Eine moderne FSM-Software sollte Maschinendaten selektiv speichern: serviceorientierte Kennzahlen, Fehlercodes, Betriebsstunden und Wartungshistorie dauerhaft, während hochfrequente Rohdaten aus IoT-Sensoren nur temporär oder aggregiert vorgehalten werden. Die Speicherstrategie hängt von der Servicestrategie ab, nicht von technischen Möglichkeiten. Unternehmen im Maschinen- und Anlagenbau sollten sich auf Daten konzentrieren, die Servicetechniker im Einsatz tatsächlich nutzen und die für Garantie, Haftung oder Prozessoptimierung relevant sind. Die folgenden Fragen helfen dabei, die richtige Balance zwischen Datenverfügbarkeit und Speichereffizienz zu finden.
Welche Maschinendaten sind für Servicetechniker tatsächlich relevant?
Servicetechniker benötigen primär einsatzorientierte Daten: aktuelle Fehlercodes, Betriebsstunden, Wartungshistorie, Ersatzteilverbräuche und Konfigurationsdetails der jeweiligen Maschine. Diese Informationen ermöglichen eine schnelle Diagnose vor Ort und verkürzen Stillstandszeiten beim Kunden. Weniger relevant sind dagegen hochfrequente Sensordaten wie Temperaturverläufe im Sekundentakt oder kontinuierliche Vibrationsmessungen, die eher für Condition Monitoring oder Predictive Maintenance interessant sind, aber im akuten Serviceeinsatz kaum Mehrwert bieten.
Konkret sollten FSM-Systeme folgende Maschinendaten bereitstellen: Seriennummer und Modellbezeichnung für eindeutige Identifikation, dokumentierte Vorgeschichte aller Serviceeinsätze inklusive durchgeführter Maßnahmen, aktuelle Softwareversion und Parametrierung der Steuerung, verbaute Komponenten und deren Laufzeiten sowie bekannte technische Besonderheiten oder Modifikationen. Diese Informationen lassen sich meist direkt aus der Installed-Base-Management-Komponente einer Field Service Management-Plattform abrufen. Techniker können so bereits auf der Anfahrt prüfen, welche Ersatzteile sie mitführen sollten und welche Problemstellungen bei diesem Maschinentyp oder Kundenstandort in der Vergangenheit aufgetreten sind.
Darüber hinaus sind Zustandsinformationen wertvoll, die eine Ferndiagnose ermöglichen: aktuelle Betriebsparameter, Auslastungsgrad, letzte Alarmmeldungen oder Warnhinweise der Maschinensteuerung. Diese Daten helfen dabei, bereits vor Ort die Ursache einzugrenzen und die Einsatzplanung entsprechend zu priorisieren. Wichtig ist, dass diese Informationen nicht in Rohdatenform vorliegen, sondern aufbereitet und kontextbezogen dargestellt werden. Ein Techniker benötigt keine Zeitreihe mit 10.000 Messwerten, sondern die Aussage, dass ein bestimmter Grenzwert überschritten wurde oder ein Verschleißteil seine geplante Lebensdauer erreicht hat.
Wie viel Speicherplatz verursachen IoT-Daten in einer FSM-Plattform?
Der Speicherplatzbedarf hängt stark von der Erfassungsfrequenz und der Anzahl angebundener Maschinen ab. Ein einzelner IoT-Sensor, der jede Sekunde einen Messwert sendet, erzeugt pro Tag etwa 86.400 Datenpunkte. Bei 100 vernetzten Maschinen mit jeweils 10 Sensoren summiert sich das auf über 86 Millionen Datenpunkte täglich, was je nach Datenformat mehrere Gigabyte Speicherplatz pro Monat erfordert. Für eine typische Serviceorganisation mit 50 bis 100 Maschinen im Feld kann das schnell zu mehreren Terabyte Datenvolumen pro Jahr führen.
In der Praxis zeigt sich, dass viele Unternehmen IoT-Daten zunächst unkontrolliert sammeln, ohne klare Strategie für deren Nutzung. Das führt zu unnötigen Speicherkosten und erschwert die Datenauswertung, da relevante Informationen in der Masse untergehen. Eine durchdachte Datenstrategie reduziert das Volumen erheblich: Statt Rohdaten im Sekundentakt zu speichern, können Durchschnittswerte, Minima und Maxima im Minutentakt ausreichen. Ereignisbasierte Erfassung, bei der nur Abweichungen von Normalwerten gespeichert werden, senkt das Datenvolumen zusätzlich um bis zu 90 Prozent. Zudem sollten alte Rohdaten nach einer definierten Frist aggregiert oder gelöscht werden, während nur verdichtete Kennzahlen langfristig aufbewahrt werden.
Moderne FSM-Plattformen sollten flexible Speicherstrategien unterstützen: kurzfristige Vorhaltung von Detaildaten für akute Diagnosen, mittelfristige Speicherung aggregierter Werte für Trendanalysen und langfristige Archivierung nur der servicehistorisch relevanten Informationen. Cloud-basierte SaaS-Lösungen bieten hier Vorteile, da sie Speicherkapazität dynamisch skalieren können und moderne Kompressionsverfahren nutzen. Unternehmen sollten jedoch die tatsächlichen Speicherkosten transparent kalkulieren und regelmäßig prüfen, ob die gesammelten Daten den wirtschaftlichen Aufwand rechtfertigen.
Sollten FSM-Systeme Rohdaten oder nur aufbereitete Kennzahlen speichern?
FSM-Systeme sollten primär aufbereitete Kennzahlen speichern, die direkt für Serviceprozesse nutzbar sind, während Rohdaten nur temporär für Diagnosezwecke vorgehalten werden. Rohdaten aus IoT-Sensoren sind für Servicetechniker meist zu granular und erfordern Fachwissen in Datenanalyse, das im Außendienst nicht vorausgesetzt werden kann. Aufbereitete Kennzahlen wie Betriebsstunden, Fehlerstatistiken oder Verschleißindikatoren sind dagegen sofort interpretierbar und handlungsrelevant.
Die Entscheidung zwischen Rohdaten und Kennzahlen sollte sich an konkreten Anwendungsfällen orientieren. Für die Fehlerdiagnose vor Ort genügt es meist, die letzten 24 bis 48 Stunden Rohdaten verfügbar zu halten, um akute Störungen nachvollziehen zu können. Für Garantiefälle oder technische Analysen können Rohdaten gezielt für definierte Zeitfenster exportiert und extern gespeichert werden. Langfristig sollten jedoch nur die daraus abgeleiteten Kennzahlen in der FSM-Plattform verbleiben, beispielsweise monatliche Durchschnittswerte, Grenzwertüberschreitungen oder Trendverläufe.
Ein praktisches Vorgehen ist die mehrstufige Datenhaltung: Rohdaten werden direkt an der Maschine oder in einem separaten IoT-System vorgehalten, während die FSM-Software nur die für Serviceprozesse relevanten Informationen übernimmt. Das reduziert nicht nur den Speicherbedarf, sondern verbessert auch die Performance der FSM-Plattform, da Techniker nicht durch Millionen von Datenpunkten navigieren müssen. Zudem lassen sich Datenschutz und Datensicherheit einfacher gewährleisten, wenn nur aggregierte Werte gespeichert werden, die keine Rückschlüsse auf Betriebsgeheimnisse oder Produktionsabläufe beim Kunden zulassen.
Wichtig ist, dass die Aufbereitung der Rohdaten zu Kennzahlen automatisiert erfolgt und transparent dokumentiert wird. Berechnungslogiken für Verschleißindikatoren oder Leistungskennzahlen sollten nachvollziehbar sein, damit Servicetechniker und Kunden die Aussagen verstehen und akzeptieren. Moderne FSM-Lösungen bieten hierfür Schnittstellen zu Analytics-Plattformen oder integrieren Auswertungslogiken direkt in das Ticketing-System, sodass relevante Kennzahlen automatisch in Serviceaufträgen erscheinen.
Welche rechtlichen Anforderungen gelten für Maschinendaten im Service?
Maschinendaten unterliegen in Deutschland und der EU primär den Regelungen der Datenschutz-Grundverordnung, wenn sie Rückschlüsse auf Personen oder Betriebsabläufe ermöglichen, sowie vertraglichen Vereinbarungen zwischen Maschinenhersteller und Betreiber. Technische Daten wie Betriebsstunden, Fehlercodes oder Wartungshistorie sind zwar meist keine personenbezogenen Daten, können aber Geschäftsgeheimnisse des Kunden darstellen und unterliegen daher besonderen Schutzpflichten. Unternehmen müssen transparent kommunizieren, welche Daten erfasst, gespeichert und ausgewertet werden, und benötigen in vielen Fällen eine explizite Zustimmung des Maschinenbetreibers.
Für Garantie- und Haftungsfälle gelten spezifische Aufbewahrungspflichten: Maschinenhersteller müssen nachweisen können, dass Wartungsintervalle eingehalten wurden oder dass Fehler nicht auf unsachgemäße Bedienung zurückzuführen sind. Das erfordert eine lückenlose Dokumentation aller Serviceeinsätze, durchgeführten Maßnahmen und relevanten Maschinenzustände über die gesamte Gewährleistungsfrist. In der Praxis bedeutet das eine Aufbewahrungsdauer von mindestens zwei Jahren für Gewährleistung und bis zu zehn Jahren für Produkthaftung, abhängig von der Branche und den eingesetzten Produkten.
Datenschutzrechtlich kritisch wird es, wenn Maschinendaten Rückschlüsse auf Mitarbeiter oder Produktionsabläufe ermöglichen. Erfasst eine Maschine beispielsweise Bedienerzeiten oder Leistungskennzahlen einzelner Schichten, können daraus personenbezogene Leistungsprofile entstehen. In solchen Fällen greifen die strengen Regelungen der DSGVO, einschließlich Informationspflichten, Einwilligungserfordernissen und Rechten auf Auskunft oder Löschung. Servicedienstleister sollten daher bereits bei der Konzeption ihrer FSM-Lösung sicherstellen, dass nur technisch notwendige Daten erfasst werden und diese nicht für andere Zwecke verwendet werden.
Zusätzlich sind branchenspezifische Regelungen zu beachten: In der Medizintechnik gelten besonders strenge Dokumentationspflichten, in der Lebensmittelindustrie müssen Rückverfolgbarkeit und Hygienedokumentation sichergestellt sein, und in kritischen Infrastrukturen können behördliche Meldepflichten bestehen. FSM-Systeme sollten daher flexible Aufbewahrungsfristen und Löschkonzepte unterstützen, die sich an den jeweiligen rechtlichen Anforderungen orientieren. Eine klare Datenstrategie, die sowohl technische als auch rechtliche Aspekte berücksichtigt, schützt Unternehmen vor Haftungsrisiken und stärkt das Vertrauen der Kunden.
Wie lange sollten historische Servicedaten aufbewahrt werden?
Historische Servicedaten sollten mindestens über die Gewährleistungsfrist der Maschine aufbewahrt werden, in der Regel zwei bis fünf Jahre, während relevante Informationen für Produkthaftung und technische Analysen bis zu zehn Jahre oder länger gespeichert werden sollten. Die konkrete Aufbewahrungsdauer hängt von rechtlichen Vorgaben, vertraglichen Vereinbarungen und dem geschäftlichen Nutzen der Daten ab. Serviceorganisationen sollten eine abgestufte Archivierungsstrategie verfolgen, bei der häufig benötigte Daten schnell verfügbar bleiben, während ältere Informationen in kostengünstigere Speichersysteme ausgelagert werden.
Für die Praxis empfiehlt sich folgende Staffelung: Aktuelle Servicedaten der letzten 12 bis 24 Monate sollten in der FSM-Plattform jederzeit abrufbar sein, da sie für laufende Servicefälle, Garantieprüfungen und operative Analysen benötigt werden. Daten der letzten zwei bis fünf Jahre können in ein Archiv überführt werden, das bei Bedarf durchsucht werden kann, aber nicht die Performance der Produktivsysteme belastet. Sehr alte Daten, die primär für rechtliche Nachweispflichten aufbewahrt werden, können in komprimierter Form oder als strukturierte Exporte in kostengünstigen Langzeitspeichern abgelegt werden.
Wichtig ist, dass auch archivierte Daten bei Bedarf schnell zugänglich sind. Servicetechniker müssen im Störfall die komplette Wartungshistorie einer Maschine einsehen können, auch wenn der letzte Einsatz mehrere Jahre zurückliegt. Moderne FSM-Systeme bieten hierfür integrierte Archivierungsfunktionen, die ältere Daten automatisch auslagern, aber über eine einheitliche Suchfunktion wieder auffindbar machen. Das reduziert Speicherkosten und verbessert gleichzeitig die Systemperformance, da nur aktuelle Daten in schnellen Datenbanken vorgehalten werden müssen.
Neben rechtlichen und technischen Aspekten sollte auch der geschäftliche Nutzen historischer Daten berücksichtigt werden. Langfristige Trendanalysen, Lebensdauerbetrachtungen oder die Optimierung von Wartungsintervallen erfordern Daten über mehrere Jahre oder sogar Maschinenlebenszyklen hinweg. Hier lohnt es sich, aggregierte Kennzahlen dauerhaft zu speichern, auch wenn die zugrunde liegenden Rohdaten längst gelöscht wurden. Eine durchdachte Datenstrategie unterscheidet zwischen operativen Daten für den täglichen Servicebetrieb, analytischen Daten für Prozessoptimierung und Compliance-Daten für rechtliche Nachweispflichten und definiert für jede Kategorie passende Aufbewahrungsfristen und Speicherorte.
Wie SIMPL bei der intelligenten Speicherung von Maschinendaten unterstützt
SIMPL bietet eine spezialisierte Field-Service-Management-Plattform für Maschinen- und Anlagenbauer, die Maschinendaten gezielt für Serviceprozesse nutzt, ohne unnötiges Datenvolumen zu erzeugen. Die Lösung konzentriert sich auf serviceorientierte Informationen, die Techniker im Einsatz tatsächlich benötigen, und integriert diese nahtlos in Ticketing, Einsatzplanung und mobile Serviceberichte. Durch intelligente Schnittstellen zu ERP-Systemen wie SAP, Microsoft Dynamics oder Business Central werden relevante Stammdaten, Wartungshistorie und Konfigurationsdetails automatisch synchronisiert, ohne dass Rohdaten redundant gespeichert werden müssen.
Die Plattform bietet folgende Funktionen für effiziente Datenhaltung:
- Installed-Base-Management mit vollständiger Maschinenhistorie, Ersatzteilverbräuchen und technischen Besonderheiten pro Anlage
- Automatische Aggregation von IoT-Daten zu handlungsrelevanten Kennzahlen, die direkt in Servicetickets angezeigt werden
- Flexible Archivierungsstrategien mit schnellem Zugriff auf historische Servicedaten über mehrere Jahre
- Offlinefähige Techniker-App, die auch ohne permanente Datenverbindung alle einsatzrelevanten Informationen bereitstellt
- KI-gestützte Funktionen wie Spracheingabe für Serviceberichte und automatische Zusammenfassungen, die Dokumentationsaufwand reduzieren und die Datenqualität erhöhen
Unternehmen, die ihre Serviceprozesse digitalisieren und dabei eine durchdachte Datenstrategie umsetzen möchten, können in einer unverbindlichen Demo erfahren, wie SIMPL Maschinendaten effizient speichert, aufbereitet und für Servicetechniker nutzbar macht.