10 KPIs der vorausschauenden Instandhaltung, die Asset Manager verfolgen sollten

KPIs der vorausschauenden Instandhaltung helfen Asset Managern und Anlagenverantwortlichen, Ausfälle zu vermeiden, Kosten zu senken und die Zuverlässigkeit von Ausrüstung zu verbessern. Diese Kennzahlen verbinden historische Daten mit zukunftsgerichteten Erkenntnissen. Dadurch werden bessere Entscheidungen darüber möglich, wann und wie Assets instand gehalten werden sollten. Mit Werkzeugen wie Oxand Simeo™ können Organisationen Instandhaltungspläne optimieren, Nutzungsdauern verlängern und ihre Asset-Management-Prozesse an Standards wie ISO 55001 ausrichten. Diese 10 KPIs sollten Sie überwachen:

• Mittlere Zeit zwischen Ausfällen (MTBF): Misst Zuverlässigkeit, indem erfasst wird, wie lange Ausrüstung im Durchschnitt vor einem Ausfall läuft.
• Mittlere Reparaturzeit (MTTR): Zeigt, wie schnell Assets repariert werden und wie stark Ausfallzeiten reduziert werden.
• Overall Equipment Effectiveness (OEE): Bewertet Effizienz über Verfügbarkeit, Performance und Qualität.
• Planned Maintenance Percentage (PMP): Zeigt das Verhältnis geplanter Instandhaltung zu Notfallinstandhaltung.
• Preventive Maintenance Compliance: Misst, wie oft geplante präventive Instandhaltung pünktlich abgeschlossen wird.
• Maintenance Schedule Compliance: Misst, ob geplante Instandhaltungsfenster eingehalten werden.
• Predicted Time to Failure (PTTF): Prognostiziert, wann ein Asset auf Basis aktueller Zustände ausfallen könnte.
• Work Order Backlog: Überwacht offene Instandhaltungsaufgaben und Ressourcenzuweisung.
• Maintenance Cost as Percentage of Replacement Asset Value (RAV): Vergleicht jährliche Instandhaltungskosten mit dem Wiederbeschaffungswert eines Assets.
• Asset Utilization Rate: Bewertet, wie wirksam Assets im Vergleich zu ihrem Potenzial genutzt werden.

Warum diese KPIs wichtig sind: Das Monitoring dieser Kennzahlen hilft, ungeplante Ausfallzeiten zu reduzieren, Instandhaltungskosten um bis zu 20 % zu senken und Asset-Zuverlässigkeit um mehr als 10 % zu verbessern. In Kombination mit prädiktiven Werkzeugen ermöglichen diese KPIs datenbasierte Entscheidungen, die Kosten, Risiko und langfristige Nachhaltigkeit ausbalancieren.

10 zentrale KPIs der vorausschauenden Instandhaltung für Asset Manager

1. Mittlere Zeit zwischen Ausfällen (MTBF)

Warum dieser KPI für vorausschauende Instandhaltung wichtig ist

Die mittlere Zeit zwischen Ausfällen (MTBF) misst, wie lange ein Ausrüstungsteil typischerweise läuft, bevor ein Ausfall eintritt. Der Wert ist zentral, um Zuverlässigkeit zu bewerten und vorauszuplanen. Branchenbenchmarks liegen häufig zwischen 500 und 2.000 Stunden, abhängig von der Art der Ausrüstung [9].

Mit MTBF verschiebt sich Instandhaltung von reaktiv zu proaktiv. Statt auf Ausfälle zu warten, können Teams historische Ausfalldaten nutzen, um künftige Probleme zu antizipieren [7][8]. Instandhaltung wird dadurch planbarer und strategischer.

Wirkung auf Asset-Lebenszykluskosten

MTBF hat direkten Einfluss auf Kosten. Ein HLK-System mit einer MTBF von rund 181 Tagen, also etwa 4.362 Stunden, sollte mindestens zweimal pro Jahr präventiv instand gehalten werden, damit kleine Probleme früh erkannt und teure Notfallreparaturen vermieden werden [7].

MTBF zeigt auch, ob das Team Ursachen behebt oder nur Symptome behandelt. Sinkende MTBF-Trends können darauf hinweisen, dass ein Asset am Ende seiner Nutzungsdauer steht und ein Austausch wirtschaftlicher ist als weitere Reparaturen [10].

Zusammenspiel mit prädiktiven Werkzeugen wie Oxand Simeo™

Plattformen wie Oxand Simeo™ erweitern MTBF. Simeo™ kombiniert MTBF-Daten mit einer Datenbasis von mehr als 30.000 Instandhaltungsregeln, um die künftige Performance von Komponenten zu prognostizieren. MTBF wird dadurch nicht nur rückblickend genutzt, sondern als zukunftsgerichtetes Werkzeug für Investitions- und Instandhaltungsentscheidungen.

Durch probabilistische Modellierung verarbeitet Simeo™ vorhandene Asset-Daten, um optimale Zeitpunkte für Instandhaltung und Budgetallokation zu bestimmen. Selbst bei unvollständigen Daten kann die Plattform simulieren, wie Assets altern und degradieren. MTBF wird so zu einem proaktiven Instrument für risikobasierte Planung.

Beitrag zu risikobasierten Planungsentscheidungen

MTBF ist eine solide Grundlage für risikobasierte, an ISO 55001 ausgerichtete Planungsentscheidungen. Wenn MTBF-Trends sinken, können Teams prüfen, ob die Ursache in Instandhaltungspraktiken, schwierigen Betriebsbedingungen oder Konstruktionsproblemen liegt [10].

“Intuition kann zwar eine Ahnung oder einen Impuls liefern, der Sie auf einen bestimmten Weg bringt; doch mit Daten verifizieren, verstehen und quantifizieren Sie.” – Harvard Business School [8]

MTBF unterstützt außerdem bessere Ressourcenallokation. Assets mit niedriger MTBF benötigen häufiger Instandhaltung und verursachen höhere Kosten. Assets mit höherer MTBF sind zuverlässiger und erlauben längere Instandhaltungsintervalle. So wird jeder Instandhaltungseuro gezielter eingesetzt.

2. Mittlere Reparaturzeit (MTTR)

Warum dieser KPI für vorausschauende Instandhaltung wichtig ist

Die mittlere Reparaturzeit (MTTR) misst, wie lange es im Durchschnitt dauert, ein ausgefallenes Asset zu reparieren [8][10]. Einfach gesagt: MTTR zeigt, wie schnell Ihr Team nach einem Ausfall wieder arbeitsfähig ist. Eine niedrigere MTTR bedeutet schnellere Reparaturen, weniger Ausfallzeit und geringere Produktionsverluste [8][14].

Im Kontext vorausschauender Instandhaltung ist MTTR mehr als eine historische Kennzahl. Sie wird zum Planungswerkzeug. Wer typische Reparaturzeiten kennt, kann Instandhaltung besser terminieren und mit Produktionsanforderungen abstimmen [7]. Benchmarks liegen oft zwischen 1 und 5 Stunden, abhängig von der Komplexität der Ausrüstung [9]. Zusammen mit MTBF zeigt MTTR, wie häufig Ausfälle auftreten und wie effizient sie behoben werden.

Wirkung auf Asset-Lebenszykluskosten

Ungeplante Ausfallzeit kann teuer sein - rund 25.000 US-Dollar pro Stunde [13]. Eine niedrigere MTTR wirkt deshalb direkt auf das Ergebnis, weil Verluste sinken und operative Effizienz steigt. Reaktive Instandhaltung verursacht 3,3-mal mehr Ausfallzeit und 16-mal mehr Fehler als proaktive Ansätze [9].

MTTR macht auch Ineffizienzen sichtbar: lange Ersatzteilbeschaffung, fehlende Schulung oder zu komplexe Reparaturprozesse [9][14]. Ahlstrom senkte nach Einführung einer mobilen CMMS-Plattform die monatlichen Reparaturstunden um 90 % [9].

“Seit der Einführung ist unsere mittlere Reparaturzeit von 580 auf 60 Stunden pro Monat gesunken.” – Engineering Manager, Ahlstrom [9]

Zusammenspiel mit prädiktiven Werkzeugen wie Oxand Simeo™

Moderne prädiktive Plattformen automatisieren MTTR-Tracking. Sie können den Reparaturtimer starten, sobald ein Problem erfasst wird, und dadurch präzisere Daten liefern [16][8].

Oxand Simeo™ verbindet MTTR-Daten mit mehr als 30.000 Instandhaltungsregeln, um Muster im Portfolio zu identifizieren. Die Plattform kann zeigen, ob hohe MTTR durch Asset-Komplexität, Kompetenzlücken oder Ersatzteilverfügbarkeit verursacht wird [11]. Wenn MTTR trotz präventiver Maßnahmen steigt, unterstützt Simeo™ auch die Bewertung, ob ein Austausch wirtschaftlicher ist als weitere Reparaturen [16][11].

Beitrag zu risikobasierten Planungsentscheidungen

MTTR-Daten unterstützen risikobasierte Planung, weil sie Assets mit langen Reparaturzeiten sichtbar machen [15][13]. In Kombination mit anderen Kennzahlen helfen sie, Ressourcen strategisch einzusetzen: in Technikerschulung, bessere Reparaturdokumentation oder den Ersatz bestimmter Assets.

“MTTR ist eine leistungsstarke Kennzahl für die Planung und Terminierung vorbeugender Instandhaltung, weil sie eine Schätzung der für Reparaturen erforderlichen Ausfallzeit liefert.” – Sarah Laubach, Content Specialist, FMX [16]

MTTR zusammen mit MTBF und OEE zu verfolgen, gibt ein vollständigeres Bild der Instandhaltungsperformance. Die KPIs zeigen, wie schnelle Reparaturen wiederkehrende Probleme verhindern und wo Budget am wirksamsten eingesetzt wird [3][17].

3. Overall Equipment Effectiveness (OEE)

Warum dieser KPI für vorausschauende Instandhaltung wichtig ist

OEE verbindet drei Faktoren: Verfügbarkeit, Performance und Qualität [6][15]. Verfügbarkeit zeigt, wie viel Betriebszeit Ausrüstung gegenüber geplanter Produktionszeit erreicht. Performance misst, ob Maschinen mit optimaler Geschwindigkeit laufen. Qualität zeigt, wie viele fehlerfreie Einheiten produziert werden. Zusammen entsteht ein Echtzeitbild der operativen Leistung.

Für vorausschauende Instandhaltung ist OEE ein Frühwarnsystem. Ein Rückgang kann anzeigen, dass etwas schiefläuft: weniger Verfügbarkeit, langsamere Abläufe oder mehr Fehler, lange bevor ein großer Ausfall entsteht. Ein OEE-Wert von 85 % oder mehr gilt häufig als Weltklasse. Viele Hersteller liegen jedoch bei 55 bis 60 % [13][15]. Diese Lücke zeigt, wo Instandhaltung ansetzen sollte.

Wirkung auf Asset-Lebenszykluskosten

Niedrige OEE wirkt sich direkt finanziell aus. Ungeplante Ausrüstungsausfälle kosten durchschnittlich 25.000 US-Dollar pro Stunde [13]. Notfallreparaturen sind 3- bis 10-mal teurer als geplante Instandhaltung, reaktive Verluste können 5- bis 20-mal höher sein [20].

“OEE ist der Goldstandard, mit dem Instandhaltungsmanager anhand von drei Faktoren bewerten, wie gut Ausrüstung funktioniert: Verfügbarkeit, Leistung und Qualität.” – Vector Solutions [20]

OEE hilft, Reparatur-oder-Ersetzen-Entscheidungen fundierter zu treffen. Wenn jährliche Instandhaltungskosten 10 % des Wiederbeschaffungswerts überschreiten, kann Ersatz wirtschaftlicher sein [13]. Rimex, ein Hersteller von Reifen und Felgen, senkte ungeplante Ausfallzeiten um 30 %, indem Asset-Performance über eine CMMS-Plattform überwacht wurde [10]. Unternehmen, die präventive Instandhaltung mit OEE-Daten abstimmen, berichten sogar von Renditen bis zu 545 % [20].

Zusammenspiel mit prädiktiven Werkzeugen wie Oxand Simeo™

Moderne Plattformen für vorausschauende Instandhaltung integrieren OEE mit Echtzeit-Sensordaten wie Temperatur, Vibration und Druck. Diese Kombination kann Ausfallzeit um bis zu 30 % senken, Effizienz um 20 % verbessern und Fehlerquoten um 15 % reduzieren [19].

Oxand Simeo™ nutzt OEE-Trends gemeinsam mit einer Datenbasis aus mehr als 30.000 Instandhaltungsregeln und über 10.000 proprietären Alterungsmodellen. Statt allein auf Sensoren zu setzen, simuliert Simeo™ über probabilistische Modellierung, wie Assets altern [11]. Fallen OEE-Werte unter definierte Schwellen, kann die Plattform eine Ursachenanalyse anstoßen, um zu klären, ob Instandhaltungspraxis, Ausrüstungszustand oder operative Faktoren verantwortlich sind [10].

Beitrag zu risikobasierten Planungsentscheidungen

OEE unterstützt an ISO 55001 ausgerichtete, risikobasierte Planung, indem sichtbar wird, wo Produktionsverluste entstehen [15]. Verfügbarkeit, Performance und Qualität zeigen, ob Ausfallzeit, reduzierte Geschwindigkeit oder Qualitätsprobleme das Hauptthema sind. Diese Erkenntnisse helfen, Instandhaltungsbudgets gezielter einzusetzen und Risiken zu senken.

4. Planned Maintenance Percentage (PMP)

Warum dieser KPI für vorausschauende Instandhaltung wichtig ist

Planned Maintenance Percentage (PMP) misst, wie viel Instandhaltungszeit für geplante Aufgaben statt für Notfallmaßnahmen verwendet wird. Die Formel lautet: geplante Instandhaltungsstunden geteilt durch gesamte Instandhaltungsstunden, multipliziert mit 100. Ein PMP von 85 % oder höher steht für einen proaktiven Ansatz. Ein Wert unter 50 % weist dagegen auf einen reaktiven Kreislauf hin, in dem Notfälle dominieren [17][21].

“Frühindikatoren führen zu Ergebnissen; Spätindikatoren sind die Ergebnisse. Wenn Sie Instandhaltung ohne präzise Früh- und Spätindikatoren steuern, sind Sie orientierungslos.” – Ricky Smith, Expert in Residence, UpKeep [21]

Wirkung auf Asset-Lebenszykluskosten

Notfallreparaturen sind teuer: Überstunden, Expressversand und provisorische Lösungen, die Ursachen nicht beheben, treiben Kosten [17]. Der Wechsel zu präventiver Instandhaltung kann Kosten um 12 bis 18 % senken [21]. Beispiele sind Aztec Construction mit 40 % weniger ungeplanter Instandhaltung, MidWest Materials mit 80 % weniger Überstunden und Sanctuary at False Cape mit mehr als 100.000 US-Dollar Einsparungen [11].

Zusammenspiel mit prädiktiven Werkzeugen wie Oxand Simeo™

Prädiktive Plattformen wie Oxand Simeo™ können PMP verbessern, indem sie potenzielle Ausfälle in geplante Aufgaben umwandeln. Simeo™ nutzt mehr als 30.000 Instandhaltungsregeln und 10.000 proprietäre Alterungsmodelle. Statt nur auf Sensoralarme zu reagieren, prognostiziert die Plattform probabilistisch, wann Assets Aufmerksamkeit benötigen [11]. Nutzungs- und Performancehistorie helfen, optimale Instandhaltungsfenster zu bestimmen [22].

In Verbindung mit automatisierter Planung und Echtzeitdashboards reduziert das manuelle Erfassungsfehler und sorgt für konsistentes PMP-Tracking über alle Assets hinweg [22].

Beitrag zu risikobasierten Planungsentscheidungen

Wie MTBF und OEE liefert PMP Frühwarnsignale für die Instandhaltungsstrategie. Ein Verhältnis von 80 bis 90 % geplanter Instandhaltung zu 10 bis 20 % ungeplanter Instandhaltung zeigt ein gut optimiertes System [16].

Für Organisationen, die ISO 55001 anstreben oder unterstützen wollen, ist PMP wichtig, weil es zeigt, ob Ressourcen sinnvoll eingesetzt oder in Notfälle umgeleitet werden. Zusammen mit MTBF und OEE stützt PMP Kapital- und Ersatzentscheidungen auf Daten statt Annahmen [22].

5. Preventive Maintenance Compliance

Warum dieser KPI für vorausschauende Instandhaltung wichtig ist

Preventive Maintenance Compliance misst, wie oft geplante präventive Instandhaltungsaufgaben pünktlich abgeschlossen werden. Anders gesagt: Sie zeigt, ob Instandhaltung dann stattfindet, wenn sie stattfinden sollte. Als Zielwert gelten 90 % oder mehr [21]. Werte darunter zeigen, dass notwendige Aufgaben ausgelassen werden und Assets dadurch riskanter werden [17].

Hohe Compliance wirkt als Frühwarnsystem. Sie hilft, ungeplante Ausfälle zu vermeiden, weil Aufgaben erledigt werden, bevor Probleme entstehen. Versäumte präventive Instandhaltung führt dagegen häufig zu Notfällen und unerwarteten Störungen [21].

Wirkung auf Asset-Lebenszykluskosten

Ungeplante Ausrüstungsausfälle können rund 25.000 US-Dollar pro Stunde kosten [13]. Präventive Instandhaltung kann Kosten um 12 bis 18 % senken, indem kleine Probleme früh behandelt werden [21][22].

“Verspätete Instandhaltungsaufgaben verfehlen den Zweck vorbeugender Instandhaltung, weil sie zulassen, dass sich Anlagenzustände über optimale Eingriffsfenster hinaus verschlechtern.” – Cryotos [22]

Ein gutes Gleichgewicht liegt bei 80 bis 90 % geplanter Arbeit und nur 10 bis 20 % ungeplanter Instandhaltung [7]. Diese Balance hält Gesamtkosten beherrschbar und verlängert Asset-Nutzungsdauern.

Zusammenspiel mit prädiktiven Werkzeugen wie Oxand Simeo™

Compliance-Tracking schafft die Grundlage für prädiktive Werkzeuge. Wenn Routinetätigkeiten wie Schmierung, Reinigung und Inspektion pünktlich erledigt werden, können Plattformen wie Oxand Simeo™ echte Anomalien besser erkennen, statt Effekte vernachlässigter Basisinstandhaltung zu markieren [8].

Oxand Simeo™ nutzt mehr als 30.000 Instandhaltungsregeln und 10.000 Alterungsmodelle, um handlungsfähige Empfehlungen zu erzeugen [22]. In Verbindung mit einem CMMS können Arbeitsaufträge automatisiert und Compliance-Dashboards in Echtzeit bereitgestellt werden.

Beitrag zu risikobasierten Planungsentscheidungen

Compliance-Daten helfen zu unterscheiden, ob Assets wegen schlechter Grundinstandhaltung ausfallen oder weil sie tatsächlich das Ende ihrer Nutzungsdauer erreichen [11][16]. Wenn ein Asset konstant 100 % Compliance zeigt und trotzdem häufig ausfällt, sollte Ersatz geprüft werden.

Organisationen, die datenbasierte KPIs wie Compliance nutzen, verbessern ihre Entscheidungen dreimal häufiger signifikant [8]. Zusammen mit MTBF und PMP unterstützt starke Compliance ISO-55001-orientierte Prozesse, weil sie zeigt, dass Ressourcen wirksam eingesetzt werden [22].

6. Maintenance Schedule Compliance

Warum dieser KPI für vorausschauende Instandhaltung wichtig ist

Maintenance Schedule Compliance misst den Anteil geplanter Instandhaltungsaufgaben, die innerhalb des vorgesehenen Zeitfensters abgeschlossen werden [22][21]. Die Formel lautet: pünktlich abgeschlossene Arbeitsaufträge ÷ alle geplanten Arbeitsaufträge × 100. Leistungsstarke Organisationen streben 90 % oder mehr an [21].

Diese Kennzahl ist ein führender Indikator für die Wahrscheinlichkeit ungeplanter Ausfälle und Ausfallzeiten [21]. Sie zeigt nicht nur Maschinenzustand, sondern auch Effizienz der Instandhaltungsworkflows [3]. Verzögerte Instandhaltung beschleunigt Verschleiß und erhöht Reparaturkosten [22].

Wirkung auf Asset-Lebenszykluskosten

Nicht eingehaltene Zeitpläne treiben Kosten. Aztec Construction senkte im Mai 2025 ungeplante Instandhaltungsaufgaben um 40 %, nachdem Planung und Tracking verbessert wurden [11]. Rite Aid erreichte mit fortgeschrittenen Instandhaltungswerkzeugen eine 90-prozentige pünktliche Erledigungsquote [11].

MidWest Materials, ein nach ISO 9001:2015 zertifiziertes Stahl-Service-Center, reduzierte Überstunden um 80 %, indem automatisierte präventive Instandhaltungsplanung eingeführt wurde [11]. Das zeigt, wie eng Termincompliance, Kosten und Asset-Performance verbunden sind.

Zusammenspiel mit prädiktiven Werkzeugen wie Oxand Simeo™

Dieser KPI passt gut zu prädiktiven Werkzeugen, weil potenzielle Ausfälle früh erkannt werden und weniger reaktive Arbeit die Planung stört [17][12]. Oxand Simeo™ nutzt historische und Echtzeitdaten, um Arbeitspläne realistischer und besser einhaltbar zu machen [17].

Die Plattform priorisiert Aufgaben anhand des tatsächlichen Asset-Zustands und Risikos statt nach starren Kalenderdaten. Mehr als 30.000 Instandhaltungsregeln und 10.000 Alterungsmodelle unterstützen diese Priorisierung [18][3]. Digitale Dashboards zeigen Abschlussquoten und Planungslücken sofort an [18][12].

“Ein Plan mit 1.000 Arbeitsstunden sollte 1.000 Stunden zur Erledigung benötigen. Eine große Abweichung (in beide Richtungen) kann darauf hindeuten, dass Sie ungenaue Arbeitspläne verwenden.” – Prometheus Group [17].

Beitrag zu risikobasierten Planungsentscheidungen

Termincompliance zeigt, welche Assets dringend Aufmerksamkeit brauchen und welche warten können. Wenn Compliance hoch ist, aber die Abweichung bei Arbeitsstunden groß bleibt, können ungenaue Arbeitspläne oder verdeckte Produktivitätsprobleme vorliegen [17]. Ein ausgewogenes Programm hält typischerweise 80 bis 90 % geplante Instandhaltung und 10 bis 20 % ungeplante Instandhaltung [16].

“Frühindikatoren führen zu Ergebnissen; Spätindikatoren sind die Ergebnisse. Wenn Sie Instandhaltung ohne präzise Früh- und Spätindikatoren steuern, sind Sie orientierungslos.” – Ricky Smith, UpKeep Expert in Residence [21].

Zusammen mit MTBF und PMP vervollständigt Termincompliance den Datenrahmen für risikobasierte Asset-Planung. Wichtig ist eine Kultur, in der Techniker offen melden, warum Aufgaben nicht pünktlich erledigt wurden - fehlende Teile, Schulungslücken oder andere Ursachen - statt nur ideale KPI-Werte zu erzwingen [21][23].

7. Predicted Time to Failure (PTTF)

Warum dieser KPI für vorausschauende Instandhaltung wichtig ist

PTTF prognostiziert, wann ein Asset wahrscheinlich ausfällt, indem aktueller Zustand, Nutzung und historische Daten analysiert werden. Anders als MTBF blickt PTTF nach vorn und macht potenzielle Risiken sichtbar [3]. Diese vorausschauende Sicht ermöglicht rechtzeitige Eingriffe, verlängert die Nutzungsdauer von Ausrüstung und reduziert teure Notfallreparaturen [3].

PTTF hilft, Instandhaltung genau zum richtigen Zeitpunkt zu planen. Das maximiert die Nutzungsdauer und verhindert Betriebsstörungen [12]. Organisationen, die Predictive-Maintenance-Strategien rund um PTTF aufbauen, erzielen häufig durchschnittliche Renditen von 8:1 [3].

Wirkung auf Asset-Lebenszykluskosten

PTTF beeinflusst Lebenszykluskosten direkt, weil Teams fundierter zwischen Reparatur und Austausch entscheiden können. Wer die verbleibende Nutzungsdauer kennt, kann künftige Reparaturkosten gegen Ersatzkosten abwägen [16].

Rimex reduzierte Ausfallzeiten um 30 %, indem prädiktive Werkzeuge genutzt wurden, um Ausfallfenster zu antizipieren [11]. Die Eigentümergemeinschaft Sanctuary at False Cape sparte nach Einführung prädiktiver Instandhaltungswerkzeuge mehr als 100.000 US-Dollar [11].

Zusammenspiel mit prädiktiven Werkzeugen wie Oxand Simeo™

Oxand Simeo™ verbessert PTTF-Prognosen über mehr als 10.000 Alterungsmodelle und 30.000 Instandhaltungsregeln, die über zwei Jahrzehnte entwickelt wurden. Statt vollständig von IoT-Sensoren abhängig zu sein, simuliert die Plattform probabilistisch, wie Komponenten über ihren Lebenszyklus altern und ausfallen [3]. So werden Ausfallfenster auch bei begrenzten Sensordaten sichtbar.

Automatisierte Dashboards zeigen PTTF-Kennzahlen neben anderen KPIs und unterstützen proaktive Entscheidungen [22][8]. Wenn PTTF auf einen nahenden Ausfall hinweist, kann das System Arbeitsaufträge erzeugen und Instandhaltungspläne nach Dringlichkeit priorisieren [22]. Das stärkt das gesamte Asset Management; datengetriebene Organisationen verbessern ihre Entscheidungsprozesse dreimal häufiger deutlich [8].

Beitrag zu risikobasierten Planungsentscheidungen

PTTF ist besonders wertvoll für risikobasierte Kapitalentscheidungen. In Kombination mit finanziellen Kennzahlen wie Replacement Asset Value (RAV) können Asset Manager CAPEX-Anträge mit Daten statt Bauchgefühl begründen [22][8]. Das ist gerade bei alternder Infrastruktur wichtig, wenn knappe Budgets sorgfältige Priorisierung erzwingen.

Für maximalen Nutzen sollte PTTF mit Prozesskennzahlen wie der mittleren Lösungszeit kombiniert werden. Wenn ein Asset immer wieder eine niedrige prognostizierte Zeit bis zum Ausfall zeigt, hilft eine Ursachenanalyse zu klären, ob das Team Symptome oder Ursachen behandelt [12][11]. In Verbindung mit anderen KPIs entsteht ein belastbares Rahmenwerk für risikobasierte Asset-Planung.

sbb-itb-5be7949

8. Work Order Backlog

Warum dieser KPI für vorausschauende Instandhaltung wichtig ist

Der Work Order Backlog erfasst die Menge geplanter Instandhaltungsarbeit, die noch nicht erledigt wurde, im Verhältnis zu verfügbaren Arbeitsstunden [11]. Dieser KPI ist zentral für vorausschauende Instandhaltung, weil prädiktive Hinweise ihren Wert verlieren, wenn das Team überlastet ist [16][3]. Ein wachsender Backlog ist ein Frühwarnsignal für potenzielle Asset-Ausfälle, längere Ausfallzeiten und Produktionsverzögerungen [11].

“Ein wachsender oder dauerhaft großer Rückstand kann darauf hindeuten, dass Ihre Instandhaltungsabläufe die Anforderungen Ihrer Organisation nicht ausreichend erfüllen.” – Limble CMMS [11]

Ein steigender Backlog zeigt Ineffizienzen und mögliche Unterbesetzung. Er kann auch Termincompliance stören [11]. Wer Alter und Wichtigkeit offener Arbeitsaufträge verfolgt, kann echte Notfälle von niedriger priorisierten Aufgaben trennen und prädiktive Warnungen fokussiert bearbeiten [17].

Wirkung auf Asset-Lebenszykluskosten

Ein hoher Backlog erhöht Kosten. Notfallreparaturen häufen sich, geplante Arbeit verzögert sich weiter, und Produktionsverzögerungen nehmen zu [11][21]. Unerledigte Aufgaben werden zu aufgeschobener Instandhaltung, die häufiger Ausfälle und höhere Reparaturkosten über den Lebenszyklus verursacht [11][21]. Kein Backlog kann dagegen auf Überbesetzung oder schlechte Auslastung hinweisen [21]. Ein typischer Zielwert liegt bei rund sechs Wochen Arbeit pro Techniker [21].

MidWest Materials, ein nach ISO 9001:2015 zertifiziertes Stahl-Service-Center, senkte Überstunden um 80 %, indem automatisierte präventive Planung den Backlog reduzierte [11]. Aztec Construction reduzierte ungeplante Instandhaltung um 40 %, indem PMP verbessert und digitale Werkzeuge für Arbeitsauftragsmanagement genutzt wurden [11].

Zusammenspiel mit prädiktiven Werkzeugen wie Oxand Simeo™

Oxand Simeo™ nutzt Backlog-Daten, um Instandhaltungsaufgaben zu priorisieren und zu organisieren. Metriken wie Scheduled Maintenance Critical Percent (SMCP) helfen, besonders kritische überfällige Aufgaben zu identifizieren [18]. Automatisierte Dashboards trennen Notfallhinweise von Routine-Backlog und zeigen Performance-Lücken [18][17].

Organisationen mit datenbasierten Strategien verbessern ihre Entscheidungsfindung dreimal häufiger [8]. Wenn das durchschnittliche Alter offener kritischer Arbeitsaufträge steigt, weist das auf tiefere operative Probleme hin [17]. Anhaltendes Backlog-Wachstum sollte eine Ursachenanalyse auslösen: Personalengpässe, Schulungslücken oder alternde Assets [11].

Beitrag zu risikobasierten Planungsentscheidungen

Backlog-Daten zeigen, ob Instandhaltungsabläufe einen proaktiven Ansatz überhaupt tragen können. Ein gut funktionierendes Programm strebt 80 bis 90 % geplante Instandhaltung und 10 bis 20 % ungeplante Instandhaltung an [16]. Wenn der Backlog sechs Wochen pro Techniker überschreitet, sollten Ressourcenallokation und Priorisierung überprüft werden [21].

Ein Gatekeeping-System kann Notfallarbeitsaufträge validieren und verhindern, dass nicht kritische Aufgaben den Backlog unnötig aufblähen [17]. In Kombination mit prädiktiven KPIs entsteht eine ausgewogene, risikobewusste Instandhaltungsstrategie.

9. Maintenance Cost as Percentage of Replacement Asset Value (RAV)

Warum dieser KPI für vorausschauende Instandhaltung wichtig ist

Diese Kennzahl vergleicht jährliche Instandhaltungsausgaben mit dem Wiederbeschaffungswert eines Assets und schafft dadurch einen klaren finanziellen Benchmark [22]. Die Formel lautet: (jährliche Instandhaltungskosten ÷ RAV) × 100 [22]. Top-Systeme liegen idealerweise bei rund 1 % [21]. Steigt der Wert deutlich, besonders über 10 %, deutet das auf ein alterndes Asset oder ineffiziente Instandhaltung hin [22][24].

Wirkung auf Asset-Lebenszykluskosten

Ein hoher RAV-Prozentsatz deutet häufig auf zu viel reaktive Instandhaltung hin, die mit 3,3-mal mehr Ausfallzeit und 16-mal mehr Fehlern verbunden ist als proaktive Strategien [9]. Notfallreparaturen belasten Budgets zusätzlich.

“Immer wenn Sie planen, mehr Zeit und Geld in eine sich verschlechternde Anlage zu investieren, sollten Sie stattdessen die Kosten eines Ersatzes prüfen.” – Sarah Laubach, Content Specialist, FMX [16]

Praxisbeispiele zeigen den Wert. Sanctuary at False Cape reduzierte mit fortgeschrittenen präventiven Instandhaltungswerkzeugen Kosten um mehr als 100.000 US-Dollar und verbesserte den RAV-Prozentsatz [11]. Ahlstrom senkte MTTR um 90 %, von 580 auf 60 Stunden pro Monat, und reduzierte dadurch arbeitsbezogene Instandhaltungskosten deutlich [9].

Zusammenspiel mit prädiktiven Werkzeugen wie Oxand Simeo™

Oxand Simeo™ analysiert RAV-Prozentsätze tiefer, indem Kosten und historische Daten über Portfolios hinweg verfolgt werden. Mehr als 30.000 Instandhaltungsregeln und 10.000 proprietäre Alterungsmodelle helfen, künftigen Instandhaltungsbedarf nach Alter, Nutzung und Ausfallhistorie zu prognostizieren [22]. Dadurch lassen sich Kostentrends früh erkennen, bevor Notfallersatz nötig wird.

Die Plattform kann außerdem Assets markieren, die sich der kritischen 10-%-RAV-Schwelle nähern. Diese Daten sind wertvoll, wenn Kapitalersatzinvestitionen gegenüber der Führung begründet werden [22][24].

Beitrag zu risikobasierten Planungsentscheidungen

Ein steigender RAV-Prozentsatz belastet nicht nur Budgets, sondern erhöht auch die Wahrscheinlichkeit schwerer Asset-Ausfälle [17][18]. Wirksame Programme streben 80 bis 90 % geplante Arbeit und nur 10 bis 20 % ungeplante Reparaturen an [16].

Für Reparatur-oder-Ersetzen-Entscheidungen können Sie die Kosten eines neuen Assets durch seine erwartete Nutzungsdauer teilen und die prognostizierten jährlichen Instandhaltungskosten addieren [16]. Wenn ein altes Gerät jährlich 200 US-Dollar Instandhaltung kostet, ein Ersatz für 1.000 US-Dollar aber über 15 Jahre nur 100 US-Dollar jährliche Instandhaltung verursacht, also rund 166,67 US-Dollar pro Jahr inklusive Anschaffung, ist Ersatz wirtschaftlicher [16].

10. Asset Utilization Rate

Warum dieser KPI für vorausschauende Instandhaltung wichtig ist

Die Asset Utilization Rate zeigt, wie wirksam Ausrüstung im Vergleich zu ihrem maximalen Potenzial arbeitet. Die Formel ist: tatsächlicher Output ÷ potenzieller Output × 100 [11]. Die Kennzahl zeigt schnell, ob kritische Assets wegen Ineffizienzen oder näher rückendem Lebensende unterperformen [11]. Hohe Auslastung bedeutet, dass Ausrüstung nahe an ihrer Kapazität arbeitet [11]. Vorausschauende Instandhaltung hilft, mögliche Ausfälle früh zu erkennen und Ausfallzeiten niedrig zu halten [22].

Wirkung auf Asset-Lebenszykluskosten

Niedrige Auslastung senkt ROI und zeigt, dass Assets nicht den erwarteten Beitrag leisten. Ungeplante Ausfälle sind besonders teuer, mit durchschnittlichen Ausfallkosten von 25.000 US-Dollar pro Stunde [13]. Top-Betriebe streben OEE-Werte von 85 % oder mehr an, viele Anlagen erreichen aber nur 60 bis 65 % [22]. MidWest Materials reduzierte im Mai 2025 Überstunden um 80 % durch automatisierte präventive Instandhaltung und verbesserte damit Zuverlässigkeit und Auslastung [11].

Zusammenspiel mit prädiktiven Werkzeugen wie Oxand Simeo™

Prädiktive Plattformen wie Oxand Simeo™ bringen Auslastungstracking auf Portfolioebene, indem sie Engpässe und Unterperformance in Echtzeit sichtbar machen [22]. Die Systeme automatisieren Datenerfassung und sorgen für konsistente Berechnungen über alle Assets [22]. Mit Daten aus mehr als 30.000 Instandhaltungsregeln und 10.000 proprietären Alterungsmodellen prognostiziert Oxand Simeo™ Ausfälle und plant Instandhaltung zu strategisch sinnvollen Zeitpunkten [22].

Wenn Auslastungsraten unter Ziel fallen, kann die Plattform eine Ursachenanalyse anstoßen: Liegt es an Ineffizienz, Bedienfehlern oder Verschleiß? [10][13]. Außerdem verfolgt sie sinkende Auslastung und steigende Instandhaltungskosten und markiert Assets, die sich dem Ende ihrer wirtschaftlichen Nutzungsdauer nähern [10].

Beitrag zu risikobasierten Planungsentscheidungen

Die Asset Utilization Rate ist wertvoll, wenn entschieden wird, ob Ausrüstung repariert oder ersetzt werden sollte. Sinkt die Auslastung stetig, während Instandhaltungskosten steigen, können weitere Reparaturen unwirtschaftlich werden [7][13]. Eine Faustregel lautet: Wenn jährliche Instandhaltungskosten mehr als 10 % des Wiederbeschaffungswerts betragen, kann Ersatz finanziell sinnvoller sein [13].

Auslastungsdaten sollten gemeinsam mit RAV, MTBF und OEE betrachtet werden, um ein vollständiges Bild der Zuverlässigkeit zu erhalten [8]. Fokussieren Sie auf mission-kritische Assets, deren Ausfall die größte Wirkung hätte [21]. So werden risikobasierte Entscheidungen möglich, die Portfolio-Performance verbessern.

“Was man nicht messen kann, kann man nicht steuern” [13].

Was sind Key Performance Indicators für PdM-Ziele?

KPIs gemeinsam nutzen, um besser zu planen

Wenn einzelne KPI-Erkenntnisse kombiniert werden, entsteht ein vollständigeres Bild der Asset-Performance. Einzelne Kennzahlen liefern Momentaufnahmen. Ihre Integration zeigt den Gesamtzustand der Assets. Historische Kennzahlen wie MTBF und MTTR sollten mit Prozesskennzahlen wie der mittleren Lösungszeit kombiniert werden. So bewerten Sie sowohl den Zustand der Assets als auch die Effizienz der Instandhaltungsprozesse und maximieren den ROI.

“Die Kombination von Instandhaltungs-KPIs, die den Maschinenzustand abbilden, mit KPIs, die die Gesundheit Ihres Instandhaltungsprozesses überwachen, ist Ihr Weg zum schnellsten und höchsten ROI.” – AssetWatch [3]

Digitale Dashboards verstärken diese Perspektive. Werkzeuge wie Oxand Simeo™ konsolidieren verstreute Daten über das Portfolio in einer einheitlichen Sicht. Dadurch lassen sich Performance-Lücken schneller erkennen und Investitionen klarer priorisieren. Die Plattform nutzt eine umfassende Instandhaltungsdatenbank, um Asset-Degradation unter verschiedenen Szenarien zu simulieren. Diese Simulationen vergleichen, ob die Nutzungsdauer eines Assets durch Instandhaltung verlängert oder ob Ersatz wirtschaftlicher ist. Gleichzeitig fließen Risiko, Energieeffizienz und CO₂-Reduktionsziele ein. So werden Asset-Performance und Investitionswert geschützt.

Integrierte Softwarelösungen führen häufig zu deutlichen Einsparungen: Instandhaltungsbudgets sinken um 10 bis 20 %, bei einigen Kunden sogar um bis zu 30 % der Total Cost of Ownership [1][2][5]. Viele Organisationen sehen innerhalb von 6 bis 12 Wochen messbare Ergebnisse [1][2]. Dashboards machen komplexe Daten außerdem für nicht technische Stakeholder verständlicher. Das stärkt Budgetbegründungen und strategische Entscheidungen [4]. Integrierte KPI-Analyse ist ein wichtiger Baustein für risikobasierte Asset-Investitionsplanung.

Fazit

KPIs der vorausschauenden Instandhaltung können verändern, wie Assets gesteuert werden. Statt auf Probleme zu reagieren, wechseln Organisationen zu einem strategischen, datenbasierten Ansatz. Das senkt Kosten, verlängert die Nutzungsdauer von Ausrüstung und verbessert die Gesamtperformance. Unternehmen mit prädiktiven Asset-Management-Werkzeugen können ihre Total Cost of Ownership spürbar senken [1][2].

Der eigentliche Wert liegt darin, wie die KPIs zusammenwirken. MTBF in Kombination mit PTTF oder OEE zusammen mit Instandhaltungskosten als Prozentsatz des RAV liefert ein klareres Bild. Diese Erkenntnisse helfen, bessere Investitionsentscheidungen zu treffen, CAPEX und OPEX zu priorisieren und Nachhaltigkeitsziele wie die Reduktion von CO₂-Emissionen einzubeziehen [1].

Durch die Integration von Datenanalyse, Alterungsmodellen und Risikoprognosen sorgt prädiktives Asset Management dafür, dass Instandhaltung zum richtigen Zeitpunkt geplant wird und unnötige Eingriffe vermieden werden.

“Prädiktives Anlagenmanagement nutzt Datenanalyse, Alterungsmodelle und Risikoprognosen, um zu bestimmen, wann Eingriffe geplant werden sollten. Es ermöglicht bessere Investitionsentscheidungen, verlängert die Lebensdauer von Anlagen, senkt Lebenszykluskosten und schafft zuverlässigere, ROI-orientierte Investitionspläne.” – Oxand [1]

Werkzeuge wie Oxand Simeo™ führen diese KPIs in intuitiven Dashboards zusammen. Sie übersetzen komplexe Datensätze in handlungsfähige Investitionsstrategien und nutzen historische Daten, um zu simulieren, wie Assets unter unterschiedlichen Bedingungen degradieren können [5].

Beginnen Sie mit diesen 10 KPIs für Ihre wichtigsten Assets. Die Daten unterstützen Investitionsentscheidungen, reduzieren unerwartete Ausfallzeit und fördern langfristige Asset-Gesundheit. Mit den richtigen Werkzeugen und Kennzahlen entstehen Assets, die heute effizient arbeiten und langfristig nachhaltiger betrieben werden können.

FAQs

Wie helfen KPIs der vorausschauenden Instandhaltung, Asset-Zuverlässigkeit zu verbessern?

KPIs der vorausschauenden Instandhaltung geben frühe Hinweise auf potenzielle Probleme. Dadurch können Teams eingreifen, bevor aus kleinen Themen große Störungen entstehen. Gezielte Maßnahmen reduzieren ungeplante Ausfallzeiten und verbessern die Stabilität des Betriebs.

Wenn Asset Manager diese KPIs verfolgen, können sie Performance steigern, Verfügbarkeit sichern und die Nutzungsdauer wichtiger Ausrüstung verlängern. Der vorausschauende Ansatz reduziert Unterbrechungen, verbessert Planung und macht Ressourceneinsatz effizienter.

Wie unterstützt Oxand Simeo™ vorausschauende Instandhaltung?

Oxand Simeo™ hilft Asset Managern, Instandhaltungsbedarf zu antizipieren, indem Ausfälle von Ausrüstung oder Infrastruktur prognostiziert werden. Die Plattform nutzt jahrzehntelange Lebenszyklusdaten und fortgeschrittene Simulationen, um Reparaturen und Ersatzmaßnahmen proaktiv zu planen. Das verhindert unerwartete Ausfälle und verlängert Asset-Nutzungsdauern.

Simeo™ kann Tausende Regeln und Performance-Kennzahlen verarbeiten, um Instandhaltungspläne an spezifischen Zielen auszurichten, etwa Kosten, Risiko oder Nachhaltigkeit. Die Ergebnisse können 10 bis 20 % geringere Instandhaltungskosten, bis zu 70 % weniger Ausfälle und 20 bis 40 % längere Asset-Nutzungsdauern umfassen. Zusätzlich unterstützt die Plattform Energieeffizienz und Nachhaltigkeitsinitiativen.

Warum ist es wichtig, Instandhaltungskosten als Prozentsatz des Replacement Asset Value zu verfolgen?

Instandhaltungskosten als Prozentsatz des Replacement Asset Value (RAV) zeigen, ob Ausgaben für ein Asset wirtschaftlich sinnvoll bleiben. Wenn Instandhaltungskosten dem Wiederbeschaffungswert nahekommen oder ihn übersteigen, sollte geprüft werden, ob Reparatur oder Ersatz langfristig sinnvoller ist.

Die Kennzahl unterstützt Budgetierung und Ressourcenplanung. Asset Manager vermeiden, zu viel Geld in veraltete oder schwache Ausrüstung zu investieren. So schützen sie den Return on Investment und sichern eine praktikable Instandhaltungsstrategie.

Verwandte Blogbeiträge

• Prädiktive vs. reaktive Instandhaltung: Leitfaden zur Kostenanalyse
• Vorausschauende Instandhaltung für Asset Management in Infrastruktur und Immobilien ist entscheidend
• ROI vorausschauender Instandhaltung
• Den echten ROI vorausschauender Instandhaltung berechnen und in den Investitionsplan überführen