Wartungsplanung optimieren: Predictive vs. Preventive Maintenance

Drei Wartungsstrategien im Vergleich

Im Facility Management gibt es grundsätzlich drei Wartungsstrategien: reaktive Instandhaltung (Reparatur nach Ausfall), präventive Instandhaltung (Wartung nach festem Zeitintervall) und prädiktive Instandhaltung (Wartung basierend auf dem tatsächlichen Anlagenzustand). In der Praxis ist eine intelligente Kombination aller drei Ansätze – angepasst an Kritikalität und Kostenstruktur der jeweiligen Anlage – die wirtschaftlichste Lösung.

Preventive Maintenance: Der bewährte Standard

Präventive Wartung basiert auf festen Intervallen: Alle 6 Monate wird der Filter gewechselt, jährlich erfolgt die Inspektion der Heizungsanlage, alle 3 Jahre die Prüfung der Elektroinstallation. Dieser Ansatz ist einfach planbar, entspricht den Herstellervorgaben und erfüllt gesetzliche Prüfpflichten nach DGUV, BetrSichV oder VDI-Richtlinien.

Vorteile der präventiven Wartung

• Planbarkeit: Wartungstermine stehen langfristig fest, Ressourcen können vorausgeplant werden
• Compliance: Gesetzliche Prüffristen werden zuverlässig eingehalten
• Einfache Umsetzung: Kein Bedarf an Sensorik oder Datenanalyse
• Bewährte Praxis: Herstellergarantien sind an empfohlene Wartungsintervalle gebunden

Grenzen der präventiven Wartung

Das Problem: Zeitbasierte Intervalle berücksichtigen nicht den tatsächlichen Anlagenzustand. Eine Anlage, die wenig beansprucht wird, wird möglicherweise zu häufig gewartet – das kostet unnötig Geld. Eine stark beanspruchte Anlage wird dagegen vielleicht zu selten gewartet und fällt zwischen den Intervallen aus. Studien zeigen, dass bei rein zeitbasierter Wartung bis zu 30 Prozent der Wartungsmaßnahmen unnötig sind.

Predictive Maintenance: Zustandsbasiert statt zeitbasiert

Prädiktive Wartung nutzt Sensordaten und Algorithmen, um den optimalen Wartungszeitpunkt vorherzusagen. Statt nach einem festen Intervall zu warten, wird gewartet, wenn die Daten darauf hindeuten, dass eine Komponente demnächst ausfallen wird. Typische Messwerte sind Schwingungen, Temperaturen, Stromaufnahme, Drücke oder Ölqualität.

Voraussetzungen für Predictive Maintenance

• Sensorik: Die relevanten Anlagen müssen mit geeigneten Sensoren ausgestattet sein
• Dateninfrastruktur: Sensordaten müssen zuverlässig erfasst, übertragen und gespeichert werden
• Analysefähigkeit: Software muss Muster erkennen und Schwellenwerte definieren können
• Historische Daten: Für aussagekräftige Vorhersagen braucht es eine ausreichende Datenbasis

Entscheidungsmatrix: Welche Strategie für welche Anlage?

Nicht jede Anlage rechtfertigt den Aufwand einer prädiktiven Wartung. Eine sinnvolle Entscheidungsmatrix berücksichtigt drei Faktoren:

• Kritikalität: Wie gravierend sind die Folgen eines ungeplanten Ausfalls? Bei kritischen Anlagen wie Aufzügen, Brandmeldeanlagen oder Serverraumkühlung ist Predictive Maintenance oft wirtschaftlich sinnvoll.
• Ausfallkosten: Übersteigen die Kosten eines ungeplanten Ausfalls die Investition in Sensorik und Analyse deutlich, lohnt sich der prädiktive Ansatz.
• Verschleißmuster: Anlagen mit vorhersagbarem, graduell fortschreitendem Verschleiß eignen sich besser als solche mit plötzlichem, zufälligem Ausfall.

Hybridstrategie als pragmatischer Ansatz

In der Praxis fahren erfolgreiche Facility-Management-Organisationen einen Hybridansatz: Für unkritische Standardkomponenten wie Leuchtmittel oder Filter bleibt die zeitbasierte Wartung wirtschaftlich sinnvoll. Für geschäftskritische Anlagen wird auf zustandsbasierte Wartung umgestellt. Und für einfache, günstig austauschbare Komponenten kann sogar die reaktive Strategie – bewusst bis zum Ausfall betreiben – die kosteneffizienteste sein.

Digitale Umsetzung

Ein modernes FM-System unterstützt alle drei Wartungsstrategien parallel. Zeitbasierte Pläne werden automatisch generiert, zustandsbasierte Schwellenwerte lösen Arbeitsaufträge aus, und reaktive Störmeldungen werden effizient abgearbeitet. Die Kunst liegt in der richtigen Zuordnung der Strategie je Anlage – und das erfordert Erfahrung, Datenanalyse und kontinuierliche Optimierung.