DerIBM Maximo EMEA Exchange brachte Vertreter aus 46 Ländern in einem Rahmen zusammen, der passender kaum hätte sein können: im Retiro-Park, auf Einladung der Stadtverwaltung von Madrid. Der Park selbst ist voller Anlagen, Inventar und Ersatzteile, die als Teil eines komplexen städtischen Umfelds verwaltet werden. Ich bin gespannt, wie zukünftige Veranstaltungen das noch übertreffen wollen.
‍
‍

Über alle Präsentationen hinweg kristallisierte sich eine zentrale Botschaft heraus: Die Maximo Application Suite wird nicht mehr nur als reines Arbeitsmanagementsystem betrachtet. Unternehmen nutzen sie zunehmend als Plattform für Resilienz, Standardisierung, Innovation und KI-gestützte Entscheidungsfindung.

Madrid: Resilienz rund um Maximo aufbauen

Die Stadtverwaltung von Madrid eröffnete die Veranstaltung mit einem Bericht darüber, wie drei große Krisen ihre Technologie- und Asset-Management-Strategie geprägt haben.
‍

COVID-19 deckte Schwachstellen bei der Datenverarbeitung und Folgenabschätzung auf. Sturm Filomena verdeutlichte die Bedeutung von Prognosen. Der stadtweite Stromausfall im April 2025 unterstrich die Notwendigkeit, Ressourcen, Abhängigkeiten und operative Prioritäten in Echtzeit zu verstehen.
‍

In einer Krise werden die Fragen sehr praxisnah:

• Welche Generatoren haben nur noch Treibstoff für vier Stunden?

• Wo befinden sich verfügbare Polizeikräfte?

• Wo sollten die verbleibenden Dieselfahrzeuge eingesetzt werden?
  ‍

Die Antwort Madrids lautet MINT (Madrid Intelligente), wobei Maximo das Herzstück des städtischen Betriebs bildet. Die Plattform unterstützt 22 städtische Dienste, fünf Millionen geolokalisierte Anlagen und drei Millionen verfolgte Fahrzeugpositionen. Sie muss der Stadt helfen, Notfälle und Großveranstaltungen zu bewältigen und gleichzeitig die Dienstleistungen für Einwohner und Besucher aufrechtzuerhalten.
‍

Das „Cloudvolution“-Programm führte Madrid von einer stark angepassten, veralteten Maximo 7.6-Umgebung hin zu einer cloudbasierten Plattform, die für die Zukunft gerüstet ist. Die Botschaft des Programms war vernünftig und erfrischend direkt: Gehen Sie erst live, wenn Sie Vertrauen in die Lösung haben.
‍

Madrids Ambitionen gehen nun in Richtung einer „agentischen Stadt“. Dazu gehören räumliche Kontextbezüge, die Behandlung von Bildern als hochwertige Daten, der Einsatz von Maximo Visual Inspection zur Identifizierung von Problemen anhand eingereichter Fotos und die Möglichkeit für Beamte, Maximo-Arbeitsaufträge künftig per WhatsApp zu erstellen.
‍

Es war großartig zu sehen, wie sich eine europäische Großstadt so konsequent für die umfassende Maximo Application Suite engagiert. Das liefert auch eine mögliche Erklärung dafür, warum die Straßen in Madrid so sauber sind.
‍

‍

Bane NOR: Die Suite auf den Instandhaltungslebenszyklus ausrichten

Meine wichtigste Erkenntnis der Veranstaltung stammte von Bane NOR.
‍

Die norwegische Schienen- Organisation nutzt MAS als Innovationsplattform, um die Instandhaltung von Eisenbahnen zu transformieren. Entscheidend war dabei die Unterstützung durch das Senior Management, die durch die Zuordnung einzelner MAS -Anwendungen zu jeder Phase des Instandhaltungslebenszyklus erreicht wurde.
‍

Dadurch entstand eine klare Verbindung zwischen Technologieinvestitionen und operativem Mehrwert. Dies unterstützte auch eine wichtige Entscheidung: Anstatt MAS stark an bestehende Arbeitsweisen anzupassen, entschied sich Bane NOR dafür, die Geschäftsprozesse so zu ändern, dass die Suite in ihrem Standarddesign genutzt wird.
‍

Mehr Organisationen, die MAS einführen, sollten diesen Ansatz in Betracht ziehen.
‍

Bane NOR begann mit dem Norway Maintenance Process, einem etablierten branchenübergreifenden Standard. Zudem nutzt das Unternehmen die Funktionen für lineare Anlagen von Maximo – ein Bereich, der trotz seiner klaren Relevanz für Schienen, Straßen, Pipelines und andere verteilte Infrastrukturen manchmal übersehen wird. Die Planung liefert bereits einen Mehrwert, wobei Optimizer für zukünftige Phasen vorgesehen ist.
‍

Die wichtigere Lektion ist, dass die Einführung von MAS leichter zu vermitteln ist, wenn Anwendungen in einen erkennbaren Geschäftslebenszyklus eingeordnet werden. Anstatt Produkte und Funktionen isoliert zu diskutieren, können Organisationen genau aufzeigen, wo Manage, Mobile, Scheduler, Health, Monitor und andere Funktionen Instandhaltungsentscheidungen unterstützen.

El Corte Inglés: Mobilität als frühe Wertschöpfungsquelle

El Corte Inglés beschrieb die Migration von einer veralteten Plattform für das Arbeitsmanagement. Zu den strategischen Anforderungen gehörten die Unterstützung mehrerer Standorte und Sprachen, umfangreiche Konfigurationsmöglichkeiten ohne Programmierung, die Ausrichtung an Instandhaltungspraktiken im Einzelhandel sowie die Integration von IoT- und Gebäudemanagementsystemen.
‍

Diese Anforderungen machten MAS zu einem starken Kandidaten.
‍

Die Innovations-Roadmap umfasst nun BIM-Integration, Remote-Expertenunterstützung, ESG-Emissionsmanagement und die Überwachung des Anlagenzustands. Einer der unmittelbarsten Vorteile war jedoch die Mobilität.
‍

Dies ist eine nützliche Erinnerung daran, dass Transformation nicht immer mit den fortschrittlichsten Funktionen beginnen muss. Wenn Techniker vor Ort besseren Zugriff auf präzise Informationen erhalten, lässt sich ein sichtbarer operativer Mehrwert erzielen und gleichzeitig ein Fundament für die weitere Roadmap schaffen.
‍

‍

Spendrups: Wenn Ersatzteile digital werden

Spendrups, die schwedische Brauerei, präsentierte einen der markantesten Anwendungsfälle der Veranstaltung: den Einsatz von 3D-Druck zur Herstellung von Ersatzteilen, wobei der Prozess über Maximo gesteuert wird.
‍

Die vier Standorte verfügen über unterschiedliche Anlagen, Instandhaltungsanforderungen und Altersstrukturen. Einige benötigen einzigartige Komponenten, die nicht mehr im Handel erhältlich sind. In einer Produktionsumgebung kann selbst ein sehr kleines, nicht verfügbares Teil eine ganze Linie zum Stillstand bringen, was Obsoleszenz und Lieferzeiten zu erheblichen operativen Risiken macht.
‍

Additive Fertigung verändert das Modell, da das Ersatzteil effektiv zu einem digitalen Asset wird. Der Prozess beginnt mit der Erstellung des CAD-Modells, gefolgt von Druck, Verifizierung, Einbau und Überwachung. Maximo bleibt dabei im Zentrum und unterstützt die Bedarfsermittlung, Artikelanlage, interne Bestellung, Wareneingang, Installation und die anschließende Historie der Arbeitsaufträge.
‍

Hier liegt ein erhebliches Potenzial. Ein Artikel könnte in Maximo mit angehängter CAD-Zeichnung geführt werden. Meldebestände könnten bei Unterschreiten eines vereinbarten Schwellenwerts eine interne Bestellung auslösen, wobei der resultierende Bedarf in den Druckprozess einfließt. Das hebt den 3D-Druck über ein isoliertes Experiment hinaus und macht ihn zu einem Teil eines gesteuerten Instandhaltungs- und Lagerprozesses.

Michelin: Skalierung durch Standards und Reifegrad

Michelin hat demonstriert, in welchem Umfang Maximo eingesetzt werden kann: 80 Standorte, drei regionale Organisationen, 19.000 Anwender, 28 Millionen Anlagen und sieben Millionen Arbeitsaufträge.
‍

Der „Michelin Maintenance Way“ definiert Instandhaltungsstandards anhand der Reifegrade Bronze, Silber und Gold. Das Unternehmen nutzt derzeit Maximo Manage und Scheduler; Health und Mobile sind als zukünftige Ziele definiert.
‍

Michelin nutzt bereits ein breites Spektrum an Manage-Funktionen, darunter Anlagen, Standorte, Lagerhaltung und Einkauf. Die Ambitionen im Bereich Planung umfassen Graphical Work Week, Graphical Assignment und Graphical Scheduling mit dem Ziel, die Instandhaltungsplanung in messbaren operativen Mehrwert zu verwandeln.
‍

Der Ansatz der Reifegrade hat mich besonders beeindruckt, da er dem Capability-Modell ähnelt, das wir für DP World entwickeln. Anstatt zu erwarten, dass jeder Standort sofort denselben Endzustand erreicht, schafft ein gestuftes Modell einen kontrollierten Weg von grundlegenden Fähigkeiten hin zu fortgeschrittenen Praktiken.
‍

Michelin hat zudem eine Herausforderung hervorgehoben, die vielen Unternehmen bekannt vorkommen dürfte. Das Unternehmen möchte das Field Service Management durch Maximo Mobile erweitern, doch zwischen der aktuellen internen mobilen Anwendung und der Maximo Mobile Technician-App klafft eine beträchtliche Lücke. Eine fundierte Roadmap muss diese praktischen Einführungsbarrieren berücksichtigen, anstatt davon auszugehen, dass die Bereitstellung einer neuen Anwendung automatisch zu einer betrieblichen Einsatzbereitschaft führt.

Quant: Mit der Datengrundlage beginnen

Quant beschrieb seinen Weg von einem Proof of Concept für Maximo Monitor bis hin zur Produktion. Als Instandhaltungsunternehmen, das für 55 Kundenstandorte in Maximo verantwortlich ist, besteht das Ziel darin, ein starkes Fundament für datengestützte Instandhaltung zu schaffen.
‍

Der identifizierte Nutzen von Monitor umfasst:

• Erkennung von Sensoranomalien

• Schwellenwertbasierte Warnmeldungen

• Dashboards in nahezu Echtzeit

• Benachrichtigung von Anlagenverantwortlichen

• Nachfolgearbeiten in Maximo Manage
  ‍

Quant verfolgte einen strukturierten Ansatz über Proof of Concept, Design, Aufbau, Validierung, Pilotphase und kontinuierlichen Rollout. Das Unternehmen konnte erfolgreich Gerätekonfiguration, Datenkonnektivität und Visualisierung etablieren und lernte dabei, Monitor nicht mit vorgefassten Erwartungen zu begegnen oder es einfach mit bestehenden IoT-Plattformen zu vergleichen.
‍

Rund 3.000 Geräte wurden für den Einsatz in Monitor importiert, wodurch der Mehrwert für Techniker und Bediener sichtbar wurde. Der nächste Schritt für Quant ist das Upgrade auf MAS 9.1 sowie die Integration von Maximo Manage-Zählern und Monitor-Metriken.
‍

Was mir an dieser Präsentation besonders gefiel, war der Fokus auf die Realisierung des Nutzens. Die Technologie war wichtig, aber der gesamte Prozess war darauf ausgerichtet, nachzuweisen, wo die Anwender einen echten Mehrwert erfahren würden.

Mitie: Den eigenen KI-Agenten in MAS einbinden

Mitie demonstrierte „Andy“, einen internen KI-Assistenten, der mit MAS arbeitet. Autorisierte Benutzer können Fragen zu den in Maximo gespeicherten Daten stellen und erhalten Antworten in Form von Texten oder Diagrammen. Dies verdeutlichte das Potenzial für Unternehmen, ihre eigenen KI-Fähigkeiten in die Maximo-Umgebung einzubringen, anstatt sich auf ein einziges, starres Interaktionsmodell zu verlassen.
‍

Das Facility Management bietet hierfür ein naheliegendes Einsatzgebiet. Ein konversationsbasierter Assistent könnte Benutzer durch eine Reihe von Fragen führen, die zur Klassifizierung eines Problems erforderlichen Informationen sammeln und die daraus resultierenden Daten nutzen, um die Erstellung einer Serviceanfrage oder eines Arbeitsauftrags in Maximo Manage zu unterstützen. Der entscheidende Punkt ist nicht einfach nur, dass Benutzer mit Maximo-Daten chatten können. Die Chance liegt darin, komplexe Prozesse leichter zugänglich zu machen und gleichzeitig die erforderliche Autorisierung und Governance zu wahren.
‍

‍

Die MAS-Roadmap: KI überall, aber zuerst die Grundlagen

Die Diskussion über die Roadmap legte einen starken Schwerpunkt auf die Ausweitung von KI über die gesamte Suite hinweg. Zu den besprochenen Plänen gehören die Integration des KI-Assistenten in die Maximo Mobile Technician-Anwendung in MAS 9.3, die Skalierung von KI im gesamten Asset Lifecycle Management sowie der Übergang zur präskriptiven Instandhaltung.
‍

IBM möchte zudem die Einführung des breiteren MAS-Portfolios erleichtern. Die Anwender wurden dazu ermutigt, die generativen KI-Funktionen in MAS 9.2 zu erkunden, beginnend mit einer einfachen Frage an den Assistenten: „Was kannst du tun?“
‍

Die Richtung war klar. KI wird zu einem zentralen Bestandteil der MAS-Roadmap und wird Anwendern und Partnern zunehmend in der gesamten Suite zur Verfügung stehen. Die Diskussionsrunde brachte jedoch einen wichtigen Realitätscheck mit sich. Viele Unternehmen verstehen das Potenzial von Asset Performance Management , glauben aber, dass sie zunächst grundlegendere Prioritäten angehen müssen. Das Tempo der neuen Funktionen ist schneller, als manche Unternehmen bewältigen können.
‍

Maximo Health wurde als zugänglicher Einstiegspunkt vorgeschlagen. Ich glaube, es könnte auch dazu genutzt werden, die Datenqualität transparent zu machen, damit Unternehmen nicht nur den Zustand ihrer physischen Anlagen verstehen, sondern auch die Qualität der Informationen, auf denen diese basieren.

Gute KI hängt immer von guten Daten ab

Der Tag mag mit KI geendet haben, aber das Thema kehrte immer wieder zur Datenqualität zurück.
‍

Unternehmen benötigen standardisierte Anlagen-, Artikel- und Fehlerhierarchien, wenn sie von agentenbasierter KI, maschinellem Lernen, präskriptiver Instandhaltung und KI-generierten Erkenntnissen profitieren wollen. Der wiederkehrende Rat war eindeutig:

• Halten Sie die Lösung standardisiert

• Halten Sie Prozesse einfach

• Gestalten Sie das System benutzerfreundlich

• Definieren Sie Mindeststandards für Daten

• Erklären Sie den Anwendern, warum diese Standards für das Geschäft wichtig sind
  ‍

Das angestrebte Modell sieht nicht vor, dass KI das menschliche Urteilsvermögen ersetzt. Vielmehr soll KI den Menschen bessere Daten, Erkenntnisse und Zusammenhänge liefern, damit sie fundiertere Entscheidungen treffen können. Den Menschen in den Prozess einzubinden, ist zudem der Weg, wie Unternehmen Vertrauen zwischen operativen Anwendern und KI-Agenten aufbauen können.

Mein Fazit

Der IBM Maximo EMEA Exchange hat gezeigt, dass die Zukunft von MAS weit über eine einzelne Anwendung hinausgeht.
‍

Madrid zeigte, wie Maximo Teil der operativen Resilienz einer Stadt werden kann. Bane NOR demonstrierte den Wert der Ausrichtung der Suite auf einen standardisierten Instandhaltungslebenszyklus. El Corte Inglés hob Mobilität als einen frühen Erfolg bei der Transformation hervor. Spendrups zeigte, wie additive Fertigung Ersatzteile in verwaltete digitale Assets verwandeln kann. Michelin verdeutlichte die Bedeutung von Reifegradmodellen im globalen Maßstab. Quant lieferte einen praktischen Weg von vernetzten Daten zu operativem Mehrwert. Mitie demonstrierte, wie Unternehmen ihre eigenen KI-Agenten in MAS einbinden können.
‍

Hinter all diesen Beispielen steht dasselbe Prinzip: Fortschrittliche Funktionen schaffen nur dann nachhaltigen Wert, wenn sie auf guten Prozessen, nutzbaren Standards und vertrauenswürdigen Daten aufbauen.
‍

KI mag der sichtbarste Teil der MAS-Roadmap sein, aber Unternehmen sollten der Versuchung widerstehen, mit der Technologie zu beginnen. Starten Sie bei den operativen Entscheidungen, die Sie verbessern müssen. Bilden Sie MAS auf den Instandhaltungslebenszyklus ab. Schaffen Sie das notwendige Datenfundament. Halten Sie die Lösung so standardisiert und einfach wie möglich. Nutzen Sie dann KI, um den Wert dieses Fundaments leichter zugänglich zu machen.
‍