Voith OnQuality

Kurzfazit

Voith OnQuality ist das Qualitätsregelungssystem (QCS) für Papiermaschinen aus dem Hause Voith, Scanner, Sensoren und Querprofil-Aktuatoren, die Feuchte, Flächengewicht, Asche und Dicke messen und über die Maschinenbreite ausregeln. Der eigentliche KI-Mehrwert steckt nicht im QCS selbst, sondern im Aufsatz OnEfficiency: virtuelle Sensoren, die Qualitätswerte vorhersagen, bevor die Laborprobe vorliegt, modellprädiktive Regelung und maschinelles Lernen für die Bruchvermeidung. Für Werke mit Voith-Bestandsmaschinen, die Stärke und Rohstoffe einsparen wollen, ist das ein ernstzunehmender Hebel mit dokumentierter Amortisation unter einem Jahr. Wer keine Voith-Maschine fährt oder ein herstellerunabhängiges System sucht, sollte zuerst die Konkurrenz von Valmet IQ und die offenen Optimierungsplattformen prüfen, der Vendor-Lock-in bei Voith ist eng.

Für wen ist Voith OnQuality?

Werks- und Produktionsleitung in der Papier-/Kartonindustrie: Wer eine Voith-Papiermaschine betreibt und Ausschuss, Sortenwechselzeiten oder Rohstoffkosten senken muss, findet hier ein integriertes System aus Messung, Regelung und KI-Optimierung. Besonders interessant für Karton- und Verpackungspapier, wo Stärkeeinsatz und Faserkosten direkt auf die Marge durchschlagen.

Prozess- und Automatisierungsingenieure: Die OnEfficiency-Module (Strength, BreakProtect, DIP) liefern modellprädiktive Regelung und virtuelle Sensoren, ohne dass das Team selbst Data-Science-Modelle bauen muss, Voith trainiert und kalibriert sie. Wer Profilqualität und 2-Sigma-Werte verantwortet, bekommt ein Werkzeug, das über die klassische PID-Regelung hinausgeht.

Werke mit Stärke- und Feuchte-Trade-off: OnEfficiency.Strength optimiert Festigkeit, Stärkeeinsatz und Feuchte gemeinsam statt gegeneinander. Für Betriebe, die heute manuell zwischen „mehr Stärke = mehr Kosten” und „Festigkeitsziel halten” jonglieren, ist das der Kern-Use-Case.

Voith-Servicekunden: Wer ohnehin einen Voith-Servicevertrag hat, kann das digitale Assessment und die Fernoptimierung über OnPerformance.Lab nutzen, oft als Erweiterung der bestehenden Beziehung, nicht als komplett neuer Beschaffungsvorgang.

Weniger geeignet für: Werke mit Fremdmaschinen (Valmet, Andritz) ohne Voith-Leitsystem, kleine Spezialpapierhersteller unter ca. 30.000 t/Jahr (die Investition rechnet sich kaum), und alle, die ein herstellerunabhängiges, offenes Optimierungssystem ohne Vendor-Lock-in suchen.

Preise im Detail

Komponente	Preis	Was du bekommst
QCS-Komplettinstallation (OnQuality 4.0)	~250.000–600.000 €	Scanner-Frame (O-Frame bis 11.855 mm), Sensorpaket (Feuchte, Flächengewicht, Asche, Dicke), CD-Aktuatoren, Leitrechner-Integration
OnEfficiency.Strength (KI-Modul)	ab ~80.000–150.000 €	Virtuelle Sensoren, modellprädiktive Regelung, Kostenoptimierer für Stärke + Feuchte
OnEfficiency.BreakProtect	auf Anfrage	ML-basierte Abriss-Klassifikation und Ursachenanalyse
dataPARC cloud.Suite	auf Anfrage / Abo	Monitoring-Apps (Analyzer, Cockpit, Events, Functions), Fernoptimierung
Digitales Assessment	oft kostenlos (Servicevertrag)	Datenanalyse + Berechnung des Verbesserungspotenzials

Einordnung: Voith nennt öffentlich keine Preise, alles läuft über regionale Vertriebskontakte. Die hier genannten Spannen sind branchenübliche Größenordnungen für QCS-4.0-Projekte und dienen der Orientierung, nicht als verbindliche Kalkulation. Entscheidend ist die Trennung: Das QCS selbst ist eine sechsstellige Hardware-Investition, der KI-Aufsatz OnEfficiency ist das Software-Add-on, das den eigentlichen Optimierungs-ROI bringt. Für Bestandskunden ist der Einstieg über ein einzelnes OnEfficiency-Modul auf vorhandener Voith-Hardware deutlich günstiger als eine Neuinstallation. Der dokumentierte Payback unter einem Jahr (Smurfit Kappa) bezieht sich auf die Software-Optimierung, nicht auf die komplette QCS-Erneuerung.

Stärken im Detail

Virtuelle Sensoren ersetzen den Blick in die Glaskugel. Das stärkste Argument: OnEfficiency.Strength sagt mit Soft Sensors Qualitätswerte voraus, die sonst erst am Ende jedes Tambours per zerstörender Laborprobe feststehen. Statt stundenlang im Blindflug zu produzieren und am Schluss festzustellen, dass die Festigkeit nicht passt, regelt das System kontinuierlich auf den vorhergesagten Wert. Das ist der Unterschied zwischen reaktiver und prädiktiver Qualitätssteuerung.

Modellprädiktive Regelung plus Kostenoptimierer. OnEfficiency kombiniert virtuelle Sensoren mit Model Predictive Control (MPC) und einem Kostenoptimierer. Das System hält nicht nur das Qualitätsziel, sondern sucht den günstigsten Weg dorthin, etwa minimaler Stärkeeinsatz bei garantierter Festigkeit. Laakirchen Papier erreichte laut Voith bis zu 10 % Stärkeeinsparung bei gleichzeitig höherer Maschinengeschwindigkeit.

Maschinelles Lernen gegen Bahnabrisse. OnEfficiency.BreakProtect erkennt Abriss-Muster automatisch, segmentiert sie und ordnet sie nach Ursache zu. Voith nennt typische Reduktionen von 25–50 % bei den Bahnabrissen, jeder vermiedene Abriss spart Produktionsausfall, Anfahrverluste und Ausschuss. Hier wird ML genutzt, um aus historischen Abrissdaten Vorhersage- und Vermeidungsmuster zu lernen.

Breite, ausgereifte Sensorpalette. Das QCS-Fundament ist solide: Feuchtesensoren in drei Technologien (IR-Reflexion, IR-Transmission, Mikrowelle DS20), Flächengewicht (Krypton-85 bis 1.200 g/m²), Asche (Gammastrahlen-Absorption), Dicke, Faserorientierung, Glanz, Farbe. Dazu radioaktivfreie Optionen wie TecoSens für Tissue und FormingSens für die Wasserprofil-Messung im Former. Das ist über Jahrzehnte gewachsene Messtechnik.

Fernoptimierung über OnPerformance.Lab. Die dataPARC cloud.Suite überträgt Prozessdaten, sodass Voith-Spezialisten die Modelle aus der Ferne nachjustieren und Audits durchführen können. Für Werke ohne eigenes Data-Science-Team ist das der praktische Hebel, die Modellpflege bleibt beim Hersteller.

Tiefe Integration in die Voith-Welt. OnQuality läuft nahtlos mit dem ComCore/OnControl-Leitsystem und den CD-Aktuatoren (ModuleSteam, ModuleJet, ModulePro). Wer ohnehin eine Voith-Maschine fährt, bekommt ein durchgängiges System statt einer Schnittstellen-Bastelei.

Schwächen ehrlich betrachtet

Die KI sitzt im Aufsatz, nicht im Kern. Wichtig für eine ehrliche Einordnung: OnQuality selbst ist ein klassisches QCS, Scanner, Sensoren, PID-/Profilregelung. Der eigentliche KI-Wert (virtuelle Sensoren, MPC, ML-Bruchvermeidung) steckt im separaten OnEfficiency-Layer. Wer „nur” OnQuality kauft, bekommt exzellente Messtechnik, aber noch keine lernende Optimierung. Das muss bei der Beschaffung klar getrennt werden, sonst entsteht eine falsche Erwartung.

Modelle müssen gepflegt werden. Virtuelle Sensoren und MPC-Modelle sind keine Einmal-Installation. Bei Filzwechsel, Sortenwechsel und saisonalen Rohstoffschwankungen muss neu kalibriert werden, sonst driften die Vorhersagen. Ohne Voith-Fernsupport oder geschultes Personal verliert das System mit der Zeit an Präzision, ein laufender Kostenfaktor, der in die ROI-Rechnung gehört.

Enger Vendor-Lock-in. Implementierung, Wartung und Modellpflege laufen ausschließlich über Voith-Spezialisten. Es gibt keinen Drittanbieter-Support, und die enge Kopplung an Voith-Maschinen und -Leitsysteme erhöht die Verhandlungsabhängigkeit. Wer flexibel zwischen Herstellern wechseln will, sitzt in der Falle.

Wirtschaftlich nur ab mittlerer Größe. Die sechsstellige QCS-Investition und der laufende Modellpflegeaufwand rechnen sich erst ab einer gewissen Maschinenkapazität (grob ab 30.000 t/Jahr) und bei relevanten Rohstoffkosten. Kleine Spezialpapierhersteller mit häufigen Sortenwechseln und geringen Mengen profitieren oft nicht genug.

Cloud- und Fernzugriff sind erklärungsbedürftig. Die dataPARC-Cloud und die Voith-Fernoptimierung bedeuten, dass Prozessdaten das Werk verlassen. Was genau übertragen wird, wo es liegt und wie das IP der Rezepturen geschützt ist, muss vor dem Einsatz vertraglich geklärt werden, gerade weil dataPARC ursprünglich aus den USA stammt (Hauptsitz Washougal, Washington; über die BTG-Group-Übernahme 2019 bei Voith).

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Eine Fremdmaschine fährst oder ein herstellerunabhängiges QCS suchst	Valmet IQ
Faserstoff-Eingangsoptimierung mit ML brauchst	Valmet Fiber Furnish Control
Eine offene ML-Plattform für Prozessoptimierung über Branchen hinweg willst	ProcessMiner
Reine modellprädiktive Regelung (MPC) als Software-Layer brauchst	AspenTech DMC3
Ein breites Industrie-KI-/IIoT-Dach über mehrere Anlagen willst	Honeywell Forge

Erwähnenswert ohne eigene Tool-Seite: Andritz Metris (Optimierungsplattform des direkten Wettbewerbers im Maschinenbau), ABB Ability für Papier und die klassischen QCS-Anbieter ABB und Honeywell Measurex im Mess-Hardware-Segment. OnQuality spielt seine Stärke nur auf Voith-Maschinen aus, der wichtigste Vergleich ist deshalb fast immer Voith gegen Valmet, die beiden großen Papiermaschinen-OEMs mit jeweils geschlossenem Ökosystem.

So steigst du ein

Schritt 1: Voith-Vertrieb oder die lokale Niederlassung (Deutschland: Heidenheim, München, Hamburg) kontaktieren. Wichtig fürs Erstgespräch: aktuelle QCS-Generation auf der Maschine, vorhandene Messsysteme (Scanner-Typ, Baujahr, Sensormodule) und die heutigen Qualitätsabweichungen (2-Sigma-Werte für Feuchte und Flächengewicht). Kläre direkt, ob es um eine QCS-Erneuerung oder „nur” um den OnEfficiency-Aufsatz auf vorhandener Hardware geht, das macht preislich einen großen Unterschied.

Schritt 2: Digitales Assessment durchführen lassen. Voith analysiert vorhandene Prozessdaten (aus Historiker oder SCADA) und berechnet das Verbesserungspotenzial, bei Bestandskunden oft kostenlos im Rahmen eines Servicevertrags. Dieses Assessment ist die Grundlage für die ROI-Rechnung und sollte vor jeder Investitionsentscheidung stehen.

Schritt 3: Pilot mit einem einzelnen Modul starten. Voith empfiehlt typisch den Einstieg über einen einzelnen CD-Aktuator (z. B. Dampfprofil am Pressenpartie-Einlauf) oder ein OnEfficiency-Modul (Strength oder BreakProtect) und die schrittweise Erweiterung. Es folgt eine Step-Test-Kampagne zur Modellvalidierung; während der Einlaufphase werden Live-Daten in die dataPARC-Cloud übertragen, damit Voith die Modelle aus der Ferne nachjustieren kann.

Ein konkretes Beispiel

Im Smurfit-Kappa-Werk Hoya (Niedersachsen) installierte Voith das Modul OnEfficiency.Strength für die kombinierte Stärke- und Feuchteoptimierung. Statt die Festigkeit erst am fertigen Tambour per zerstörender Laborprobe zu prüfen, sagt ein virtueller Sensor den Festigkeitswert in Echtzeit voraus; die modellprädiktive Regelung fährt daraufhin den minimal nötigen Stärkeeinsatz, ohne das Festigkeitsziel zu verfehlen. Das Ergebnis laut Voith: Die Lösung „rechnet sich in weniger als einem Jahr”. Die Werksleitung musste dafür keine eigenen Data-Science-Modelle bauen, Voith hat die Modelle trainiert, kalibriert und über OnPerformance.Lab aus der Ferne nachjustiert. Auf Basis dieser Ergebnisse plante Smurfit Kappa den Rollout auf weitere Standorte. Spürbarer Effekt: weniger Stärkekosten je Tonne bei stabiler Qualität, und ein Payback, der in der Investitionsrechnung selten zu finden ist. (Quelle: Voith, Fallstudie OnEfficiency.Strength)

DSGVO & Datenschutz

• Datenhaltung: Das QCS und die Regelung laufen on-premises im Werk, Prozessdaten bleiben zunächst lokal. Anbieter ist die Voith GmbH & Co. KGaA, Heidenheim an der Brenz (Deutschland).
• Cloud-Layer: Die dataPARC cloud.Suite stammt ursprünglich aus den USA (entwickelt von Capstone Technology, Washougal/Washington; BTG übernahm Capstone 2016, Voith übernahm 2019 die BTG Group und damit dataPARC). Was in die Cloud übertragen wird und in welcher Region es liegt, muss vertraglich festgelegt werden, EU-Hosting ist möglich, aber kein Automatismus.
• Personenbezug: OnQuality verarbeitet primär Maschinen- und Prozessdaten, keine personenbezogenen Daten, DSGVO ist hier weniger das Thema als der Schutz von Betriebs- und Geschäftsgeheimnissen (Rezepturen, Wirkungsgrade).
• IP-Schutz: Vor der Fernoptimierung klären, welche Prozessdaten Voith sieht und wie Rezeptur- und Verfahrens-Know-how geschützt wird. Das ist bei OEM-Cloud-Anbindung der kritischere Punkt als der klassische Datenschutz.
• Auftragsverarbeitung (AVV): Für die Cloud- und Fernservices über AVV/individuellen Vertrag regelbar, explizit verhandeln, nicht voraussetzen.
• Empfehlung für Unternehmen: Datenhaltung, Cloud-Region und IP-Schutz als festen Bestandteil ins Beschaffungs- und Servicevertragswerk aufnehmen. Für sensible Verfahren prüfen, ob die Fernoptimierung auch über eine EU-Region oder rein on-premises läuft.

Gut kombiniert mit

• Valmet DNA, wo Fremdleitsysteme im Spiel sind, zeigt der Vergleich mit Valmets DCS, wie tief die OEM-Integration jeweils reicht; in gemischten Werken ist die Schnittstellen-Architektur die eigentliche Designentscheidung.
• ProcessMiner, als herstellerunabhängige ML-Schicht interessant, wenn neben der Voith-Maschine weitere Anlagen oder Prozessschritte datengetrieben optimiert werden sollen, die OnEfficiency nicht abdeckt.
• AspenTech DMC3, wer modellprädiktive Regelung über die Papiermaschine hinaus auf andere Verfahrensschritte (Stoffaufbereitung, Energie) ausdehnen will, kann DMC3 als generische MPC-Plattform ergänzend prüfen.

Unser Testurteil

Voith OnQuality verdient 4 von 5 Sternen. Für Werke mit Voith-Bestandsmaschinen ist es ein ausgereiftes, durchgängiges System, und der KI-Aufsatz OnEfficiency liefert mit virtuellen Sensoren, modellprädiktiver Regelung und ML-Bruchvermeidung echten, dokumentierten ROI (Smurfit Kappa: Payback unter einem Jahr, Laakirchen: bis 10 % Stärkeeinsparung). Den fünften Stern kosten der enge Vendor-Lock-in, die klare Abhängigkeit von Voith für Implementierung und Modellpflege, der laufende Kalibrieraufwand und die Tatsache, dass der KI-Nutzen im kostenpflichtigen Aufsatz steckt, nicht im QCS selbst. Wer keine Voith-Maschine fährt, sollte zuerst Valmet IQ und offene Optimierungsplattformen prüfen. Für die eine Zielgruppe, für die es gemacht ist, Voith-Werke mit relevantem Rohstoffeinsatz, ist OnQuality plus OnEfficiency aber eine der stärksten verfügbaren Lösungen.

Was wir bemerkt haben

• Juni 2026, Datums-Korrektur zur dataPARC-Herkunft: dataPARC wurde von Capstone Technology (gegründet 1997, Sitz Washougal/Washington, USA) entwickelt. BTG übernahm Capstone 2016, Voith übernahm 2019 die BTG Group und damit dataPARC, nicht erst 2021, wie wir früher geschrieben hatten. Relevant für die Datenhaltungs-Diskussion (US-Wurzeln der Cloud-Schicht).
• Mai 2026, Wir haben unsere frühere Angabe „OnCumulus” als Cloud-Plattform korrigiert: Voith vermarktet die Cloud-Schicht heute als dataPARC cloud.Suite (Apps: Analyzer, Cockpit, Events, Functions).
• Mai 2026, Schärfere Einordnung des KI-Anteils: Der eigentliche KI-Wert steckt nicht im QCS „OnQuality” selbst (klassische Messtechnik und Profilregelung), sondern im Aufsatz OnEfficiency, virtuelle Sensoren, Model Predictive Control und ML-Bruchvermeidung. Diese Trennung ist beschaffungsrelevant und wird in der Voith-Kommunikation gern verwischt.
• 2022, Voith publizierte die Smurfit-Kappa-Hoya-Fallstudie zu OnEfficiency.Strength mit Amortisation unter einem Jahr. Weitere belegte Fälle: Laakirchen (bis 10 % Stärkeeinsparung), Mondi Ružomberok (2.800 t/Jahr Fasereinsparung), Saica Venizel (~2 % Fasereinsparung).
• 2019, Voith übernahm die BTG Group und damit die dataPARC-Plattform (Capstone Technology war zuvor 2016 an BTG gegangen); seitdem wandert die Digitalisierungsschicht des Papermaking-4.0-Portfolios schrittweise auf dataPARC.