Jeder anlagenschwere Betrieb wendet dieselben Instandhaltungsstrategien an. Arbeitsaufträge werden priorisiert. Lagerbestände werden gepuffert. Ersatzteile werden zu Sätzen zusammengestellt. Überschüsse werden bereinigt. Lieferanten werden bewertet.
Was sich von einem Vorgang zum nächsten ändert, ist nicht die Frage, welche Strategien zum Einsatz kommen, sondern der Reifegrad, auf dem die jeweilige Strategie umgesetzt wird.
Einige Werke priorisieren Arbeitsaufträge nach Bauchgefühl und nach dem FIFO-Prinzip. Andere haben Prioritätscodes fest im CMMS hinterlegt. Eine kleinere Anzahl verfügt über eine durch KI bewertete, nach Kritikalität gewichtete Rangfolge, die anhand aktueller Produktionsdaten neu berechnet wird. Technisch gesehen verfolgen alle drei dieselbe Strategie. Im Hintergrund unterscheiden sich ihre Abläufe jedoch erheblich.
Dieser Artikel stellt elf dieser Strategien vor, die entlang der operativen Kette angeordnet sind (Entscheiden, was wichtig ist, darauf aufbauend planen, umsetzen, den Regelkreis verfeinern), und ordnet jede einzelne Strategie drei operativen Reifegraden zu.
Handbuch, wo die Arbeit in Tabellenkalkulationen, im kollektiven Gedächtnis und anhand der lautesten Stimme im Raum erledigt wird. Die Disziplin ist in den Köpfen der Menschen verankert, nicht in Systemen.
Systematisiert, wo CMMS-, ERP- und EAM-Module die Tabellenkalkulationen abgelöst haben. Der Arbeitsablauf wird erfasst, doch die zugrunde liegende Logik ist statisch. Die meisten Betriebsabläufe verharren hier, oft über Jahre hinweg.
Intelligent, wobei die Strategie auf First-Party-Daten basiert, anhand des aktuellen Kontexts bewertet wird und durch KI-Agenten unterstützt wird, die die aufwendigen Aufgaben (Bewertung, Klassifizierung, Analyse, Abgleich) übernehmen, während Fachexperten weiterhin die Möglichkeit haben, Entscheidungen zu überschreiben und eigene Ermessensentscheidungen zu treffen.
Kritikalität ist der rote Faden, der sich durch alle elf zieht. Der Übergang von „Systematisiert“ zu „Intelligent“ ist fast immer der Übergang von statischer Kritikalität zu lebendiger Kritikalität.
Tabellenkalkulationen, „Stammwissen“, Entscheidungen, die auf der Grundlage persönlicher Einschätzungen getroffen werden, sowie Eskalationsverfahren. Nachbestellpunkte, die in einem Workshop festgelegt und in Excel festgeschrieben wurden. Die Kritikalität wird als einmalige Abstimmungsmaßnahme behandelt. Dies funktioniert im kleinen Maßstab, versagt jedoch auf der Ebene des Werksnetzwerks.
CMMS-, ERP- und EAM-Module erfassen den Arbeitsablauf. Es gibt Prioritätscodes, Mindest- und Höchststände sowie Anlagenverzeichnisse. Die zugrunde liegende Logik ist jedoch statisch, wird einmal festgelegt und nur selten überprüft. Das System dient der Datenerfassung, nicht als Ebene zur Entscheidungsunterstützung.
Echtzeitdaten fließen aus ERP-, EAM- und IIoT-Sensoren. KI-Agenten übernehmen die Hauptarbeit (Bewertung, Analyse, Klassifizierung, Abgleich), und menschliche Experten greifen bei Bedarf mit fundierten Begründungen ein. Diese Eingriffe dienen als Grundlage für die nächste Entscheidung. Die Kritikalität wird kontinuierlich überwacht, die Konfektionierung erfolgt auf der Grundlage von Arbeitsaufträgen, und die Nachbestellkalkulation ist dynamisch.
Im Folgenden werden die einzelnen Strategien vorgestellt, der Reifegrad, in dem sie angesiedelt sind, das übergeordnete Problem, das sie lösen, sowie die Art und Weise, wie die richtige Software (in Verbindung mit der dahinterstehenden funktionalen Disziplin) sie auf der Reifegradskala nach oben bringt.
Ebene 1: Die Entscheidungsebene
Die ersten beiden Strategien legen fest, worauf es ankommt. Alle nachfolgenden Schritte orientieren sich an diesen Entscheidungen; sind diese also falsch, breitet sich der Verfall aus.
1. Priorisierung von Arbeitsaufträgen auf der Grundlage der Kritikalität
Der Arbeitsablauf. Offene Arbeitsaufträge werden in eine Warteschlange aufgenommen, die anschließend nach Priorität sortiert wird. Aufträge mit den größten Auswirkungen auf Sicherheit, Produktion oder Compliance erhalten vorrangig Personal und Ersatzteile vor Routineaufträgen.
Wo es bricht. Bei der Triage entscheidet das Bauchgefühl, das Prinzip „Wer zuerst kommt, mahlt zuerst“ oder einfach derjenige, der an diesem Morgen die lauteste Stimme hat. Eine undichte Dichtung an einem wichtigen Kompressor muss hinter einer Reparatur an der Beleuchtung in der Kantine warten, da beide Probleme zur gleichen Zeit gemeldet wurden.
Das übergeordnete Problem ist die Verschwendung von Kapazitäten für die falschen Aufgaben. Wartungsteams sind selten untätig. In der Regel sind sie jedoch mit den falschen Aufgaben beschäftigt. Jede Stunde, die für Arbeiten mit geringen Auswirkungen aufgewendet wird, ist eine Stunde, die für eine Aufgabe fehlt, die die Produktion tatsächlich gefährdet.
Die softwaregestützte Lösung. Ein Kritikalitätswert, der anhand der Kriterien Sicherheit, Auswirkungen auf die Produktion, Vorlaufzeit und Substituierbarkeit berechnet wird, bildet die Grundlage für eine objektive Prioritätenrangliste. Der KI-Agent erläutert die Gründe für jede Platzierung. Der Planer genehmigt diese oder hebt sie unter Angabe eines Grundes auf, wobei diese Aufhebung dem Modell als Lerninformation dient. Hier kommt Bewertung der Kritikalität von Vermögenswerten ist nicht mehr nur ein einmal im Jahr stattfindender Workshop, sondern wird zu einer täglichen Entscheidungshilfe.
Tabellenkalkulationen, „Stammwissen“, Entscheidungen, die auf der Grundlage persönlicher Einschätzungen getroffen werden, sowie Eskalationsverfahren. Nachbestellpunkte, die in einem Workshop festgelegt und in Excel festgeschrieben wurden. Die Kritikalität wird als einmalige Abstimmungsmaßnahme behandelt. Dies funktioniert im kleinen Maßstab, versagt jedoch auf der Ebene des Werksnetzwerks.
CMMS-, ERP- und EAM-Module erfassen den Arbeitsablauf. Es gibt Prioritätscodes, Mindest- und Höchststände sowie Anlagenverzeichnisse. Die zugrunde liegende Logik ist jedoch statisch, wird einmal festgelegt und nur selten überprüft. Das System dient der Datenerfassung, nicht als Ebene zur Entscheidungsunterstützung.
Echtzeitdaten fließen aus ERP-, EAM- und IIoT-Sensoren. KI-Agenten übernehmen die Hauptarbeit (Bewertung, Analyse, Klassifizierung, Abgleich), und menschliche Experten greifen bei Bedarf mit fundierten Begründungen ein. Diese Eingriffe dienen als Grundlage für die nächste Entscheidung. Die Kritikalität wird kontinuierlich überwacht, die Konfektionierung erfolgt auf der Grundlage von Arbeitsaufträgen, und die Nachbestellkalkulation ist dynamisch.
2. Analyse der Kritikalität auf Anlagen- und Teilebene
Der Arbeitsablauf. Anlagen und deren Komponenten werden danach bewertet, inwieweit ein Ausfall den Betrieb beeinträchtigen würde.
Wo es bricht. In den meisten Werken wird die Kritikalitätsanalyse als einmalige Abstimmungsmaßnahme durchgeführt, die von einem Verantwortlichen für die Zuverlässigkeit unter Einbeziehung mehrerer Teams vorangetrieben wird. Das Ergebnis ist ein statisches Verzeichnis, das bereits nach wenigen Monaten veraltet ist. Schlimmer noch: Fast jede Umsetzung beruht auf einer stillschweigenden Annahme, die sich in der Praxis nicht bewährt.
Der entscheidende Fehler
Bei der herkömmlichen Kritikalitätsbewertung wird davon ausgegangen, dass jedes Bauteil einer kritischen Anlage selbst kritisch ist, während Bauteile an nicht kritischen Anlagen nicht kritisch sind. In der Praxis sind beide Teile dieser Aussage falsch. Eine einzige kostengünstige Dichtung kann einen Kompressor der ersten Stufe außer Betrieb setzen. Ein hochwertiges Lager kann sich an einer Anlage befinden, deren Ausfall keinerlei Auswirkungen auf die Produktion hat, da sich direkt daneben eine redundante Einheit befindet.
Die softwaregestützte Lösung. Eine modellübergreifende Bewertung (FMECA, VED, ABC) in Verbindung mit eigenen ERP- und EAM-Daten sowie einem branchenspezifischen Training auf der Grundlage von Ausfallmustern liefert eine echte Kritikalitätsbewertung auf Bauteilebene. Dies ist eine Berechnung, die kein Mensch in diesem Umfang durchführen kann.
Die funktionale Disziplin ist ebenso wichtig wie das Modell. Ein Fachexperte überprüft die Bewertung, kann sie mit einer Begründung außer Kraft setzen, und diese Erkenntnisse werden im gesamten Werksnetzwerk verbreitet. Die Ebene auf Teilebene ist entscheidend dafür, dass nachgelagerte Strategien (Kommissionierung, Nachbestellpunkte, vorausschauende Auslöser) zuverlässig funktionieren.
Weitere Informationen zu den zugrunde liegenden Mechanismen finden Sie unter Bewertung der Kritikalität auf Bauteilebene und wie dies mit … zusammenhängt Bewährte Verfahren für FMEA und FMECA.
Ebene 2: Die Planungsebene
Sobald die Kritikalität bewertet ist, verfügt die Planung über eine verlässliche Grundlage. Die nächsten drei Strategien wandeln dieses Signal in vorgefertigte Bauteile, dynamische Lagerbestände und saubere Basisdaten um. Genau hier entsteht der Großteil der betrieblichen Verschwendung – oder wird vermieden.
3. Zusammenstellung von Bestands-Kits
Der Arbeitsablauf. Alle für einen Auftrag benötigten Teile werden zusammengestellt und als Bausatz bereitgestellt, bevor der Techniker den Arbeitsauftrag entgegennimmt.
Wo es bricht. Der Techniker trifft am Einsatzort ein, und ein Teil fehlt, hat die falsche Größe oder wurde bereits für einen anderen Arbeitsauftrag ausgegeben. Wertvolle Arbeitszeit geht durch Gänge zum Lager verloren. In Anlagen mit hoher Auslastung kann die Differenz zwischen geplantem und tatsächlichem Arbeitsbeginn pro Auftrag mehrere Stunden betragen.
Das übergeordnete Problem sind ungeplante Ausfallzeiten. Die Aufgabe ist technisch gesehen bereitgestellt. Die Teile befinden sich technisch gesehen im Lager. Der Arbeitsauftrag ist technisch gesehen offen. Und dennoch steht die Produktion still, weil drei dieser technischen Voraussetzungen am Arbeitsplatz nicht zusammenkommen.
Warum die Konfektionierung fehlschlägt
Kommissionierlisten werden zu spät erstellt, Teile werden aufgrund doppelter Artikelnummern falsch zugeordnet, Bausätze werden ohne Überprüfung des aktuellen Lagerbestands zusammengestellt, und Ersatzteile werden nicht vorgeschlagen, wenn das Hauptteil nicht vorrätig ist. Der Techniker stellt dies erst vor Ort am Gerät fest, nicht bereits im Lager.
Wie das Zusammenstellen von Sets funktioniert
Das System liest den Arbeitsauftrag ein, ermittelt die benötigten Teile über eine präzise Stücklistenverknüpfung, überprüft die Verfügbarkeit anhand des aktuellen Lagerbestands, zeigt zugelassene Ersatzteile an und bestätigt den physischen Standort, bevor der Auftrag eingeplant wird. Das Bausatz wird vorab für den Techniker zusammengestellt.
Die softwaregestützte Lösung. Die Kommissionierung funktioniert nur, wenn die Bestandsdaten korrekt sind, die Verknüpfung zur Stückliste tatsächlich besteht und das System weiß, wo sich jedes Teil physisch in den einzelnen Werken befindet. Genau hier Optimierung des Ersatzteilbestands macht sich bezahlt. Das Teil muss auffindbar sein, die Stückliste muss ausgewertet werden und der aktuelle Lagerbestand muss korrekt sein.
MRO360 gleicht den Arbeitsauftrag mit der Stückliste der Anlage ab, überprüft die Verfügbarkeit der Teile anhand des Bestandsmoduls und stellt das Bausatzpaket bereit. Die Disziplin der MRO-Bestandsverwaltungssoftware Hier geht es weniger um ausgefallene KI, sondern vielmehr darum, das Lager als Teil des Arbeitsauftrags zu betrachten und nicht als separates Problem.
4. Festlegung des Nachbestellpunkts und des Sicherheitsbestands
Der Arbeitsablauf. Jedes Teil erhält einen Nachbestellauslöser und einen Puffer, der dazu dient, Schwankungen in der Nachfrage während des Nachschubfensters auszugleichen.
Wo es bricht. Die Mindest- und Höchstbestandsmengen wurden vor Jahren in einem Workshop festgelegt, und seitdem hat sich niemand mehr damit befasst. Kritische Ersatzteile unterliegen denselben Bestandsgrenzen wie gewöhnliche Verbrauchsmaterialien. Das Ergebnis ist das Schlimmste aus beiden Welten: Lieferengpässe bei wichtigen Teilen und Überbestände bei Teilen, die keine Rolle spielen.
Das übergeordnete Problem besteht darin, dass die statische Nachbestellungsrechnung Sie doppelt bestraft. Sie bindet Betriebskapital für Teile, die Sie niemals benötigen werden, und setzt Sie einem Risiko aus, wenn es um Teile geht, auf die Sie nicht verzichten können. Beides sind versteckte Kosten, bis ein Tier-1-Asset aufgrund eines Teils ausfällt, das technisch gesehen „im Rahmen der Richtlinie“ lag.
Die Berechnung der Nachbestellmengen
Nachbestellpunkt = (durchschnittlicher Tagesverbrauch × Vorlaufzeit) + Sicherheitsbestand. Die Formel ist in Ordnung. Das Problem liegt bei den Eingabewerten. Der Verbrauch schwankt je nach Produktionsvolumen. Die Vorlaufzeit schwankt je nach Lieferantenleistung. Der Sicherheitsbestand schwankt je nach Risikobereitschaft. Sind die Eingabewerte veraltet, ist das Ergebnis in beide Richtungen falsch.
Die softwaregestützte Lösung. Dynamische Berechnung des Nachbestellpunkts Das bedeutet, dass die Eingabedaten in Echtzeit abgerufen werden: der tatsächliche Verbrauch aus dem Bestandsmodul, die tatsächlichen Lieferzeiten aus der Lieferantenhistorie sowie ein nach Kritikalität gewichteter Sicherheitsbestand, der Ersatzteile der ersten Stufe großzügig und Standardersatzteile konservativ puffert.
MRO360 schließt zudem den Kreislauf, wenn der Bestand eines Teils unter den Schwellenwert fällt. Das System macht die Lücke sichtbar, empfiehlt eine Beschaffungsanforderung oder schlägt eine werksübergreifende Bestandsübertragung vor, wenn das Teil an einem anderen Standort ungenutzt vorrätig ist. Die Berechnungen sind zuverlässig, da die zugrunde liegenden Daten in Echtzeit vorliegen, und die Maßnahmen erfolgen systematisch, da das System nicht darauf wartet, dass jemand den Mangel bemerkt.
Tabellenkalkulationen, „Stammwissen“, Entscheidungen, die auf der Grundlage persönlicher Einschätzungen getroffen werden, sowie Eskalationsverfahren. Nachbestellpunkte, die in einem Workshop festgelegt und in Excel festgeschrieben wurden. Die Kritikalität wird als einmalige Abstimmungsmaßnahme behandelt. Dies funktioniert im kleinen Maßstab, versagt jedoch auf der Ebene des Werksnetzwerks.
CMMS-, ERP- und EAM-Module erfassen den Arbeitsablauf. Es gibt Prioritätscodes, Mindest- und Höchststände sowie Anlagenverzeichnisse. Die zugrunde liegende Logik ist jedoch statisch, wird einmal festgelegt und nur selten überprüft. Das System dient der Datenerfassung, nicht als Ebene zur Entscheidungsunterstützung.
Echtzeitdaten fließen aus ERP-, EAM- und IIoT-Sensoren. KI-Agenten übernehmen die Hauptarbeit (Bewertung, Analyse, Klassifizierung, Abgleich), und menschliche Experten greifen bei Bedarf mit fundierten Begründungen ein. Diese Eingriffe dienen als Grundlage für die nächste Entscheidung. Die Kritikalität wird kontinuierlich überwacht, die Konfektionierung erfolgt auf der Grundlage von Arbeitsaufträgen, und die Nachbestellkalkulation ist dynamisch.
5. Verknüpfung von Ersatzteilstammdaten und Stücklisten
Der Arbeitsablauf. Jeder Teiledatensatz ist bereinigt, von Duplikaten befreit, korrekt kategorisiert und genau mit den dazugehörigen Bestandsgegenständen verknüpft.
Wo es bricht. Das gleiche Lager ist unter vier verschiedenen Bezeichnungen erfasst, von denen zwei falsch geschrieben sind. Drei dieser Datensätze weisen einen Lagerbestand von Null aus, einer einen Überschuss, doch der Planer kann nicht feststellen, welcher davon korrekt ist. Die Stückliste für das Anlagegut im EAM ist unvollständig, sodass der Planer selbst dann, wenn das Teil gefunden wird, nicht sicher sein kann, dass es passt.
Das übergeordnete Problem besteht darin, dass jede der oben genannten Strategien stillschweigend von sauberen Daten ausgeht. Die Kritikalitätsbewertung erfordert eine zuverlässige Teileidentifikation. Die Konfektionierung benötigt eine genaue Verknüpfung mit der Stückliste. Die Nachbestellungsberechnungen erfordern eine deduplizierte Verbrauchsgeschichte. Wenn die Grundlage unsauber ist, erbt jede nachgelagerte Strategie diesen Mangel, ganz gleich, wie ausgefeilt die darüber liegenden Analysen auch sein mögen.
Die softwaregestützte Lösung. An dieser Stelle kommt die Stammdatenverwaltung für die Instandhaltung Diese Ebene hat ihren Platz verdient. Durch automatisierte Normalisierung werden doppelte Datensätze aus Altbeständen entfernt. Die agentenbasierte Anreicherung ergänzt fehlende Attribute durch die Auswertung von OEM-Katalogen und Stücklisten für Anlagen. Der semantische Abgleich erkennt, dass „BRG 6205 ZZ“ und „Lager 6205-2Z, Rillenkugellager“ ein und dasselbe physische Bauteil sind.
Die MDM-Suite bietet Harmonize-Modul bereinigt das Erbe und das Integritätsmodul gilt für jeden neuen Datensatz zum Zeitpunkt seiner Erstellung, sodass die Grundlage nicht erneut verloren geht. MRO360 übernimmt anschließend die Verknüpfungsebene der Stücklisten und wertet Asset-Stücklistendokumente eigenständig aus, um präzise Beziehungen zwischen Bauteilen und Anlagen herzustellen.
Dies ist das Fundament, kein bloßer Zusatz. Stellen Sie es als die Ebene dar, die jede darüber und darunter liegende Strategie glaubwürdig macht. Ausführlichere Informationen zum zugrunde liegenden Ansatz finden Sie in unseren Beiträgen zu So bereinigen Sie Ersatzteildaten und MRO-Datentaxonomie.
Tabellenkalkulationskataloge, implizites Wissen, doppelte Datensätze, für die niemand verantwortlich ist. Stücklisten befinden sich in PDF-Dateien auf gemeinsam genutzten Laufwerken.
ERP-Materialstamm mit regelbasierter Dublettenbereinigung. Regelmäßige Bereinigungsprojekte. Stücklisten wurden hochgeladen, sind jedoch nur selten mit dem aktuellen Lagerbestand verknüpft.
Agentenbasierte Anreicherung, semantische Zuordnung, autonome Stücklistenauswertung, kontinuierliche Steuerung durch Integrity-Workflows.
Gehen Sie gemeinsam mit unserem Team Ihre aktuellen Instandhaltungsdaten, Stücklistenverknüpfungen und Bestandslage durch. Wir werden Ihre elf Strategien anhand des Reifegradmodells und Ihrer eigenen Unterlagen analysieren und Ihnen aufzeigen, in welchen Bereichen MRO360 und die MDM Suite entscheidende Verbesserungen bewirken würden.
Verdantis ist stolz darauf, der vertrauenswürdige Partner von führenden Organisationen auf der ganzen Welt zu sein.
Von Fortune 500-Unternehmen bis hin zu Branchenpionieren vertrauen unsere Kunden auf unsere MDM-Lösungen
Schicht 3: Die Ausführungsschicht
Entscheidung und Planung gehen in die Umsetzungsphase über. An dieser Stelle kommen die bereinigten Daten, das Kit, der Kritikalitätswert und das prädiktive Signal entweder auf der Anlage zusammen – oder eben nicht.
6. Einsatzplanung
Der Arbeitsablauf. Aufträge werden unter Berücksichtigung von drei Einschränkungen gleichzeitig eingeplant: Verfügbarkeit von Arbeitskräften, Verfügbarkeit von Bauteilen sowie Anlagen- oder Produktionszeitfenster.
Wo es bricht. Aufträge werden eingeplant, ohne dass überprüft wird, ob die Teile vorrätig sind, oder ohne dass ein Zeitfenster für die Verfügbarkeit der Anlagen vom Betrieb vorliegt. Die Teams treffen an einer laufenden Produktionslinie ein, die nicht abgeschaltet werden kann, oder an einem Teil, das sich noch im Transport befindet. Geplante und ungeplante Arbeiten überschneiden sich, und der Planer muss in Echtzeit umdisponieren.
Das übergeordnete Problem besteht darin, dass die Terminplanung die offensichtlichste Fehlerquelle in der Instandhaltung darstellt. Wenn eine Arbeitsgruppe nicht weiterarbeiten kann, wissen drei Teams innerhalb einer Stunde davon, und das Vertrauen in Instandhaltungsplanung greift die gesamte Anlage an.
Die softwaregestützte Lösung. Eine einschränkungsorientierte Terminplanung, die die Verfügbarkeit von Teilen anhand der Konfektionierungsebene überprüft, den geplanten und ungeplanten Bedarf ausgleicht und sich am aktuellen Bestandsstatus orientiert. Das zugrunde liegende Prinzip entspricht dem der Flugsicherung: Das System gibt einen Auftrag erst dann frei, wenn alle drei Einschränkungen gleichzeitig erfüllt sind.
7. Vorausschauende Auslösung von Arbeitsaufträgen
Der Arbeitsablauf. Ein Zustandssignal aus dem IIoT oder SCADA löst die Erstellung eines Arbeitsauftrags aus, bevor die Anlage ausfällt – nicht erst danach.
Wo es bricht. Die Sensordaten werden – mitunter mit hohem Aufwand – erfasst, sind jedoch nicht in die Wartungs- und Bestandsverwaltungsabläufe eingebunden. Eine Schwingungsabweichung löst eine Warnmeldung im Zustandsüberwachung Dashboard, erstellt jedoch keinen Arbeitsauftrag, löst keine Vorabplatzierung von Teilen aus und aktualisiert die Nachbestellberechnung nicht. Der prognostizierte Ausfall tritt ein, es wird jedoch kein Ersatzteil bereitgestellt.
Das übergeordnete Problem besteht darin, dass die vorausschauende Instandhaltung eine Obergrenze für die Kapitalrendite aufweist, sofern das Signal nicht in die Bestandsführung und die Ausführung zurückgeführt wird. Ein korrekt vorhergesagter Ausfall, bei dem kein Ersatzteil vorrätig ist, führt dennoch zu einem Bestandsengpass.
Das Signal endet hier
Sensordaten weisen auf eine Anomalie hin. Ein Zuverlässigkeitsingenieur erkennt dies auf einem Dashboard. Das Instandhaltungssystem, das Bestandsverwaltungssystem und das Lieferantenportal tun dies jedoch nicht.
Das Signal wird weitergeleitet
Die Anomalie erstellt einen Arbeitsauftrag mit einer prognostizierten Ausfallart, ermittelt die wahrscheinlich betroffenen Teile und stellt diese über die Kitting- und Nachbestell-Ebenen vorab bereit. Die Ausführung ist bereits vorbereitet, bevor der Ausfall eintritt.
Die softwaregestützte Lösung. Die Sensordaten fließen in ein Ausfallvorhersagemodell ein, das die wahrscheinlich ausfallenden Teile benennt. Diese Teile werden über den Kitting-Workflow bereitgestellt und in die Nachbestellberechnung einbezogen. Weitere Informationen dazu, wie das Datenebene für die vorausschauende Instandhaltung wie das konkret aussehen muss, damit dies praktikabel ist, und auf der vorbeugende Instandhaltung vs. vorausschauende Instandhaltung Eine Unterscheidung, die in der Praxis oft verschwimmt.
Dies ist eines der besten Beispiele für die Zusammenarbeit zwischen KI-Agenten und funktionalem Fachwissen. Das Modell identifiziert die Teile, bei denen ein Ausfall wahrscheinlich ist. Der Zuverlässigkeitsingenieur überprüft die Vorhersage. Der Instandhaltungsplaner stellt das Ersatzteilset bereit. Keiner von ihnen übernimmt die Aufgaben der anderen.
Schicht 4: Die Optimierungsschicht
Die ersten drei Ebenen steuern den Betrieb. Die vierte sorgt für die Optimierung. Dies sind die Strategien, mit denen Sie das in Ihrem Lager gebundenes Betriebskapital aufspüren, die in Ihrem Katalog verborgenen Substitutionsmöglichkeiten entdecken, die in Ihrer Einkaufshistorie verborgene Lieferantenmuster erkennen und den Überschuss ausfindig machen, der nur fünfzig Meilen von einem Lagerengpass entfernt liegt.
8. Rationalisierung von Lagerüberhängen und Restbeständen
Der Arbeitsablauf. Der Lagerbestand wird regelmäßig überprüft, um Teile zu identifizieren, die sich nicht verkauft haben und wahrscheinlich nicht weiter vorrätig gehalten werden sollten.
Wo es bricht. Die Überprüfung erfolgt nur gelegentlich und wird häufig eher durch eine Frage des Finanzvorstands als durch einen festgelegten Prozess ausgelöst. Teile, die seit Jahren nicht mehr bewegt wurden, befinden sich nach wie vor im Lagerraum, da niemand sicher ist, ob es sich dabei um ein wichtiges Ersatzteil, ein veraltetes Modell oder einfach um etwas handelt, das in Vergessenheit geraten ist.
Das 25-Prozent-Problem
Branchenstudien beziffern den Anteil an ungenutzten Lagerbeständen durchweg auf etwa ein Viertel des gesamten MRO-Bestands. Das bedeutet gebundenes Betriebskapital, Lagerfläche, Versicherungskosten und Prüfungsrisiken für Teile, die niemals zum Einsatz kommen werden. In einem Werksnetzwerk mit einem MRO-Bestand im Wert von mehreren zehn Millionen Dollar sind die damit verbundenen Kosten beträchtlich.
Die softwaregestützte Lösung. Die Klassifizierung nach kontinuierlicher Bewegung (schnell, langsam, inaktiv) kennzeichnet Überschüsse und veraltete Ersatzteile sobald sie sich im Lager ansammeln, nicht erst zum Jahresende. Das System empfiehlt die geeignete Maßnahme: Rückgabe an den Lieferanten, Verwertung als Restwert oder Übertragung an ein anderes Werk, das das Teil aktiv verbraucht.
Das übergeordnete Problem, das dadurch gelöst wird, ist der „stille Kapitalengpass“. Niemand bemerkt ein Teil, das sich nicht bewegt hat. Das System muss die Aufmerksamkeit auf sich lenken, indem es Hinweise an diejenigen anzeigt, die Maßnahmen ergreifen können. Das Analyse der MRO-Ausgaben Auf dieser Ebene wird dies zu einer Diskussion auf Vorstandsebene.
9. Standardisierung und Austausch von Ersatzteilen
Der Arbeitsablauf. Austauschbare Teile werden in einem Standarddatensatz zusammengefasst. Geeignete Ersatzteile werden identifiziert und gemeinsam gelagert, sodass ein Lieferengpass bei einem Teil die Arbeit nicht zum Stillstand bringt, die durch ein anderes Teil fortgesetzt werden kann.
Wo es bricht. Ein und dasselbe Bauteil ist unter mehreren SKUs geführt, da es von drei verschiedenen OEMs unter drei unterschiedlichen Artikelnummern geliefert wird und eine vierte Artikelnummer aus einer Übernahme stammt. Funktional identische Alternativen befinden sich im Lager, doch der Planer kann sie nicht erkennen, da sie nicht miteinander verknüpft sind.
Das übergeordnete Problem ist eine Überbestellung, die durch unsichtbare Lagerbestände verursacht wird. Der Ersatzartikel ist vorrätig. Das System gibt jedoch an, dass dies nicht der Fall ist. Das Werk bestellt dennoch das Original und bezahlt für zwei Teile, die denselben Zweck erfüllen.
Die softwaregestützte Lösung. Mithilfe von semantischem Abgleich und Substituierbarkeitsanalysen werden funktionale Äquivalente über Kataloge, Erstausrüster und Beschaffungsdaten hinweg abgebildet. Das Modell verwendet dieselbe Art von Ersatzteilklassifizierung sowie Taxonomiearbeiten, die die MDM-Ebene unterstützen, jedoch eher auf Interoperabilität als auf Identität ausgerichtet sind.
Dies ist eine der Strategien, bei denen die KI Aufgaben bewältigt, die für einen Menschen praktisch unmöglich sind. Kein Planer kann sich dreißigtausend Teiledaten und deren herstellerübergreifende Äquivalente merken. Der Agent hingegen kann dies.
10. Lieferantenzuverlässigkeit und Lieferzeitmanagement
Der Arbeitsablauf. Die Lieferantenleistung und die tatsächlichen Durchlaufzeiten werden erfasst, und diese Daten fließen in die Berechnungen für Nachbestellungen und Sicherheitsbestände ein.
Wo es bricht. Die Nachbestellformel stützt sich auf die Lieferzeit, die im Lieferantenkatalog angegeben oder in der ursprünglichen Bestellung aufgeführt ist. Die tatsächlichen Lieferzeiten weichen jedoch ab – manchmal saisonbedingt, manchmal strukturell bedingt. Die Berechnung basiert auf einer Zahl, die seit zwei Jahren nicht mehr zutrifft.
Das übergeordnete Problem ist eine Pufferlogik, die auf dem Papier zutreffend ist, in der Praxis jedoch fehlschlägt. Entweder ist der Sicherheitsbestand zu gering, sodass es zu Lieferengpässen kommt, oder er ist zu groß, sodass Sie Lagerbestände vorhalten, die Sie nicht benötigen. Beides wird dadurch verursacht, dass man sich auf die im Katalog angegebenen Lieferzeiten verlässt.
Angenommene Vorlaufzeit
Die Nummer aus dem Lieferantenkatalog. Wird in der Nachbestellformel verwendet. Wird nur selten aktualisiert. Berücksichtigt weder saisonale Schwankungen noch regionale Störungen oder die Tatsache, dass ein Lieferant seit sechs Monaten stillschweigend um zehn Tage in Verzug gerät.
Tatsächliche Vorlaufzeit
Wird in Echtzeit anhand der Bestellhistorie berechnet. Aufgeschlüsselt nach Lieferant, Region und Teilekategorie. Die Daten fließen automatisch in die Nachbestellberechnung ein, sodass der Sicherheitsbestand der tatsächlichen Situation entspricht und nicht nur ein Wert aus dem Prospekt ist.
Die softwaregestützte Lösung. Echtzeit-Kennzahlen zu Vorlaufzeiten und Zuverlässigkeit werden aus dem ERP-Transaktionsverlauf extrahiert und in die Nachbestellungs-Engine eingespeist. Die Berechnung der Sicherheitsbestände erfolgt nun korrekt. Dieselben Daten werden auch in MRO-Beschaffungsstrategien sowie Lieferanten-Scorecards, damit Beschaffungsentscheidungen nicht mehr von persönlichen Beziehungen, sondern von der Leistung bestimmt werden.
Auch der funktionale Bereich ist erwähnenswert. Die Lieferantensteuerung über die MDM-Ebene (siehe Verwaltung der Lieferantenstammdaten) stellt sicher, dass der Lieferanteneintrag selbst fehlerfrei, von Dubletten bereinigt und korrekt ist, bevor Leistungsdaten damit verknüpft werden.
11. Zusammenfassung der Bestände mehrerer Werke und Bestandsumschichtungen
Der Arbeitsablauf. Das Werksnetzwerk wird als ein einziges Lager betrachtet. Ein an einem Standort ungenutztes Teil deckt den Bedarf an einem anderen Standort, bevor eine neue Bestellung aufgegeben wird.
Wo es bricht. Jedes Werk verwaltet seinen eigenen Lagerbestand, ohne dass eine standortübergreifende Übersicht besteht. Ein Werk stellt eine Eilbestellung für ein kritisches Bauteil auf, das bereits seit neun Monaten ungenutzt in einem Schwesterwerk in fünfzig Meilen Entfernung lagert. Die Bestellung wird ausgeführt, das Bauteil wird doppelt beschafft, und das Problem der Überbestände im Schwesterwerk verschärft sich.
Das übergeordnete Problem besteht darin, dass sich das Netzwerk wie eine Ansammlung von Silos verhält, obwohl es sich wie ein Portfolio verhalten sollte. Jedes Werk optimiert lokal. Das Netzwerk zahlt dafür global den Preis.
Die softwaregestützte Lösung. Netzwerkweite Bestandsübersicht, wobei die Teileidentität so eindeutig ist (siehe Strategie 5), dass das System tatsächlich erkennt, dass dasselbe Teil an zwei Standorten unter unterschiedlichen SKUs vorrätig ist. Wenn ein Bedarf entsteht, zeigt das System die Möglichkeit einer Umlagerung an, noch bevor die Beschaffungsanforderung gestellt wird. Dies ist eine der Maßnahmen mit der größten Hebelwirkung, die in MRO-Bestandsverwaltung, und vom Konzept her eines der einfachsten, sobald die Stammdatenbasis geschaffen ist.
Die Reifeleiter, die sich durch alle elf zieht
Betrachtet man die elf Strategien in ihrer Gesamtheit, zeichnet sich ein einheitliches Muster ab. Sie scheitern nicht, weil es sich um falsche Strategien handelt. Sie scheitern, weil sie auf einem Reifegrad umgesetzt werden, aus dem das Unternehmen bereits herausgewachsen ist.
Der Übergang von „manuell“ zu „systematisiert“ ist der Übergang von Menschen zu Systemen. Die Arbeit, die bisher im Kopf einer Person angesiedelt war, wird in das CMMS, das ERP-System und das Anlagenverzeichnis übertragen. Das System ist skalierbar. Doch es denkt noch nicht selbstständig.
Der Übergang von „systematisiert“ zu „intelligent“ ist der interessantere – und zugleich der schwierigere. Es ist der Wandel von statischer Logik hin zu dynamischen Entscheidungen. Von Regeln, die vor zwei Jahren noch zutrafen, hin zu Schlussfolgerungen, die anhand der aktuellen Daten neu berechnet werden. Von jährlichen Workshops hin zu kontinuierlicher Anpassung. Von Planern, die die schwere analytische Arbeit verrichten, hin zu Planern, die die Beurteilungsaufgaben übernehmen, für die tatsächlich ein Mensch erforderlich ist.
Bei diesem zweiten Schritt hören KI-native Software und funktionales Fachwissen auf, getrennte Themen zu sein. Die Agenten übernehmen die Aufgaben, die Menschen nicht in großem Maßstab bewältigen können (Bewertung, Klassifizierung, Analyse, Abgleich über Millionen von Datensätzen hinweg). Die Zuverlässigkeitsingenieure, Planer und Beschaffungsleiter übernehmen die Aufgaben, die die Agenten nicht bewältigen können (Kontext, Übersteuerung, Abstimmung auf geschäftliche Prioritäten). Wenn dieses Gleichgewicht herrscht, sind die elf Strategien nicht mehr elf separate Reifegradlücken, sondern verhalten sich wie ein einheitliches Betriebssystem.
Der ehrliche Ausgangspunkt
Die meisten Betriebe müssen nicht alle elf Strategien gleichzeitig auf die Stufe „Intelligent“ bringen. Der richtige Ausgangspunkt besteht in der Regel darin, die zwei oder drei Strategien zu identifizieren, die sich noch auf der Stufe „Manuell“ befinden oder auf der statischen Stufe „Systematisiert“ feststecken, die ihnen zugrunde liegenden Stammdaten zu korrigieren und den Rest der Reihe nach folgen zu lassen. Der Weg zur Reife ist wichtiger als die Reifegrad-Einstufung an sich.
