Predictive Maintenance ohne Data-Science-Team: Der pragmatische Einstieg für FM-Teams

„Predictive Maintenance” klingt nach Konzernbudget: eigenes Data-Science-Team, KI-Plattform, Jahresprojekt. Deshalb legen die meisten mittelständischen FM-Teams das Thema in die Schublade „später, wenn wir größer sind”. Das ist ein Fehler. Vorausschauende Wartung lässt sich heute mit handelsüblichen Funksensoren, einer Cloud-Plattform von der Stange und einem sauber abgegrenzten Pilotbereich starten, ohne eine einzige Zeile Machine-Learning-Code selbst zu schreiben.

Warum der Einstieg einfacher ist, als er aussieht

Der Denkfehler liegt in der Reihenfolge. Viele stellen sich vor, sie müssten zuerst ein Modell trainieren, das Ausfälle vorhersagt. Das übernimmt aber die Sensor-Plattform: Sie vergleicht laufend aktuelle Messwerte mit dem eingelernten Normalzustand einer Anlage und schlägt bei Abweichungen Alarm. Dahinter stehen immer dieselben drei Schritte: Der Sensor erfasst, die Plattform verarbeitet in Echtzeit, ein Modell lernt aus historischen Daten dazu. Das FM-Team muss kein Modell bauen. Es muss die Alarme richtig interpretieren und weiterleiten lassen, und dafür reicht ein gut konfiguriertes Cloud-Dashboard.

Die eigentliche Arbeit liegt in der Datenqualität. Ungenaue oder lückenhafte Sensordaten sind der Grund, warum Predictive-Maintenance-Projekte in der Praxis scheitern. Fehlende KI-Kompetenz im Haus ist es selten. Wer hier sauber startet, spart sich später die teure Nachbesserung.

Der Drei-Stufen-Einstieg für kleinere FM-Teams

Statt ein Gebäude komplett zu verkabeln, lohnt sich ein gestaffelter Ansatz, der mit wenig Investition beginnt und mit dem Nutzen mitwächst:

1. Basis-Stufe, Wasser und Klima: Zwei bis vier Feuchtigkeitssensoren an wasserführenden Leitungen und ebenso viele Temperatur- und Feuchtesensoren, angebunden über ein einziges WLAN-Gateway. Diese Stufe kostet vergleichsweise wenig und verhindert die teuersten Überraschungen, nämlich Wasserschäden und Schimmelbildung, die man sonst erst bemerkt, wenn der Schaden schon da ist.
2. Anlagen-Stufe, Kompressoren, Lüftung, Antriebe: Vibrationssensoren an Kompressoren und Motoren, Energiemonitore an HVAC-Kreisläufen. Ungewöhnliche Vibrationsmuster kündigen Lagerschäden häufig 30 bis 90 Tage vor dem eigentlichen Ausfall an. Das reicht, um die Reparatur zu planen, statt sie ungeplant zu erleben.
3. Nachweis-Stufe für dokumentationspflichtige Objekte: Smarte Thermostate, Türsensoren und NFC-Tags für Objekte mit hohen Nachweispflichten, etwa medizinische Einrichtungen. Der Techniker tippt beim Rundgang sein Tag an, und das System protokolliert Zeitpunkt, Ort und Person automatisch. Die Wartungsdokumentation entsteht nebenbei.

Diese Reihenfolge ist eine Empfehlung und keine Pflicht. Wer schon weiß, dass eine bestimmte Anlage überdurchschnittlich oft ausfällt, fängt direkt dort an, unabhängig von der Stufe.

Was das realistisch kostet

Internationale Marktdaten geben eine grobe Orientierung, umgerechnet in Euro und gerundet. Deutsche Angebote können im Detail abweichen. Ein einfacher Vibrationssensor liegt bei rund 130 bis 300 Euro, ein Temperatursensor bei 105 bis 390 Euro pro Messpunkt. Inklusive Installation und Inbetriebnahme landet man pro Sensorknoten meist bei 350 bis 1.050 Euro. Ein Gateway für 50 bis 500 Sensoren kostet einmalig zwischen 700 und 3.000 Euro, bei Mobilfunk-Anbindung kommt eine monatliche Datengebühr von 25 bis 70 Euro pro Standort dazu. Cloud-Software mit IoT-Anbindung wird meist pro Anlage und Monat abgerechnet, üblich sind 2,50 bis 13 Euro.

Ein Pilot mit zehn bis zwanzig Sensoren an einem einzigen Gebäude ist für ein mittelständisches FM-Unternehmen damit kein Großprojekt. Die Entscheidung kann auf Abteilungsebene fallen.

Der Business Case

Skeptiker im eigenen Haus fragt man am besten nach der Stunde ungeplanten Stillstands. Branchenzahlen nennen im Schnitt 225.000 Euro pro Stunde für kritische Produktionsanlagen. Für die eigene Immobilie fällt der Wert natürlich viel kleiner aus, das Prinzip bleibt aber dasselbe. Näher am FM-Alltag liegen die Werte aus dem Betrieb: Unternehmen mit eingeführter vorausschauender Wartung berichten von 25 bis 30 Prozent geringeren Wartungskosten, 70 bis 75 Prozent weniger ungeplanten Ausfällen und einer um 20 bis 40 Prozent verlängerten Lebensdauer der Anlagen. Ein typisches Sensor-Setup amortisiert sich nach sechs bis vierzehn Monaten, dafür braucht niemand einen mehrjährigen Business Case.

Wie ein Pilot in der Praxis aussieht

Am pragmatischsten startet man mit einem einzelnen Objekt mit bekannten Problemanlagen und nicht mit dem ganzen Portfolio. Man wählt drei bis fünf Anlagen aus, die in der Vergangenheit ungeplante Einsätze verursacht haben, und rüstet sie mit Sensoren nach. Die Cloud-Plattform lernt zwei bis vier Wochen lang den Normalzustand ein, Alarme gehen testweise an den Ersteinsatz-Techniker, bestehende Wartungspläne bleiben zunächst unverändert. Erst wenn die Alarme zuverlässig echte Probleme markieren, wird das Setup auf weitere Anlagen oder Objekte ausgeweitet. So bleibt das Risiko überschaubar, und man sammelt intern belastbare Erfahrungswerte, statt sich auf Herstellerversprechen zu verlassen.

Zwei Punkte werden oft unterschätzt. Der eine ist die Netzwerk- und IT-Sicherheit der neuen Sensor-Infrastruktur, denn jedes zusätzliche vernetzte Gerät ist ein potenzielles Einfallstor. Der andere ist die Frage, wer die Alarme im Tagesgeschäft tatsächlich bearbeitet. Die beste Sensorik hilft nicht, wenn Warnungen in einem Postfach verstauben, das niemand regelmäßig prüft.

Fazit

Predictive Maintenance braucht kein eigenes Data-Science-Team. Ein Pilotprojekt mit überschaubarem Budget an einem Gebäude reicht, und es wächst mit dem Nutzen. Wer mit der Basis-Stufe beginnt, echte Problemanlagen zuerst adressiert und die Alarmbearbeitung von Anfang an klar zuordnet, hat innerhalb eines Jahres belastbare Zahlen. Sie überzeugen im Haus besser als jede Hersteller-Präsentation, weil sie aus der eigenen Anlage stammen.

Quellen:

• IoT Sensors for Predictive Maintenance: 2026 Complete Guide
• Wireless Predictive Maintenance Cost, Pricing & ROI Calculator 2026
• Predictive Maintenance for Small Commercial Buildings: An Affordable Approach
• Predictive Maintenance und IoT – AI im Facility Management