wiendahl, H.-P.; Wiendahl, H.-H.: Betriebsorganisation für Ingenieure. 9. Aufl., Carl Hanser Verlag, München 2019 DOI:10.1007/978-3-446-46061-410.1007/978-3-446-46061-4Search in Google Scholar

17 Nyhuis, P.; Bleckmann, M.; Demir, M.; Jahangirkhani, T.; Wenzel, A.; Schmidt, M.: Risikoabhängige Auswahl der Veränderungsfähigkeitsarten/Risk-dependent selection of changeability types in factory systems. wt – Werkstattstechnik 115 (2025) 1/2, S. 2–10 DOI:10.37544/1436-4980-2025-01-02-610.37544/1436-4980-2025-01-02-6Search in Google Scholar

18 Wiendahl, H.-P. et al.: Changeable Manufacturing – Classification, Design and Operation. CIRP Annals 56 (2007) 2, S. 783–809 DOI:10.1016/j.cirp.2007.10.00310.1016/j.cirp.2007.10.003Search in Google Scholar

19 Hingst, L.: Lebenszyklusorientierte Planung der Veränderungsfähigkeit in Fabriken. Zugl.: Dissertation, Leibniz Universität Hannover; TEWISS – Technik und Wissen, Garbsen 2024 DOI:10.51202/978395900895210.51202/9783959008952Search in Google Scholar

20 Erlach, K.: Wertstromdesign: Der Weg zur schlanken Fabrik. 3. Aufl., Springer-Vieweg-Velag, Wiesbaden 2020 DOI:10.1007/978-3-662-58907-610.1007/978-3-662-58907-6Search in Google Scholar

21 Nyhuis, P.; Schmidt, M. (Hrsg.): Logistische Modelle der innerbetrieblichen Lieferkette. Springer Berlin Heidelberg, Berlin, Heidelberg 2025 DOI:10.1007/978-3-662-70758-610.1007/978-3-662-70758-6Search in Google Scholar

22 White, L.; Togneri, R.; Liu, W.; Bennamoun, M.: How Well Sentence Embeddings Capture Meaning. In: Proceedings of the 20th Australasian Document Computing Symposium, Parramatta NSW Australia, 2015 DOI:10.1145/2838931.283893210.1145/2838931.2838932Search in Google Scholar

23 Abdalgader, K.; Matroud, A. A.; Hossin, K.: Experimental Study on Short-Text Clustering Using Transformer-based Semantic Similarity Measure. PeerJ. Computer Science 10 (2024), e2078 DOI:10.7717/peerj-cs.207810.7717/peerj-cs.2078Search in Google Scholar PubMed PubMed Central

Online erschienen: 2025-09-16
Erschienen im Druck: 2025-09-20

© 2025 Mehmet Demir, Tanya Jahangirkhani, Luca Philipp und Matthias Schmidt, publiziert von De Gruyter

Dieses Werk ist lizenziert unter der Creative Commons Namensnennung 4.0 International Lizenz.

Downloaded on 2.12.2025 from https://www.degruyterbrill.com/document/doi/10.1515/zwf-2025-1096/html?lang=en
Scroll to top button