Die meisten facilities management-Unternehmen haben ein asset register. Die meisten von ihnen vertrauen ihm nicht. In Gesprächen mit asset managern aus den Bereichen hard FM und Infrastruktur zeigt sich dasselbe Muster: Das register existiert, die Leute beziehen sich darauf, aber die zugrunde liegenden Daten sind unzuverlässig genug, dass echte Entscheidungen – Wartungsplanung, lifecycle replacement, Angebotskalkulation – immer noch aus dem Bauch heraus oder aus dem Gedächtnis getroffen werden.
What a failing asset register actually looks like
Die Anzeichen sind spezifisch und erkennbar:
- Fehlende Hersteller- und Modelldaten. Ein signifikanter Prozentsatz der assets ist als "Pumpe – Gebäude A" oder "HVAC Unit – Etage 3" aufgeführt, ohne Herstellername, Modellnummer und Installationsdatum.
- Inkonsistente Benennungskonventionen. "Air Handling Unit", "AHU", "air handler" und "ventilation unit" sind vier Beschreibungen derselben Sache – aber in einer Datenbank sind sie vier separate Kategorien.
- Duplizierte Datensätze. Derselbe Generator könnte dreimal mit drei verschiedenen asset IDs und drei verschiedenen Wartungshistorien erscheinen.
- Still als aktiv gelistete, außer Betrieb genommene assets. Wenn assets entfernt oder ersetzt werden, wird das register oft nicht aktualisiert. Geisterdatensätze sammeln sich mit Geister-Wartungsplänen und Geister-Versicherungsprämien an.
- Keine Verknüpfung zwischen asset- und Teiledaten. Das asset existiert im register, aber es gibt keine strukturierte Verbindung zu den Komponenten, die zu seiner Wartung verwendet werden.
The financial cost: a real example
Ein asset manager, mit dem wir zusammenarbeiteten, entdeckte nach der Durchführung einer data quality baseline, dass sein Unternehmen jahrelang Versicherungsprämien für assets gezahlt hatte, die es bereits verkauft oder außer Betrieb genommen hatte. Das register war nie aktualisiert worden, um die Veräußerungen widerzuspiegeln. Als das bereinigte register mit dem Versicherungsplan verglichen wurde, war die Diskrepanz signifikant. assets, die nicht mehr existierten, waren immer noch versichert. Die jährliche Prämienanpassung war erheblich – und das Problem war unsichtbar gewesen, bis die Daten bereinigt wurden.
What an accurate asset register enables
Predictive maintenance. Wenn assets genaue Hersteller-, Modell- und Installationsdatumsangaben enthalten, können Sie diese mit lifecycle- und Ausfalldaten verknüpfen. Der Übergang von reaktiver zu predictive maintenance ist nur möglich, wenn die Daten dies unterstützen.
lifecycle decision-making. Die Frage "Sollen wir dieses asset reparieren oder ersetzen?" ist eine einfache finanzielle Berechnung – wenn Sie das Alter des assets, seine Wartungshistorie und seine Wiederbeschaffungskosten kennen.
Genaue Angebotskalkulation. Bei der Kalkulation eines Wartungsvertrags ist das asset register die single source of truth dafür, was Sie zu warten zusagen. Ein ungenaues register bedeutet, dass Sie auf der Grundlage einer Schätzung dessen kalkulieren, was vor Ort ist.
Schnelle Rückrufaktion. Wenn ein Hersteller einen Rückruf für ein bestimmtes Modell eines HVAC-Motors herausgibt, sollte die Fähigkeit, jede betroffene Einheit über ein Portfolio hinweg zu identifizieren, Minuten, nicht Wochen dauern.
What is typically missing and how AI fills the gaps
| Feld | Typische Lücke | Wie sie geschlossen wird | |---|---|---| | Hersteller | Fehlend oder abgekürzt | Abgeglichen mit supplier invoice data und Herstellerdatenbanken | | Modellnummer | Fehlend oder Freitext | Extrahiert aus Wartungsaufzeichnungen, PDFs und früheren Serviceberichten | | Installationsdatum | Fehlend oder geschätzt | Abgeleitet aus Inbetriebnahmeprotokollen und historischen Wartungsprotokollen | | asset-Klassifizierung | Inkonsistente Benennung | Standardisiert nach Uniclass- oder OmniClass-Taxonomie | | Komponentenverknüpfung | Nicht strukturiert | Erstellt aus MRO-Einkaufshistorie, verknüpft mit asset ID |
The ongoing maintenance problem
Ein bereinigtes asset register verschlechtert sich ohne aktive Wartung. Neue assets werden hinzugefügt, alte entfernt, und wenn keine systematische Qualitätsprüfung der eingehenden Daten erfolgt, sammeln sich die Probleme wieder an. Die nachhaltige Lösung ist eine automatisierte Qualitätskontrollschicht: Jeder neue asset-Datensatz wird gegen die bestehende Struktur geprüft und markiert, wenn wichtige Felder fehlen oder inkonsistent mit der Benennungskonvention sind.
"Früher habe ich den Ausdruck Datenbereinigung gefürchtet. Jetzt ist es nur noch ein weiterer Klick in meiner Woche."
– asset manager, Nationales Versorgungsunternehmen
Richard Wallace
Co-founder, Pearstop
Richard brings deep commercial experience in hard services and FM. He works with clients to design data quality programmes that translate directly into procurement performance and contract accuracy.
LinkedIn →