Predictive Maintenance: Die Zukunft der Gebäudetechnik

Was ist Predictive Maintenance?

Predictive Maintenance, auf Deutsch vorausschauende oder voraussagende Instandhaltung, bezeichnet eine Strategie, bei der Wartungsmaßnahmen nicht nach starren Zeitplänen, sondern auf Grundlage des tatsächlichen Zustands einer Anlage geplant werden. Begrifflich verankert ist das Feld in der DIN EN 13306 "Instandhaltung - Begriffe der Instandhaltung" in der Ausgabe 2018-02. Diese Norm legt die Grundbegriffe für die technischen, administrativen und Managementbereiche der Instandhaltung fest und gilt für technische Objekte aller Art, nicht nur für Gebäude. Für die Praxis bedeutet das: Sensordaten und Auswertungen zeigen an, wann eine Komponente Wartung braucht, bevor sie ausfällt.

Die Norm versteht eine Instandhaltungsstrategie als Vorgehensweise zur Erreichung der Instandhaltungsziele, etwa die Bewahrung eines festgelegten Zustands oder die Verlängerung der Lebenserwartung einer Anlage. In der Praxis haben sich drei Ansätze etabliert, die sich im Zeitpunkt der Wartung grundlegend unterscheiden:

Der Kalender bestimmt den Wartungszeitpunkt künftig nicht mehr allein. Für Hausverwaltungen ändert sich die Logik der Instandhaltungsplanung: Statt eines für alle Objekte gleichen festen Turnus entscheidet der gemessene Zustand der jeweiligen Anlage. Das ist der Kernunterschied zu beiden klassischen Strategien und die Voraussetzung für alle Effekte, die die folgenden Abschnitte beschreiben.

Wie funktioniert vorausschauende Wartung in Gebäuden?

Hinter Predictive Maintenance steht ein durchgängiger Datenkreislauf aus Erfassung, Übertragung und Auswertung. Technisch basiert er auf einer Kombination aus Sensorik, Vernetzung, Datenanalyse und maschinellem Lernen. In vier Schritten lässt sich der Ablauf so zusammenfassen:

• Erfassen: Sensoren an den Anlagen messen kontinuierlich Kennwerte wie Temperatur, Vibrationen, Druck, Stromaufnahme und Laufzeiten.
• Übertragen: IoT-Gateways leiten die Werte an eine zentrale Plattform weiter, die in der Cloud oder lokal im Gebäude betrieben wird und auf der die Daten gesammelt werden.
• Analysieren: Algorithmen und maschinelles Lernen lernen das normale Verhalten der Anlage und erkennen Abweichungen und Anomalien, die auf Verschleiß oder einen bevorstehenden Wartungsbedarf hindeuten.
• Empfehlen: Aus den Mustern entstehen konkrete Wartungsempfehlungen, die in die Einsatzplanung des Dienstleisters einfließen.

Der digitale Zwilling als Prognoseinstrument

Eine Stufe weiter geht der digitale Zwilling: ein virtuelles Abbild der Anlage oder des Gebäudes, das Messdaten mit physikbasierten Modellen verknüpft. Forschungsarbeiten aus der angewandten Forschung beschreiben, wie sich damit prädiktive Aussagen treffen lassen, beispielsweise zur Restnutzungsdauer (Remaining Useful Life) von Komponenten, indem Ausfallszenarien simuliert und datengetriebene Vorhersagemodelle mit den Simulationsdaten angereichert werden. Für Gebäudebetreiber entsteht so eine Entscheidungsgrundlage, wann eine Komponente sinnvollerweise getauscht wird, weder zu früh noch zu spät.

Wichtig für den deutschen Wohnungsbestand: Predictive Maintenance setzt keine Neubau-Technik voraus. Auch ältere Anlagen lassen sich mit Sensoren nachrüsten, sodass Bestandsobjekte schrittweise erschlossen werden können. Wie eine Verwaltung dabei konkret vorgeht, beschreibt der Abschnitt zur praktischen Einführung.

Einsatzfelder in der Gebäudetechnik

In der Gebäudetechnik steckt Predictive Maintenance noch in den Kinderschuhen. Ein zentraler Grund: Die Ausfallkosten technischer Anlagen in Gebäuden, etwa von Heizungs-, Lüftungs- oder Beleuchtungssystemen, sind in der Regel nicht so gravierend wie in der Industrieproduktion, sodass viele Betreiber vor den erforderlichen Investitionen zurückschrecken. Trotzdem gibt es eine Reihe von Anlagen, für die sich die Zustandsüberwachung bereits heute lohnt:

• Heizungs-, Lüftungs- und Klimaanlagen: Sensoren erkennen Anomalien im Energieverbrauch oder in der Temperaturregelung und lösen Wartungsbenachrichtigungen aus, bevor größere Reparaturen entstehen. Bei Lüftungsanlagen ergänzt die RLT-Hygieneinspektion die Datenauswertung.
• Aufzüge und Fahrtreppen: Die Überwachung von Betrieb und Belastung erkennt Abweichungen frühzeitig und hilft, Notfalleinsätze zu vermeiden. Die wiederkehrende Aufzugsprüfung bleibt davon unberührt.
• Pumpen, Motoren und Kompressoren: Abweichungen in Schwingungen, Temperatur oder anderen Betriebsparametern zeigen schwergängige Antriebe oder beginnende Lagerschäden an.
• Wasserführende Leitungen: Die frühzeitige Erkennung von Leckagen und Verschleiß vermeidet Wasserschäden.
• Beleuchtungssysteme: Ausfälle und Leistungsverluste lassen sich vorhersagen, sodass Beleuchtung geplant statt ad hoc instand gesetzt wird.

Die Entscheidung fällt am besten anhand der Schadensfolge: Der Einsatz lohnt sich vor allem dort, wo der Ausfall einer Anlage nicht nur Komforteinbußen verursacht, sondern einen echten wirtschaftlichen Schaden oder einen Sicherheitsverlust nach sich zieht, etwa bei Kälteerzeugung, Druckluftversorgung oder Versorgungssystemen im Gesundheitswesen. Für das übrige Objekt bleibt es eine Abwägung zwischen Aufwand und Nutzen. Punktuelle Verfahren wie ein Thermografie-Check liefern dort oft schon ausreichend Zustandsinformationen.

Vorteile für Hausverwaltungen und Eigentümer

Die Erwartungen an die Technologie sind hoch. Erfahrungen aus der Industrie und aus ersten Gebäudeprojekten deuten auf weniger ungeplante Stillstände, einen geringeren Wartungsaufwand und eine längere Lebensdauer von Komponenten hin. Diese Erfahrungen lassen sich jedoch nicht pauschal auf das einzelne Objekt übertragen. Wie groß der Effekt ausfällt, hängt vor allem von diesen Faktoren ab:

• Alter, Zustand und Nachrüstbarkeit der vorhandenen Anlagen
• Kritikalität der Anlage, also die Folgen eines Ausfalls für Nutzer, Gebäude und Betrieb
• Qualität der Messdaten und Länge der verfügbaren Wartungshistorie
• Zusammenspiel von Verwaltung, Wartungsdienstleister und ausführendem Handwerk

Für Hausverwaltungen, die viele Objekte im Portfolio betreuen und Instandhaltung über Dienstleister steuern, übersetzen sich die Studienwerte in sehr konkrete Effekte:

• Weniger Notfalleinsätze: Ausfälle werden vorhergesagt und in geplante Termine überführt, statt als akute Störung zusätzlichen Aufwand zu verursachen.
• Planbare Kosten: Wartungs- und Instandsetzungsbudgets lassen sich verlässlicher aufstellen, weil der Zustand der Anlagen bekannt ist, bevor das Rechnungsjahr beginnt.
• Geringeres Risiko von Mietausfällen und Wasserschäden: Ausfälle von Heizungs-, Lüftungs- und Wassersystemen sind eine häufige Ursache für Reklamationen und Folgeschäden.
• Transparenz im Portfolio: Zustandsdaten machen vergleichbar, welche Objekte Instandhaltungsstau haben und wo Investitionen priorisiert werden sollten.

Hinzu kommt ein Effekt, der in Studien oft nur am Rande auftaucht, im Verwaltungsalltag aber schwer wiegt: dokumentierte Zustandsdaten sind ein sachliches Fundament für Eigentümerversammlungen, Instandhaltungsplanungen und die Abstimmung mit dem ausführenden Handwerk. Entscheidungen lassen sich dann mit Messwerten begründen statt mit Bauchgefühl.

Grenzen, Kosten und Herausforderungen

Die Kehrseite sind die Einstiegsinvestitionen. Sensoren, Vernetzung und Analyse-Software erfordern eine einmalige Investition, dazu kommt Schulungsaufwand für die Beteiligten. Implementierungskosten und Schulungsaufwand gelten in der Praxis als wesentliche Hürde. Wie hoch der Aufwand im einzelnen Objekt ausfällt, hängt unter anderem ab von:

• Anzahl und Art der Anlagen, die überwacht werden sollen
• Nachrüstbarkeit der Bestandstechnik und erforderlicher Sensorik
• vorhandener Vernetzung im Gebäude und Anbindung an die Plattform
• laufenden Kosten für Software, Datenhaltung und Auswertung
• Schulungsbedarf in Verwaltung und Betrieb

Daneben gibt es organisatorische Herausforderungen:

• Datenqualität und Datenmenge: Predictive Maintenance erfordert die Erfassung und Analyse großer Datenmengen; ihre Verwaltung ist technisch anspruchsvoll und setzt spezielle Kenntnisse in Datenanalyse voraus.
• Datenschutz: Je nach Anlage und Auswertung können die Systeme auch personenbezogene Daten erfassen, etwa Nutzungs- oder Anwesenheitsmuster. Dann gelten die Vorgaben der DSGVO; erfasste Daten müssen sicher gespeichert, verarbeitet und nur autorisierten Personen zugänglich gemacht werden. Ob das der Fall ist, ist im Einzelfall zu prüfen.
• Akzeptanz beim Betriebspersonal: Neue Technologien erfordern Veränderungsbereitschaft; eine benutzerfreundliche Gestaltung und umfassende Schulungen sind wichtig, um Vorbehalte abzubauen.

Dazu kommt eine nüchterne Klarstellung: Nicht jede Anlage rechtfertigt den Aufwand. Wo der Ausfall einer Komponente weder wirtschaftliche Schäden noch Sicherheitsverluste verursacht, übersteigt der Aufwand für das System in der Regel den Nutzen. Wie eine Verwaltung die kritischen Anlagen im Portfolio konkret identifiziert und schrittweise ins Monitoring nimmt, beschreibt der Abschnitt zur praktischen Einführung.

Normen, Prüfpflichten und Haftung

Der rechtliche Rahmen bleibt auch mit der besten Sensorik bestehen. Die Betriebssicherheitsverordnung (BetrSichV) gilt für die Verwendung von Arbeitsmitteln und zielt auf die Sicherheit und den Gesundheitsschutz von Beschäftigten; Arbeitsmittel umfassen dabei ausdrücklich auch überwachungsbedürftige Anlagen wie Aufzüge. Für überwachungsbedürftige Anlagen dient sie zusätzlich dem Schutz anderer Personen im Gefahrenbereich. Ob und in welchem Umfang die Vorgaben für ein bestimmtes Objekt und dessen Betreiber gelten, ist im Einzelfall zu prüfen. Im Anwendungsbereich der Verordnung hat der Arbeitgeber Arbeitsmittel, die schädigenden Einflüssen ausgesetzt sind, wiederkehrend durch eine zur Prüfung befähigte Person prüfen zu lassen, und die Prüfergebnisse aufzuzeichnen.

Konkretisiert werden Art, Umfang und Fristen der Prüfungen durch die Technische Regel für Betriebssicherheit TRBS 1201 "Prüfungen und Kontrollen von Arbeitsmitteln und überwachungsbedürftigen Anlagen" (Ausgabe März 2019, zuletzt geändert November 2025). Sie regelt unter anderem die Ermittlung und Festlegung von Art, Umfang und Fristen erforderlicher Prüfungen sowie die Verfahrensweise zur Bestimmung der mit der Prüfung zu beauftragenden Person oder zugelassenen Überwachungsstelle.

• Was Predictive Maintenance leisten kann: Zustandsdaten können die Gefährdungsbeurteilung und die Festlegung von Art, Umfang und Fristen der Prüfungen sachlich untermauern, denn die Fristen sind so festzulegen, dass die Arbeitsmittel bis zur nächsten Prüfung sicher verwendet werden können.
• Was Predictive Maintenance nicht leisten kann: Sie ersetzt weder die wiederkehrende Prüfung durch eine zur Prüfung befähigte Person noch die Dokumentationspflichten des Betreibers.
• Was unabhängig davon gilt: Weitere Prüfpflichten im Objekt, etwa die Elektroprüfung oder die Prüfung von Sicherheitseinrichtungen, bleiben je nach Anlage und Rechtsgrundlage bestehen.

Zur Haftung gilt: Kein Algorithmus hebt die Verantwortung des Betreibers auf. Sensordaten entbinden nicht von den Prüfpflichten nach BetrSichV und TRBS 1201. Werden vorgeschriebene Prüfungen nicht durchgeführt oder nicht dokumentiert, können sich daraus haftungsrechtliche Folgen für den Betreiber ergeben; deren Umfang hängt vom Einzelfall ab. Wer Predictive Maintenance einführt, sollte die Zustandsdaten deshalb als Ergänzung der Dokumentation führen, nicht als Ersatz dafür. Welche Pflichten zusätzlich bestehen, etwa zu Rauchwarnmeldern, richtet sich je nach Landesrecht und Satzung und ist im Einzelfall zu prüfen. Diese Einschätzung ersetzt keine Rechtsberatung.

Einführung in der Praxis: Schritte für Verwaltungen

Für Hausverwaltungen empfiehlt sich ein schrittweises Vorgehen statt eines Großprojekts. Ein praxiserprobter Fahrplan sieht so aus:

• Bestandsaufnahme und Priorisierung: Zuerst die technischen Anlagen im Portfolio erfassen und nach Ausfallfolge sortieren. Kritische Anlagen, deren Ausfall wirtschaftliche Schäden oder Sicherheitsverluste verursacht, kommen zuerst ins Monitoring.
• Schrittweise Nachrüstung: In ausgewählten Bereichen mit Sensoren beginnen; bei älteren Anlagen ist Nachrüstung möglich, ohne das gesamte Objekt auf einmal zu vernetzen.
• Verknüpfung mit CAFM-System und Wartungshistorie: Sensordaten entfalten ihren Wert erst zusammen mit den bisherigen Wartungsunterlagen; so lassen sich Muster über Jahre erkennen und Prognosen verlässlich werden.
• Enge Abstimmung mit dem Wartungsdienstleister: Prognosen müssen in planbare Einsätze münden. Dazu gehören vereinbarte Reaktionswege, gemeinsame Auswertungen und klare Zuständigkeiten zwischen Verwaltung und ausführendem Betrieb.

Predictive Maintenance ist damit eine Ergänzung des klassischen Wartungsservice, nicht dessen Ersatz. Die gesetzlichen Prüfungen, die turnusmäßige Kontrolle und das erfahrene Handwerk bleiben die Grundlage; die Datenlage entscheidet nur, wann welcher Einsatz sinnvoll ist. Genau dort setzt SVEAG an: Neben dem Wartungsservice umfasst das Leistungsspektrum für Hausverwaltungen, Genossenschaften und WEGs auch Gebäudereinigung, Winterdienst, Grünpflege und Außenanlagen sowie den Hausmeisterservice. Wer Zustandsdaten und klassische Instandhaltung so verzahnt, gewinnt Planbarkeit im Portfolio und behält trotzdem die rechtliche Sicherheit, die keine Technologie ersetzen kann.

Stand: Oktober 2026

Häufige Fragen

Was ist vorausschauende Wartung (Predictive Maintenance)?

Vorausschauende Wartung, englisch Predictive Maintenance, ist eine Instandhaltungsstrategie, bei der Wartungen nicht nach starren Kalenderintervallen, sondern nach dem tatsächlichen Zustand einer Anlage geplant werden. Sensoren erfassen dafür laufend Kennwerte wie Temperatur, Vibrationen, Druck oder Stromaufnahme. Eine Software lernt das normale Verhalten der Anlage und meldet Abweichungen, die auf Verschleiß oder einen bevorstehenden Ausfall hindeuten. So lässt sich ein Eingriff einplanen, bevor die Anlage ausfällt. In der Gebäudetechnik betrifft das etwa Heizungs-, Lüftungs- und Klimaanlagen, Aufzüge, Pumpen oder wasserführende Leitungen. Die Grundbegriffe der Instandhaltung beschreibt die DIN EN 13306. Gesetzlich vorgeschriebene Prüfungen ersetzt die vorausschauende Wartung nicht, sie ergänzt sie.

Wie senkt Predictive Maintenance die Kosten?

Predictive Maintenance setzt an mehreren Stellen an. Erstens werden Ausfälle früher erkannt und in geplante Termine überführt, sodass teure Notfalleinsätze und Folgeschäden, etwa durch Wasser, seltener werden. Zweitens werden Bauteile nicht mehr nach festem Turnus getauscht, sondern dann, wenn ihr Zustand es erfordert, was unnötige Einsätze und vorzeitigen Austausch vermeidet. Drittens werden Instandhaltungsbudgets planbarer, weil der Zustand der Anlagen bekannt ist. Wie stark sich das im einzelnen Objekt auswirkt, hängt von Faktoren wie Alter und Kritikalität der Anlagen, Datenqualität, Wartungshistorie und Einstiegsinvestition ab. Bei unkritischen Anlagen kann der Aufwand für Sensorik und Software den Nutzen übersteigen. Eine Priorisierung nach Ausfallfolge ist daher sinnvoll.

Kann Predictive Maintenance gesetzliche Prüfungen ersetzen?

Nein. Im Anwendungsbereich der Betriebssicherheitsverordnung sind Arbeitsmittel und überwachungsbedürftige Anlagen wie Aufzüge wiederkehrend durch befähigte Personen oder zugelassene Überwachungsstellen zu prüfen; die TRBS 1201 konkretisiert Art, Umfang und Fristen. Zustandsdaten können die Festlegung von Prüfumfang und Fristen sachlich untermauern, die Prüfungen selbst bleiben bestehen. Welche Pflichten für Ihr Objekt gelten, ist im Einzelfall zu prüfen.

Für welche Anlagen lohnt sich Predictive Maintenance im Gebäude?

Vor allem für Anlagen, deren Ausfall erhebliche Folgeschäden oder Sicherheitsrisiken verursacht: Heizungs-, Lüftungs- und Klimaanlagen, Aufzüge, Pumpen und Motoren sowie wasserführende Leitungen mit Leckageerkennung. Bei unkritischen Anlagen ist der Aufwand oft größer als der Nutzen, daher empfiehlt sich eine Priorisierung nach Ausfallfolge.

Lässt sich Predictive Maintenance in Bestandsgebäuden nachrüsten?

Ja. Modulare Sensorsysteme lassen sich schrittweise in bestehende Gebäude integrieren, etwa in Technikzentralen, Heizkreisen oder auf wasserführenden Leitungen. Sinnvoll ist ein schrittweiser Ausbau: zuerst kritische Anlagen ausstatten, Daten mit der Wartungshistorie verknüpfen und die Auswertung in die bestehende Instandhaltungsplanung einbinden.

Welche Rolle spielt der digitale Zwilling?

Ein digitaler Zwilling ist ein virtuelles Abbild einer Anlage oder eines Gebäudes, das laufend mit Betriebsdaten gespeist wird. Er verknüpft Gebäude-, Technik- und Sensordaten mit physikbasierten Modellen und ermöglicht präzisere Prognosen, etwa zur Restnutzungsdauer von Komponenten, wie Arbeiten aus der angewandten Forschung zeigen.

Was sind die größten Hürden bei der Einführung?

Als wesentliche Hürde gelten die Einstiegsinvestition in Sensorik, Vernetzung und Software sowie der Schulungsaufwand. Hinzu kommen der Aufbau einer ausreichenden Datenbasis, Datenschutzfragen, falls personenbezogene Daten erfasst werden, und die Akzeptanz beim Betriebspersonal. Ein schrittweiser Einstieg mit den kritischsten Anlagen senkt das Risiko.