In einer fertigungsinsel-organisierten Produktionsumgebung mit unterschiedlichen Fertigungsverfahren und Technologien, bestehen viele Interdependenzen, die sich auf die Durchlaufzeit eines Produktionsauftrags und die Gesamtleistung des Systems auswirken. Engpässe spielen eine entscheidende Rolle für die Leistung eines Produktionssystems, da sie die Menge des Umlaufbestandes (WIP), die Durchlaufzeit von Aufträgen durch das Fertigungssystem und die Auslastung anderer Ressourcen beeinflussen. Diese Faktoren unterstreichen, dass Engpässe eine entscheidende Rolle für einen erfolgreichen Produktionsprozess darstellen. In dieser Arbeit werden daher die Möglichkeiten zur Ermittlung von Engpässen in einem dynamischen Produktionsbereich für vergangene und zukünftige Szenarien untersucht und die daraus resultierenden Kenngrößen bewertet. Zu Beginn werden theoretische Grundlagen zur Ermittlung geeigneter Kennzahlen und zu Arten von Engpassidentifikationsmethoden diskutiert. Anschließend werden Simulationsgrundlagen erläutert und die Implikationen aller genannten Prinzipien abgeleitet. Um das vorgeschlagene Verfahren zu testen, wird ein generisches Python-Framework vorgestellt. Ein ereignis-diskretes Simulationsmodell wird mit Hilfe der Open-Source Bibliothek salabim realisiert. Das konfigurierbare virtuelle Modell wird im Rahmen einer Fallstudie auf eine Werkstattfertigung eines Industriepartners angewandt. Diese umfasst 43 Arbeitsplätze inklusive 9 verschiedener Fertigungstechnologien der metallverarbeitenden Industrie. Darüber hinaus werden Parameter, die ein solches System definieren, wie beispielsweise stochastisch verteilte Maschinenausfälle, resultierende WIP und Durchlaufzeiten von Fertigungsaufträgen, definierte Schichtzeiten, Wochenendüberstunden und Alternativarbeitsplätze berücksichtigt. Die gesamte Modellentwicklung wird durch ständige Verifikations- und Validierungsmaßnahmen (V&V) begleitet. Schließlich wird die vorgeschlagene Herangehensweise erfolgreich zur Identifizierung von statischen und dynamischen Engpässen in einer dynamischen Werkstattfertigung für vergangene und zukünftige Szenarien einschließlich eines unterschiedlichen Produktmixes und sich ändernder Produktionsmengen angewendet.