Predictive Maintenance im MES:
wann sie sich rechnet und wann nicht
Vorausschauende Instandhaltung ist der meistversprochene und am seltensten eingelöste Anwendungsfall im Umfeld von Manufacturing Execution Systems. Diese Seite ist für Produktions- und Instandhaltungsleitungen in Fertigungsunternehmen im DACH-Raum geschrieben, die ein Angebot auf dem Tisch haben und wissen wollen, ob ihre Datenlage die versprochene Prognose überhaupt hergibt. Die ehrliche Antwort lautet in den meisten Betrieben: noch nicht. Nach Erfahrungswerten aus Auswahlprojekten der Sectorlens GmbH, der herstellerneutralen Betreiberin dieser Plattform, seit 2022 braucht ein überwachtes Prognosemodell rund acht bis fünfzehn dokumentierte Ausfälle desselben Fehlerbilds und eine Historie über mindestens 24 Monate. Wer das nicht hat, kauft kein Modell, sondern ein Dashboard. Wir zeigen die vier Instandhaltungsstrategien im Vergleich, die fünf Prognoseverfahren mit ihrem jeweiligen Datenbedarf, welche Messgröße welches Schadensbild anzeigt, die zehn harten Voraussetzungen, ein vollständig offengelegtes Wirtschaftlichkeitsbeispiel, den Weg in sechs Schritten und die Rollen für die Alarmbewertung.
Zur Abgrenzung: Breiter angelegt sind die Anwendungsfälle in unserer Übersicht zu KI im MES mit Reifegradtabelle, die über alle Verfahren hinweg zwölf bis vierundzwanzig Monate Historie als Orientierung nennt. Für die Instandhaltung setzen wir hier bewusst die obere Grenze an, weil Werkzeugstandzeiten und saisonale Lastprofile sich im Jahreszyklus wiederholen und erst zwei vollständige Zyklen echten Verschleiß von normaler Schwankung trennen. Hier geht es ausschließlich um Instandhaltung, dafür bis auf die Ebene von Verfahren, Messgröße und Abtastrate.
Vorausschauend ist nicht
automatisch die beste Strategie
DIN EN 13306:2018 unterscheidet korrektive, vorbeugende und zustandsabhängige Instandhaltung und führt die vorausschauende Instandhaltung als Unterform der zustandsabhängigen. In der Praxis sind es vier Optionen, und für jede Anlage in Ihrem Werk ist genau eine davon die wirtschaftlichste. Die Begriffe sortiert auch unser MES-Glossar mit 93 Begriffen.
| Strategie | Auslöser | Datenbedarf | Typische Kosten | Wann sie die richtige ist |
|---|---|---|---|---|
| Reaktiv korrektiv |
Der Ausfall selbst. Es wird instand gesetzt, wenn die Anlage steht. | Keiner. Eine Störmeldung mit Zeitstempel genügt für die Nachverfolgung. | Keine Vorabinvestition. Dafür je Ereignis die volle ungeplante Stillstandszeit plus Eilzuschläge auf Ersatzteile. | Unkritische Anlagen mit Redundanz, geringen Stillstandskosten und kurzer Wiederbeschaffungszeit. Bei einer parallel verfügbaren zweiten Maschine ist reaktiv oft die ehrlichste Antwort. |
| Präventiv nach Kalender oder Laufzeit vorbeugend |
Ein festes Intervall: Kalenderwoche, Betriebsstunden, Zyklen oder gefertigte Stückzahl. | Laufzeit- oder Stückzähler und ein gepflegter Wartungsplan. Die Zähler liefert in der Regel bereits die Maschinen- und Betriebsdatenerfassung im MES. | Planbar, aber systematisch zu hoch: Teile werden getauscht, obwohl Restlebensdauer vorhanden ist. Zusätzlich geplante Stillstände. | Verschleiß mit bekanntem Muster, Herstellervorgabe im Wartungsvertrag, Gewährleistungsauflagen und alles, was sicherheits- oder zulassungsrelevant ist. Hier ist das Intervall keine Wahl, sondern eine Pflicht. |
| Zustandsorientiert condition based |
Eine Messgröße verlässt einen definierten Grenzwert: Schwingungspegel, Öltemperatur, Partikelzahl, Stromaufnahme. | Sensorik am richtigen Punkt und ein fachlich begründeter Grenzwert. Ausdrücklich keine Ausfallhistorie nötig. ISO 17359:2018 beschreibt das Vorgehen. | Sensorik und Anbindung je Messpunkt, danach sehr geringer laufender Aufwand. Kein Modell, das gepflegt werden muss. | Der wirtschaftliche Standardfall für die große Mehrheit der Anlagen. Wer heute noch kalenderbasiert wartet, holt mit diesem Schritt den größten Teil des Nutzens, den er sich von Predictive verspricht. |
| Vorausschauend predictive |
Die Prognose eines Modells: ein geschätzter Zeitpunkt oder eine Ausfallwahrscheinlichkeit im definierten Fenster. | Gelabelte Ausfallhistorie über mindestens 24 Monate, konsistente Zeitbasis über Steuerung, MDE und Instandhaltungssystem, geeignete Sensorik und laufende Modellpflege. | Die höchsten Einmal- und Laufkosten aller vier Strategien. Der laufende Aufwand für Drift-Überwachung und Nachtraining wird in Angeboten fast immer unterschätzt. | Nur Engpassanlagen mit hohen Stillstandskosten, ausreichender Ausfallhäufigkeit und dokumentierter Ursachenhistorie. In der Metallverarbeitung sind das typischerweise das Bearbeitungszentrum im Engpass und die zentrale Presse, nicht die gesamte Fertigungslinie. |
Die Kernaussage dieser Seite: Vorausschauende Instandhaltung ist nicht für jede Anlage die wirtschaftlichste Strategie, sondern für sehr wenige. Der Sprung von kalenderbasiert auf zustandsorientiert kostet einen Bruchteil und liefert an den meisten Anlagen den größeren Teil des Effekts. Wer trotzdem Predictive will, sollte die Strategie je Anlage einzeln entscheiden und nicht als Werksprogramm ausrollen. Wie sich der Nutzen überhaupt messen lässt, steht in unserem Leitfaden zu OEE berechnen nach ISO 22400.
Fünf Verfahren.
Nur zwei davon nennen einen Zeitpunkt.
Predictive Maintenance ist kein Verfahren, sondern ein Sammelbegriff für mindestens fünf technisch verschiedene Ansätze mit sehr unterschiedlichem Datenbedarf. Welcher davon hinter einem Angebot steht, entscheidet darüber, ob Ihre Datenlage überhaupt reicht. ISO 13374-1 gliedert die Verarbeitungskette in sechs Funktionsblöcke, von der Datenerfassung über Zustandserkennung und Zustandsbewertung bis zur Prognose und zur Handlungsempfehlung. Die folgenden fünf Verfahren unterscheiden sich vor allem darin, wie weit sie in dieser Kette kommen.
| Verfahren | Was gerechnet wird | Datenbedarf | Was es leisten kann | Wo die Grenze liegt |
|---|---|---|---|---|
| Schwellwertüberwachung kein Modell |
Ein Messwert wird gegen eine Warn- und eine Alarmschwelle verglichen, üblicherweise mit Hysterese und einer Mindestverweildauer, damit ein einzelner Ausreißer keinen Auftrag auslöst. | Ein Sensor am richtigen Punkt und ein fachlich begründeter Grenzwert. Keine Ausfallhistorie, keine Labels, kein Training. | Sofort einsatzbereit, vollständig nachvollziehbar, kein Modellrisiko und kein Nachtrainingsaufwand. Deckt an den meisten Anlagen den größten Teil des Nutzens ab, den sich Betriebe von einer Prognose versprechen. | Meldet erst, wenn der Wert die Schwelle bereits erreicht hat. Die Vorwarnzeit entspricht dem Abstand zwischen Warn- und Alarmschwelle und lässt sich nicht beziffern. Streng genommen Zustandsüberwachung, nicht Prognose. |
| Trendanalyse und Extrapolation nennt Zeit |
Über den Verlauf eines Kennwerts wird eine Ausgleichsfunktion gelegt, linear oder exponentiell, und bis zum Schnittpunkt mit der Grenzwertlinie fortgeschrieben. | Eine Kenngröße, die sich stetig in eine Richtung bewegt, über mehrere Monate sauber und lückenlos erfasst. Gelabelte Ausfälle sind nicht nötig. | Die erste echte Zeitaussage: Grenzwert voraussichtlich in sechs Wochen erreicht. Günstig, im MES-Dashboard darstellbar, ohne Data-Science-Aufwand und ohne laufende Modellpflege. | Setzt einen gleichmäßigen Degradationsverlauf voraus. Bei sprunghaftem Versagen wie Werkzeugbruch oder Elektronikausfall liefert die Extrapolation eine Zahl ohne Bedeutung. Last-, Material- und Produktwechsel verzerren den Trend, wenn der Kennwert nicht darauf normiert wird. |
| Restlebensdauerschätzung nennt Zeit |
Ein überwacht trainiertes Modell schätzt aus Zeitreihen und Betriebskontext die verbleibende Nutzungsdauer bis zum Ausfall, üblicherweise mit Konfidenzband. Eingesetzt werden Regressions- und Gradient-Boosting-Verfahren sowie Überlebenszeitmodelle wie Weibull-Anpassungen oder Cox-Regression. | Der höchste Bedarf aller fünf Verfahren. Gelabelte Ausfälle desselben Fehlerbilds mit dem vollständigen Verlauf bis zum Ausfall, sogenannte Run-to-Failure-Daten. Nach Erfahrungswerten aus Sectorlens-Auswahlprojekten seit 2022 ab acht bis fünfzehn Ereignissen tragfähig. | Das, was Anbieter meinen, wenn sie Predictive Maintenance sagen: ein Zeitpunkt mit Unsicherheitsangabe, gegen den sich Ersatzteilbeschaffung und Wartungsfenster planen lassen. | Bricht ohne Run-to-Failure-Verläufe zusammen. Ausgerechnet Betriebe, die konsequent präventiv tauschen, haben keine, weil das Teil immer vorher gewechselt wird. Solche abgeschnittenen Verläufe muss das Verfahren als zensierte Daten behandeln, sonst schätzt es die Lebensdauer systematisch zu kurz. |
| Anomalieerkennung ohne Zeitpunkt |
Ein unüberwacht trainiertes Modell lernt aus Daten des gesicherten Normalbetriebs ein mehrdimensionales Bild von Normalität und gibt für jeden neuen Datenpunkt einen Abweichungswert aus. Typische Verfahren sind Autoencoder, Isolation Forest und One-Class-Support-Vector-Machines. | Hochfrequente Sensor- oder Steuerungsdaten aus einer Phase, in der die Anlage nachweislich gesund lief. Keine Ausfalllabels nötig, und genau das macht das Verfahren für die meisten Betriebe überhaupt zugänglich. | Findet schleichende Veränderungen, die keine einzelne Schwelle abbildet, etwa eine veränderte Kombination aus Antriebsstrom, Temperatur und Zykluszeit. Der realistische Einstieg für Anlagen mit weniger als acht dokumentierten Ereignissen. | Nennt weder Zeitpunkt noch Ursache. Ein Anomaliescore sagt, dass etwas anders ist als sonst, nicht, dass ein Lager in zwölf Tagen versagt. Ohne Rückmeldung, welche Anomalie ein echter Schaden war, lernt das System nichts dazu. Jede Umstellung im Normalbetrieb wird zunächst als Anomalie gemeldet. |
| Physikbasierte und hybride Modelle ohne Historie |
Der Schadensmechanismus wird gerechnet statt aus Daten gelernt: nominelle Lagerlebensdauer nach ISO 281, Schadensakkumulation aus gemessenen Lastkollektiven nach der Palmgren-Miner-Regel, thermische Alterung von Isolierstoffen. Hybride Varianten korrigieren das physikalische Modell laufend mit Messdaten. | Konstruktions-, Werkstoff- und Auslegungsdaten der Baugruppe sowie ein gemessenes Lastkollektiv. Ausfälle in der eigenen Historie sind nicht erforderlich. | Liefert eine Prognose auch für Anlagen ohne jede Ausfallhistorie, weil das Wissen aus der Auslegung stammt und nicht aus Daten. Für Neuanlagen, Einzelmaschinen und Sonderanlagen oft der einzige gangbare Weg. | Braucht Auslegungsdaten, die dem Betreiber meist nicht vorliegen, sondern dem Maschinenhersteller. Bildet ausschließlich den modellierten Mechanismus ab: Ein Modell für Lagerermüdung sieht einen Schmierungs- oder Montagefehler nicht. Den Zugang zu diesen Daten verhandeln Sie beim Maschinenkauf, nicht Jahre später. |
Ordnen Sie sich selbst zu, bevor Sie ein Angebot lesen. Null bis zwei dokumentierte Ausfälle je Fehlerbild: Schwellwertüberwachung, ergänzt um Anomalieerkennung, sofern hochfrequente Daten vorliegen. Ein stetig steigender Kennwert ohne Labels: Trendanalyse, sie kostet fast nichts und liefert eine erste Zeitaussage. Acht bis fünfzehn gelabelte Ausfälle desselben Fehlerbilds mit Verlauf bis zum Ausfall: Restlebensdauerschätzung, der einzige Fall, in dem sich der volle Aufwand aus dem Rechenbeispiel weiter unten rechtfertigen lässt. Neue oder einzelne Anlage, aber Auslegungsdaten vom Hersteller verfügbar: physikbasiertes Modell. Fragen Sie jeden Anbieter, welches dieser fünf Verfahren hinter seinem Produkt steht und warum gerade dieses. Wer die Frage nicht in einem Satz beantwortet, verkauft ein Dashboard. Die Reifegrade der übrigen KI-Anwendungsfälle im MES, von der Ausschussprognose bis zur autonomen Feinplanung, sortiert unsere Übersicht zu KI im MES; die Verfahrensebene dieser Tabelle gibt es dort bewusst nicht.
Welche Größe zeigt welchen Schaden.
Und was die Nachrüstung kostet.
Prognostiziert werden kann nur, was sich vorher messbar verändert. Diese Tabelle ordnet die sechs in der Fertigung gebräuchlichen Messgrößen den Schadensbildern zu, für die sie tatsächlich aussagekräftig sind, und nennt Abtastrate, Nachrüstaufwand und Grenzen. Sie verhindert die häufigste Fehlinvestition in diesen Projekten: Sensorik zu beschaffen, die den eigentlichen Schadensmechanismus gar nicht sieht. Prüfen Sie vor jeder Bestellung, welche dieser Größen Ihre Steuerung über OPC UA nach IEC 62541 bereits liefert.
| Messgröße | Welches Schadensbild sie anzeigt | Typische Abtastung | Nachrüstung je Messpunkt | Was sie nicht kann |
|---|---|---|---|---|
| Schwingung Leitgröße Mechanik |
Wälzlagerschäden, Unwucht, Ausrichtfehler, Zahneingriffsfehler, Spindel- und Führungsschäden. Die mit Abstand aussagekräftigste Größe für rotierende Mechanik. Ein Lagerschaden kündigt sich über Wochen bis Monate im Hüllkurvenspektrum an, lange bevor Temperatur oder Strom reagieren. | 10 bis 50 kHz für die Auswertung von Lagerschadensfrequenzen im Hüllkurvenspektrum. Für reine Trendkennwerte wie den Effektivwert der Schwinggeschwindigkeit nach ISO 20816, der Nachfolgereihe von ISO 10816, genügt Sekundenauflösung. | 800 – 2.500 € | Die Anbaustelle entscheidet über die Aussagekraft. Ein nur magnetisch angesetzter Aufnehmer liefert oberhalb weniger Kilohertz kaum verwertbare Daten. Bei drehzahlvariablen Antrieben ist eine Drehzahlreferenz zwingend, sonst ist das Spektrum nicht interpretierbar. Die Rohdatenmenge erzwingt Vorverarbeitung am Edge-Gerät. |
| Temperatur Spätindikator |
Reibung, Schmierungsmangel, Überlast, Kühlprobleme, erhöhte elektrische Übergangswiderstände in Klemmstellen und Schaltschränken. | Sekunden bis Minuten. Wichtiger als die Rate ist die gleichzeitige Erfassung von Umgebungstemperatur und Last als Bezugsgrößen. | 150 – 600 € | Meist ein Spätindikator: Die Temperatur steigt erst, wenn der Schaden bereits Energie verzehrt. Ohne Kompensation von Umgebung, Schicht und Auslastung ist ein Absolutwert wertlos. Für die Früherkennung von Wälzlagerschäden ungeeignet. |
| Motorstrom und Wirkleistung oft schon vorhanden |
Änderung des Lastmoments, Werkzeugverschleiß, Zusetzen von Filtern und Förderwegen, mechanische Schwergängigkeit. Bei Motorstromsignaturanalyse zusätzlich Rotorstab- und Lagerschäden am Antrieb selbst. | Für Trendauswertungen Sekundenauflösung. Für die Motorstromsignaturanalyse 5 bis 20 kHz. | 300 – 1.200 € | Das Signal mischt Prozess und Zustand. Ein steigender Strom kann ein stumpfes Werkzeug, ein härteres Material oder ein defektes Lager bedeuten. Ohne Auftrags- und Artikelkontext aus dem MES lässt sich das nicht auflösen, und genau deshalb ist die Prognose ohne saubere MDE- und BDE-Erfassung nicht zu haben. |
| Druck und Volumenstrom Hydraulik, Pneumatik |
Leckagen, Pumpen- und Dichtungsverschleiß, verstopfte Düsen und Filter, träge oder klemmende Ventile. In der Pneumatik ist der Verbrauch bei gleicher Taktzahl ein sehr sauberer Leckageindikator. | 10 bis 100 Hz, um das Druckprofil innerhalb eines Zyklus abzubilden. Minutenmittel genügen für die reine Trendbeobachtung. | 400 – 1.500 € | Aussagekräftig wird der Wert erst im Vergleich immer desselben Zyklusabschnitts. Ein Mittelwert über die Schicht verdeckt genau das Profil, das den Schaden zeigt. Der Einbau erfordert einen Eingriff in den Kreislauf, also einen geplanten Stillstand. |
| Ölzustand Getriebe, Hydraulik |
Abrasiver Verschleiß in Getrieben und Hydraulikkreisläufen, Wassereintrag, Additivabbau, Alterung. Partikelzahl und Partikelform sind der direkteste Nachweis mechanischen Abtrags, den es gibt. | Online-Partikelzähler minütlich. Als günstige Einstiegsvariante genügt eine Laboranalyse je Kreislauf im Quartal. | 2.000 – 6.000 € Laborprobe 40 – 90 € |
Onlinesensorik ist teuer und empfindlich gegen Luftblasen im Kreislauf. Die Ölprobe zeigt den Zustand eines Kreislaufs, nicht die Baugruppe, aus der der Abtrag stammt. Zur Lokalisierung braucht es zusätzlich Schwingungsmessung. |
| Körperschall Spezialfall |
Rissbildung, Kavitation, Reibkontakt und Mangelschmierung im Ultraschallbereich, oft Wochen vor der Schwingungssignatur. Auch für langsam drehende Großlager, bei denen die klassische Schwingungsanalyse an der Frequenzuntergrenze scheitert. | 100 kHz bis über 1 MHz. Erfordert eigene Erfassungshardware mit Vorverarbeitung unmittelbar am Sensor. | 1.500 – 5.000 € | Sehr empfindlich gegen Störgeräusche aus der Umgebung, etwa Druckluftleckagen in der Nachbarschaft. Die Interpretation braucht Fachkenntnis und ist selten Bordmittel eines MES. Sinnvoll bei langsam drehenden Großlagern und Presswerkzeugen, nicht als Standardausstattung. |
Von der Einzelposition zur Anlagensumme. Eine Anlage braucht in der Praxis drei bis sechs Messpunkte. Zusammen mit Edge-Gateway, Netzwerkanbindung, Schaltschrankarbeit und Inbetriebnahme ergeben sich daraus die 6.000 bis 14.000 Euro je Anlage, die im Rechenbeispiel als Einmalposten stehen. Alle Spannen sind Erfahrungswerte aus Sectorlens-Auswahlprojekten seit 2022 und gelten je Messpunkt inklusive Aufnehmer, Verkabelung und Eingangskanal, ohne Anteil an Gateway und Softwarelizenz. Der Teil, der ohne Hardwarekosten zu haben ist, wird regelmäßig unterschätzt: Antriebsströme, Drehmomente, Temperaturen, Zykluszeiten und Fehlercodes liegen bei modernen Umrichtern und Steuerungen bereits an und lassen sich über die vorhandene OPC-UA-Anbindung abgreifen. Klären Sie diesen Bestand ab, bevor Sie ein Sensorikangebot unterschreiben.
Zehn Bedingungen.
Fehlt eine, fällt die Prognose.
Diese zehn Punkte sind keine Wunschliste, sondern die Eintrittskarte. Gehen Sie die Liste vor dem nächsten Anbietertermin durch und markieren Sie jeden Punkt mit ja, nein oder unklar. Jede Zeile nennt die Anforderung, warum sie zwingend ist und was passiert, wenn sie fehlt.
Datenhistorie über mindestens 24 Monate
Warum zwingend: Ein Modell lernt Normalität. Saisonale Effekte, Werkzeugstandzeiten, Materialchargen und Schichtmodelle wiederholen sich im Jahreszyklus, und erst zwei vollständige Zyklen trennen echten Verschleiß von normaler Schwankung. Ohne sie: Das Modell interpretiert einen Sommerlauf oder einen Chargenwechsel als beginnenden Schaden und produziert Fehlalarme, die die Instandhaltung nach wenigen Wochen ignoriert.
Dokumentierte Ausfälle mit Ursache auf Baugruppenebene
Warum zwingend: Ein überwachtes Modell braucht Labels. Es muss wissen, dass am 14. März das Spindellager versagt hat und nicht irgendetwas. Ohne sie: Sie haben Millionen Messpunkte und null verwertbare Ereignisse. Eine Störgrundliste, die mit der Sammelkategorie „Störung Maschine" arbeitet, ist für Predictive Maintenance wertlos, egal wie viele Jahre sie zurückreicht.
Konsistente Zeitbasis über alle Quellen
Warum zwingend: Steuerung, MDE-Terminal, Instandhaltungssystem und Sensorik müssen dieselbe Uhr haben. Ein Schwingungsanstieg vier Minuten vor einer Störmeldung ist ein Signal, vier Minuten danach ist er Rauschen. Ohne sie: Ursache und Wirkung lassen sich nicht mehr zuordnen. Zeitsynchronisation über NTP oder PTP und einheitliche Zeitzonen mit Sommerzeitbehandlung sind Pflicht, bevor der erste Datensatz exportiert wird.
Sensorik, die die tatsächlich versagende Größe misst
Warum zwingend: Prognostiziert werden kann nur, was sich vorher messbar verändert. Ein Wälzlagerschaden kündigt sich im Schwingungsspektrum an, nicht in der Motortemperatur. Ohne sie: Das Modell lernt aus Signalen, die mit dem Fehlerbild nichts zu tun haben, und liefert eine Prognose mit hoher Rechenlast und ohne physikalische Grundlage. Legen Sie je Fehlerbild fest, welche Größe sich verändert, bevor Sie Hardware bestellen.
Ausreichende Ausfallhäufigkeit für ein Modell
Warum zwingend: Statistik braucht Fälle. Nach Sectorlens-Erfahrung aus Auswahlprojekten seit 2022 wird ein überwachtes Prognosemodell ab etwa acht bis fünfzehn dokumentierten Ereignissen desselben Fehlerbilds tragfähig. Ohne sie: Bei zwei oder drei Ereignissen bleibt nur Anomalieerkennung ohne Zeitprognose, und die ist funktional näher an zustandsorientierter Überwachung als an Predictive Maintenance. Ausgerechnet die zuverlässigsten Anlagen sind deshalb die ungeeignetsten Kandidaten.
Eine klar benannte Zielgröße
Warum zwingend: „Weniger Ausfälle" ist kein Modellziel. Verwertbar ist: Ausfallwahrscheinlichkeit der Hauptspindel in den nächsten 14 Tagen, oder Restlebensdauer des Antriebslagers in Betriebsstunden. Ohne sie: Anbieter und Betrieb reden über verschiedene Dinge, und am Ende steht ein Ampelwert ohne Einheit, den niemand in eine Entscheidung übersetzen kann.
Eine Person, die die Prognose fachlich bewertet
Warum zwingend: Jede Prognose kommt mit einer Unsicherheit. Es braucht jemanden mit Anlagenkenntnis, der entscheidet, ob eine Warnung plausibel ist oder ob gerade ein neuer Werkstoff gefahren wird. Ohne sie: Entweder werden alle Warnungen abgearbeitet, dann explodieren die Kosten, oder keine, dann war das Projekt umsonst. Rechnen Sie mit zwei bis vier Stunden pro Woche für eine benannte Person, dauerhaft.
Eine definierte Reaktion auf jede Warnung
Warum zwingend: Die Prognose ist wertlos, wenn nicht vorher feststeht, wer sie sieht, in welcher Frist er sie bewertet, welcher Instandhaltungsauftrag daraus entsteht und in welchem Zeitfenster eingegriffen wird. Ohne sie: Die Warnung landet in einem Dashboard, das nach acht Wochen niemand mehr öffnet. Das ist der häufigste stille Projekttod, und er hat mit Technik nichts zu tun.
Stabile Anlagenkonfiguration und ein Änderungsdienst, der Umbauten meldet
Warum zwingend: Ein Modell gilt für eine bestimmte mechanische und programmtechnische Konfiguration. Spindeltausch, neuer Werkzeugsatz, geändertes NC-Programm oder anderer Werkstoffmix verschieben die gelernte Normalität. Ohne sie: Die Fehlalarmrate steigt nach dem Umbau, und weil niemand den Zusammenhang herstellt, gilt am Ende „das Modell taugt nichts" statt „das Modell braucht Retraining".
Eine gerechnete Wirtschaftlichkeit je Anlage
Warum zwingend: Stillstandskosten je Stunde, Ausfallhäufigkeit und prognostizierbarer Anteil unterscheiden sich zwischen zwei Anlagen im selben Werk um den Faktor zehn. Ohne sie: Das Projekt läuft als Leuchtturm, wird nach dem Förderzeitraum nicht verlängert und hinterlässt Sensorik ohne Auswerter. Die vollständige Rechnung mit allen Annahmen steht im nächsten Abschnitt, die Einordnung in das Gesamtbudget in unserer Übersicht zu MES-Kosten und TCO.
Sechs Gründe.
Fünf davon sind keine Technikprobleme.
Predictive-Maintenance-Vorhaben scheitern selten am Algorithmus. Sie scheitern an der Datenlage, an fehlenden Prozessen und an einer Rechnung, die nie aufgestellt wurde. Zu jedem Grund steht, woran Sie ihn früh erkennen und was die Gegenmaßnahme ist.
Zu wenige Ausfälle für ein belastbares Modell
Die Anlage läuft zuverlässig, im letzten Jahr gab es drei ungeplante Stillstände, und zwei davon hatten unterschiedliche Ursachen. Damit existiert für kein einzelnes Fehlerbild eine Datenbasis. Das Paradox: Je besser die Anlage gewartet ist, desto weniger lässt sich prognostizieren.
- Frühwarnzeichen: Der Anbieter fragt nicht nach der Zahl der Ereignisse je Fehlerbild
- Gegenmaßnahme: Ereignisse je Fehlerbild zählen, nicht Datenpunkte. Unter acht Fällen zunächst zustandsorientiert überwachen
- Alternative: Anomalieerkennung ohne Zeitprognose, deutlich günstiger und ehrlicher benannt
Die Ausfallursachen wurden nie dokumentiert
Die Störgrundliste kennt fünf Einträge, davon einer heißt „Störung Maschine" und deckt siebzig Prozent aller Meldungen ab. Die Rohdaten sind vorhanden, aber nicht gelabelt, und rückwirkend lässt sich die Ursache eines Stillstands aus dem Jahr 2024 nicht mehr rekonstruieren.
Das ist der teuerste Grund, weil die Gegenmaßnahme Zeit kostet, die nicht abgekürzt werden kann.
- Frühwarnzeichen: Die Top-Störgrundauswertung zeigt eine Sammelkategorie über 40 Prozent
- Gegenmaßnahme: Baugruppen- und Ursachenebene einführen, die der Instandhalter in unter zehn Sekunden am Terminal wählt
- Grundlage schaffen über eine saubere MDE- und BDE-Erfassung
Die Sensorik misst nicht die relevante Größe
Vorhanden sind Temperatur und Betriebsstunden, weil diese Werte ohnehin aus der Steuerung kommen. Versagt hat das Wälzlager, und dessen Zustand steht im Schwingungsspektrum bei mehreren Kilohertz, nicht in einem Temperaturwert mit Minutenauflösung.
- Frühwarnzeichen: Im Angebot steht, welche Daten genutzt werden, aber nicht, welches Fehlerbild damit erkannt wird
- Gegenmaßnahme: Je Fehlerbild die physikalische Größe und die nötige Abtastrate festlegen, erst dann Hardware beschaffen
- Anbindung über OPC UA nach IEC 62541 oder ein Edge-Gateway mit Vorverarbeitung
Die Warnung hat keine definierte Reaktion
Das Modell läuft, die Prognose erscheint im Dashboard, und dann passiert nichts. Es ist nicht festgelegt, wer die Meldung sieht, in welcher Frist er sie bewertet, wer den Instandhaltungsauftrag anlegt und welches Zeitfenster für den Eingriff reserviert ist.
Nach etwa acht Wochen öffnet niemand mehr das Dashboard, und das Projekt gilt intern als gescheitert, obwohl das Modell funktioniert.
- Frühwarnzeichen: Im Projektplan gibt es keine Zeile für den Instandhaltungsprozess
- Gegenmaßnahme: Reaktionsprozess vor dem Modell definieren, mit Verantwortlichem, Frist und Eskalation
- Rückschreiben der Warnung als Auftrag in das Instandhaltungssystem, nicht als E-Mail
Das Modell driftet nach dem Anlagenumbau
Nach einem Spindeltausch, einem neuen Werkzeugsatz, einem geänderten NC-Programm oder einem anderen Werkstoffmix passt die gelernte Normalität nicht mehr. Die Fehlalarmrate steigt schleichend, und weil zwischen Umbau und Alarmanstieg Wochen liegen, stellt niemand den Zusammenhang her.
- Frühwarnzeichen: Im Vertrag steht kein Prozess für Retraining nach technischen Änderungen
- Gegenmaßnahme: Änderungsdienst der Instandhaltung an die Modellpflege koppeln, Retraining als Standardschritt jeder Änderung
- Kostenträger für Nachtraining vorab schriftlich klären
Die Rechnung wurde nie aufgestellt
Das Vorhaben startet als Leuchtturm, oft mit Fördermitteln, und niemand hat je Stillstandskosten je Stunde, Ausfallhäufigkeit und prognostizierbaren Anteil zusammengeführt. Nach Ende des Förderzeitraums fehlt die Begründung für die Verlängerung, und übrig bleibt Sensorik ohne Auswerter.
- Frühwarnzeichen: Der Nutzen wird in Prozent Verfügbarkeitssteigerung angegeben, ohne Herleitung
- Gegenmaßnahme: Vollständige Rechnung je Anlage mit offengelegten Annahmen, siehe nächster Abschnitt
- Einordnung in das Gesamtbudget über unsere Übersicht zu MES-Kosten
Ein Rechenbeispiel
mit offengelegten Annahmen
Wir rechnen eine einzelne Anlage durch: ein Bearbeitungszentrum im Engpass, Zweischichtbetrieb, in einem metallverarbeitenden Betrieb mit rund 180 Mitarbeitenden. Jede Annahme steht in der Tabelle und ist durch Ihre eigene Zahl ersetzbar. Wir nennen bewusst keine Einsparungsprozente, sondern die Rechenkette. Nachrechnen ist ausdrücklich erwünscht.
| Position | Annahme im Beispiel | Wert | Woher die Zahl kommt |
|---|---|---|---|
| Stillstandskosten je Stunde | Engpassanlage, Zweischicht, keine Ausweichmaschine | 2.400 €/h | Deckungsbeitragsausfall der nicht gefertigten Menge plus gebundenes Personal plus Anfahr- und Nacharbeitsverluste. Diese Zahl müssen Sie selbst ermitteln, sie ist der wichtigste Hebel der ganzen Rechnung. |
| Ungeplante Ausfälle im Jahr | dieselbe Anlage, Auswertung über 24 Monate | 9 | Störgrundhistorie im MES, Kategorie ungeplanter technischer Stillstand. Geplante Wartung und Rüsten zählen nicht mit. |
| Mittlere Ausfalldauer | inklusive Reaktions-, Diagnose- und Ersatzteilzeit | 4,0 h | MTTR aus der Instandhaltungshistorie. Wer nur die reine Schrauberzeit erfasst, unterschätzt diesen Wert regelmäßig um die Hälfte. |
| Ungeplante Stillstandskosten pro Jahr | 9 × 4,0 h × 2.400 € | 86.400 € | Rechenergebnis. Das ist der gesamte Topf, aus dem Predictive Maintenance überhaupt etwas holen kann. |
| Technisch prognostizierbarer Anteil | Lager, Spindel, Antrieb. Nicht prognostizierbar: Werkzeugbruch, Bedienfehler, Materialfehler, Stromausfall | 40 % = 34.560 € | Annahme. Leiten Sie den Anteil aus Ihrer eigenen Fehlerbildverteilung ab, nicht aus einer Branchenzahl. In vielen Betrieben liegt er niedriger. |
| Davon tatsächlich vermieden | Vorwarnzeit reicht aus, ein Zeitfenster ist verfügbar und der Eingriff findet statt | 60 % = 20.736 € | Annahme, bewusst konservativ. Erkannt ist nicht gleich vermieden: Eine korrekte Prognose fünf Tage vor dem Ausfall nützt nichts, wenn das Ersatzteil zehn Tage Lieferzeit hat. |
| Abzug: vorgezogene geplante Eingriffe | Teile werden teils früher getauscht als nötig, plus geplante Stillstandszeit | − 3.000 € | Ersatzteil- und Personalmehraufwand. Dieser Posten fehlt in Anbieterrechnungen fast immer. |
| Bruttonutzen pro Jahr | 20.736 € − 3.000 € | 17.736 € | Rechenergebnis vor Systemkosten. |
| Einmalig: Sensorik, Edge-Gateway, Anbindung | je Anlage, inklusive Verkabelung und Inbetriebnahme | 10.000 € (6.000–14.000 €) | Erfahrungswerte aus Sectorlens-Auswahlprojekten seit 2022, keine Listenpreise. Die Spanne hängt an der Zahl der Messpunkte und daran, ob eine OPC-UA-Schnittstelle bereits verfügbar ist. Die Aufschlüsselung je Messgröße steht in der Sensorik-Matrix. |
| Einmalig: Datenaufbereitung, Modellaufbau, Validierung | je Fehlerbild, inklusive Test gegen die zurückgehaltene Historie | 20.000 € (12.000–35.000 €) | Erfahrungswerte aus Sectorlens-Auswahlprojekten seit 2022. Der größere Teil davon ist Datenarbeit, nicht Modellierung. Bei reiner Anomalieerkennung ohne Zeitprognose liegt der Posten am unteren Rand der Spanne. |
| Laufend: Lizenz, Drift-Überwachung, Nachtraining, interne Betreuung | pro Jahr, inklusive zwei bis vier Stunden pro Woche für die bewertende Person | 6.500 €/Jahr (4.000–9.000 €) | Erfahrungswerte aus Sectorlens-Auswahlprojekten seit 2022. Das ist der Posten, an dem die Wirtschaftlichkeit umschlägt, und der in Angeboten am häufigsten fehlt. Welche Rollen diesen Aufwand tragen, steht im Abschnitt Rollen und Eskalation. |
| Jährlicher Nettoeffekt | 17.736 € − 6.500 € | 11.236 € | Rechenergebnis. Nur dieser Betrag steht für die Amortisation zur Verfügung. |
| Amortisation ab produktivem Betrieb | 30.000 € ÷ 11.236 €/Jahr | 32 Monate | Rechenergebnis. Diese Zahl gilt ab dem Tag, an dem die Prognose produktiv läuft, nicht ab Projektstart. |
| Amortisation ab Projektstart | 32 Monate plus 9 bis 18 Monate Projektlaufzeit | 41–50 Monate | Rechenergebnis. Die Einmalkosten fallen bereits während der Projektlaufzeit an, der Nutzen entsteht erst danach. Diese Zahl gehört in den Investitionsantrag, nicht die 32 Monate. Bei einer erwarteten Restnutzungsdauer der Anlage von unter fünf Jahren trägt die Investition rechnerisch nicht mehr. |
Die Sensitivität ist brutal. Setzen Sie in derselben Struktur statt 2.400 € nur 480 € Stillstandskosten je Stunde an, wie sie für eine gut ausgelastete, aber ersetzbare Standardmaschine realistisch sind, dann sinken die vermiedenen Kosten auf 4.147 €, und nach Abzug der vorgezogenen Eingriffe bleiben 1.147 € Bruttonutzen im Jahr. Der laufende Aufwand von 6.500 € übersteigt das um ein Vielfaches, die Amortisation tritt nie ein. Genau deshalb rechnet sich Predictive Maintenance in aller Regel nur an Engpassanlagen mit hohen Stillstandskosten. Für alle übrigen Maschinen ist zustandsorientierte Überwachung mit festen Grenzwerten die wirtschaftlichere Antwort, und in Betrieben mit 50 bis 500 Mitarbeitenden ist sie meist auch die einzige personell tragbare, wie wir in unserem Beitrag zu MES für den Mittelstand ausführen. Welche Stufe für Ihre Anlage die richtige ist, klärt der Abschnitt zu den fünf Reifestufen.
In sechs Schritten
zu Predictive Maintenance im MES
Vorgehen, mit dem ein Fertigungsunternehmen im DACH-Raum von der Anlagenpriorisierung bis zum integrierten Reaktionsprozess kommt. Die Reihenfolge ist nicht beliebig: Wer bei Schritt vier einsteigt, weil die Sensorik schon im Angebot steht, holt die Schritte eins bis drei später teurer nach. Gesamtdauer realistisch neun bis achtzehn Monate je Anlage. Das Vorgehen ergänzt unseren allgemeinen Leitfaden zum MES auswählen mit Vorgehen, Kriterien und typischen Fehlern.
Anlagen nach Stillstandskosten priorisieren
Listen Sie jede Anlage mit ihren Stillstandskosten je Stunde, der Zahl ungeplanter Ausfälle im letzten Jahr und der mittleren Ausfalldauer auf. Nur die oberen drei bis fünf Anlagen dieser Liste sind Kandidaten. Alles darunter fährt mit zustandsorientierter oder präventiver Instandhaltung günstiger.
Datenlage je Kandidatenanlage prüfen
Prüfen Sie für jede Kandidatenanlage, wie weit die Historie zurückreicht, wie viele Ausfälle mit dokumentierter Ursache darin liegen und ob die Zeitstempel aus Steuerung, MDE und Instandhaltungssystem zusammenpassen. Das Ergebnis ist eine Ja-Nein-Entscheidung je Anlage, keine Grauzone.
Störgrunderfassung schärfen
Ersetzen Sie Sammelgründe wie Störung Maschine durch eine Baugruppen- und Ursachenebene, die der Instandhalter in unter zehn Sekunden am Terminal auswählen kann. Ohne diesen Schritt entsteht auch in den nächsten zwei Jahren keine Datenbasis, mit der sich ein Modell trainieren lässt.
Sensorik ergänzen, wo die relevante Größe fehlt
Bestimmen Sie je Fehlerbild die physikalische Größe, die sich vor dem Ausfall verändert, und messen Sie genau diese. Schwingung am Lager, Temperatur am Getriebe, Partikelzahl im Öl, Stromaufnahme am Antrieb. Die Anbindung erfolgt über OPC UA nach IEC 62541 oder ein Edge-Gateway in das MES.
Modell aufbauen und gegen die Historie validieren
Trainieren Sie das Modell auf einem Teil der Historie und testen Sie es gegen den zurückgehaltenen Rest. Verlangen Sie vom Anbieter die Trefferquote und die Fehlalarmrate auf Ihren eigenen Daten, nicht auf einem Referenzdatensatz. Ein Modell, das im Test die Hälfte der Ausfälle verpasst, geht nicht in den Betrieb.
Reaktionsprozess definieren und in die Instandhaltung integrieren
Legen Sie fest, wer die Warnung sieht, innerhalb welcher Frist er sie bewertet, welcher Auftrag daraus im Instandhaltungssystem entsteht und welches Zeitfenster für den Eingriff reserviert ist. Ohne diesen Schritt bleibt die Prognose ein Dashboard-Wert, den nach acht Wochen niemand mehr öffnet.
MES, CMMS und Prognosemodul
wer führt welche Daten
Predictive Maintenance ist kein Produkt, sondern eine Kette aus drei Rollen. Wer sie nicht sauber trennt, landet bei doppelter Datenhaltung und einem Instandhaltungsauftrag, den zwei Systeme gleichzeitig für sich beanspruchen. Klären Sie vor der Architekturentscheidung für jede der drei Rollen: Wer ist führendes System, welche Daten gehören ihm, und welche Schnittstelle ist nötig.
MES als Datenlieferant und Kontextgeber
Das Manufacturing Execution System liefert die Maschinen- und Betriebsdaten, die Störgründe, den Auftrags- und Artikelbezug sowie die Schicht- und Personalzuordnung. Es weiß als einziges System, welcher Auftrag auf welcher Anlage lief, als das Signal auffällig wurde. Genau dieser Kontext trennt einen echten Verschleißtrend von einem Effekt des gerade gefahrenen Werkstoffs.
Datenhoheit: Maschinenzustände, Zykluszeiten, Stückzahlen, Störgründe, Auftragsbezug, Kennzahlen nach ISO 22400.
- Nach unten: OPC UA nach IEC 62541 zur Steuerung, alternativ Edge-Gateway mit Vorverarbeitung
- Nach oben: ERP für Auftrag, Stückliste und Kosten
- Seitwärts: Rohsignale und Störgründe an das Prognosemodul, Kontextdaten zurück
- Grundlage ist eine belastbare MDE- und BDE-Erfassung
CMMS als Prozess- und Auftragsführer
Ein CMMS, im deutschen Sprachraum meist Instandhaltungsplanungs- und -steuerungssystem genannt, führt Anlagenstammdaten, Wartungspläne, Instandhaltungsaufträge, Ersatzteilbestände, Fremdfirmen und die Eingriffshistorie. Es ist der Ort, an dem aus einer Prognose eine Handlung wird. Manche MES-Suiten enthalten ein Instandhaltungsmodul, das für einfache Wartungspläne ausreicht, aber selten Ersatzteilwirtschaft und Fremdfirmenabwicklung vollständig abdeckt.
Datenhoheit: Anlagenstruktur, Wartungsplan, Auftrag, durchgeführte Maßnahme, verbautes Teil, Kosten je Eingriff.
- Vom Prognosemodul: Warnung mit Anlagen- und Baugruppenbezug, Konfidenz und Zeithorizont
- Zum MES: geplante Instandhaltungsfenster, damit die Feinplanung sie berücksichtigt
- Zurück in die Historie: durchgeführte Maßnahme als Label für das nächste Training
- Kritische Klärung: In welchem System entsteht der Auftrag, und wer darf ihn schließen
Prognosemodul als Rechenwerk
Das eigentliche Modell läuft in einem eigenen Modul, entweder als Bestandteil der MES-Suite, als Zusatzprodukt des Sensorikherstellers oder als Analytics-Plattform. Es nimmt Zeitreihen und Labels entgegen, liefert eine Wahrscheinlichkeit oder eine Restlebensdauer zurück und muss dauerhaft gepflegt werden. Es besitzt keine eigene Wahrheit über die Anlage, sondern nur eine Schätzung.
Datenhoheit: Modellstand, Trainingsdatensatz, Schwellwerte, Trefferquote und Fehlalarmrate im Betrieb.
- Eingang: hochfrequente Sensordaten, MES-Kontext, gelabelte Ausfallhistorie
- Ausgang: Warnung an das CMMS, Zustandsanzeige an das MES-Dashboard
- Pflichtfunktion: Drift-Überwachung und protokollierter Retraining-Prozess
- Verhandelbar: Wo die Daten liegen, wer sie besitzt und was bei Vertragsende mit dem trainierten Modell geschieht
Abgrenzung zur breiteren Systemfrage: Ob Ihr Prognosemodul im MES, in der Cloud oder beim Sensorikhersteller läuft, ist eine Architekturentscheidung mit Folgen für Datenhoheit und Ausstiegskosten. Die Rollenverteilung zwischen MES, ERP, SCADA und MOM insgesamt behandeln wir in der Übersicht zur Systemlandschaft, die Bandbreite der KI-Anwendungsfälle über die Instandhaltung hinaus in KI im MES.
Erst zustandsorientiert.
Woran Sie merken, dass der nächste Schritt fällig ist.
Diese Seite empfiehlt an mehreren Stellen, mit zustandsorientierter Instandhaltung zu beginnen. Hier steht, wie das konkret geht und wann der Sprung auf eine Prognose fällig wird. Die fünf Stufen sind kumulativ: Jede setzt die vorherige voraus, und in jeder entsteht ein Teil der Datenbasis, die Stufe 4 später braucht. Wer eine Stufe überspringt, holt sie nach, nur teurer. Wo Ihre Fertigung insgesamt steht und nicht nur die Instandhaltung, ordnet unser MES-Reifegradmodell in fünf Stufen ein.
| Stufe | Was im Betrieb passiert | Woran Sie erkennen, dass Sie hier stehen | Aufwand für den Schritt auf die nächste Stufe |
|---|---|---|---|
| Stufe 0 Kalender und Laufzeit |
Gewartet wird nach festem Intervall, Betriebsstunden oder Stückzahl. Der tatsächliche Zustand der Baugruppe spielt für den Zeitpunkt keine Rolle. | Der Wartungsplan steht in einer Tabelle oder im ERP. Sensordaten werden nicht ausgewertet, die Störgründe sind grob kategorisiert. | Datenerfassung an der Engpassanlage einrichten. 2 bis 6 Wochen, Kosten im unteren vierstelligen Bereich je Anlage. |
| Stufe 1 Messen und sichten |
Messgrößen werden erfasst und als Verlauf dargestellt. Bewertet wird durch Menschen, eine automatische Auslösung gibt es nicht. | Es gibt Kurven im MES oder im Sensorportal, aber niemand hat definiert, ab welchem Wert etwas passieren muss. | Grenzwerte herleiten und Alarmierung einrichten. 2 bis 4 Wochen, überwiegend interner Aufwand. |
| Stufe 2 Grenzwert mit definierter Reaktion Ziel für die meisten Anlagen |
Warn- und Alarmschwelle sind gesetzt. Eine Überschreitung erzeugt eine Meldung mit benanntem Empfänger und Frist, aus der ein Instandhaltungsauftrag entsteht. | Es gibt eine Alarmliste, die jemand an jedem Arbeitstag sichtet, und eine Rückmeldung, was der Eingriff tatsächlich ergeben hat. | Für die große Mehrheit der Anlagen ist hier der wirtschaftliche Endpunkt erreicht. Der nächste Schritt lohnt nur, wenn die sechs Signale unten zutreffen. |
| Stufe 3 Trend mit Vorwarnzeit |
Der Verlauf eines Kennwerts wird fortgeschrieben. Die Meldung kommt vor der Grenzwertüberschreitung, mit einer geschätzten Restzeit bis zur Schwelle. | Eingriffe werden Wochen im Voraus in ein Wartungsfenster geplant statt reaktiv nach Alarm abgearbeitet. | Gelabelte Ausfallhistorie aufbauen. 12 bis 24 Monate, und das ist der eigentliche Engpass, nicht die Technik. |
| Stufe 4 Prognose mit Zeitpunkt |
Ein trainiertes Modell nennt einen Ausfallzeitpunkt oder eine Ausfallwahrscheinlichkeit im definierten Fenster, mit Konfidenzangabe. | Trefferquote und Fehlalarmrate werden laufend gemessen, Retraining ist ein festgelegter Prozess mit benanntem Verantwortlichen. | Kein weiterer Reifegradschritt. Ab hier geht es um Modellpflege: nach dem Rechenbeispiel einmalig rund 30.000 Euro und 6.500 Euro im Jahr je Anlage. |
Grenzwerte werden hergeleitet, nicht geraten. In dieser Reihenfolge: erstens die Herstellerangabe für die Baugruppe, zweitens eine Normreferenz, für die Schwinggeschwindigkeit etwa die Bewertungszonen nach ISO 20816, drittens eine eigene Baseline. Für die Baseline zeichnen Sie mindestens vier Wochen gesicherten Normalbetrieb über alle Schichten und Produktvarianten auf und setzen die Warnschwelle auf den Mittelwert plus das Zwei- bis Dreifache der Standardabweichung, die Alarmschwelle deutlich darüber. Beide Schwellen brauchen eine Mindestverweildauer von einigen Messzyklen, sonst löst jeder einzelne Ausreißer einen Auftrag aus. Dokumentieren Sie zu jedem Grenzwert, wer ihn gesetzt hat und worauf er beruht. Ohne diese Notiz traut ihm nach dem ersten Fehlalarm niemand mehr.
Ihre Grenzwertüberwachung meldet regelmäßig zu spät
Der Alarm kommt, aber der Eingriff muss trotzdem ungeplant erfolgen. Dann fehlt Vorwarnzeit, nicht Sensorik. Genau diese Lücke schließt eine Prognose, und nur dafür lohnt sie den Aufwand.
Sie haben acht oder mehr dokumentierte Ereignisse desselben Fehlerbilds
Mit Ursache auf Baugruppenebene und mit dem Messverlauf bis zum Ausfall. Zählen Sie Ereignisse je Fehlerbild, nicht Störmeldungen insgesamt. Unter acht bleibt es bei Anomalieerkennung ohne Zeitaussage.
Die Grenzwerte lassen sich nicht mehr sauber setzen
Bei niedriger Schwelle häufen sich Fehlalarme, bei hoher Schwelle werden Schäden verpasst, und dazwischen gibt es kein brauchbares Fenster. Das ist das klassische Anzeichen dafür, dass eine einzelne Größe den Zustand nicht mehr abbildet und ein mehrdimensionales Verfahren nötig wird.
Ihre Vorwarnzeit reicht nicht für die Ersatzteilbeschaffung
Hat das Lager zehn Tage Lieferzeit und die Grenzwertüberwachung meldet fünf Tage vorher, ist der Zeitgewinn der eigentliche Nutzen einer Prognose. Rechnen Sie das je Baugruppe aus, bevor Sie es annehmen.
Der Reaktionsprozess läuft bereits nachweislich
Warnungen werden bewertet, Aufträge entstehen im System, Rückmeldungen landen in der Historie. Wer das auf Stufe 2 nicht hinbekommt, bekommt es auf Stufe 4 erst recht nicht, weil dort mehr Warnungen und mehr Unsicherheit dazukommen.
Die Rechnung trägt für genau diese Anlage
Der jährliche Nettoeffekt übersteigt die 6.500 Euro laufenden Aufwand aus dem Rechenbeispiel deutlich, und die Restnutzungsdauer der Anlage liegt über der Amortisationsdauer. Zwei Anlagen im selben Werk unterscheiden sich hier leicht um den Faktor zehn.
Die Abbruchregel. Treffen drei oder mehr dieser sechs Signale bei Ihnen nicht zu, ist der nächste sinnvolle Schritt nicht Predictive Maintenance, sondern die konsequente Umsetzung von Stufe 2 an weiteren Anlagen. Das kostet einen Bruchteil, wirkt sofort und baut nebenbei genau die Historie auf, die Sie in zwei Jahren für Stufe 4 brauchen. Diese Entscheidung fällen Sie je Anlage, nicht je Werk: In derselben Halle kann eine Presse auf Stufe 4 gehören und die Nachbarmaschine auf Stufe 2 bleiben.
Ein Modell, dessen Warnungen niemand prüft,
erzeugt nur Alarmmüdigkeit.
Grund 04 ist der häufigste stille Projekttod, und die Voraussetzungen 07 und 08 verlangen eine bewertende Person und eine definierte Reaktion. Hier steht, wie das besetzt wird: drei Rollen, drei Alarmklassen, feste Fristen. Das passt auf zwei Seiten Betriebsanweisung und gehört in den Projektplan, bevor das erste Modell trainiert wird. Die Rollen für die Systemeinführung insgesamt beschreibt unser Leitfaden zu MES einführen mit Phasen, Rollen und Erfolgsfaktoren.
Wer die Warnung zuerst sieht
Besetzt aus Instandhaltungsplanung oder Arbeitsvorbereitung. Sichtet jede eingehende Warnung an jedem Arbeitstag und entscheidet in drei Kategorien: plausibel, nicht plausibel, unklar.
Braucht Zugriff auf Auftrags- und Schichtkontext aus dem MES, sonst lässt sich ein Materialwechsel nicht von einem Verschleißtrend unterscheiden.
- Frist: Erstbewertung am selben Arbeitstag, spätestens am folgenden
- Dokumentiert bei jeder Warnung, warum sie plausibel ist oder nicht. Diese Notiz ist das Label für das nächste Training
- Darf nicht der Anbieter sein. Wer das Modell geliefert hat, bewertet nicht seine eigenen Warnungen
Wer über den Eingriff entscheidet
Der Anlagenexperte oder der zuständige Instandhalter. Kommt ins Spiel, wenn Rolle A auf unklar entscheidet oder eine Warnung der Klasse A vorliegt.
Prüft vor Ort, legt Eingriffstiefe und Zeitfenster fest und stimmt den Stillstand mit der Feinplanung ab.
- Frist: 48 Stunden bei Klasse A, bis zur nächsten Wochenplanung bei Klasse B
- Entscheidet zwischen sofortigem Eingriff, Verschiebung in das nächste geplante Fenster und Weiterbeobachtung
- Meldet jede technische Änderung an der Anlage an Rolle C zurück, weil sie ein Retraining auslöst
Wem das Modell gehört
MES-Keyuser, Datenverantwortlicher oder der Anbieter im Rahmen eines Wartungsvertrags. Führt das Warnungsprotokoll, misst Trefferquote und Fehlalarmrate im Betrieb gegen die zugesagten Werte und löst Retraining aus.
Ohne diese Rolle merkt niemand, dass ein Modell driftet, bis die Instandhaltung es bereits abgeschrieben hat.
- Monatlicher Bericht: Zahl der Warnungen, davon bestätigt, davon Fehlalarme, Trefferquote im Rückblick
- Löst Retraining aus bei technischer Änderung und bei Überschreiten der vereinbarten Fehlalarmgrenze
- Liegt die Rolle beim Anbieter, gehört dieser Bericht in den Vertrag und nicht in eine mündliche Zusage
Drei Alarmklassen.
Jede mit eigener Frist.
Ohne Klassifizierung bekommt jede Warnung dieselbe Dringlichkeit, und das bedeutet in der Praxis: keine. Die Zuordnung erfolgt automatisch aus Konfidenz und Zeithorizont der Prognose, die Schwellen dafür vereinbaren Sie mit dem Anbieter vor der Abnahme.
Eingriff planen
Das Modell nennt einen Ausfall innerhalb des Beschaffungs- und Planungsfensters mit hoher Konfidenz. Beispiel: Hauptspindel, Ausfallwahrscheinlichkeit über 70 Prozent in den nächsten 14 Tagen.
- Rolle A bewertet am selben Arbeitstag
- Rolle B entscheidet binnen 48 Stunden
- Der Instandhaltungsauftrag entsteht automatisch im CMMS, nicht als E-Mail
- Ersatzteilverfügbarkeit wird sofort geprüft und bei Bedarf beschafft
Beobachten und reservieren
Ein Kennwert bewegt sich erkennbar, aber der prognostizierte Zeitpunkt liegt außerhalb des Planungsfensters oder die Konfidenz ist nur mittel.
- Rolle A dokumentiert und setzt die Anlage auf die Beobachtungsliste
- Erneute Bewertung in der Wochenplanung
- Vorsorgliche Ersatzteilreservierung, aber kein Eingriff
- Aufstufung auf Klasse A, sobald sich der Trend verschärft
Sammeln und auswerten
Ein Anomaliescore ist erhöht, ohne dass sich ein Fehlerbild zuordnen lässt. Häufig nach Produkt-, Werkstoff- oder Programmwechseln, also ohne technischen Schaden.
- Wird gesammelt, nicht einzeln eskaliert
- Monatliche Auswertung durch Rolle C: Eine Häufung deutet auf Drift, nicht auf Schaden
- Löst kein Ticket aus, aber einen Eintrag im Warnungsprotokoll
- Ab drei Häufungen im Quartal Prüfung auf Retraining
Rechnen Sie die Fehlalarmgrenze aus, statt sie zu fühlen. Mit den Zahlen aus dem Rechenbeispiel kostet ein verhinderter Ausfall an der Engpassanlage 2.400 Euro je Stunde mal 4,0 Stunden, also 9.600 Euro. Die Prüfung eines Fehlalarms kostet rund eine Stunde Instandhaltungszeit plus gegebenenfalls eine kurze Sichtprüfung, in der Summe grob 300 Euro. Rein rechnerisch wären damit bis zu 32 Fehlalarme je verhindertem Ausfall vertretbar. Praktisch ist die Grenze weit früher erreicht, weil die Bereitschaft, Warnungen ernst zu nehmen, nach wenigen folgenlosen Alarmen kippt. Vereinbaren Sie deshalb eine betriebliche Obergrenze, etwa einen Fehlalarm je Anlage und Monat, machen Sie sie zur Abnahmebedingung und lassen Sie Rolle C monatlich dagegen messen.
Zwei Randbedingungen gehören früh geklärt. Erstens: Wo das Rechenwerk läuft, im eigenen Rechenzentrum, am Edge oder beim Anbieter, ist eine eigene Entscheidung mit Folgen für Datenhoheit und Ausstiegskosten, siehe Cloud-MES gegen On-Premise. Zweitens: Sobald eine Prognose oder das daraus abgeleitete Warnungsprotokoll auf die Leistung einzelner Beschäftigter zurückführbar wäre, ist die Mitbestimmung berührt, siehe Betriebsrat und MES-Einführung. Beides früh anzusprechen kostet einen Termin, spät entdeckt kostet es Monate.
Zwölf Fragen,
die Sie im Termin stellen sollten
Nehmen Sie diese Liste mit in den Termin und notieren Sie die Antworten schriftlich. Zu jeder Frage steht, warum sie gestellt wird und woran Sie eine belastbare Antwort erkennen. Ein seriöser Anbieter beantwortet mindestens zehn der zwölf Fragen ohne Rückfrage an die Zentrale.
Wie viele dokumentierte Ausfälle desselben Fehlerbilds brauchen Sie mindestens?
Die wichtigste Frage überhaupt. Eine belastbare Antwort nennt eine Zahl und unterscheidet zwischen überwachtem Lernen und Anomalieerkennung. Wer antwortet, das hänge vom Fall ab, und dann nicht nachlegt, hat die Frage vermutlich noch nie beantworten müssen.
Welches konkrete Fehlerbild prognostizieren Sie an unserer Anlage, und über welche Messgröße?
Zwingt den Anbieter von der Produktebene auf die physikalische Ebene. Gute Antwort: Spindellagerschaden über Schwingungsspektrum bei mindestens 10 kHz Abtastrate. Unbrauchbare Antwort: ungeplante Stillstände allgemein.
Führen Sie vor Vertragsschluss eine Datenprüfung auf unseren echten Daten durch?
Ein Anbieter, der ohne Blick in Ihre Historie ein Ergebnis zusagt, verkauft eine Hoffnung. Verlangen Sie eine Machbarkeitsprüfung mit schriftlichem Befund zur Datenlage, bevor die Hauptleistung beauftragt wird.
Welche Trefferquote und welche Fehlalarmrate erreichen Sie auf unseren Daten?
Beide Zahlen gehören zusammen. Ein Modell mit 95 Prozent Trefferquote und drei Fehlalarmen pro Woche ist im Betrieb unbrauchbar, weil die Instandhaltung es nach einem Monat ignoriert. Lassen Sie sich beide Werte auf dem zurückgehaltenen Teil Ihrer eigenen Historie zeigen, nicht auf einem Referenzdatensatz.
Wie lang ist die Vorwarnzeit, und passt sie zu unserer Ersatzteilverfügbarkeit?
Eine korrekte Prognose fünf Tage vor dem Ausfall nützt nichts, wenn das Lager zehn Tage Lieferzeit hat. Gleichen Sie die zugesagte Vorwarnzeit mit Ihren Beschaffungszeiten und Ihrem Instandhaltungsfenster ab, sonst rechnen Sie einen Nutzen, den Sie nie realisieren.
Wie erkennen Sie Modelldrift, und wie oft wird nachtrainiert?
Ohne Drift-Überwachung verfällt jedes Modell schleichend. Fragen Sie nach dem konkreten Mechanismus, nach dem Turnus und nach dem Auslöser für ein außerplanmäßiges Retraining. Eine gute Antwort nennt eine überwachte Kennzahl, nicht nur ein jährliches Review.
Was kostet ein Retraining nach einem Anlagenumbau, und wer trägt es?
Spindeltausch, neues NC-Programm oder anderer Werkstoffmix machen Retraining nötig. Klären Sie vor Vertragsschluss, ob das im Wartungsvertrag enthalten ist oder als Projektleistung berechnet wird. Diese Position entscheidet über die tatsächlichen Betriebskosten der nächsten fünf Jahre.
In welchem System entsteht der Instandhaltungsauftrag aus einer Warnung?
Prüft, ob der Anbieter den Prozess und nicht nur das Modell im Blick hat. Belastbar ist eine Antwort, die die Schnittstelle zu Ihrem CMMS oder Instandhaltungsmodul benennt und beschreibt, welche Felder übergeben werden. Eine E-Mail-Benachrichtigung ist keine Prozessintegration.
Wo werden unsere Daten verarbeitet und gespeichert?
Relevant für Datenschutz, für OT-Sicherheit nach IEC 62443 und für die Frage, ob Maschinendaten das Werk verlassen. Klären Sie Rechenzentrumsstandort, Auftragsverarbeitung und ob eine On-Premise- oder Edge-Variante angeboten wird. Bei Fertigung im Kundenauftrag kann eine Cloud-Verarbeitung vertraglich ausgeschlossen sein.
Wem gehört das trainierte Modell, und was passiert damit bei Vertragsende?
Die Trainingsdaten stammen aus Ihrer Fertigung, das Modell entsteht daraus. Lassen Sie sich schriftlich geben, ob Sie das Modell bei Kündigung exportieren können, in welchem Format, und ob der Anbieter Ihre Daten für andere Kunden verwendet. Ungeklärt ist das ein echter Lock-in.
Welchen internen Aufwand müssen wir dauerhaft einplanen?
Fragen Sie nach Stunden pro Woche, nicht nach einem Gefühl. Eine ehrliche Antwort nennt die bewertende Person, den Umfang der Alarmsichtung und den Aufwand für Datenpflege. Anbieter, die hier praktisch keinen Aufwand angeben, haben den Betriebsprozess nicht durchdacht.
Nennen Sie eine Referenz mit vergleichbarer Anlagenart, die seit mindestens zwei Jahren produktiv ist.
Zwei Jahre sind die Schwelle, an der Drift, Umbauten und Betreuungsaufwand sichtbar werden. Fragen Sie beim Referenzkunden nach der Fehlalarmrate im zweiten Jahr und danach, ob der Reaktionsprozess noch gelebt wird. Ein Pilot aus dem Vorjahr beweist nichts über den Dauerbetrieb.
Wenn-dann-Regel für die Auswertung: Bleiben die Antworten auf die Fragen 01, 03 und 04 vage, dann ist Ihr Betrieb noch nicht bei Predictive Maintenance, sondern bei Schritt drei des Wegs oben, der Störgrunderfassung. Das ist keine schlechte Nachricht, sondern spart eine sechsstellige Fehlinvestition. Eine strukturierte Anforderungsliste für das Gespräch entsteht am besten im Rahmen eines MES-Lastenhefts.
Predictive Maintenance im MES
achtzehn Fragen, ehrlich beantwortet
Die Fragen, die uns in Auswahlprojekten seit 2022 am häufigsten gestellt werden. Jede Antwort steht für sich und lässt sich einzeln zitieren.
Was ist Predictive Maintenance im MES genau?
Predictive Maintenance bezeichnet die Instandhaltung auf Basis einer Prognose. Ein Modell schätzt aus dem Verlauf mehrerer Messgrößen und der dokumentierten Ausfallhistorie, wann eine Baugruppe voraussichtlich versagt oder wie hoch die Ausfallwahrscheinlichkeit in einem definierten Zeitfenster ist. Im MES-Kontext liefert das Manufacturing Execution System die Betriebs- und Maschinendaten, den Auftragsbezug und die Störgründe, während die Prognose selbst in einem eigenen Rechenmodul läuft. DIN EN 13306:2018 ordnet die vorausschauende Instandhaltung als Unterform der zustandsabhängigen Instandhaltung ein. Der Unterschied zum reinen Condition Monitoring liegt darin, dass nicht ein Grenzwert überschritten wird, sondern ein Verlauf in die Zukunft fortgeschrieben wird.
Ab wann lohnt sich Predictive Maintenance wirtschaftlich?
Die Rechnung hängt an drei Größen: den Stillstandskosten je Stunde, der Zahl ungeplanter Ausfälle im Jahr und dem Anteil, der technisch überhaupt prognostizierbar ist. In dem auf dieser Seite offengelegten Rechenbeispiel trägt sich Predictive Maintenance bei 480 Euro Stillstandskosten je Stunde und neun Ausfällen im Jahr nicht, weil der jährliche Bruttonutzen von rund 1.100 Euro weit unter dem laufenden Aufwand von 6.500 Euro für Modellpflege liegt. Bei 2.400 Euro je Stunde und sonst gleicher Struktur trägt sich die Rechnung: Die Einmalkosten von 30.000 Euro sind nach etwa 32 Monaten produktiven Betriebs gedeckt, gerechnet ab Projektstart nach 41 bis 50 Monaten. Für die große Mehrheit der Anlagen in einem mittelständischen Betrieb ist zustandsorientierte Instandhaltung mit festen Grenzwerten die wirtschaftlichere Antwort. Rechnen Sie die Zahlen für Ihre Engpassanlage, bevor Sie ein Angebot bewerten.
Wie viele Daten braucht ein Prognosemodell für die Instandhaltung?
Entscheidend ist nicht das Datenvolumen, sondern die Zahl der dokumentierten Ausfälle desselben Fehlerbilds. Zeitreihen einer Maschine über zwei Jahre ergeben viele Millionen Messpunkte, aber wenn darin nur zwei Lagerschäden liegen, gibt es nichts zu lernen. Nach Sectorlens-Erfahrung aus Auswahlprojekten seit 2022 beginnt ein überwachtes Prognosemodell bei etwa acht bis fünfzehn dokumentierten Ereignissen desselben Fehlerbilds tragfähig zu werden, und die Historie sollte mindestens 24 Monate umfassen, damit saisonale Effekte enthalten sind. Wer weniger hat, arbeitet mit Anomalieerkennung oder festen Grenzwerten weiter. Fragen Sie jeden Anbieter nach seiner konkreten Mindestmenge, bevor Sie unterschreiben.
Was ist der Unterschied zwischen Condition Monitoring und Predictive Maintenance?
Condition Monitoring misst den Ist-Zustand und löst aus, wenn ein Wert eine definierte Grenze verlässt. Predictive Maintenance schreibt den Verlauf fort und nennt einen Zeitpunkt oder eine Wahrscheinlichkeit. Condition Monitoring braucht Sensorik und einen sinnvollen Grenzwert, aber keine Ausfallhistorie, und ist deshalb deutlich schneller und günstiger einzuführen. Predictive Maintenance braucht zusätzlich eine gelabelte Historie, ein Modell und dauerhafte Pflege. ISO 17359:2018 beschreibt das allgemeine Vorgehen der Zustandsüberwachung, die Norm ist ein guter Einstieg vor jedem Anbietergespräch.
Kann ein MES Predictive Maintenance ohne zusätzliche Sensorik?
Teilweise. Aus der Steuerung liegen oft schon Betriebsstunden, Zykluszeiten, Achsströme, Antriebslasten, Temperaturen und Fehlercodes vor, und diese Größen reichen für manche Fehlerbilder aus, etwa für schleichend steigende Zykluszeiten oder wachsende Antriebsströme. Für mechanischen Verschleiß an Lagern und Spindeln reicht das in der Regel nicht, dort führt kein Weg an Schwingungsaufnehmern mit ausreichender Abtastrate vorbei. Prüfen Sie zuerst, welche Signale die vorhandene Steuerung über OPC UA bereits hergibt, bevor Sie Sensorik beschaffen. Das spart in vielen Projekten den größeren Teil der Hardwarekosten.
Brauche ich ein CMMS zusätzlich zum MES?
Für einen ernsthaften Instandhaltungsprozess ja. Ein CMMS, im deutschen Sprachraum meist Instandhaltungsplanungs- und -steuerungssystem genannt, führt Anlagenstammdaten, Wartungspläne, Instandhaltungsaufträge, Ersatzteilbestände und die Eingriffshistorie. Ein MES führt Maschinen- und Betriebsdaten, Störgründe und den Auftragsbezug. Manche MES-Suiten enthalten ein Instandhaltungsmodul, das für einfache Wartungspläne ausreicht, aber selten Ersatzteilwirtschaft und Fremdfirmenabwicklung abdeckt. Klären Sie früh, in welchem System der Instandhaltungsauftrag entsteht, denn genau dorthin muss die Prognose zurückgeschrieben werden.
Wie lange dauert ein Predictive-Maintenance-Projekt?
Vom ersten Workshop bis zur produktiven Prognose an einer Anlage vergehen realistisch neun bis achtzehn Monate. Der längste Einzelposten ist selten die Technik, sondern der Aufbau einer brauchbaren Störgrunderfassung, denn die muss erst laufen und dann Daten sammeln. Wer heute mit einer Sammelkategorie Störung Maschine arbeitet, hat frühestens in zwölf Monaten eine Historie, mit der sich trainieren lässt. Sensorik und Anbindung dauern vier bis acht Wochen je Anlage, Modellaufbau und Validierung sechs bis zwölf Wochen. Anbieter, die drei Monate bis zur produktiven Prognose zusagen, setzen eine Datenlage voraus, die Sie explizit gegenprüfen sollten.
Was kostet Predictive Maintenance im MES?
Nach Erfahrungswerten aus Sectorlens-Auswahlprojekten seit 2022 liegen die einmaligen Kosten je Anlage bei 6.000 bis 14.000 Euro für Sensorik, Edge-Gateway und Anbindung sowie bei 12.000 bis 35.000 Euro für Datenaufbereitung, Modellaufbau und Validierung. Hinzu kommen jährlich 4.000 bis 9.000 Euro für Lizenz oder Modul, Drift-Überwachung, Nachtraining und die interne Betreuung. Das sind keine Listenpreise, sondern Spannen aus Projekten, und sie steigen mit der Zahl der Anlagen unterproportional, weil sich Gateway und Modellinfrastruktur teilen lassen. Der laufende Aufwand wird in Angeboten fast immer unterschätzt, er ist der Posten, an dem die Wirtschaftlichkeit umschlägt.
Warum scheitern so viele Predictive-Maintenance-Projekte?
Die häufigsten Ursachen sind datenseitig, nicht technisch. Es gibt zu wenige Ausfälle desselben Fehlerbilds für ein belastbares Modell, die Ausfallursachen wurden nie dokumentiert, die vorhandene Sensorik misst nicht die Größe, die tatsächlich versagt, oder es gibt keine definierte Reaktion auf eine Warnung. Dazu kommt Modelldrift nach Anlagenumbauten und Werkzeugwechseln, die niemand überwacht. Der stillste Grund ist der sechste: Die Wirtschaftlichkeit wurde nie gerechnet, das Projekt lief als Leuchtturm und wurde nach dem Förderzeitraum eingestellt.
Was passiert mit dem Modell nach einem Anlagenumbau?
Es verliert seine Gültigkeit, ganz oder teilweise. Ein Modell lernt das Schwingungs- und Lastverhalten einer bestimmten Konfiguration. Nach einem Spindeltausch, einem neuen Werkzeugsatz, einem geänderten Programm oder einem anderen Werkstoffmix passt die gelernte Normalität nicht mehr, und die Fehlalarmrate steigt, oft ohne dass jemand die Ursache mit dem Umbau in Verbindung bringt. Verlangen Sie deshalb vertraglich einen Prozess für Retraining nach technischen Änderungen und klären Sie, wer die Kosten dafür trägt. Ein sauber aufgesetztes Projekt koppelt den Änderungsdienst der Instandhaltung an die Modellpflege.
Ist Predictive Maintenance für den Mittelstand realistisch?
An einzelnen Engpassanlagen ja, flächendeckend meist nicht. Ein Betrieb mit 50 bis 500 Mitarbeitenden hat in der Regel weder die Ausfallhäufigkeit noch die Datenhistorie noch die personelle Kapazität, um Modelle für zwanzig Anlagen zu pflegen. Realistisch ist der Weg über eine Anlage mit hohen Stillstandskosten, an der zunächst zustandsorientierte Überwachung mit festen Grenzwerten eingeführt wird und aus der über zwei Jahre eine saubere Historie entsteht. Wer diesen Zwischenschritt überspringt, kauft ein Modell ohne Datengrundlage. Der ehrlichere Einstieg ist fast immer eine bessere Störgrunderfassung.
Welche Norm regelt Instandhaltungsstrategien und Zustandsüberwachung?
DIN EN 13306:2018 definiert die Begriffe der Instandhaltung und unterscheidet korrektive, vorbeugende und zustandsabhängige Instandhaltung, wobei die vorausschauende Instandhaltung als Unterform der zustandsabhängigen geführt wird. ISO 17359:2018 gibt die allgemeinen Leitlinien für Zustandsüberwachung und Diagnostik von Maschinen vor. Die Normenreihe ISO 13374 regelt Datenverarbeitung, Kommunikation und Darstellung in Zustandsüberwachungssystemen. Für die Kennzahlen, mit denen der Nutzen gemessen wird, ist ISO 22400 maßgeblich, und für die Maschinenanbindung IEC 62541 (OPC UA). Diese fünf Bezüge decken den Normrahmen für ein Predictive-Maintenance-Vorhaben weitgehend ab.
Welche Prognoseverfahren gibt es bei Predictive Maintenance?
In der Praxis sind es fünf, und sie unterscheiden sich vor allem im Datenbedarf. Schwellwertüberwachung vergleicht einen Messwert gegen eine feste Grenze und braucht keine Historie, nennt aber auch keinen Zeitpunkt. Trendanalyse legt eine Ausgleichsfunktion über den Verlauf eines Kennwerts und schreibt sie bis zur Schwelle fort, ebenfalls ohne gelabelte Ausfälle. Restlebensdauerschätzung mit überwacht trainierten Regressions- oder Überlebenszeitmodellen liefert einen Zeitpunkt mit Konfidenzband, verlangt dafür aber gelabelte Ausfälle desselben Fehlerbilds mit vollständigem Verlauf bis zum Ausfall. Anomalieerkennung mit Autoencodern, Isolation Forest oder One-Class-Support-Vector-Machines lernt Normalität aus gesundem Betrieb und meldet Abweichungen, nennt aber weder Zeitpunkt noch Ursache. Physikbasierte und hybride Modelle rechnen den Schadensmechanismus aus Auslegungsdaten und funktionieren auch ohne jede Ausfallhistorie, brauchen dafür Konstruktionsdaten vom Maschinenhersteller.
Welche Sensorik brauche ich, um einen Lagerschaden vorherzusagen?
Einen Schwingungsaufnehmer mit ausreichender Abtastrate, fest verschraubt in Lastrichtung möglichst nah am Lagersitz. Für die Auswertung von Lagerschadensfrequenzen im Hüllkurvenspektrum sind 10 bis 50 kHz üblich; für reine Trendkennwerte wie den Effektivwert der Schwinggeschwindigkeit nach ISO 20816 genügt Sekundenauflösung. Temperatur und Motorstrom reagieren bei Lagerschäden zu spät oder zu unspezifisch, sie eignen sich als Ergänzung, nicht als Leitgröße. Bei drehzahlvariablen Antrieben brauchen Sie zwingend eine Drehzahlreferenz, sonst lässt sich das Spektrum nicht interpretieren. Die Nachrüstung liegt nach Sectorlens-Erfahrungswerten seit 2022 bei 800 bis 2.500 Euro je Messpunkt inklusive Verkabelung und Eingangskanal.
Wie viele Fehlalarme darf ein Prognosemodell erzeugen?
Rechnen Sie die Grenze aus, statt sie zu schätzen. Mit den Zahlen des Rechenbeispiels auf dieser Seite kostet ein verhinderter Ausfall 2.400 Euro je Stunde mal 4,0 Stunden, also 9.600 Euro, während die Prüfung eines Fehlalarms rund 300 Euro an Instandhaltungszeit bindet. Rein rechnerisch wären damit bis zu 32 Fehlalarme je verhindertem Ausfall vertretbar. Praktisch ist die Grenze weit früher erreicht, weil die Bereitschaft der Instandhaltung, Warnungen ernst zu nehmen, nach wenigen folgenlosen Alarmen kippt. Eine belastbare betriebliche Obergrenze liegt bei etwa einem Fehlalarm je Anlage und Monat; vereinbaren Sie diesen Wert als Abnahmebedingung und lassen Sie ihn monatlich messen.
Wann reicht zustandsorientierte Instandhaltung aus?
Für die große Mehrheit der Anlagen. Zustandsorientierte Instandhaltung mit Warn- und Alarmschwelle und einer definierten Reaktion darauf ist der wirtschaftliche Endpunkt überall dort, wo die Vorwarnzeit zwischen Warn- und Alarmschwelle für Ersatzteilbeschaffung und Wartungsfenster ausreicht. Der Schritt auf eine Prognose lohnt erst, wenn die Grenzwertüberwachung systematisch zu spät meldet, wenn sich Schwellen nicht mehr sauber setzen lassen, weil eine einzelne Größe den Zustand nicht mehr abbildet, oder wenn Ihre Beschaffungszeiten länger sind als die erreichbare Vorwarnzeit. Zustandsorientiert kostet je Messpunkt einen niedrigen vierstelligen Betrag und verursacht danach kaum laufenden Aufwand, weil es kein Modell zu pflegen gibt. Predictive kostet nach dem Rechenbeispiel einmalig rund 30.000 Euro und jährlich 6.500 Euro je Anlage.
Wer muss im Betrieb die Prognose bewerten?
Drei Rollen, und sie gehören namentlich besetzt, bevor das erste Modell trainiert wird. Eine Alarmsichtung aus Instandhaltungsplanung oder Arbeitsvorbereitung bewertet jede eingehende Warnung am selben Arbeitstag als plausibel, nicht plausibel oder unklar und wendet dafür zwei bis vier Stunden je Woche auf. Ein Anlagenexperte entscheidet bei unklaren Warnungen und bei hoher Dringlichkeit über Eingriffstiefe und Zeitfenster, mit einer Frist von 48 Stunden. Ein Modellverantwortlicher, MES-Keyuser oder Anbieter im Wartungsvertrag, misst monatlich Trefferquote und Fehlalarmrate und löst Retraining aus. Der Anbieter sollte nicht die Rolle der Alarmsichtung übernehmen, weil sonst derselbe Beteiligte Modell und Modellgüte verantwortet.
Wie lange dauert die Amortisation ab Projektstart?
Deutlich länger als die Zahl, die in Angeboten steht. Im Rechenbeispiel dieser Seite sind die Einmalkosten von 30.000 Euro bei einem jährlichen Nettoeffekt von 11.236 Euro nach 32 Monaten gedeckt, aber diese 32 Monate laufen erst ab dem Tag, an dem die Prognose produktiv arbeitet. Davor liegen neun bis achtzehn Monate Projektlaufzeit, in denen die Einmalkosten bereits anfallen und noch kein Nutzen entsteht. Ab Projektstart gerechnet sind es damit 41 bis 50 Monate, also gut dreieinhalb bis gut vier Jahre. Bei einer erwarteten Restnutzungsdauer der Anlage von unter fünf Jahren trägt die Investition rechnerisch nicht mehr, und genau diese Zahl gehört in den Investitionsantrag.
Der Anbieter verspricht Vorhersage.
Unsicher, ob Ihre Datenlage das hergibt?
Die zehn Voraussetzungen und die zwölf Prüffragen zeigen Ihnen, wo Sie stehen. Was sie nicht beantworten: welches MES überhaupt die Datenbasis liefert, auf der eine Prognose später aufsetzen kann, und ob der Anbieter, der Ihnen Predictive Maintenance anbietet, in der Grunddisziplin Maschinenanbindung und Störgrunderfassung stark ist. Genau diese Lücke schließen wir.
MES-Matching für Ihre Instandhaltungsanforderung
URL eingeben, KI analysiert die Fertigung anhand öffentlicher Daten und gleicht sie gegen 64 Kriterien mit dem Anbietermarkt ab.
- Shortlist mit Match-Score statt einer Anbieterliste aus dem Netz
- Berücksichtigt Fertigungsart, Maschinenpark und bestehende Systemlandschaft
- Kein Formular, keine Registrierung, keine Weitergabe an Anbieter
Selection Portal mit Datenreifegrad-Check
Anforderungs-Workshop, Lastenheft aus über 150 Anforderungen, moderierter Anbieter-Dialog und eine gewichtete Entscheidungsmatrix. Für Instandhaltung nehmen wir Störgrundtiefe, Zeitsynchronisation und CMMS-Schnittstelle als eigene Kriteriengruppe auf.
- Bewertung Ihrer Ausfallhistorie je Kandidatenanlage vor dem Anbietergespräch
- Prüffragen zu Trefferquote, Fehlalarmrate und Retraining im Lastenheft verankert
- Vergleichbare Angebote statt drei Dokumente mit unterschiedlichem Leistungsschnitt
Zweitmeinung zum Predictive-Maintenance-Angebot
Wir sehen uns Ihr konkretes Angebot an und rechnen die Wirtschaftlichkeit mit Ihren Zahlen nach. 50+ Projekte seit 2022, herstellerneutral, keine Provision.
- Plausibilitätsprüfung der zugesagten Trefferquote gegen Ihre Ausfallhistorie
- Aufdecken fehlender Positionen: laufender Aufwand, Retraining, Modelleigentum
- 30 Minuten Erstgespräch kostenlos und unverbindlich
Erst die Datenbasis,
dann die Prognose.
Predictive Maintenance setzt auf einer Fertigungs-IT auf, die Maschinendaten sauber erfasst und Störgründe auf Baugruppenebene führt. Geben Sie Ihre Unternehmens-URL ein, und Sie erhalten in sechs Minuten eine Shortlist der MES-Anbieter, die zu Ihrer Fertigungsart und Ihrem Maschinenpark passen. Kostenlos, ohne Formular.
