„Unsere Stärke liegt in der Interpretation der Daten“

Nachhaltigkeit bei Hydraulikölen und Schmierstoffen ist weit mehr als das Etikett „biologisch abbaubar“. Ralf Schrempp leitet bei der Hermann Bantleon GmbH den Bereich Heavy Machinery und erklärt im Interview mit Der Konstrukteur ihr mehrdimensionales Bewertungssystem für die Nachhaltigkeit von Hydraulikfluiden. Außerdem geht es um erste Feldversuche und weitere Pläne für ein sensorbasiertes Fluidmanagement, das zurzeit gemeinsam mit Partnern aus der Sensorik vorangetrieben wird. Das Interview führte Redakteur Felix Berthold Mitte September im Rahmen der Fachpresseveranstaltung Storytelling Days in Nierstein am Rhein.

Guten Tag, Herr Schrempp, Bantleon verfolgt zwei Themen parallel: ein Bewertungssystem für die Nachhaltigkeit von Schmierstoffen und Hydraulikölen sowie die Entwicklung eines eigenen Fluidmanagementsystems – einschließlich Predictive Maintenance. Kam der Impuls dazu aus dem Markt oder aus Ihrem Labor?

Sowohl als auch. Das Fluidmanagement mit Sensorik und Predictive Maintenance ist eine klare Kundenforderung. Heute wird das Öl in vielen Baumaschinen stur nach Betriebsstunden gewechselt – unabhängig von Leistung und Einsatz. Und oft viel zu früh. Die Betreiber wollen deshalb zustandsbasiert wechseln. Das spart Geld, da sich der Ölwechsel hinauszögern lässt. Vor allem aber sehen sie, wie sich ihre Maschine verändert, und können eingreifen, wenn es nötig ist.

Das Nachhaltigkeits-Bewertungssystem dagegen kommt eher von uns. Auslöser war das Schlagwort „biologisch abbaubar“. Das fordern Kunden zum Beispiel, wenn eine Maschine in Flussnähe arbeitet – dann schreibt der Baustellenbetreiber ein abbaubares Produkt vor.

Nach welchen Siegeln richtet sich „biologisch abbaubar“?

Das ist weltweit unterschiedlich geregelt. In Schweden gilt zum Beispiel der Schweden-Standard, in Zentraleuropa ist das EU Ecolabel gängig. Dazu kommen Normen – und jeder Hersteller setzt außerdem seinen eigenen Schwerpunkt.

„Biologisch abbaubar“ ist aber sicher nur ein Aspekt. Was kann ein Hydrauliköl darüber hinaus nachhaltiger machen?

Genau das ist der Punkt. Rund um den Schmierstoff gibt es nämlich unzählige Themen: Oxidationsstabilität, also Alterungsbeständigkeit, der CO₂-Fußabdruck, die Kreislaufwirtschaft oder die Ölwechselintervalle. Viele sagen einfach, sie hätten ein nachhaltiges Öl. Doch was heißt das konkret? Und wie misst man es? Bei der biologischen Abbaubarkeit geht es vor allem um den Fall einer Havarie am Hydrauliktank. Nachhaltigkeit umfasst aber weit mehr. Besonders wichtig ist uns bei der Bewertung der Wirkungsgrad: Denn ein Schmierstoff, der in der Nutzungsphase Energie spart, ist aus unserer Sicht nachhaltig.

Wäre es nicht sinnvoller, Nachhaltigkeit herstellerunabhängig vergleichbar zu machen? Geht Bantleon dazu auch auf Wettbewerber zu?

Das ist ein guter Hinweis. Am offensten sind die Türen bei der Sensorik – die Hersteller wollen ihre Sensoren mitvermarkten, und da gibt es die Brücke zur Nachhaltigkeit. Wir sind aber auch mit Verbänden, Hochschulen und Wettbewerbern im Gespräch. Sehr aktiv ist hier die Antriebstechnik, die Kriterien dafür sucht, ab wann ein Schmierstoff ein ordentlicher Schmierstoff ist. Mein Traum wäre, dass die Schmierstoffbranche zusammensteht und wir gemeinsam eine Art Industriestandard schaffen. Das hilft auch den Unternehmen, die immer häufiger Nachhaltigkeitsberichte erstellen müssen – dafür brauchen sie vergleichbare Aussagen. Was heute fehlt, ist eine Gemeinschaft, die erarbeitet, ab wann ein Schmierstoff für eine mobile Arbeitsmaschine auf realen Baustellen tatsächlich optimal ist.

Sie visualisieren die Bewertung mit einer Grafik. Wie kann diese Darstellung helfen, das richtige Fluid zu finden?

Die Kunst liegt in der Darstellung. Wir wollen bewusst kein hartes Siegel wie bei der Abbaubarkeit – bestanden oder nicht. Dafür gibt es zu viele Graubereiche. Jeder muss für seine Anwendung entscheiden, was ihm wichtig ist: Steht der Wirkungsgrad im Vordergrund, weil man Sprit spart? Dann rückt der CO₂-Fußabdruck vielleicht in den Hintergrund. Deshalb setzen wir auf ein Spinnendiagramm, in dem jeder selbst erkennen kann, was zu seinem spezifischen Einsatzfall passt. Kein Schwarz-Weiß, sondern der Kompromiss dazwischen. Darauf kommt es an.

Ihr Fluidmanagement heißt „B.SHERPA“. Ist die Anspielung auf das tibetische Volk gewollt? Schließlich sind Sherpas als Bergführer und Träger für ihre Anpassung an extreme Umweltbedingungen im Hochgebirge bekannt.

Ja, die ist durchaus gewollt. Das Akronym steht für: Bantleon System Competence in Hydraulic fluid Evaluation Reliability Predictive Maintenance and Analytics. Aber „B.SHERPA“ kann auch ich mir leichter merken.

Was steckt technisch dahinter?

Im Kern die Sensorik. Ein Sensor erkennt sehr leicht Unterschiede, also wie sich die Maschine verändert. Die eigentliche Herausforderung ist die Kalibrierung: Wo fange ich an, und welchen Schmierstoff habe ich eingesetzt? Deshalb der Gedanke: Wir kennen unseren Schmierstoff aus dem Labor und gleichen die Sensoren damit ab. Trägt ein Sensor unser Siegel, heißt das, dass wir ihn im Labor quergemessen haben und kennen.

Sie sind also unabhängig vom Sensor-Hersteller und haben auch keinen eigenen Sensor?

Richtig. Und über weitere Kooperationen mit Sensoranbietern würden wir uns daher sehr freuen. Sensorik ist nicht unsere Kernkompetenz – wir beraten und bringen hier unsere Fluid-Systemkompetenz ein. Kauft der Kunde den Sensor lieber direkt beim Hersteller, ist das für uns völlig in Ordnung. Hydraulikfluide und Schmierstoffe sind unser Kerngeschäft.

Bildverarbeitung macht Air-in-Oil-Kontamination messbar, wie Ralf Schrempp auf den Storytelling Days Fachjournalisten erklärte (Bild: Berthold)

Welche Messgrößen fließen in die Bewertung ein?

Wir haben mit den Basics angefangen, wie sie in jedem Messkoffer stecken. Erstens der Partikelzähler – ein althergebrachter Sensor, der Anzahl und Größe der Partikel erfasst, also die Ölreinheit. Die ist in Klassen genormt, und man sieht online, wie sich die Verschmutzung im Kreislauf entwickelt. Zweitens die Viskosität, die in unserer Branche eine große Rolle spielt: Ob eine Maschine in Brasilien bei Hitze und Feuchte betrieben wird, in Zentraleuropa oder in Skandinavien bei Minusgraden, das macht einen enormen Unterschied. Drittens der Wassergehalt, also die Ölfeuchte – dafür gibt es Sensoren namhafter Hersteller, wobei im Labor andere Verfahren gelten als an der Maschine. Und viertens die Luft im Öl: Luft ist grundsätzlich schädlich, wegen Kavitation und Oxidation. Ein spezieller Bildverarbeitungssensor analysiert die Luftblasen – den Luftgehalt, aber auch das Abscheidevermögen und Schaumverhalten, das man sonst nach Norm misst. Hier experimentieren wir derzeit mit einem innovativen Sensor von Deepfluid, der die Air-in-Oil-Kontamination misst.

Sie kombinieren also mehrere Größen. Worin liegt der Unterschied zum klassischen Condition Monitoring?

Genau darin: Ein Sensor allein reicht leider nicht aus. Zuerst wollen wir die groben Fehler aufspüren – Ölvermischung oder Wasser im Öl. Beim Anwender passieren vor Ort die unglaublichsten Dinge, oft ohne eigenes Verschulden. Ich will sensibilisieren, denn das Thema ist viel komplexer, als es auf den ersten Blick wirkt. Unser Ansatz ist ein integriertes System mit einer Gesamtbetrachtung: Welches Fluid habe ich, welcher Sensor, welche Daten liefert er wie genau, wie kalibriere ich ihn, wie werte ich die Messdaten aus, welche Wartungsstrategie folgt daraus – und für Welche Anwendung wird die Maschine überhaupt eingesetzt? Unsere Stärke liegt in der Interpretation der Daten.

Wie stellen Sie sicher, dass Ihre Prognosen stimmen? Wie validieren Sie die Systeme mit verschiedenen Sensorherstellern?

Wir sind überzeugt, auf dem richtigen Weg zu sein und orientieren uns an Daten aus der Praxis. Wir sehen: Ein einfaches Einbereichsöl funktioniert nur in warmen Regionen – in kälteren büßen wir Wirkungsgrad ein. Mit einem hochwertigen synthetischen Öl wie PAO (Polyalphaolefin) kann das Ölwechselintervall dagegen bei 10.000 Stunden oder mehr liegen. Mit dem richtigen Öl lässt sich an der Maschine also enorm viel gewinnen. Das allgemeingültig und direkt an der Maschine zu messen, ist die eigentliche Herausforderung – da befinden wir uns gerade auf dem Weg von der Theorie in die Praxis.

Was sollte ein Konstrukteur von Baumaschinen beachten, wenn er Ihren Systemansatz nutzen will?

Es beginnt beim Schmierstoff. Dafür gibt es Normreihen, an denen sich der Konstrukteur für seinen Einsatzfall entlanghangeln kann. Danach sollte er mit uns sprechen. Ein Kommunalfahrzeug hat ganz andere Ansprüche als ein Kran, der 300 Tonnen am Haken hält und sicher heben muss. Wir können ihn zu den Einsatzbedingungen beraten. Und will er die Maschine darüber hinaus überwachen, arbeiten wir auch Vorschläge aus – vom Steuergerät über geeignete Sensorik bis zum passenden Partner. Wir verstehen uns hier auch als Energie- und Nachhaltigkeitsberater für technische Schmierstoffe.

Werten Sie die Daten mit KI aus oder nur regelbasiert?

Das hängt davon ab, wovon wir reden. Vieles ist über Normen vordefiniert: Ein Laborversuch läuft klar dokumentiert ab und wird über Jahrzehnte nicht verändert – das ist gut so, denn man braucht eine feste Basis. Bei der Luftblasensensorik dagegen geht es um große oder kleine Blasen, die Luftmenge, die Unterscheidung zwischen Wasser, Schmutz und Luft. Das kann das menschliche Auge nicht leisten. Dafür braucht es einen Algorithmus, eine KI, die Veränderungen erkennt und Maßnahmen vorschlägt. Ein einfacher Temperatursensor kommt dagegen ohne große KI aus. Je nach Einsatzfall ist das also völlig unterschiedlich – aber ja, auch KI kommt bei uns zum Einsatz.

Das Fluidmanagement-System testet Bantleon derzeit in Feldversuchen (Bild: no_limit_pictures / iStock.com)

Sie führen bereits Feldversuche durch. Gab es dabei schon Aha-Erlebnisse?

Wir stecken mit unseren Feldversuchen noch mitten in der Erprobung. Deshalb will ich die Geschichte noch nicht als fertig verkaufen. Im Labor sind die Bedingungen klar. Auf dem Prüfstand kalibrieren wir, was die Sensoren leisten. Draußen im Feld sieht es mitunter ganz anders aus: Staub, plötzlich ist ein Presslufthammer im Einsatz – da wird das Hydrauliköl natürlich völlig anders belastet als bei einer Maschine, die Humus bewegt. Eine Umschlagmaschine ist eben etwas anderes als eine Abbruchmaschine, ein Kran, ein Kommunalfahrzeug oder ein Traktor. Diese Vielfalt ist die Herausforderung und macht es zugleich spannend.

Wo finden diese Feldversuche statt?

Bei Kunden aus der Region Ulm. Wir fahren zu ihnen, weil der Kunde sein Einsatzfeld kennt und uns etwa den Steinbruch zeigt, in dem die Maschine läuft. Für große Baumaschinen hätten wir mitten in Ulm gar nicht genug Platz. Und das Anwendungswissen des Kunden ist Gold wert.

Sie betreiben seit Jahren Laboranalytik. Verändert der Einstieg in Predictive Maintenance Ihr Geschäftsmodell – wird die Ölanalytik überflüssig?

Unser Hauptgeschäft ist, Schmierstoffe zu entwickeln, herzustellen und zu verkaufen – für reine Analytik gibt es spezialisierte Firmen. Beides hat aber seine Berechtigung. Eine Ölprobe ziehen und schnell prüfen, ob es dem Schmierstoff gut geht, bleibt die Alternative zu einer sensorbasierten Predictive-Maintenance-Lösung, gerade bei einem neuen Öl. Der große Vorteil der Sensorik in der Maschine: Ich bin online dabei und sehe sofort, wenn sich etwas verändert. Mein Traum ist, daraus Rückschlüsse auf den Schmierstoff zu ziehen und ihn so zu optimieren, dass der Kunde länger fährt, bessere Wirkungsgrade erzielt und Energie spart. Wir setzen auf den idealen Schmierstoff, nicht auf die verkaufte Menge. Wir wollen zufriedene Kunden.

Mit dem Fluidmanagement werden Sie perspektivisch auch zum Datendienstleister. Sie bedienen aber auch Wettbewerber. Wie schützen Sie das Know-how Ihrer Kunden?

Völlig korrekt – das Thema ist überall dasselbe: Je mehr Daten nach außen gehen, desto größer das Risiko. Da müssen wir hochprofessionell auftreten. Wir treffen mit unseren Kunden schriftliche Vereinbarungen; der Kunde behält den Zugang zu seinen Daten, wir greifen nur im Notfall und auf seinen Wunsch ein. Ohne Vertrauensbasis schenkt uns im Wettbewerbsumfeld niemand sein Vertrauen. Viele unserer Kundenbeziehungen bestehen aber über Jahrzehnte – dann funktioniert das.

Können Sie den Nutzen eines Predictive-Maintenance-Einsatzes beziffern – bei Wartungskosten, Produktivität oder Effizienz?

Das ist immer individuell, aber ich nenne Ihnen mal Größenordnungen. Nehmen wir eine Großbaumaschine oder eine Windkraftanlage – auch dort steckt Hydrauliköl, etwa in der Pitch-Verstellung des Flügelrads. Bis man dort oben einen Service macht, ist das enorm aufwendig. Verlängern wir per Sensorik das Ölwechselintervall oder verhindern größere Schäden, ist die Investition in die Sensorik zu vernachlässigen – mögliche Schäden sind eine ganz andere Hausnummer.

Nachhaltigkeit muss sich auch im Betrieb spürbar bezahlt machen.

Beim Wirkungsgrad reden wir über zwei bis drei Prozentpunkte mit einem alternativen Öl. Das klingt wenig, summiert sich über eine Flotte aber deutlich – gerade bei den heutigen Dieselkosten. Ansonsten kommt es auf die Maschine an: Große Krane haben 2.000 Liter Hydrauliköl an Bord. Verdreifacht man das Wechselintervall, von 2.000 auf 6.000 Betriebsstunden, bleibt ein Drittel der Kosten – das ist gewaltig. Und rechnet man die Nutzungsphase hinzu, die mir am wichtigsten ist, rechnet es sich doppelt. Nachhaltigkeit darf nicht nur kosten, sie muss sich auch im Betrieb spürbar bezahlt machen.

Ralf Schrempp (rechts), Leiter Heavy Machinery bei Bantleon im Gespräch mit Felix Berthold, Redakteur Der Konstrukteur auf den Storytelling Days 2026 (Bild: Peter Becker)

Spannend wird es, wenn man Ihre Fluiddaten mit den Maschinendaten verknüpft – Stichwort digitaler Zwilling. Welche Ansätze verfolgt Bantleon hier?

Ja. Nehmen wir die Temperatur: Entsprechende Sensoren sind an der Maschine ohnehin verbaut, im Kühl- oder Hydraulikkreislauf, weil der Anwender bei Überhitzung eine Warnung braucht. Diesen Sensor müssen wir nicht doppelt installieren – und für uns ist er wichtig, weil die Viskosität temperaturabhängig ist. Das geht auch andersherum: Sensoren, die wir einbauen, lassen sich für weitere Zwecke nutzen. Deshalb wollen wir mit dem Entwickler ins Gespräch kommen und einen Sensor wählen, der ihm idealerweise auch bei anderen Themen hilft. Wenn das die Investition rechtfertigt und die Daten direkt im Cockpit oder im digitalen Zwilling landen, ist das umso besser.

Zum Schluss: Das Nachhaltigkeits-Bewertungssystem ist schon weit, das Fluidmanagement mit Predictive Maintenance befindet sich indes noch im Feldtest. Wann sind die Tests voraussichtlich abgeschlossen, was sind die nächsten Meilensteine?

Keine leichte Frage. Allein für Hydrauliköl haben wir 60 Messmethoden im Labor – alle gleichzeitig zu betrachten, würde uns überfordern. Deshalb haben wir vier herausgegriffen: Viskosität, Luftabscheidung, Schaumverhalten und Ölfeuchte. Damit sind wir jetzt unterwegs. Im Frühling nächsten Jahres wissen wir deutlich mehr und können die Geschichte sicher weitererzählen. Das Ende der Fahnenstange ist das aber nicht – früher oder später müssen wir alle 60 Methoden ins Feld bringen. Ob am Ende aber wirklich alle Methoden in die Maschine einziehen, glaube ich eher nicht; wir nehmen nur die relevantesten Werte. Das Feld ist riesig und das Thema wird mich sicher noch bis zur Rente begleiten.

Vielleicht erreicht Bantleon über Berichterstattung in Fachmedien ja weitere Mitstreiter.

Das wäre wünschenswert – vor allem mehr Sensibilisierung. Über Hydrauliköle liest man erstaunlich selten, dabei ist Reibung überall – und damit eine wichtige Stellschraube in Sachen Energieeffizienz und Nachhaltigkeit.

Vielen Dank für das Gespräch.

Veranstaltungshinweis: Bantleon wird sein Bewertungssystem für die Nachhaltigkeit von Schmierstoffen auf der 11. Fachtagung „Hybride und energieeffiziente Antriebe für mobile Arbeitsmaschinen“ am KIT am 24. Februar 2027 in Karlsruhe vorstellen. Die Tagung wird vom Karlsruher Institut für Technologie durch den Institutsteil Mobile Arbeitsmaschinen (Mobima) organisiert.

Bilder: Bantleon, sofern kein anderer Bildnachweis direkt am Bild; Aufmacherbild: Peter Becker