CAFM-Realität vs. CAFM-Versprechen: Was die Hochglanzbroschüre verschweigt

Auf der letzten FM-Messe habe ich mir drei CAFM-Anbieter angehört. Alle haben das Gleiche versprochen: vollintegrierte Lösung, nahtlose Anbindung an ERP-Systeme, mobile App für Techniker, KI-gestützte Predictive Maintenance, Implementierung in drei Monaten. Ich habe innerlich genickt und an mein letztes CAFM-Projekt gedacht. 14 Monate Einführung. Datenqualität nach sechs Monaten bei 60 Prozent. Die mobile App wurde von den Technikern ignoriert. Predictive Maintenance? Nicht mal ansatzweise.

Das ist kein Einzelfall. Das ist die Regel. Und es wird Zeit, dass jemand aus der Praxis offen darüber spricht.

Was CAFM-Systeme versprechen

Die Marketing-Versprechen der CAFM-Anbieter folgen einem Muster: Alle Daten an einem Ort. Transparenz über alle Standorte. Digitale Workflows statt Papier. Mobile Erfassung für Techniker. Integration mit allem – SAP, Ticketsystem, Gebäudeleittechnik, Dokumentenmanagement. Und als Krönung: KI und Analytics direkt eingebaut.

Einzeln betrachtet ist davon nichts falsch. Die Systeme können das technisch. Das Problem liegt woanders.

Was in der Praxis passiert

Das erste Problem ist die Einführungsdauer. Kein komplexes CAFM-System wird in drei Monaten produktiv eingeführt – zumindest nicht, wenn ihr es richtig macht. Datenübernahme aus Altsystemen, Konfiguration der Workflows, Anpassung an eure Prozesse, Schulung der Nutzer, Testbetrieb – realistisch sind acht bis vierzehn Monate für einen Konzern mit mehreren Standorten. Das ist kein Versagen des Projektteams, das ist die Realität komplexer Systemeinführungen.

Das zweite Problem ist die Datenqualität. Ein CAFM-System ist nur so gut wie die Daten, die drin sind. Und die Daten kommen nicht von allein. Jemand muss Anlagenstammdaten pflegen, Standortinformationen aktualisieren, Wartungsprotokolle erfassen. In der Theorie machen das die Techniker vor Ort. In der Praxis hat der Techniker nach einer Störungsbehebung an der RLT-Anlage andere Prioritäten als die Datenpflege in einer App, die fünf Klicks braucht, um einen Eintrag zu speichern.

In meinem letzten Projekt lag die Datenvollständigkeit nach sechs Monaten Livebetrieb bei circa 60 Prozent. Das heißt: Vier von zehn Wartungseinsätzen waren im System nicht oder nur unvollständig dokumentiert. Mit 60 Prozent Datenqualität ist jede Auswertung, jedes Dashboard und jede KI-Analyse fragwürdig. Aber der CAFM-Anbieter präsentiert auf der Messe trotzdem Demo-Dashboards mit perfekten Daten.

Das dritte Problem ist die Integration. „Nahtlose SAP-Anbindung” heißt in der Praxis: Es gibt eine Schnittstelle. Sie muss konfiguriert werden, getestet werden, gewartet werden. Bei jedem SAP-Update kann sie brechen. Und wenn sie bricht, fällt es oft erst auf, wenn die Monatszahlen nicht stimmen. Echte Integration ist kein Feature, das man kauft – es ist ein laufendes Projekt.

Wo CAFM-Systeme trotzdem Sinn machen

Trotz aller Kritik: CAFM-Systeme haben ihren Platz. Sie machen Sinn, wenn ihr eine standardisierte Datenbasis für FM-Prozesse braucht, wenn ihr an mehreren Standorten mit mehreren Teams arbeitet und wenn ihr bereit seid, in Datenqualität zu investieren – nicht einmalig, sondern dauerhaft.

Ein CAFM-System macht besonders dann Sinn, wenn es als Datenfundament dient – nicht als Alleskönner. Die Anlagenstammdaten, die Standortstruktur, die Wartungspläne – das gehört in ein CAFM. Reporting, Analyse und KI-Anwendungen können darauf aufsetzen, müssen aber nicht im selben System laufen.

Der größte Fehler, den ich in CAFM-Projekten sehe: Unternehmen kaufen die Vollversion mit allen Modulen und versuchen, ab Tag eins alles über das CAFM abzubilden. Besser: mit den Stammdaten anfangen, saubere Strukturen aufbauen und dann Modul für Modul erweitern – wenn die Datenqualität stimmt.

Die Alternativen: Was ich statt oder neben dem CAFM einsetze

In meinen Projekten arbeite ich häufig mit einer Kombination aus CAFM für Stammdaten und einer selbstgebauten Dateninfrastruktur für alles, was Analyse und Agilität braucht.

Konkret: Eine PostgreSQL-Datenbank als zentrale Datenschicht, die Daten aus dem CAFM, dem Ticketsystem und den Excel-Listen zusammenführt. Apache Superset oder Metabase als Dashboard-Lösung obendrauf. n8n für automatisierte Datenflüsse zwischen den Systemen.

Dieses Setup kostet einen Bruchteil eines voll ausgestatteten CAFM-Systems, ist in Wochen statt Monaten einsatzbereit und gibt mir die Flexibilität, die ein monolithisches CAFM nicht bieten kann. Es ersetzt das CAFM nicht – aber es ergänzt es dort, wo das CAFM an seine Grenzen stößt.

Fünf Fragen, die ihr vor einer CAFM-Entscheidung beantworten solltet

Bevor ihr in ein CAFM-Projekt investiert – egal ob Neueinführung oder Systemwechsel – stellt euch diese Fragen:

Erstens: Wer wird die Daten pflegen, und welchen Anreiz hat diese Person, das sorgfältig zu tun? Wenn die Antwort „die Techniker, weil es vorgeschrieben ist” lautet, plant extra Aufwand für Change Management und einfache Erfassungsprozesse ein.

Zweitens: Welche Daten braucht ihr wirklich – und welche werden nur erfasst, weil das System es kann? Weniger Pflichtfelder bedeuten höhere Ausfüllquote.

Drittens: Wie sieht euer Reporting heute aus – und wer nutzt es tatsächlich? Ein CAFM-System verbessert kein Reporting, das vorher schon niemand gelesen hat.

Viertens: Welche Integrationen sind geschäftskritisch – und welche sind nice-to-have? Jede Integration ist ein laufendes Wartungsprojekt. Fokussiert euch auf die, die echten Mehrwert liefern.

Fünftens: Habt ihr intern jemanden, der das System nach der Einführung weiterentwickelt? Ein CAFM ohne internen Key-User ist ein totes System. Der Berater geht nach der Einführung. Euer System bleibt.

Mein Fazit

CAFM-Systeme sind keine schlechten Produkte. Aber die Erwartungen, die von Vertrieb und Marketing geschürt werden, passen selten zur Realität im Betrieb. Die ehrliche Wahrheit ist: Ein CAFM ist ein Werkzeug, und wie jedes Werkzeug ist es nur so gut wie die Person, die es benutzt – und die Organisation, die es unterstützt.

Startet klein, fokussiert euch auf Datenqualität statt Funktionsumfang, und baut nur die Module aus, für die ihr nachweislich saubere Daten liefern könnt. Das ist weniger glamourös als die Vollversion mit KI-Modul – aber es funktioniert.

Wie sind eure Erfahrungen mit CAFM-Einführungen? Kennt ihr die Lücke zwischen Versprechen und Realität – oder gibt es tatsächlich Erfolgsgeschichten?