Die sechs Phasen der Versuchsplanung

DoE-Happen #019Serie: Die sechs Phasen der Versuchsplanung · ÜbersichtEinsteiger3 Min. Lesezeitaktualisiert am 21.11.2026

  1. Pre-Screening
  2. Screening
  3. Charakterisierung
  4. Optimierung
  5. Toleranzen
  6. Robustheit

Kurz gesagt

Versuchsplanung (Design of Experiments, DoE) läuft in sechs Phasen ab: Pre-Screening, Screening, Charakterisierung, Optimierung, Toleranzauslegung und Robustheit. Jede Phase hat ein eigenes Ziel und einen eigenen Aufwand. Nicht jedes Projekt braucht alle sechs, und oft springt man zwischen ihnen hin und her.

Wo steigen Sie in die Versuchsplanung ein? Das hängt davon ab, wo Sie in Ihrer Untersuchung gerade stehen. Wissen Sie noch kaum, welche Faktoren wirken, beginnen Sie anders als jemand, der bereits ein Modell hat und nur noch Toleranzen festlegen will.

Um das greifbar zu machen, nutze ich in meinen Kursen eine kleine DoE-Journey – eine Wanderung mit Höhen und Tiefen.

Gezeichnete DoE-Journey als Wanderweg: Start, Pre-Screening, Screening, Charakterisierung, Optimierung und Toleranzen, Robustheit
Abbildung 1: Die DoE-Journey mit ihren Höhen und Tiefen

Entlang dieser Reise gebe ich Ihnen in den folgenden Beiträgen Tipps zur Versuchsplanung in den einzelnen Phasen – aus meiner Praxis in Labor, Entwicklung und Produktion.

Die sechs Phasen der Versuchsplanung

Die Phasen werden nicht immer in dieser Reihenfolge durchlaufen. Oft wird eine Phase gar nicht gebraucht, oder man springt zurück, wenn die Daten es verlangen.

Erkenntnis

Nicht jedes Projekt braucht alle sechs Phasen – entscheidend ist, wo Sie mit Ihrem Wissen stehen.

Mindmap DoE-Bereiche mit den sechs Phasen Pre-Screening, Screening, Charakterisierung, Optimierung, Toleranzen und Robustheit
Abbildung 2: Die sechs Phasen oder Bereiche der Versuchsplanung

1. Pre-Screening: Finden Sie den Weg

Das Pre-Screening ist eine explorative Phase. Es dient dazu, wichtige Parameter und Variablen zu identifizieren – vor allem dann, wenn noch wenig bekannt ist. Im Mittelpunkt steht die Auswahl der richtigen Faktoren für die folgenden Untersuchungen, nicht die genaue Bestimmung ihrer Effekte. Typisch sind viele Faktoren bei wenigen Versuchen. So investieren Sie Zeit und Ressourcen nicht in unproduktive Bereiche.

2. Screening: Bringen Sie die PS auf die Straße

Das Screening identifiziert die entscheidenden Parameter und einen geeigneten Variationsbereich. Es prüft, ob sich bereits grobe Ursache-Wirkungs-Modelle erstellen lassen, und sucht nach Hinweisen auf Wechselwirkungen oder nichtlineare Effekte. Untersucht werden lineare Effekte und – bei wenigen Faktoren – auch Wechselwirkungen.

3. Charakterisierung: Generieren Sie ein Bild

In der Charakterisierung sind die relevanten Faktoren und ihre Bereiche bekannt. Jetzt geht es um die genauen Ursache-Wirkungs-Beziehungen. Der Aufwand steigt, weil mehr Versuche nötig sind: für lineare Effekte, Zwei-Faktor-Wechselwirkungen und manchmal auch nichtlineare Effekte. Ziel ist zu prüfen, ob die Annahmen stimmen und das Modell den Prozess angemessen beschreibt. Sonst fehlen wesentliche Faktoren im Modell, oder Faktoren wurden im falschen Bereich untersucht.

4. Optimierung: Zeigen Sie die Möglichkeiten auf

Die Optimierung konzentriert sich auf die wesentlichen Faktoren und auf ein Ursache-Wirkungs-Modell mit möglichst guter Vorhersagekraft. Mehrgrößenoptimierung und grafische Darstellungen helfen, die Ergebnisse zu interpretieren und Entscheidungen zu treffen. Oft müssen Versuchspläne dafür erweitert oder überarbeitet werden – besonders, wenn nichtlineare Effekte eine Rolle spielen.

5. Toleranzauslegung: So breit wie möglich, so eng wie nötig!

Die Toleranzauslegung baut auf einem bestehenden Ursache-Wirkungs-Modell auf. Software-Algorithmen bestimmen die Toleranzen, oft mithilfe einer Monte-Carlo-Simulation, bei der die Faktoren gezielt variiert werden. Der Versuchsaufwand ist gering: Die Modelle stehen bereits, es fallen vor allem Verifikationsversuche im Rahmen von Robustheitsstudien an.

6. Robustheit: Packen Sie den Prozess in trockene Tücher!

In der Robustheitsphase wird der Prozess in einem eng definierten Variationsbereich überprüft. Ziel ist der Nachweis, dass die Zielgrößen zuverlässig erreicht werden und die Ergebnisse innerhalb der Spezifikation liegen. Meist genügen Designs für lineare Effekte – entsprechend gering ist die Zahl der Versuche.

Die sechs Phasen im Überblick

PhaseZielTypische UntersuchungAufwand
Pre-ScreeningRichtung finden, Faktoren auswählenviele Faktoren, wenige Versuchegering
Screeningentscheidende Faktoren und geeigneten Bereich findenlineare Effekte, ggf. Wechselwirkungengering bis mittel
CharakterisierungUrsache-Wirkungs-Beziehungen verstehenlineare Effekte, Wechselwirkungen, ggf. Nichtlinearitätmittel
Optimierungbestes Modell und Arbeitspunkt findenMehrgrößenoptimierung, nichtlineare Modellemittel bis hoch
ToleranzauslegungToleranzen festlegenSimulation auf Basis des Modells, Verifikationgering
RobustheitProzess absichernlineare Effekte im engen Bereichgering

Wissen to Go

  • Sechs Phasen, kein Pflichtprogramm: Nicht jedes Projekt braucht alle Phasen – entscheidend ist, wo Sie stehen.
  • Vom Groben zum Detail: Erst die richtigen Faktoren finden, dann verstehen, dann optimieren, dann absichern.
  • Der Aufwand verschiebt sich: Viele Faktoren mit wenigen Versuchen am Anfang, weniger Faktoren mit genaueren Modellen später.

Häufige Fragen – testen Sie Ihr Wissen

Einsteiger Was ist Versuchsplanung (DoE) überhaupt?

Eine Methode, mehrere Einflussgrößen gleichzeitig und systematisch zu verändern, statt eine nach der anderen. So zeigen wenige, gut geplante Versuche, welche Faktoren wirken, wie stark und wie sie zusammenspielen.

Einsteiger Welche Phasen hat die Versuchsplanung?

Sechs: Pre-Screening, Screening, Charakterisierung, Optimierung, Toleranzauslegung und Robustheit. Jede Phase hat ein eigenes Ziel – vom Finden der richtigen Faktoren bis zum Absichern des Prozesses.

Anwender Muss ich alle Phasen durchlaufen?

Nein. Welche Phasen nötig sind, hängt vom Vorwissen ab. Mit gutem Prozesswissen reicht oft schon eine Charakterisierung; manchmal springt man auch zurück, wenn die Daten es verlangen.

Experte Woran erkenne ich, dass ich in eine frühere Phase zurück muss?

Typische Signale: Die Centerpoints zeigen eine Krümmung, die das gewählte Design nicht abbilden kann; Q² liegt deutlich unter R²; oder Replikate streuen so stark, dass die Effekte im Rauschen verschwinden. Dann fehlen Faktoren, der Bereich passt nicht oder das Messsystem begrenzt die Aussage – und ein Schritt zurück ins Screening oder in die Charakterisierung spart am Ende Versuche.

Beitrag als PDF herunterladen

Stefan Moser

Stefan Moser
Trainer und Berater für Versuchsplanung (DoE), MVDA und DFSS

Mehr aus Ihren Prozessen herausholen?

Sie wissen nicht weiter – oder wollen einfach mal gemeinsam auf Ihre Daten schauen? Dann melden Sie sich. Kollegial, unverbindlich, auf Augenhöhe.

Ob DoE-Einstieg oder knifflige Spezialthemen wie Screening, Robustheit, Mischungen oder Troubleshooting – ich begleite Sie praxisnah: mit Trainings, Beratung und methodischer Unterstützung, vom ersten Workshop bis zur Umsetzung. Auch bei MVDA, DFSS oder QFD stehe ich gern an Ihrer Seite.

Bleiben Sie experimentierfreudig! – Stefan Moser

Erfahrungen & Bewertungen zu Stefan Moser Process Optimization