KI gestuetzte Anlagenverfuegbarkeit: Wie der Mittelstand Ausfallzeiten um 30 bis 40 Prozent senkt

Ungeplanter Stillstand kostet den deutschen Mittelstand jedes Jahr Milliarden. Ein einzelner Maschinenausfall von drei Tagen kann bei einem Betrieb mit 50 Mitarbeitern schnell 50.000 bis 80.000 Euro verschlingen. Dazu kommen versteckte Kosten. Eilauftraege, Ueberstunden, verpasste Liefertermine und Vertragsstrafen. Die gute Nachricht ist, dass der Einstieg in KI gestuetzte Anlagenverfuegbarkeit weder teure Sensorik noch ein neues CMMS voraussetzt. Die meisten produzierenden Unternehmen haben bereits alle Daten, die sie brauchen. Sie sitzen nur in unterschiedlichen Systemen und reden nicht miteinander. Dieser Ratgeber zeigt den ganzheitlichen Pfad von der Kennzahl bis zur Intelligenz-Schicht.

Was Anlagenverfuegbarkeit im Mittelstand wirklich kostet

Verfuegbarkeit ist einer der drei Faktoren der OEE. Sie misst, wie viel der geplanten Produktionszeit eine Anlage tatsaechlich laeuft. Doch anders als die reine OEE Kennzahl interessiert im Management die finanzielle Dimension. Was kostet eine Stunde Stillstand wirklich?

Diese Zahlen decken nur die direkten Kosten ab. Hinzu kommen versteckte Posten. Ueberstunden der Instandhaltung, Expressfracht fuer Ersatzteile, Nacharbeit bei bereits gefertigten Teilen und Entschaedigungen an Kunden wegen verspaeteter Lieferungen. In manchen Branchen wie Automotive loest ein einziger Ausfall eine Lieferunterbrechung aus, die ueber Wochen nachwirkt. Verfuegbarkeit ist deshalb keine rein technische Metrik fuer den Instandhalter. Sie ist eine Kennzahl, die direkt auf die Bilanz wirkt und die jeder Geschaeftsfuehrer sowie jeder CFO im Blick haben sollte.

Die vier Kennzahlen, die Entscheider steuern muessen

Wer Anlagenverfuegbarkeit verbessern will, braucht klare Kennzahlen. Vier an der Zahl. Jede davon laesst sich aus vorhandenen Systemen extrahieren und jede zeigt einen anderen Hebel.

Die meisten Unternehmen im Mittelstand messen heute nur die Verfuegbarkeit, oft sogar nur schaetzungsweise. MTBF und MTTR bleiben unerfasst oder liegen als handschriftliche Notizen in der Werkstatt. Das Problem liegt nicht im Fehlen von Daten. Es liegt im Fehlen einer zentralen Sicht. Eine Intelligenz-Schicht, die diese Kennzahlen aus ERP, EAM und Produktionsdaten aggregiert, schafft Transparenz ohne manuelles Excel Reporting. Entscheider sehen auf einen Blick, wo der groesste Hebel liegt. Oft liegt der groesste Hebel bei der MTTR. Mit besserem Wissensmanagement laesst sie sich halbieren.

Vier Stufen der Verfuegbarkeitssteuerung

Jedes produzierende Unternehmen befindet sich auf einer von vier Stufen. Die Einschaetzung hilft, realistische naechste Schritte zu definieren und Ressourcen nicht in falsche Investitionen zu lenken.

Die meisten produzierenden Mittelstaender in Deutschland befinden sich heute auf Stufe 1 oder 2. Sie haben ein CMMS oder nutzen Excel Listen. Was ihnen fehlt, ist die Verbindung zwischen den Systemen. Ein CMMS sieht den Ersatzteilbestand nicht. Das ERP sieht die Maschinendaten nicht. Die Produktionsleitung sieht beides nicht in Echtzeit. Die Middleware schliesst diese Luecke. Sie liest Daten aus vorhandenen Quellen, verknuepft sie und schafft eine einheitliche Wissensbasis. Darauf lassen sich erst eine Rules Engine und anschliessend eine Muster-Erkennung aufbauen.

Warum CMMS allein nicht reicht

Ein CMMS loest das Organisationsproblem. Tickets, Checklisten, Wartungstermine und digitale Protokolle. Das ist wertvoll und besser als Papier. Aber ein CMMS sieht keine Muster ueber Maschinen und Schichtgrenzen hinweg. Es warnt nicht, wenn Materialqualitaet, Temperatur und Verschleiss zusammen ein Risiko signalisieren, das einzeln harmlos aussieht. Es prognostiziert nicht, welcher Fehler mit welcher Wahrscheinlichkeit als naechstes auftritt. Und es integriert sich selten nahtlos in das ERP oder die Produktionssteuerung.

Die Luecke liegt in der Verbindungsebene. Wenn Ersatzteilbestand aus dem ERP, Wartungshistorie aus dem EAM und Maschinendaten aus der SPS in einer gemeinsamen Schicht zusammenlaufen, entsteht ein vollstaendiges Bild. Eine Intelligenz-Schicht ueber bestehenden Systemen ersetzt kein CMMS. Sie ergaenzt es mit analytischer Tiefe. Das unterscheidet den Ansatz fundamental von der Einfuehrung eines weiteren isolierten Systems. Unternehmen behalten ihre bestehende Software bei und gewinnen eine neue Qualitaet der Entscheidungsunterstuetzung.

Der Praxis Start ohne neue Sensorik

Der groesste Mythos in der industriellen KI ist die Annahme, dass man mit teurer Sensorik beginnen muss. Das Gegenteil ist der Fall. Die meisten produzierenden Unternehmen haben bereits vier Datenquellen, die ausreichen, um die Verfuegbarkeit signifikant zu verbessern.

Das ERP System enthaelt Ersatzteilbestaende, Bestellhistorien und Kostenstellen. Das EAM oder CMMS speichert Wartungsplaene, Stoerungsprotokolle und Reparaturhistorien. Die SPS oder Maschinensteuerung liefert Maschinenstunden, Zyklenzaehler und Fehlermeldungen. Das Qualitaetssystem dokumentiert Ausschussraten und Nacharbeitszeiten. Jede dieser Quellen allein ist nur bedingt aussagekraeftig. Zusammen erzaehlen sie eine Geschichte.

Eine Middleware liest diese Datenquellen aus und baut daraus eine Wissensbasis auf. Die Muster-Erkennung identifiziert Korrelationen, die einzelne Silos nicht sehen koennen. Ein typisches Beispiel aus der Praxis lautet: Wenn Ersatzteil X bestellt wird und Maschine Y mit ueber 85 Prozent Auslastung laeuft und die Temperatur drei Grad ueber dem Normalwert liegt, tritt innerhalb von fuenf Tagen ein kritisches Ereignis mit 78 Prozent Wahrscheinlichkeit ein. Solche Muster finden sich nicht in einem einzelnen System. Sie entstehen erst durch die Vernetzung.

60 Tage Plan zum ersten Ergebnis

Der Einstieg in KI gestuetzte Anlagenverfuegbarkeit ist kein Jahresprojekt. In 60 Tagen laesst sich die erste Fruehwarnung aufbauen, validieren und im Betrieb erproben. Der Plan gliedert sich in drei Phasen.

Wichtig ist, dass der Einstieg begleitet wird. Ein Workshop zu Beginn klärt, welche Anlagen kritisch sind und welche Daten tatsaechlich verfuegbar stehen. Ein Review nach 60 Tagen zeigt, was funktioniert und wo nachgesteuert werden muss. Das ist kein Selbstbedienungsprodukt, sondern eine partnerschaftliche Einfuehrung, bei der das Unternehmen gleichzeitig Know how aufbaut.

Was der Einstieg kostet und wann er sich rechnet

Die Investition in KI gestuetzte Anlagenverfuegbarkeit ist fuer den Mittelstand finanzierbar. Ein schlanker Start konzentriert sich auf eine kritische Anlagengruppe und baut darauf auf.

Ein realistisches Szenario zeigt die Wirtschaftlichkeit deutlich. Ein vermiedener Stillstand von zwei Tagen an einer zentralen Maschine amortisiert den gesamten Einstieg. Ein Betrieb mit 80 Mitarbeitern und 12 Spritzgussmaschinen verzeichnete im Vorjahr 18 ungeplante Ausfaelle mit durchschnittlich 3,5 Tagen Dauer. Die Kosten beliefen sich auf 210.000 Euro. Eine Reduzierung um nur 30 Prozent spart 63.000 Euro pro Jahr. Das ist mehr als das Dreifache der Investition.

Praxisbeispiel: Wie ein Kunststoffverarbeiter die Verfuegbarkeit von 72 auf 89 Prozent steigerte

Ein anonymisiertes Beispiel aus der Praxis zeigt, wie die vier Stufen in der Realitaet wirken. Es handelt sich um einen Kunststoffverarbeiter mit 85 Mitarbeitern und 12 Spritzgussmaschinen in Bayern.

Ausgangslage: 47 ungeplante Stillstaende im Vorjahr, durchschnittlich 4,5 Stunden Dauer, gesamte Ausfallkosten 180.000 Euro. Die Instandhaltung arbeitete reaktiv. Fehlermeldungen wurden per Telefon weitergegeben, Wartungsprotokolle handschriftlich gefuehrt. Das Wissen ueber Ursachen und Loesungen steckte in den Koepfen von drei erfahrenen Technikern. Wenn einer krank war, stieg die Reparaturdauer um 40 Prozent.

Massnahmen: Die Middleware wurde an das ERP System und die Maschinensteuerungen angebunden. Eine Wissensbasis mit drei Jahren Stoerungsdaten wurde aufgebaut und strukturiert. Eine Rules Engine ueberwachte Temperatur und Druck an allen Maschinen. Die Muster-Erkennung identifizierte fruehe Warnsignale, die einem Ausfall durchschnittlich vier Tage vorausgingen.

Ergebnis nach 8 Monaten:

• Ungeplante Stillstaende: 47 auf 19 reduziert. Das sind 60 Prozent weniger.
• Durchschnittliche Reparaturdauer: 4,5 auf 2,8 Stunden reduziert. Das sind 38 Prozent schneller.
• Anlagenverfuegbarkeit: von 72 auf 89 Prozent gesteigert.
• Jaehrliche Einsparung: 108.000 Euro.

Schluesselerkenntnis: Der groesste Hebel lag bei der Reduzierung der MTTR, nicht bei der Vorhersage. Durch die zentralisierte Wissensbasis wussten Techniker sofort, welche Massnahme bei welchem Fehlerbild half. Neue Mitarbeiter fanden die richtige Information in Sekunden statt in Stunden. Das Know how war nicht mehr an Einzelpersonen gebunden. Das zeigt, dass Anlagenverfuegbarkeit ein ganzheitliches Thema ist. Ausfaelle vorherzusagen ist ein Teil. Die Reaktion darauf zu beschleunigen ist mindestens genauso wichtig.