Ersatzteilkosten vs. Verfügbarkeit im Maschinenbau

Volles Lager heißt nicht hohe Lieferfähigkeit. Oft liegt ein großer Teil des Bestands dauerhaft ungenutzt im Regal – und trotzdem fehlt genau die Komponente, die den Stillstand beendet. Der Kern: Sie brauchen nicht mehr Bestand, sondern den richtigen Bestand am richtigen Ort. Dafür reicht es nicht, alte Verbrauchswerte fortzuschreiben. Erst wenn Maschinenalter, Nutzung, Ausfallmuster, Wiederbeschaffungszeit und SLA-Risiko je Teil zusammen betrachtet werden, lässt sich der Lagerbestand gezielt steuern. Worauf es ankommt:

• A-, B- und C-Teile getrennt planen, statt mit einer einheitlichen Regel
• Flottendaten je Seriennummer statt nur ERP-Historie nutzen
• kritische A-Teile absichern, bevor Expressversand und Stillstandskosten entstehen
• C-Teile begrenzen, damit Kapital nicht unnötig im Regal liegt
• mit Digitalisieren → Vernetzen → Entscheiden → Automatisieren Schritt für Schritt vorgehen

Eine knappe Gegenüberstellung zeigt das Problem:

Punkt	Falsche Steuerung	Saubere Steuerung
Datenbasis	Vergangenheitsverbrauch	Installierte Basis, Nutzung, Servicehistorie
A-Teile	zu knapp	nach Risiko bevorratet
C-Teile	zu hoch	bedarfsgerecht
Kostenbild	Kapitalbindung plus Eilfracht	weniger Fehlteile und weniger Überbestand
Servicewirkung	SLA-Risiko, Stillstand	bessere Planbarkeit

Für Serviceleiter, COOs und CFOs ist die Frage daher einfach: Welche Teile müssen liegen, wo und in welcher Menge – und welche nicht? Genau darauf zielt dieser Beitrag ab, mit Blick auf Datenbasis, Bestandslogik und die Rolle von Service Decision Intelligence (SDI), der Digitalen Maschinenakte (IOTAM) und dem Installed Base Assessment.

Woher das Ungleichgewicht zwischen Ersatzteilkosten und Verfügbarkeit kommt

Das Ungleichgewicht entsteht nicht plötzlich. Es baut sich über Jahre auf, wenn ERP-Logiken eine volatile Ersatzteilnachfrage mit Regeln steuern, die für gleichmäßigen Verbrauch gedacht sind. Standard-Min-Max-Verfahren im ERP unterstellen eine halbwegs stabile Nachfrage. Genau das trifft auf Ersatzteile oft nicht zu. Deren Bedarf ist meist sprunghaft und schwer planbar – geprägt vom Alter der Maschinen, ihrer Auslastung und den Nutzungsmustern in der installierten Basis. Wird die Nachfrage falsch angenommen, folgen daraus zwei Fehler zugleich: zu viel gebundenes Kapital und fehlende Teile im kritischen Moment. Deshalb brauchen A-, B- und C-Teile eigene Regeln statt einer einheitlichen Bevorratung.

Warum A-, B- und C-Teile unterschiedliche Lagerlogiken brauchen

Die reine Teileklasse greift zu kurz. Erst mit Nutzungsdaten, Ausfallmustern und der Kritikalität je Teil aus der installierten Basis wird daraus eine belastbare Steuerung. Für Serviceleiter ist das der Kern: Über die Steuerung entscheidet das Risiko im Feld – der Artikelstamm allein genügt nicht.

Merkmal	A-Teile (kritisch / hochwertig)	B-Teile (mittel)	C-Teile (geringwertig / Verschleiß)
Wert und Risiko	Hoch; hohes Stillstandsrisiko	Mittel; moderates Risiko	Gering; niedriges Einzelrisiko
Nachfragemuster	Oft sporadisch oder unregelmäßig	Relativ stabil	Hohe Frequenz oder Massenbedarf
Wiederbeschaffungszeit	Oft lang (Wochen bis Monate)	Moderat	Kurz (Tage)
Bestandslogik	Prädiktiv – auf Basis von Nutzungs- und Servicedaten	Dynamisches Min-Max mit regelmäßiger Überprüfung	Automatisiert, Bulk oder Kanban

Gerade im Maschinenbau zeigt sich der Unterschied deutlich: Ein günstiges Verschleißteil darf fehlen, wenn es binnen kurzer Zeit ersetzt werden kann. Ein selten benötigtes, aber kritisches A-Teil kann dagegen eine ganze Anlage stoppen. Wer beide gleich plant, steuert am Risiko vorbei. An dieser Stelle hilft das Reifegradmodell Digitalisieren → Vernetzen → Entscheiden → Automatisieren. Erst wenn Daten aus Service, Nutzung und installierter Basis zusammenlaufen, lässt sich die Lagerlogik pro Teilegruppe sauber ableiten. In Salesforce wird daraus eine Steuerungsfrage für Verfügbarkeit, Bestand und Reaktionszeit – kein IT-Projekt um seiner selbst willen.

Das typische Muster: zu viele C-Teile, zu wenige kritische A-Teile

In der Praxis zeigt sich oft dasselbe Bild: Das Lager ist voll, aber die falschen Teile liegen darin. Zu viel Kapital steckt in C-Teilen, während kritische A-Teile zu knapp bevorratet sind. Ein Teil des Bestands wird nie bewegt. Fehlt dann eine kritische Komponente, kostet die Expresslieferung im Ernstfall ein Vielfaches der regulären Beschaffung.

Muster	Auswirkung auf Uptime	Finanzielle Folge	Logistikkonsequenz
C-Teile-Überbestand	Vernachlässigbar	Hohe Kapitalbindung; hohes Ausschussrisiko	Verschwendeter Lagerplatz
A-Teile-Fehlbestand	Hoch (Maschinenstillstand)	Hohe Expresskosten; Vertragsstrafen	Teure Kurier- und Sonderlieferungen
Unbewegter Bestand	Keine	Laufende Haltekosten ohne Gegenwert	Abschreibungen auf nie bewegte Positionen

Für die Geschäftsleitung ist das kein Randthema. Es geht nicht nur um Lagerkosten, sondern um Uptime, SLA-Erfüllung und Marge im Service. Ein überfülltes Lager sieht auf den ersten Blick sicher aus. Im Feld zeigt sich dann oft das Gegenteil.

Ein typisches Szenario aus dem DACH-Maschinenbau

Ein typisches Szenario (kein realer Referenzfall) zeigt, wie Flottendaten Fehlbestände erst sichtbar machen: Ein Teil liegt an einem Standort als Langsamdreher, während es an einem anderen als kritische Komponente fehlt. Erst die Vernetzung der Standortdaten macht die Umverteilung möglich – anstelle einer Neubeschaffung. Im Serienmaschinenbau wirkt das Lager oft gut gefüllt, aber bei einem Ausfall beim Kunden fehlt genau das benötigte Bauteil. Der Grund liegt meist in einer Planung auf Basis aggregierter Verbrauchswerte statt auf dem Zustand und der Auslastung einzelner Maschinen in der Flotte. Ohne diese Granularität bleibt die Disposition pauschal. Genau hier setzt die Digitale Maschinenakte (IOTAM) an. Sie verknüpft Maschinen-, Service- und Nutzungsdaten so, dass Teilebedarf nicht nur rückblickend, sondern im Kontext der installierten Basis bewertet werden kann. Mit einem Installed Base Assessment lässt sich zudem prüfen, wo Bestände, Risiko und Flottenstruktur heute schon auseinanderlaufen. Das ist besonders dann relevant, wenn Sie in Salesforce Serviceprozesse, Ersatzteillogik und Außendienst zusammenführen wollen. So wird aus einem vollen Lager eine belastbare Steuerung nach tatsächlichem Risiko.

Warum Flottendaten Bestandsentscheidungen verändern

ERP-Systeme zeigen, was bestellt wurde. Für die Ersatzteilplanung reicht das oft nicht. Den tatsächlichen Bedarf sehen Sie erst in den Nutzungsdaten. Eine Maschine, die jeden Tag unter Volllast läuft, beansprucht Bauteile anders als eine baugleiche Anlage, die nur in der Saison im Einsatz ist. Im ERP stehen beide dennoch als dasselbe Modell. Ohne Seriennummer, Nutzung und Servicehistorie bleibt die Disposition pauschal. Hinzu kommen weitere Einflussfaktoren: Maschinenalter, Servicehistorie, Standortdichte und SLA-Status. Erst wenn diese Signale je Seriennummer sauber vorliegen, lässt sich Bedarf nicht nur schätzen, sondern steuern.

Die Datenbasis für eine belastbare Ersatzteilsteuerung

Der Ausgangspunkt ist eine vollständige Maschinenakte je Seriennummer. Dazu zählen technische Konfiguration, Auslieferungsdaten, Servicehistorie und – wo vorhanden – IoT-Signale wie Betriebsstunden oder Lastprofil. Fehlt diese Basis, bleibt Bestandsplanung eine Schätzung. In vielen Serviceorganisationen sind die Installed-Base-Daten über mehrere Systeme verteilt – ERP, PLM, Field Service und Excel. Das macht Bedarfsprognosen im Alltag schwer. Die Digitale Maschinenakte (IOTAM) führt die Daten je Asset zusammen. Das Installed Base Assessment zeigt, wo Daten fehlen oder nicht zur Seriennummer passen. Häufig arbeiten Service, Ersatzteillogistik und Vertrieb mit unterschiedlichen Sichtweisen auf dieselbe installierte Basis. Dann fehlt nicht nur ein Feld im System. Es fehlt der Zusammenhang zwischen Maschine, Nutzung und Teilebedarf.

Von Flottendaten zu Bedarf und Kritikalität

„Die Entscheidung zwischen Kapitalbindung und Lieferfähigkeit ist ein Datenproblem: Erst wenn Nutzung, Ausfallmuster und Kritikalität je Teil über die Flotte sichtbar sind, lässt sich der Bestand gezielt statt pauschal steuern.“

Sobald Nutzungsdaten, Ausfallhistorie und Vertragsinformationen je Seriennummer vorliegen, wird aus einem allgemeinen Teilebedarf ein konkretes Signal. Dann sehen Sie zum Beispiel, welche Maschinengeneration bei einem bestimmten Bauteil mehr Ausfälle zeigt, an welchen Standorten sich Serviceeinsätze für dasselbe Teil häufen und wo SLA-Verträge mit Uptime-Garantie laufen. Genau dort werden Teile kritisch. Für A-Teile mit hohem Stillstandsrisiko lässt sich so anders planen als für C-Teile. Bei A-Teilen helfen Betriebsstunden und Servicehistorie, Teile vor dem Ausfall zu bevorraten, statt im Störfall per Express zu beschaffen. Bei C-Teilen liefern Größe und Altersstruktur der installierten Basis den Planungskontext, den reine ERP-Transaktionsdaten nicht liefern. Hier setzt Service Decision Intelligence (SDI) als Entscheidungsschicht an. SDI ordnet diese Signale nach Nachfrage, Kritikalität und Servicewirkung. Für Entscheider ist das vor allem aus vier Gründen relevant:

• Empfehlungen bleiben mit Quellennachweis nachvollziehbar.
• Daten können in der Kundeninfrastruktur bleiben und EU-konform verarbeitet werden.
• Über MCP/BYOM bleibt die Wahl des Sprachmodells offen.
• Mit GRAX steht CRM-Kontext ohne API-Limits für die Auswertung bereit.

So werden Flottendaten zur belastbaren Grundlage für Bestandsentscheidungen in Salesforce.

SDI als Entscheidungsschicht: aus Daten werden Bestandsprioritäten

Wie SDI Teile nach Bedarf, Kritikalität und Servicewirkung bewertet

Viele Ersatzteillager wachsen vor allem aus Unsicherheit: Was sich nicht sicher planen lässt, wird vorsichtshalber eingelagert. Genau dort setzt Service Decision Intelligence (SDI) an. SDI wertet ERP-, PLM- und IoT-Daten aus der installierten Basis aus und macht Bedarfs- und Ausfallmuster über die gesamte Flotte sichtbar. Der Blick wechselt damit von isolierten Datensätzen zu klaren Bestandsprioritäten. Für Serviceleiter ist der Punkt simpel: Nicht jedes Teil verdient die gleiche Aufmerksamkeit. SDI bewertet Ersatzteile nach Wiederbeschaffungszeit, Stillstandsrisiko und SLA-Relevanz. Ein Bauteil mit langer Lieferzeit und direkter Relevanz für SLA oder Garantie wird daher anders eingestuft als ein C-Teil, das sich ohne großen Aufwand nachbestellen lässt. So entsteht eine Bestandslogik, die sich am Servicegeschäft orientiert statt am Bauchgefühl. Das wirkt an zwei Stellen zugleich: Kapital bleibt nicht unnötig in wenig kritischen Teilen gebunden, und die Verfügbarkeit steigt dort, wo ein Ausfall direkt auf Reaktionszeit, Vertragskosten oder Marge schlägt. Ein häufiges Bild: Ein Unternehmen lagert viele günstige Standardteile, während ausgerechnet bei selteneren, aber ausfallkritischen Komponenten Lücken entstehen. SDI macht diese Schieflage sichtbar und priorisiert sie nachvollziehbar.

Warum Quellennachweis und Datenhoheit entscheidend sind

Im Service setzt sich keine Empfehlung durch, nur weil ein System sie ausgibt. Akzeptanz entsteht erst dann, wenn Teams sehen können, warum ein Teil oben auf der Liste steht. SDI arbeitet deshalb mit Quellennachweis: Jede Bestandspriorität lässt sich auf Servicefälle, Nutzungstrends und Asset-Historien zurückführen. Serviceteams können die Empfehlung prüfen, mit eigenem Erfahrungswissen abgleichen und bei Bedarf korrigieren. Gerade für Entscheidungen mit Bestands- und Budgetwirkung ist das mehr als eine Detailfrage. Ohne nachvollziehbare Herleitung entstehen Rückfragen, Sonderwege und manuelle Ausnahmen. Mit Quellennachweis wird aus einer Systemempfehlung eine belastbare Arbeitsgrundlage. Hinzu kommt die Frage der Datenhoheit. SDI läuft in der Kundeninfrastruktur oder in EU-konformen Cloud-Umgebungen. Das schafft die Basis für Governance, Auditierbarkeit und DSGVO-konforme Verarbeitung. Für Unternehmen mit sensiblen Maschinen-, Service- und Vertragsdaten ist das eine Bedingung für den Einsatz. Erst wenn Herkunft, Verarbeitung und Nutzung der Daten sauber geregelt sind, lassen sich aus Prioritäten später feste Bestandsregeln und Automatisierung ableiten.

Ein praktischer Weg zu besserem Bestandsgleichgewicht und stärkerer Aftermarket-Marge

Die 4 Stufen: Digitalisieren → Vernetzen → Entscheiden → Automatisieren

Auf die Datenbasis folgt die Steuerung. Genau hier setzt das 4-Stufen-Modell an: Digitalisieren → Vernetzen → Entscheiden → Automatisieren. Für Serviceleiter ist der Punkt klar: Bestandsoptimierung beginnt mit einer sauberen Grundlage, nicht mit einem Prognosemodell. Wenn Stammdaten lückenhaft sind oder Nutzungsdaten fehlen, entstehen keine verlässlichen Prioritäten, sondern neue Fehlerquellen. Stufe 1 – Digitalisieren: Seriennummern, Konfigurationen, Stücklisten und Servicehistorie werden in einer Digitalen Maschinenakte (IOTAM) gebündelt. Stufe 2 – Vernetzen: Diese Asset-Daten werden mit Betriebsstunden, IoT-Telemetrie und Ausfallmustern verknüpft. Erst wenn diese Signale zusammenlaufen, wird aus Daten eine belastbare Bestandsentscheidung. In der Praxis heißt das: Sie sehen nicht nur, welches Teil verbaut ist, sondern auch, wie es genutzt wird, wann es ausfällt und welche Folgen ein Engpass für den Service hat. Stufe 3 – Entscheiden: Service Decision Intelligence (SDI) bewertet Bedarfs- und Kritikalitätssignale je Teil aus Nutzungsdaten, Servicehistorie und Vertragslage. Der Quellennachweis bei Empfehlungen verhindert eine Black-Box-Disposition. Die Daten bleiben in der Kundeninfrastruktur und werden EU-konform verarbeitet. Gerade für Unternehmen mit vielen Standorten oder strengen Vorgaben ist das Teil der Steuerbarkeit. Stufe 4 – Automatisieren: Standardnachbestellungen, Umlagerungen und Schwellenwert-Alerts laufen automatisiert. Service- und Planungsteams arbeiten dann an Ausnahmen statt an Routinefällen. Wenn diese Entscheidungen automatisiert ablaufen, sinken Kosten und Eilaufwand an konkreten Punkten: weniger manuelle Prüfungen, weniger spontane Umlagerungen, weniger Expressversand.

Was bessere Balance für Marge, Verfügbarkeit und Kapital bedeutet

Die wirtschaftliche Wirkung zeigt sich an drei Stellen zugleich: bei der Kapitalbindung, bei der Teileverfügbarkeit und bei der Servicemarge. C-Teile lassen sich bedarfsgerechter disponieren, ohne Lager unnötig aufzufüllen. Kritische A-Teile sind eher dort verfügbar, wo sie für SLA-relevante Einsätze gebraucht werden. Und wenn Einsätze planbarer werden, sinkt der Druck aus Eilbestellungen und Ad-hoc-Beschaffung. Für viele Hersteller liegt genau hier der Hebel im Aftermarket. Dieses Geschäft erzielt häufig deutlich höhere EBIT-Margen als das Neumaschinengeschäft; Branchenanalysen von BCG und McKinsey nennen Größenordnungen von rund 20–25 % gegenüber 10–15 %. Dieses Potenzial lässt sich am ehesten dann nutzen, wenn die installierte Basis die Planung steuert und nicht das Bauchgefühl einzelner Disponenten. In Salesforce lässt sich dieser Ablauf mit Serviceprozessen verbinden, sodass Planung und Service nicht in getrennten Welten arbeiten. Werden dazu Wissensbausteine für Diagnose und Fallbearbeitung gebraucht, ist Empolis oft ein passender Baustein im Umfeld. logicline hat die Salesforce-Integration von Empolis Service Express mitentwickelt. Das ist dann nützlich, wenn Bestandsentscheidungen, Diagnosewissen und Servicefälle enger zusammengeführt werden sollen.

Fazit: mit der installierten Basis anfangen

Ohne saubere Installed-Base-Daten bleibt jede Optimierung eine Form von Nachsteuerung. Das Installed Base Assessment setzt genau an diesem Punkt an: Es strukturiert Daten, deckt Lücken auf und schafft die Grundlage für Bestandsentscheidungen in Stufe 3. Ein häufiges Muster: Teilebestände werden lokal „zur Sicherheit“ erhöht, obwohl die Datenlage unklar ist. Das bindet Kapital, löst aber das Verfügbarkeitsproblem nicht zuverlässig. Erst wenn die installierte Basis sauber beschrieben ist, lassen sich Bestände nach Nutzung, Kritikalität und Vertragslage steuern. Darauf aufbauend werden Service-Sales-Kampagnen gezielter gesteuert. Das ist vor allem dann sinnvoll, wenn Ersatzteilbedarf, Modernisierung und Servicevertrieb nicht getrennt betrachtet werden sollen. Zwei pragmatische Wege für den Einstieg:

• Installed Base Assessment – wenn unklar ist, wo Bestand, Risiko und Flottenstruktur heute auseinanderlaufen.
• Erstgespräch – wenn Sie an Ihren kritischen Teilegruppen konkret durchsprechen wollen, wie sich Kapitalbindung und Lieferfähigkeit in Balance bringen lassen.