Stillstände, Fachkräftemangel und strengere ESG-Richtlinien stellen die Industrie ebenso vor Herausforderungen wie volatile Lieferketten infolge geopolitischer Instabilität. Um ihre Instandhaltung vorausschauend zu planen, setzen viele Unternehmen daher auf ein Enterprise Asset Management (EAM). Zusätzlich gilt es jedoch, die Instandhaltungsstrategie an volatile Rahmenbedingungen anzupassen. Ein Baustein dafür ist künstliche Intelligenz. Laut einer aktuellen Studie von Ultimo haben allerdings erst fünf Prozent der Industrieunternehmen KI-gestützte Insights und langfristige Asset-Strategien fest in ihre operativen Workflows integriert. Gleichzeitig konzentriert sich essenzielles Instandhaltungswissen vielfach noch auf wenige erfahrene Mitarbeitende. Überdies erschweren fragmentierte Prozesse zwischen Instandhaltung, Betrieb und Einkauf sowie fehlende Zuständigkeiten beim Einsatz von Systemen den Fortschritt. Eine Frage lautet daher, inwieweit Daten, Prozesse und Anlagen bereits die Voraussetzungen für ein intelligentes EAM sowie den erfolgreichen Einsatz von künstlicher Intelligenz erfüllen.
KI hat viele Facetten
Stimmt die Datengrundlage, kann KI heute mehr als Prozesse automatisieren oder Dateneingaben erleichtern. KI-Agenten agieren autonom und proaktiv als ‚digitale Kollegen‘. In Workflows integriert, übernehmen sie analytische Vorarbeit, unterstützen Mitarbeitende bei Entscheidungen und können bestimmte Aufgaben vollständig ausführen. KI-Agenten können etwa Arbeitsanforderungen automatisch auf sicherheitsrelevante Inhalte prüfen und daraus Vorfallberichte erstellen. Bei der Fehlerbehebung liefern sie auf Basis von Fehlerhistorie und Wissensdatenbanken strukturierte Vorschläge. So erhalten auch weniger erfahrene Techniker Zugriff auf Fachwissen, das bislang oft bei Spezialisten gebunden ist. Bei der Erfassung von Zählerständen kann bildbasierte Texterkennung zudem menschliche Fehler reduzieren.
Bei der KI-Einführung empfiehlt sich ein schrittweises Vorgehen: Unternehmen sollten zunächst einen einzelnen KI-Agenten in einen bestehenden Workflow integrieren und dessen Nutzen validieren. Bewährt sich der Ansatz, können weitere Bereiche und Use Cases folgen. Ein groß angelegter Roll-out ohne diese Erprobungsphase erhöht hingegen das Risiko von Fehlinvestitionen.
Fünfstufiges Reifegradmodell
Vor neuen Investitionen sollten Unternehmen jedoch zunächst bestimmen, wo sie stehen. Das hilft dabei, KI-Funktionalität gezielt dort zu implementieren, wo sie gebraucht wird. Ultimo unterstützt hier mit einem EAM-Reifegradmodell, das den Weg von reaktiver Instandhaltung zu einer strategisch integrierten Asset-Management-Struktur beschreibt. Dieses kann in die fünf folgenden Stufen eingeteilt werden:
Stufe 1: Unternehmen agieren reaktiv und es dominiert die korrektive Instandhaltung. Das heißt, die Anlagen laufen, bis sie ausfallen. Erst dann reagieren die verantwortlichen Maintenance-Teams. Auf dieser Stufe fehlt eine dedizierte Software und Entscheidungen basieren vor allem auf Erfahrung und Bauchgefühl. Auch eine systematische Dokumentation findet selten statt.
Stufe 2: Unternehmen planen ihre Instandhaltung und setzen eine EAM-Software ein, um zentralisiert Anlagendaten zu allokieren. In dieser Stufe kommen mobile Endgeräte zum Einsatz, um relevante Daten für die Instandhaltung zu sammeln. Die Mitarbeitenden dokumentieren Ausfälle und Reparaturen, während der Betrieb und der Arbeitsschutz zunehmend in die Prozesse eingebunden werden.
Stufe 3: Es gilt die proaktive Instandhaltung als fest implementiert und löst rein korrektive oder reaktive Strategien vollständig ab. Auf dieser Stufe beginnt auch der Einsatz von vorausschauenden oder prädiktiven Elementen wie die Sensorüberwachung und zustandsbasierter Instandhaltung. Zu diesem Zeitpunkt nutzen Industrieunternehmen Daten bereits umfangreicher und gezielter. Sie setzen sich konsequent KPIs und Benchmarks, die sie kontinuierlich analysieren und verfolgen. Auch die Zusammenarbeit zwischen Teams organisieren sie intelligenter, was die betriebliche Resilienz unterstützt und Ausfälle – sowohl personell als auch operativ – reduziert.
Stufen 4 und Stufe 5: Unternehmen haben ein strategisches Asset-Management erreicht, das auf Wertschöpfung über den gesamten Lebenszyklus einer Industrieanlage ausgelegt ist. Via Datenanalysen identifiziert KI-gestützte EAM-Software aufkommende Ausfallmuster und Risiken frühzeitig, während Integrationen mit ERP- und Asset-Performance-Management-Systemen die Instandhaltung, den Einkauf und die Finanzplanung verzahnen. Auf diese Weise sind Unternehmen in der Lage, langfristige strategische Anlagenpläne zu entwickeln. Gleichzeitig unterstützen Business-Analytics-Funktionen der KI dabei, Ressourcen so einzusetzen, dass sie finanzielle und operative Exzellenz erreichen. Auf diesen oberen Stufen werden auch Herausforderungen adressiert, die sich aus volatilen Lieferketten und ESG-Vorgaben ergeben: Risikobasiertes Ersatzteilmanagement schützt beispielsweise vor Lieferengpässen, während Lebenszyklustransparenz und Energie- bzw. CO2-Daten auf Anlagenebene regulatorische Anforderungen erfüllbar machen.
Nicht nur die Technologie zählt
Die jeweilige Stufe eines Unternehmens hängt allerdings nicht allein von der eingesetzten Technologie ab. Vier Bausteine greifen hier ineinander und bestimmen, wie weit das Unternehmen ist. Der Mensch muss die Instandhaltung als strategische Priorität und nicht als Störung begreifen. Hinzu kommen klar dokumentierte und über Standorte hinweg konsistente Prozesse sowie Systeme, die zum jeweiligen Reifegrad passen und administrativen Aufwand reduzieren. Daten müssen vollständig, sauber und über Abteilungsgrenzen hinweg vernetzt sein. Sind diese Grundlagen gegeben, können KI und intelligentes EAM ihr Potenzial entfalten.
Dabei ist auch die Reihenfolge wichtig. Denn wer sie umkehrt, riskiert, hochentwickelte Technologie auf einem brüchigen Fundament zu installieren und nur ‚Style over Substance‘ zu erreichen. Mit dem Reifegradmodell können Unternehmen einschätzen, wo sie stehen und welche Fähigkeiten als Nächstes gefragt sind, während gezielt eingesetzte KI-Agenten helfen, Fachwissen zu erhalten und Prozesse zu optimieren sowie zu automatisieren.
