Manufacturing Intelligence Series | Modul 1 von 6

Predictive Maintenance:
Den Ausfall sehen, bevor er passiert

Nicht „Wartung nach Plan" - sondern „Wartung, wenn die Daten es sagen". Survival-Modelle und LSTM lernen aus Sensor- und Wartungshistorie die Restlebensdauer jeder Anlage und warnen, bevor der teure ungeplante Stillstand eintritt.

Modellrechnung - fiktiver Muster-Betrieb

Dieses Modul ist Teil einer sechsteiligen Modellrechnung über einen fiktiven mittelständischen Fertigungsbetrieb (48 Anlagen, 3-Schicht-Betrieb, 85 Mio. € Umsatz). Alle Euro-Beträge sind aus den hinterlegten Annahmen des Muster-Betriebs hergeleitet. Es sind keine Ergebnisse realer Kunden und kein Leistungsversprechen. Welche Werte auf Ihren realen Daten erreichbar sind, zeigt erst ein Pilotprojekt.

01 Das Problem - Ungeplanter Stillstand ist der teuerste Stillstand

Warum starre Wartungsintervalle Geld in beide Richtungen verbrennen

Wartung nach festem Intervall ist immer falsch: Zu früh tauscht man intakte Teile, zu spät steht die Linie. Der ungeplante Ausfall ist dabei am teuersten - Produktionsausfall, Eil-Ersatzteile, Sonderschichten und verlorene Termine summieren sich pro Stunde.

Die Signale für einen kommenden Ausfall stehen längst in Ihren Daten: Vibration, Temperatur, Stromaufnahme, Zykluszeiten, Fehlercodes. Kein Mensch wertet das für 48 Anlagen rund um die Uhr aus. Ein Modell schon.

1 Stunde ungeplanter Stillstand = €750 Folgekosten

Und am Ende wird die Anlage doch repariert - nur ungeplant, unter Zeitdruck und mitten in der Schicht.

Sensordaten
Wartungshistorie
Survival-Modell
Restlebensdauer
Wartung vor Ausfall

02 Das Modell - Restlebensdauer statt starrer Intervalle

Survival-Analyse schätzt die Ausfallwahrscheinlichkeit über die Zeit, LSTM erkennt das Muster im Sensorverlauf

▸ Beispielwerte - Illustration der Methode, keine durchgeführte Analyse
Anlagen mit Vorwarnung (> Schwelle): 7 von 48
Mediane Vorwarnzeit vor Ausfall: 11 Tage
Ausfall-Wahrscheinlichkeit über Restlaufzeit - kritische vs. stabile Anlage
↳ Zwei Methoden, ein Ziel

Das Survival-Modell (Gradient Boosted Cox) liefert je Anlage eine Ausfall-Wahrscheinlichkeit über die nächsten Wochen. Das LSTM erkennt im hochfrequenten Sensorverlauf die Anomalie, die dem Ausfall vorausgeht. Zusammen ergeben sie im Median eine Vorwarnzeit von 11 Tagen, genug für planbare Wartung in der Schwachlast.

03 Business Impact - Weniger ungeplante Stunden

Der Hebel: Aus ungeplantem wird geplanter Stillstand

€216.000
Einsparung / Jahr
−32%
Weniger ungeplante Stillstände
11 Tage
Ø Vorwarnzeit
Ungeplante Stillstandsstunden - vorher vs. mit Modell
Modellrechnung · So entsteht der Betrag - transparent hergeleitet

Jede Annahme stammt aus dem Muster-Betrieb und ist zentral hinterlegt. Mit Ihren echten Zahlen ändert sich nur die Eingabe, nicht die Methode.

PositionWert
Ungeplante Stillstandsstunden / Jahr900 h
Stillstandskosten je Stunde€750
Basis: Ungeplante Stillstandskosten / Jahr€675.000
Hebel: Reduktion durch Predictive Maintenance32 %
Ergebnis: Einsparung / Jahr€216.000

Annahmen eines Muster-Betriebs - in einem realen Projekt ersetzen Ihre Daten diese Werte.

↳ Der Planungseffekt

Geplante Wartung kostet einen Bruchteil: Sie passiert in der Schwachlast, mit vorbereiteten Ersatzteilen und ohne Sonderschicht. Das Modell verschiebt nicht die Wartungsmenge - es verschiebt sie auf den richtigen Zeitpunkt.

04 Nächste Schritte in Ihrer Fertigung

Vom Modell zum Instandhaltungs-Cockpit

① Daten-Andockung

Wir lesen Sensor- und Wartungshistorie aus MES/Leitsystem - read-only, ohne Eingriff in die Steuerung.

② Pilot an 1 Linie

Ein kritischer Anlagentyp wird modelliert. In 4 Wochen sehen Sie die Vorwarnungen gegen reale Ausfälle validiert.

③ Wartungs-Alert

Automatischer Hinweis ins Instandhaltungssystem: „Anlage X - Ausfallrisiko in Y Tagen, empfohlenes Wartungsfenster Z."

Alle 6 Module: KI in der Produktion