Die Menschen wollen oft wissen, wie sich qualitative und quantitative Risikobewertungen voneinander unterscheiden. Dies ist eine gute Frage in der heutigen Welt der Digitalisierung, in der viele verschiedene RBI-Softwarepakete (Risk-Based Inspection) zur Verfügung stehen.
Spulen wir ein wenig zurück und werfen wir zunächst einen Blick auf die bestehenden Risikobewertungsstandards.
Welche Normen gibt es?
There are several International engineering standards and recommended practices that outline requirements, methodologies, and the implementation of RBI. Examples are ASME PCC-3, RIMAP, DNV-RP G101, API 580, API 581, API 571, etc.
Die verschiedenen Normen werden häufig auf bestimmte Bereiche der Industrie angewandt. ASME ist zum Beispiel eine amerikanische Norm, die speziell für ortsfeste Druckgeräte entwickelt wurde; API ist ebenfalls eine amerikanische Norm, die speziell für den Öl- und Gassektor entwickelt wurde; und RIMAP ist eine europäische Norm, die eher für Kraftwerke gilt.
Manchmal werden die verschiedenen Arten von empfohlenen Verfahren verwechselt. So werden beispielsweise in API 580 Anforderungen (z. B. konzeptionelle Ansätze und notwendige Elemente, die in eine RBI-Bewertung einzubeziehen sind) beschrieben, während in API 581 eine an API 580 ausgerichtete Methodik beschrieben wird. RBI-Softwarepakete können daher an einer bewährten Praxis ausgerichtet werden, die Anforderungen beschreibt (z. B. API 580), ohne eine zugehörige Methodik zu implementieren (z. B. API 581).
Was empfehlen die Normen?
Die Normen empfehlen in der Regel nicht nur einen (z. B. nur quantitativen) Ansatz. Zum Beispiel gibt API 580 eine Anleitung für RBI-Implementierungen, die entweder Level 1 (qualitativ) oder Level 2 (semi-quantitativ) oder Level 3 (quantitativ) verwenden. (API 581 fällt unter die RBI-Methoden der Stufe 3.)
In der Regel wird jedoch empfohlen, dass die RBI-Methodik und die RBI-Teamstudienmethode vertretbar, benutzerfreundlich, detailliert, dokumentiert, transparent und überprüfbar sein müssen. Um beispielsweise mit API 580 übereinzustimmen, sollte die Software eine benutzerfreundliche RBI-Methodik implementieren, die von den verantwortlichen Inspektionsingenieuren und Betriebsingenieuren der Anlage vollständig verstanden wird. Andernfalls kann dies zu einer Erhöhung des Anlagenrisikos statt zu einer Risikominderung führen.
Die Normen betonen auch, dass die RBI-Methode (unabhängig davon, ob es sich um Stufe 1, Stufe 2 oder Stufe 3 handelt) robust sein muss. Die gewählte Methode muss die Ausfallwahrscheinlichkeit und die Risikoprofile jedes der anwendbaren DMs / FMs (Degradationsmethoden / Ausfallmodi) zuverlässig bewerten, andernfalls kann kein Vertrauen in das optimale Inspektionsintervall bestehen. Darüber hinaus muss die Methode der Teamstudie die Identifizierung aller FMs, Betriebsgrenzen, Wartungsaktivitäten und anderer Maßnahmen zur Risikominderung gewährleisten.
Was sind qualitative, semi-quantitative und quantitative Risikobewertungen?
Jetzt wissen wir also, dass qualitative, halbquantitative und quantitative Risikobewertungssoftware gemäß den Normen alle akzeptabel sein können, aber was ist dann der Unterschied?
Schauen wir uns zunächst die Definitionen an. Quantitative Daten dienen der Erfassung kalter, harter Fakten. Zahlen. Quantitative Daten sind strukturiert und statistisch. Qualitative Daten sammeln Informationen, die ein Thema eher beschreiben als messen sollen. Denken Sie an Eindrücke, Meinungen und Ansichten. Semi-quantitative Daten haben ein bisschen von beidem. Einige Teile der Daten sind qualitativ und andere Teile quantitativ.
Quantitative Risikobewertungsmethoden liefern also quantitative Schätzungen der Risiken anhand der sie definierenden Parameter. Im Gegensatz dazu werden bei einer qualitativen Bewertung die Wahrscheinlichkeit und die Folgen nicht numerisch geschätzt, sondern verbal mit Hilfe von Qualifizierungsmerkmalen wie "hohe Wahrscheinlichkeit", "geringe Wahrscheinlichkeit" usw. bewertet.
Wenn wir nun davon ausgehen, dass zuverlässige Daten zur Verfügung stehen, sollte eine vollständige quantitative Risikoabschätzung die genauesten und präzisesten Ergebnisse liefern. Hier ist jedoch Folgendes zu beachten. Die Art von Daten, die für eine gute quantitative Bewertung erforderlich sind, ist schwer und zeitaufwendig zu beschaffen, was oft zu Daten von geringerer Qualität und damit zu weniger genauen Ergebnissen führt.
Die Genauigkeit hängt von der Analysemethodik, der Datenqualität und der Konsistenz der Ausführung ab. Die Präzision ist eine Funktion der ausgewählten Metriken und Berechnungsmethoden. Wir müssen also bei Risikobewertungen vorsichtig sein, denn das Ergebnis kann zwar sehr genau sein, aber wenn die Wahrscheinlichkeiten und Folgen noch mit großer Unsicherheit behaftet sind, ist das Ergebnis immer noch nicht genau.
Was sind die Vorteile und Grenzen von qualitativer und quantitativer RBI-Software?
Was ist denn nun besser? Es gibt keine einfache Antwort, da sowohl qualitative, halbquantitative als auch quantitative Risikobewertungen erfolgreich sein können. Lassen Sie uns zunächst versuchen, typische qualitative und quantitative Risikobewertungen zu vergleichen:
- Benutzerfreundlichkeit: Dies ist wahrscheinlich der größte Vorteil der qualitativen Analyse. Sie sind in der Regel leichter benutzerfreundlich zu gestalten, da sie weniger komplex sind.
- Transparenz: Aus demselben Grund ist eine qualitative Methodik in der Regel viel einfacher zu verstehen. Aufgrund der Komplexität der quantitativen Berechnungen werden quantitative Methoden in der Regel als Blackboxen implementiert.
- Präzision und Genauigkeit: Wenn es möglich ist, gute Daten zu erhalten, sollten die quantitativen Methoden gewinnen, da sie strenge quantitative Bewertungen der Ausfallwahrscheinlichkeit (PoF) und der Ausfallfolgen (CoF) für jedes Gerät beinhalten. Wir müssen nur bedenken, dass die Genauigkeit von der inhärenten Unsicherheit der Wahrscheinlichkeiten und Folgen abhängt.
- Datenabhängigkeit: Eine qualitative Analyse erfordert weniger Daten.
- Schnelligkeit: Da für eine qualitative RBI-Analyse weniger Daten benötigt werden, ist sie in der Regel viel schneller. Das Sammeln aller Daten für eine quantitative RBI-Analyse kann schwierig und zeitaufwändig sein.
- Objektivität: Die Ergebnisse einer qualitativen RBIAnalyse sind in hohem Maße vom Team und seinem Fachwissen bei der Durchführung der Analyse abhängig und daher eher subjektiv. Eine quantitative Analyse ist objektiver. Allerdings sollte man sich nicht der Illusion hingeben, dass eine quantitative Methode narrensicher ist, denn für gute Ergebnisse sind immer noch erfahrene RBI- und Inspektionsmitarbeiter erforderlich.
- Automatisierung: Da quantitative Methoden weniger Teamarbeit erfordern, sind sie leichter zu automatisieren.
Das Beste von beidem?
It is obvious that neither the qualitative nor the quantitative methodology is perfect. To increase the benefits and reduce the limitations, one can also go for the option of combining these two methods.
Daher die halbquantitative Risikobewertung! Diese Methodik ist in der Regel leicht verständlich und benutzerfreundlich, aber auch genauer. Natürlich muss sie durch eine erfahrene multidisziplinäre Teamstudie unterstützt werden, um das Vertrauen in die Ergebnisse zu gewährleisten. Man würde dann in einigen Abschnitten der Risikobewertung eine qualitative Analyse durchführen und in anderen Abschnitten (die auf der Grundlage einer Vertrauens-/Sensitivitätsanalyse ausgewählt werden) eine quantitative Risikobewertung vornehmen.
Ein anderer Ansatz, um das Beste aus beidem zu erhalten, wäre, zunächst eine (schnellere) qualitative RBI-Analyse auf hoher Ebene durchzuführen, um die risikoreichen Anlagen in der eigenen Anlage auszuwählen. Dann kann man quantitative RBI-Analysen nur für diese Hochrisikoanlagen durchführen. Denken Sie daran, dass für genaue Ergebnisse gute Daten und ein erfahrenes multidisziplinäres Studienteam erforderlich sind.
Explore the Right RBI Approach for Your Operations
At Cenosco, we understand that every asset strategy is unique – which is why we support a range of Risk-Based Inspection (RBI) methodologies, from qualitative to fully quantitative, aligned with API 580 and API 581 guidelines.
Our IMS (PEI) software has long supported the S-RBI methodology, a Shell-developed Risk-Based Approach, compliant to API 580 and to API 571’s damage mechanisms. This can be implemented as either qualitative or semi-quantitative. For the semi-quantitative methodologies, it uses specific calculators (e.g. liquid release, CUI, SSC, and other corrosion prediction models) and detailed questionnaires, to calculate StF (Susceptibility to Failure) and CoF (Consequence of Failure), based on the most relevant failure modes. When using the S-RBI methodology IMS PEI allows users to swap between methodologies for each RBI Analysis. The default is the semi-quantitative methodology since this is preferred by most customers.
Since 2025 we also provide comprehensive support for a fully quantitative API 581-based RBI methodology, specifically for pressure equipment such as piping, vessels, and tanks. Our flexible and standards-aligned approach ensures you can apply RBI effectively across a wide range of assets. Our implementation follows the 2016 edition of API 581, including the 2019 and 2020 addenda – offering a stable and trusted foundation. It includes features like configurable failure frequencies and interval target configurations.
Whether you’re just starting with RBI or refining an existing program, we can help you choose the approach that best suits your operations – be it qualitative, semi-quantitative, or fully quantitative in line with API 580/581.
Also, remember IMS PEI is not a standalone RBI tool. It integrates the RBI results with inspection results, wall thickness measurements/calculations, and schedules. The RBI results can thus be used to define the next inspection dates that feed into the IDMS part of the tool, which can, in turn, interface with the site’s CMMS (Computerized Maintenance Management Software) (e.g. SAP).
Bereit für eine Demo?
Sind Sie bereit, die IMS Suite in Aktion zu erleben? Füllen Sie das untenstehende Formular aus, um eine Demo zu buchen!
Elsa Tolsma-de Klerk Technical Writer
Elsa is an engineer with a passion for sharing knowledge. She holds a Master’s in Electronic Engineering and spent over a decade at Sasol as an Advanced Process Control Engineer, where she gained hands-on experience in optimization, control systems, and writing technical documentation. Since 2019, she’s been a Technical Writer at Cenosco, now leading the IMS knowledge base and training Academy team.
