Die produzierende Industrie sieht sich aufgrund der digitalen Transformation mit der zentralen Herausforderung konfrontiert, die Instandhaltung an neuartige und komplexe Anforderungen der Digitalisierung anzupassen. Es besteht speziell die Notwendigkeit, derzeit überwiegend klassisch ausgerichtete Instandhaltungsorganisationen, -strategien und -systeme in Richtung prädiktiver sowie präskriptiver Instandhaltungskonzepte weiterzuentwickeln.
Obwohl gerade dieses Themenfeld in den kommenden drei Jahren mit 79% als das wichtigste Anwendungsfeld im Bereich „Industrial Analytics“ gilt (vgl. Lueth et al., 2016), nutzen derzeit nur rund 20% produzierender Unternehmen einzelne Anwendungen im Bereich der prädiktiven bzw. präskriptiven Instandhaltung (vgl. St. Gallen, 2016).
Die Gründe hierfür sind vielfältig: Im wissenschaftlichen Kontext wird auf die fehlende Anwendbarkeit akademischer Entscheidungsunterstützungsmodelle in der industriellen Praxis, veraltete Prozessmodelle zur Datenanalyse sowie auf vage Leitlinien zur prädiktiven und präskriptiven Instandhaltung hingewiesen. Einzelne Methoden zur Minderung dieser Probleme werden in aktuellen Veröffentlichungen (bspw. von Wang et al, 2017 oder Abramovici et al., 2017) aufgezeigt, es fehlt jedoch ein ganzheitlicher, integrierter Ansatz.