„Es geht um maximale Nutzungsdauer bei minimalem Risiko“

Herr Dengler, Herr Habering, in der Automobilproduktion stehen meist große, teure und komplexe Anlagenkomponenten im Fokus. Werden einfache, aber funktionskritische Elemente wie Energieführungsketten oder Kunststoffteile aus Ihrer Sicht noch immer unterschätzt?

Richard Habering: Ja, uns fehlt in gewisser Weise die Lobby. Bei Spindeln, Linearführungen, Antrieben oder Steuerungen ist sofort klar, dass dahinter hohe Investitionen, komplexe Auslegung und viel Entwicklungsaufwand stecken. Bei Energieketten, Gleitlagern oder Spezialleitungen ist dieses Bewusstsein deutlich schwächer ausgeprägt. Dabei gilt auch hier: Wenn eine solche Komponente ausfällt, kann der Effekt auf die Produktion genauso gravierend sein wie beim Ausfall eines großen Aggregats. Das Thema wird im Engineering meist einmal sauber abgearbeitet – und verschwindet danach aus dem Fokus.

Andreas Dengler: Hinzu kommt: Wenn diese Komponenten richtig ausgelegt und korrekt montiert sind, fallen sie im Betrieb kaum auf. Genau das ist ja ihre Stärke. Man macht sich über sie keine Gedanken, weil sie funktionieren. Es ist auch kein Qualitätsproblem. Wenn Montage- und Auslegungshinweise eingehalten werden, gibt es keinen Grund, warum solche Produkte innerhalb der vorgesehenen Betriebsdauer ausfallen sollten. Kritisch wird es in der Regel erst dann, wenn äußere Einflüsse ins Spiel kommen.

Fehlt also vor allem das Bewusstsein dafür, dass passive Komponenten enorme Folgen haben können?

Habering: Oft hält das Missverständnis nur so lange, bis es das erste Mal kracht. Spätestens dann steht das Thema plötzlich im Fokus. Aber auch danach wird häufig eher rückblickend gefragt, ob etwas anders hätte ausgelegt werden müssen. Dabei liegt die Ursache oft nicht in der Komponente selbst, sondern in der Praxis. Wird etwa ein Teil vorsorglich getauscht und dabei die Montageanweisung nicht sauber beachtet, entsteht genau an dieser Stelle eine neue Schwachstelle.

Dengler: Und manchmal wird in der Instandhaltung auch schlicht akzeptiert, dass ein Produkt eben nicht länger hält, statt zu prüfen, ob es eine robustere oder langlebigere Lösung gibt. Das wird vielerorts einfach hingenommen. Aus meiner Sicht ist das Entscheidende: Auf Shopfloor-Ebene ist das Thema oft viel präsenter als im Management. Dort ist vielfach noch gar nicht angekommen, welche Folgekosten auch an unscheinbaren Komponenten hängen können.

Wenn man an Predictive Maintenance denkt, kommen einem zunächst Motoren, Robotik oder andere Kernaggregate in den Sinn. Warum greift dieses Verständnis zu kurz?

Habering: Das hat viel mit der Entwicklung des Themas zu tun. Als Predictive Maintenance in den Jahren 2014 bis 2016 groß wurde, standen zunächst Wälzlager, Kugellager, Spindeln und Antriebseinheiten im Mittelpunkt. Schwingungsanalysen, Körperschallmessungen, erste Datenmodelle – all das wurde breit diskutiert. Die Aufmerksamkeit lag auf den vermeintlich besonders komplexen und teuren Komponenten. Kunststoffbasierte Basiskomponenten sind in diesem Narrativ schlicht untergegangen.

Dengler: Dazu kommt, dass damals viele große Schlagworte parallel hochkamen: IoT, Digitaler Zwilling, Industrie 4.0. Das hat die Aufmerksamkeit stark auf die großen, sichtbaren Themen gelenkt. Einfache Komponenten wurden eher als „gesetzt“ betrachtet. Dabei gehören sie an vielen Stellen zu den Teilen, deren Ausfall sofort Stillstand bedeutet. Gerade deshalb greift ein enger Predictive-Maintenance-Begriff zu kurz.

So begegnet Igus dem Wandel in der Autobranche

Wie reagiert man auf asiatische Wettbewerber, die das lukrative Geschäft mit Gleitlagern und Energieketten lockt? Der Ansatz von Spritzguss-Spezialist Igus liegt unter anderem in einem eigenen Werkzeugbau und schnellen, flexiblen Prozessen.

Wo treten denn typische Schadensbilder und Ausfallursachen auf? Und in welchen Bereichen eines Werks sollte die Instandhaltung besonders genau hinschauen?

Dengler: Typische Ausfallursachen liegen häufig gar nicht im Produkt selbst. Probleme entstehen eher dann, wenn schon im Engineering zu nah am Grenzbereich ausgelegt wurde oder wenn äußere Einflüsse hinzukommen. Das kann schlecht geschultes Personal sein, Reinigungseinflüsse, Fehlfunktionen in der Anlage oder auch ganz banal Teile, die irgendwo herunterfallen. Es gibt viele Szenarien, in denen eine eigentlich robuste Komponente von außen geschädigt wird. Besonders relevant ist das überall dort, wo hohe Taktzahlen oder hohe Folgekosten zusammenkommen. In der Batteriefertigung etwa ist man häufig sehr zyklenreich und mit hohen Geschwindigkeiten unterwegs. In der Endmontage sind die Geschwindigkeiten vielleicht geringer, dafür sind die Ausfallkosten enorm, weil dort sehr viele Mitarbeitende an einer Linie hängen.

Habering: Genau das ist der Punkt. Mir wurde einmal gesagt: Wenn in einer Motorenproduktion nur eine Leitung ausfällt, kann das bereits Stillstandskosten von 10.000 bis 15.000 Euro pro Minute verursachen. Und dann spricht man über ein Bauteil, das im Vergleich dazu verschwindend wenig kostet. Dieses Verhältnis wird häufig unterschätzt.

Sie sprechen bei Predictive Maintenance in diesem Umfeld über vergleichsweise einfache und kostengünstige Sensorik. Was lässt sich heute mit überschaubarem Aufwand realisieren?

Dengler: Ein gutes Beispiel ist die Bruchüberwachung für Kunststoffenergieführungsketten. Ich bin ein großer Fan davon, weil sie sehr effektiv und zugleich sehr einfach aufgebaut ist. Sie zielt in erster Linie auf Condition Monitoring, also auf Zustandsüberwachung. Der große Vorteil ist, dass sich solche Systeme auch in bestehende Anlagen nachrüsten lassen. Damit kann man gerade kritische Bestandsanlagen im Nachgang betriebssicherer machen, ohne gleich große Systemumbauten anstoßen zu müssen.

Habering: Technisch ist das Prinzip erstaunlich einfach. Bei der Bruchüberwachung wird ein Hochleistungspolymerseil über einen Mitnehmer in die Kette eingezogen. Ein Messsystem erfasst permanent die Länge der Energieführungskette. Diese Länge sollte sich im Betrieb nicht verändern. Tut sie es doch, ist das ein klarer Hinweis auf einen Defekt. Die zweite wichtige Größe ist die Kraft, die benötigt wird, um die Kette zu bewegen. Diese hängt von Kettentyp, Länge, Füllgewicht, Geschwindigkeit und Beschleunigung ab, bleibt unter normalen Bedingungen aber weitgehend konstant. Steigt sie plötzlich stark an, liegt möglicherweise ein Hindernis im Weg. Steigt sie schleichend, kann das auf Verschmutzung, Engstellen oder Fremdkörper hinweisen. Zusätzlich kann auch die Zugkraft an Leitungen erfasst werden.

Wie wird daraus dann wirklich vorausschauende Wartung?

Habering: Indem man diese mechanischen Kenngrößen nicht nur für das unmittelbare Abschalten im Störfall nutzt, sondern über die Zeit auswertet. Sie verändern sich im Lebenszyklus einer Komponente. Daraus lassen sich Prognosen für die verbleibende Nutzungsdauer ableiten, also die Remaining Useful Lifetime. So wird aus Zustandsüberwachung echte vorausschauende Wartung.

Dengler: Und das ist für die Praxis enorm wichtig, weil man dadurch Wartung in geplante Stillstandsfenster legen kann – etwa in Sommer- oder Weihnachtsstillstände. Genau darum geht es ja: nicht reagieren, wenn es schon zu spät ist, sondern vorher mit ausreichendem Vorlauf wissen, wann ein sinnvoller Tauschzeitpunkt erreicht ist. Das ist für Instandhalter deutlich wertvoller als ein bloßes Alarmereignis.

Warum sind solche Lösungen auf dem Shopfloor trotzdem noch nicht flächendeckend angekommen, obwohl viele Werke massiv in Digitalisierung investieren?

Habering: Weil zwischen Strategiediskussion und Werkshalle oft ein erheblicher Abstand liegt. Wir hatten einmal ein Projekt mit einem Ansprechpartner, der sehr früh verstanden hatte, was unsere Sensorik leisten kann. Gleichzeitig investierte dessen Unternehmen Milliarden in Cloud- und Condition-Monitoring-Infrastrukturen. Seine spontane Reaktion war dennoch sinngemäß: Von den Leuten habe ich hier unten am Band noch keinen gesehen. Das beschreibt das Problem gut: Die strategische Erzählung ist da, aber die operative Realität in der Instandhaltung sieht häufig noch anders aus.

Dengler: Ein weiterer Punkt ist die IT. Predictive Maintenance klingt im ersten Moment schnell komplex, und sobald Datenübertragung, Schnittstellen oder Cloud-Anbindung ins Spiel kommen, reden sehr viele mit. Dann entstehen Sicherheitsbedenken, Abstimmungsaufwände und letztlich oft auch Blockaden. In vielen Fällen enden die Gespräche genau an dieser Stelle. Dabei braucht vorausschauende Wartung zwingend einen Rückkanal. Es genügt nicht, wenn unten an der Maschine nur lokal eine Meldung erscheint. Wirklich hilfreich wird das System erst, wenn Informationen an der richtigen Stelle ankommen und Maßnahmen auslösen. Genau diese Verbindung ist in vielen Werken noch nicht sauber organisiert.

Diese Tools erleichtern die Autoproduktion der Zukunft

Für die Produktion in der Automobilindustrie ist es relevanter denn je, die effizientesten Maschinen, Tools und Anlagen einzusetzen. In unserem Überblick stellen wir Ihnen die wichtigsten Branchenlösungen vor.

Wie lässt sich der ROI solcher Lösungen dem Management vermitteln, wenn die überwachten Komponenten selbst vergleichsweise günstig sind?

Habering: Gerade über dieses Missverhältnis. Wenn ein Sensorikpaket für eine kritische Achse vielleicht 3.000 bis 5.000 Euro kostet, die Stillstandskosten aber bei 10.000 Euro pro Minute liegen, dann amortisiert sich die Investition im Zweifel nach wenigen Sekunden vermiedener Störung. Das versteht jedes Management sehr schnell. Daneben gibt es auch extrem einfache Lösungen, etwa mechanische Verschleißsensoren, die farblich anzeigen, wann ein Bauteil an sein Lebensdauerende kommt. Solche Elemente kosten unter 100 Euro. Wenn der Instandhalter im Vorbeigehen sieht, dass Handlungsbedarf besteht, verhindert dies Stillstände mit minimalem Mitteleinsatz.

Dengler: Und es geht nicht nur um vermiedene Ausfälle, sondern auch um die tatsächlich genutzte Lebensdauer. In vielen Werken werden Komponenten vorsorglich eher zu früh ausgetauscht, weil das Risiko eines Ausfalls gescheut wird. Mit Sensorik kann man Produkte viel näher an ihre reale Nutzungsgrenze heran betreiben – also maximale Nutzungsdauer bei kalkulierbarem Risiko. Genau das ist wirtschaftlich interessant.

Das Schlagwort, das derzeit bis in Vorstandsetagen Aufmerksamkeit erzeugt, ist KI. Welche Rolle spielt sie in diesem Umfeld bereits?

Habering: Eine ganz praktische. Bei einer Zug- oder Schubkraftüberwachung – also der Analyse, ob an bewegten Leitungen oder Energieketten zu stark gezogen oder gedrückt wird – kommen schnell mehrere Gigabyte Sensordaten pro Monat zusammen. Hochgerechnet auf lange Laufzeiten und viele installierte Systeme entstehen enorme Datenmengen. Diese Daten ohne KI auszuwerten, Muster zu erkennen und Zustandsverläufe zu vergleichen, ist faktisch nicht möglich. Für uns ist das deshalb längst Tagesgeschäft. Die Grenze sehe ich derzeit noch dort, wo KI direkt in den Anlagenbetrieb eingreifen würde. Dass sie also nicht nur den Zustand bewertet, sondern aktiv etwa die Geschwindigkeit der Anlage drosselt, damit die Komponenten noch bis Schichtende halten. Solche Szenarien sind perspektivisch denkbar, aber noch Zukunftsmusik.

Dengler: Der zentrale Punkt ist tatsächlich die Auswertung. In vielen Werken gibt es schlicht niemanden, der solche Daten systematisch interpretiert. Genau da kann KI zum Beschleuniger werden: nicht als Selbstzweck, sondern als Werkzeug, um aus Daten verwertbare Handlungsempfehlungen zu machen. Das könnte Predictive Maintenance deutlich stärker in die Anwendung bringen.

Automobilwerke denken stark in Lean-Kategorien. Wie zahlt die Überwachung solcher Basiskomponenten auf Lean Production und Verschwendungsreduktion ein?

Dengler: Sehr direkt. Denn das Ziel ist ja, Produkte bis möglichst nah an ihre reale Lebensdauergrenze zu betreiben, statt sie aus Unsicherheit vorschnell zu tauschen. Viele Instandhalter handeln aus Verantwortung heraus bewusst konservativ. Das ist nachvollziehbar, führt aber dazu, dass Potenziale in der Nutzungsdauer ungenutzt bleiben. Sensorik hilft, diese Reserven kontrolliert zu erschließen.

Habering: Genau, es geht um maximale Produktnutzungsdauer bei minimalem Risiko. Jedes technische Produkt hat einen Punkt, an dem das Ausfallrisiko zum Lebensdauerende hin ansteigt. Wenn man diesen Punkt präzise bestimmen kann, vermeidet man zwei Dinge zugleich: ungeplante Stillstände und unnötig frühen Austausch. Lean bedeutet in diesem Fall ganz konkret, Verschwendung aus Wartungsstrategien herauszunehmen.

Wie weit sind humanoide Roboter für die Autofabrik?

Das Fraunhofer IPA will humanoide Roboter mit dem Humanoid Capabilities Navigator vergleichbar machen. Im Gespräch mit den Autoren zeigt sich: Das Whitepaper ist auch für die Automobilproduktion relevant. Doch wie viel ist schon Praxis?

Zum Schluss: Was raten Sie einem Werk, das bei diesem Thema noch ganz am Anfang steht?

Dengler: Der erste Schritt ist aus meiner Sicht klar: mit der Instandhaltung sprechen. Dort weiß man am besten, welche Anlagen kritisch sind, welche Prozesse besonders empfindlich reagieren und wo Ausfälle massive Folgen haben. Genau dort sollte man mit Pilotanwendungen beginnen. So sammelt man Erfahrungen, ohne gleich große Rollouts zu planen.

Habering: Und der Impuls muss in der Regel vom Anlagenbetreiber kommen, nicht vom Maschinenbauer. Der wird zusätzliche Technik selten freiwillig anbieten, wenn sie seine Maschine teurer macht. Deshalb braucht es auf Betreiberseite den Willen, solche Lösungen einzufordern. Hilfreich sind dabei Referenzen. Wenn ein Werk sieht, dass ein System im eigenen Konzern bereits funktioniert, steigt die Bereitschaft deutlich.

Dengler: Ist ein Pilot einmal erfolgreich, sprechen sich solche Lösungen schnell herum – über Arbeitskreise, Spezialistennetzwerke und den Austausch zwischen Werken. Genau so entsteht Skalierung: nicht über das große Leuchtturmprojekt, sondern über nachgewiesenen Nutzen im Betrieb. Und das ist der entscheidende Punkt: Diese Technologien sind kein Entwicklungsprojekt mehr. Sie sind da, sie funktionieren, und sie adressieren ein Problem, das in vielen Werken größer ist, als man lange angenommen hat.

Dieser Beitrag wird präsentiert von igus: