Im heutigen Unternehmensumfeld werden steigende Anforderungen an Unternehmen gestellt, um konkurrenzfähig zu bleiben. Die Effizienz und Effektivität der Betriebsabläufe, einschließlich des Anlagenmanagements, müssen kontinuierlich verbessert werden, um diesen Anforderungen gerecht zu werden. Die Zunahme von Digitalisierung, Automatisierung und Anlagenintensität macht datenbasierte Entscheidungen zur Sicherung der Zuverlässigkeit und Verfügbarkeit der Anlagen in der Instandhaltung notwendig. Zudem kommen schwankende Nachfragen und gesetzliche Vorschriften. Zur Ableitung von geeigneten Maßnahmen für sich verändernde Bedingungen gewinnt die Identifizierung und Bewertung von Anlagenrisiken zunehmend an Bedeutung. Eine ganzheitliche Kritikalitätsbewertung ermöglicht es Unternehmen, Anlagen datenbasiert zu analysieren und dabei die Erfolgsfaktoren des Unternehmens zu berücksichtigen. Dies ermöglicht Unternehmen, flexibel auf veränderliche Inputfaktoren zu reagieren, eine Entscheidungsgrundlage auf Basis von Daten zu schaffen und die Instandhaltungsstrategie für Anlagen dynamisch anzupassen. In diesem Zusammenhang wird ein Modell für die Kritikalitätsbewertung vorgestellt, das auf dem Komplexitätsgrad sowie der Datenqualität und -verfügbarkeit des Unternehmens basiert und eine Identifikation von Schwerpunktsanlagen ermöglicht. Die Arbeit besteht aus einem theoretischen Teil, in dem die wissenschaftlichen Grundlagen erläutert werden, und einer praktischen Fallstudie. In der Fallstudie werden die Ergebnisse der angewendeten Schritte des Modells bei der voestalpine Wire Rod Austria GmbH detailliert beschrieben, wobei der Schwerpunkt auf der Kriterienauswahl und -definition sowie der Bewertung der Datenqualität liegt. Im letzten Abschnitt der Fallstudie werden, die aus den Erkenntnissen der durchgeführten Kritikalitätsbewertung abgeleiteten Maßnahmen zur Verbesserung der Datenqualität beschrieben. Diese Maßnahmen sollen es dem Unternehmen ermöglichen, eine dem Komplexitätsgrad entsprechende Kritikalitätsbewertung durchzuführen.