Mit Predictive Maintenance die Zukunft sichern

Predictive Analytics und Predictive Maintenance, heißt es, würden eine Service-Revolution mit sich bringen und altbekannte Geschäftsmodelle grundlegend verändern. Doch was verbirgt sich hinter diesen beiden Buzzwörtern? Und warum lohnt es sich, sich damit zu beschäftigen – gerade im Mittelstand?

Predictive Maintenance – oder vorausschauende Wartung – ist die Nutzung solcher Daten mit dem konkreten Ziel, den idealen Zeitpunkt für eine Wartung zu bestimmen. Es geht darum, die Wartungsintervalle so zu legen, dass Ausfallzeiten genauso wie unnötige Wartungen vermieden werden. Denn beide Fälle verursachen Kosten – die inzwischen höher sind als die Kosten der Datensammlung und -analyse. 

Welche Vorteile bringt Predictive Maintenance?
Mit Predictive Maintenance lassen sich ungeplante Ausfallzeiten vermeiden und die Zeit für Reparaturen durch ideale Zeitplanung minimieren. Zudem fallen in der Regel geringere Kosten für Ersatzteile und Werkzeuge an, da sie weit im Voraus beschafft werden können. Alle diese Aspekte bringen unterschiedlich große Kosteneinsparpotenziale mit sich. Die Erfahrung hat gezeigt, dass sich mit Predictive Maintenance an vielen Stellen Kosten sparen lassen, die in der Summe durchaus ins Gewicht fallen. 

Welche Herausforderungen gibt es bei der Umsetzung von Predictive Maintenance Konzepten?
Die wichtigste Herausforderung ist, neben der Bereitstellung von IT-Know-How, die Sammlung und vor allen Dingen die zielgerichtete Auswertung der Daten. Um Predictive Maintenance zu nutzen, empfiehlt es sich auf skalierbare Cloud-Dienste wie die SAP Cloud Platform oder die Microsoft Cloud Plattform Azure zu setzen. Tatsächlich sprengt die Menge an gesammelten Daten in der Regel die interne Serverstruktur. Sollte der Schritt in die Cloud nicht erwünscht sein, muss zusätzlich die Sicherheit der Datenübermittlung gewährleistet werden, genauso wie die Sicherheit der gespeicherten Datenmassen. 

Welche Anwendungsfälle gibt es bereits?
Die Anwendungsfelder sind schier unendlich und lassen sich am besten anhand eines konkreten Beispiels veranschaulichen: die Intervalle für Schiffsrumpfreinigung. Das Rümpfe von Zeit zu Zeit gereinigt werden müssen, ist unbestritten. Doch wann ist der ideale Zeitpunkt? Die Analyse der Rumpfverunreinigungsdaten gekoppelt mit denen des Treibstoffverbrauchs hat ergeben, dass der ideale Zeitpunkt viel früher liegt als bisher angenommen, da der Treibstoffverbrauch ab einem bestimmten – bisher als relativ unbedeutend angesehenen – Verunreinigungsgrad in die Höhe schnellt. Dank Predictive Maintenance wird nun der ideale Zeitpunkt für eine Wartung bestimmt – für jedes Schiff individuell. Sobald ein Schwellenwert überschritten wird, wird die Vorbereitung der Schiffsreinigung in Gang gesetzt.

Aus Predictive Maintenance können sich ebenfalls neue Geschäftsmodelle ableiten, gerade für mittelständische Unternehmen mit einer starken Service-Orientierung. Warum nicht die Funktion und Verfügbarkeit einer Maschine oder Anlage verkaufen, anstatt die Anlage an sich? Solche Subscription-Modelle sind sowohl für den Anbieter als auch für den Nutzer attraktiv. Denn Ausfallzeiten und Express-Reparaturen sind für beide Seiten ein Verlustgeschäft.