8 Best Practices für IoT Asset Management

Für Hersteller von Maschinen und Anlagen ist die installierte Basis das wertvollste Service-Asset – und gleichzeitig die größte Daten-Baustelle. Wer IoT richtig einsetzt, verwandelt Sensordaten in planbare Wartung, kürzere Stillstände und neue Serviceumsätze. Dieser Leitfaden zeigt die 8 wichtigsten Schritte für ein IoT-Asset-Management, das im Aftermarket-Service tatsächlich Wirkung zeigt.

Auf einen Blick: Erfolgreiches IoT-Asset-Management beginnt mit klaren Zielen, der richtigen Hardware und einer sauberen Datenbasis. Entscheidend für Maschinenbauer ist die Verknüpfung von IoT-Daten mit der digitalen Maschinenakte, Salesforce-Service-Prozessen, Self-Service-Portalen und KI-gestützter Entscheidungslogik. Wer alle acht Schritte konsequent geht, macht aus der installierten Basis einen echten Wachstumstreiber.

Übersichtsartikel: Eine vollständige Einführung – von Sensor und Edge über IoT-Plattform bis zum Service-Kontext in Salesforce – finden Sie in unserem Pillar IoT-Daten im Serviceportal: Wie Maschinenbauer Sensordaten nutzbar machen.

Die 8 Schritte im Überblick

1. Messbare Ziele setzen – Service-KPIs wie First-Time-Fix-Rate, MTTR und Anlageneffizienz definieren und priorisieren.
2. Passende IoT-Hardware wählen – Sensoren, Konnektivität (LPWAN, GPS, MQTT) und Pilot-Setup auf die Maschinen abstimmen.
3. Daten für die Wartungsplanung nutzen – Predictive Maintenance durch Echtzeit-Überwachung von Vibration, Temperatur und Stromaufnahme.
4. Mit bestehenden Systemen verbinden – Sensoren, ERP, Salesforce und Service-Portale ohne Medienbrüche integrieren.
5. Daten und Systeme schützen – DSGVO-Konformität, Verschlüsselung und rollenbasierte Zugriffskontrolle absichern.
6. Schrittweise einführen – Pilot, Skalierung, Optimierung – mit klaren Erfolgskriterien je Phase.
7. Leistungsdaten überwachen – Dashboards für Anlagenauslastung, Wartungskosten und Ausfallzeiten in Echtzeit.
8. Langfristig steuern – Trends visualisieren, Daten in ERP und CRM zurückspielen, datengetriebene Entscheidungen verankern.

Vergleich der wichtigsten IoT-Konzepte

Mit diesen Bausteinen können Maschinenbauer ihre Anlagen effizienter betreiben, Servicekosten senken und neue Umsätze im Aftermarket erschließen.

Messbare Ziele setzen

Klare und messbare Ziele sind entscheidend für erfolgreiches IoT-Asset-Management. Im Maschinenbau zählen vor allem Service-KPIs wie First-Time-Fix-Rate, MTTR und NPS – nicht nur die klassische Overall Equipment Effectiveness (OEE). OEE ist im Maschinenbau der etablierte Leistungsindikator, doch im Aftermarket-Service treten Verfügbarkeit, Wartungskosten und Kundenzufriedenheit gleichrangig daneben.

Wichtige Leistungsindikatoren und Ziele

Beispiel aus der Praxis

Ein Serienfertiger mit mehreren Tausend Maschinen im Feld definiert First-Time-Fix-Rate und MTTR als Leitkennzahlen. Sobald Vibrations- und Temperaturwerte je Maschine in der Serviceakte landen, lässt sich ein Einsatz vorbereiten, bevor der Techniker anfährt: das richtige Ersatzteil ist dabei, die Fehlerursache ist eingegrenzt, der Zweitbesuch entfällt. Dieselbe Datenbasis stellt der Hersteller seinen Kunden anschließend als Self-Service-Angebot über ein Kundenportal auf Salesforce bereit.

Umsetzung und Standards

Weisen Sie jedem KPI eine verantwortliche Person zu. Arbeiten Sie mit präzisen Daten, überprüfen Sie sie regelmäßig und reagieren Sie auf Abweichungen mit klaren Maßnahmen. Richten Sie sich zudem nach der ISO 55001 – sie fordert eine kontinuierliche Bewertung der Anlagenleistung, des Asset Managements und der Effektivität des Managementsystems.

Geeignete IoT-Hardware auswählen

Die Wahl der richtigen IoT-Hardware entscheidet darüber, ob Sie verwertbare Daten erhalten. Sensoren und Geräte müssen präzise messen und problemlos mit vorhandenen Anlagen kompatibel sein.

Konnektivitätsoptionen im Vergleich

Praktische Umsetzung

Beginnen Sie mit einem Pilot an einer einzelnen Maschine, um erste Daten zu sammeln und das Setup zu validieren. Dabei sollten Sie folgende Punkte berücksichtigen:

• Datenerfassung: IoT-Sensoren direkt mit dem Maschinen- oder Werksnetzwerk verbinden.
• Signalverarbeitung: Sensordaten durch SPS oder Datenlogger in digitale Form umwandeln.
• Konnektivität: In metallhaltigen Umgebungen sind kabelgebundene Verbindungen oft die bessere Wahl.

Wichtige Kriterien bei der Sensorauswahl

Die Auswahl hängt von den Anforderungen der Maschine ab. Zu den relevanten Messgrößen gehören:

• Produktionskennzahlen (Stückzahlen, Zykluszeiten)
• Verbrauchsdaten (Energie, Druck, Schmiermittel)
• Verschleißmerkmale (Vibration, Temperatur, Stromaufnahme)
• Umgebungsfaktoren (Feuchtigkeit, Staub, Position)

Eine durchdachte Sensorwahl legt die Grundlage für alle weiteren digitalen Prozesse im Asset Management – und sollte mit der digitalen Maschinenakte verknüpft werden, damit die erfassten Werte sofort einer konkreten Maschine, einem Kunden und einer Wartungshistorie zugeordnet sind.

Daten für die Wartungsplanung nutzen

Nachdem die passende Hardware ausgewählt ist, geht es darum, die erfassten Daten effektiv einzusetzen. Mit IoT-Daten lassen sich Wartungspläne präziser gestalten – mögliche Probleme werden frühzeitig erkannt und behoben, bevor der Stillstand kommt.

Wichtige Parameter für die Wartungsüberwachung

Hinweis: Diese Werte sind Richtlinien und werden je nach Maschinentyp angepasst.

Schritte zur datengestützten Wartung

1. Daten erfassen und analysieren – Sensoren erfassen kontinuierlich Betriebsdaten. Moderne Software wertet sie automatisch aus, um Abweichungen vom Normalbetrieb zu erkennen.
2. Vorausschauende Wartung (Predictive Maintenance) – Maschinelles Lernen prognostiziert mögliche Ausfälle. Wartungsarbeiten werden rechtzeitig geplant. Mehr dazu im Beitrag So implementieren Sie Predictive Maintenance mit IoT.
3. Wartungszyklen anpassen – Sensordaten ermöglichen eine Anpassung der Intervalle an den tatsächlichen Verschleiß. Ungeplante Ausfälle werden vermieden und Instandhaltungskosten sinken, weil nicht mehr nach starrem Intervall, sondern nach tatsächlichem Zustand gewartet wird.

Praktische Umsetzung

• Relevante Messpunkte festlegen und passende Sensoren installieren
• Alarmgrenzwerte definieren – abgestimmt auf Maschinentyp und Betriebsweise
• Wartungspersonal für den Umgang mit den Systemen schulen
• Ergebnisse mit der digitalen Maschinenakte verknüpfen, damit jede Wartung historisiert bleibt

Qualitätssicherung

Regelmäßig prüfen:

• Sind die Messwerte plausibel?
• Werden alle relevanten Daten erfasst?
• Zeigen die Wartungsmaßnahmen die gewünschte Wirkung?
• Müssen Grenzwerte angepasst werden?

Durch den gezielten Einsatz von IoT-Daten reduzieren Sie ungeplante Ausfälle und steigern die Effizienz Ihrer Anlagen.

IoT Asset Management auf Salesforce – von logicline

Sensordaten allein bringen wenig. Erst wenn sie mit der Maschinenakte, der Service-Historie und dem Kundenkontext zusammenfließen, entsteht echter Mehrwert. Mit IOTAM – IoT Asset Management auf Salesforce verbinden wir Telemetrie, installierte Basis und Service-Prozesse in einer Plattform:

• 360°-Blick auf jede Maschine im Feld – inklusive Konfiguration, Wartungshistorie, IoT-Live-Daten und Service-Tickets.
• Self-Service-Portale mit Maschinen-Cockpit, Ersatzteilshop und Ticketing auf Salesforce Experience Cloud.
• Automatisierte Service-Prozesse vom Sensor-Alarm über Ticket-Routing bis zum Field-Service-Einsatz.
• KI-gestützte Empfehlungen durch Agentforce und unsere Service Decision Intelligence (SDI).

→ Mehr zu IOTAM und der digitalen Maschinenakte   → Listing auf Salesforce AppExchange

Mit bestehenden Systemen verbinden

Die Einbindung von IoT-Lösungen in bestehende Produktions- und Unternehmenssysteme erfordert eine klare Strategie. So bringen Sie Ihre bestehenden Systeme effizient in die IoT-Infrastruktur ein.

Bestandsaufnahme und Analyse

Eine gründliche Analyse der vorhandenen Systeme ist der erste Schritt:

Modernisierung bestehender Anlagen

1. Technische Bewertung – Prüfung der vorhandenen Systeme, Ermittlung technischer Schwachstellen, Einschätzung der Integrationsmöglichkeiten.
2. Machbarkeitsstudie – Auswahl passender Sensoren und Steuerungstechniken, Entwicklung maßgeschneiderter Lösungen.
3. Implementierung – Installation während geplanter Wartungen, Schulung des Personals für den reibungslosen Betrieb.

Protokolle und Datenübertragung

Für die Kommunikation zwischen Maschinen (M2M) stehen verschiedene Protokolle zur Verfügung:

• MQTT – Spart Ressourcen und eignet sich für einfache Datenübertragungen.
• CoAP – Perfekt für eingebettete Systeme mit begrenzten Ressourcen.
• OPC UA – Industriestandard für Maschinen- und Anlagen-Kommunikation.
• REST/HTTPS – Für die Integration in Cloud-Plattformen wie Salesforce.

Vom Sensor in die Service-Akte

Entscheidend ist nicht, dass Daten fließen – sondern dass sie in dem System landen, in dem Service-Entscheidungen getroffen werden. Bei Maschinenbauern ist das in der Regel Salesforce. Mehr dazu, wie Sensordaten im Serviceportal nutzbar werden: IoT-Daten im Serviceportal nutzbar machen.

Daten und Systeme schützen

Die Sicherheit von IoT-Infrastrukturen erfordert eine durchdachte Kombination aus technischen und organisatorischen Maßnahmen. Besonders in Deutschland, wo Datenschutzgesetze wie die DSGVO eine zentrale Rolle spielen, ist ein strukturierter Schutz unverzichtbar.

Wichtige Sicherheitsmaßnahmen

Datenschutz und DSGVO-Konformität

Daten sollten nur in dem Umfang erfasst und gespeichert werden, wie es für Analysen und Wartungsarbeiten notwendig ist. Ein automatisiertes Löschkonzept hilft, diese Vorgaben einzuhalten und unnötige Datenberge zu vermeiden. Eine vertiefte Sicht zu Sicherheitsaspekten finden Sie in unserem Beitrag IoT-Daten in Serviceportalen: Sicherheitsrisiken minimieren.

Sicherheitsmaßnahmen für Edge-Computing

Edge-Plattformen stellen besondere Anforderungen an die Sicherheit:

• Regelmäßige Firmware-Updates für Edge-Geräte
• Isolierte Netzwerksegmente für kritische Systeme
• Permanente Überwachung der Systemaktivitäten
• Verschlüsselte Kommunikation zwischen Edge und Cloud

Regelmäßige Sicherheitsüberprüfungen

Sicherheitsaudits und Penetrationstests sind essenziell, um Schwachstellen frühzeitig zu identifizieren und zu beheben – sowohl technisch als auch organisatorisch.

Schrittweise einführen

Die Einführung von IoT-Asset-Management erfordert eine gut durchdachte Strategie. Laut einer Cisco-Studie gilt nur rund ein Viertel der IoT-Projekte als voller Erfolg – die meisten stocken bereits im Proof-of-Concept, häufig an komplexen Integrationsprozessen und fehlender Skalierbarkeit. Ein klarer Fahrplan ist daher unverzichtbar.

Phasenbasierte Implementierung

Technische Infrastruktur vorbereiten

IT-Schwächen zählen zu den häufigsten Stolpersteinen digitaler Projekte. Wichtig sind:

• Flexible Speicherlösungen für Daten
• Integration vorhandener Systeme und Sensoren
• Sichere Kommunikationskanäle
• Backup-Mechanismen
• Salesforce-Anbindung als zentrales Service-System

Risiken berücksichtigen

Ein guter Einführungsplan adressiert mögliche Risiken früh. Mit Authentifizierung, Verschlüsselung und regelmäßigen Audits schützen Unternehmen ihre IIoT-Systeme und halten Datenschutzvorgaben ein.

Erfolgsmessung einrichten

• Systemverfügbarkeit: Regelmäßige Performance-Tests sichern stabile Verfügbarkeit.
• Datenqualität: Automatische Prüfungen helfen, Fehler frühzeitig zu erkennen.
• Nutzerakzeptanz: Schulungen und Support fördern die Nutzung.
• Geschäftsnutzen: First-Time-Fix-Rate, MTTR, Wartungskostenquote als harte Kennzahlen.

Skalierbarkeit ermöglichen

Eine flexible Architektur und anpassbare Prozesse sind entscheidend, um wachsende Datenmengen effizient zu bewältigen. Lösungen wie die installierte-Basis-Anbindung auf Salesforce sind genau dafür ausgelegt.

Leistungsdaten überwachen

Nach der Einführung folgt die kontinuierliche Überwachung. Monitoring ermöglicht es, IoT-Anlagen effizient zu betreiben, Ausfallzeiten zu minimieren und fundierte Entscheidungen auf Datenbasis zu treffen.

Wichtige Leistungskennzahlen

Technische Umsetzung

• IoT-Sensoren – messen kontinuierlich Betriebsdaten wie Temperatur, Vibration und Energieverbrauch.
• MQTT-Broker – sammelt und standardisiert Daten aus verschiedenen Anlagen für eine einheitliche Datenbasis.
• Analysesoftware – wertet die gesammelten Daten aus und liefert konkrete Handlungsempfehlungen.
• Salesforce-Integration – bringt die Daten dort an, wo Service-Entscheidungen getroffen werden.

Verbesserungen durch KI

KI-gestützte Systeme erkennen Anomalien frühzeitig, optimieren Wartungszyklen und reduzieren ungeplante Ausfallzeiten. Vorausgesetzt: die KI hat Zugriff auf eine saubere, kontextualisierte Datenbasis – sonst halluziniert sie statt zu helfen. Wie Sie das vermeiden, lesen Sie im Beitrag Wenn Agentforce halluziniert: Warum KI im Service eine eigene Wissensbasis braucht.

Langfristig steuern

Die kontinuierliche Überwachung der Anlagenleistung spielt eine Schlüsselrolle in einer effektiven IoT-Asset-Management-Strategie. Regelmäßige Analyse und Beobachtung machen Wartungen, Modernisierungen oder den Austausch von Anlagen planbar.

Leistungstrends visualisieren

Integration in bestehende Systeme

Nach der erfolgreichen Einbindung können IoT-Daten nahtlos in ERP-Software, SAP-Umgebungen, HANA-Datenbanken oder MES integriert werden. Im Maschinenbau ist die zentrale Klammer aber meist Salesforce: dort kommen Maschinendaten, Kundeninformationen, Service-Verträge und Wartungsaufträge zusammen.

Umsetzung in der Praxis

Praxisbeispiele zeigen, dass eine strukturierte Herangehensweise entscheidend ist. Moderne IoT-Plattformen ermöglichen Echtzeiteinblicke in Energie- und Leistungsdaten. So reagieren Unternehmen schneller auf Veränderungen und nutzen große Datenmengen effizient für präventive Wartung und Optimierung.

Entscheidungen auf Basis von Daten

• Individuelle Dashboards – Konzentration auf die wichtigsten Kennzahlen
• Regelmäßige Analysen – Trends frühzeitig erkennen
• Berichte automatisieren – relevante Informationen kontinuierlich verfügbar machen
• Service-Entscheidungen mit Quellen belegen – nicht Bauchgefühl, sondern nachvollziehbare Datenbasis

Bonus: Von IoT-Daten zur Service-Entscheidung

Die acht Best Practices schaffen die Datenbasis. Den größten Hebel heben Maschinenbauer aber erst, wenn IoT-Daten mit Service-Historie, technischem Wissen und Diagnostik-Logik zusammenwirken. Diese Verbindungsschicht – Service Decision Intelligence (SDI) – macht aus Sensordaten begründete Entscheidungen: Welche Maschine zuerst? Welche Aktion lohnt sich? Welcher Techniker mit welchem Wissen? SDI kombiniert Telemetrie, CRM-Kontext, technische Dokumentation und Diagnostik in einer Intelligenzschicht für KI-Agenten – mit Quellenangaben und Datenhoheit beim Maschinenbauer. → Mehr zu Service Decision Intelligence

Fazit

Erfolgreiches IoT-Asset-Management ist kein Sensor-Projekt, sondern eine Service-Transformation. Sensoren liefern die Daten, aber den Geschäftswert erschließen Sie erst, wenn Maschinendaten, Kundenkontext und Service-Prozesse zusammenfließen. Drei Erfolgsfaktoren entscheiden:

Wer alle 8 Schritte konsequent geht, betreibt Anlagen effizienter, senkt Wartungskosten und entwickelt Service zum Wachstumstreiber. Die installierte Basis wird dabei nicht zur Last, sondern zur größten Service-Chance Ihres Unternehmens. Der erste Schritt ist deshalb auch kein Tool-Entscheid, sondern eine strukturierte Bestandsaufnahme: Welche Maschinen tragen heute welchen Service-Wert, und wo sind die größten ungenutzten Hebel? Das Installed Base Assessment liefert in 4–6 Wochen die Datenbasis und einen konkreten Hebel-Report – die Grundlage, um die acht Best Practices in der richtigen Reihenfolge umzusetzen. Wer bereits eine strukturierte Basis hat und konkret evaluieren möchte, wie IoT-Daten in Salesforce zu Service-Wert werden, vereinbart direkt ein Erstgespräch.