Meine 60-Sekunden-Einordnung
Klick zum Abspielen
✕
▶ Video öffnen

Automation: 10 Warnsignale für schlechten After-Sales-Service (Service, Wartung, Skalierbarkeit)

Aktualisiert am: 03. April 2026

Von einem Risk & Intelligence Analyst

Die meisten Intralogistik-Anlagen scheitern nicht an der Technik – sondern am After-Sales-Service. Und genau das erkennen viele erst, wenn es zu spät ist.

Automation-Anlagen wirken auf dem Papier beeindruckend.
In der Realität verlieren Unternehmen oft genau dort Geld, wo sie Sicherheit erwarten – im After-Sales-Service.

Denn erst wenn eine Anlage steht, wird sichtbar, ob der Bereitsteller für Automation-Anlagen wirklich für Sicherheit im Chaos sorgen kann. Anlagenstillstände erzeugen pro Minute hohe Verluste, die zusätzlich zu den laufenden Betriebskosten entstehen. Deshalb sollte die Auswahl eines Automation-Partners nicht nur nach der technischen Leistungsfähigkeit erfolgen, sondern vor allem danach, wie verlässlich und stabil die Anlage über viele Jahre hinweg betreut, gewartet und weiterentwickelt wird.

Warum sage ich das? In der Automation entscheidet der After-Sales-Service maßgeblich über die Betriebssicherheit.
Ich habe mehr als 35 Jahre Erfahrung im technischen Projektmanagement – insbesondere in den Bereichen IT, Steuerungstechnik, Intralogistik und gesehen, wie schmerzhaft die rückwirkende Erkenntnis für Kunden sein kann, sich an den falschen Partner gebunden zu haben. Nicht weil dieser keine herausragende technische Qualität liefern kann. Sondern weil der Kunde nach der Bezahlung oft schleichend zweitrangig wird.

Gerade in der Phase nach der Inbetriebnahme – in der der Kunde besonders viel Stabilität und Sicherheit braucht – kann es vorkommen, dass er sich mit Verantwortungslosigkeit, Orientierungslosigkeit oder subtiler Gleichgültigkeit konfrontiert sieht.

Jetzt stellt sich für viele Kunden die nagende Frage: Hätte ich das bereits zu Beginn erkennen können?

Ja – hätten Sie. Aber nur, wenn Sie die systematischen Schwachstellen kennen. Einzelne Signale wirken zunächst harmlos. Zusammengenommen verdichten sie sich jedoch oft zu einem klaren Muster, das auf eine strukturell schwache Servicequalität hindeuten kann.

„Die folgenden Beobachtungen basieren auf mehrjähriger Erfahrung im Umfeld von Intralogistikprojekten.“

🎯 Ziel für den Kunden: After-Sales-Service in der Automation richtig bewerten

Frage:
„Woran erkenne ich VOR dem Kauf, ob der After-Sales-Service später stabil oder riskant sein wird?“

Q&A – Zentrale Fragen vor der Investitionsentscheidung (Transformation Risk Assessment)

Frage 1: Woran erkenne ich, ob der Anbieter im Betrieb wirklich stabil liefert?
Kurzantwort: Achten Sie auf klar definierte Supportstrukturen, konkrete SLA-Zusagen, standardisierte Softwaremodule und nachvollziehbare Eskalationsprozesse.

Frage 2: Wie kritisch ist die Software im Vergleich zur Mechanik?
Kurzantwort: Sehr kritisch. SCADA/WCS/SPS bestimmen Diagnosezeiten, Updatefähigkeit und Skalierbarkeit. Komplexe, stark individualisierte Software erhöht das Betriebsrisiko.

Frage 3: Was ist der beste Stresstest vor Vertragsabschluss?
Kurzantwort: Lassen Sie sich konkrete Upgradepfade, Retrofit-Konzepte und Service-Reaktionszeiten für reale Störszenarien zeigen.

🟥 HOHES RISIKO – starke Frühindikatoren

(Wahrscheinlichkeit: 70–90%, dass Service später Probleme macht, wenn mehrere davon auftreten)

1) Anbieter redet fast nur über Technik – kaum über Service

Signal:

  • Fokus auf:
    • Durchsatz
    • Shuttleleistung
    • Mechanik
  • Wenig Infos zu:
    • Störungsmanagement
    • Supportstruktur
    • Eskalationsprozessen

Interpretation:
Service ist nicht Teil der Kernidentität.

Wahrscheinlichkeit:
→ 75–85% Risiko für schwachen After-Sales.

2) Unklare Zuständigkeiten schon im Sales-Prozess

Signal:

  • Antworten wie:
    • „Das macht dann eine andere Abteilung“
    • „Das schauen wir später“
    • „Kommt auf den Einzelfall an“

Interpretation:
Silos existieren bereits vor Projektstart.

Wahrscheinlichkeit:
→ 80–90% Risiko für Verantwortungs-Ping-Pong im Störfall und damit schwache digital Transformation Services.

3) Sehr viele Sonderlösungen / Customizing

Signal:

  • Viele Extraentwicklungen
  • „Das bauen wir speziell für Sie“
  • Wenig Standardmodule

Interpretation:

  • Know-how bleibt projektgebunden
  • Wartung wird später komplexer

Wahrscheinlichkeit:
→ 70–80% Risiko für spätere Servicekomplexität.

4) Software wirkt extrem komplex / technisch (SCADA, WCS, SPS, Software-Updates)

Signal:

  • Viele Parameter
  • Wenig intuitive UI
  • wenig komfortabel bei Ein-/Auslagerungsprozessen

Interpretation:
System ist auf Inbetriebnahme optimiert, nicht auf Betrieb.

Wahrscheinlichkeit:
→ 75–85% Risiko für:

  • Bedienfehler
  • Längere Diagnosezeiten
  • Probleme bei Updates
  • Hohe Abhängigkeit vom Hersteller

5) Service wird erst spät konkret

Signal:

  • Preis + Technik früh klar
  • Service erst gegen Ende des Verkaufsprozesses
  • Wenig Details zu:
    • Reaktionszeiten
    • Verfügbarkeit
    • Ersatzteilen

Interpretation:
Service ist kein zentrales Verkaufsargument.

Wahrscheinlichkeit:
→ 70–80% Risiko.

6) Hoher Custom-Code in SCADA/WCS

Signal:

  • Viele Sonderprozesse
  • Individuelle Logiken
  • Projektspezifische Anpassungen

Interpretation:
Softwarepflege wird später schwierig.

Wahrscheinlichkeit:
→ 65–75% Risiko für:

  • Updateprobleme
  • Login-/Netzwerk-/Integrationsstörungen
  • Lange Fehleranalyse

🟧 MITTLERES RISIKO – strukturelle Warnsignale

(Wahrscheinlichkeit: 40–70%)

7) Viele offene Stellen im Service + Software

Signal:

  • Dauerhaft offene Rollen in:
    • Controls
    • WCS
    • Service Engineering

Interpretation:

  • Talentdruck
  • Mögliche Fluktuation

Wahrscheinlichkeit:
→ 50–70% Risiko (in Kombination mit anderen Faktoren)

8) Große IT-Transformation parallel zum Projektgeschäft

Signal:

  • SAP-Einführung
  • Field Service Plattform
  • Datenmigration
  • „Digital Transformation Programme“

Interpretation:
Organisation ist intern stark beschäftigt.

Wahrscheinlichkeit:
→ 45–65% Risiko für:

  • Prioritätskonflikte
  • Updateprobleme
  • Verzögerungen im Service

9) Anbieter spricht stark über Zukunft, wenig über Wartbarkeit

Signal:

  • KI
  • Digital Twin
  • Innovation
  • Zukunftsvisionen

Aber wenig über:

  • Updates
  • Supportmodelle
  • Lebenszykluspflege

Wahrscheinlichkeit:
→ 50–60% Risiko.

🟩 NIEDRIGES RISIKO – positive Signale

(Wahrscheinlichkeit: 60–80%, dass Service stabil ist)

10) Klare Serviceorganisation im Pitch

Signal:

  • Wer ist zuständig?
  • Wer eskaliert?
  • Wer entscheidet?
  • 24/7-Struktur klar erklärt

Interpretation:
Ownership existiert.

11) Starker Fokus auf Standardisierung

Signal:

  • Modulare Software
  • Wenig Customizing
  • Klare Releases

Interpretation:
System ist wartbar.

12) Anbieter spricht viel über Betrieb – nicht nur über Bau

Signal:

  • „Was passiert im Störfall?“
  • „Wie entlasten wir Ihren Alltag?“
  • „Wie schnell lösen wir Fehler?“
  • „Wie verlässlich bieten wir Sicherheit im Chaos?“

Interpretation:
Betrieb ist Kernfokus.

Der wichtigste Stresstest: Skalierbarkeit von Automation-Anlagen (Retrofit)

„Wie gut kann ich in 3, 5 oder 10 Jahren noch verändern, erweitern und skalieren?“

Warum Anbieter bei Skalierungsfragen oft ausweichen

Nicht weil Skalierung unmöglich wäre. Sondern weil:

  1. Skalierung ist schwer planbar
    • Zukünftiges Volumen unklar
    • Prozesse ändern sich
    • Sortiment verändert sich
  2. Mechanik ist teuer umzubauen
    • Layout limitiert
    • Platz fehlt
    • Traglast/Statik fix
  3. Software ist der eigentliche Engpass
    • Prozesse sind hart verdrahtet
    • Datenmodelle nicht modular
    • Schnittstellen individuell gebaut

Was ein Kunde stattdessen hören sollte

Wenn Skalierung wirklich mitgedacht ist, kommen klare Antworten wie:

  • „Jeder Shuttle-Gang kann separat erweitert werden“
  • „Das WCS ist mandantenfähig und modular“
  • „Neue Zonen lassen sich per Konfiguration anbinden“
  • „Wir haben Upgradepfade für +30% / +50% Volumen“
  • „Retrofit ist Teil unseres Lifecycle-Modells“

Wenn stattdessen kommt:

  • „Das schauen wir uns dann an“
  • „Das hängt vom Einzelfall ab“
  • „Die Anlage ist sehr stabil ausgelegt“

→ Dann wurde Skalierung nicht als Kernkonzept gedacht.

Wahrscheinlichkeitseinschätzung (grob)

Wenn ein Anbieter…

🟥 Skalierungsfragen ausweicht

→ 65–80% Wahrscheinlichkeit, dass Erweiterungen später komplex/teuer werden

🟧 sagt „geht schon, aber individuell“

→ 50–65% Risiko für:

  • Lange Umbauzeiten
  • Viel Customizing
  • Hoher Softwareaufwand

🟩 konkrete Upgradepfade nennen kann

→ 60–80% Wahrscheinlichkeit, dass Skalierung strukturiert geplant ist

Der eigentliche Denkfehler vor dem Kauf

Kunden fragen sich:

  • Wie schnell?
  • Wie groß?
  • Wie stabil?

Aber sie fragen zu selten:

  • Was passiert, wenn wir wachsen?
  • Was passiert, wenn sich unser Geschäft ändert?
  • Was passiert, wenn wir doppelt so viele Picks haben?
  • Welche Komponenten können wir später unabhängig voneinander skalieren – und welche nicht?

Die Antworten darauf verraten extrem viel über:

  • Softwarearchitektur
  • Datenstruktur
  • Retrofit-Konzept
  • Service-Reife

Abschließender Gedanke

Automation-After-Sales-Service, Wartung, Retrofit und Skalierbarkeit entscheiden langfristig über den Erfolg einer Intralogistik-Anlage.

Die wichtigste Frage beim Kauf ist nicht, wie stabil eine Anlage heute läuft, sondern wie einfach sie sich morgen verändern lässt.
Denn Stabilität ohne Skalierbarkeit wird mit jedem Jahr teurer und weniger effizient.

Hinweis:


👉
Diese Warnsignale entstehen nicht zufällig.
Sie folgen wiederkehrenden Mustern, die in vielen Transformationsprojekten sichtbar werden – lange bevor Systeme kippen.

👉
Genau diese Muster habe ich im Detail analysiert.

👉
→ Link zum 17-seitigen Report: Industrial Transformation Risk

Weiterführende Artikel & Themen

Autorin von Global Insight Group Intelligence:

Michaela Schaaf-Hoffelner verfügt über mehr als 35 Jahre Erfahrung im technischen Projektmanagement – insbesondere in den Bereichen IT, Steuerungstechnik und Intralogistik. Durch ihre langjährige Arbeit an komplexen Systemen und Transformationsprozessen erkennt sie frühzeitig strukturelle Risiken, die in klassischen Analysen oft übersehen werden.

Ihr Fokus liegt darauf, diese verborgenen Muster sichtbar zu machen – und sie in konkrete strategische Vorteile für Investoren und Entscheider zu übersetzen. Ihre Analysen verbinden technisches Systemverständnis mit geopolitischen und wirtschaftlichen Entwicklungen.