Aus der Praxis
Wie man aus Instandhaltungsdaten Entscheidungen ableitet
Was die Daten erzählen – wenn man sie lässt
Drei Kennzahlen bilden das Grundgerüst jeder datenbasierten Instandhaltungsentscheidung:
| Kennzahl | Ausgeschriebener Begriff | Was sie aussagt |
|---|---|---|
| MTBF | Mean Time Between Failures – mittlere Betriebsdauer zwischen zwei Ausfällen | Wie zuverlässig ist ein Arbeitsmittel? |
| MTTR | Mean Time To Repair – mittlere Reparaturdauer | Wie lange ist das Mittel nach einem Ausfall nicht verfügbar? |
| Störrate | Anzahl ungeplanter Ausfälle pro Zeiteinheit | Häufen sich die Probleme? Gibt es ein Muster? |
Diese drei Werte sind keine Theorie. Sie sind das Handwerkszeug, mit dem Entscheidungen – Intervall anpassen, reparieren oder tauschen, Ersatzteil bevorraten – auf einer nachvollziehbaren Grundlage getroffen werden.
Die Datenquelle, die viele übersehen 📋
Diese Nachweise dokumentieren Prüfdaten, festgestellte Mängel und durchgeführte Maßnahmen. Werden sie nicht nur abgeheftet, sondern systematisch ausgewertet, liefern sie belastbare Zeitreihen: Wann trat welcher Mangel auf? Wie oft musste dasselbe Bauteil getauscht werden? Verkürzt sich der Abstand zwischen zwei Prüfereignissen mit auffälligen Befunden?
Wer diese Daten nie für eine Entscheidung heranzieht, erfüllt zwar die Dokumentationspflicht – lässt aber den eigentlichen Mehrwert ungenutzt.
Vom Datum zur Entscheidung: Ein strukturierter Ablauf
| Schritt | Frage | Mögliche Entscheidung |
|---|---|---|
| 1. Daten zusammenführen | Liegen Störmeldungen, Prüfberichte und Reparaturaufzeichnungen an einer Stelle? | Erfassungsstruktur vereinheitlichen |
| 2. MTBF berechnen | Wie lang ist die durchschnittliche störungsfreie Betriebsdauer? | Prüf- oder Wartungsintervall anpassen |
| 3. MTTR analysieren | Wie lange dauern Reparaturen im Schnitt? | Ersatzteile bevorraten, Instandhaltungskapazitäten planen |
| 4. Störmuster identifizieren | Treten Ausfälle gehäuft auf? An bestimmten Komponenten, Schichten, Temperaturen? | Ursache gezielt beheben |
| 5. Entscheidung dokumentieren | Welche Maßnahme wurde auf Basis welcher Daten gewählt? | Nachvollziehbarkeit für nächste Auswertung |
Schritt 5 wird oft übersprungen. Wer nicht dokumentiert, warum er ein Intervall geändert oder ein Gerät ausgetauscht hat, kann beim nächsten Mal nicht beurteilen, ob die Maßnahme gewirkt hat.
Der häufigste Fehler: Erfassen, aber nicht auswerten
In der Praxis läuft es häufig so ab: Störmeldungen werden im Wartungsheft eingetragen, Prüfberichte werden im Ordner abgelegt, Reparaturen werden abgerechnet. Am Jahresende existiert eine beeindruckende Datenmenge – aber niemand hat sie je verglichen.
Das Ergebnis: Entscheidungen über Instandhaltungsintervalle, Ersatzteilbevorratung oder den Austausch von Anlagen werden weiterhin aus dem Bauchgefühl heraus getroffen. Manchmal stimmt das.
Der konkrete Schluss zählt mehr als die Datenmenge. Ein Betrieb mit 50 strukturiert ausgewerteten Einträgen trifft bessere Entscheidungen als einer mit 500 unangetasteten Protokollen.
Voraussetzung: Saubere Erfassung – sonst Fehlschluss ⚠️
Aus schlechten Daten folgen schlechte Entscheidungen. Drei typische Qualitätsprobleme bei der Datenerfassung:
| Problem | Konsequenz | Abhilfe |
|---|---|---|
| Störung wird nicht gemeldet, weil „eh kurz” | MTBF wird zu hoch, Zuverlässigkeit überschätzt | Meldeschwelle und Meldekultur definieren |
| Reparaturzeit wird nicht erfasst | MTTR nicht berechenbar, Planung unmöglich | Zeitstempel bei Ausfall und Wiederinbetriebnahme verpflichtend |
| Ursache bleibt unklar im Protokoll | Muster nicht erkennbar | Standardisierte Ursachenkategorien einführen |
Ohne einheitliche Erfassung werden Zeitreihen nicht vergleichbar. Das ist keine IT-Frage – das ist eine organisatorische Frage, die vor jeder technischen Lösung beantwortet werden muss.
Was das mit Predictive Maintenance zu tun hat – und was nicht
Predictive Maintenance ist ein vielbemühter Begriff. Er beschreibt den Einsatz von Sensordaten und Algorithmen, um Ausfälle vorherzusagen, bevor sie eintreten. Das ist ein legitimes Ziel.
Aber der Schritt davor ist entscheidend: Wer seine historischen Stördaten nicht auswertet, wer MTBF und MTTR nicht kennt, wer keine strukturierten Prüfprotokolle führt – der hat keine Basis für Predictive-Maintenance-Systeme, egal wie ausgereifte Software er einsetzt.
Datengetriebene Instandhaltung beginnt nicht mit dem teuersten Werkzeug. Sie beginnt mit der Frage: Welche Entscheidung soll diese Zahl ermöglichen?
Fazit: Instandhaltungsdaten sind kein Selbstzweck. Störmeldungen, Prüf- und Wartungsnachweise sowie Reparaturaufzeichnungen haben einen konkreten Wert – aber nur dann, wenn sie regelmäßig ausgewertet und für Entscheidungen genutzt werden. Intervall anpassen, reparieren oder tauschen, Ersatzteil bevorraten: Das sind die drei Grundentscheidungen, für die diese Daten da sind.
Quellen
| Titel | Stand/Jahr | Quelle |
|---|---|---|
| AM-VO – Arbeitsmittelverordnung, Prüf- und Wartungspflichten für bestimmte Arbeitsmittelkategorien | geltende Fassung | Bundesrecht AT (RIS) |
| Analyse von Arbeitsunfällen – Ereigniserfassung und Ereignisbewertung | aktuell | AUVA (auva.at) |
| Instandhaltung als Teil des Sicherheitsmanagementsystems | aktuell | Arbeitsinspektion (arbeitsinspektion.gv.at) |
📩 Haben Sie in Ihrem Betrieb den Schritt von der Datenerfassung zur Auswertung noch nicht systematisch umgesetzt? Das Ingenieurbüro Lemmerer unterstützt Sie als externe Sicherheitsfachkraft dabei, Prüf- und Instandhaltungsdaten strukturiert nutzbar zu machen – von der Erfassungsstruktur bis zur konkreten Entscheidungsgrundlage.
Fragen, Anmerkungen oder ein konkreter Fall aus Ihrem Betrieb? Schreiben Sie – ich beantworte gerne.