Operative FM-KPIs die wirklich zählen – und welche nur Papier produzieren

Ich habe in einem meiner letzten Projekte ein KPI-Framework mit über 60 Kennzahlen aufgebaut. 60 Metriken, sauber definiert, mit Datenquellen, Berechnungsformeln und Zielwerten. Das Ergebnis? Der Kunde hat sich zwölf davon angeschaut. Zwölf. Der Rest war teures Reporting-Theater.

Diese Erfahrung hat mir etwas Wichtiges gezeigt: Im operativen Facility Management geht es nicht darum, möglichst viele KPIs zu haben. Es geht darum, die richtigen zu haben – die, die tatsächlich Entscheidungen auslösen.

Das Problem mit den Standard-KPI-Listen

Jeder FM-Berater hat eine KPI-Liste. Die meisten enthalten die üblichen Verdächtigen: Reaktionszeit, Erstlösungsquote, Kundenzufriedenheit, Kostenquote pro Quadratmeter. Das klingt vernünftig. Das Problem ist: Diese Kennzahlen sehen im Reporting gut aus, führen aber selten zu konkreten Maßnahmen.

Ein Beispiel aus meiner Praxis im Industrial Plant Management: Wir haben monatelang die durchschnittliche Reaktionszeit auf Störmeldungen getrackt. Die Zahl war gut – unter vier Stunden im Schnitt. Alle waren zufrieden. Was die Zahl nicht gezeigt hat: Bei kritischen Anlagen lag die Reaktionszeit bei unter einer Stunde, bei unkritischen Nebengebäuden bei über zwölf Stunden. Der Durchschnitt war bedeutungslos, weil er die operativ relevante Differenzierung verschleiert hat.

Das ist das Grundproblem: Viele KPIs messen etwas, aber sie lösen nichts aus. Sie füllen Monatsberichte, aber niemand ändert sein Verhalten deswegen.

Welche KPIs tatsächlich Entscheidungen auslösen

Nach mehreren Baselining-Projekten und einem KPI-Framework, das inzwischen in der Praxis getestet ist, gibt es für mich eine klare Trennung zwischen Entscheidungs-KPIs und Reporting-KPIs.

Entscheidungs-KPIs beantworten eine konkrete Frage und führen zu einer Handlung. Wenn die Zahl sich verändert, weiß der Objektleiter oder Betriebsleiter sofort, was zu tun ist.

Die First-Time-Fix-Rate nach Anlagenklasse ist so ein KPI. Nicht die Gesamtquote – die ist zu grob. Sondern aufgeschlüsselt nach Anlagentyp: Wie oft wird eine Störung an der RLT-Anlage beim ersten Einsatz behoben, wie oft an der Kälteanlage, wie oft an der Elektroverteilung? Wenn die Quote bei Kälteanlagen plötzlich von 75 auf 55 Prozent fällt, ist das ein klares Signal: Entweder fehlt Ersatzteilbestand, oder das Technikerteam braucht Schulung. Das löst eine konkrete Maßnahme aus.

Ein weiterer KPI, der wirklich zählt: die Kostenvarianz pro Gewerk gegenüber dem Baseline. Wenn ich beim Baselining die Ist-Kosten pro Gewerk sauber erfasst habe und dann monatlich die Abweichung tracke, sehe ich sofort, wo Budgets aus dem Ruder laufen. Nicht als Gesamtabweichung – das ist wieder zu grob – sondern pro Gewerk: Reinigung, technische Wartung, Sicherheitsdienst, Grünpflege. Ein Ausreißer bei der technischen Wartung im dritten Quartal sagt mir mehr als jeder Gesamtkostenbericht.

KPIs die nur Zahlen produzieren

Auf der anderen Seite gibt es KPIs, die ich aus meinen Reportings gestrichen habe, weil sie keinen Handlungsimpuls geben.

Die allgemeine Kundenzufriedenheit als einzelne Zahl ist einer davon. Eine 7,2 von 10 – was soll der Objektleiter damit anfangen? Die Zahl sagt nicht, ob das Problem die Reinigung ist, die Reaktionszeit oder die Kommunikation. Entweder man schlüsselt die Zufriedenheit nach Leistungsbereichen auf und macht sie damit operativ nutzbar, oder man lässt sie weg.

Ebenso die reine Ticketanzahl pro Monat. 340 Tickets im Januar, 380 im Februar – ist das gut oder schlecht? Ohne Kontext sagt die Zahl nichts. Relevanter ist die Ticketentwicklung pro Anlagenklasse im Zeitverlauf, kombiniert mit der Ausfallhäufigkeit. Dann erkenne ich Muster: Steigen die Störmeldungen an einem bestimmten Anlagentyp systematisch, bevor die Anlage ausfällt? Das ist operativ wertvoll. Die reine Gesamtzahl nicht.

Mein Ansatz: Weniger messen, besser entscheiden

In meinen aktuellen Projekten arbeite ich mit einem dreistufigen KPI-Modell:

Stufe 1 – Steuerungs-KPIs (5–7 Stück): Diese KPIs sieht das Management monatlich. Sie beantworten die Frage: Läuft der Betrieb im Plan, und wenn nein, wo nicht? Beispiele: Kostenvarianz pro Gewerk, First-Time-Fix-Rate nach Anlagenklasse, SLA-Erfüllung nach Prioritätsstufe, ungeplante Ausfallstunden kritischer Anlagen.

Stufe 2 – Analyse-KPIs (10–15 Stück): Diese KPIs werden nur bei Auffälligkeiten in Stufe 1 herangezogen. Sie helfen, die Ursache zu finden. Beispiele: Ersatzteilverbrauch pro Anlage, Technikerauslastung nach Schicht, Wiederkehrende Störungen nach Standort.

Stufe 3 – Basisdaten (beliebig viele): Das sind die Rohdaten, die automatisch erfasst werden und die Grundlage für Stufe 1 und 2 bilden. Ticketdaten, Zeitstempel, Kostenbuchungen. Die schaut sich im Normalbetrieb niemand aktiv an – aber sie müssen sauber sein, damit die oberen Stufen funktionieren.

Der Vorteil dieses Modells: Die Entscheider werden nicht mit 60 Kennzahlen erschlagen. Sie sehen fünf bis sieben Steuerungs-KPIs und können bei Bedarf tiefer einsteigen. In der Praxis hat das die Akzeptanz des Reportings massiv verbessert – weil die Zahlen plötzlich verständlich waren und direkt zu Gesprächen über Maßnahmen geführt haben.

Die Datengrundlage entscheidet alles

Der beste KPI ist wertlos, wenn die Datenqualität nicht stimmt. In meiner Erfahrung scheitern KPI-Projekte im FM zu 70 Prozent an der Datenbasis und nur zu 30 Prozent an der falschen KPI-Auswahl.

Bevor ihr ein KPI-Framework aufbaut, stellt diese drei Fragen: Erstens, woher kommen die Daten – CAFM, Excel, Papier? Zweitens, wie aktuell sind die Daten – Echtzeit, täglich, monatlich? Drittens, wer pflegt die Daten ein, und hat diese Person einen Anreiz, das sorgfältig zu tun?

Wenn die Antwort auf Frage drei „der Techniker, der eh schon keine Zeit hat” lautet, dann braucht ihr zuerst einen besseren Erfassungsprozess – und erst danach ein KPI-Dashboard.

Mein konkreter Takeaway

Geht euer aktuelles FM-Reporting durch und stellt bei jeder Kennzahl eine einzige Frage: Hat diese Zahl in den letzten sechs Monaten eine konkrete Entscheidung oder Maßnahme ausgelöst? Wenn nein, streicht sie oder verschiebt sie in die Analyseschicht. Ein Reporting mit sieben KPIs, die alle gelesen und verstanden werden, ist hundertmal wertvoller als eines mit 60 Zahlen, über die niemand spricht.

Welche KPIs habt ihr gestrichen – und welche haben euch wirklich geholfen, bessere Entscheidungen zu treffen?