Maschinenpark-Wartungsplan automatisch verwalten

Das echte Ausmaß des Problems

Reinigungsunternehmen mit 30–80 Maschinen befinden sich in einer unangenehmen Zwischenzone: Zu groß, um den Überblick mit Gedächtnis und Zetteln zu behalten. Zu klein, um in ein volles ERP-System mit Instandhaltungsmodul zu investieren.

Was daraus entsteht, ist eine Wartung auf Zuruf: Maschinen werden geöffnet, wenn sie ausfallen — nicht wenn es sinnvoll wäre. Und da Reinigungsunternehmen ihre Maschinen im Einsatz nicht sehen (sie stehen an Dutzenden Standorten bei Kunden, oft nachts im Betrieb), fehlt sogar der optische Hinweis, dass etwas nicht stimmt.

Was das in Zahlen bedeutet:

• Reaktive Instandhaltung kostet laut U.S. Department of Energy 3–4 Mal mehr als geplante Wartung — nicht wegen teurer Teile, sondern wegen Notfall-Servicestunden, Expressversand, Standzeiten und Vertragsfolgen
• 44 Prozent aller ungeplanten Maschinenstillstände entstehen durch Verschleiß an älteren Geräten, der mit tatsächlicher Nutzungsintensität korreliert — nicht mit dem Kaufdatum (laut ToolSense-Auswertung auf Basis von Webinar Care-Daten, 2024)
• Präventive Wartung spart pro ausgegebenem Euro vier bis fünf Euro an Reparatur- und Folgekosten — eine Relation, die industrieübergreifend gilt und von der American Society of Maintenance Professionals (SMRP) regelmäßig bestätigt wird
• Ein mittelgroßes Reinigungsunternehmen mit 45 Maschinen hat realistisch 6–10 ungeplante Ausfälle pro Jahr — jeder kostet je nach Maschinengröße und Einsatzkontext zwischen 800 und 3.500 Euro direkte Notfallkosten

Dazu kommt der Vertragskontext. Krankenhäuser, Lebensmittelbetriebe und öffentliche Auftraggeber haben Sauberkeitsklauseln mit engen Reaktionszeiten. Ein Ausfall ohne sofortige Gegenmaßnahme kann Vertragsstrafen auslösen oder die Auftragsverlängerung gefährden. Das Risiko ist bekannt — aber ohne Sichtbarkeit in den Maschinenzustand bleibt es unvermeidbar reaktiv.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Reduktion auf 2–4 basiert auf Praxisberichten aus ähnlichen Betrieben; Ergebnisse variieren je nach Maschinenalter, Nutzungsintensität und Datenqualität.

Einschätzung auf einen Blick

Zeitersparnis — niedrig (2/5) Das ist der Anwendungsfall, der nicht täglich Zeit spart, sondern alle paar Monate einen Notfall verhindert. Die laufende Zeitersparnis — Wartungsplanung und -dokumentation schneller als auf Papier — liegt bei ein bis zwei Stunden pro Woche. Das ist real, aber kein Hauptargument. Wer hier eine tägliche Arbeitsentlastung erwartet, wird enttäuscht. Der Hebel liegt in der Kostenvermeidung, nicht im Zeitgewinn.

Kosteneinsparung — hoch (4/5) Vier bis fünf Euro Reparaturersparnis für jeden Euro präventive Wartung ist eine Relation, die sich auch bei einem 45-Maschinen-Park schnell summiert. Notfallkosten — Stunden, Express-Teile, Standzeiten, Vertragsfolgen — sind der dominante Kostenfaktor, nicht Ersatzteile im Regelbetrieb. Wer diesen Anwendungsfall einführt, hat einen der klarsten ROI-Nachweise in dieser Branchenkategorie.

Schnelle Umsetzung — hoch (4/5) Die meisten Betriebe haben bereits eine Mindestbasis: Maschinenlisten in Excel, handschriftliche Wartungsblätter, Lieferscheine vom Servicetechniker. Diese Daten lassen sich in vier bis sechs Wochen in ein einfaches CMMS überführen. Mit MaintainX gibt es sogar einen kostenlosen Einstieg ohne Lizenzdiskussion. Der einzige Vorbehalt: ohne historische Daten (mindestens sechs Monate) liefert das System anfangs nur kalenderbasierte Wartungspläne, keine echte Vorhersage.

ROI-Sicherheit — hoch (4/5) Kein anderer Anwendungsfall in dieser Kategorie hat einen so direkten Messansatz: Zähle die Notfalleinsätze vor und nach der Einführung, multipliziere mit den durchschnittlichen Notfallkosten — und du hast den ROI. Der erste verhinderte Krankenhausausfall amortisiert in vielen Fällen die Jahreskosten des Systems. Das macht diesen Use Case für Geschäftsführungen besonders überzeugend.

Skalierbarkeit — mittel (3/5) Das System wächst mit dem Maschinenpark. Was nicht mitskaliert: der Pflegeaufwand. Jede neue Maschine muss mit Stammdaten, Wartungsintervallen und — bei IoT-Anbindung — mit Sensor-Konfiguration aufgenommen werden. Nicht komplex, aber nicht trivial. Bei Flotten über 100 Maschinen empfiehlt sich ein dedizierter Systemverantwortlicher — eine Aufgabe, die wächst.

Richtwerte — stark abhängig von Maschinenalter, Flottenstruktur und vorhandener Datenbasis.

Was das System konkret macht

Das Grundprinzip ist einfacher als der Begriff “Predictive Analytics” suggeriert. In der Praxis läuft es in drei Stufen ab:

Stufe 1 — Erfassen statt erinnern. Jede Maschine bekommt einen digitalen Steckbrief: Hersteller, Modell, Seriennummer, Standort, Kaufdatum, letzte Wartungen, eingebaute Ersatzteile. Techniker erfassen neue Meldungen direkt per Smartphone-App. Die Maschine wird nicht mehr nur beim Ausfall geöffnet, sondern ihr Zustand wird laufend dokumentiert.

Stufe 2 — Auslöser nach tatsächlicher Nutzung. Statt fixer Kalenderintervalle löst das System Wartungsaufträge auf Basis von Betriebsstunden aus. Eine Maschine, die in einer vollbelegten Produktionshalle fünf Stunden täglich läuft, braucht früher eine Wartung als dieselbe Maschine, die zweimal pro Woche einen leerstehenden Büroflur reinigt. Diese Differenzierung erfordert entweder IoT-Sensorik (automatische Stundenzählung) oder manuelle Erfassung durch die Techniker.

Stufe 3 — Muster erkennen und Aufträge erzeugen. Sobald das System sechs bis zwölf Monate Wartungshistorie hat, werden Ausfallmuster sichtbar: Welche Maschinentypen fallen wann aus? Gibt es wiederkehrende Fehler vor einem Ausfall? Systeme wie Limble CMMS erkennen solche Muster und können Wartungsaufträge automatisch generieren — inklusive Checkliste, Ersatzteilbedarf und Technikerzuweisung.

Was das konkret verhindert: Frank Rosenthal hätte eine automatische Benachrichtigung erhalten, dass die SC6000 an Standort Köln 780 von 800 empfohlenen Stunden erreicht hat. Der Wartungsauftrag wäre für die kommende Woche geplant worden — an einem Tag ohne kritischen Nachtschichteinsatz, mit vorher bestelltem Bürstenlager, mit einem Techniker, der das Teil kennt.

Herstellereigene Telematik vs. offene CMMS-Plattformen

Das ist die wichtigste Entscheidung, die du vor der Einführung treffen musst — und sie hat keine universelle Antwort.

OEM-Telematik (Kärcher Fleet, Nilfisk My Fleet, Tennant IRIS) Hersteller wie Kärcher und Nilfisk bieten eigene digitale Flottenplattformen an. Diese Systeme kennen deine Maschinen von Grund auf: Betriebsstunden werden automatisch übertragen, Fehlercodes aus dem Diagnosesystem direkt ausgelesen, Service-Empfehlungen auf das Maschinenmodell zugeschnitten. Das ist der technisch tiefste Ansatz — für Betriebe mit einem relativ homogenen Maschinenpark aus einer Hersteller-Welt.

Das Problem: Die meisten mittelgroßen Reinigungsunternehmen haben gemischte Flotten. Sechs Nilfisk-Scheuersaugmaschinen, drei Kärcher-Hochdruckreiniger, vier Hako-Kehrmaschinen, zwei Dampfreiniger vom Discounter. Dann gibt es keine einheitliche OEM-Plattform — du hast drei verschiedene Hersteller-Apps, keine davon spricht mit der anderen.

Offene CMMS-Plattformen (ToolSense, remberg, Limble CMMS) Diese Systeme sind herstellerunabhängig. Sie akzeptieren jede Maschine — egal von wem — und bringen alle Daten auf einem Dashboard zusammen. Was sie verlieren: die automatische Datenübertragung aus dem Maschineninneren. Betriebsstunden müssen entweder manuell erfasst oder durch externe Sensorik (Laufzeitzähler, Vibrationssensoren) nachgerüstet werden.

ToolSense hat OEM-Partnerschaften mit Numatic, Columbus und Cleanfix aufgebaut — bei diesen Maschinen klappt die automatische Datenübertragung. Für andere Hersteller gibt es Retrofit-Optionen.

Die Entscheidungsregel:

• Homogene Flotte, ein Hersteller, ausreichend Budget für OEM-Lizenz → OEM-Telematik ist die sauberste Lösung
• Gemischte Flotte, mehrere Hersteller, oder du willst keine Hersteller-Bindung → offenes CMMS mit manueller oder Retrofit-Erfassung
• Pilotstart mit minimalem Aufwand → MaintainX kostenloser Plan, manuelle Erfassung, kein IoT-Projekt

Die meisten mittelgroßen Reinigungsunternehmen landen auf der zweiten oder dritten Option.

Konkrete Werkzeuge — was wann passt

ToolSense — wenn die Reinigungsbranche im Mittelpunkt steht ToolSense ist eine der wenigen deutschsprachigen Lösungen mit spezifischer Reinigungsbranchenexpertise. Das Unternehmen hat Partnerschaften mit Reinigungsgeräteherstellern (Numatic, Columbus, i-team, Cleanfix) und bedient Kunden wie ISS und WISAG. Die Plattform unterstützt QR-Code-Scanning am Gerät, IoT-Laufzeitzähler und regelbasierte Wartungsauslöser. EU-Datenhaltung. Vollständig auf Deutsch. Preis: ca. 400–600 €/Monat für mittelgroße Betriebe laut Capterra-Angaben für vergleichbare Tarifstufen; kein öffentlicher Listenpreis, Angebot auf Anfrage.

Wann: Flottengrößen ab 20–30 Maschinen, gemischte Hersteller, Bedarf an echter Reinigungsbranchenintegration.

remberg — wenn DSGVO-Konformität nicht verhandelbar ist Deutsche Lösung aus München, ISO/IEC 27001-zertifiziertes Rechenzentrum in Deutschland. remberg deckt Wartungsplanung, Störmeldungen, mobile Techniker-App und einen KI-Copilot für technische Dokumentation ab. Für Betriebe, die sensible Kundendaten (Krankenhäuser, Behörden) in ihrer Dokumentation führen und DSGVO-Datenhaltung in Deutschland brauchen, ist remberg die sicherste Wahl. Preis auf Anfrage.

Wann: Auftraggeber mit hohen Datenschutzanforderungen, Behördenaufträge, Klinikaufträge.

Limble CMMS — wenn Predictive Analytics das Ziel ist Limble hat ein echtes Predictive-Maintenance-Modul mit Anomalieerkennung über Sensoranbindung. Das System wertet Vibrations-, Temperatur- und Stromdaten aus und erkennt Muster. Sehr gute G2-Bewertungen (4,8/5 aus 1.500+ Nutzerurteilen, Stand Mai 2026). Wichtige Einschränkung: Interface und Support ausschließlich auf Englisch, Datenhaltung in den USA. Standard ab 28 USD/Nutzer/Monat.

Wann: Du hast bereits IoT-Sensoren oder planst sie, du willst echte KI-Anomalieerkennung und nicht nur kalenderbasierte Wartung, Englisch ist kein Hindernis.

MaintainX — wenn du kostenlos starten willst Kostenloser Basic-Plan mit unbegrenzt vielen Nutzern. Für einen ersten Piloten ohne Vorabinvestition — Maschinen erfassen, erste Wartungsaufträge digital dokumentieren, Ausfallmuster manuell sichtbar machen — ist MaintainX der einfachste Einstieg. Das Upgrade auf bezahlte Pläne (ab 16 USD/Nutzer/Monat) ist dann sinnvoll, wenn der Pilotbetrieb funktioniert. Ebenfalls US-gehostet, kein Deutsch.

Wann: Du willst erst das Konzept testen, bevor du Geld ausgibst. Pilotstart mit drei bis fünf Maschinen.

Zusammenfassung: Wann welcher Ansatz

• Reinigungsbranche, Deutsch, EU-Hosting, Hersteller-Integrationen → ToolSense
• Deutsche Datenhaltung, DSGVO-sensible Auftraggeber → remberg
• Volle Predictive-Analytics-Power mit IoT → Limble CMMS
• Kostenloser Pilotstart → MaintainX Basic

Datenschutz und Datenhaltung

Wartungsdaten sind keine offensichtlichen Personendaten — aber sie können es werden. Sobald du Techniker-Namen, Einsatzzeiten und Kundenstandorte in deinem CMMS erfasst, gilt die DSGVO.

Konkret bedeutet das:

• Techniker-App-Daten: Wer hat welchen Auftrag wann bearbeitet, wo war die Person, wie lange — das ist ein personenbezogenes Leistungsprofil. Das Recht der Techniker auf Auskunft, Berichtigung und Löschung gilt auch hier.
• Kundenstandorte: Die Kombination aus Standort + Reinigungsvertrag kann als Geschäftsgeheimnis des Kunden gelten. Bei Krankenhäusern und Behörden gibt es oft eigene Anforderungen, wie Auftragnehmer Daten speichern dürfen.
• AVV: Mit jedem Cloud-Anbieter muss ein Auftragsverarbeitungsvertrag abgeschlossen werden (Art. 28 DSGVO). Alle genannten Anbieter stellen AVV bereit.
• EU vs. USA: remberg und ToolSense speichern in Deutschland bzw. der EU. Limble CMMS und MaintainX haben US-Datenhaltung — ein AVV ist erhältlich, aber für Auftraggeber mit strengen Anforderungen (Öffentlicher Sektor, Gesundheitswesen) solltest du das vorab klären.

Praktisch: Informiere deine Techniker schriftlich, welche Daten das System erfasst und zu welchem Zweck. Eine kurze Klausel im Arbeitsvertrag oder eine separate Betriebsvereinbarung (bei betriebsratspflichtigen Unternehmen) spart Ärger.

Was es kostet — realistisch gerechnet

Einmalige Einführungskosten

• Maschinen erfassen und Stammdaten anlegen (intern): 2–4 Wochen Teilzeit, ca. 10–20 Minuten je Maschine bei 45 Maschinen
• Historische Wartungsdaten übertragen (aus Excel/Papier): 1–2 Wochen Aufwand, oft delegierbar an eine Bürostelle
• Externe Einrichtung und Schulung: 0–2.000 Euro je nach Anbieter und Flottenstruktur
• IoT-Nachrüstung (optional): 50–300 Euro je Sensor, je nach Maschine und Hersteller — nur nötig, wenn automatische Stundenzählung gewünscht ist

Laufende Kosten (monatlich)

• MaintainX Basic: kostenlos (begrenzte Features, manuell)
• ToolSense: ca. 400–600 €/Monat für mittlere Flotten (Anfrage nötig)
• remberg: Anfrage erforderlich, ähnliche Preisregion
• Limble CMMS Standard: ca. 28 USD/Nutzer/Monat bei z. B. 3 Nutzern: ca. 80–90 €/Monat

Wie du den ROI tatsächlich misst Notiere vor der Einführung, wie viele ungeplante Ausfälle dein Betrieb pro Jahr hat und was jeder durchschnittlich kostet — Techniker-Stunden, Express-Teile, Standzeit, Vertragsfolgen. Nach zwölf Monaten mit dem CMMS vergleichst du. Das ist der einzige Beweis, der zählt.

Konservatives Rechenbeispiel für 45 Maschinen:

• Vor Einführung: 8 ungeplante Ausfälle/Jahr, durchschnittliche Notfallkosten 1.500 €: 12.000 €/Jahr
• Nach Einführung: 3 ungeplante Ausfälle/Jahr (konservativ −60 %): 4.500 €/Jahr
• Einsparung: 7.500 €/Jahr
• Jahreskosten ToolSense: ca. 5.500–7.000 € → ROI im ersten Jahr knapp positiv
• Ab Jahr 2 ohne Einführungsaufwand: klarer Überschuss

Im konservativen Szenario amortisiert sich das System innerhalb eines Jahres, wenn auch nur ein größerer Notfallausfall verhindert wird.

Typische Einstiegsfehler

1. Mit allen Maschinen gleichzeitig starten. Der Reflex ist verständlich: wenn schon, dann vollständig. In der Praxis führt das zu einem Chaos aus unvollständigen Stammdaten, halbfertigen Wartungshistorien und einer Datenqualität, die das System unbrauchbar macht. Erfahrungsgemäß: Mit fünf bis zehn kritischsten Maschinen starten. Kritisch heißt: Hochpreis-Maschinen, häufig ausgefallene Geräte, oder Maschinen an Standorten mit besonders engen Service-Level-Anforderungen. Diese vollständig erfassen, einen Wartungszyklus komplett durch das System laufen lassen, dann ausweiten.

2. Kalenderintervalle statt Betriebsstunden verwenden. Viele Betriebe übernehmen die Herstellerempfehlung ungeprüft: “Wartung alle sechs Monate.” Das klingt einfach, ignoriert aber die reale Nutzungsintensität. Eine Scheuersaugmaschine in einem 24/7-Klinikbetrieb läuft in drei Monaten so viele Stunden wie eine Büromaschine in achtzehn Monaten. Das System soll nach Betriebsstunden auslösen — nicht nach Datum. Wer den Wechsel nicht vornimmt, hat das System eingeführt, aber den wichtigsten Hebel nicht genutzt.

3. Kein Techniker-Buy-in vor der Einführung. Das CMMS lebt von der Qualität der Dateneingabe. Wenn Techniker Meldungen und Reparaturen nicht im System erfassen — weil sie das als Überwachung empfinden, weil das Gerät zu umständlich ist oder weil niemand erklärt hat, wofür die Daten genutzt werden — hat das System nach sechs Monaten verwaiste Wartungsblätter und eine leere Ausfallhistorie. Vor dem Start: Techniker in einer kurzen Session erklären, was das System für sie tut (keine Notfallfahrten mehr, bessere Ersatzteilversorgung, weniger Telefonorganisation nachts). Und: die App muss auf Android genauso gut funktionieren wie auf iOS — prüfe das vor der Einführung auf echten Geräten.

4. Die Wartungshistorie nicht validieren, bevor das System Empfehlungen macht. Das ist der heimlichste Fehler. Das CMMS basiert seine Muster auf der eingetragenen Wartungshistorie. Wenn diese unvollständig ist — weil drei Servicetechniker-Besuche nie dokumentiert wurden, weil Handwerkerzettel verloren gingen, weil eine Maschine mal einen anderen Namen hatte — dann lernt das System aus falschen Daten. Ergebnis: Wartungsempfehlungen, die zu früh oder zu spät kommen. Vor dem Produktivbetrieb: Stichprobenkontrolle der Historiedaten auf Plausibilität.

Was mit der Einführung wirklich passiert — und was nicht

Was klappt schneller als erwartet: Die erste digitale Wartungsplanung steht innerhalb von Wochen. Techniker gewöhnen sich schneller an die App als befürchtet — besonders wenn sie Smartphones ohnehin für WhatsApp-Gruppen und Routen-Navigation nutzen. Das erste Dashboard mit allen Maschinen auf einem Blick erzeugt meistens sofort Erkenntnisse, die überraschen: Diese Maschine dort hat seit 14 Monaten keine dokumentierte Wartung.

Was länger dauert als erwartet: Die historischen Daten. Wartungsblätter aus drei Jahren Papierprotokoll sind zwar vorhanden — aber sie müssen erst gefunden, geordnet und übertragen werden. Bei 45 Maschinen mit je zwei bis drei Jahren Geschichte: realistisch vier bis acht Wochen Aufwand, wenn eine Person das parallel macht.

Was nicht von alleine passiert: Techniker, die Meldungen eingetragen haben, bekommen kein Feedback — es sei denn, du schaffst es aktiv. Wer im System sieht, dass sein Eintrag “Bürste läuft unrund” zur Wartungsempfehlung geführt hat und drei Monate später der Ausfall verhindert wurde, der trägt nächste Woche auch die nächste Meldung ein. Wer nichts zurückbekommt, hört auf. Schließ diesen Feedback-Kreislauf aktiv — auch wenn es nur eine kurze Team-Information im Monats-Meeting ist.

Das typische Widerstands-Muster: Erfahrene Techniker, die seit Jahren wissen, “wann welche Maschine läuft,” empfinden das System manchmal als Misstrauen. Der richtige Umgang: Sie werden gefragt, ihre Erfahrung ins System einzutragen — Ausfallmuster, Erkenntnisse, Besonderheiten je Maschine. Wer das System mit eigenen Daten gefüttert hat, verteidigt es statt es zu umgehen.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir haben das bisher auch ohne System hinbekommen.” Stimmt — bis zur nächsten Pannennacht. Das Problem reaktiver Wartung ist nicht, dass sie immer scheitert. Es ist, dass die Folgekosten unsichtbar bleiben: Sie stehen nicht als Posten in der GuV, sondern verstecken sich in Techniker-Überstunden, Express-Lieferungen und Gesprächen über Vertragsstrafen. Wer nicht weiß, was ungeplante Ausfälle kosten, kann den Nutzen eines CMMS nicht bewerten. Fang mit dieser Zahl an — nicht mit dem Tool-Vergleich.

„Unsere Techniker werden das nie nutzen.” Das stimmt manchmal. Es liegt aber fast nie an den Technikern — es liegt an der App-Qualität und der Einführung. Mobile-first-Systeme wie MaintainX oder ToolSense sind auf Smartphone-Nutzung im Feld ausgelegt. Wer Techniker mit einer Desktop-Webanwendung ausstattet, hat recht. Wer es mit einer durchdachten App und einer kurzen Einweisung macht: anders.

„Wir brauchen doch erst IoT-Sensoren, bevor das Sinn macht.” Nein. Der größte Schritt ist die manuelle Erfassung von Betriebsstunden und Wartungshistorie — ohne jede Sensorik. IoT macht das bequemer und genauer, ist aber keine Voraussetzung. Viele Betriebe starten mit manueller Erfassung und entscheiden nach sechs Monaten, welche Maschinen sich für Sensor-Nachrüstung lohnen.

Woran du merkst, dass das zu dir passt

Du hast in den letzten zwei Jahren mindestens drei ungeplante Maschinenausfälle gehabt, die dich Notfallkosten und Nerven gekostet haben.

Du betreibst 20 oder mehr Maschinen an verschiedenen Kundenstandorten — und könntest nicht auf Anhieb sagen, welche drei Maschinen als nächste eine Wartung brauchen.

Deine Wartungsplanung läuft über Erinnerungen, Klebezettel oder eine Excel-Tabelle, die nicht immer aktuell ist.

Du hast mindestens eine Person im Betrieb, die Wartungskoordination zu ihren Aufgaben zählen könnte — auch wenn das aktuell noch nebenbei läuft.

Deine Verträge haben Service-Level-Anforderungen: Reaktionszeiten, Sauberhaltungsklauseln, Zufriedenheitsgarantien.

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Flotte unter 20 Maschinen (Unternehmensgröße). Der Einführungsaufwand und die laufenden Lizenzkosten übersteigen den Nutzen. Mit unter 20 Maschinen ist eine gut gepflegte Excel-Tabelle mit geplanten Wartungsterminen die effizientere Lösung — weniger Overhead, keine App-Abhängigkeit, sofort startklar. Das CMMS-Projekt kommt, wenn die Flotte wächst.

2. Keine dokumentierten Wartungshistorien der letzten 12 Monate (Datenreife). Ohne Ausgangsdaten liefert das System ausschließlich kalenderbasierte Erinnerungen — das kann auch Outlook. Vorausschauende Analysen sind erst möglich, wenn das System mindestens sechs bis zwölf Monate Betriebsdaten mit tatsächlichen Ausfallmustern verknüpfen kann. Wer von null startet, muss erst Daten aufbauen.

3. Keine namentlich benannte Person, die das System betreut (Prozessreife). Ein CMMS, das eingeführt und dann nicht gepflegt wird, ist nach neun bis zwölf Monaten schlechter als kein System — weil es Empfehlungen auf Basis veralteter Daten gibt. Ohne jemanden, der Meldungen prüft, Lücken schließt und einmal im Quartal die Systematik bewertet, solltest du nicht investieren. Das muss keine Vollzeitstelle sein, aber es muss eine namentliche Verantwortung sein.

Das kannst du heute noch tun

Öffne MaintainX — kostenlos, keine Kreditkarteneingabe, läuft im Browser und als App. Lege deine fünf störungsanfälligsten Maschinen als Assets an: Hersteller, Modell, Seriennummer, Standort. Trag für jede Maschine die letzte bekannte Wartung ein — auch wenn das nur ein ungefähres Datum ist.

Das dauert 90 Minuten. Was du danach hast: einen ersten digitalen Überblick über deinen Maschinenpark, ohne einen Euro ausgegeben zu haben. Wenn das gut funktioniert, weißt du, dass das Konzept zu deinem Betrieb passt.

Für den nächsten Schritt — Wartungsintervalle aus Betriebsstunden statt Kalender ableiten — hier ist ein Prompt, den du mit ChatGPT oder Claude nutzen kannst, um aus deiner Excel-Wartungshistorie erste Muster herauszuarbeiten:

Quellen & Methodik

• Reaktive vs. präventive Wartungskosten (3–4x teurer): U.S. Department of Energy, Energy Efficiency & Renewable Energy — zitiert in MaintainX Blog „Preventive vs. Reactive Maintenance” (Stand 2024). URL: getmaintainx.com/blog/preventive-maintenance-vs-reactive-maintenance
• 44 % ungeplanter Stillstände durch altes Equipment: ToolSense Facility Management Statistics 2024, bezieht sich auf Webinar Care-Datensatz. URL: toolsense.io/studies-reports/facility-management-statistics
• BLITZBLANK Reinigung / ToolSense: Praxisbeispiel einer deutschen Reinigungsfirma, die ToolSense für Fleet Management eingeführt hat. Videocase study: toolsense.io/videos/case-study-fleet-management-blitzblank-reinigung
• ToolSense-Branchenpartner im Reinigungsbereich: ISS, WISAG, Numatic, i-team, Columbus, Cleanfix. Quelle: ToolSense Website und Tomorrow’s Cleaning-Artikel (2024).
• Nilfisk My Fleet / TrackClean: Produktinformation Nilfisk. URL: nilfisk.com/global/professional/service/my-fleet
• CMMS-Kosten (30€–10.000€): CCC Industriesoftware Blog „Instandhaltungssoftware: Das sind die Kosten” (Stand 2025). URL: blog.ccc-industriesoftware.de/instandhaltungssoftware-das-sind-die-kosten
• Praxiskosten und ROI-Szenarien: Eigene Schätzwerte basierend auf publizierten Capterra-Tarifdaten und Praxisberichten aus vergleichbaren Betrieben (Stand Mai 2026).
• Preventive Maintenance ROI ($5 je $1): ToolSense Facility Management Statistics, bezieht sich auf Webinar Care-Quelle (2024).

Du willst wissen, welche Lösung am besten zu deiner Flottenstruktur und deinen Auftraggebern passt? Meld dich — das klären wir in einem kurzen Gespräch.