Sanjib Das: Ausfälle sind nicht statisch: Ersatzteilentscheidungen dynamisch machen (Teil 5)

(Teil 5 unserer Serie mit Reliability-Experte Sanjib Das)

In den bisherigen Teilen hat Sanjib Das ein klares Fundament gelegt: Von der mathematischen Entscheidung (Teil 1) über die versteckten Kosten (Teil 2) und die Verkürzung von Stillständen (Teil 3) bis hin zum globalen Pooling (Teil 4).

Nun, im großen Finale der Serie, richten wir den Blick nach vorn. Alles bisher Beschriebene führt zu einer zentralen Erkenntnis: Eine statische Excel-Tabelle kann mit einer dynamischen Anlage nicht Schritt halten.

Das Problem spreadsheetbasierter Logik

Sanjib baute sein erstes Tool selbst in Excel – und es funktionierte. Doch er stieß schnell an die systembedingten Grenzen:

• Manuelle Pflege: Daten veralten, sobald sie eingetragen sind.
• Statische Annahmen: Lieferzeiten und Ausfallraten werden nicht regelmäßig validiert.
• Mangelnde Integration: Modernisierungen, neue Erkenntnisse aus Arbeitsaufträgen oder veränderte Lieferantenperformance fließen nicht automatisch zurück ins Modell.

Sanjibs Fazit ist eindeutig:

„Ersatzteilmanagement ist nichts Statisches – denn Ausfälle sind dynamisch.“

Entscheidungen müssen sich mit der Anlage bewegen.

Warum statische Modelle den Bezug zur Realität verlieren

Drei Faktoren in der Produktion ändern sich kontinuierlich:

1. Sich wandelndes Ausfallverhalten:

Sanjib nennt ein Praxisbeispiel:

„Eine Dichtung fällt aus – wir verbessern das Design, und sie hält fünf Jahre. Ein früher ‚hochkritikales‘ Teil ist plötzlich nur noch ‚mittelkritisch‘.“

Excel erkennt das nur, wenn jemand die Tabelle aktiv umprogrammiert.

1. Volatile Lieferzeiten:

Lieferantenperformance schwankt, Logistikketten verändern sich, Zollzeiten variieren. Statische Tabellen „frieren“ alte Annahmen ein und führen so zu Fehlbeständen oder unnötig hohem Puffer.

1. Laufende Erkenntnisse aus dem Feld:

Jeder Arbeitsauftrag und jede Root-Cause-Analyse (RCA) liefert wertvolle Daten.

„Wer Daten hat, sollte Felddaten nutzen“

In Excel landen diese Informationen jedoch selten.

Die Zukunft: Dynamische Modelle

Ein dynamisches Modell aktualisiert sich selbst. Sanjib beschreibt seine Vision so:

„Ich habe jemanden gebeten, einen Python-Code zu schreiben, der Daten zieht, analysiert und das Modell anpasst.“

Genau das ist die Blaupause: Daten aus SAP, Maximo oder CMMS-Systemen werden automatisch integriert. Das Modell berechnet Bestandsparameter neu, bewertet Kritikalitäten basierend auf der Historie und alarmiert Ingenieure, wenn Schwellenwerte kippen.

‍Kurz gesagt: Die Bevorratung passt sich der Realität an, nicht umgekehrt.

Was KI beiträgt – und was nicht

Sanjib sieht KI als Werkzeug, nicht als Ersatz für den Menschen:

„KI macht unser Leben einfacher, weil unsere menschliche Kapazität begrenzt ist.“

KI hilft Planern dabei:

• Muster zu erkennen: Ungewöhnliche Ausfallhäufigkeiten werden sofort markiert.
• Fokus zu behalten: Im täglichen „Firefighting“ gehen Details unter – die KI vergisst nie.
• Risikoprofile zu schärfen: Abweichungen in der Lieferantenperformance werden sichtbar, bevor sie zum Problem werden.

Wie SPARROW.Stock das Bild vervollständigt

Ein dynamisches Modell ist nur so gut wie seine Datenbasis. Hier setzt SPARROW.Stock an. Viele Werke kämpfen mit inkonsistenten Katalogen, was das Vertrauen in die Daten untergräbt.

SPARROW.Stock bietet eine intuitive Oberfläche, mit der Datenqualität zum Teil des täglichen Prozesses wird:

• Schnelle Mengenprüfung und Korrektur von Abweichungen.
• Kennzeichnung von Obsolet-Material.
• Dokumentation von Konservierungsanforderungen.

Diese saubere Basis erlaubt es SPARROW.Plan, fundierte, dynamische Empfehlungen zu geben. Alles, was Sanjib manuell mit Excel und Skripten versuchte, ist hier in einer professionellen Lösung vereint.

Der Wettbewerbsfaktor: 8 Euro statt 10 Euro

Sanjibs Schlussbotschaft ist ein Weckruf:

„Wer KI nicht nutzt, während andere es tun, wird nicht mithalten können.“

Er verdeutlicht dies an einem Kostenbeispiel: Ein KI-optimiertes Werk produziert schlicht günstiger. Es setzt Working Capital frei, reduziert Konservierungsaufwand und erholt sich schneller von Ausfällen.

Fazit der Serie: Statisches Denken erzeugt statische Bestände

Über fünf Artikel hinweg hat Sanjib Das den Bogen gespannt:

1. Weg vom Bauchgefühl – hin zur Mathematik.
2. Weg von „Just-in-case“ – hin zur Kostentransparenz.
3. Weg von langen Stillständen – hin zum verkürzten Konsequenzfenster.
4. Weg vom Silo-Denken – hin zum globalen Pooling.
5. Weg von Excel – hin zur dynamischen Reliability.

Dynamische Anlagen brauchen eine dynamische Bevorratung. Organisationen, die diesen Wandel vollziehen, arbeiten sicherer, effizienter und wettbewerbsfähiger.

Sind Sie bereit für den nächsten Schritt? Buchen Sie eine Demo mit unserem Team oder nutzen Sie unseren Quick Scan zur Datenqualität, um die ungenutzten Potenziale in Ihren Stammdaten sichtbar zu machen.