Diagnostik, Prognostik und vorausschauende Instandhaltung — eine saubere Abgrenzung
Drei Begriffe, die in Lastenheften ständig miteinander verwechselt werden — und ein einfacher Entscheidungsrahmen, wann welcher Anwendungsfall wirklich passt.
Warum die Begriffe kollidieren
Wenn ein Hersteller von 'Predictive Maintenance' spricht und der Kunde 'Diagnose' meint, scheitern Pilotprojekte schon im Scoping. Die NASA-Definitionen aus der Reliability-Engineering-Literatur sind hilfreich, weil sie die Begriffe entlang des Informationsflusses sauber trennen: Beobachtung → Erklärung → Vorhersage → Handlung.
Condition Monitoring — was passiert gerade?
Sensoren, SCADA-Tags und manuelle Inspektionen liefern den aktuellen Zustand: Vibration, Temperatur, Stromsignatur, Druck. Es findet keine Bewertung statt. Das ist die Datengrundlage und meist ein gelöstes Problem, sobald Konnektoren stehen.
Diagnostik — was ist passiert und warum?
Diagnostik klassifiziert Anomalien zu konkreten Fehlerbildern: Lagerschaden, Unwucht, Kavitation, Phasenasymmetrie. Das setzt Domänenwissen, Fehlermodelle (FMEA) und beschriftete Daten voraus. Eine gute Diagnose senkt Alarmflut, weil sie 'bedeutsam' von 'rauschen' trennt.
Prognostik — was wird passieren?
Prognostik schätzt die verbleibende Nutzungsdauer (RUL) oder die Ausfallwahrscheinlichkeit innerhalb eines Zeitraums. Sie braucht stabile Anlagenklassen, ausreichende Degradationshistorie und kalibrierte Konfidenzintervalle. Ohne Konfidenz ist eine Prognose nutzlos — Wartungsteams brauchen einen Vertrauenswert, sonst wird die schlechtere Hypothese teurer als der Status quo.
Predictive Maintenance — was tun wir?
Predictive Maintenance ist die operative Praxis, die Diagnose und Prognose in Arbeitsaufträge übersetzt. Sie verbindet Health-Index, Kritikalität, Ersatzteilverfügbarkeit und SLA-Auswirkungen. Hier liegt der echte ROI — und hier scheitern reine 'AI-Plattformen', die Workflow nicht mitdenken.
Ein Entscheidungsrahmen für Ihren ersten Use Case
Stellen Sie drei Fragen: (1) Sind die Anlagenklassen wiederholbar genug für Modelle? (2) Ist die Wartung heute reaktiv oder bereits zustandsbasiert? (3) Wer trifft die Entscheidung im Workflow? Beginnen Sie bei Diagnostik, wenn Alarmflut der Schmerzpunkt ist; bei Prognostik, wenn ungeplante Ausfälle die Stillstandskosten dominieren; bei Predictive Maintenance, wenn beide Vorgängerstufen technisch und organisatorisch sitzen.
Häufige Verwechslungen, die Pilotprojekte killen
Anomalieerkennung ist nicht Diagnose — sie sagt 'ungewöhnlich', nicht 'Lagerschaden außen'. RUL für Anlagen mit zwei Jahren Daten ist Spekulation, nicht Prognose. 'AI-gestützte' Plattformbegriffe ohne FMEA, ohne CMMS-Integration und ohne Engineering-Review erzeugen kein operatives Ergebnis. Wer diese Trennung vorab klärt, erhöht die Erfolgswahrscheinlichkeit eines Piloten erheblich.