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.
The maritime industry has been flooded with promises around predictive maintenance for years. Software vendors promise cost reductions of 30–50%, conference presentations show dashboards full of green indicators, and pilot projects are celebrated as revolutions. The reality looks different.
Value depends heavily on three factors: data quality, technical assessment competence and functioning decision pathways. If any of these is missing, the result is at best an expensive dashboard that nobody uses. At worst, false confidence in unreliable data leads to poor decisions – such as postponing a necessary repair because the system shows “all green.”
The overselling is particularly visible with vendors who promise “AI-driven predictions” without explaining on which data basis these models were trained. An algorithm trained on data from land-based machinery is worthless for maritime application. Specific operating profiles, fuel qualities and environmental conditions at sea require maritime training data – and there is considerably less of that available than ashore.
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.
Predictive maintenance works reliably today for equipment with clearly measurable condition parameters and high failure impact. These are primarily rotating machines: main engine, auxiliary diesels, turbochargers, large pumps and generators. Here, vibration measurements, temperature trends and oil analyses deliver robust early warning.
Trend-monitored lube oil analysis for combustion engines has also proven its worth. Regular sampling at fixed intervals – every 250 to 500 running hours – allows conclusions about cylinder liners, piston rings and injector nozzles without disassembly. The cost of an analysis is EUR 50–150 per sample – a negligible amount compared to the cost of a liner crack.
Predictive maintenance is currently less reliable for complex systems with many influencing variables, such as ballast water treatment systems, scrubber systems or control logic. Reference data is often lacking here, and the failure modes are too varied for simple trend models.
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.
Overly broad projects without connection to the PMS and without operational planning rarely deliver substance. A classic example is the fleet-wide monitoring system where data is collected but never evaluated in a structured manner. The dashboards exist, but nobody has the responsibility or the time to derive actions from them.
Equally lacking in substance are approaches that rely solely on automatic alarms without incorporating technical context. A temperature threshold applied regardless of load and ambient conditions either produces too many false alarms (and gets ignored) or reacts too late. Thresholds must be calibrated load-dependently and machine-specifically – this requires technical understanding, not just IT competence.
Particularly concerning are vendors selling “Predictive Maintenance as a Service” without verifying the condition of onboard sensors. If the temperature sensor on the turbocharger bearing has not been calibrated for two years, or the vibration pickup is loosely mounted, all analyses built upon it are worthless. The foundation must be sound before analysis methods are applied.
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.
Real impact comes from focus: a few critical assets, reliable measurements and clear escalation pathways. In concrete terms, this means the ship manager defines a maximum of five to eight assets per vessel for which predictive maintenance is introduced. For each asset, the relevant parameters, thresholds and response protocols are established.
The Chief Engineer on board produces a short trend report weekly – not an elaborate analysis, but a structured overview: which parameters have changed? Is there a trend? Is there a known cause? This report goes to the superintendent, who must respond within defined timeframes: acknowledgement, follow-up question, or action planning.
This simple cycle – measurement, assessment, decision, feedback – is more effective than any expensive platform without a defined process. IMO MSC.1/Circ.1378 (formerly the Guidelines on Maintenance) underscores the importance of systematic condition assessment as a complement to the PMS. Anyone who implements this approach consistently has already achieved more than most “digital” pilot projects.
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.
A robust predictive maintenance system in the maritime environment must fulfil four core functions. First: reliable data acquisition with calibrated sensors and defined measurement points. Second: contextualisation of data – every reading must be linked to operating condition, load and ambient conditions. Third: trend analysis with defined thresholds and escalation levels. Fourth: feedback into the maintenance process – detected deviations must translate into PMS jobs and spare parts orders.
Most systems fail on points two and four. Data is collected but not contextualised. Deviations are detected but not converted into concrete maintenance tasks. This is the difference between a monitoring system and a genuine predictive maintenance process.
For sensor calibration, an annual cycle coordinated with the Annual Survey is recommended. IACS UR Z10.2 provides relevant requirements for maintaining class-relevant sensing equipment. Temperature probes should be checked against reference instruments, vibration sensors against reference standards with known amplitude and frequency.
For data storage, a hybrid approach has proven effective: raw data remains on board for detailed post-analysis, while aggregated trend values (daily averages, weekly averages, min/max) are transmitted ashore daily via satellite. This keeps communication costs low whilst still securing the trend overview ashore.
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.
A bulk carrier with two ABB A175-L turbochargers showed a gradual change in the turbocharger-to-engine speed ratio on the port side. Over six weeks, the ratio dropped by 3% at comparable load. Simultaneously, scavenge air pressure decreased slightly. Individually, both values were within the acceptable range. In combination, they indicated progressive fouling on the turbine side that could no longer be compensated by online washing alone.
Systematic trend evaluation led to an offline wash at the next port, followed by a borescope inspection. This revealed incipient deposits on the turbine blades that, with continued operation, could have led to imbalance and bearing damage. The cost of the planned intervention: approximately EUR 8,000. The cost of a turbocharger failure at sea: EUR 80,000–150,000 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.
Operators can quickly check whether their predictive maintenance approach has substance using five questions: Are the measurement data calibrated and contextualised? Are there defined escalation pathways from alarm to action? Do the results flow into PMS jobs and spare parts planning? Does the crew receive feedback? Can the superintendent demonstrate that at least one action per quarter was initiated on a data-driven basis?
Anyone who can answer all five with yes has a functioning process. Anyone who hesitates on more than two is probably running monitoring without impact – an expensive facade.
Unverbindliches Erstgespräch – wir analysieren Ihre Situation und finden den besten Weg.Free initial consultation – we analyze your situation and find the best path forward.
Beratung anfragenRequest Consulting