Ob Server, Teams oder Produktionslinien — ab einer bestimmten Auslastung wachsen Wartezeiten nicht linear, sondern exponentiell. Was bei 50% noch harmlos wirkt, wird bei 80% zum echten Problem. Erleb es selbst mit der interaktiven Simulation.
Regler bewegen, Start klicken und beobachten, wie sich die Warteschlange verändert.
Warteschlange
Sammle Daten...
M/M/1 Theoriekurve: Lq vs ρ
Lq = ρ² / (1 - ρ)
M/M/1 Modell: Einzelne Kasse (1 Server) mit Poisson-Ankünften und exponentiell verteilten Bedienzeiten. Die Varianz in der Bedienzeit ist entscheidend — manche Kunden sind schnell, andere langsam.
Die Falle der komfortablen 80%
Eine vermeintlich gute Auslastung von 80% führt zu drastischen Warteschlangen. Der Sprung von 50% auf 80% versechsfacht die durchschnittliche Warteschlange.
Halt deine Auslastung unter 80%!
Der überlastete Server
Ein Server der zu 50% ausgelastet ist, antwortet fast sofort. Bei 80% warten Anfragen im Schnitt 3× so lang. Bei 90% schon 9×. Nicht weil der Server langsamer wird — sondern weil die Anfragen sich vor ihm aufstauen. Was nach außen wie ein Hardwareproblem aussieht, ist meist ein Auslastungsproblem.
Die Notaufnahme am Limit
Ein Krankenhaus mit 95% Bettenauslastung hat kaum Puffer. Ein normaler Montag mit etwas mehr Unfällen als üblich reicht, um die gesamte Notaufnahme zum Stocken zu bringen. Nicht weil das Personal schlechter arbeitet — sondern weil das System keinen Spielraum mehr hat. Jede Schwankung schlägt direkt durch.
Die Maschine als Engpass
Eine Maschine die zu 80% läuft, hat im Schnitt 3 Teile vor sich warten. Läuft sie zu 90%, sind es schon 8. Dasselbe Prinzip gilt für den Stapler, die Verpackungsanlage, den Lkw-Eingang. Lean Manufacturing baut deshalb bewusst Puffer ein — nicht aus Verschwendung, sondern als Schutz vor diesen Schwankungen.
Die Führungskraft als Flaschenhals
Eine Führungskraft mit vollem Kalender kann im Schnitt eine Entscheidung pro Tag treffen. Bei 80% Kalenderauslastung warten bereits 3 Anfragen auf eine Antwort — bei 90% sind es 8. Investitionsanträge, Einstellungen, Eskalationen: alles landet in derselben Warteschlange. Das Team steht still — obwohl die Führungskraft pausenlos arbeitet.
Die Auslastung ρ ist das Verhältnis der Ankunftsrate (λ) zur Bedienrate (μ). Sie zeigt, welcher Anteil der Kapazität des Schalters genutzt wird. Bei ρ = 0.5 kommt ein Kunde an, während der Schalter noch 50% der Zeit untätig ist. Bei ρ = 0.9 ist der Schalter 90% der Zeit beschäftigt.
Das ist kein Fehler! Mit ρ = 0.8 ist eine leere Warteschlange zu etwa 20% der Zeit zu erwarten (P(0) = 1 - ρ). Die Simulation zeigt die Schwankungen — manchmal kommt ein Kunde, wenn der Schalter gerade frei ist, manchmal bauen sich Warteschlangen auf. Der laufende Durchschnitt nähert sich mit mehr Messungen dem Theoriewert. Queues atmen bei hoher Auslastung!
Das M/M/1 Modell (Markov/Markov/1 Server) beschreibt ein System mit exponentiell verteilten Ankunfts- und Bedienzeiten. Die Schlüsselformeln: Mittlere Warteschlangenlänge Lq = ρ²/(1-ρ), Mittlere Wartezeit Wq = ρ/(μ(1-ρ)), Mittlere Kundenanzahl im System L = ρ/(1-ρ), Mittlere Verweildauer W = 1/(μ-λ). Entscheidend: Der Nenner (1-ρ) sorgt dafür, dass alle Kennzahlen gegen Unendlich streben, wenn ρ sich 1 nähert.
