SAP Asset Performance Management – Effizienz steigern, Risiken vorhersagen, Zukunft gestalten.

Herausforderung 1: Einhalten der IT-Richtlinien

Die Einbindung der IT-Abteilung ist bei der Einführung von IoT-Projekten unverzichtbar. Software sollte niemals ohne deren Zustimmung oder Mitwirkung angeschafft werden. Auf Messen werden oft attraktive Lösungen präsentiert – doch um solche Software professionell und stabil im Unternehmen zu betreiben, ist die IT-Integration essenziell. 

Herausforderung 2: Auswirkungen auf Gewährleistung und Wartungsintervalle

Eine kritische Herausforderung bei der Anpassung von Wartungsplänen ist die Gewährleistung. Hersteller könnten Wartungsverschiebungen ablehnen und die Gewährleistung für die Anlage unter diesen Bedingungen verweigern. Deshalb empfehlen wir, entweder Anlagen zu wählen, die außerhalb der Gewährleistungsfrist sind, oder vorab mit dem Hersteller die geplanten Wartungsintervalle abzuklären.

Einige Hersteller erlauben längere Wartungszyklen, beispielsweise nach 4.000 bis 8.000 Betriebsstunden statt starrer Jahresintervalle – ähnlich wie beim Auto, wo Wartung nach Zeit oder Kilometer erfolgt.

Herausforderung 3: Komplexität beim Einstieg reduzieren

Der Einstieg in IoT- und Machine-Learning-Projekte sollte nicht zu komplex gestaltet werden. Es empfiehlt sich, nicht gleich mit einem komplexen Algorithmus oder dem schwierigsten Anwendungsfall zu starten. Stattdessen sollte im Proof of Concept (PoC) ein Szenario gewählt werden, das für alle Beteiligten verständlich ist – auch ohne Expertenwissen im Bereich Machine Learning.

Unsere erste Empfehlung ist der Einsatz des OPC-Standards (Open Platform Communications). Damit haben wir sehr gute Erfahrungen gemacht – insbesondere bei der Integration unterschiedlicher Systeme in einer modernen Instandhaltungsarchitektur.

Wenn OPC möglich ist, würden wir dieses Protokoll bevorzugt implementieren. Es ist aber kein Muss: Gibt es beispielsweise eine bestehende RASC-Schnittstelle, können wir diese ebenfalls anbinden.

Bei älteren Anlagen, z. B. alten Siemens-Steuerungen ohne OPC-Fähigkeit, arbeiten wir mit Herstellern zusammen, die IoT-Konnektoren bereitstellen. Diese sprechen mit der vorhandenen Steuerung und fungieren als OPC-Client. So können Sensordaten in einem standardisierten Datenmodell an den Server übergeben werden – auch ohne native OPC-Unterstützung.

Kurz: Ob moderne Maschine oder Retrofit – wir finden einen Weg zur Datenerfassung und -integration.

Die Auswirkungen eines IoT-Projekts hängen stark von der jeweiligen Rolle ab. Für Maschinenbediener:innen ändert sich zunächst wenig – abgesehen davon, dass die Maschine im Zuge des Retrofits kurzzeitig stillstehen könnte. Wichtig ist, dass diese Mitarbeitenden transparent informiert werden.

Eine direkte Einbindung wird vor allem dann relevant, wenn beispielsweise eine OEE-Erfassung geplant ist – das betrifft eher Produktion und Supply Chain Management als die Instandhaltung.

Konkret betroffen sind vor allem die Instandhaltungstechniker:innen und Planer:innen. Ihre Arbeitsweise verändert sich, etwa durch den Wechsel von zeitbasierter zu zustandsbasierter Wartung. Stillstände könnten dann nicht mehr nach fixen Intervallen, sondern kurzfristig auf Basis von Sensordaten erfolgen. Diese Umstellung erfordert neue Prozesse – und vor allem ein frühzeitiges Mitnehmen der betroffenen Teams.

Straßenreinigungsfahrzeuge.
Ob sich dies für eine geleaste Fahrzeugflotte lohnt, ist fraglich. Fast alle modernen Fahrzeuge verfügen ohnehin über eine Schnittstelle, und da Fuhrparks mit Leasingverträgen meist innerhalb von drei Jahren erneuert werden, stellt dies in der Praxis selten ein Problem dar.

In bestimmten Fällen – etwa bei Dienstleistern im öffentlichen Verkehr – kann eine Nachrüstung jedoch sinnvoll sein.
Alternativ lassen sich bei älteren Fahrzeugen ohne Telematik, z. B. Dieselfahrzeugen, auch indirekte Lösungenumsetzen:

• Eine App zum Einscannen der Tankbelege
• Kombination der Tankdaten mit dem Kilometerstand
• Übertragung dieser Informationen als Indikatorwert ins APM

Solche individuellen Apps kann Evora bei Bedarf entwickeln und bereitstellen.

Die Verknüpfung von APM mit dem S/4-Backend erfolgt in der Regel über den Cloud Connector. Über Event Measurements können Messbelege aus APM mit den entsprechenden Indikatorwerten in S/4 synchronisiert werden.
Die Klassen, Merkmale und Messpunkte stammen aus dem Backend und werden ins APM repliziert – ggf. ergänzt um lokale APM-Attribute.

Das Core-Stammdatenmodell kommt aus SAP selbst. In der Praxis gibt es jedoch Unterschiede, z. B. zwischen Fahrzeugtypen oder Herstellern (BMW vs. Audi, Verbrenner vs. Elektrofahrzeug).
Deshalb gilt: so standardisiert wie möglich arbeiten, aber flexibel ergänzen, wo nötig. Ziel ist, identische Merkmale und Messpunkte für möglichst viele technische Objekte zu nutzen – und nur dort anzupassen, wo es fachlich erforderlich ist.