Wartung

Zustandsbasierte Wartung vs. prädiktive Wartung

Auf den ersten Blick verfolgen zustandsbasierte Wartung und prädiktive Wartung dasselbe Ziel: Ausfälle abfangen, bevor sie zum Stillstand werden. Der Weg dorthin ist allerdings ein anderer. Dieser Leitfaden zeigt, wo genau die Unterschiede liegen, in welchen Situationen sich welcher Ansatz lohnt und wie Unternehmen die für sie passende Strategie finden.

Wichtige Fakten

  • Zustandsbasierte Wartung stützt sich auf die Echtzeitüberwachung des Anlagenzustands. Prädiktive Wartung geht einen Schritt weiter und nutzt Datenanalyse und KI, um künftige Ausfälle vorherzusagen.
  • Während prädiktive Wartung Probleme oft schon Wochen oder Monate im Voraus aufspürt, bewegt sich die zustandsbasierte Variante meist im Bereich von Tagen bis Wochen.
  • ToolSense kombiniert IoT-Sensoren und Analytics, um beide Strategien in einer Plattform zu unterstützen.

Wartungsstrategien: von reaktiv zu prädiktiv

Wie Unternehmen ihre Anlagen warten, hat sich in den letzten Jahren spürbar gewandelt. Wer nach dem Prinzip der reaktiven Wartung arbeitet, repariert erst nach dem Ausfall – und zahlt das mit teuren Stillständen und Notfalleinsätzen. Die vorbeugende Wartung setzte dem feste Intervalle entgegen, ohne den tatsächlichen Zustand der Maschine zu berücksichtigen.

Zustandsbasierte und prädiktive Wartung setzen genau hier an. Statt zu früh oder zu spät einzugreifen, sorgen sie dafür, dass Wartung dann passiert, wenn sie wirklich gebraucht wird.

Entwicklung von reaktiver zu prädiktiver Wartung

Zustandsbasierte Wartung: die Grundlagen

Die zustandsbasierte Wartung richtet sich nach dem realen Zustand eines Assets. Aus den gemessenen Werten leitet sich ab, welche Arbeiten anstehen – und zwar erst dann, wenn die Daten auf nachlassende Leistung oder einen drohenden Ausfall hindeuten.

Grafik zur zustandsbasierten Wartung

So läuft zustandsbasierte Wartung in der Praxis ab:

  1. Zustand überwachen: Sensoren, Anzeigen oder Sichtprüfungen erfassen Temperatur, Druck, Vibration oder Ölqualität.
  2. Grenzwerte festlegen: Basiswerte zeigen, wann ein Asset Aufmerksamkeit benötigt.
  3. Wartung auslösen: Werden Grenzwerte überschritten, wird eine Wartung geplant.

Ein Beispiel aus der Praxis: Bei einer Flotte von Baufahrzeugen wird das Öl nicht stur alle 5.000 Kilometer gewechselt. Gemessen wird die Ölqualität – und der Wechsel kommt erst, wenn sie unter einen definierten Wert fällt.

Das spart Aufwand, weil gewartet wird, sobald es nötig ist. Die Kehrseite: Im Blick steht vor allem der aktuelle Zustand, langfristige Prognosen liefert dieser Ansatz kaum.

Prädiktive Wartung: datengetrieben und vorausschauend

Prädiktive Wartung baut auf dem Condition Monitoring auf und ergänzt es um Analytics, Machine Learning und historische Daten. Sie wartet nicht ab, bis ein Messwert kippt, sondern rechnet voraus, wie sich eine Anlage entwickeln wird.

Was prädiktive Wartung im Kern leistet:

  1. Datenintegration: IoT-Sensoren, Betriebshistorie und Umgebungsdaten werden kombiniert.
  2. Mustererkennung: Algorithmen erkennen Muster, die einem Ausfall vorausgehen.
  3. Ausfallprognose: Das System schätzt, wann ein Ausfall wahrscheinlich ist.
  4. Kontinuierliches Lernen: Mit mehr Daten werden Prognosen genauer.

In einer Produktionsanlage etwa überwachen Sensoren Vibration, Temperatur, Stromverbrauch und Qualität rund um die Uhr. Ein anbahnender Lagerschaden lässt sich auf diese Weise erkennen, lange bevor klassische Methoden anschlagen – mitunter Wochen früher.

Die wichtigsten Unterschiede

MerkmalZustandsbasierte WartungPrädiktive Wartung
ZeithorizontFokus auf aktuelle Zustände, meist Tage bis Wochen VorwarnzeitPrognose künftiger Zustände, oft Wochen bis Monate Vorwarnzeit
TechnologieSensoren und GrenzwertüberwachungAnalytics, Machine Learning und integrierte Datensysteme
DatenAktuelle Sensorwerte gegen SchwellenwerteHistorische Trends und mehrere Datenquellen
KomplexitätRelativ einfach umzusetzenKomplexer, da Dateninfrastruktur und Algorithmen nötig sind
KostenNiedrigere AnfangsinvestitionHöhere Anfangsinvestition, oft höherer ROI bei kritischen Assets
PlanungSchnelle Reaktion nach GrenzwertüberschreitungLängere Planung und optimalere Terminierung
Unterschiede zwischen zustandsbasierter und prädiktiver Wartung

Welcher Ansatz passt, entscheidet sich meist an zwei Fragen: Wie viel ein Stillstand kostet und welche Ressourcen zur Verfügung stehen. Je teurer der Ausfall eines Assets, desto eher rechnet sich die Investition in prädiktive Technologien. Eine Asset-Management-Plattform hilft, beide Ansätze zu skalieren.

Welche Branchen profitieren?

Für zustandsbasierte Wartung sprechen vor allem diese Einsatzfelder:

  • Bau : Überwachung hydraulischer Systeme schwerer Maschinen.
  • Facility Management : Kontrolle von Gebäudesystemen.
  • Kleine und mittlere Fertigung : Anlagenzustand überwachen ohne große Dateninfrastruktur.
  • Transport: Bremsen, Motoren und Fahrzeugkomponenten kontrollieren.
  • Lebensmittel und Getränke: Produktionsparameter für Qualität sichern.

Prädiktive Wartung entfaltet ihren Wert dagegen besonders dort, wo Ausfälle teuer und Anlagen komplex sind:

  • Große Fertigung
  • Energie und Versorger
  • Luftfahrt
  • Gesundheitswesen
  • Bergbau

Wie ToolSense beide Ansätze verbindet

Moderne Asset Operations Platforms wie ToolSense bringen zustandsbasierte und prädiktive Wartung unter ein Dach. Je nach Asset-Typ lässt sich so die jeweils passende Strategie wählen – ohne das System zu wechseln.

ToolSense für Wartungsmanagement

ToolSense kombiniert:

  1. Asset Tracking: Vollständige digitale Aufzeichnung aller Geräte, erreichbar über QR-Codes.
  2. IoT-Integration: Verbindung mit IoT-Hardware zur Echtzeitüberwachung.
  3. Flexible Wartungsregeln: Workflows nach Zeit, Nutzung oder Zustand auslösen.
  4. Analytics : Daten nutzen, um Muster und potenzielle Ausfälle zu erkennen.
  5. Mobiler Zugriff: Informationen abrufen, Störungen melden und Arbeitsaufträge mobil verwalten.

Der Einstieg muss nicht groß sein: Wer mit einfacher zustandsbasierter Wartung beginnt, kann nach und nach prädiktive Elemente ergänzen, sobald genug Daten zusammengekommen sind.

Was Unternehmen mit ToolSense konkret erreichen:

  • Wartungskosten um 20 bis 30 % senken
  • Ungeplante Stillstände deutlich reduzieren

  • Asset-Lebensdauer verlängern
  • Produktivität der Wartungsteams verbessern

Fazit

Zustandsbasierte und prädiktive Wartung sind keine Gegensätze. Die meisten gut funktionierenden Programme nutzen beides: prädiktive Methoden für kritische, hochwertige Assets, schlichtere Zustandsüberwachung für alles, was im Ernstfall weniger weh tut.

Worauf es bei der Entscheidung ankommt:

  • Kritikalität der Ausrüstung
  • Budget für Wartungstechnologie
  • Technische Fähigkeiten des Teams
  • Integration in bestehende Systeme

Für viele Organisationen führt der sinnvollste Weg über das Condition Monitoring – und von dort schrittweise hin zu prädiktiven Fähigkeiten. Plattformen wie ToolSense liefern dafür die skalierbare Grundlage.

FAQ

Was ist der Unterschied zwischen zustandsbasierter und vorbeugender Wartung?

Vorbeugende Wartung folgt festen Zeit- oder Nutzungsintervallen. Zustandsbasierte Wartung wird nur durchgeführt, wenn Monitoring tatsächlichen Bedarf zeigt.

Was ist der Unterschied zwischen CBM und TBM?

CBM nutzt Zustandsdaten, um Wartung auszulösen. Time-Based Maintenance führt Wartung unabhängig vom Zustand in festen Intervallen durch.

Wie unterscheidet sich der Workflow?

Zustandsbasierte Workflows alarmieren bei Grenzwertüberschreitung. Prädiktive Workflows nutzen Analytics, um künftige Ausfälle vorherzusagen und Wartung früher zu planen.

Welche Schulung braucht das Wartungspersonal?

Für CBM benötigen Teams Wissen zu Sensoren und Messwerten. Für prädiktive Wartung kommen Datenanalyse, Prognosen und Softwarekompetenz hinzu.