17
Nov
2017
shutterstock_134417726

Predictive Maintenance – Maschinendaten sinnvoll nutzen!

Die deutsche Industrie steht vor einem tiefgreifenden Transformationsprozess. Digitalisierung, Industrie 4.0, Internet of Things (IoT) sind Schlagwörter, die diesen Veränderungsprozess beschreiben. Gerade das Internet of Things, also das Internet der Dinge, beschreibt dabei eine Vernetzung nahezu aller Objekte und den damit verbundenen  Zugang zu einer enormen Datenmenge in Echtzeit (Big Data). Die Aufbereitung und sog. Veredelung dieser Big Data eröffnet vielfältige neue Wertschöpfungsmöglichkeiten. Eine typischerweise diskutierte IoT-Anwendung ist das Predictive Maintenance. Das Predictive Maintenance – zu Deutsch: vorausschauende Wartung – ist bereits heute ein immer häufiger anzutreffende Digitalisierungsanwendung im Anlagen- und Maschinenbau und gilt als eine der Schlüsselinnovationen des Industrial Internet of Things (IIoT).

Was ist Predictive Maintenance

Der (deutsche) Anlagen- und Maschinenbau ist eine Branche, die durch zwei wesentliche Pfeiler geprägt ist: (1) Hohe Investitionskosten in Anlagen- und Maschinentechnik, die vor Schäden geschützt werden muss, und (2) Geschäftsmodelle, deren Wirtschaftlichkeit von einer hohen Verfügbarkeit dieser Anlagen ausgehen.

Wesentlich für den Erfolg des Anlagen- und Maschinenbaus ist daher, dass etwaige Fehler bei den Anlagen und ein Wartungsbedarf möglichst genau vorhergesagt werden. Bislang waren Fehlerbehebungen oft nur nachträglich beim “plötzlichen” Ausfall der Bauteile festzustellen, was häufig erhebliche Mehrkosten nach sich zog. Wesentliche Neuerung der Predictive Maintenance ist nun, dass ein Wartungsbedarf des Bauteils oder der Anlage bereits im Vorfeld eines Ausfalls erkannt und ein etwaiger (ungeplanter) Ausfall dadurch verhindert werden kann. Dies führt zu einer flexiblen und bedarfsgerechten Wartung.

Die Möglichkeit, sogenannte “Cyber-Physische Systeme”-Chips (CPS-Chips) in nahezu alle erdenklichen Bauteile einer Industrieanlage einbauen zu können, hat der Predictive Maintenance zum Durchbruch verholfen. CPS-Chips sind Sensoren die, die sie umgebenden Umweltinformationen wahrnehmen, verarbeiten und kommunizieren können. Diese CPS-Chips erheben und übermitteln also die Betriebsdaten des Bauteils in Echtzeit. Durch deren gezielte Auswertung und Aufbereitung kann Predictive Maintenance dazu beitragen, Maschinen und einzelne Komponenten punktgenau auf deren Wartungs- und Reparaturbedarf hin zu überprüfen und so etwaigen Schäden vorzubeugen, indem notwendige und zukünftige Wartungsarbeiten frühzeitig identifiziert werden können.

Die gewonnenen Rohdaten können dabei einen erheblichen Umfang annehmen. Denn damit die Predictive Maintenance einen wirklichen Mehrwert leisten kann, ist nicht nur der Blick auf eine Anlage bzw. das mit CPS-Chips ausgestattete Bauteil notwendig. Vielmehr müssen die Betriebsdaten der einzelnen Anlage mit den Betriebsdaten möglichst vieler weiterer gleicher Anlagen (Flottenzusammenhang) verglichen und analysiert werden. Denn erst durch die breite Datenbasis können einzelne Ausreißer identifiziert und ein typisches Abnutzungsbild der Bauteile bestimmt werden. So kann Predictive Maintenance zu einer nachhaltigen Qualitätssteigerung durch höhere Anlagenverfügbarkeit und -lebensdauer, aber auch zur Reduktion des Reparaturaufwands und einer Stabilisierung interner Prozesse führen. Das Predictive Maintenance bietet darüber hinaus die Möglichkeit, Qualitätsschwankungen in den Bauteilen zu erkennen und beispielsweise sogennante “Monday Cars” zu identifizieren und individuell zu warten oder auszutauschen. So verbessert Predictive Maintenance die Effizienz einer Anlage.

Predictive Maintenance eröffnet damit neue Geschäftsmodelle. So kann der Anlagen- und Maschinenbauer sein Produktportfolio um diese IoT-Services erweitern und kann sich damit vom klassischen Produktionsunternehmen zum IoT-Serviceanbieter wandeln. Gleichzeitig können aber Aufbereitung und Auswertung der Daten durch Dritte erbracht werden. Aber auch der Nutzer der IoT-Services kann neue Geschäftsmodelle erschließen, indem er beispielsweise auf pay-per-use Konzepte zurückgreift oder die (Anlagen-)Infrastruktur-as-a-Service anbietet.

Rechtliche Aspekte der Predictive Maintenance

Neben den technischen Herausforderungen ergeben sich im Rahmen der Predictive Maintenance neue rechtliche Fragestellungen – einige ausgewählte sollen hier präsentiert werden.

Vertragsrecht

Die Einordnung eines Service- oder (Fern-)Wartungsvertrages als Dienst- oder Werkvertrag ergibt sich je nach Einzelfall und je entsprechend des Geschäftsmodells. Die vertragstypologische Einordnung hat jedoch wesentlichen Einfluss auf das allgemeine Pflichtenheft der Parteien, beispielsweise in Bezug auf die Gewährleistung, die geschuldete Verfügbarkeit der Services oder die Haftung. Daher ist es bereits vor dem eigentlichen Roll-Out der IoT-Services und dem eigentlichen Contracting wichtig, dass der IoT-Serviceanbieter sein Geschäftsmodell definiert und die Parteien darauf aufbauend einen möglichst klaren Vertragsinhalt definieren.

Vor diesem Hintergrund sollten sowohl die Verfügbarkeit des Predictive Maintenance als auch dessen Auswirkungen auf die Verfügbarkeit der Anlage geregelt werden. Der IoT-Nutzer dürfte regelmäßig eine Verfügbarkeit der IoT-Services in Höhe von 100% verlangen. Aufgrund technischer Limitierungen gibt es häufig individualvertragliche Regelungen, die von einem solchen Zielwert abweichen. Diesen Vertragsklauseln ist jedoch – vor dem Hintergrund des strengen deutschen AGB-Recht, welches selbst im B2B-Kontext gilt – ein hohes Unwirksamkeitsrisiko immanent. In der Praxis stellen sich außerdem häufig Fragen zur (zuverlässigen) Messung der Verfügbarkeit.

Regelungsbedürftig ist auch die Frage, welche Partei die Entscheidungshoheit über die Wartungs- oder Reparaturmaßnahme sowie den Austausch der Bauteile hat. Dabei können zwischen den Parteien vielfältige Interessenskonflikte auftreten. Entscheidend dürfte dabei immer die Frage sein, ob der IoT-Serviceanbieter die Wartung zum “richtigen” Zeitpunkt vorgenommen hat. Ein möglicher Lösungsansatz kann die vertragliche Definition eines “Austauschkorridors” sein. Dazu werden spezifische Datenparameter definiert, in deren Rahmen ein Austausch stattfinden darf, aber auch zu erfolgen hat. Innerhalb dieses Entscheidungsrahmens kann der IoT-Serviceanbieter das Wartungsintervall nach eigenem Ermessen konkretisieren.

Cyber-Security

Die zunehmende Digitalisierung birgt neben den produktionstechnischen Vorteilen, die im Rahmen der Smart Factory für Industrieanlagenerlangt werden, auch neue Angriffsflächen für Attacken aus der Sphäre des Internets.

Daher sind auch fortschreitende Ansprüche an die interne IT-Sicherheitsinfrastruktur zu stellen, um missbräuchliche Verwendung oder Manipulation der Daten oder Bauteile zu vermeiden. Die Gefährdungsszenarien sind dabei vielfältig. Um Angriffen auf die eigene IT-Infrastruktur und IT-Produkte bereits im Vorfeld entgegenzusteuern, sind daher state of the art Security Systeme und klare vertragliche Haftungsregelungen zu implementieren.

Fazit für die Praxis

Die erfolgreiche Einführung von Predictive Maintenance Lösungen und entsprechender Geschäftsmodelle ist ein Baustein des Internet of Things und der Digitalisierung der deutschen Wirtschaft. Mit dem richtigen Know-How lassen sich dabei – trotz anfänglicher Kosten – große Wertschöpfungspotentiale erschließen. Denn in der gesteigerten Effizienz der Industrieanlage verbergen sich Einsparungsmöglichkeiten. Zudem kann das Predictive Maintenance zu einer optimierten Risikobewertung führen und im Ergebnis zur Reduktion des Ausfallrisikos der Industrieanlage oder beispielsweise einer Energieerzeugungsanlage beitragen. Anstatt zu reagieren, wenn ein Bauteil ausfällt, agieren Techniker schon, bevor sich ein Mangel bemerkbar macht und damit teure Ausfallzeiten verursacht. Aufgrund der schnellen technischen und rechtlichen Entwicklung werden sich Standards allerdings erst nach und nach etablieren können. Innovative Unternehmen haben daher noch die Chance, diese Standards selbst zu definieren.