Die maritime Branche wird seit Jahren mit Versprechen rund um Predictive Maintenance überflutet. Softwareanbieter versprechen Kostenreduktionen von 30–50%, Konferenzpräsentationen zeigen Dashboards voller grüner Ampeln, und Pilotprojekte werden als Revolution gefeiert. Die Realität sieht anders aus.
Der Nutzen hängt stark von drei Faktoren ab: Datenqualität, technische Bewertungskompetenz und funktionierende Entscheidungswege. Fehlt einer dieser Faktoren, entsteht bestenfalls ein teures Dashboard, das niemand nutzt. Im schlimmsten Fall führt falsches Vertrauen in unzuverlässige Daten zu Fehlentscheidungen – etwa dem Aufschieben einer notwendigen Reparatur, weil das System „alles grün“ anzeigt.
Die Überverkauftheit zeigt sich besonders bei Anbietern, die „KI-gestützte Vorhersagen“ versprechen, ohne zu erklären, auf welcher Datenbasis diese Modelle trainiert wurden. Ein Algorithmus, der mit Daten von Landmaschinen trainiert wurde, ist für den maritimen Einsatz wertlos. Spezifische Betriebsprofile, Kraftstoffqualitäten und Umgebungsbedingungen auf See erfordern maritime Trainingsdaten – und davon gibt es deutlich weniger als an Land.
Vorausschauende Wartung funktioniert heute verlässlich bei Aggregaten mit klar messbaren Zustandsgrößen und hoher Ausfallwirkung. Das sind in erster Linie rotierende Maschinen: Hauptmaschine, Hilfsdiesel, Turbolader, große Pumpen und Generatoren. Hier liefern Vibrationsmessungen, Temperaturtrends und Ölanalysen belastbare Frühwarnung.
Ebenso bewährt hat sich die trendüberwachte Schmieroelanalyse für Verbrennungsmotoren. Regelmäßige Probenahme in festen Intervallen – alle 250 bis 500 Betriebsstunden – ermöglicht Rückschlüsse auf Zylinderlaufbuchsen, Kolbenringe und Einspritzdüsen ohne Demontage. Die Kosten einer Analyse liegen bei 50–150 EUR pro Probe – im Vergleich zu den Kosten eines Laufbuchsenrisses ein vernachlässigbarer Betrag.
Weniger zuverlässig ist Predictive Maintenance derzeit bei komplexen Systemen mit vielen Einflussgrößen, etwa bei Ballastwasserbehandlungsanlagen, Scrubber-Systemen oder Steuerungslogik. Hier fehlen oft Referenzdaten, und die Ausfall-Modi sind zu vielfältig für einfache Trendmodelle.
Zu breite Projekte ohne Verbindung zum PMS und ohne operative Planung liefern selten Substanz. Ein Klassiker ist das flottenweit ausgerollte Monitoring-System, bei dem zwar Daten gesammelt, aber nie strukturiert ausgewertet werden. Die Dashboards existieren, aber niemand hat die Zuständigkeit oder die Zeit, daraus Maßnahmen abzuleiten.
Ebenso substanzlos sind Ansätze, die ausschließlich auf automatische Alarme setzen, ohne den technischen Kontext einzubeziehen. Ein Temperaturschwellenwert, der unabhängig von Last und Umgebungsbedingungen gilt, erzeugt entweder zu viele Fehlalarme (und wird ignoriert) oder reagiert zu spät. Die Schwellenwerte müssen lastabhängig und maschinenspezifisch kalibriert werden – das erfordert technisches Verständnis, nicht nur IT-Kompetenz.
Besonders kritisch sind Anbieter, die „Predictive Maintenance as a Service“ verkaufen, ohne den Zustand der Bordsensorik zu prüfen. Wenn der Temperatursensor am Turboladerlager seit zwei Jahren nicht kalibriert wurde oder der Vibrationsaufnehmer lose montiert ist, sind alle darauf aufbauenden Analysen wertlos. Die Grundlage muss stimmen, bevor Analysemethoden angewendet werden.
Echte Wirkung entsteht durch Fokus: wenige kritische Anlagen, verlässliche Messgrößen und klare Eskalationswege. Konkret bedeutet das: Die Reederei definiert maximal fünf bis acht Anlagen pro Schiff, für die vorausschauende Wartung eingeführt wird. Für jede Anlage werden die relevanten Parameter, Schwellenwerte und Reaktionsprotokolle festgelegt.
Der Chief Engineer an Bord erstellt wöchentlich einen kurzen Trendbericht – keine aufwändige Analyse, sondern eine strukturierte Übersicht: Welche Parameter haben sich verändert? Liegt ein Trend vor? Gibt es eine bekannte Ursache? Dieser Bericht geht an den Superintendenten, der innerhalb definierter Fristen reagieren muss: Kenntnisnahme, Nachfrage oder Maßnahmenplanung.
Dieser einfache Kreislauf – Messung, Bewertung, Entscheidung, Rückmeldung – ist wirksamer als jede teure Plattform ohne definierten Prozess. IMO MSC.1/Circ.1378 (vormals Guidelines on Maintenance) unterstreicht die Bedeutung systematischer Zustandsbewertung als Ergänzung zum PMS. Wer diesen Ansatz konsequent umsetzt, hat bereits mehr erreicht als die meisten „digitalen“ Pilotprojekte.
Ein belastbares Predictive-Maintenance-System im maritimen Umfeld muss vier Kernfunktionen erfüllen. Erstens: zuverlässige Datenerfassung mit kalibrierten Sensoren und definierten Messpunkten. Zweitens: Kontextualisierung der Daten – jeder Messwert muss mit Betriebszustand, Last und Umgebungsbedingungen verknüpft sein. Drittens: Trendanalyse mit definierten Schwellenwerten und Eskalationsstufen. Viertens: Rückkopplung in den Wartungsprozess – erkannte Abweichungen müssen sich in PMS-Jobs und Ersatzteilbestellungen übersetzen.
Die meisten Systeme scheitern an Punkt zwei und vier. Daten werden gesammelt, aber nicht kontextualisiert. Abweichungen werden erkannt, aber nicht in konkrete Wartungsaufträge überführt. Hier liegt der Unterschied zwischen einem Monitoring-System und einem echten Predictive-Maintenance-Prozess.
Für die Sensorkalibrierung empfiehlt sich ein jährlicher Zyklus, der mit dem Annual Survey koordiniert werden kann. IACS UR Z10.2 liefert relevante Anforderungen an die Aufrechterhaltung von Klasse-relevanter Sensorik. Temperaturfühler sollten gegen Referenzmessgeräte geprüft werden, Vibrationssensoren gegen Referenzstandards mit bekannter Amplitude und Frequenz.
Für die Datenspeicherung hat sich ein hybrider Ansatz bewährt: Rohdaten verbleiben an Bord für detaillierte Nachanalyse, während aggregierte Trendwerte (Tagesmittel, Wochenmittel, Min/Max) täglich per Satellitenverbindung an Land übertragen werden. Das hält die Kommunikationskosten niedrig und sichert dennoch die Trendübersicht an Land.
Ein Bulk Carrier mit zwei ABB A175-L Turboladern zeigte auf der Backbord-Seite eine schleichende Veränderung des Drehzahlverhältnisses Turbolader zu Motor. Über sechs Wochen sank das Verhältnis um 3% bei vergleichbarer Last. Gleichzeitig stieg der Spülluftdruck leicht ab. Einzeln betrachtet lagen beide Werte im akzeptablen Bereich. In Kombination deuteten sie auf fortschreitende Verschmutzung der Turbinenseite hin, die durch Online-Wäsche allein nicht mehr kompensiert werden konnte.
Die systematische Trendauswertung führte zu einer Offline-Wäsche im nächsten Hafen, gefolgt von einer Borescope-Inspektion. Diese zeigte beginnende Ablagerungen an den Turbinenschaufeln, die bei weiterem Betrieb zu Unwucht und Lagerschaden hätten führen können. Die Kosten des geplanten Eingriffs: etwa 8.000 EUR. Die Kosten eines Turboladerschadens auf See: 80.000–150.000 EUR plus Off-Hire.
Betreiber können mit fünf Fragen schnell prüfen, ob ihr Predictive-Maintenance-Ansatz Substanz hat: Sind die Messdaten kalibriert und kontextualisiert? Gibt es definierte Eskalationswege vom Alarm zur Maßnahme? Fließen die Ergebnisse in PMS-Jobs und Ersatzteilplanung ein? Erhält die Bordmannschaft Rückmeldung? Kann der Superintendent nachweisen, dass mindestens eine Maßnahme pro Quartal datengestützt initiiert wurde?
Wer alle fünf Fragen mit Ja beantworten kann, hat einen funktionierenden Prozess. Wer bei mehr als zwei Fragen zögert, betreibt wahrscheinlich Monitoring ohne Wirkung – eine teure Fassade.
Unverbindliches Erstgespräch – wir analysieren Ihre Situation und finden den besten Weg.
Beratung anfragen