Predictive Maintenance (PdM) hat sich insbesondere in der produzierenden Industrie als innovatives Geschäftsmodell etabliert, das durch den Einsatz von Künstlicher Intelligenz (KI) neue Potenziale in der Wartung und Instandhaltung erschließt. Als KI-basiertes Geschäftsmodell ermöglicht PdM die prädiktive Vorhersage von Maschinen- und Anlagenausfällen, indem historische und Echtzeitdaten analysiert werden, um optimale Wartungszeitpunkte zu identifizieren. Dies reduziert ungeplante Stillstandzeiten, senkt Betriebskosten und verlängert die Lebensdauer von Maschinen und Anlagen. Gleichzeitig schafft die KI-Integration zusätzliche Wertschöpfung durch Service-as-a-Product-Ansätze, wie abonnementbasierte Wartungslösungen und datengetriebene Beratungsdienste. Dieser Beitrag analysiert die ökonomischen und technologischen Grundlagen von KI-gestütztem Predictive Maintenance als Geschäftsmodell. Neben den technischen Anforderungen, wie der Integration von Sensorik, Big-Data-Architekturen und Machine-Learning-Algorithmen, werden die kommerziellen Potenziale untersucht, einschließlich abonnementbasierter Services, datengetriebener Plattformen und neuer Umsatzmodelle. Exemplarische Fallstudien verdeutlichen, wie Unternehmen KI-gestützte PdM-Lösungen zur Differenzierung und Effizienzsteigerung einsetzen. Gleichzeitig werden Herausforderungen wie Datenschutz, Implementierungskomplexität und die Akzeptanz bei Stakeholdern adressiert. Kernergebnis sind konkrete Analyseschritte, um nutzenbasierte Kundenpotenziale KI-basierte Predictive Maintenance-Lösungen zu identifizieren.