20.08.2026
6 Minuten
Predictive Maintenance in der Produktion
Eine Maschine fällt selten zum günstigen Zeitpunkt aus. Ungeplante Stillstände gefährden Produktionsziele, Liefertermine und die verfügbare Instandhaltungskapazität. Auch zu frühe Wartung verursacht Kosten, weil Bauteile vorzeitig ersetzt und Ressourcen unnötig gebunden werden. Predictive Maintenance soll diesen Zielkonflikt lösen: Sie erkennt absehbaren Wartungsbedarf rechtzeitig, damit Betriebe Eingriffe wirtschaftlich planen können.
Ob sich der Aufwand lohnt, entscheidet sich an der einzelnen Anlage. Der Beitrag klärt, welche Maschinen ein Prognosemodell rechtfertigen und wie sich der Nutzen belegen lässt.
Was ist Predictive Maintenance in der Produktion?
Predictive Maintenance, auf Deutsch vorausschauende Wartung, ist ein Verfahren der zustandsorientierten Instandhaltung. In der Produktion wertet es Zustands- und Betriebsdaten einer Maschine aus, etwa Schwingung, Temperatur oder Motorstrom, und sagt voraus, wann ein Bauteil ausfällt. Das Ergebnis ist ein Zeitfenster: verbleibende Nutzungsdauer, Ausfallrisiko oder der späteste sinnvolle Eingriff.
Dieses Zeitfenster trennt die Prognose von der laufenden Überwachung. In der Produktion sitzt das Verfahren an der Schnittstelle von Messtechnik, Automatisierung und industriellen Prozessen. Die Daten dafür liefern meist Anlagen, die ohnehin im Betrieb sind.
Wo die Prognose beginnt
Die laufende Zustandsüberwachung (Condition Monitoring) meldet, was gerade passiert. Eine Meldung wie „Lagerschwingung erhöht" sagt aber nicht, wie viel Zeit noch bleibt. Eine Prognose sagt es.
„Lagerwechsel innerhalb der nächsten 80 Betriebsstunden einplanen" nennt einen Zeitraum, mit dem das Instandhaltungsteam arbeiten kann. Es belegt ein Wartungsfenster und bestellt das Ersatzteil, bevor die Maschine steht.
Den normativen Rahmen dafür setzt die ISO 13381-1:2025. Sie hat im September 2025 die zurückgezogene Fassung von 2015 abgelöst.
Vier Strategien für unterschiedliche Anlagen
Welche Strategie passt, hängt von Ausfallfolgen, Wartungskosten, Anlagenkritikalität und Datenbasis ab:
-
Reaktive Instandhaltung: Der Eingriff erfolgt nach dem Ausfall und eignet sich für unkritische Komponenten.
-
Präventive Wartung: Feste Zeitabstände oder Betriebsstunden bestimmen den Eingriff.
-
Zustandsbasierte Wartung: Relevante Messwertveränderungen lösen einen Wartungsauftrag aus.
-
Vorausschauende Wartung: Das System schätzt Ausfallrisiko, Wartungsfenster oder verbleibende Nutzungsdauer.
Industriebetriebe kombinieren diese Strategien entsprechend den technischen und wirtschaftlichen Folgen. Unkritische Hilfsaggregate können reaktiv betrieben werden. Bei produktionskritischen Anlagen bildet die laufende Zustandsüberwachung häufig den Einstieg. Eine Prognose folgt, sobald Datenlage und Fehlerverlauf sie tragen.
Wann rechnet sich Predictive Maintenance wirtschaftlich?
Ein Prognosemodell braucht einen wirtschaftlichen Zweck: eine konkrete Verlustursache, die sich mit zusätzlichem Vorlauf wirksamer beherrschen lässt.
Stillstand und OEE zuerst belastbar erfassen
Vor dem Projektstart braucht der Betrieb eine verlässliche Baseline. Sie sollte mindestens folgende Kosten- und Leistungsdaten enthalten:
-
ungeplante Stillstandsstunden und Ausfallhäufigkeit
-
mittlere Reparaturdauer und Wiederanlaufzeit
-
Ausschuss, Nacharbeit und mögliche Qualitätsverluste
-
Mehrarbeit, Expressbeschaffung und zusätzliche Serviceeinsätze
-
entgangene Produktion und verletzte Liefertermine
Eine saubere Störgrundsystematik zeigt, welche Komponenten wiederkehrende Verluste verursachen. Ohne diese Einordnung bleibt der wirtschaftliche Effekt unklar.
Die Overall Equipment Effectiveness (OEE), auf Deutsch Gesamtanlageneffektivität, zeigt die Produktivität einer Anlage während der geplanten Produktionszeit. Sie ergibt sich aus Verfügbarkeit, Leistungsgrad und Qualitätsrate. Die Verfügbarkeit berücksichtigt Stillstände, der Leistungsgrad Geschwindigkeitsverluste und die Qualitätsrate fehlerfreie Teile. OEE macht verlorenes Produktionspotenzial sichtbar, erklärt jedoch nicht dessen Ursache. Dafür braucht es eindeutige Fehlercodes, Zeitstempel und Wartungsberichte. Erst sie zeigen, ob eine Verbesserung auf das Prognosemodell zurückzuführen ist.
Geeignet sind Anlagen mit hohen Ausfallkosten, langen Wiederanlaufzeiten oder schwer beschaffbaren Ersatzteilen. Bei baugleichen Maschinen verteilen sich Entwicklungskosten auf mehrere Assets.
Wann genügt eine Grenzwertüberwachung?
Ein Grenzwert genügt, wenn das Wartungsteam nach dem Alarm rasch eingreifen kann und der Schaden begrenzt bleibt. Ein Prognosemodell rechnet sich erst, wenn Ersatzteil, Personal oder Wartungsfenster Vorlauf brauchen. Den Ausschlag gibt die Zeit zwischen Warnung und Eingriff.
| Kriterium | Grenzwertüberwachung genügt eher | Ein Prognosemodell eignet sich eher |
|---|---|---|
| Ausfallfolge | begrenzter Schaden und schneller Ersatz | hoher Produktionsverlust oder Qualitätsrisiko |
| Fehlerverlauf | klarer Grenzwert zeigt Handlungsbedarf | messbare Degradation erlaubt eine Zeitprognose |
| Reaktionszeit | kurzfristiger Eingriff ist möglich | Teile, Personal oder Stillstand brauchen Vorlauf |
| Datenlage | aktuelle Messwerte reichen aus | historische Zustandsdaten und Ereignisse liegen vor |
| Anlagenbestand | wenige unterschiedliche Maschinen | viele vergleichbare Assets ermöglichen Skalierung |
Fehlalarme kosten Zeit und Vertrauen. Jeder unnötige Eingriff bindet das Team, jeder übersehene Schaden führt zurück zum ungeplanten Stillstand. Beides gehört in die Wirtschaftlichkeitsrechnung, nicht nur die Trefferquote.
Schwerer wiegt der Zeitpunkt der Warnung. Eine korrekte Meldung nützt nichts, wenn das Ersatzteil vier Wochen Lieferzeit hat. Die Anlage steht dann trotzdem.
Unsere Empfehlungen für Sie
Die Datenbasis bestimmt die Aussagekraft
Aus dem Fehlermechanismus ergibt sich, welche Messgrössen relevant sind. Daten ohne Betriebsbezug können selbst leistungsfähige Algorithmen fehlleiten.
Welche Messgrösse passt zu welchem Fehler?
Die Messgrösse folgt aus dem Fehlermechanismus, nicht aus dem Sensorangebot.
-
Unwucht und Lagerschäden zeigen sich im Schwingungsbild.
-
Reibung und elektrische Hotspots werden thermisch sichtbar.
-
Leckagen und verstopfte Filter verändern Druck und Durchfluss.
-
Schwergängigkeit steckt im Motorstrom, den der Antriebsregler ohnehin erfasst.
Messbereich und Schutzart entscheiden über die Auswahl von Sensoren und Datenloggern.
Betriebszustände richtig einordnen
Ein Schwingungswert erhält erst durch Drehzahl und Last Bedeutung. Temperaturdaten brauchen Angaben zu Umgebung, Kühlung und Betriebsdauer. Auch Produkt, Material oder Werkzeug können den Normalzustand verändern.
Ein Messwert kann unter Volllast unauffällig sein und im Teillastbetrieb auf einen Fehler hinweisen. Das Modell muss solche Betriebsarten unterscheiden.
Gemeinsame Zeitstempel ordnen Messwerte dem jeweiligen Betriebszustand zu. Auch Wartungsarbeiten, Bauteilwechsel und bestätigte Fehler gehören in die Historie. Seltene Ausfälle erschweren das Training, weil wenigen Schadensfällen viele normale Betriebsdaten gegenüberstehen.
Trendanalysen oder unüberwachte Anomalieerkennung suchen Abweichungen vom Normalverhalten. Physikalische Modelle und Erfahrungswissen ergänzen die Analyse. Solche hybriden Ansätze benötigen oft weniger dokumentierte Fehlerfälle.
Vom Messsignal zum Wartungsauftrag
Vorausschauende Wartung umfasst eine Informationskette aus Erfassung, Übertragung, Auswertung und betrieblicher Reaktion.
Vorhandene Maschinendaten zuerst nutzen
SPS, Frequenzumrichter und Energiemessgeräte erfassen häufig bereits Betriebszustände, Ströme, Drehzahlen oder Fehlermeldungen. Eine Bestandsaufnahme klärt Verfügbarkeit und Qualität.
Zusätzliche Sensoren schliessen Informationslücken. Edge-Gateways führen Daten zusammen und verarbeiten sie lokal vor. Industrie-PCs, Switches, Leitungen und M8- oder M12-Steckverbinder sichern die Verbindung zur Analyseplattform. Eine unterbrechungsfreie Stromversorgung überbrückt kurze Netzausfälle.
Fehlende Werte oder defekte Sensoren dürfen nicht als gesunder Maschinenzustand erscheinen. Deshalb braucht die Architektur laufende Plausibilitätsprüfungen.
Prognosen in bestehende Prozesse integrieren
Die Meldung muss einen definierten Ablauf in CMMS, ERP oder MES auslösen. Verantwortliche prüfen den Befund und planen Zeitfenster, Teile sowie Personal. Mobile Messgeräte oder robuste Tablets erleichtern die Dokumentation an der Anlage. Das Ergebnis fliesst zurück in die Datenbasis.
Die Rückmeldung bestätigt den Befund und verbessert spätere Prognosen. Klare Prüfschritte nach dem Poka-Yoke-Prinzip reduzieren Zuordnungs- und Bedienfehler. Der Einkauf richtet Sensoren, Leitungen und Ersatzteile am Wartungsfenster aus.
Dieser Rückkanal verbindet die technische Analyse mit Instandhaltung und Beschaffung. Erst dadurch wird aus einer Warnung ein planbarer Arbeitsauftrag. Vernetzte Anlagen erweitern die Angriffsfläche. Rollen, Zugriffsrechte, Segmentierung, Updates und Verschlüsselung müssen früh feststehen. Die IEC 62443 bietet dafür einen Rahmen für industrielle Automatisierungs- und Steuerungssysteme.
Profitieren Sie von tollen Technik-Angeboten und vielen weiteren exklusiven Newsletter-Vorteilen.
Ein Pilotprojekt mit überprüfbarem Nutzen
Ein begrenzter Pilot schafft belastbare Erkenntnisse. Der Anwendungsfall sollte häufig genug auftreten, wirtschaftlichen Schaden verursachen und einen messbaren Vorläufer besitzen.
Mit einem Fehlerbild beginnen
Der Pilot folgt einer klaren Abfolge:
-
Das Projektteam definiert Maschine, Fehlermechanismus und mögliche Wartungseinsätze.
-
Bisherige Ausfälle und vorhandene Datenquellen werden dokumentiert.
-
Gezielte Sensorik ergänzt nur die für die Diagnose fehlenden Messgrössen.
-
Die Überwachung erfasst Normalzustände und relevante Abweichungen unter wechselnden Lasten.
-
Erst nach der technischen Bewertung entsteht ein Prognosemodell mit realistischem Wartungshorizont.
Der Test umfasst auch Anfahrvorgänge und geplante Stillstände. Die Skalierung beginnt, wenn Warnungen wiederholt zu sinnvollen Massnahmen geführt haben. Eine ausreichend lange Testphase muss saisonale Einflüsse, wechselnde Produkte und seltene Fehlerzustände abbilden. Andernfalls bleibt die Bewertung auf Normalbetrieb beschränkt.
Technik und Wirtschaft getrennt bewerten
Technische Kennzahlen erfassen Trefferquote, Fehlalarme, übersehene Schäden und Vorwarnzeit. Betriebliche Werte betrachten Stillstand, Wartungsaufwand und Verfügbarkeit. Der finanzielle Vergleich stellt vermiedene Verluste den Systemkosten gegenüber.
OEE zeigt die Gesamtwirkung. Für den Projektnachweis bleiben direkt beeinflusste Verlustursachen aussagekräftiger. Entscheidend ist, ob die Vorwarnzeit für eine geplante Reparatur ausreicht.
Predictive Maintenance zwischen Forschung und Industrie
Ein Projekt der voestalpine Stahl GmbH und des Grazer Know Centers verbindet vorausschauende Wartung mit der Produktqualität. Beim elektrolytischen Verzinken beeinflusst der Zustand von 24 Anodenpaaren die Beschichtungsqualität. Das Projekt bestimmte deshalb den geeigneten Austauschzeitpunkt datenbasiert. Die Datengrundlage umfasste zehn Millionen Messwerte aus 400 Variablen und drei Betriebsjahren.
Als wesentliche Messgröße identifizierte das Team die Zellspannung. Ein reines Machine-Learning-Modell war für die Anlagensteuerung zu komplex. Ein physikalisches Modell machte den hybriden Ansatz interpretierbar und integrierbar. Seit Ende 2019 läuft das Modell im Anlagenbetrieb. Es erkennt Anodenfehler und verbindet den Wartungszeitpunkt mit der digitalen Qualitätssicherung.
Die passende Strategie entscheidet über den Nutzen
Instandhaltung 4.0 verlangt kein Prognosemodell für jede Maschine. Fehlermechanismus, Ausfallfolge, Datenqualität und nutzbare Vorwarnzeit bestimmen den passenden Ansatz. Wo ein Grenzwert eine rechtzeitige Reaktion ermöglicht, bleibt Condition Monitoring wirtschaftlich und technisch überzeugend. Das Prognoseverfahren entfaltet seinen Wert bei planbaren Degradationsverläufen und kostspieligen Stillständen.
Für einen Pilotaufbau müssen Sensorik, Messtechnik, Datenübertragung und Energieversorgung technisch zusammenpassen und verlässlich beschaffbar sein. Conrad unterstützt Unternehmen bei der Auswahl geeigneter Komponenten und bei der Einbindung in bestehende Beschaffungsprozesse.
Lassen Sie uns auf LinkedIn vernetzten.
Nutzen Sie die Chance auf mehr Insiderwissen, spannende Fakten und verpassen Sie keine Neuheiten.
Wenden Sie sich mit Ihrem Anliegen an uns.
Unser Team geht auf Ihre Bedürfnisse ein und erarbeitet darauf zugeschnittene Lösungen.
Services, die Ihr Business unterstützen
Neben erstklassigen Liefer- und Bestellservices wurden in zwei Jahrzehnten zahlreiche Services entwickelt, die Sie in Ihrem Arbeitsalltag zu unterstützen.
E-Procurement
Massgeschneiderte Lösungen für Ihre Beschaffungsprozesse.
Abrufaufträge
Planen Sie Ihre Lieferungen vorausschauend.
Kalibrier-Service
Professionell, preisgünstig, herstellerunabhängig, schnell.
Angebotsservice
Fordern Sie Ihr individuelles Angebot an.
Conrad Pro
Profitieren Sie von exklusiven Vorteilen.