Überblick
Unternehmen aus den Bereichen Fertigung, Öl und Gas, Energie, Versorgungswirtschaft, Bergbau und Chemie sehen sich einem zunehmenden Druck ausgesetzt, die Verfügbarkeit ihrer Anlagen zu steigern und gleichzeitig die Kosten niedrig zu halten. Ungeplante Ausfallzeiten stehen im Mittelpunkt dieses Drucks und sind mittlerweile zum größten einzelnen versteckten Kostenfaktor im industriellen Betrieb geworden.
Siemens bezifferte das Ausmaß des Problems in seinem Bericht „True Cost of Downtime 2024“ auf etwa $1,4 Billionen pro Jahr bei den 500 größten Unternehmen weltweit. Besonders auffällig ist dabei der Trend: Die Kosten sind seit 2019 um 62 Prozent gestiegen, obwohl die Zahl der Vorfälle zurückgegangen ist. Betriebsunterbrechungen treten seltener auf, doch jede einzelne ist kostspieliger, da die Anlagen schlanker betrieben werden und die mit jedem Vorfall verbundenen versteckten Kosten gestiegen sind.
Dieser Bericht knüpft dort an, wo die Makrozahlen aufhören. Er zeigt auf, wo sich die Verluste tatsächlich ansammeln, und – was noch aussagekräftiger ist – in welchem Umfang sie wieder hereingeholt werden können. Die kurze Antwort aus der Analyse von Verdantis lautet: Der Großteil der Verluste entsteht nicht durch den mechanischen Ausfall selbst, sondern durch die Reaktion darauf, die Suche nach dem richtigen Ersatzteil und den Daten zu dessen Verwendung – und ein großer Teil davon lässt sich ohne Personalaufstockung wieder hereinholen.
Die wichtigsten Ergebnisse auf einen Blick
Zweck des Berichts
MRO- und Anlagendaten sind häufig über ERP-Systeme, CMMS-Systeme und Tabellenkalkulationen verstreut, wodurch Ausfallzeiten eher zu einer Quelle wiederkehrender Verluste als zu einem kontrollierten Risiko werden. Dieser Bericht quantifiziert die Auswirkungen vernetzter Teile- und Anlagendaten auf Ausfallkosten, Wiederherstellung und Betriebskapital und liefert Führungskräften im operativen Bereich evidenzbasierte Vergleichswerte, auf deren Grundlage sie Maßnahmen ergreifen können.
Die Hauptziele des Berichts bestehen darin, fundierte Richtwerte für die Kosten ungeplanter Ausfallzeiten auf der Grundlage veröffentlichter Forschungsergebnisse zu ermitteln, aufzuzeigen, in welchem Bereich der Gesamtzahl die wiedergewinnbaren Mittel liegen, die Hebel zu bewerten, die pro Aufwandseinheit die größte Reduzierung der Ausfallzeiten bewirken, sowie Entscheidungen zu EAM, vorausschauender Instandhaltung und MRO-Bestandsstrategie mit datengestützten Schätzungen zu untermauern.
Methodik und Umfang
Die Zahlen in diesem Bericht stammen nicht aus einer durchgeführten Befragung von Befragten. Es handelt sich um modellierte Schätzungen, die durch die Kombination veröffentlichter Forschungsergebnisse mit der Szenariomodellierung von Verdantis erstellt wurden; sie werden durchgehend als „Verdantis-Analyse“ oder „Verdantis-Schätzung“ bezeichnet, sodass keine Zweifel hinsichtlich ihrer Grundlage aufkommen können. Der Ansatz kombiniert vier Methoden.
Benchmark-Verankerung. Die Makrokosten stammen direkt aus der Siemens-Studie „True Cost of Downtime 2024“. Unabhängige Vergleichswerte für die stündlichen Ausfallkosten stammen von Aberdeen. Die Zahlen zu Wartungszeiten, MRO-Beständen und vorausschauender Instandhaltung entstammen veröffentlichten Branchenstudien (u. a. von Deloitte und McKinsey), während die Anteile der Ausfallmuster aus der Literatur zur Zuverlässigkeit (Nowlan und Heap) stammen.
Szenariobasierte Modellierung. Die branchenbezogenen Ausfallkostensätze werden auf eine repräsentative, anlagenschwere Anlage angewendet, um den jährlichen Verlust und den durch die einzelnen Einflussfaktoren wiedergewinnbaren Anteil zu schätzen, wobei statt einzelner Werte Eingabebereiche herangezogen werden.
Datentriangulation. Die Modellausgaben werden mit den oben genannten veröffentlichten Referenzwerten abgeglichen, um sicherzustellen, dass sie innerhalb vertretbarer Grenzen bleiben.
Vorwärtsvalidierung. Es wurde ein strukturiertes Erhebungsinstrument entwickelt, um diese Schätzungen mit den von den Betreibern gemeldeten Daten abzugleichen; die Ergebnisse werden in diesen Bericht aufgenommen, sobald sie vorliegen.
Geltungsbereich: Modellierte Branchen und Ausfallkostenquoten
Das Modell verwendet repräsentative Stundensätze für Ausfallkosten in sechs anlagenschweren Branchen. Hierbei handelt es sich um Eingabewerte und nicht um Umfrageergebnisse; sie können an einen bestimmten Betriebsablauf angepasst werden.
| Industrie | Modellierte Ausfallkosten pro Stunde |
|---|---|
| Stückfertigung | $260,000 |
| Öl und Gas | $250,000 |
| Chemikalien | $190,000 |
| Bergbau und Metalle | $187,500 |
| Energie und Versorgungsunternehmen | $160,000 |
| Essen und Trinken | $120,000 |
Die Zusammensetzung der $1,4 Billionen
Ausfallzeiten werden in der Regel jeweils auf eine Ursache beschränkt angegangen. Verdantis ordnet sie fünf miteinander verbundenen Bereichen zu, und da diese Bereiche miteinander verknüpft sind, führt eine Lücke bei den Komponenten dazu, dass aus einem begrenzten Ausfall ein langwieriger und kostspieliger Vorfall wird. Keine einzelne Funktion trägt die Hauptverantwortung.
Der Bereich Ersatzteile macht zwar nur ein Achtel aller Ausfälle aus, ist jedoch der wichtigste Faktor dafür, wie lange eine Anlage nach einem Ausfall außer Betrieb bleibt. Dies ist das wiederkehrende Thema dieses Berichts und der Grund dafür, Verwaltung kritischer Ersatzteile erhält mehr Aufmerksamkeit, als man allein aufgrund der Häufigkeit der Vorfälle erwarten würde.
Wichtigste Forschungsergebnisse
1. Die Kosten ungeplanter Ausfallzeiten
2. Die meisten Ausfälle treten zufällig auf
Aus diesem Grund ist die zustandsorientierte Arbeit wichtiger als der Kalender. Das vollständige Bild finden Sie in unserem begleitenden Datensatz unter Statistiken zur vorausschauenden Instandhaltung.
3. Ersatzteile und Daten bestimmen die Reparaturdauer
4. Was ist erstattungsfähig?
5. Die Belastungen durch Lagerhaltung und Beschaffung
Auswirkungen auf den Konzernabschluss
Die nachstehende Tabelle fasst die erwartete jährliche Wertsteigerung für eine einzelne repräsentative, anlagekapitalintensive Anlage nach Hebel aufgeschlüsselt zusammen. Bei den Zahlen handelt es sich um Schätzungen des Verdantis-Szenarios, die als Spannen angegeben und an die in der Methodik festgelegten Referenzwerte angepasst sind. Sie dienen lediglich als Anhaltspunkt und sind nicht streng additiv.
| Hebel | Was es wiederherstellt | Niedrig | Hoch |
|---|---|---|---|
| Prädiktive Wartung | Zufällige Ausfälle werden früher erkannt | $14M | $20M |
| Verfügbarkeit von Ersatzteilen und Daten | Kürzere Reparaturzeiten, weniger Lieferengpässe | $4M | $7M |
| Produktivität der Belegschaft | Mehr Arbeitszeit, weniger Suchaufwand | $2M | $3M |
| Lagerhaltung und Beschaffung | Geringere Lagerhaltungskosten, weniger Notfallkäufe | $2M | $4M |
| Voraussichtliche Gesamtrückflüsse pro Einrichtung | $22M | $34M |
Verdantis-Analyse: Pro Standort erwartete Wertebereiche. Die Ergebnisse der Implementierung variieren je nach betrieblicher Reife und müssen anhand der Betreiberdaten validiert werden.
Der KI-Wandel in der Instandhaltung
Die Erholung, von der in diesem Bericht die Rede ist, lässt sich nicht durch die Einstellung zusätzlicher Mitarbeiter erfassen. Sie zeigt sich vielmehr darin, dass KI den Schritt aus den Backoffice-Pilotprojekten hinaus in die Fertigung, in das Lager und in die Arbeitsauftragswarteschlange vollzieht. Der Markt für KI im Bereich der vorausschauenden Instandhaltung gehört mittlerweile zu den am schnellsten wachsenden Segmenten der Industriesoftware. Analysten prognostizieren ein durchschnittliches jährliches Wachstum von Mitte der Zehner bis zu fast 40 Prozent – ein Zeichen dafür, dass anlagenintensive Betreiber in großem Maßstab von einem reaktiven zu einem proaktiven Ansatz übergehen.
Im MRO-Bereich liegt der Mehrwert in den Agenten, nicht in einem Chatbot. KI-Agenten bewerten kontinuierlich die Kritikalität von Teilen und Anlagen, prognostizieren den Ersatzteilbedarf, legen dynamische Nachbestellpunkte fest und kennzeichnen Arbeitsaufträge, bei denen das Risiko eines fehlenden Teils besteht, noch bevor diese freigegeben werden. Jeder Agent übergibt dem nächsten ein präziseres Signal, sodass sich ein Planer auf die wenigen Positionen konzentrieren kann, die ein echtes Risiko bergen, anstatt Tausende zu sichten, wobei jede Änderung von einem Menschen genehmigt wird.
Die vorausschauende, zustandsorientierte Instandhaltung ist der Weg der Zukunft, da sie der einzige Ansatz ist, der die rund 83 Prozent der Ausfälle berücksichtigt, die eher zufällig als altersbedingt auftreten. Der Nutzen ist bereits belegt: bis zu 70 Prozent weniger Ausfälle und etwa 25 Prozent geringere Instandhaltungskosten (Deloitte, McKinsey). Das ist die Logik hinter einem Ein KI-basierter Ansatz für das Unternehmensanlagenmanagement: Verbinden Sie zunächst die Signale der Teile, Ressourcen und Arbeitsaufträge miteinander; lassen Sie dann die Agenten die routinemäßigen Entscheidungen mit einer Handlungsempfehlung anzeigen, damit Fachkräfte Zeit für die Entscheidungen haben, die eine eigene Beurteilung erfordern.
Herausforderungen und Chancen
Zersplitterte Teile- und Anlagendaten. Ein und dasselbe physische Bauteil ist unter mehreren Bezeichnungen und Artikelnummern erfasst, die Lagerplätze sind falsch angegeben und die Anlagenhandbücher sind veraltet. Dies ist die Ursache für die „Schnitzeljagd“ und für doppelte Beschaffungen.
Manuelle, reaktive Arbeitsabläufe. Wo Arbeitsaufträge nach wie vor in Tabellenkalkulationen und auf Papier abgewickelt werden, werden Aufträge freigegeben, ohne dass das Bauteil und der Plan überprüft werden, was eine kurze Reparatur zu einem langen Betriebsausfall macht.
Statische Lagerhaltungs- und Nachbestellrichtlinien. Nachbestellpunkte und Sicherheitsbestände werden häufig einmalig bei der Systemkonfiguration festgelegt und anschließend nie mehr überprüft, was sowohl zu Lieferengpässen bei kritischen Teilen als auch zu Überbeständen bei den übrigen Teilen führt. Die Richtlinie spiegelt den tatsächlichen Verbrauch, die Lieferzeiten oder die Kritikalität nicht mehr wider.
Belastung durch die Belegschaft. Erfahrene Techniker verbringen den Großteil ihrer Schicht nicht damit, Schraubenschlüssel zu bedienen. Diese Zeit wieder freizusetzen, ist eine der größten Kapazitätsquellen, die direkt vor unseren Augen verborgen liegt.
Strategische Vorteile eines vernetzten EAM-Systems
| Bereich | Wesentliche Auswirkungen | Basis |
|---|---|---|
| Prädiktive Wartung | Erkennt zufällige Ausfälle, bevor diese den Produktionsablauf zum Stillstand bringen | Bis zu 70% weniger Ausfälle (Deloitte) |
| Teile- und Anlagendaten | Kürzere Reparaturzeiten und weniger Lieferengpässe | Zu den Komponenten gehört der #1-Treiber für die Reparaturzeit (Verdantis) |
| Optimierung des Inventars | Weniger Kapital ist in Überschüssen und unverkäuflichen Beständen gebunden | 15-25% aus dem MRO-Bestand ist überschüssig (Industrie) |
| Strategische Beschaffung | Weniger Notfallkäufe zu überhöhten Preisen | 30-60%: Eingesparte Notfallprämie (Branche) |
| Produktivität der Belegschaft | Mehr Zeit zum Ausprobieren, weniger Zeit zum Suchen | +20–30 Punkte für die Zeit für Schraubarbeiten bei der Arbeitsplanung (Industrie) |
Konkrete Zielbereiche für die Ergebnisse der MRO360-Implementierung – darunter die Freisetzung von Betriebskapital, die Reduzierung von Notfallausgaben und die Verkürzung von Ausfallzeiten – sind auf Anfrage als voraussichtliche Zielbereiche erhältlich, vorbehaltlich der produkttechnischen und rechtlichen Freigabe.
Ein praktikabler Ansatz
Um diese Lücke zu schließen, ist ein schrittweiser Ansatz erforderlich, der die Bewertung der Kritikalität, Bestandsdisziplin und prädiktive Technologien miteinander verbindet. Verdantis empfiehlt die folgende Vorgehensweise.
Prüfen Sie die Bestände an Ersatzteilen, Anlagen und Arbeitsaufträgen und ermitteln Sie, in welchem Umfang Ausfallzeiten und Betriebskapital durch Bestandslücken, Lagerüberhänge und die Suche nach Ersatzteilen gebunden sind.
Set Kritikalität von Bauteilen und Anlagen So fließen Lagerbestände, Sicherheitspuffer und die Aufmerksamkeit der Planer dorthin, wo ein Ausfall tatsächlich schmerzt.
Link ordnet Ersatzteile den entsprechenden Geräten und Arbeitsaufträgen zu, sodass das richtige Teil und dessen Standort bereits bekannt sind, bevor der Techniker es benötigt.
Passen Sie Ihren Lagerbestand an mit MRO-Bestandsverwaltung sowie eine Nachfrageprognose, um sowohl Bestandslücken als auch Überbestände zu vermeiden und die Nachbestellpunkte dynamisch anzupassen.
Bereitstellen KI-basiertes EAM um zufällige Fehler frühzeitig zu erkennen, solange noch Zeit bleibt, das Bauteil und den Plan vorzubereiten.
Verfolgen Sie hier die Ausfallzeiten, die Bestandsabdeckungsquote und die Wiederherstellung im Vergleich zu den Schätzungen und gehen Sie dabei von den besonders wichtigen Anlagen ausgehend vor.
Häufig gestellte Fragen
Häufig gestellte Fragen zu den Kosten ungeplanter Ausfallzeiten, zu den Ursachen dafür und dazu, in welchem Umfang anlagenintensive Betriebe diese Kosten realistisch gesehen wieder hereinholen können.
Was kosten ungeplante Ausfallzeiten eigentlich?
Siemens beziffert diesen Wert auf etwa **$1,4 Billionen pro Jahr** bei den 500 größten Unternehmen weltweit, was rund 11 Prozent des Umsatzes entspricht. Ein unabhängiger Benchmark von Aberdeen kommt im verarbeitenden Gewerbe auf etwa $260.000 pro Stunde, und Modellrechnungen von Verdantis schätzen den jährlichen Verlust in einem einzelnen anlagekräftigen Betrieb auf rund $56 Millionen.
Warum werden Ausfallzeiten immer teurer, obwohl die Zahl der Vorfälle zurückgeht?
Die Anlagen werden schlanker betrieben als noch im Jahr 2019, sodass jeder Stillstand einen größeren Produktionsausfall zur Folge hat und die damit verbundenen versteckten Kosten gestiegen sind. Siemens verzeichnet seit 2019 einen Anstieg der Ausfallkosten um 62 Prozent, obwohl die Zahl der Vorfälle zurückgegangen ist. Die Kosten verlagern sich nun auf die Maßnahmen zur Behebung: die Suche nach dem richtigen Ersatzteil, die erforderlichen Daten für dessen Einsatz sowie die Wartezeit der Produktionslinie.
Was ist der wichtigste Faktor dafür, wie lange ein Vermögenswert außer Betrieb bleibt?
Nichtverfügbarkeit von Ersatzteilen. Sobald ein Ausfall auftritt, steht die Anlage so lange still, bis alle erforderlichen Teile gefunden sind – nicht nur, bis die Reparatur abgeschlossen ist. Fragmentierte und doppelt geführte Ersatzteil- und Anlagenstammdaten schicken Techniker auf eine regelrechte Schnitzeljagd; daher lassen sich Ausfallzeiten durch vernetzte Daten zuverlässiger verkürzen als durch den Einsatz zusätzlicher Arbeitskräfte.
Wie viel Ausfallzeit lässt sich realistisch wieder aufholen?
Nach den Modellrechnungen von Verdantis beläuft sich die insgesamt erwartete Einsparung unter Berücksichtigung aller Hebel auf **$22 Millionen bis $34 Millionen pro Standort und Jahr**, wobei allein auf die vorausschauende Instandhaltung etwa $17 Millionen entfallen. Die Effizienzsteigerung beginnt mit der Verknüpfung der bereits im Unternehmen vorhandenen Daten zu Bauteilen, Anlagen und Arbeitsaufträgen – und nicht damit, zunächst neue Sensoren anzuschaffen.
In welchen Bereichen ist KI im MRO-Bereich tatsächlich von Nutzen?
Es handelt sich hierbei eher um einen agentenbasierten Ansatz als um einen Chatbot. KI-Agenten bewerten die Kritikalität von Bauteilen und Bestandsartikeln, prognostizieren den Ersatzteilbedarf, legen dynamische Nachbestellpunkte fest und kennzeichnen Arbeitsaufträge, bei denen das Risiko eines fehlenden Bauteils besteht, bereits vor deren Freigabe, wobei jede Änderung von einem Mitarbeiter genehmigt werden muss. Dadurch kann sich ein Planer auf die wenigen Artikel konzentrieren, die ein echtes Risiko darstellen, anstatt Tausende von Artikeln prüfen zu müssen.
Reicht die vorausschauende Instandhaltung allein aus?
Dies ist der wichtigste Einzelhebel, der rund 30 Prozent der vermeidbaren Ausfallzeiten abdeckt, da etwa 83 Prozent der Ausfälle zufällig und nicht altersbedingt sind. Da Vorhersagemodelle jedoch nur so gut sind wie die Daten, auf denen sie basieren, muss die Verknüpfung und Bereinigung der Teile- und Anlagendaten an erster Stelle stehen.
