Interview zur vorausschauenden Instandhaltung

Andrea Gillhuber,

„Predictive Maintenance birgt großes Potenzial“

Predictive Maintenance wird die traditionelle Servicekultur stark beeinflussen, wenn nicht sogar revolutionieren. Davon ist Simon Noggler, IoT-Experte und Senior Business Consultant beim Beratungs- und Softwarehaus DoubleSlash, überzeugt. Immerhin lassen sich laut McKinsey mit vorausschauender Wartung die Ausfallzeiten um bis zu 50 Prozent reduzieren. Ein Gespräch über das Wertschöpfungspotenzial von Predictive Maintenance.
Predictive Maintenance setzt auf vorausschauendes Handeln. Dafür werden die aktuellen Zustandsdaten aus dem Condition Monitoring mit weiteren Informationen angereichert. © DoubleSlash

SCOPE: Herr Noggler, was ist der Unterschied zwischen Condition Monitoring und Predictive Maintenance?

Simon Noggler, IoT-Experte und Senior Business Consultant bei DoubleSlash. © DoubleSlash

Simon Noggler: Condition Monitoring bezeichnet die systematische Überwachung von Maschinen und Anlagen. Hierzu werden Daten zur Ist-Situation erfasst und ausgewertet. Sie dienen als Grundlage, um einzugreifen, wenn etwas nicht wunschgemäß funktioniert. Condition Monitoring ist also reaktiv.

Predictive Maintenance dagegen setzt auf vorausschauendes Handeln. Dafür werden die aktuellen Zustandsdaten aus dem Condition Monitoring mit weiteren Informationen angereichert. Zum Beispiel zum durchschnittlichen Verbrauch, zum Verschleiß und zur erwarteten Lebenszeit von Maschinen und deren Komponenten. Aber auch zu den Einsatzbedingungen wie Temperatur, Luftfeuchtigkeit oder sonstigen Umständen, die sich auf Verschleiß und Lebensdauer auswirken. Erfasst werden in der Regel auch Daten, die zeigen, wie sich die Maschine in der Anwendung verhält. Ihre ständige Analyse erlaubt Vorhersagen über die voraussichtliche Entwicklung, bis hin zu Aussagen darüber, zu welchem Zeitpunkt eine Komponente erneuert werden sollte.

Anzeige

SCOPE: Warum ist Predictive Maintenance in den Betrieben noch nicht sehr verbreitet?

Noggler: Voraussetzung für Predictive Maintenance ist die Vernetzung von Maschinen, Anlagen und Systemen – Stichwort IoT. Und wie wir alle wissen, setzen noch nicht allzu viele Betriebe IoT wirklich konsequent um. Und wenn, dann mangelt es häufig noch an Daten aus der Vergangenheit. Die sind aber wichtig, um künftige Entwicklungen gut einschätzen zu können. Je mehr Erfahrungswerte, desto genauer die Prognosen. Ein weiterer Punkt ist: Wenn es um Predictive Maintenance für Massenmarkt-Produkte für Endkunden geht, fehlt bislang schlicht die Datenbasis. Die entsteht derzeit zum Beispiel in der Automotive-Industrie, die die Vernetzung von Fahrzeugen stark forciert. Aber noch sind relativ wenige E-Bikes oder Tiefkühltruhen vernetzt, um nur zwei Beispiele zu nennen.

Hinzu kommt: Predictive Maintenance lebt von großen Datenmengen. Deren Haltung war bislang aber recht teuer. Das ändert sich erst in jüngster Zeit, vor allem durch Skaleneffekte. Außerdem gab es bis vor kurzem kaum standardisierte Predictive-Maintenance-Softwarelösungen. Die kommen jetzt allmählich vermehrt auf den Markt und verleihen dem Thema Predictive Maintenance zusätzlichen Schwung, weil sie die Einstiegsschwelle und den Gesamtaufwand senken.

SCOPE: Welche Voraussetzungen muss ein Unternehmen erfüllen, um Predictive Maintenance einführen zu können?

Noggler: Erste Voraussetzung ist natürlich die Vernetzung. Dann müssen die Business Cases passen. Je schneller sich der Aufwand amortisiert, desto leichter tun sich Unternehmen damit, Predictive Maintenance einzuführen. Essentiell ist auch, dass das Unternehmen in der Lage sein muss, Predictive Maintenance im Alltag umzusetzen. Die heutigen Serviceprozesse sind ohne Predictive Maintenance gewachsen, deshalb müssen sie neu gedacht werden. Daraus können sich ganz neue Geschäftsmodelle entwickeln. Das Wertschöpfungspotenzial von Predictive Maintenance ist ohne Zweifel hoch. Wer es optimal ausschöpfen will, muss seine Organisations- und Service-Strukturen den neuen Möglichkeiten anpassen.

SCOPE: Welche Rolle spielen dabei neue Technologien wie Big Data Analytics, Künstliche Intelligenz und Machine Learning?

Noggler: Bei Künstlicher Intelligenz bin ich vorsichtig, da sind wir noch ein paar Schritte zu früh. Big Data Analytics dagegen macht Predictive Maintenance überhaupt erst möglich. Und Machine-Learning-Komponenten tragen dazu bei, dass Muster erkannt und entsprechende Maßnahmen abgeleitet werden können. Kurz: Beide Technologien spielen bei Predictive Maintenance eine wesentliche Rolle.

SCOPE: Wie und in welchen Bereichen spielt Predictive Maintenance seine Vorteile aus?

Noggler: Wo man sich Ausfallzeiten von Anlagen und Maschinen nicht leisten kann und will. Zum Beispiel in Produktionsstraßen, bei denen Stillstand richtig teuer ist. Und wo die Lebensdauer von Maschinen essentiell für deren Amortisation ist. Windturbinen zum Beispiel lohnen sich nur, wenn sie über einen definierten Zeitraum hinweg eine bestimmte Menge Energie produzieren. Fallen sie vorher aus, kann der ganze Business Case schnell in sich zusammenfallen.

SCOPE: Welcher Nutzen ergibt sich für Unternehmen, die mit Predictive Maintenance arbeiten?

Noggler: Laut McKinsey lassen sich mit vorausschauender Wartung die Ausfallzeiten von Anlagen und Maschinen halbieren und die Wartungskosten um 20 bis 40 Prozent verringern. Außerdem steigert Predictive Maintenance die Zuverlässigkeit von Maschinen. Dadurch können Hersteller zum Beispiel ihre Gewährleistungszeiten verlängern. Und sie gewinnen an Produktivität. Das sorgt auf lange Sicht für eine höhere Kundenzufriedenheit – und es macht Leasing-Modelle rentabler.

SCOPE: Wie hoch ist der Aufwand, Predictive Maintenance von Grund auf in einem Unternehmen zu realisieren?

Noggler: Da sollte man sich nichts vormachen, das ist auf jeden Fall ein großes Projekt. Es wird eine Menge Sensorik benötigt, um die Maschinen zu vernetzen. Und Systeme, die die Daten sammeln und verarbeiten, müssen installiert werden. Wichtig ist auch das Zusammenspiel von IT und Fachabteilungen, um aus dem Datenmaterial die richtigen Schlüsse zu ziehen und die passenden Maßnahmen abzuleiten. Und natürlich muss man bedenken, dass sich mit Predictive Maintenance logischerweise auch die Serviceprozesse im Unternehmen verändern.

SCOPE: Was raten Sie Unternehmen, die Predictive Maintenance einführen möchten?

Noggler: Zunächst sollten sie klären, mit welchen Business Cases sie einsteigen wollen und welche den voraussichtlich höchsten Nutzen bringen. Und sie sollten die Teams, die involviert sind, aktiv einbeziehen. Schließlich geht es auch darum, neue Ideen zu entwickeln und Geschäftsfelder zu identifizieren, die durch Predictive Maintenance möglich werden. Hilfreich ist es außerdem, mit einem schlanken Ansatz einen Prototyp zusammen mit einem Pilotkunden umzusetzen. Wichtig: Ziehen Sie Ihren Datenschutzbeauftragten hinzu. Immerhin werden hier Unmengen von Daten erfasst und verarbeitet. Und meist ist zu Beginn des Projekts nicht klar, wie und zu welchem Zweck diese Daten genau genutzt werden. Meist ist es sinnvoll, einen Dienstleister hinzuzuziehen, der über Expertise im Bereich Predictive Maintenance verfügt. Er bringt das erforderliche Know-how ins Haus, und er kann mit seiner Erfahrung oft gut als Brückenbauer zwischen den Fachabteilungen und der IT fungieren.

Anzeige

Das könnte Sie auch interessieren

Anzeige

Condition Monitoring

Zustandsüberwachung im Klartext

Mit Komponenten, Systemen und digitalen Services zur Überwachung und Schmierung verschiedener Aggregate bietet Schaeffler erweiterbare Komplettlösungen für Predictive Maintenance 4.0, auf die auch der Trinkwasserversorger Perlenbach bei der...

mehr...

Predictive Maintenance

Schwäbisches "Cleverle"

Tekon Prüftechnik GmbH stellt auf der diesjährigen Control, internationale Fachmesse für Qualitätssicherung in Stuttgart, das Informationsmodul Tekonect mit erweiterten Funktionen vor. Das „intelligente“ Modul des schwäbischen...

mehr...
Anzeige