• DE
  • EN
  • IT

Predictive Maintenance – Vorausschauende Wartung in der Industrie 4.0

Das industrielle „Internet der Dinge“ (Industrial Internet of Things, IIoT) als Teil von Industrie 4.0 betrifft die Vernetzung von Maschinen und Geräten und ermöglicht den Zugang zu einer riesigen Datenmenge in Echtzeit (Big Data). Die Aufbereitung und Auswertung dieser Daten durch Algorithmen eröffnet vielfältige neue Geschäftsmodelle und Wertschöpfungsmöglichkeiten.

1. Predictive Maintenance

Eine typische Anwendung von Industrie 4.0 ist „Predictive Maintenance“, also die „vorausschauende Wartung“. Sie ist bereits heute eine häufig anzutreffende Anwendung in der Digitalisierung des Anlagen- und Maschinenbaus und baut auf dem bereits in vielen Branchen üblichen Condition Monitoring auf, das den Verschleißzustand von Bauteilen erkennt und überwacht. Predictive Maintenance nutzt die per Condition Monitoring erfassten Daten, um die voraussichtliche Entwicklung des künftigen Maschinenzustandes vorherzusagen und um die Planung von Instandhaltungsmaßnahmen zu unterstützen. Das Verfahren nutzt Mess- und Produktionsdaten von Maschinen und Anlagen für die Ableitung von Wartungsinformationen. Zweck ist es, die Maschinen und Anlagen proaktiv zu warten und Störungszeiten zu minimieren. Im Optimalfall lassen sich Störungen vorhersagen, bevor es zu Auswirkungen oder Ausfällen kommt. Durch die frühzeitig proaktiv eingeleiteten Wartungsmaßnahmen ist das tatsächliche Eintreten der Störung zu verhindern. Ziel ist es letztlich, hohe Kosten durch Maschinenstillstand und Reparaturen zu vermeiden.

Sogenannte „cyberphysische Systeme“ (CPS) ermöglichen es, in nahezu allen Bauteilen einer Maschine oder Anlage die Betriebsdaten des Bauteils zu erheben. CPS-Chips sind Sensoren, welche die sie umgebenden Umweltinformationen wahrnehmen, verarbeiten und kommunizieren können. Durch die gezielte Auswertung dieser „Rohdaten“ kann Predictive Maintenance dazu beitragen, Maschinen und deren Komponenten laufend auf Wartungs- und Reparaturbedarf hin zu überprüfen und so etwaigen Schäden vorzubeugen.

Predictive Maintenance eröffnet neue Geschäftsfelder. Anlagen- und Maschinenbauer können ihr Portfolio um IIoT-Services erweitern und sich damit vom klassischen Produktionsunternehmen zum IIoT-Serviceanbieter wandeln. Die Aufbereitung und Auswertung der Daten kann auch durch Dritte vorgenommen werden, so dass sich auch für IT-Service und Software-Anbieter sowie Systemhäuser etc. neue Geschäftschancen ergeben. Schließlich können auch die Nutzer von IIoT-Services neue Geschäftsmodelle erschließen, indem sie z.B. Infrastruktur „as-a-Service“ anbieten.

2. Rechtliche Aspekte der Predictive Maintenance

Neben den technischen ergeben sich im Rahmen der Predictive Maintenance auch neue rechtliche Herausforderungen. Um Predictive Maintenance effizient zu betreiben, sind im Regelfall folgende Arbeitsschritte erforderlich:

• Erfassen, Digitalisieren und Übermitteln von Daten,

• Speichern, Analysieren und Bewerten der erhobenen Daten sowie

• Errechnen von Eintrittswahrscheinlichkeiten für bestimmte Ereignisse

• Umsetzung der Erkenntnisse durch Vornahme von konkreten Wartungs- oder Reparaturmaßnahmen.

Daran knüpfen z.B. folgende rechtlichen Fragestellungen an, die hier nur angerissen werden können:

a) Maschinengenerierte Daten

Dreh- und Angelpunkt von vernetzten, selbstlernenden Maschinen und damit auch der Predictive Maintenance sind große Mengen an maschinengenerierten Daten und deren Verarbeitung. Daten stellen dabei das zentrale Asset dar, das aber rechtlich nicht ohne weiteres greifbar ist. Daten sind nicht verkörpert und können daher nicht Gegenstand eines Eigentumsrechts nach § 903 BGB sein, weil das BGB Eigentum nur an Sachen, d.h. an körperlichen Gegenständen anerkennt. Die Speicherung auf einem Datenträger genügt dabei nicht, weil Eigentum im rechtlichen Sinne dann nur an dem Datenträger, nicht jedoch an den darauf befindlichen Daten entsteht. Aktuell wird eine rechtspolitische Diskussion geführt, ob das „Eigentum“ an Daten durch eine analoge Anwendung der bestehenden Vorschriften geschaffen werden kann und soll. Auch andere Ansätze, wie zum Beispiel der Schutz als „sonstiges Recht“ nach § 823 Abs. 1 BGB, haben sich bisher in der Rechtsprechung nicht durchgesetzt. Maschinengenerierten Daten fehlt darüber hinaus im Regelfall der Personenbezug, so dass auch nicht auf das Datenschutzrecht zurückgegriffen werden kann.

Somit existiert nach herrschender Meinung für Daten derzeit kein allgemeines Recht mit absoluter Wirkung gegenüber dem gesamten Rechtsverkehr. Besondere Vorschriften, wie z.B. UWG und UrhG, bieten zwar für einzelne Kategorien von Daten bestimmte Abwehrrechte gegen einen Zugriff auf Daten und/oder deren Nutzung. Diese gelten jedoch nur unter den gesetzlich bestimmten Tatbestandvoraussetzungen, beispielsweise für Betriebs- und Geschäftsgeheimnisse. Aufgrund ihres engen Anwendungsbereichs können diese Regelungen aber nicht als allgemeine Grundlage für ein Dateneigentum dienen.

Ein Dateneigentum im Rechtssinne existiert nach derzeitiger Rechtslage nicht. Angesichts dieser Unsicherheiten ist es daher für Unternehmen wichtig, die Zuweisung von Rechten an Daten durch eindeutige Vertragsregelungen zwischen den an der Datenerzeugung, -verarbeitung und -nutzung Beteiligten zu gewährleisten. Dieser Schutz wird zwar nur zwischen den Vertragsparteien wirksam sein, ist aber gerade bei Projekten und Kooperationen im Rahmen von Industrie 4.0 und Predictive Maintenance von erheblicher Bedeutung.

b) Beschäftigtendatenschutz

Die Durchführung von Predictive Maintenance setzt voraus, dass der Betreiber der Maschine die notwendigen Daten entweder selbst auswertet oder dem IoT-Service Provider zur Verfügung stellt. Maschinengenerierten Daten fehlt zwar im Regelfall der Personenbezug. In Einzelfällen kann dies aber problematisch sein, wenn die Daten Rückschlüsse auf bestimmte oder bestimmbare natürliche Personen zulassen, namentlich die Mitarbeiter. Der Betreiber der Maschine muss in diesem Falle sicherstellen, dass die personenbezogenen Daten in datenschutzrechtlich zulässiger Weise ausgewertet bzw. übermittelt werden. Zudem kann es im Einzelfall erforderlich sein, den Betriebsrat einzubinden, wenn Predictive Maintenance eingeführt wird.

c) IT-Sicherheit

Die zunehmende Digitalisierung bedeutet, dass sich natürlich auch bei Predictive Maintenance Angriffsflächen für Attacken aus dem Cyberspace bieten. Aus diesem Grunde sind erhöhte Anforderungen an die interne IT-Sicherheitsinfrastruktur zu stellen, um eine missbräuchliche Verwendung oder Manipulation der Daten oder Maschinen zu vermeiden. Um das Risiko für Angriffe auf die eigene IT-Infrastruktur und Produkte bereits im Vorfeld zu reduzieren, ist nicht nur die Verwendung technisch hochwertiger Sicherheitssysteme notwendig. Es müssen neben klaren Zuständigkeiten auch klare vertragliche Haftungsregelungen vereinbart werden.

d) Vertragstypen und Inhalte

Die Einordnung eines Service- oder Wartungsvertrages als Dienst- oder Werkvertrag ergibt sich je nach Einzelfall und Geschäftsmodell. Die vertragstypologische Einordnung hat wesentlichen Einfluss auf den Pflichtenkatalog der Parteien, beispielsweise in Bezug auf die Gewährleistung, die geschuldete Verfügbarkeit der Services oder die Haftung. Zu regeln ist auch die Frage, welche Partei die Entscheidungshoheit über die konkreten Wartungs- und Reparaturmaßnahmen und den etwaigen Austausch von Komponenten etc. hat.

3. Fazit

Aufgrund des hohen Potentials zur Prozessoptimierung und Kosteneinsparung werden viele Branchen künftig nicht mehr ohne Predictive Maintenance auskommen. Vor der Implementierung entsprechender Systeme sind Rechtsfragen zum Vertrags-, Datenschutz-, Arbeits- und IT-Recht zu klären und vertraglich zu regeln, um die Sicherheit und Funktionsfähigkeit zu gewähren. Wesentlich sind dabei vertragliche Vereinbarungen über Eigentum an den erhobenen Daten und deren Nutzung sowie zur Haftung.