Predictive Maintenance: Wo sie wirkt — und wo sie überverkauft ist
Zustandsbasierte Instandhaltung, ehrlich eingeordnet.
Predictive Maintenance sagt anhand von Zustandsdaten voraus, wann ein Bauteil ausfallen wird, und plant den Eingriff davor. Das Konzept ist sinnvoll und in bestimmten Anwendungen sehr wirksam. Es ist gleichzeitig einer der am stärksten überverkauften Begriffe im industriellen Umfeld — weil die Voraussetzungen selten mitgeliefert werden.
Die vier Instandhaltungsstrategien
Reaktiv heißt: reparieren, wenn es kaputt ist. Präventiv heißt: nach festem Intervall tauschen, unabhängig vom Zustand. Zustandsbasiert heißt: messen und eingreifen, wenn ein Schwellwert erreicht ist. Prädiktiv geht einen Schritt weiter und prognostiziert aus dem Verlauf, wann der Ausfall eintritt — und erlaubt damit, den Eingriff wirtschaftlich zu planen statt nur rechtzeitig.
Der wirtschaftliche Gewinn liegt selten im vermiedenen Bauteilschaden. Er liegt im vermiedenen ungeplanten Stillstand und in der Bündelung: Wenn du weißt, dass drei Komponenten in den nächsten acht Wochen fällig werden, machst du daraus einen Termin statt drei.
Was sie voraussetzt
Drei Dinge müssen zusammenkommen. Erstens Sensorik, die den relevanten Zustand überhaupt erfasst — Vibration, Temperatur, Druck, Stromaufnahme. Zweitens eine ausreichende Historie tatsächlicher Ausfälle, damit ein Modell lernen kann, wie ein Ausfall sich ankündigt. Drittens ein Prozess, der auf die Vorhersage reagieren kann: Techniker, Teil und Zeitfenster müssen verfügbar sein, sonst ist die Prognose nur eine frühere schlechte Nachricht.
Der zweite Punkt ist der häufigste Stolperstein. Gut gewartete Anlagen fallen selten aus — also fehlen genau die Ereignisse, aus denen gelernt werden müsste. Das ist kein Grund gegen das Verfahren, aber ein Grund, die Datenlage vorher ehrlich zu prüfen.
Wo sie sich rechnet
Dort, wo ein ungeplanter Stillstand ein Vielfaches der Reparatur kostet: kontinuierliche Produktion, Energie, Prozessindustrie, Schienenverkehr, kritische Infrastruktur. Dort trägt die Investition auch dann, wenn die Prognose nur einen Teil der Ausfälle erfasst.
Weniger sinnvoll ist sie bei günstigen Bauteilen mit geringer Ausfallfolge, bei sehr heterogenen Beständen ohne Sensorik und überall dort, wo das eigentliche Problem nicht die Vorhersage ist, sondern die Diagnose im akuten Fall. Ein Betrieb, der bei einer laufenden Störung nicht weiß, welches Teil defekt ist, gewinnt mehr durch bessere Ferndiagnose als durch Prognosemodelle.
Inhaltsverzeichnis
Predictive Maintenance prognostiziert aus Zustandsdaten den Ausfallzeitpunkt und plant den Eingriff davor. Sie wirkt dort, wo Sensorik, Ausfallhistorie und hohe Stillstandskosten zusammenkommen — und scheitert dort, wo diese Grundlagen fehlen.
FAQ
Was ist Predictive Maintenance?
Eine Instandhaltungsstrategie, die aus Zustandsdaten den wahrscheinlichen Ausfallzeitpunkt einer Komponente prognostiziert und den Eingriff davor einplant — statt nach festem Intervall oder erst nach dem Ausfall zu handeln.
Welche Daten braucht Predictive Maintenance?
Zustandsdaten aus Sensorik wie Vibration, Temperatur, Druck oder Stromaufnahme, eine belastbare Historie tatsächlicher Ausfälle sowie Kontextdaten zu Betriebsstunden, Last und Wartungsereignissen.
Wann lohnt sich Predictive Maintenance nicht?
Bei günstigen Bauteilen mit geringer Ausfallfolge, bei fehlender Sensorik und fehlender Ausfallhistorie — und dort, wo das eigentliche Problem die Diagnose im akuten Störfall ist und nicht die Vorhersage.
Wir schreiben nicht nur darüber. Wir setzen es um.
Die meisten Unternehmen scheitern nicht an Ideen — sie scheitern an der Umsetzung. Wir arbeiten mit Teams zusammen, um Methoden wie diese in konkrete Ergebnisse zu verwandeln: klarere Entscheidungen, schnellere Lieferung, messbarer Impact.
