Aufzug- & Fördertechnik

Aufzugausfälle entstehen scheinbar plötzlich, die Vorläufersignale lagen wochenlang in den Betriebsdaten, aber niemand hat sie gelesen.

Zeitreihen-ML und FFT-Analyse erkennen Zyklusdrift und Motorstrom-Anomalien in Tür- und Antriebsdaten, sichtbar 2–6 Wochen vor dem Ausfall.

Bedarfsorientierte Wartung statt starre Intervallwartung, 6 von 12 monatlichen Notfalleinsätzen werden planbar, was 21.600–43.200 € Jahreseinsparung ergibt.

OEM-Plattform (TK MAX / Schindler Ahead / Otis ONE)Herstellerneutrale IoT-Plattform (Siemens Insights Hub)Custom Zeitreihen-ML auf eigener Telemetrie-Infrastruktur

Wartungsverträge werden durch gestiegene Kosten schleichend unprofitabel.

Automatische Berechnung tatsächlicher Kosten je Vertrag aus ERP, Felddienst-Tool und CRM, mit Ampellogik für Margenverschlechterung.

Rechtzeitige Vertragsanpassung vor Verlustbeginn, bei 340 Verträgen typisch 10.000–30.000 € wiederhergestellte Jahres­marge.

Excel-Export + Julius AI (kein Setup)Power BI Dashboard (M365-Umgebung)Dynamics 365 / SAP PM (Vollintegration)

Ändert sich die Gebäudenutzung durch Mietereinzug, Umbau oder Veranstaltungsbetrieb, bleibt der Aufzugservicebetrieb oft monatelang unwissend, bis Verschleiß sichtbar wird oder der Vertrag längst unterkostet ist.

ML-Modelle lernen das normale Nutzungsprofil jedes Aufzugs und schlagen Alarm, wenn Fahrtenfrequenz, Etagenverteilung oder Tagesrhythmus signifikant abweichen.

Frühzeitige Erkennung veränderter Lastprofile, aufgedeckte Vertragsabweichungen können 8.000–20.000 € jährlichen Mehraufwand sichtbar machen, der sonst unsichtbar bleibt.

Statistisches Baseline-Monitoring (Z-Score, Schwellwerte)SafeLine Orion, herstellerunabhängiges Dashboard ohne EigenentwicklungInfluxDB + Grafana + ML-Modell (Isolation Forest / LSTM)

Abgekündigte Ersatzteile werden oft erst entdeckt, wenn ein Aufzug stillsteht. Die Notbeschaffung kostet 200–500 % Aufschlag, oder erzwingt eine ungeplante Modernisierung.

ML-Prognosemodell kombiniert Installed-Base-Daten, Herstellerankündigungen und Bestellhistorie, um Obsoleszenz-Risiken 2–4 Jahre im Voraus zu erkennen.

Notbeschaffungsaufschläge von 200–500 % durch rechtzeitige Last-Time-Buy-Bestellungen vermieden; Stillstandsrisiko bei 500 Anlagen von 3–5 auf 0–1 Fälle pro Quartal gesenkt.

SPARETECH (SAP-Integration, ab 20 T€/Jahr)IBM Maximo als vollständiges CMMSCustom ML auf Azure Machine Learning

Servicetechniker verbringen bis zu 35 % ihrer Arbeitszeit im Auto, ineffiziente Routenplanung kostet Einsatzkapazität und erhöht Reaktionszeiten bei Störungen.

KI analysiert Anlagenstatus, Techniker-Qualifikationen, Ersatzteilbestand und Fahrtzeiten und erstellt täglich optimierte Routen mit automatischer Umplanung bei Notfalleinsätzen.

20–30 % weniger Fahrzeit pro Techniker, 1–2 zusätzliche Wartungseinsätze täglich, schnellere Reaktion auf Störmeldungen.

Routing-SaaS direkt (OptimoRoute, Webfleet)Deutsches FSM-System mit KI-Routing (COMP4)Enterprise-Plattform mit Dispatch-KI (Dynamics 365)