Ja, die MTBF (Mean Time Between Failures) ist ein KPI, allerdings nur, wenn sie im richtigen Kontext verwendet wird. Sie misst, wie zuverlässig Anlagen zwischen ungeplanten Ausfällen arbeiten, und ist damit eine aussagekräftige Kennzahl für Wartungsteams, die komplexe, hochwertige Anlagen verwalten. Die MTBF eignet sich jedoch am besten als einzelner Datenpunkt innerhalb eines umfassenderen Zuverlässigkeitsrahmens und nicht als eigenständiger Leistungsindikator. In den folgenden Abschnitten wird erläutert, wie die MTBF funktioniert, wo sie einen Mehrwert bietet und wo sie in industriellen Fertigungsumgebungen an ihre Grenzen stößt.
Inwiefern misst die MTBF eigentlich die Zuverlässigkeit von Geräten?
Die MTBF misst die Zuverlässigkeit einer Anlage, indem sie die durchschnittliche Betriebszeit zwischen zwei aufeinanderfolgenden ungeplanten Ausfällen berechnet. Die Formel ist einfach: Die Gesamtbetriebszeit wird durch die Anzahl der Ausfälle in einem bestimmten Zeitraum geteilt. Eine höhere MTBF weist auf eine zuverlässigere Anlage hin, die länger läuft, bevor sie unerwartet ausfällt.
In der Praxis bietet die MTBF den Wartungsteams eine statistische Grundlage. Wenn ein Kompressor in einer Produktionslinie in der Vergangenheit eine MTBF von 2.000 Stunden aufwies, weiß das Wartungsteam, dass es vorbeugende Wartungsmaßnahmen (PM) vor Erreichen dieses Schwellenwerts planen muss. Im Laufe der Zeit lassen sich durch die Verfolgung der MTBF bei ähnlichen Anlagen Muster erkennen: Welche Geräte verschleißen schneller, welche Aufstellungsumgebungen beschleunigen den Verschleiß und wo müssen die PM-Zeitpläne straffer gestaltet werden.
Es ist anzumerken, dass sich die MTBF speziell auf reparierbare Systeme bezieht. Sie beschreibt nicht die Ausfallwahrscheinlichkeit zu einem bestimmten Zeitpunkt; diese hängt von den Ausfallratenverteilungen ab, die je nach Lebenszyklusphase der Anlage variieren. Die MTBF ist am genauesten, wenn sie anhand großer Datensätze und unter konstanten Betriebsbedingungen berechnet wird.
Was ist der Unterschied zwischen MTBF und MTTR?
MTBF und MTTR messen zwei gegensätzliche Aspekte derselben Zuverlässigkeitsgleichung. MTBF (Mean Time Between Failures) gibt an, wie lange ein Gerät ohne Ausfall läuft. MTTR (Mean Time To Repair) gibt an, wie lange es dauert, bis ein Gerät nach einem Ausfall wieder voll funktionsfähig ist. Zusammen bestimmen sie die Gesamtverfügbarkeit einer Anlage.
Für Außendienstteams ist dieser praktische Unterschied von enormer Bedeutung:
- Die MTBF ist eine Präventionskennzahl; sie dient als Grundlage für die Planung vorbeugender Wartungsmaßnahmen und hilft dabei, vorherzusagen, wann Ausfälle voraussichtlich auftreten werden.
- Die MTTR ist eine Reaktionskennzahl; sie gibt an, wie effizient Techniker nach einem Ausfall die Fehlerursache diagnostizieren, Ersatzteile beschaffen und die Geräte wieder in Betrieb nehmen.
- Die Verfügbarkeit von Anlagen ergibt sich aus der Formel: Verfügbarkeit = MTBF / (MTBF + MTTR). Eine hohe MTBF hat kaum Bedeutung, wenn auch die MTTR hoch ist.
Für Betriebsleiter und Werksleiter bedeutet die Verbesserung der MTBF ohne Berücksichtigung der MTTR, dass erhebliche Betriebszeiten ungenutzt bleiben. Eine Maschine, die zwar selten ausfällt, deren Reparatur jedoch jedes Mal 12 Stunden dauert, kann durch Produktionsausfälle dennoch höhere Kosten verursachen als eine Maschine, die zwar häufiger ausfällt, aber in weniger als einer Stunde wieder betriebsbereit ist. Die parallele Erfassung beider Kennzahlen liefert ein umfassendes Bild darüber, wo Wartungsressourcen eingesetzt werden sollten.
Sollte die MTBF als eigenständiger KPI verwendet werden?
Nein, die MTBF sollte nicht als eigenständiger KPI verwendet werden. Für sich genommen fehlt ihr der Kontext, der für fundierte Entscheidungen erforderlich ist. Eine hohe MTBF kann zwar auf eine hervorragende Zuverlässigkeit der Anlagen hindeuten, aber auch einfach bedeuten, dass Ausfälle nicht vollständig erfasst werden. Ohne die MTBF mit Kennzahlen wie der MTTR, der Erstbehebungsquote und der Gesamtanlageneffektivität (OEE) zu kombinieren, kann dieser Wert eher irreführend als aufschlussreich sein.
Es gibt mehrere Gründe, warum sich durch die alleinige Berücksichtigung der MTBF blinde Flecken ergeben:
- Es berücksichtigt nicht den Schweregrad. Bei der MTBF werden alle Ausfälle gleich behandelt. Ein kleiner Sensorfehler und ein katastrophaler Kompressorausfall zählen beide als ein Ausfallereignis, obwohl ihre Auswirkungen auf den Betrieb sehr unterschiedlich sind.
- Das führt dazu, dass unvollständige Meldungen belohnt werden. Wenn Techniker Arbeitsaufträge abschließen, ohne die Ursachen zu protokollieren, oder wenn Beinaheunfälle nicht erfasst werden, erscheint die MTBF künstlich hoch.
- Sie ist rückblickend. Die MTBF wird anhand historischer Daten berechnet. Sie sagt nicht voraus, wann der nächste Ausfall eintreten wird, insbesondere bei alternden Anlagen, die sich der Verschleißphase ihres Lebenszyklus nähern.
- Dabei wird eine teilweise Leistungsminderung nicht berücksichtigt. Geräte können wochenlang unterhalb ihrer optimalen Kapazität arbeiten, bevor ein dokumentierbarer Ausfall auftritt. Die MTBF erfasst diesen Leistungsabfall überhaupt nicht.
In Verbindung mit MTTR, der Erstbehebungsquote und der PM-Einhaltungsquote wird die MTBF wirklich aussagekräftig. Als einzelne Kennzahl auf einem KPI-Dashboard vermittelt sie jedoch einen falschen Eindruck von Transparenz hinsichtlich der Zuverlässigkeit.
Wie nutzen Außendienstteams die MTBF bei der Wartungsplanung?
Außendienstteams nutzen die MTBF, um Wartungsintervalle festzulegen, Inspektionen von Anlagen zu priorisieren und die Kapazitäten der Techniker genauer zuzuweisen. Wenn ein Team weiß, dass eine bestimmte Anlagenklasse in der Vergangenheit alle 1.500 Betriebsstunden ausfällt, kann es eine vorbeugende Wartung nach 1.200 Stunden einplanen und so eine Sicherheitsreserve einbauen, bevor das statistische Ausfallfenster beginnt.
In Produktionsumgebungen fließen die MTBF-Daten direkt in die Erstellung von Arbeitsaufträgen ein. Anstatt vorbeugende Wartungsmaßnahmen nach einem festen Zeitplan (alle 90 Tage, unabhängig von der Nutzung) zu planen, können Teams auf eine zustands- oder nutzungsbasierte Planung umstellen, die das tatsächliche Verhalten der Anlagen widerspiegelt. Dies reduziert sowohl Überwartung (unnötige Ausfallzeiten für Inspektionen) als auch Unterwartung (Ausfälle, die zwischen den geplanten Wartungsterminen auftreten).
Die MTBF hilft Außendienstleitern zudem dabei, fundiertere Entscheidungen über den Einsatz von Technikern zu treffen. Anlagen mit sinkender MTBF deuten auf ein steigendes Ausfallrisiko hin; diese Anlagen erfordern häufigere Besuche oder den Einsatz eines besser qualifizierten Technikers. Der Zugriff auf diese Daten direkt am Einsatzort – statt in einem Backoffice-ERP-System – ist das, was reaktive von proaktiven Teams unterscheidet. Unsere Außendienstlösungen für die Fertigungsindustrie basieren genau auf dieser Art von Transparenz auf Anlagenebene.
Wo liegen die Grenzen der MTBF bei komplexen Industrieanlagen?
Die MTBF weist bei der Anwendung auf komplexe Industrieanlagen erhebliche Einschränkungen auf. Die Kennzahl geht von einer konstanten Ausfallrate aus, was bedeutet, dass sie sich am besten für Anlagen eignet, die sich in der stabilen, mittleren Phase ihres Lebenszyklus befinden. Bei Maschinen mit vielen voneinander abhängigen Komponenten, veralteter Infrastruktur oder variablen Betriebsbedingungen wird die MTBF zu einem unzuverlässigen Indikator für das tatsächliche Ausfallverhalten.
In komplexen industriellen Umgebungen beeinträchtigen mehrere Faktoren die Genauigkeit der MTBF:
- Mehrkomponentensysteme: Ein Kältemaschinenaggregat oder eine industrielle Kälteanlage umfasst Dutzende von Teilsystemen. Die auf Anlagenebene berechnete MTBF verschleiert, welche Komponente tatsächlich die Ausfälle verursacht.
- Variable Lastbedingungen: Prozesskühlanlagen, die im Sommer unter Volllast und im Winter unter Teillast betrieben werden, sind sehr unterschiedlichen Belastungsprofilen ausgesetzt. Ein einziger MTBF-Wert, der über beide Bedingungen gemittelt wurde, ist statistisch irreführend.
- Kindersterblichkeit und Verschleißphasen: Die MTBF geht von einer konstanten Ausfallrate aus, doch die meisten Geräte fallen zu Beginn ihrer Lebensdauer (aufgrund von Installationsproblemen) und gegen Ende ihrer Lebensdauer (aufgrund von Verschleiß) häufiger aus. Die Zusammenfassung dieser Phasen zu einem einzigen Wert verschleiert die tatsächliche Risikokurve.
- Abhängigkeiten hinsichtlich der Datenqualität: Die MTBF ist nur so gut wie die ihr zugrunde liegenden Ausfalldaten. Unvollständige Arbeitsauftragsdatensätze, uneinheitliche Fehlerkodierung und Lücken bei den Offline-Daten beeinträchtigen die Zuverlässigkeit dieser Kennzahl.
Für anlagenschwere Industriebetriebe ist die MTBF ein nützlicher Ausgangspunkt, aber kein Endziel. Teams, die diese durch eine Fehlerverfolgung auf Komponentenebene, den Zugriff auf den Anlagenverlauf in Echtzeit und strukturierte Checklisten für die vorbeugende Wartung ergänzen, erhalten weitaus mehr verwertbare Erkenntnisse, als die MTBF allein liefern kann.
Wie Gomocha Ihnen hilft, mehr Nutzen aus der MTBF zu ziehen
Die MTBF ist nur so aussagekräftig wie die ihr zugrunde liegenden Daten, und diese Daten stammen aus der Praxis. Unvollständige Arbeitsaufträge, übersehene Fehlercodes und nicht vernetzte Systeme beeinträchtigen die Genauigkeit dieser Kennzahl, noch bevor sie überhaupt in ein KPI-Dashboard gelangt. Genau diese Lücke schließen wir.
Unsere Außendienstplattform bietet Wartungsteams in der Fertigung die Werkzeuge, um die richtigen Daten zum richtigen Zeitpunkt zu erfassen, sodass die MTBF und die damit verbundenen Zuverlässigkeitskennzahlen tatsächlich die tatsächlichen Abläufe in der Produktion widerspiegeln:
- Offline-fähige mobile App: Techniker erfassen Arbeitsauftragsdaten, Fehlercodes und den Anlagenverlauf direkt vor Ort, auch ohne Internetverbindung. Damit gehören Lücken bei der Datenerfassung aus Technikräumen oder abgelegenen Produktionsbereichen der Vergangenheit an.
- No-Code-Workflow-Designer: Betriebsteams können PM-Checklisten und Workflows zur Fehlermeldung je nach Anlagentyp konfigurieren, ohne auf die IT warten zu müssen. Für jedes Gerät werden stets die richtigen Datenfelder angezeigt.
- Garantierte ERP-Integration: Dank nativer Integrationen mit AFAS und Microsoft Dynamics (SAP und JDE über Konnektoren) fließen die Anlagendaten direkt zwischen dem Außendienst und Ihren Backoffice-Systemen – ohne manuelle Neueingabe und ohne Datenverlust.
- Auftragsverlauf auf Anlagenebene: Jeder Technikerbesuch, jeder Fehlercode und jede Reparaturmaßnahme wird für die jeweilige Anlage protokolliert, sodass Sie über die vollständige Fehlerhistorie verfügen, auf der die MTBF-Berechnungen basieren.
Wartungsteams in der Fertigung, die unsere Plattform nutzen, haben ungeplante Ausfallzeiten um bis zu 41 % reduziert und die Erstbehebungsquote um bis zu 19 % verbessert – Ergebnisse, die sich direkt verstärken, wenn die MTBF-Daten genau und zugänglich sind. Möchten Sie erfahren, wo Ihr derzeitiger Wartungsbetrieb an Effizienz einbüßt? Fordern Sie Ihre Effizienzbewertung an und wir ermitteln die konkreten Lücken zwischen Ihrer derzeitigen KPI-Transparenz und dem, was tatsächlich möglich ist.
Häufig gestellte Fragen
Wie fange ich mit der Berechnung der MTBF an, wenn mein Team die Ausfalldaten bisher nicht konsequent erfasst hat?
Beginnen Sie mit einer Überprüfung Ihrer bisherigen Arbeitsauftragsdaten – selbst unvollständige Aufzeichnungen können eine brauchbare Ausgangsbasis bieten. Konzentrieren Sie sich zunächst auf Ihre wertvollsten oder störanfälligsten Anlagen und richten Sie für die Zukunft ein standardisiertes Fehlerkodierungssystem ein, damit jedes Störungsereignis einheitlich protokolliert wird. Die meisten CMMS- oder Außendienstplattformen ermöglichen es Ihnen, vergangene Arbeitsaufträge nachträglich zu kennzeichnen und zu kategorisieren, was den Aufbau Ihrer Datenbasis beschleunigen kann. Der Schlüssel liegt darin, jetzt anzufangen, anstatt auf einen perfekten Datensatz zu warten – die Genauigkeit der MTBF verbessert sich im Laufe der Zeit, je mehr Ausfälle erfasst werden.
Was ist ein „guter“ MTBF-Wert, und woran erkenne ich, ob unser Wert zu niedrig ist?
Es gibt keinen allgemeingültigen Maßstab für eine „gute“ MTBF, da akzeptable Werte je nach Anlagentyp, Branche und Betriebsumgebung erheblich variieren. Der aussagekräftigste Vergleich ist der interne: Verfolgen Sie die MTBF-Entwicklung desselben Anlagenguts im Zeitverlauf und vergleichen Sie ähnliche Anlagengüter innerhalb Ihres eigenen Bestands miteinander. Ein rückläufiger MTBF-Trend bei einer bestimmten Maschine ist ein stärkeres Signal als jede absolute Zahl, da er auf eine sich beschleunigende Verschlechterung hindeutet, die eine Untersuchung rechtfertigt. Wenn Sie Zugang zu OEM-Spezifikationen oder branchenweiten Zuverlässigkeitsdatenbanken haben, können diese als externer Bezugspunkt dienen, um zu überprüfen, ob Ihre beobachtete MTBF innerhalb des erwarteten Bereichs liegt.
Lässt sich die MTBF effektiv für Anlagen nutzen, die nicht kontinuierlich, sondern nur zeitweise in Betrieb sind?
Ja, aber bei der Berechnungsmethode müssen die tatsächlichen Betriebsstunden und nicht die Kalenderzeit berücksichtigt werden. Bei Anlagen, die nur zeitweise genutzt werden, sollte die MTBF auf den zwischen den Ausfällen protokollierten Betriebsstunden basieren und nicht auf den seit dem letzten Ausfall verstrichenen Tagen oder Wochen. Dies erfordert eine genaue Erfassung der Betriebszeiten, entweder durch automatisierte Sensoren, IoT-Integrationen oder durch eine konsequente Protokollierung durch den Techniker bei jedem Besuch. Die Verwendung einer kalenderbasierten MTBF für zeitweise genutzte Anlagen führt fast immer zu einem überhöhten und irreführenden Wert, der die tatsächliche Ausfallhäufigkeit unterschätzt.
Was ist der Unterschied zwischen MTBF und der Lebensdauer eines Geräts, und warum ist dies für Ersatzbeschaffungen von Bedeutung?
Die MTBF misst die durchschnittliche Zeit zwischen ungeplanten Ausfällen während der Betriebslebensdauer einer Anlage, während sich die Lebensdauer auf die gesamte erwartete Nutzungsdauer der Anlage bezieht, bevor sie außer Betrieb genommen oder ersetzt werden sollte. Eine hohe MTBF bedeutet nicht, dass eine Anlage noch weit vom Ende ihrer Lebensdauer entfernt ist – eine alternde Maschine kann bis zum Eintritt in die Verschleißphase noch eine ordentliche MTBF aufweisen; ab diesem Zeitpunkt steigt die Ausfallhäufigkeit jedoch rapide an. Bei der Planung von Neuanschaffungen sollten die MTBF-Entwicklungen zusammen mit dem Gesamtalter der Anlage, den kumulierten Reparaturkosten und den Zeitplänen für das Ende des Supports durch den Originalhersteller (OEM) bewertet werden, um eine fundierte Entscheidung zwischen Ersatz und Reparatur treffen zu können.
Inwiefern verzerrt eine schlechte Datenqualität bei Arbeitsaufträgen tatsächlich die MTBF, und woran lässt sich dies erkennen?
Eine schlechte Datenqualität führt zu einer überhöhten MTBF, da Ausfälle nicht vollständig erfasst werden – dies geschieht, wenn Techniker Arbeitsaufträge abschließen, ohne Fehlercodes zu protokollieren, wenn Beinaheausfälle nicht erfasst werden oder wenn mehrere Ausfallarten unter einer allgemeinen Kategorie zusammengefasst werden. Zu den Warnzeichen zählen eine ungewöhnlich hohe MTBF für Anlagen, von denen Sie wissen, dass sie problematisch sind, ein plötzlicher Anstieg der MTBF nach einem Team- oder Systemwechsel oder eine große Anzahl von Arbeitsaufträgen mit fehlenden oder Standard-Fehlercodes. Die Überprüfung einer Stichprobe abgeschlossener Arbeitsaufträge auf Vollständigkeit ist eine schnelle Methode, um die Datenintegrität zu bewerten, bevor Sie sich bei Planungsentscheidungen auf Ihre MTBF-Zahlen verlassen.
Welche weiteren KPIs sollten neben der MTBF stets erfasst werden, um ein umfassendes Bild der Zuverlässigkeit zu erhalten?
Die MTBF sollte zumindest mit der MTTR (Mean Time To Repair), der Erstbehebungsquote und der PM-Einhaltungsquote kombiniert werden, um ein ausgewogenes Bild sowohl von der Zuverlässigkeit der Anlagen als auch von der Leistung des Wartungsteams zu vermitteln. Die Gesamtanlageneffektivität (OEE) ergänzt dies um eine Perspektive auf der Produktionsebene und erfasst Leistungseinbußen und Qualitätseinbußen, die durch die MTBF allein niemals sichtbar würden. Für Teams, die große, komplexe Maschinenparks verwalten, hilft die Einbeziehung einer Kennzahl für die Reparaturkosten dabei, Zuverlässigkeitsdaten in finanzielle Auswirkungen umzuwandeln, wodurch es wesentlich einfacher wird, Wartungsinvestitionen gegenüber der Betriebsleitung zu rechtfertigen.
Ist die MTBF noch relevant, jetzt, da vorausschauende Instandhaltung und IoT-Sensordaten immer weiter verbreitet sind?
Die MTBF ist nach wie vor relevant, doch ihre Rolle wandelt sich von einem primären Prognoseinstrument hin zu einer Kennzahl für die Validierung und das Benchmarking im Rahmen einer umfassenderen Strategie zur vorausschauenden Instandhaltung. Echtzeit-Sensordaten und Zustandsüberwachung können Verschleißerscheinungen im Frühstadium erkennen, die bei der historischen Mittelwertbildung der MTBF stets übersehen werden, wodurch sie für die Ausfallprognose bei kritischen Anlagen leistungsfähiger sind. Dennoch liefert die MTBF nach wie vor die statistische Grundlage, die erforderlich ist, um zu bewerten, ob vorausschauende Maßnahmen die Lebensdauer der Anlagen tatsächlich verlängern, und sie bleibt die praktischste Zuverlässigkeitskennzahl für Teams, die noch keine vollständige IoT-Abdeckung ihres gesamten Maschinenparks haben. Stellen Sie sich die MTBF als Fundament vor und die vorausschauenden Daten als die Ebene, die für mehr Präzision sorgt.