Sensoren und Dashboards erzeugen Eindruck von Fortschritt ohne messbare Verbesserung.
Sensors and dashboards create the impression of progress without measurable improvement.
Kritische Anlagen priorisiert, Baselines bekannt, aus Befunden entstehen Arbeitsaufträge.
Critical assets are prioritised, baselines are known, and findings generate work orders.
Zu viele KPIs, unklare Alarme, auffällige Lücke zwischen Dashboard und Werkstatt.
Too many KPIs, unclear alarms and a conspicuous gap between dashboard and workshop.
Welche Anlage, welche Ausfallwirkung, welcher Eingriff, welche Einsparung.
Which asset, what failure impact, which intervention, what saving.
Predictive Theatre ist kein Betrug – es ist die weitaus häufigere Situation, in der ein Unternehmen in Sensorik, Dashboards und Dateninfrastruktur investiert hat, aber der entscheidende Schritt fehlt: die Verbindung von Daten zu operativen Entscheidungen. Die Sensoren liefern Werte, das Dashboard zeigt Kurven, aber niemand ändert aufgrund dieser Daten einen Wartungsplan, bestellt ein Ersatzteil früher oder verschiebt eine Inspektion.
Das Muster ist erkennbar: Ein Unternehmen beschafft eine Condition-Monitoring-Plattform für seine Flotte. Die Installation dauert Monate, die Kosten liegen im sechsstelligen Bereich. Nach der Inbetriebnahme erzeugt das System Tausende Datenpunkte pro Tag. Das technische Management erhält wöchentliche Reports mit Dutzenden von KPIs. Aber die entscheidende Frage – bei welcher Anlage sollte wann welcher Eingriff erfolgen? – wird vom System nicht beantwortet, weil die Schwellwerte nicht kalibriert sind, die Baselines nicht definiert wurden oder schlicht niemand zuständig ist, die Empfehlungen umzusetzen.
Der zweite typische Fehler: zu viele Anlagen gleichzeitig überwachen. Wenn ein System 500 Datenpunkte auf einem Containerschiff erfasst, aber nur 20 davon tatsächlich handlungsrelevant sind, ertrinken die relevanten Signale im Rauschen. Die Crew oder der Superintendent kann nicht zwischen normaler Variation und echtem Alarmsignal unterscheiden. Das Ergebnis: Die Alarme werden ignoriert, weil zu viele Fehlalarme kommen – ein klassisches Boy-who-cried-wolf-Problem.
Der dritte Fehler betrifft die Datenqualität. Sensoren in maritimer Umgebung sind harten Bedingungen ausgesetzt: Vibration, Feuchtigkeit, Salzwasser, extreme Temperaturen. Ein Temperatursensor an einem Turbolader, der seit einem Jahr nicht kalibriert wurde, liefert Werte – aber ob diese Werte den tatsächlichen Zustand widerspiegeln, ist fraglich. Predictive Maintenance auf Basis unzuverlässiger Daten ist keine Vorhersage, sondern Zufall.
Der vierte und häufig übersehene Fehler: fehlende Rückkopplung. Wenn eine Predictive-Maintenance-Empfehlung zu einem Eingriff führt, muss der tatsächliche Befund zurückgemeldet werden. Nur so lernt das System, ob seine Vorhersagen korrekt waren. Ohne diese Rückkopplung verbessert sich die Vorhersagequalität nicht – das System bleibt auf dem Niveau der initialen Kalibrierung.
Predictive theatre is not fraud – it is the far more common situation where a company has invested in sensors, dashboards and data infrastructure but the decisive step is missing: the connection from data to operational decisions. The sensors deliver values, the dashboard shows curves, but nobody changes a maintenance plan, orders a spare part earlier or reschedules an inspection based on this data.
The pattern is recognisable: a company procures a condition monitoring platform for its fleet. Installation takes months, costs run to six figures. After commissioning, the system generates thousands of data points per day. Technical management receives weekly reports with dozens of KPIs. But the decisive question – which asset should receive which intervention when? – is not answered by the system because thresholds are not calibrated, baselines were never defined or simply nobody is responsible for implementing the recommendations.
The second typical mistake: monitoring too many assets simultaneously. When a system captures 500 data points on a container vessel but only 20 of them are actually action-relevant, the relevant signals drown in noise. The crew or superintendent cannot distinguish between normal variation and a genuine alarm signal. The result: alarms are ignored because too many false alarms occur – a classic boy-who-cried-wolf problem.
The third mistake concerns data quality. Sensors in the maritime environment face harsh conditions: vibration, humidity, saltwater, extreme temperatures. A temperature sensor on a turbocharger that has not been calibrated for a year delivers values – but whether those values reflect the actual condition is questionable. Predictive maintenance based on unreliable data is not prediction but chance.
The fourth and frequently overlooked mistake: missing feedback. When a predictive maintenance recommendation leads to an intervention, the actual finding must be fed back. Only then does the system learn whether its predictions were correct. Without this feedback, prediction quality does not improve – the system remains at the level of its initial calibration.
Predictive Theatre bindet Ressourcen auf mehreren Ebenen. Die direkten Kosten umfassen Hardware (Sensoren, Gateways, Server), Software (Plattformlizenzen, Cloud-Services) und Personal (Datenanalysten, IT-Support). Für eine mittlere Flotte von 15 Schiffen können die jährlichen Kosten zwischen 200.000 und 500.000 EUR liegen – ohne dass ein einziger Ausfall verhindert wird.
Die indirekten Kosten sind schwerer zu beziffern aber oft höher: Die Crew verliert Vertrauen in technologische Lösungen, wenn das System ständig Alarme erzeugt, die keine Konsequenzen haben. Der Superintendent verbringt Zeit mit der Analyse von Reports, die keine handlungsrelevanten Erkenntnisse liefern. Das Management verliert die Bereitschaft, in echte Predictive-Maintenance-Lösungen zu investieren, weil die erste Investition keine Ergebnisse gebracht hat.
Die Opportunitätskosten sind der gravierendste Posten: Während Predictive Theatre Aufmerksamkeit und Budget bindet, laufen die tatsächlichen Ausfallrisiken weiter. Der Turbolader, der tatsächlich eine Frühwarnung brauchte, wird übersehen, weil das System 50 andere, irrelevante Alarme gleichzeitig anzeigt.
Predictive theatre ties up resources on multiple levels. Direct costs comprise hardware (sensors, gateways, servers), software (platform licences, cloud services) and personnel (data analysts, IT support). For a mid-size fleet of 15 vessels, annual costs can range between EUR 200,000 and 500,000 – without a single failure being prevented.
Indirect costs are harder to quantify but often higher: the crew loses trust in technological solutions when the system constantly generates alarms that have no consequences. The superintendent spends time analysing reports that yield no actionable insights. Management loses willingness to invest in genuine predictive maintenance solutions because the first investment delivered no results.
Opportunity costs are the most serious item: while predictive theatre absorbs attention and budget, the actual failure risks continue. The turbocharger that genuinely needed early warning is overlooked because the system displays 50 other irrelevant alarms simultaneously.
Echte Predictive Maintenance funktioniert dort, wo die vier Grundvoraussetzungen erfüllt sind: kritische Anlage identifiziert, Baseline definiert, Schwellwerte kalibriert und Handlungsprozess festgelegt. In der Praxis zeigen Vibrationsmonitoring an Hauptmaschinen und Turboladern die besten Ergebnisse, weil die physikalischen Zusammenhänge gut verstanden sind und die Messtechnik ausgereift ist.
Ölanalyse ist ein weiterer Bereich mit nachgewiesenem Nutzen. Regelmäßige Schmierölproben, die auf Metallpartikel, Viskosität und Wassergehalt analysiert werden, können Lagerschäden, Zylinerverschleiß und Kühlwasserleckagen frühzeitig erkennen. Der Vorteil: Die Analytik ist standardisiert, die Ergebnisse sind eindeutig interpretierbar und die Konsequenzen klar definierbar.
Thermografie an elektrischen Schaltanlagen zeigt lockere Verbindungen und überlastete Komponenten, bevor sie zu Ausfällen führen. Die Investition ist gering (eine Wärmebildkamera und Schulung), der Nutzen direkt messbar. Kein Dashboard nötig – ein geschulter Elektriker mit einer Kamera und einem definierten Inspektionsprozess reicht aus.
Genuine predictive maintenance works where four prerequisites are met: critical asset identified, baseline defined, thresholds calibrated and action process established. In practice, vibration monitoring on main engines and turbochargers shows the best results because the physical relationships are well understood and the measurement technology is mature.
Oil analysis is another area with proven benefit. Regular lubricating oil samples analysed for metal particles, viscosity and water content can detect bearing damage, cylinder wear and cooling water leaks early. The advantage: the analytics are standardised, results are unambiguously interpretable and consequences clearly definable.
Thermography on electrical switchgear reveals loose connections and overloaded components before they lead to failures. The investment is modest (a thermal imaging camera and training), the benefit directly measurable. No dashboard required – a trained electrician with a camera and a defined inspection process suffices.
Fünf Fragen helfen, Substanz von Theatre zu unterscheiden. Erstens: Können Sie drei konkrete Fälle nennen, in denen das System zu einer besseren Entscheidung geführt hat? Zweitens: Wie viele der erzeugten Alarme haben tatsächlich zu einem Eingriff geführt? Drittens: Sind die Baselines für die überwachten Anlagen dokumentiert und aktuell? Viertens: Gibt es einen definierten Prozess, wer bei einer Warnung was tut? Fünftens: Werden die Befunde nach einem Eingriff zurückgemeldet?
Wenn mehr als zwei dieser Fragen mit Nein beantwortet werden, ist die Wahrscheinlichkeit hoch, dass das System eher Theatre als Substanz produziert. Die Lösung ist nicht, das System abzuschaffen, sondern es auf wenige kritische Anlagen zu fokussieren und die fehlenden Prozesse nachzuziehen.
Five questions help distinguish substance from theatre. First: can you name three concrete cases where the system led to a better decision? Second: how many of the alarms generated actually led to an intervention? Third: are the baselines for the monitored assets documented and current? Fourth: is there a defined process for who does what when a warning is issued? Fifth: are findings fed back after an intervention?
If more than two of these questions are answered with no, the probability is high that the system produces theatre rather than substance. The solution is not to scrap the system but to focus it on a few critical assets and backfill the missing processes.
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