Vorausschauende Wartung (Predictive Maintenance)
Vorausschauende Wartung (Predictive Maintenance) nutzt Zustandsdaten und Vorhersagemodelle, um Verschleiß oder drohende Ausfälle frühzeitig zu erkennen und die Wartung genau dann durchzuführen, wenn sie nötig ist, nicht nach starrem Zeitplan und nicht erst nach dem Defekt.
Vorausschauende Wartung unterscheidet sich von zwei klassischen Wartungsstrategien. Bei der reaktiven Wartung wird erst repariert, wenn eine Maschine bereits ausgefallen ist, was zu ungeplanten Stillständen führt. Bei der präventiven Wartung erfolgt die Instandhaltung nach festen Intervallen, etwa alle 500 Betriebsstunden, unabhängig vom tatsächlichen Zustand. Vorausschauende Wartung setzt stattdessen auf laufend erfasste Zustandsdaten und Vorhersagemodelle, die den optimalen Wartungszeitpunkt bestimmen. So wird weder zu früh noch zu spät gewartet, sondern genau dann, wenn ein Bauteil tatsächlich Verschleiß zeigt.
Die technische Grundlage bilden Sensoren, die kontinuierlich Messwerte wie Vibration, Temperatur, Schallemission oder Ölqualität an Maschinen erfassen. Diese Daten fließen über IoT-Anbindungen in Auswertungssysteme, die Abweichungen vom Normalzustand erkennen. Häufig kommen statistische Modelle oder Machine-Learning-Verfahren zum Einsatz, die aus historischen Ausfallmustern lernen und Trends hochrechnen. Überschreitet ein Wert einen kritischen Schwellenwert oder deutet ein Trend auf einen bevorstehenden Defekt hin, löst das System eine Wartungsempfehlung aus, oft mit einer geschätzten Restlaufzeit bis zum wahrscheinlichen Ausfall.
Der Nutzen liegt vor allem in der Vermeidung ungeplanter Stillstände, einer längeren Lebensdauer der Anlagen und einer besseren Planbarkeit von Ersatzteilen und Personal. Gleichzeitig verursacht vorausschauende Wartung Anfangsaufwand, weil Sensorik nachgerüstet, Daten gesammelt und Modelle über Zeit kalibriert werden müssen. Für einfache oder unkritische Maschinen lohnt sich der Aufwand oft nicht, während er sich bei teuren, produktionskritischen Anlagen schnell rechnet. Die Qualität der Vorhersage steht und fällt mit der Qualität und Menge der zugrunde liegenden Daten.
Praxisbeispiel
Ein Betrieb der Metallverarbeitung mit 12 CNC-Fräsmaschinen rüstet die drei wichtigsten Maschinen mit Vibrationssensoren an den Hauptspindeln nach. Nach sechs Monaten Datensammlung erkennt das Auswertungssystem bei einer Maschine ein ansteigendes Vibrationsmuster, das auf einen beginnenden Lagerschaden hindeutet, und meldet eine geschätzte Restlaufzeit von 18 Tagen. Der Wartungstermin wird gezielt in ein produktionsarmes Wochenende gelegt, das Ersatzlager vorab bestellt. Ohne diese Vorwarnung wäre die Spindel im laufenden Betrieb ausgefallen, mit geschätzten 2 Tagen ungeplantem Stillstand und rund 14.000 Euro Produktionsausfall bei einer Tagesleistung von 7.000 Euro.
So hilft Leanshift
Vorausschauende Wartung passt zur Kaizen-Haltung, weil sie Entscheidungen auf tatsächlichen Zustand statt auf Annahmen stützt und so einen Kernpunkt kontinuierlicher Verbesserung erfüllt: Probleme sichtbar machen, bevor sie zu Verlusten werden. Ungeplanter Stillstand ist eine der teuersten Formen von Verschwendung im Prozess, und wer ihn durch frühzeitige Erkennung vermeidet, schafft Raum für die eigentliche Verbesserungsarbeit statt für Feuerwehreinsätze. Das passt zur Grundidee, Verbessern zu betreiben, um mehr Verbesserer zu schaffen: stabile Prozesse geben Teams die Zeit, sich auf Weiterentwicklung statt auf Reparatur zu konzentrieren.
Häufige Fragen
Ab welcher Betriebsgröße lohnt sich vorausschauende Wartung?
Ein pauschaler Schwellenwert existiert nicht. Entscheidend ist, wie teuer ein ungeplanter Ausfall der jeweiligen Maschine wäre, nicht die Betriebsgröße. Auch kleine Betriebe mit einer einzigen produktionskritischen Anlage können von wenigen Sensoren an genau dieser Maschine profitieren.
Braucht man dafür künstliche Intelligenz?
Nein, zwingend nicht. Viele Systeme arbeiten mit einfachen Schwellenwerten und statistischen Trendanalysen. Machine-Learning-Modelle verbessern die Vorhersagegenauigkeit bei komplexen Verschleißmustern, sind aber kein Muss für den Einstieg.
Wie unterscheidet sich vorausschauende Wartung von zustandsbasierter Wartung?
Zustandsbasierte Wartung reagiert auf den aktuell gemessenen Zustand einer Maschine. Vorausschauende Wartung geht einen Schritt weiter und nutzt diese Zustandsdaten, um den künftigen Verlauf und den wahrscheinlichen Ausfallzeitpunkt vorherzusagen.