Was bedeutet Predictive Maintenance für Instandhalter?

Das Problem

Instandhalterinnen und Instandhalter kennen zwei Arten der Wartung. Die eine ist die Reparatur nach dem Ausfall: Die Maschine steht, dann wird gehandelt. Das ist teuer, weil der Stillstand ungeplant kommt. Die andere ist die Wartung nach festem Plan: alle 500 Betriebsstunden Öl wechseln, jährlich Lager tauschen. Das ist verlässlich, aber manchmal verschwenderisch, wenn Teile getauscht werden, die noch lange halten, und manchmal zu spät, wenn ein Teil früher als geplant verschleisst.

Seit einiger Zeit hört man von einer dritten Möglichkeit: Predictive Maintenance, auf Deutsch vorausschauende Wartung. Sensoren messen Zustand und Verhalten einer Maschine, Programme erkennen Veränderungen und melden, dass ein Teil bald Probleme machen könnte. Gewartet wird dann, wenn es nötig scheint.

Das klingt nach der idealen Lösung. Doch wie viel davon ist realistisch, was braucht es, und lohnt es sich bei Ihnen überhaupt? Diese Seite erklärt es ohne Fachchinesisch und hilft Ihnen, eine erste Einschätzung zu machen.

So lösen Sie es mit KI – Schritt für Schritt

Hier lösen Sie kein Problem mit einem Klick, sondern prüfen in Schritten, ob vorausschauende Wartung für Ihre Maschinen sinnvoll ist.

1. Kritische Maschinen bestimmen. Welche Maschinen verursachen bei einem Ausfall den grössten Schaden: Produktionsstopp, Lieferverzug, Sicherheitsrisiko? Nur dort lohnt der Aufwand.

1. Bisherige Ausfälle sammeln. Notieren Sie, was in den letzten Jahren ausgefallen ist, wann, warum und was es gekostet hat. Ohne diese Geschichte ist keine Prognose möglich.

1. Vorhandene Daten prüfen. Welche Messwerte gibt es schon? Steuerung, Betriebsstunden, Temperaturen, Vibrationen, Stromaufnahme? Wie lange werden sie gespeichert?

1. Einfache Zustandsüberwachung prüfen. Oft genügt als Erstes ein Grenzwert: Meldet ein Sensor eine zu hohe Temperatur, gibt es einen Alarm. Das braucht keine KI.

1. Frage nach Datenmenge und Qualität. Für lernende Verfahren braucht es genügend Daten, auch von Störungen. Wenn Ausfälle selten sind, gibt es wenig Lernmaterial.

1. Aufwand und Nutzen schätzen. Rechnen Sie grob: Sensoren, Einbau, Software, Betrieb, Schulung gegenüber den vermiedenen Ausfallkosten. Verlassen Sie sich nicht auf Prozentzahlen aus Werbeunterlagen.

1. Pilot klein halten. Starten Sie an einer Maschine mit einer Messgrösse. Legen Sie vorher fest, woran Sie Erfolg erkennen.

1. Entscheiden und festhalten. Besprechen Sie Ergebnisse mit Betrieb und Produktion. Wenn es sich nicht lohnt, ist das ein gutes Ergebnis.

Einfach erklärt

Stellen Sie sich einen Hausarzt vor. Wer jährlich zur Kontrolle geht, entspricht der Wartung nach festem Plan. Wer erst kommt, wenn er krank ist, entspricht der Reparatur nach dem Ausfall. Wer ein Fitnessarmband trägt, das Pulsveränderungen meldet, bevor man etwas spürt, entspricht der vorausschauenden Wartung.

Bei Maschinen heisst das: Sensoren erfassen zum Beispiel Schwingungen eines Lagers, die Temperatur eines Motors oder den Stromverbrauch. Ein Programm vergleicht die Werte mit dem Normalverhalten. Weichen sie auf eine typische Art ab, etwa durch zunehmendes Rauschen im Lager, löst es eine Meldung aus. Je nach Verfahren versucht es auch abzuschätzen, wie lange das Teil noch hält.

Dazu kann KI genutzt werden, muss aber nicht. Es gibt einfache Regeln (Grenzwerte) und lernende Verfahren, die Muster erkennen. Lernende Verfahren brauchen Daten, in denen sowohl gute Zustände als auch Vorläufer von Störungen vorkommen.

Worauf Sie achten müssen

• Zu hohe Erwartungen: Werbung verspricht oft grosse Einsparungen. Ob und wie viel Sie sparen, hängt von Ihren Maschinen und Ausfällen ab. Verlangen Sie Belege und Referenzen mit Vergleichbarkeit.
• Datenqualität: Falsch eingebaute Sensoren, Lücken und fehlende Ausfalldaten schwächen jedes Verfahren. Siehe auch Messdaten auf Auffälligkeiten untersuchen.
• Fehlalarme und verpasste Fehler: Systeme melden manchmal zu viel (Fehlalarm) oder zu wenig. Beides kostet. Planen Sie Prüfschritte nach jeder Meldung ein.
• Sicherheit: Eine Vorhersage ersetzt keine vorgeschriebenen Prüfungen und Wartungen, besonders bei sicherheitsrelevanten Anlagen. Halten Sie Herstellervorgaben ein.
• Datenschutz und Datenhoheit: Maschinendaten können Rückschlüsse auf Produktion und Personal erlauben. Klären Sie, wo sie gespeichert werden und wer sie nutzt. Mehr zu Regeln: Geheimhaltung bei KI.
• Personal: Das System braucht Menschen, die Meldungen bewerten und pflegen. Planen Sie Schulung ein.
• Abhängigkeit: Prüfen Sie, ob Ihre Daten bei einem Anbieterwechsel exportierbar sind.

Ein Beispiel aus der Praxis

Ein Beispiel: Ein Lebensmittelbetrieb in Wohlen hat eine Abfüllanlage, deren Förderband-Antrieb in drei Jahren zweimal ausgefallen ist, jedes Mal mit mehrstündigem Stillstand. Der Instandhaltungsleiter fragt sich, ob vorausschauende Wartung etwas für ihn wäre.

Er sammelt die Ausfallberichte und prüft, welche Messwerte die Steuerung schon speichert. Es sind Motorstrom und Betriebsstunden, jedoch keine Vibrationen. Zunächst richtet er einen einfachen Alarm bei erhöhtem Motorstrom ein und lässt am Lager zusätzlich quartalsweise von Hand die Temperatur messen. Für die nächste Planungsrunde lässt er sich ein Angebot für einen Vibrationssensor machen und vergleicht Kosten und mögliche Ausfallkosten. Erst danach entscheidet er über einen Pilotversuch. Für diese Klärung hat er nur Daten gesammelt, die ohnehin vorhanden waren.

So hilft Ihnen Alpasana

Ob vorausschauende Wartung bei Ihnen sinnvoll ist, klären Sie am besten strukturiert: Wo hilft Technik, was ist der Pilot, wer entscheidet? Die KI-Beratung und digitale Transformation der Alpasana GmbH umfasst nach Leistungsbeschreibung Prozessaufnahme, die Analyse von KI-Potenzialen, die Priorisierung von Vorhaben und einen Umsetzungsplan. Projekte werden individuell offeriert.

Für Ihr Team bietet die KI-Weiterbildung für Unternehmen von absofort nach Angebotsbeschreibung KI für Analyse und Entscheidungsgrundlagen sowie den verantwortungsbewussten Umgang mit Unternehmensdaten. Spezielle Instandhaltungskurse werden darin nicht genannt.

Häufige Fragen

Braucht vorausschauende Wartung zwingend KI?

Nein. Viele Verfahren beruhen auf Grenzwerten und einfacher Statistik. KI kann helfen, wenn viele Daten und komplexe Muster vorliegen. Beginnen Sie mit dem Einfachen.

Wie viele Daten brauche ich?

Das hängt von Maschine und Verfahren ab. Wichtig ist nicht nur die Menge, sondern dass auch Störungen und deren Vorläufer in den Daten vorkommen. Fragen Sie den Anbieter, was er voraussetzt, und lassen Sie sich Referenzen zeigen.

Lohnt sich das für kleine Betriebe?

Vielleicht bei einzelnen kritischen Maschinen. Oft ist zuerst eine einfache Zustandsüberwachung wirtschaftlicher. Rechnen Sie Kosten und Nutzen realistisch und lassen Sie sich nicht von Prozentversprechen leiten.