QMB - Qualitätsmanagementbeauftragter Logo
    • Startseite
    • QM Toolbox (AI)
      • ISO 9001:2026 Toolbox (AI)
    • Lexikon
      • QMB: Aufgaben & Rolle
    • Blog
    • Methoden
    • Seminare & Ausbildungen
    • Kontakt
    • Impressum
QMB - Qualitätsmanagementbeauftragter LogoQMB - QualitätsmanagementbeauftragterWissen · Methoden · Praxis
Lexikon/DPPM/PPM/OOS
Lexikon · Wissen · Anwendung

DPPM/PPM/OOS

  • QM
  • KPI
DPPM/PPM/OOS

Inhaltsverzeichnis

  1. Kurz erklärt
  2. Definition
  3. Bedeutung im Fachkontext
  4. Input, Verarbeitung, Output, Outcome, Impact
  5. Schritte der Methode in Übersicht
  6. Beschreibung der Einzelschritte mit Ziel & Vorgehen
  7. Anwendung und Vorgehen
  8. Anwendungsgebiete
  9. Typische Fehler und Missverständnisse
  10. Abgrenzung und Grenzen
  11. Thema + KI-Unterstützung
  12. Beispiele im AI Tool
  13. Seminare zum Thema
  14. Häufige Fragen

Kurz erklärt

DPPM (Defective Parts Per Million) und PPM (Parts Per Million) sind etablierte statistische Leistungskennzahlen zur quantitativen Erfassung der Prozessqualität. Sie setzen die Anzahl fehlerhafter Einheiten ins Verhältnis zur Gesamtproduktionsmenge, normiert auf eine Million Einheiten, um eine branchenübergreifende Vergleichbarkeit zu gewährleisten. Der Begriff OOS (Out of Specification) ergänzt diese Metrik als qualitativen Indikator: Er markiert Ergebnisse, die außerhalb der vordefinierten Akzeptanzkriterien liegen und signalisiert somit die Notwendigkeit für eine sofortige Untersuchung. Im Zusammenspiel bilden diese Werte das Rückgrat für datengestützte Qualitätsentscheidungen in der industriellen Fertigung.

DPPM/PPM/OOS · Kurz erklärt
DPPM/PPM/OOS · Kurz erklärt01AUSGANGSLAGETechnical drawings, engineeringstandards, customerrequirements.02DIE METHODEDefine Acceptance Criteria →Data Collection and Monitoring→ Statistical Calculation →Root Cause Analysis →Corrective Action andStandardization03DAS ERGEBNISDocumented process improvementsand updated SOPs.Die Methodik wird in den folgenden Abschnitten Schritt für Schritt erläutert.

Definition

DPPM und PPM sind Maßeinheiten für die Fehlerdichte innerhalb einer produzierten Grundgesamtheit. Die mathematische Definition lautet: (Anzahl defekter Einheiten / Gesamtzahl der geprüften Einheiten) * 1.000.000. Ein OOS-Event tritt ein, wenn ein Prozessparameter oder ein Produktmerkmal die festgelegten Toleranzgrenzen verlässt. Diese Kennzahlen sind keine bloßen Statistiken, sondern essenzielle Schnittstellen zwischen operativer Fehlererkennung und strategischer Prozesssteuerung. Sie ermöglichen die Differenzierung zwischen inhärenter Prozessvariabilität (common cause) und identifizierbaren Störgrößen (special cause). Ihre Einordnung erfolgt primär im Rahmen der statistischen Prozesslenkung (SPC), wobei die Definition der Akzeptanzkriterien die unverzichtbare Basis für alle weiteren Berechnungen darstellt.

Bedeutung im Fachkontext

Im modernen Qualitätsmanagement dienen DPPM und OOS als Warnsignale für die Prozessfähigkeit. Sie erlauben Qualitätsingenieuren eine objektive Trendbeobachtung, die über rein subjektive Einschätzungen hinausgeht. Die Relevanz erstreckt sich von der Lieferantenbewertung (Eingangskontrolle) bis hin zur internen Fertigungsüberwachung. Während OOS oft regulatorische Untersuchungen erzwingt – besonders in der Medizintechnik oder Pharmaproduktion –, liefert DPPM die historische Evidenz für die langfristige Stabilität. Die Metriken verknüpfen den Produktionsoutput mit dem Unternehmensziel der Null-Fehler-Strategie, indem sie kontinuierlich Abweichungen sichtbar machen, die andernfalls in der statistischen Rauschlage untergehen würden.

Input, Verarbeitung, Output, Outcome, Impact

DPPM/PPM/OOS · Gesamtwirkpfad der Methode
DPPM/PPM/OOS · Von Input bis Impact01INPUTFestgelegteSpezifikationsgrenzen, Prüfpläne,Rohdaten aus demProduktionsprozess,definierteStichprobengrößen.02VERARBEITUNGSystematischeDatenerfassung,statistischeBerechnung derFehlerdichte,Abgleich mitGrenzwerten,Identifikation vonOOS-Events,Ursachenanalyse(Root CauseAnalysis).03OUTPUTDokumentierteDPPM-Werte,OOS-Berichte,statistischeProzesskurven,Identifikation vonStörursachen.04OUTCOME1.Prozessinstabilitäten werden sofortidentifiziert unddurchKorrekturmaßnahmengestoppt; 2. AufbaueinerstrukturiertenWissensbasis zurFehlervermeidung inFolgeprojekten(Lessons Learned).05IMPACTBeitrag zur Senkungder Qualitätskosten(COQ), Steigerungder Liefertreue undKundenzufriedenheit, langfristigeStabilisierung derProzessfähigkeit,Ermöglichung einerskalierbarenQualitätssicherung.Input schafft die Voraussetzungen, Output dokumentiert das Ergebnis.Outcome und Impact entstehen erst durch Umsetzung und nachweisbare Wirkung.
Wirkungspfade und Beiträge zu Unternehmenszielen im Detail

Outcome

1. Prozessinstabilitäten werden sofort identifiziert und durch Korrekturmaßnahmen gestoppt; 2. Aufbau einer strukturierten Wissensbasis zur Fehlervermeidung in Folgeprojekten (Lessons Learned).

Impact

Beitrag zur Senkung der Qualitätskosten (COQ), Steigerung der Liefertreue und Kundenzufriedenheit, langfristige Stabilisierung der Prozessfähigkeit, Ermöglichung einer skalierbaren Qualitätssicherung.

Schritte der Methode in Übersicht

Die Anwendung folgt einem strukturierten Regelkreis: 1. Definition der Kriterien, 2. Datenerfassung, 3. Statistische Berechnung, 4. Ursachenanalyse, 5. Korrektur und Standardisierung. Diese fünf Phasen bilden einen geschlossenen Wirkpfad von der Spezifikation bis zur Prozessoptimierung.

DPPM/PPM/OOS · Methodenschritte im Überblick
DPPM/PPM/OOS · Methodenschritte im Überblick01Define AcceptanceCriteriaEstablish clear boundariesfor what constitutes adefect or OOS event.02Data Collection andMonitoringCapture accurate,time-ordered data onprocess output.03Statistical CalculationQuantify processperformance using DPPM orcapability indices.04Root Cause AnalysisIdentify the source of OOSor high DPPM values.05Corrective Action andStandardizationRestore process stabilityand prevent recurrence.Ausführliche Ziele, Vorgehensweisen und Qualitätskriterien folgen im Methodenabschnitt.
Schritt 01 / 5

Define Acceptance Criteria

Establish clear boundaries for what constitutes a defect or OOS event.

Schritt 02 / 5

Data Collection and Monitoring

Capture accurate, time-ordered data on process output.

Schritt 03 / 5

Statistical Calculation

Quantify process performance using DPPM or capability indices.

Schritt 04 / 5

Root Cause Analysis

Identify the source of OOS or high DPPM values.

Schritt 05 / 5

Corrective Action and Standardization

Restore process stability and prevent recurrence.

Beschreibung der Einzelschritte mit Ziel & Vorgehen

METHODENSCHRITT01/05

QUALITY LXP · SCHRITTLOGIK

Define Acceptance Criteria

ZielEstablish clear boundaries for what constitutes a defect or OOS event.
01Eingaben

Technical drawings, engineering standards, customer requirements.

02Konkretes Vorgehen

Document technical specifications and tolerance limits for all critical process parameters.

03Ergebnis / Output

Defined specifications, tolerance limits, clear defect classification schema.

04Anwendungshinweis

Setting a tolerance of 10.0mm +/- 0.05mm for a shaft diameter.

05Qualitätskriterium

Consistency and traceability of defined limits.

Von der Methode zur praktischen AnwendungNächster Schritt → Data Collection and Monitoring
METHODENSCHRITT02/05

QUALITY LXP · SCHRITTLOGIK

Data Collection and Monitoring

ZielCapture accurate, time-ordered data on process output.
01Eingaben

Production run data, inspection results.

02Konkretes Vorgehen

Implement systematic sampling and recording of pass/fail results or variable measurements.

03Ergebnis / Output

Structured datasets of inspected units and identified defects.

04Anwendungshinweis

Recording 15 defects out of 50,000 units produced in a shift.

05Qualitätskriterium

Completeness and temporal accuracy of data entry.

Von der Methode zur praktischen AnwendungNächster Schritt → Statistical Calculation
METHODENSCHRITT03/05

QUALITY LXP · SCHRITTLOGIK

Statistical Calculation

ZielQuantify process performance using DPPM or capability indices.
01Eingaben

Raw inspection data (Defects/Total Units).

02Konkretes Vorgehen

Apply the formula (Defects / Total Units) * 1,000,000.

03Ergebnis / Output

Calculated DPPM metrics for specific production batches.

04Anwendungshinweis

(15 / 50,000) * 1,000,000 = 300 DPPM.

05Qualitätskriterium

Mathematical accuracy and defined sampling base.

Von der Methode zur praktischen AnwendungNächster Schritt → Root Cause Analysis
METHODENSCHRITT04/05

QUALITY LXP · SCHRITTLOGIK

Root Cause Analysis

ZielIdentify the source of OOS or high DPPM values.
01Eingaben

Calculated DPPM values, process logs, environmental data.

02Konkretes Vorgehen

Investigate whether variation is common cause (systemic) or special cause (assignable).

03Ergebnis / Output

Root cause hypothesis and classification (Special vs. Common Cause).

04Anwendungshinweis

Identifying a miscalibrated sensor as the cause for OOS readings.

05Qualitätskriterium

Methodological rigor of the investigative process.

Von der Methode zur praktischen AnwendungNächster Schritt → Corrective Action and Standardization
METHODENSCHRITT05/05

QUALITY LXP · SCHRITTLOGIK

Corrective Action and Standardization

ZielRestore process stability and prevent recurrence.
01Eingaben

Root cause analysis results.

02Konkretes Vorgehen

Implement process adjustments or redesigns and update standard operating procedures.

03Ergebnis / Output

Documented process improvements and updated SOPs.

04Anwendungshinweis

Replacing a worn tool and updating the maintenance schedule.

05Qualitätskriterium

Sustainable effectiveness of the implemented solution.

Von der Methode zur praktischen AnwendungErgebnisse überprüfen & weiterentwickeln

Anwendung und Vorgehen

Die praktische Implementierung von DPPM und OOS-Prozessen folgt einem zyklischen Qualitätsregelkreis, der über die reine statistische Auswertung hinausgeht. Um diese Kennzahlen als Steuerungsinstrumente zu etablieren, müssen Unternehmen eine robuste IT-Infrastruktur mit einem Manufacturing Execution System (MES) oder einem spezialisierten Qualitätsmanagement-Softwaretool (CAQ) verknüpfen.

Das Vorgehen beginnt mit der Etablierung der Messbasis. Hierbei werden nicht nur die Toleranzgrenzen für das Endprodukt festgelegt, sondern auch Warn- und Eingriffsgrenzen innerhalb der Prozessführung definiert. Während ein OOS-Ereignis per Definition den sofortigen Stopp oder die Sperrung der betroffenen Charge auslöst, dienen steigende DPPM-Trends als „Frühwarnsystem“ für schleichende Prozessverschlechterungen.

Die konkrete Umsetzung findet im operativen Alltag durch folgende Schritte statt:

  1. Automatisierte Erfassung: Anstatt manuelle Strichlisten zu führen, werden Daten über Sensoren oder Prüfautomaten (z. B. optische Inspektionssysteme) direkt in die Datenbank eingespeist.
  2. Echtzeit-Monitoring: Dashboards visualisieren die aktuelle DPPM-Rate im Schichtverlauf. Sobald die Rate definierte Schwellenwerte überschreitet oder ein OOS-Wert auftritt, werden automatisierte Workflows (z. B. Benachrichtigung an den Schichtleiter) ausgelöst.
  3. Strukturierte Eskalation: Ein OOS-Event zwingt die Organisation in eine definierte Untersuchungsphase. Hierbei wird nach dem Fishbone-Diagramm-Prinzip (Ishikawa) oder den 5-Why-Methoden die Grundursache gesucht.
  4. Validierung: Nach einer Korrekturmaßnahme – etwa einem Werkzeugwechsel oder der Neukalibrierung einer Maschine – wird der Prozess erneut statistisch überwacht, um die Wirksamkeit der Maßnahme am sinkenden DPPM-Wert abzulesen.

Anwendungsgebiete

Die Relevanz von DPPM und OOS skaliert je nach Branche und Anforderungsprofil:

  • Automobilindustrie: Hier ist DPPM der Standard für die Lieferantenbewertung. Zulieferer müssen über Tausende von Teilen hinweg extrem niedrige DPPM-Werte garantieren. OOS-Prozesse sind hier eng mit dem Containment (Sperrung fehlerhafter Ware vor dem Versand) verknüpft, um Rückrufaktionen zu vermeiden.
  • Pharmazeutische Industrie: In dieser stark regulierten Umgebung (GxP) ist der OOS-Prozess das Herzstück der Compliance. Jeder Wert außerhalb der Spezifikation erfordert ein formelles Laboratory Investigation Report (LIR). Hier steht nicht die Statistik des Durchschnitts, sondern die regulatorische Sicherheit der Einzeleinheit im Vordergrund.
  • Elektronikfertigung: Bei hochkomplexen Leiterplatten (SMT-Bestückung) ist die DPPM-Messung essenziell, um die Bestückungsgenauigkeit zu bewerten. Aufgrund der hohen Produktionsgeschwindigkeit (Millionen Bauteile pro Tag) ist DPPM hier das einzig praktikable Maß, um die Qualität der Bestückungsautomaten objektiv zu beurteilen.
  • Allgemeine Fertigung (Kaizen/Lean): DPPM wird genutzt, um die Verschwendung durch Ausschuss (Muda) zu quantifizieren. Es dient als Gradmesser für den Erfolg von Continuous Improvement-Projekten und stellt sicher, dass Prozessoptimierungen tatsächlich messbare Auswirkungen auf die Fehlerrate haben.

Typische Fehler und Missverständnisse

In der Praxis führen Fehlinterpretationen der Metriken häufig zu kontraproduktiven Entscheidungen:

  1. Vermischung von Toleranz- und Eingriffsgrenzen: Ein häufiger Fehler ist die Annahme, dass eine Prozessvariabilität innerhalb der Toleranzgrenzen „gut“ sei. Wenn ein Prozess zwar in Specification ist, aber eine hohe Streuung aufweist, ist er nicht fähig. Das ignorierte „Rauschen“ führt oft unerwartet zu zukünftigen OOS-Events.
  2. Statistische Signifikanz bei kleinen Losgrößen: DPPM-Werte verlieren bei kleinen Stückzahlen ihre Aussagekraft. 1 Fehler bei 100 produzierten Teilen ergibt 10.000 DPPM – ein Wert, der bei kleinen Losen statistisch nicht repräsentativ ist und zu einer unnötigen Panikreaktion führen kann.
  3. Fehlinterpretation von DPPM als Ursachenanalyse: DPPM zeigt nur dass ein Problem besteht, nicht warum. Viele Unternehmen investieren zu viel Zeit in die tägliche DPPM-Berichterstattung, anstatt die gewonnenen Daten in eine Root Cause Analysis (RCA) zu überführen.
  4. Der „Pass/Fail“-Bias: Man verlässt sich zu sehr auf die binäre OOS-Entscheidung. Wenn ein Wert knapp innerhalb der Spezifikation liegt, wird er ignoriert, obwohl er bereits einen negativen Trend anzeigt. Ein moderner Ansatz sollte Attribute (OOS/OK) mit Variablen (Messwert-Trends) kombinieren.

Abgrenzung und Grenzen

Die Wirksamkeit von DPPM und OOS endet dort, wo die Produktion nicht mehr als stabiler, hochvolumiger Prozess definiert ist.

  • Grenze zur Komplexität: Bei Einzelanfertigungen oder im Prototypenbau ist DPPM nicht anwendbar, da eine „Millioneneinheit“ mathematisch nie erreicht wird. Hier sind Methoden wie die Fehlermöglichkeits- und Einflussanalyse (FMEA) deutlich effektiver.
  • Lagging vs. Leading Indicators: DPPM ist ein nachlaufender Indikator (Lagging). Wenn die DPPM-Rate steigt, ist der Fehler bereits passiert und die Qualitätskosten sind bereits entstanden. OOS-Prozesse sind reaktiv und können einen Prozessstillstand bedeuten, der die Produktivität massiv senkt.
  • Abgrenzung zur Prozessfähigkeit: Während DPPM die Fehlerrate misst, geben Prozessfähigkeitsindizes ($C_p$/$C_{pk}$) an, wie sicher der Prozess innerhalb der Grenzen arbeitet. DPPM misst das Ergebnis, $C_{pk}$ misst das Potenzial. Ein Unternehmen sollte beide Indikatoren parallel betrachten, um zu verstehen, ob schlechte DPPM-Werte durch Prozessinstabilität oder durch zu eng gesetzte Spezifikationen verursacht werden.

Häufige Fragen

Wie unterscheide ich zwischen statistischer Streuung und einem echten OOS-Event?+

Ein OOS-Event ist ein definierter Bruch der Spezifikationsgrenze (Grenzwertüberschreitung). Statistische Streuung hingegen beschreibt das normale „Atmen“ des Prozesses innerhalb der Kontrollgrenzen. Wenn Datenpunkte jedoch systematische Muster zeigen (z. B. sieben aufeinanderfolgende Werte über dem Mittelwert), handelt es sich um eine Special Cause Variation, die auch ohne OOS-Ereignis eine Untersuchung erfordert.

Ab welcher Losgröße ist die DPPM-Berechnung sinnvoll?+

Es gibt keine magische Zahl, aber statistisch betrachtet sollten Stichproben so gewählt werden, dass mindestens 1–5 erwartete Fehler auftreten können, um eine belastbare Aussage zu treffen. Bei sehr niedrigen Fehlerraten sind deutlich größere Grundgesamtheiten erforderlich. In der Praxis lohnt sich die Berechnung ab Produktionsvolumina, bei denen eine statistische Validität von mindestens 95 % Konfidenzintervall gewährleistet ist.

Was tun, wenn DPPM hoch ist, aber alle Produkte „In Specification“ sind?+

Dies ist ein klassisches Anzeichen für eine zu hohe Prozessstreuung. Ihr Prozess arbeitet zwar aktuell innerhalb der Grenzen, ist aber nicht robust. Hier sollte das Ziel nicht die Fehlervermeidung (da keine Fehler vorliegen), sondern die Variabilitätsreduzierung sein, um den $C_{pk}$-Wert zu erhöhen und das Risiko für zukünftige OOS-Events zu senken.

Kann OOS durch die Digitalisierung automatisiert werden?+

Ja, durch In-Line-Metrologie. Sensoren messen jeden Artikel in Echtzeit. Die Software kann bei einer Abweichung automatisch ein Signal an die Maschine senden, um den Prozess zu korrigieren oder das Teil sofort auszusortieren. Dies wandelt den OOS-Prozess von einer reaktiven, manuellen Untersuchung in eine automatisierte, präventive Prozesssteuerung um.

Warum ist DPPM bei der Lieferantenbewertung oft umstritten?+

DPPM als isolierte Kennzahl verleitet Lieferanten dazu, Daten zu schönen oder bei Grenzwertüberschreitungen „kreative“ Korrekturen vorzunehmen. Eine faire Lieferantenbewertung sollte DPPM daher immer mit qualitativen Audits und einer Transparenz der OOS-Untersuchungsprozesse ergänzen, um nicht nur die Fehlerdichte, sondern auch die Problemlösungskompetenz des Partners zu bewerten.

Quellen und fachliche Grundlagen

    Alle Verknüpfungen sind sichtbar. Zum Öffnen der Starter-Inhalte bitte einloggen.

    Einloggen

    Videos

    2

    Passende Tools & Methodenwissen

    2
    Beispiele anzeigen

    Gemeinsame Themen: KPI

    Methode verstehen
    Beispiele anzeigen

    Projektbeispiele zu diesen Methoden

    2
    StrategiemanagementBalanced Scorecard / Strategy Map AI

    Balanced Scorecard / Strategy Map – Balanced Scorecard 2027 – Gründung einer Müsli-Manufaktur

    Praxisbeispiel

    Unternehmens-BSC mit Strategy Map

    Global freigegeben
    Beispiel ansehen
    StrategiemanagementBalanced Scorecard / Strategy Map AI

    Balanced Scorecard · Kunststoff-Spritzguss entwickelt Eigenprodukte

    Praxisbeispiel

    Transformation vom Auftragsfertiger zum Produktanbieter

    Global freigegeben
    Beispiel ansehen

    Weitere Tools & Wissen im Themengebiet

    Diese Kategorien ergänzen die konkreten Methodentreffer mit weiteren Werkzeugen, Anwendungswissen und Praxisbeispielen.

    Performance- & Kennzahlenmanagement8 fachlich zugeordnete Tools · Kategorie entdecken
    Qualitätsmanagement35 fachlich zugeordnete Tools · Kategorie entdecken
    AK

    Geschrieben von

    André Kapust

    Fachredaktion Qualitätsmanagement

    Veröffentlicht am 28. Oktober 2026

    Diesen Artikel als PDF lesen

    DIN A4 mit Textumbruch, QMB - Qualitätsmanagementbeauftragter und der Quellen-URL qmb.wiki/lexikon/dppm-ppm-oos im Dokument.

    Lexikoneintrag teilen
    LinkedInFacebookXWhatsAppXingE-Mail
    QMB - Qualitätsmanagementbeauftragter · Persönlicher KontaktReaktionszeit < 24h

    Kontakt & Beratung

    Fragen zu unseren Tools, Schulungen oder einem konkreten Vorhaben? Wir beraten Sie persönlich und praxisnah.

    Vorwahl (+49) ist gewählt · Rufnummer ohne führende 0 eingeben. Keine Werbeanrufe.

    * Pflichtangaben

    Ihre Ansprechpartnerin

    Unsere Bewertungen

    Partner im Fokus

    Quality Services & Wissen GmbH Logo
    Quality Services & Wissen GmbH

    QUALITY stabilisiert: belastbare Qualitätssysteme, auditfähige Prozesse und sichtbare Qualitätskosten.

    Frankfurt am Main

    andre.kapust@enteso.comKontaktformular →

    Thema dieses Portals

    QMB - Qualitätsmanagementbeauftragter

    QMB - Qualitätsmanagementbeauftragter

      • Startseite
      • QM Toolbox (AI)
        • ISO 9001:2026 Toolbox (AI)
      • Lexikon
        • QMB: Aufgaben & Rolle
      • Blog
      • Methoden
      • Seminare & Ausbildungen
      • Kontakt
      • Impressum
    Seminare & AusbildungenKontakt aufnehmen
    © 2026 Quality Services & Wissen GmbH
    RSS-FeedImpressumUnsere FarbweltenDatenschutzSitemap

    Deine Privatsphäre. Deine Entscheidung.

    Notwendiger Speicher hält Anmeldung, Sicherheit und deine Auswahl bereit. Nur mit deiner Zustimmung messen wir Seitenaufrufe und Nutzung.

    Du entscheidest freiwillig. Videos und Inhalte bleiben bei jeder Auswahl verfügbar. Externe Medien können Daten an ihre Anbieter übertragen. Änderbar über „Cookie-Einstellungen“ im Seitenfuß.

    DatenschutzerklärungImpressum