Predictive Maintenance : KI im Unternehmen: Ziehl-Abegg übersetzt Maschinensprache

Künstliche Intelligenz ist endgültig im Mainstream angekommen. Doch die digitale Transformation umfasst längst mehr als generative KI-Modelle. Sowohl repetitive als auch hochkomplexe Aufgaben lassen sich mittlerweile automatisieren. 

Während generative KI Texte und Bilder aus menschlichen Vorgaben erstellt, erkennt deskriptive KI komplexe Muster und beschreibt aktuelle Zustände. Anwendungen finden sich gleichermaßen in Dienstleistungen und Produktion.

Ein wesentlicher Aspekt der digitalen Transformation ist Kommunikation. Daten bilden die Währung des digitalen Zeitalters – und zwar keineswegs nur personenbezogene. 

Jede Maschine kommuniziert kontinuierlich durch Betriebsdaten. In der Lüftungstechnik sendet jeder Ventilator fortwährend Signale. Diese Daten richtig zu interpretieren, ermöglicht eine neuartige Interaktion zwischen Mensch und Maschine. Denn in sämtlichen Daten offenbart die Maschine etwas über ihren aktuellen Zustand.

Die zentrale Herausforderung liegt darin, die Maschinensprache zu entschlüsseln. Genau an diesem Punkt setzt der Lüftungstechnik-Spezialist Ziehl-Abegg an. Das Unternehmen nutzt KI im Maschinenbau zur Datenauswertung und macht sie zur Dolmetscherin der datenbasierten Ventilatorsprache.

Lesen Sie auch hier über die aktuelle Zukunftsforschung: KI, Predictive Economy & Humanoide Roboter

Den Ventilator vollständig zu verstehen, wird besonders wichtig, wenn potenzielle Ausfälle oder Wartungsbedarf drohen. Traditionelle Ansätze warten ab, bis Komponenten versagen. Dies führt meist zu ungeplanten Stillständen, oft zu besonders ungünstigen Zeitpunkten. Folgeschäden an angrenzenden Bauteilen sind nicht ausgeschlossen. 

Hilfreich erscheinen intervallbasierte Eingriffe, bei denen Stillstandszeiten planbar werden. Allerdings kommt es dabei vor, dass auch völlig intakte Teile ersetzt werden. Zudem schützen Erfahrungswerte oder Angaben zur Funktionsdauer nicht vor ungeplanten Ausfällen außer der Reihe. Jedes Produkt verhält sich unterschiedlich, verschiedene Abläufe erlauben keine hundertprozentige Zustandsaussage. 

Das bedeutet auch: Ersatzteile müssen jederzeit verfügbar sein und auf Lager liegen, Service-Belegschaft muss auch kurzfristig einsatzbereit sein.

Den in jeder Hinsicht optimalen Zeitpunkt für Wartungseingriffe zu finden, ist nahezu unmöglich. Dabei tritt ein Schaden selten abrupt auf, vielmehr kündigt er sich im Vorfeld häufig an. Doch wenn die stillen Warnsignale unsichtbar bleiben und von außen nicht erkennbar ist, dass eine Komponente suboptimal läuft, bleibt nur das Handeln auf Vermutung. 

Könnte der Ventilator jedoch jederzeit über seinen Betriebszustand Auskunft geben, wäre der Mensch stets informiert. Die datenbasierte Maschinensprache zu verstehen, bedeutet präzises Wissen über den Zustand jeder einzelnen Komponente in jedem Moment. Das Auftreten nahender Störungen ließe sich deutlich genauer vorhersagen.

Dazu hielt auch Mike Pokrovsky einen Vortrag beim Forum Alpbach 2025.

Der Ventilatoren-Hersteller Ziehl-Abegg (in Österreich in Pasching vertreten) ist auf diesem Weg bereits mehrere Schritte gegangen. 

Die erste Herausforderung besteht im Datengewinn. Die Ventilatoren wurden mit auf die Anforderungen der Lüftungstechnik abgestimmter Sensorik ausgestattet. Durch bereits im Ventilatormotor vorhandene Sensoren lassen sich direkt vor Ort Schwingungs- und Telemetriedaten erfassen. 

Relevante Parameter umfassen beispielsweise Schwingungen in den Achsen, Drehzahlen, Temperaturen und aufgenommenen Strom.

Die gewonnenen Daten konnten durch das Versenden an die Cloudlösung ZAbluegalaxy visualisiert werden. Die Ventilatorsprache wurde dadurch sichtbar. Messdaten ließen sich überwachen, protokollieren und historisieren. 

Die dadurch möglichen Analysen erlaubten bereits erste Rückschlüsse auf den Ventilatorenzustand. Beispielsweise ließen sich auf dieser Basis Warnmeldungen ausgeben.

Mehrere Faktoren machen es menschlichen Fachkräften nahezu unmöglich, die Daten zeitnah zu lesen, auszuwerten und zu interpretieren. Das liegt an der schieren Menge der Daten; aber auch an der Tatsache, dass sich manche Betriebszustände nicht aus einzelnen Datenpunkten ablesen lassen, sondern nur aus Kombinationen. 

Eine kontinuierliche Überwachung der Daten inklusive Analyse ist von menschlicher Seite nicht machbar. Echtzeitdaten können demnach nicht sinnvoll genutzt werden.

Genau hier kommt KI in Form eines Neuronalen Netzes zum Einsatz. Neuronale Netze, bestehend aus miteinander verbundenen künstlichen Neuronen in mehreren Schichten, sind Meister im Empfangen und Analysieren von Daten. 

In der Eingangsebene treffen die Daten als Inputvektor ein und durchlaufen einen oder mehrere Hidden Layer bis zur Ausgangsschicht. Auf jeder Ebene findet Datenverarbeitung statt. In der Ausgangsebene werden die berechneten Werte als Outputvektor in eine für den Menschen lesbare Form transformiert. So gibt ein Prozentwert beispielsweise Auskunft über den Komponentenzustand. Bei einer bestimmten Schadenswahrscheinlichkeit wird eine Warn- oder Fehlermeldung ausgegeben.

Basierend auf den Auswertungen ist die KI in der Lage, bei Bedarf Handlungsempfehlungen zu geben. Das Neuronale Netz kann zudem bei der Diagnose von Problemen oder Ausfällen helfen. Die Künstliche Intelligenz übernimmt damit die Rolle einer Mitarbeiterin, der kontinuierlich der Ventilatorenkommunikation zuhört, seine Signale versteht, interpretiert und Handlungsvorschläge unterbreitet.

Wie eine Zerkleinerungstechnologie aus Salzburg ebenfalls auf KI in der Predictive Maintenance setzt

Doch wie ein Mensch muss auch die KI eingearbeitet werden. Ziehl-Abegg hat sie in aufwendigen Vorarbeiten trainiert: Millionen Datenpunkte wurden gesammelt, aufgenommen und einzelnen Betriebszuständen zugeordnet. 

Dies machte Entscheidungen nötig, welche Datenpunkte und Merkmale für die Analyse bestimmter Zustände wichtig sind und dementsprechend stark gewichtet werden müssen. 

Störungen und Schäden wurden simuliert, damit die KI das Normalverhalten des Ventilators kennt und wie ein Spürhund kleinste Abweichungen sofort registriert.

Daten und KI müssen erst auf ihre Aufgabe vorbereitet werden. Auch danach übernimmt die KI zwar eine wichtige Position, wird jedoch nicht zum Alleinentscheider. 

Die Entscheidung, wie mit einer Handlungsempfehlung umgegangen wird, muss von der menschlichen Expertise getroffen werden. Der Mensch muss demnach weiterhin über Fach- und Kontextwissen verfügen, die KI kann nicht von allein aktiv werden.

Insgesamt arbeiten also künstliche und menschliche Intelligenz eng zusammen. Die Möglichkeit der Echtzeitüberwachung und die Analysefähigkeiten der räumlich direkt an der Komponente sitzenden KI ergeben ein perfektes Zusammenspiel mit dem über Fachwissen verfügenden und zur Entscheidung fähigen und berechtigten Menschen.

🔎 Noch mehr Wirtschaftseinblicke?

Folgen Sie uns auf LinkedIn und bleiben Sie über aktuelle Themen, spannende Interviews und Trends aus der Wirtschaft immer auf dem Laufenden! 🚀💼