Predictive-Maintenance-Systeme ähneln sich in der Demo und unterscheiden sich im Feld; sieben Kriterien legen den Unterschied offen: wie das System wirklich misst, ob es Transienten erfasst, ob es neben der Schwingung Strom und Energie sieht, wie tief die KI-Diagnose geht, was aus einem Befund wird, wie die Plattform an Ihre übrigen Systeme anschließt und ob der Anbieter Ihr Team stärker macht. Dieser Leitfaden gibt Ihnen die sieben Fragen und die Gründe dahinter, damit Sie jeden Anbieter daran messen können.
Eines vorweg, offen gesagt: Wir bauen eines dieser Systeme. Hier wird kein Wettbewerber genannt, und jedes Kriterium ist als Frage formuliert, die Sie jedem stellen können, auch uns. Wo wir erklären, wie unsere eigene Plattform antwortet, sagen wir es ausdrücklich.
1. Messarchitektur: Momentaufnahmen oder die Momente, auf die es ankommt
Die meisten Funk-Schwingungssensoren laufen auf Batterie, und die Batterie bestimmt das Verhalten: Um Jahre durchzuhalten, wacht der Sensor in Intervallen auf, misst kurz und schläft wieder ein. Alles zwischen zwei Momentaufnahmen bleibt unsichtbar. Ein Fehler, der dazwischen entsteht, wartet auf das nächste Aufwachen; eine Maschine, die nachts alarmiert, hinterlässt eine Stunden alte Messung; und irgendjemand verwaltet den Batteriewechselkalender über das ganze Werk.
Die Alternative ist ein netzgespeister Funksensor. Unser Wired Pro bezieht seine Energie aus einem einfachen Stromkabel, überträgt per WLAN und analysiert, weil er keine Batterie schonen muss, kontinuierlich in Echtzeit. Statt blind alles zu senden, wählt er die Momente aus, die es wert sind, und überträgt deren volles Spektrum und Zeitsignal: Seine intelligente Messstrategie triggert auf eine Änderung des RMS-Werts statt auf ein festes Intervall.
| Batteriebetriebener Funksensor | Netzgespeister Funksensor | |
|---|---|---|
| Energie | Batterie, nach Kalender getauscht | Ein einfaches Stromkabel |
| Messrhythmus | Periodische Momentaufnahmen | Kontinuierlich, Echtzeit |
| Transienten (Anlauf, Lastwechsel) | Nur mit Glück | Erfasst, mit Spektrum und Zeitsignal |
| Laufender Aufwand | Batteriekalender im ganzen Werk | Keiner über das Kabel hinaus |
| Richtiger Einsatzort | Schwer zugängliche, weniger kritische Anlagen | Kritische Maschinen, die ständige Aufmerksamkeit verdienen |
Das ehrliche Fazit ist nicht, dass eine Architektur überall gewinnt: Die Kritikalität entscheidet, und ein Portfolio sollte beides bieten. Unseres tut das; dieselbe Plattform betreibt unsere batteriebetriebenen Infinity-Sensoren, wo die Zugänglichkeit regiert, und Wired Pro, wo sich Kontinuität auszahlt.
Fragen Sie jeden Anbieter: Was sieht Ihr System zwischen zwei Messungen, und was passiert, wenn der Fehler während eines Anlaufs entsteht?
2. Eine Disziplin genügt nicht: Schwingung, Strom und Energie zusammen
Schwingung ist das stärkste einzelne Fenster auf rotierende Maschinen, und doch nur ein Fenster. Elektrische Fehler zeigen sich am deutlichsten in der Stromsignatur des Motors; genau deshalb ist die Motorstrom-Signaturanalyse (MCSA) eine eigene Disziplin. Eine Plattform, die nur Schwingung misst, liest die halbe Maschine.
Unser Duck misst den Strom in Echtzeit an derselben Maschine, an der die Schwingungssensoren sitzen, und die Plattform liest beide Signale zusammen: Der Strom wird zum zweiten Fenster auf den Motor; er bestätigt, was die Schwingung vermutet, und fängt, was die Schwingung nicht sehen kann. Dieser Kreuzcheck macht aus einer Anomalie eine Ursache, die Sie verteidigen können.
Dieselbe Strommessung trägt ein zweites Geschenk: Energie. Die Plattform verfolgt den Verbrauch jeder Maschine und verknüpft Fehler mit ihren Kosten. Eine Maschine mit Unwucht verschleißt nicht nur ihre Lager; sie verbrennt in jeder Betriebsstunde zusätzliche Energie. Wenn die Instandhaltung der Produktion sagen kann, was der Fehler pro Betriebsstunde an Energie kostet, ändert die Verhandlung über einen Stillstand ihren Charakter: Der Stillstandswunsch ist keine Störung mehr, sondern ein Business Case.
Fragen Sie jeden Anbieter: Können Sie mir denselben Fehler in zwei unabhängigen Signalen zeigen, und was kostet er mich an Energie, während ich warte?
3. KI-Tiefe: Ein Alarm ist keine Diagnose
Jedes System am Markt erzeugt Alarme. Die Frage, die sie trennt, ist, wer nach dem Alarm den Fall bearbeitet.
Unsere Antwort hat zwei Ebenen. Der Reliability Agent arbeitet einen Fall wie ein erfahrener Ingenieur: Er prüft die Struktur, bevor er die Mechanik beschuldigt, vergleicht mit dem Zustand vor einem Monat und kommt mit den Belegen und einer Maßnahme zur Freigabe zurück. Und AHA, die automatische Zustandsbewertung, ist die Ein-Knopf-Version: Sie führt die Ursachenanalyse mit dem Kontext der Maschine aus, einschließlich tausender Seiten Anlagendokumentation, Fotos und der gewachsenen Wissensbasis, und liefert ihre Bewertung in Minuten. Ihre Berichte sagen, was sich geändert hat, statt Bekanntes zu wiederholen.
Die Tiefe zeigt sich im Ergebnis. Ein Score, dem man vertrauen muss, bleibt flach, was auch immer das Marketing sagt; ein benannter Fehler mit dem Spektrum als Beleg, typischerweise zwei bis vier Monate vor dem Ausfall, ist etwas, das Ihr Team prüfen, hinterfragen und umsetzen kann. Die Entscheidung bleibt beim Menschen: Der Agent schlägt vor, ein Mensch gibt frei.
Fragen Sie jeden Anbieter: Zeigen Sie mir einen echten Bericht. Benennt er den Fehler und zeigt die Belege, oder zeigt er eine Zahl und verlangt Glauben?
4. Nach dem Befund: Arbeitsaufträge, Teile, Historie
Eine Diagnose, die im Dashboard stirbt, ändert im Werk nichts. Der Test einer Plattform ist, was danach passiert, ohne sie zu verlassen.
In unserer Plattform ist der Weg eingebaut. Ein Alarm kann über den Workflow-Builder selbst einen Arbeitsauftrag öffnen, mit Maschine, Auslösewert und Schwelle bereits ausgefüllt. Der Reliability Agent schlägt Arbeitsaufträge vor, ein Mensch gibt sie frei. Wartungspläne definieren, wann Arbeit fällig ist, und erzeugen beim Ausführen den Auftrag. Hinter den Arbeitsaufträgen stehen ein Anlagenregister, ein Teilekatalog mit 23 Kategorien und 14 Arten von Lagerbewegungen, sodass die Reparatur, das verbrauchte Teil und die Historie der Maschine ein einziger Datensatz bleiben.
Fragen Sie jeden Anbieter: Wenn Ihre KI einen Fehler findet, wie viele Systeme und wie viele Menschen braucht es, bis jemand im Feld einen Arbeitsauftrag in der Hand hält?
5. Integration: Ihre Daten dürfen keine Geisel sein
Wie gut die Plattform auch ist, sie ist eines von vielen Systemen im Werk. Entscheidend ist, ob sie sich auch so verhält: ausgehende Webhooks für zehn Ereignisarten, eine pro Bereich berechtigte API und MCP, damit Ihre eigenen KI-Assistenten Trends, Spektren und Bestände direkt lesen und nach menschlicher Freigabe einen Arbeitsauftrag anlegen können. Befunde fließen in Ihr ERP; jede Integration protokolliert, wann sie zuletzt erfolgreich war, wann sie zuletzt scheiterte und was der Fehler sagte.
Fragen Sie jeden Anbieter: Erfährt mein ERP von einem Arbeitsauftrag, ohne dass ihn jemand abtippt, und kann mein eigener KI-Assistent die Daten abfragen?
6. Der Anbieter soll Ihr Team stärker machen, nicht abhängiger
Ein Überwachungsprogramm lebt oder stirbt damit, ob das Instandhaltungsteam den Befunden vertraut und sie versteht. Das ist eine Ausbildungsfrage, und die Haltung eines Anbieters dazu verrät, wie die Beziehung altern wird.
Wir haben das Material offen hingelegt: Lehrbücher und Übungsprüfungen zu Schwingung, Thermografie, Ölanalyse, Ultraschall, Ausrichtung und Auswuchten, dazu 24 Rechner, die keine Anmeldung verlangen und die verwendete Formel ausweisen. Nichts davon liegt hinter einem Kauf, denn ein Team, das die Physik versteht, hinterfragt die Diagnose, und die Diagnose, die das Hinterfragen übersteht, ist die, nach der gehandelt wird.
Fragen Sie jeden Anbieter: Was wird mein Team nach einem Jahr mit Ihnen wissen, das es vorher nicht wusste?
7. Beweise: Verlangen Sie Fallstudien mit Zahlen
Marketingaussagen sind gratis; Fallstudien mit Zahlen nicht. Verlangen Sie echte Maschinen, echte Fehler, echte Ergebnisse. Aus unseren eigenen Fallstudien: Der Lagerschaden einer Presse wurde drei Monate gemeldet, bevor daraus ein Ausfall geworden wäre, und das geöffnete Lager zeigte den Abrieb genau dort, wohin die Analyse gezeigt hatte; die Unwucht und der sich entwickelnde Lagerschaden einer Zuckermühle wurden beide bei der geplanten Instandhaltung im Metall bestätigt; die gelösten Befestigungen eines Kolbenkompressors wurden aus dem Spektrum gefangen, bevor der Kompressor je stillstand.
Und dann halten Sie jeden Anbieter an denselben Maßstab, uns eingeschlossen.
Die sieben Fragen auf einen Blick
- Was sieht das System zwischen zwei Messungen, und erfasst es Transienten?
- Liest es Strom und Energie neben der Schwingung, auf derselben Plattform?
- Benennt die KI den Fehler mit Belegen, oder erzeugt sie einen Score zum Glauben?
- Wird ein Befund zum Arbeitsauftrag, ohne die Plattform zu verlassen?
- Erreichen ERP und Ihre eigenen KI-Assistenten die Daten über Webhooks, API und MCP?
- Bildet der Anbieter Ihr Team aus, oder hält er es abhängig?
- Gibt es Fallstudien mit echten Maschinen und echten Zahlen?
Ein System, das alle sieben gut beantwortet, ist selten. Genau deshalb lohnt es sich, die Fragen zu stellen.
Häufig gestellte Fragen
Sind batteriebetriebene oder netzgespeiste Funk-Schwingungssensoren besser?
Keiner ist überall besser; die Kritikalität der Anlage entscheidet. Ein batteriebetriebener Funksensor ist die richtige Wahl für schwer zugängliche oder weniger kritische Maschinen und misst in periodischen Momentaufnahmen, um seine Batterie zu schonen. Ein netzgespeister Funksensor bezieht seine Energie aus einem einfachen Stromkabel, überträgt per WLAN, analysiert kontinuierlich und erfasst transiente Ereignisse wie Anläufe und Lastwechsel, die Momentaufnahmen verpassen. An kritischen Maschinen sieht die kontinuierliche Messung, was Momentaufnahmen nicht sehen können.
Kann Schwingungsanalyse allein jeden Maschinenfehler finden?
Nein. Schwingung ist die stärkste Einzeldisziplin für rotierende Maschinen, aber elektrische Fehler wie Rotorstabschäden oder Versorgungsprobleme zeigen sich am deutlichsten in der Stromsignatur des Motors. Ein System, das neben der Schwingung den Strom in Echtzeit misst, liest dieselbe Maschine durch zwei unabhängige Fenster: Es bestätigt Diagnosen und fängt Fehlerarten, die eine Disziplin allein übersehen würde.
Was bedeutet eine integrierte Predictive-Maintenance-Plattform konkret?
Einen einzigen Fluss von der Messung bis zur Maßnahme: Sensoren erfassen die Daten, die KI diagnostiziert den Fehler, der Befund wird im eingebauten Instandhaltungsmodul zum Arbeitsauftrag, und das Ergebnis verlässt die Plattform über Webhooks oder eine API in Ihr ERP. Sind das vier getrennte Produkte, ist jede Nahtstelle Handarbeit und ein Ort, an dem Information verloren geht.
Worin unterscheidet sich KI-Ursachenanalyse von Alarmschwellen?
Ein Schwellenalarm sagt, dass ein Wert eine Linie überschritten hat; er sagt nicht warum. Die KI-Ursachenanalyse arbeitet den Fall: Sie liest Spektrum und Zeitsignal, vergleicht mit der eigenen Historie der Maschine, zieht die Anlagendokumentation heran und liefert einen benannten Fehler mit den Belegen dahinter und einer Maßnahme zur Freigabe. In der Praxis ist es der Unterschied zwischen 'Schwingung ist hoch' und 'Außenringschaden am antriebsseitigen Lager, Tausch einplanen'.
Brauchen wir einen zertifizierten Schwingungsanalysten, bevor wir anfangen?
Nein. Eine moderne Plattform trägt die Analyselast: Schweregrade, Fehlerbewertungen und Ursachenvorschläge entstehen automatisch; Ihr Team bringt Maschinenwissen mit und beurteilt die vorgeschlagene Maßnahme. Wo Kundenverträge oder Audits zertifiziertes Personal verlangen, gilt diese Anforderung unabhängig davon; die Grundlagen zu lernen hilft immer, ist aber keine Eintrittskarte mehr.
