- Predictive-Maintenance-Unternehmen lassen sich in drei Gruppen einteilen, die unterschiedlich bepreist und gekauft werden: Full-Stack-Plattformen für Maschinenzustandsüberwachung, Enterprise-Asset-Management-Suiten und Ingenieurbüros, die ein System auf Basis der bereits vorhandenen Daten aufbauen.
- Die richtige Wahl hängt weniger von der Modellgenauigkeit ab als davon, wo Ihre Daten derzeit liegen. Wenn Sensor-, Historian- und Wartungsdaten bereits fließen, kaufen Sie Analytik. Wenn nicht, kaufen Sie zuerst Data Engineering.
- Veröffentlichte Anbieterergebnisse liegen im Bereich einer Reduzierung ungeplanter Ausfallzeiten um 30–65 %. Betrachten Sie diese als richtungsweisend: Jedes ist an den Betrieb gebunden, an dem es gemessen wurde.
- Der Fehlermodus, gegen den man sich absichern sollte, ist nicht eine übersehene Störung, sondern ein Alarm, dem niemand vertraut. Fragen Sie jeden Anbieter, wie Fehlalarme gemessen werden und wer sie nach der Inbetriebnahme anpasst.
Was Predictive-Maintenance-Unternehmen tatsächlich tun
Fragen Sie zehn Anbieter für vorausschauende Wartung, was sie verkaufen, und Sie erhalten drei wirklich unterschiedliche Antworten – deshalb sind Auswahllisten in dieser Kategorie so schwer zu vergleichen.
Die erste Gruppe verkauft einen geschlossenen Kreislauf: ihre Sensoren, ihre Cloud, ihre Diagnostik, ihre Warnmeldungen. Sie befestigen Hardware an einer Pumpe, und Gesundheitswerte erscheinen in einem Portal. Die zweite Gruppe verkauft eine Suite für das Enterprise Asset Management, in der Vorhersage nur ein Modul neben Arbeitsaufträgen, Inventar und Compliance ist. Die dritte verkauft Engineering – ein Team, das Ihren bestehenden Historian, SCADA und Ihre Wartungsaufzeichnungen verbindet, Modelle für Ihre Fehlermodi erstellt und Ihnen ein System übergibt, das Ihnen gehört.
Keiner davon ist im Abstrakten besser. Sie scheitern an unterschiedlichen Stellen. Eine sensorgestützte Plattform kämpft, wenn die wichtigen Anlagen bereits instrumentiert sind und das Problem darin besteht, dass niemand den Daten vertraut. Eine Suite kämpft, wenn man die Suite nicht bereits nutzt. Ein maßgeschneiderter Aufbau kämpft, wenn man etwas will, das schon nächsten Monat läuft, und kein Datenteam hat, dem man es übergeben könnte.
Die nützliche Frage lautet also nicht „Welches ist das beste Unternehmen für vorausschauende Wartung?“, sondern „Welches dieser drei Probleme habe ich tatsächlich?“
Wie wir diese Unternehmen ausgewählt haben
Neun Unternehmen, nach drei Kriterien.
Vorausschauende Wartung ist ein benannter Geschäftsbereich, kein Feature. Sehr viel Wartungssoftware erstellt einen Arbeitsauftrag, wenn ein Messwert einen Schwellenwert überschreitet, und das wird als Vorhersage vermarktet. Das ist nicht dasselbe wie ein Produkt, das entwickelt wurde, um eine Verschlechterung zu erkennen, bevor ein Schwellenwert überschritten wird. Jedes Unternehmen hier verkauft diese Fähigkeit unter seinem eigenen Namen.
Sie bedienen anlagenintensive Branchen. Öl und Gas, Fertigung, Chemie, Bergbau, Energie — Betriebe, in denen ein ungeplanter Stillstand mehr kostet als die Reparatur selbst und in denen die Ausrüstung schwer, rotierend und teuer zu öffnen ist. Anbieter, die auf Fahrzeugflotten, Gebäudedienstleistungen oder IT-Bestände ausgerichtet sind, lösen ein grundlegend anderes Problem und werden hier nicht verglichen.
Sie geben genug an, um verglichen werden zu können. Ein Anbieter, der nicht klar sagt, was er verkauft, in welchen Branchen er tätig ist oder was seine Kunden erhalten haben, kann nicht in die engere Auswahl aufgenommen werden, ungeachtet seines Rufs — ein Käufer kann nicht vergleichen, wozu sich ein Lieferant nicht schriftlich verpflichtet. Ein Unternehmen, das andernfalls hier erscheinen würde, fehlt, weil wir an seiner eigenen Quelle keine einzige Aussage lesen konnten.
Worauf dieses Ranking nicht basiert: Lieferqualität, die wir nicht beobachten können, Preise, die wir nicht sehen können, oder Kundenzufriedenheit, die wir nicht gemessen haben. Lesen Sie die Einträge, überprüfen Sie die Angaben und erstellen Sie eine Auswahlliste basierend auf der Eignung.
Die neun Unternehmen für vorausschauende Instandhaltung
Crunch-IS
Crunch-IS entwickelt vorausschauende Wartungssysteme auf Basis bereits vorhandener Industriedaten – Sensordatenströme, Historians, SCADA-Tags und Wartungshistorie – anstatt ein Sensorpaket oder eine Plattformlizenz zu verkaufen. Die Arbeit ist zuerst Data Engineering und erst danach Modellierung, was dem entspricht, woran die meisten Betriebe mit schweren Anlagen tatsächlich scheitern, wenn es darum geht, Wert zu schöpfen: nicht weil die Algorithmen schwach sind, sondern weil die Daten, die sie speisen, über Systeme verstreut sind, die niemand miteinander abgeglichen hat.
Das wurde durchgängig geliefert. Auf einer KI-gestütztes Programm zur vorausschauenden Wartung für Produktionspumpen bei Öl-, Gas- und Fertigungsbetrieben in Europa erreichte das System 90 % Vorhersagegenauigkeit, senkte die Wartungskosten um 40 % und reduzierte ungeplante Ausfallzeiten um 65 %. Diese Zahlen gehören zu diesem Projekt und seiner Anlagenklasse; sie sind kein allgemeines Versprechen.
Ein zweites Projekt zeigt den anderen häufigen Ausgangspunkt. Für einen Öl- und Gasbetreiber, der bereits Azure Digital Twins, fügte das Team eine Ebene für vorausschauende Wartung über den bestehenden Zwillingen für kritische rotierende Anlagen hinzu, die Sensor-, Betriebs- und Wartungshistoriendaten zu erklärbaren Gesundheitswerten, Verschleißsignalen und Ausfallrisikoindikatoren verband — ein MVP, das zur Erweiterung konzipiert wurde und kein fertiges Produkt ist. Dort, wo die Datengrundlage noch nicht vorhanden ist, besteht genau darin die Aufgabe: ein separates Programm, das industrielle Dateninfrastruktur für die Digital-Twin-Bereitschaft bevor überhaupt eine Vorhersage versucht wurde.
Die relevanten Fähigkeiten erstrecken sich über KI- und ML-Entwicklung, Data Engineering, MLOps und IoT-Entwicklung, wobei die Umsetzung schwerpunktmäßig in den Bereichen Öl und Gas und Fertigung.
Gegründet im Jahr 2018, verfügt Crunch-IS über mehr als 170 Experten an über 5 Standorten, mehr als 120 abgeschlossene Projekte und über 40 aktive Kunden und berichtet, dass 97 % der Kunden vollständig zufrieden sind.
Am besten geeignet für: Betreiber, deren Sensor- und Wartungsdaten bereits vorhanden, aber verstreut sind, und die das resultierende System besitzen möchten, anstatt es zu mieten.
2. Augury
Augury verkauft Maschinengesundheit als Managed Service und ist das vollständigste Beispiel für das Closed-Loop-Modell in dieser Liste. Die eigenen IoT-Sensoren in Industriequalität erfassen Vibrations-, Temperatur- und Magnetdaten; die Machine-Health-Plattform verwandelt diese in präskriptive Diagnosen; ein separates Process-Health-Produkt, das laut Unternehmen „früher als Seebo bekannt war“, deckt daneben die Prozessoptimierung ab.
Der veröffentlichte Umfang ist beträchtlich: „200+ Anlagentypen“ abgedeckt, „300k+ überwachte Maschinen“ und „1,1 Mrd.+ Stunden Maschinenüberwachung.“ Zu den Ergebnissen veröffentlicht Augury „75% weniger Fehlalarme als Schwellenwertsysteme“, „~30 Tage bis zur ersten Maschinenverbesserung“ und, unter Berufung auf eine Forrester-Studie, „< 6 Monate Amortisation“ und „310% ROI.“ Es unterstützt „40+ Länder“ und „10+ Sprachen.“
Zu den genannten Branchen gehören Öl und Gas, Metalle und Bergbau, Chemie, Pharma, Lebensmittel und Getränke sowie Baustoffe.
Am besten geeignet für: große Hersteller mit mehreren Standorten, die den gesamten Stack verwaltet haben möchten und mit proprietären Sensoren zurechtkommen.
3. Siemens — Senseye Predictive Maintenance
Senseye Predictive Maintenance ist Siemens‘ Antwort für Hersteller, die bereits über Daten verfügen und die Anlage nicht neu instrumentieren wollen, um sie zu nutzen. Das Unternehmen beschreibt es als eine Kombination aus „industrieller KI, Fachwissen und skalierbarer Technologie“, damit Teams „den Zustand von Anlagen verstehen, Ausfallrisiken antizipieren und entscheiden können, wo zuerst gehandelt werden soll.“
Das nützlichste Detail für einen Brownfield-Betreiber sind die umgebenden Industrial Connectivity Services, die laut Siemens „neue und alte Anlagen und Maschinen verbinden“ können – die Anerkennung, dass eine reale Anlage eine Mischung aus Generationen ist und kein Greenfield.
Siemens nennt BlueScope Steel in Australien und Sachsenmilch in Deutschland als Kunden und verweist auf Arbeiten im Automobilbereich. Wissenswertes, bevor Sie eine engere Auswahl treffen: Siemens veröffentlicht keine konkreten Leistungszahlen für Senseye — die Ergebnisse werden qualitativ beschrieben. Fragen Sie direkt nach den Zahlen.
Am besten geeignet für: Fertigungsunternehmen mit vorhandenen Historian-Daten und einem Anlagenbestand unterschiedlichen Alters, insbesondere solche, die bereits Teil des Siemens-Automatisierungsökosystems sind.
4. IBM — Maximo Application Suite
IBM geht die vorausschauende Wartung von der Seite des Anlagenmanagements an und nicht von der Sensorseite. Die Maximo Application Suite wird beschrieben als „eine einheitliche Lösung für das Anlagen- und Facility-Management, die Wartung, Inspektionen und Zuverlässigkeit an einem Ort zusammenführt“, mit Enterprise Asset Management, Asset Performance Management und Asset Investment Planning als Komponenten – die Vorhersage ist eine Fähigkeit innerhalb der Suite, nicht das Produkt.
Öl und Gas wird ausdrücklich genannt und umfasst „vorgelagerte, mittlere und nachgelagerte Betriebsabläufe“, neben der Fertigung, Energie und Versorgung, dem Transportwesen und der Regierung.
Zwei praktische Anmerkungen. Die Lizenzierung basiert auf einem Kreditsystem: IBM sagt, die Suite „wird über ein vereinfachtes Lizenzierungs- und Nutzungsmodell erworben, das ein kreditbasiertes System namens AppPoints nutzt“, verfügbar als kundenverwaltet oder als SaaS. Und die veröffentlichten Kundenergebnisse sind größtenteils operativer Natur und nicht spezifisch auf die Wartung bezogen — Transport for London wird beispielsweise mit „21 Millionen GBP an prognostizierten Einsparungen für die London Underground über einen Zeitraum von 10 Jahren“ zitiert.
Am besten geeignet für: anlagenintensive Unternehmen, die Wartung, Compliance und Investitionsplanung in einem System vereinen möchten – insbesondere bestehende Maximo-Standorte.
5. C3 AI — C3 AI Reliability
C3 AI Reliability wird als Unternehmens-KI positioniert, die auf Zuverlässigkeit angewendet wird: Das Unternehmen beschreibt es als „Vereinheitlichung von Sensordaten, Wartungsaufzeichnungen und Ersatzteilbeständen, um Geräteausfälle vorherzusagen und eine proaktive Überwachung im großen Maßstab zu ermöglichen“.
Es veröffentlicht die spezifischste Ergebnismenge in dieser Liste: „50 % Reduzierung der Ausfallzeiten“, „5 % Verbesserung der Gesamtanlageneffektivität (OEE)“, „99 % Reduzierung des Alarmrauschens“ und „6 Monate zur Bereitstellung und Skalierung über Standorte hinweg.“ Zu den namentlich genannten Bereitstellungen gehören Shell mit „10.000+ weltweit überwachte Anlagen“, Holcim „Skaliert über 80 Werke und 400 Anlagen“ und Dow mit „45 Mio. $ an jährlichem wirtschaftlichem Nutzen.“
Zu den genannten Branchen gehören Öl und Gas, Fertigung, Versorgungsunternehmen, Seefahrt sowie Verteidigung und Nachrichtendienste.
Am besten geeignet für: große Unternehmen, die ein umfassenderes industrielles KI-Programm betreiben, bei dem Zuverlässigkeit eine von mehreren Anwendungen ist.
6. AspenTech
AspenTech nähert sich der Instandhaltung von der Verfahrenstechnik her, weshalb es in der Raffination, der Chemie und der Energiewirtschaft wiederkehrt. Die eigenen Seiten stellen die vorausschauende Instandhaltung in einen breiteren Kontext eines Asset-Performance-Management- und Produktionsoptimierungsportfolios ein, statt sie als eigenständiges Werkzeug darzustellen.
Eine Tatsache, die es wert ist, in jede engere Auswahl aufgenommen zu werden: AspenTechs eigene Website beschreibt das Unternehmen inzwischen als „Aspen Technology – jetzt Teil von Emerson“. Zusammenfassungen, die vor dieser Transaktion verfasst wurden, stellen es weiterhin als unabhängig dar.
Die Erklärung des Unternehmens zu der Kategorie ist ungewöhnlich klar in Bezug auf die Methode und nennt Schwingungsanalyse, Infrarotanalyse und akustische Analyse als die Haupttypen. AspenTech nennt Fertigung, Transport, Versorgungsunternehmen und Stromerzeugung.
Am besten geeignet für: Raffinerie-, Chemie- und Energiebetriebe, in denen Wartungsentscheidungen nicht von den Prozessbedingungen getrennt werden können.
7. Cognite
Cognites Argument ist, dass die Modellierung normalerweise nicht der Engpass ist – die Daten sind es. Cognite Data Fusion® ist eine industrielle Datenplattform zur Kontextualisierung von Betriebsdaten über Historians, SCADA, Wartungssysteme und technische Dokumente hinweg, mit prädiktiver Analytik, die auf diesem Fundament aufbaut und nicht daneben.
Für den Downstream-Energiebereich sagt das Unternehmen, dass die Plattform Betreibern hilft, „die Produktionseffizienz der Anlage zu optimieren, Wartungs- und Feld-Workflows zu optimieren und zu digitalisieren, die Lebensdauer und Zuverlässigkeit der Anlagen zu verbessern.“ Cognite veröffentlicht „5 % weniger Produktionsverluste“, „15 % Steigerung der Produktivität“ und „1 % Steigerung der Overlay-Produktion“, wobei OMV zitiert wird mit „50 % Reduzierung der Inspektionsplanungszeit und 6 % Einsparungen durch Verschiebungen bei der Produktion.“
Am besten geeignet für: digital ausgereifte Betreiber mit großen, fragmentierten Betriebsdatensätzen — der Fall, in dem die Datenkontextualisierung das eigentliche Projekt ist.
8. Tractian
Tractian kombiniert seine eigene drahtlose Hardware zur Zustandsüberwachung mit einem nativen CMMS – genau die Kombination, die mittelgroße Anlagen am häufigsten wünschen: Sensoren, die sich schnell installieren lassen, und ein Auftragsverwaltungssystem, das das Wartungsteam bereits kennt, ohne zwei Anbieter integrieren zu müssen.
Das Unternehmen gibt an, dass es „Vertrauen von 1.500 US-amerikanischen und globalen Herstellern“, veröffentlicht eine „4,7“ Kundenbewertung und verweist auf eine Inc. 5000-Platzierung von „#269.“ Zu den genannten Kunden gehören McKesson, Air Liquide, Whirlpool, Verizon, Cummins und Kubota. Zu den aufgeführten Branchen gehören Fertigung, Öl und Gas, Chemie, Bergbau, Metalle, Lebensmittel und Getränke sowie Fuhrpark.
Am besten geeignet für: Anlagen im mittleren Marktsegment, die Sensorik und Wartungsdurchführung schnell von einem einzigen Anbieter erhalten möchten.
9. Nanoprecise
Nanoprecise verknüpft den mechanischen Zustand mit dem Energieverbrauch, was das Unternehmen als Energy-Centered Predictive Maintenance bezeichnet – ein echtes Alleinstellungsmerkmal, da Nachhaltigkeitsberichterstattung und Betriebszeit zunehmend gemeinsam gefordert werden. Die Hardware-Produktlinie umfasst den kabellosen Edge-Sensor MachineDoctor sowie RotationLF, TransformerLF und NrgMonitor.
Die von Nanoprecise veröffentlichten Prozentwerte – zu Ausfällen, Ausfallzeiten und Wartungskosten – werden als allgemeine Kategoriedurchschnitte dargestellt und nicht als Ergebnisse aus namentlich genannten Einsätzen. Sie beschreiben also, was vorausschauende Wartung tendenziell erreicht, und nicht, was dieser Anbieter tatsächlich geliefert hat. Fragen Sie nach Zahlen aus einer Installation, die Ihrer ähnelt.
Zu den genannten Branchen gehören Öl und Gas, Bergbau, Zement, Metalle, Zellstoff und Papier, Pharmazie und Versorgungsunternehmen.
Am besten geeignet für: Programme für rotierende Anlagen, bei denen Energieeffizienz Teil des Geschäftsmodells ist.
Predictive-Maintenance-Anbieter im Vergleich
Wie man einen Partner für vorausschauende Wartung auswählt
- Beginnen Sie mit den Daten, nicht mit dem Modell. Fragen Sie, was sie von Ihnen benötigen, bevor irgendetwas Vorhersagen trifft. Ein Anbieter, der nicht nach Ihrem Datenhistoriker fragt, verkauft Ihnen seine Sensoren.
- Fragen Sie, wie oft es falsch liegen wird. Jedes dieser Systeme löst Warnmeldungen aus, die sich als nichts herausstellen. Zu viele davon, und Ihr Team hört auf, sie zu öffnen — so sterben diese Programme leise. Fragen Sie, wer dafür verantwortlich ist, diese Zahl zu senken, sobald Sie im Betrieb sind.
- Fragen Sie nach einem Ergebnis für Ihre Anlageklasse. Eine Zahl aus einer Lebensmittel- und Getränkelinie sagt Ihnen wenig über einen Gasverdichter.
- Entscheiden Sie, wem das Modell gehört. Bei einer Plattform gehört es dem Anbieter. Bei einer Eigenentwicklung gehört es Ihnen. Das ist eine strategische Entscheidung, kein Beschaffungsdetail.
- Definieren Sie ein Pilotprojekt, das Sie kostengünstig scheitern lassen können. Fünf kritische Assets, ein definierter Zeitrahmen und eine im Voraus vereinbarte Definition von Erfolg.
Sie überlegen noch, ob vorausschauende Wartung überhaupt zu Ihrem Betrieb passt? Der Begleitleitfaden zur vorausschauenden Wartung für industrielle Betriebe behandelt, wie sie funktioniert, was sie benötigt und wo sie schiefgeht.
