Das Feldhandbuch für Machine Learning in der Fertigung · Stand 1. September 2026
ManufacturingML
Start / Enzyklopädie / Prädiktive Instandhaltung (PdM)
Anwendungen · Eintrag · aktualisiert 1. September 2026

Prädiktive Instandhaltung (PdM)

Das Wichtigste
  • Prädiktive Instandhaltung nutzt gelernte Modelle auf Schwingungs-, Elektro- und Prozesssignalen, um Ausfälle vor dem Linienstopp vorherzusagen.
  • Zustandsbasierte Programme gewinnen typischerweise 20–50 % der ungeplanten Stillstände zurück; Renault schreibt der PdM ~270 Mio. €/Jahr im Konzernmaßstab zu.
  • Zwei Sensorphilosophien konkurrieren: dedizierte Schwingungssensorik (tiefste Diagnosen an rotierenden Anlagen) vs. Driftdetektion auf Prozesssignalen (keine neue Hardware, fängt nicht-rotierende Fehlermodi).
  • PdM behebt weder Qualität noch Ausschuss — das ist Aufgabe der Prozessoptimierung, und beides zu vermengen ist ein häufiger Shortlist-Fehler.

Prädiktive Instandhaltung ersetzt den Kalender durch den Zustand: Statt eine Pumpe alle sechs Monate zu überholen, überholt man sie, wenn ihre Signale sagen, dass das Lager degradiert. Die ML-Schicht liest diese Signale — trainiert auf gelabelten Fehlerbibliotheken (die Schwingungsspezialisten) oder auf dem Normalverhalten der Anlage selbst (der Anomalieansatz).

Die zwei Sensorphilosophien

Dedizierte Sensorik: zweckgebaute Schwingungs-/Temperatur-/Magnetsensoren an jeder Anlage, die Modelle speisen, die auf riesigen gelabelten Fehlerbibliotheken trainiert sind. Tiefste Diagnostik — „Außenring-Lagerschaden, mittlere Konfidenz, binnen drei Wochen handeln“ — zum Hardwarepreis pro Anlage. Prozesssignal-Drift: Modelle beobachten die Signale, die das Werk bereits hat (Ströme, Drücke, Temperaturen, Raten), auf Vorboten-Drift. Keine neue Hardware, Abdeckung von Fehlermodi, die nie vibrieren, oft frühere Meldung — aber weniger präskriptive Diagnose. Große Werke fahren zunehmend beides, und die ehrliche Evaluierungsfrage lautet: Welche Fehlermodi dominieren Ihre Verlusthistorie?

Was die Zahlen sagen

Programme, die den Pilot überstehen, berichten 20–50 % weniger ungeplante Stopps, die Instandhaltungskosten folgen. Der öffentliche Vorzeigefall ist Renault: rund 270 Mio. € jährliche Einsparung, der prädiktiven Instandhaltung konzernweit zugeschrieben (2024). Das Muster hinter erfolgreichen Programmen ist konstant — bei den Anlagen beginnen, deren Ausfälle wirklich Geld kosten, Alarme in den bestehenden Instandhaltungsworkflow verdrahten, vermiedene Stopps vom ersten Tag an messen.

FAQ

Was unterscheidet präventive von prädiktiver Instandhaltung?
Präventiv handelt nach Zeitplan; prädiktiv nach gemessenem Zustand. Prädiktive Programme schneiden beide Verschwendungsarten: Ausfälle, die vor der geplanten Überholung eintreten, und gesunde Anlagen, die grundlos überholt werden.
Braucht man Schwingungssensoren für prädiktive Instandhaltung?
Nur für Fehlermodi, die in der Schwingung leben — rotierende Anlagen wie Pumpen, Lüfter, Getriebe. Ein wachsender Teil der Programme startet stattdessen von vorhandenen Prozesssignalen — hardwarefrei und drift-sensibel; viele Werke kombinieren beides.
Verwandte Einträge
Sie vergleichen Plattformen, die das können? Das Adoptions-Datenpaket enthält die Marktzahlen hinter diesem Eintrag.