Predictive Maintenance: Ausfälle bei Automatisierungsanlagen vermeiden

Ungeplante Stillstände sind für produzierende Betriebe oft teurer als gedacht. Laut einer häufig zitierten Industrieanalyse kostet eine einzige Stunde ungeplanter Produktionsausfall deutsche Unternehmen im Schnitt weit mehr als 100.000 Euro – in der Automobilindustrie sind es in Spitzenwerten sogar über eine Million. Wer Automatisierungsanlagen betreibt, kennt das Risiko: Ein ausgefallener Frequenzumrichter, ein defektes SPS-Netzteil oder ein verschlissenes Bauteil in der Antriebssteuerung können ganze Fertigungslinien zum Stillstand bringen. Predictive Maintenance – zu Deutsch: vorausschauende Wartung – setzt genau hier an.

Was Predictive Maintenance bedeutet – und was nicht

Der Begriff klingt nach teurer IT-Infrastruktur und Big-Data-Plattformen. Tatsächlich ist das Grundprinzip deutlich nüchterner: Es geht darum, den Zustand von Anlagen kontinuierlich zu beobachten und Wartungsmaßnahmen dann einzuleiten, wenn die Daten es nahelegen – nicht nach Kalender und nicht erst nach dem Ausfall.

Damit unterscheidet sich Predictive Maintenance von zwei anderen Wartungsansätzen:

• Reaktive Wartung bedeutet: Erst reparieren, wenn etwas kaputt ist. Günstig in der Planung, aber im Ernstfall sehr teuer.
• Präventive Wartung folgt festen Intervallen – etwa alle 6 Monate, unabhängig vom tatsächlichen Verschleiß. Das ist verlässlich, verschwendet aber Ressourcen, wenn Komponenten noch lange hätten laufen können.
• Vorausschauende Wartung nutzt Messdaten, um den optimalen Eingriffszeitpunkt zu bestimmen: möglichst spät, aber rechtzeitig vor dem Ausfall.

Das Fraunhofer-Institut für Experimentelles Software Engineering (IESE) beschreibt Predictive Maintenance als eine der wichtigsten Anwendungen der Industrie 4.0 – weil sie erstmals ermöglicht, nicht nur auf Zustandsdaten zu reagieren, sondern deren künftige Entwicklung vorherzusagen.

Welche Daten zählen wirklich?

In der Praxis liefern Automatisierungsanlagen bereits ohne aufwendige Nachrüstung eine Vielzahl verwertbarer Signale. Dazu gehören:

• Temperaturen an Leistungskomponenten wie Umrichtern, Transformatoren und Motoren
• Stromaufnahme und Lastkurven von Antrieben
• Schwingungen und Vibrationen an rotierenden Teilen
• Fehlercodes und Warnungen aus SPS-Systemen und Antriebsreglern
• Betriebsstunden von Lüftern, Kondensatoren und anderen Verschleißteilen

Gerade ältere Steuerungssysteme – etwa Omron-Regler der Serien C200H oder CQM1 – protokollieren intern Zustandsinformationen, die über serielle Schnittstellen ausgelesen werden können. Wer diese Daten systematisch erfasst und auswertet, hat bereits einen soliden Ausgangspunkt für vorausschauende Wartung, ohne zwingend in neue Hardware investieren zu müssen.

Die drei Stufen der Umsetzung

1. Condition Monitoring als Einstieg

Bevor man von echtem Predictive Maintenance sprechen kann, steht das Condition Monitoring: die strukturierte Überwachung von Maschinenzuständen in Echtzeit. Sensoren messen kontinuierlich, die Werte werden gespeichert und bei Überschreitung von Schwellwerten wird ein Alarm ausgelöst. Das ist technisch überschaubar und lässt sich auch bei bestehenden Anlagen nachrüsten.

Das Fraunhofer ITWM forscht intensiv daran, wie aus diesen Rohdaten verlässliche Prognosen über die Restnutzungsdauer von Komponenten gewonnen werden können – ein Schritt, der für viele mittelständische Betriebe zunehmend erreichbar wird.

2. Mustererkennung und Trendanalyse

Im nächsten Schritt werden historische Betriebsdaten ausgewertet, um Muster zu erkennen: Welche Signale haben in der Vergangenheit einem Ausfall vorausgelaufen? Wie lange dauert es typischerweise vom ersten Warnsignal bis zum Defekt?

Hier kommen – je nach Anlagentyp und Datenmenge – statistische Modelle oder maschinelles Lernen zum Einsatz. Für viele Anwendungsfälle in der Automatisierungstechnik reichen dabei einfachere Verfahren wie Trendlinien und Schwellwertanalysen vollkommen aus.

3. Integration in Wartungsprozesse

Das beste Frühwarnsystem nützt wenig, wenn es keine klaren Handlungsanweisungen erzeugt. Predictive Maintenance muss deshalb organisatorisch eingebettet sein: Wer erhält die Meldung? Welches Ersatzteil muss vorgehalten werden? Wann ist der beste Zeitpunkt für den Eingriff in den Produktionsablauf?

Gerade für Anlagen mit Altkomponenten – insbesondere bei Steuerungssystemen, bei denen Ersatzteile nicht mehr ab Lager verfügbar sind – ist die vorausschauende Planung besonders wertvoll. Es reicht nicht, zu wissen, dass eine Komponente demnächst ausfallen könnte. Man muss auch sicher sein, dass der Ersatz rechtzeitig beschaffbar ist.

Typische Schwachstellen in Automatisierungsanlagen

Nicht jede Komponente trägt das gleiche Ausfallrisiko. Erfahrungsgemäß verdienen in älteren Steuerungsanlagen folgende Bauteile besondere Aufmerksamkeit:

Elektrolytkondensatoren altern chemisch – unabhängig vom Betrieb. In Netzteilen, Umrichtern und SPS-Einheiten, die mehr als zehn Jahre alt sind, sinkt die Kapazität messbar und der ESR (äquivalenter Serienwiderstand) steigt. Regelmäßiges Messen lohnt sich.

Lüfter in Leistungselektronik sind klassische Verschleißteile mit berechenbarer Lebenserwartung. Viele Geräte protokollieren Lüfterdrehzahl oder melden eine Abweichung – diese Daten sollten aktiv ausgewertet werden.

Batterien in SPS-Systemen sichern flüchtige Datenspeicher und Uhren. Ein ungeplanter Batterieverlust kann bei der Wiederinbetriebnahme zu Datenverlusten führen, die weit teurer sind als die Batterie selbst.

Relais und mechanische Kontakte unterliegen bei häufiger Schalthäufigkeit mechanischem Verschleiß, der sich in verlängerten Schaltzeiten und erhöhten Kontaktwiderständen ankündigt.

Was kostet ein Ausfall wirklich?

Das Gabler Wirtschaftslexikon definiert Stillstandskosten als die Gesamtheit der Kosten, die durch den Produktionsstopp entstehen – also nicht nur der entgangene Umsatz, sondern auch Lohnkosten für die stehende Belegschaft, Kosten für Expressbeschaffung von Ersatzteilen, Überstunden des Instandhaltungsteams und mögliche Vertragsstrafen bei Lieferverzögerungen.

Gerade bei Automatisierungsanlagen, in denen spezialisierte Komponenten verbaut sind, kommt ein weiterer Faktor hinzu: Wenn ein benötigtes Ersatzteil nicht mehr regulär verfügbar ist und erst aufgefunden oder aufbereitet werden muss, verlängert sich die Stillstandszeit erheblich. Wer dann keinen Bestand an kritischen Bauteilen vorhält und keine vorausschauende Planung betreibt, ist auf Zufälle angewiesen.

Predictive Maintenance im Mittelstand – pragmatisch gedacht

Für kleinere und mittlere Industriebetriebe muss Predictive Maintenance kein Millionenprojekt sein. Ein pragmatischer Einstieg funktioniert schrittweise:

1. Kritische Komponenten identifizieren – Welche Bauteile würden bei Ausfall die längsten Stillstände verursachen?
2. Messgrößen festlegen – Welche Parameter können mit vorhandenen oder einfachen Mitteln erfasst werden?
3. Basislinie ermitteln – Was sind Normalwerte im Betrieb? Wann weicht ein Wert signifikant ab?
4. Ersatzteilstrategie anpassen – Welche Teile müssen vorgehalten werden, um schnell reagieren zu können?
5. Wartungsintervalle anpassen – Weg vom starren Kalender, hin zur zustandsbasierten Planung.

Dieser Ansatz lässt sich auch ohne cloudbasierte IoT-Plattformen umsetzen – mit einfachen Datenloggern, strukturierten Wartungsprotokollen und dem richtigen Blick auf die richtigen Messwerte.

Retrofit als Brücke zwischen Alt und Neu

Viele Produktionsanlagen in Deutschland laufen seit 20 oder 30 Jahren zuverlässig – und sollen es noch viele weitere Jahre tun. Eine Komplettmodernisierung ist oft wirtschaftlich nicht sinnvoll. Genau hier liegt das Potenzial des Retrofits: Bestehende Steuerungssysteme werden um moderne Sensorik und Kommunikationsschnittstellen ergänzt, ohne die bewährte Anlagenstruktur anzutasten.

Das ermöglicht es, Predictive-Maintenance-Strategien auch auf ältere Anlagen anzuwenden. Die Investition ist deutlich geringer als bei einer Neuanlage, und die Anlage bleibt produktiv. Gleichzeitig werden Abhängigkeiten von nicht mehr verfügbaren Ersatzteilen schrittweise reduziert.

Vorausschauende Wartung ist kein Luxusthema für Großkonzerne. Sie ist eine Frage der betrieblichen Resilienz – und angesichts immer längerer Lieferzeiten für Industriekomponenten und knapper Fachkräfte in der Instandhaltung wird sie für jeden produzierenden Betrieb relevanter. Der erste Schritt ist oft kleiner als erwartet: genau hinschauen, messen, dokumentieren – und handeln, bevor der Ausfall erzwingt.