Eine Maschine klingt anders, ein Lager wird wärmer oder ein Antrieb zieht mehr Strom als üblich. Erfahrene Fachkräfte bemerken solche Veränderungen oft früh. Künstliche Intelligenz kann Sensordaten über längere Zeit vergleichen und Hinweise auf möglichen Verschleiß liefern. Sie kann damit helfen, Wartung besser zu planen. Sie darf jedoch weder Herstellerangaben verdrängen noch eine Maschine eigenständig für sicher erklären. Instandhaltung bleibt eine Aufgabe fachkundiger Menschen.
Dieser Leitfaden zeigt, wie österreichische Betriebe Predictive Maintenance schrittweise einführen können. Im Mittelpunkt stehen sichere Arbeitsabläufe, nachvollziehbare Warnungen und das Erfahrungswissen der Beschäftigten. Das Ziel ist nicht maximale Datensammlung. Es ist eine belastbare Entscheidung: Was wird wann, von wem und unter welchen Schutzmaßnahmen geprüft?
Was vorausschauende Wartung tatsächlich bedeutet
Bei klassischer vorbeugender Wartung werden Teile nach festen Intervallen kontrolliert oder getauscht. Zustandsorientierte Wartung nutzt Messwerte wie Temperatur, Schwingung, Druck, Geräusch oder Stromaufnahme. Predictive Maintenance versucht daraus abzuleiten, wann eine Abweichung relevant werden könnte. Die WKO-Serviceinitiative KI Österreich nennt Produktion und Wartung von Sensorik bis Predictive Maintenance als betrieblichen Anwendungsbereich.
Eine Prognose ist keine Gewissheit. Ein ungewöhnlicher Wert kann auf Verschleiß hinweisen, aber auch auf geänderte Auslastung, Umgebungstemperatur, neues Material oder einen defekten Sensor. Das System soll deshalb Gründe, Vergleichszeitraum und Unsicherheit anzeigen. Fachkräfte verbinden diesen Hinweis mit Sichtprüfung, Herstellerunterlagen und Kenntnis der Anlage.
Sicherheit geht vor Verfügbarkeit
Wartungs- und Störungsarbeiten sind besonders gefährlich, weil Schutzvorrichtungen geöffnet, Energien getrennt oder ungewöhnliche Zustände untersucht werden. Die Arbeitsinspektion zu Arbeitsvorgängen hält fest, dass Arbeitsmittel über ihre Nutzungsdauer in ordnungsgemäßem Zustand zu halten und sicherheitsrelevante Teile regelmäßig zu warten sind. Fachkundige Personen und vorgeschriebene Wartungsbücher bleiben unabhängig von einer KI-Lösung erforderlich.
Ein Algorithmus darf keine Schutzmaßnahme verkürzen. Auch wenn er „geringes Ausfallrisiko“ meldet, gelten Freischalten, Sichern gegen Wiedereinschalten, Prüfen der Energiefreiheit und weitere betriebliche Vorgaben. Umgekehrt rechtfertigt ein Warnsignal keinen improvisierten Eingriff an laufender Maschine. Die sichere Reaktion wird vorab in einer Arbeitsanweisung festgelegt.
Mit einem klaren Problem starten
Viele Projekte scheitern, weil zunächst Daten gesammelt und erst später nach einer Frage gesucht wird. Besser ist ein begrenzter Anwendungsfall: ungeplante Lagerausfälle an einer bestimmten Anlage reduzieren, Druckluftleckagen früher erkennen oder Wartungsfenster einer Pumpe besser vorbereiten. Dazu gehören eine bekannte Fehlerhistorie, messbare Folgen und ein Team, das die Anlage versteht.
Für den Pilot werden Ziel und Grenze schriftlich festgehalten. Beispiel: „Das System liefert einen zusätzlichen Prüfhinweis für Lager A. Es ändert keine Maschinenparameter, löst keinen automatischen Stillstand aus und ersetzt keine vorgeschriebenen Inspektionen.“ So wissen Schicht, Instandhaltung, Arbeitssicherheit und Management, was der Pilot kann und was nicht.
Der Einführungsweg in acht Schritten
- Anlage und Risiko abgrenzen: Welche Komponente, welcher Ausfall und welche Sicherheitsfolgen stehen im Fokus?
- Herstellerangaben sichern: Wartungsintervalle, Grenzwerte, Betriebsarten und zulässige Messpunkte werden dokumentiert.
- Erfahrungswissen erfassen: Fachkräfte beschreiben typische Geräusche, Gerüche, Temperaturen und Vorzeichen.
- Datenqualität prüfen: Sensorposition, Kalibrierung, Zeitstempel, Ausfälle und geänderte Betriebsbedingungen werden sichtbar.
- Warnlogik testen: Historische bekannte Fälle und normale Sonderzustände werden getrennt ausgewertet.
- Reaktion definieren: Für jede Warnstufe steht fest, wer innerhalb welcher Zeit welche sichere Prüfung durchführt.
- Menschlich freigeben: Wartungsauftrag und Eingriff werden von fachkundigen Personen entschieden.
- Wirkung messen: Fehlalarme, übersehene Defekte, Stillstandszeit und Sicherheitsbeobachtungen werden gemeinsam bewertet.
Beispiel aus einem Produktionsbetrieb
Ein oberösterreichischer Betrieb überwacht die Schwingung eines Förderbandlagers. Das Modell erkennt einen langsam steigenden Wert und meldet eine Abweichung zur vergleichbaren Last. Die Instandhalterin sieht im Dashboard nicht nur „rot“, sondern Zeitverlauf, Sensorstatus und ähnliche frühere Fälle. Sie prüft Schmierung, Befestigung und Temperatur im vorgesehenen sicheren Zustand. Dabei stellt sie fest, dass eine kürzlich geänderte Materialmischung die Last erhöht hat; das Lager selbst ist unauffällig.
Der Fall wird als erklärter Fehlalarm dokumentiert. Das Team ergänzt die Materialart als Kontext und passt nicht einfach den Grenzwert nach oben an. Beim nächsten Hinweis erkennt das System einen anderen Verlauf. Diesmal bestätigt die fachkundige Prüfung beginnenden Verschleiß, und der Tausch wird in ein geplantes Stillstandsfenster gelegt. Der Nutzen entsteht aus Lernen und Prozessdisziplin, nicht aus blindem Vertrauen.
Datenqualität ist Teil der Wartung
Ein Modell kann nur mit dem arbeiten, was Sensoren und Systeme liefern. Fehlende Zeitstempel, getauschte Sensoren, neue Firmware oder veränderte Positionen können Trends vortäuschen. Deshalb gehören Sensor-ID, Montageort, Kalibrierung und Wartung in ein Datenblatt. Änderungen werden versioniert. Wenn die Datenlücke zu groß ist, muss das System „keine belastbare Aussage“ melden.
Auch Ereignisdaten brauchen einheitliche Begriffe. „Defekt“, „Störung“, „geplant getauscht“ und „kein Fehler gefunden“ sind nicht dasselbe. Fachkräfte sollten Abschlussgründe auswählen und ergänzen können. Freitext kann von KI strukturiert vorgeschlagen werden, aber die Person bestätigt die Zuordnung. Sonst lernt das Modell aus uneinheitlichen oder falschen Etiketten.
Erfahrungswissen sichtbar machen, nicht entwerten
Beschäftigte kennen Eigenheiten, die in keiner Sensorkurve stehen: ein bestimmtes Geräusch beim Kaltstart, Materialstaub nach einer Produktumstellung oder eine harmlose Vibration bei einer definierten Drehzahl. Ein Pilot sollte dieses Wissen früh einbeziehen. Interviews, gemeinsame Anlagenrundgänge und kommentierte historische Fälle liefern bessere Regeln als ein fertiges Dashboard, das erst nachträglich erklärt wird.
Warnungen dürfen nicht zur individuellen Leistungskontrolle missbraucht werden. Wenn ein Wartungsteam viele Hinweise schließt, beweist das weder schlechte Arbeit noch eine problematische Schicht. Vielleicht arbeitet es an der kritischsten Anlage. Kennzahlen beziehen sich auf Anlagenzustand und Prozessqualität, nicht auf ein persönliches Ranking. Transparenz stärkt die Bereitschaft, Beobachtungen ehrlich zu melden.
Herstellerunterlagen bleiben verbindlich
Die Arbeitsinspektion zur Arbeitsplatzevaluierung von Maschinen betont Betriebsanleitung, vorgesehene Wartung, Verschleißkriterien und Qualifikation. Eine KI-Prognose kann ein zusätzliches Wartungsfenster vorschlagen, sie darf vorgeschriebene Intervalle nicht eigenmächtig verlängern. Soll ein Prozess geändert werden, müssen Herstellerangaben, Gefährdungsbeurteilung und zuständige Fachleute einbezogen werden.
Auch neue Sensorik darf Schutzfunktionen nicht beeinträchtigen. Montage, Verkabelung und Datenübertragung werden technisch geprüft. Ein günstiger drahtloser Sensor ist keine gute Lösung, wenn er sich lösen, hygienische Anforderungen verletzen oder ein Sicherheitsrisiko schaffen kann. Die Messung muss zur Umgebung passen.
Warnstufen, die Menschen verstehen
Drei klare Stufen reichen oft. „Beobachten“ bedeutet: Wert bei der nächsten regulären Runde prüfen. „Zeitnah prüfen“ erzeugt einen Auftrag für eine fachkundige Kontrolle innerhalb eines definierten Fensters. „Sicherheitsrelevant“ aktiviert den betrieblichen Notfall- oder Stillstandsprozess. Jede Stufe zeigt Grund, betroffene Komponente, Datenqualität und vorgesehene Reaktion. Farben allein genügen nicht.
Die Schwellenwerte werden nicht nur auf wenige Ausfälle optimiert. Das Team betrachtet auch Fehlalarme und übersehene Ereignisse. Ein zu empfindliches System wird ignoriert; ein zu stilles System schafft falsche Sicherheit. Änderungen an Modellen und Schwellen benötigen Freigabe, Versionsnummer und Rückfallmöglichkeit.
Datenschutz und Cybersicherheit mitplanen
Maschinendaten wirken unpersönlich, können aber Schichtpläne, Bedienhandlungen oder Arbeitsleistung indirekt sichtbar machen. Vor dem Pilot wird geklärt, ob ein Personenbezug entsteht und welche Auswertung wirklich notwendig ist. Zugriffe folgen Rollen, Rohdaten werden nicht unbegrenzt gespeichert und Exporte sind nachvollziehbar. Die WKO-Guideline zu KI und rechtlichen Rahmenbedingungen erinnert an Datenschutz und weitere geltende Rechte.
Vernetzte Sensoren und Wartungsplattformen erweitern außerdem die Angriffsfläche. Zugangsdaten, Updates, Netztrennung, Protokollierung und sichere Fernwartung gehören deshalb in die Einführung. Das System sollte keine unnötige Schreibberechtigung auf Maschinensteuerungen besitzen. Für einen reinen Hinweisprozess ist lesender Zugriff häufig ausreichend.
Kennzahlen für einen ehrlichen Pilot
- Anteil der Hinweise, die eine relevante fachliche Beobachtung ausgelöst haben
- Zahl und Aufwand unnötiger Prüfungen
- übersehene Defekte trotz vorhandener Daten
- Vorlaufzeit zwischen Hinweis und bestätigtem Wartungsbedarf
- geplante statt ungeplante Stillstandszeit
- Datenlücken, Sensorfehler und nicht erklärbare Modelländerungen
- Rückmeldungen der Fachkräfte zu Verständlichkeit und Sicherheit
Eine eingesparte Stunde ist kein Erfolg, wenn dafür riskante Eingriffe oder dauerhafte Fehlalarme entstehen. Der bestehende JobSpot-Beitrag zur KI-Qualitätskontrolle zeigt ergänzend, wie Prüfhinweise und menschliche Freigaben in Produktionsprozessen zusammenspielen.
Vom Modellhinweis zum sicheren Arbeitsauftrag
Zwischen Warnung und Wartung liegt ein entscheidender Übersetzungsschritt. Ein Modell erkennt etwa steigende Schwingung, doch der Arbeitsauftrag muss konkrete, sichere Tätigkeiten enthalten: Anlage identifizieren, Zustand dokumentieren, Freigabe einholen, Energiequellen sichern und vorgesehene Prüfpunkte abarbeiten. Die KI darf keine improvisierte Reparaturanleitung erzeugen. Arbeitsauftrag und Checkliste stammen aus freigegebenen Hersteller- und Betriebsunterlagen.
Der Auftrag zeigt auch, welche Qualifikation erforderlich ist und welche Ersatzteile oder Messmittel vorbereitet werden sollen. Dadurch wird ein Hinweis praktisch nutzbar, ohne die fachliche Diagnose vorwegzunehmen. Nach der Arbeit bestätigt die Fachkraft Befund, Maßnahme und Ergebnis. „Kein Fehler gefunden“ ist ebenso wichtig wie ein getauschtes Teil, weil es die künftige Warnlogik verbessert.
Ein Wartungsauftrag darf nicht automatisch geschlossen werden, nur weil Messwerte wieder normal aussehen. Vielleicht wurde die Anlage langsamer betrieben oder ein Sensor ist ausgefallen. Abschluss erfordert eine benannte Person und nachvollziehbare Prüfung. Bei sicherheitsrelevanten Komponenten gelten zusätzliche Freigaben.
Kleine Betriebe können klein beginnen
Predictive Maintenance benötigt nicht sofort eine vollständig vernetzte Fabrik. Ein kleiner Betrieb kann mit einer kritischen Pumpe oder einem Kompressor beginnen und wenige verlässliche Messgrößen erfassen. Entscheidend ist, dass genug bekannte Normal- und Fehlerfälle vorhanden sind. Wenn nur zwei Ausfälle dokumentiert sind, sollte das System keine scheinbar exakte Restlebensdauer versprechen.
Oft liefert eine einfache Trendregel zunächst mehr Nutzen als ein komplexes Modell. Erst wenn Datenqualität und Reaktionsprozess funktionieren, wird die Analyse erweitert. Die WKO-Unterlage zu KI und Predictive Maintenance kann als Einstieg in typische Anwendungen dienen. Auswahl und Umsetzung müssen zur konkreten Anlage passen.
Für die Wirtschaftlichkeitsrechnung werden Sensorik, Integration, Schulung, Fehlalarme, sichere Prüfzeit und laufende Pflege berücksichtigt. Verhinderte Stillstände sind ein möglicher Nutzen, aber keine garantierte Einsparung. Ein Pilot endet mit einer bewussten Entscheidung: ausweiten, anpassen oder stoppen.
Schichtübergabe und Kommunikation
Warnungen verlieren ihren Wert, wenn sie beim Schichtwechsel im persönlichen Postfach liegen bleiben. Deshalb gehören offene Hinweise in einen gemeinsamen, rollenbasierten Übergabeprozess. Die ablösende Schicht sieht Status, letzte Prüfung, nächste Frist und verantwortliche Person. Freitext-Zusammenfassungen können durch KI vorbereitet werden, müssen aber auf den tatsächlichen Aufträgen und Messwerten beruhen.
Die Sprache bleibt eindeutig. „Anlage beobachten“ braucht einen Zeitpunkt und einen konkreten Messpunkt. „Bald prüfen“ ist zu vage. Bei akuter Gefahr gelten die bestehenden Alarm- und Stillstandswege; eine Chatnachricht ersetzt sie nicht. Teams üben diese Übergabe mit realistischen, aber sicheren Szenarien.
Auch Produktionsplanung und Einkauf benötigen ausgewählte Informationen, etwa ein mögliches Wartungsfenster oder ein benötigtes Ersatzteil. Sie brauchen nicht alle Rohdaten. Rollenbasierte Ansichten halten den Prozess übersichtlich und reduzieren unnötige Zugriffe.
Für geplante Stillstände braucht es zudem eine eindeutige Rückmeldung an alle betroffenen Teams. Produktion bestätigt das Zeitfenster, Instandhaltung die erforderlichen Personen und Werkzeuge, Arbeitssicherheit die vorgesehenen Schutzmaßnahmen. Wird ein Termin verschoben, bleibt der ursprüngliche Warnhinweis offen und erhält ein neues Prüfdatum. So verschwindet ein relevantes Signal nicht zwischen Kalender, Ticketsystem und Schichtbuch.
Nach dem Wiederanlauf werden Messwerte und Funktion unter den vorgesehenen Bedingungen geprüft. Die Fachkraft bestätigt nicht nur, dass die Maschine läuft, sondern auch, dass Schutzvorrichtungen aktiv und offene Punkte dokumentiert sind. Erst dann ist der Auftrag fachlich abgeschlossen.
Checkliste vor dem Regelbetrieb
- Der Anwendungsfall und ausdrücklich ausgeschlossene Entscheidungen sind dokumentiert.
- Herstellerintervalle, Schutzmaßnahmen und fachkundige Zuständigkeiten bleiben unverändert gültig.
- Sensoren, Datenqualität und Kontextänderungen sind nachvollziehbar.
- Jede Warnstufe hat eine sichere, zeitlich definierte Reaktion.
- Fachkräfte können Hinweise erklären, korrigieren und als Fehlalarm kennzeichnen.
- Modell- und Regeländerungen sind versioniert und rücksetzbar.
- Personenbezug, Berechtigungen, Speicherfristen und IT-Sicherheit wurden geprüft.
Fazit: Gute Wartung verbindet Daten und Erfahrung
Predictive Maintenance kann Ausfälle früher sichtbar machen und Wartungsfenster besser vorbereiten. Verlässlich wird sie erst, wenn Datenqualität, Herstellerwissen, Arbeitsschutz und praktische Erfahrung zusammenkommen. Die KI liefert einen begründeten Hinweis; fachkundige Menschen entscheiden über Prüfung und Eingriff. So wird Technik zu einem zusätzlichen Werkzeug der Instandhaltung und nicht zu einer riskanten Abkürzung.
KI-Hinweis: Dieser Beitrag wurde mit KI als strukturierender Entwurfshilfe erstellt und redaktionell geprüft. Konkrete Wartungs- und Sicherheitsentscheidungen gehören in die Hände fachkundiger Personen.
