Reparieren, bevor die Maschine stillsteht: KI und vorausschauende Wartung
Herzlich willkommen zu meinem neuen Blogbeitrag.
Wenn eine wichtige Maschine in einem Produktionsbetrieb plötzlich ausfällt, bleibt häufig nicht nur eine einzelne Anlage stehen.
Nachfolgende Arbeitsschritte können nicht mehr ausgeführt werden. Liefertermine geraten in Gefahr. Beschäftigte können ihre Aufgaben nicht fortsetzen und benötigte Ersatzteile müssen möglicherweise kurzfristig beschafft werden.
Ein ungeplanter Stillstand kann dadurch erhebliche Kosten verursachen.
Traditionell werden Maschinen entweder nach festen Zeitplänen gewartet oder erst dann repariert, wenn ein Fehler bereits aufgetreten ist.
Beide Vorgehensweisen besitzen Nachteile.
Wird eine Maschine nach einem festen Zeitplan gewartet, können Bauteile ausgetauscht werden, obwohl sie noch lange funktioniert hätten.
Wird erst nach einem Defekt reagiert, entstehen ungeplante Ausfälle.
Künstliche Intelligenz soll dabei helfen, einen dritten Weg zu ermöglichen:
die vorausschauende Wartung.
Die Maschine kündigt Veränderungen häufig vorher an
Ein Maschinenschaden entsteht nicht immer innerhalb eines einzigen Augenblicks.
Lager nutzen sich ab. Schmierstoffe verändern sich. Bauteile beginnen stärker zu schwingen. Temperaturen steigen oder der Energieverbrauch verändert sich.
Viele dieser Entwicklungen hinterlassen messbare Spuren.
Sensoren können Vibrationen, Geräusche, Drehzahlen, Temperaturen und andere Zustände erfassen.
Eine KI kann diese Werte über längere Zeiträume vergleichen und nach Mustern suchen.
Verändert sich das Verhalten einer Maschine ungewöhnlich, kann das System einen Hinweis geben, bevor ein vollständiger Ausfall eintritt.
Fraunhofer-Forschungsstellen arbeiten an Verfahren, bei denen KI-gestützte Diagnosesysteme Maschinendaten analysieren und Zustände einzelner Baugruppen überwachen. Dazu gehören beispielsweise Motoren, Lager, Getriebe, Wellen oder Komponenten von Werkzeugmaschinen.
Das bedeutet jedoch nicht, dass die KI den Zeitpunkt eines Defekts immer exakt vorhersehen kann.
Sie berechnet Wahrscheinlichkeiten und erkennt Abweichungen.
Die abschließende technische Bewertung bleibt notwendig.
Vom festen Wartungsplan zum tatsächlichen Zustand
Ein einfaches Beispiel zeigt den Unterschied.
Eine Maschine soll laut Wartungsplan alle sechs Monate überprüft werden.
In einem Betrieb läuft sie täglich in mehreren Schichten. In einem anderen Unternehmen wird sie nur wenige Stunden pro Woche genutzt.
Trotzdem wäre das Wartungsintervall zunächst identisch.
Eine zustandsorientierte Wartung betrachtet dagegen die tatsächliche Belastung.
Wie viele Betriebsstunden wurden erreicht? Unter welchen Temperaturen arbeitete die Maschine? Gab es ungewöhnliche Schwingungen? Wie stark wurde ein Bauteil beansprucht?
Diese Informationen können eine genauere Planung ermöglichen.
Eine Wartung könnte durchgeführt werden, wenn sie tatsächlich benötigt wird, aber möglichst noch bevor ein Schaden entsteht.
Digitale Zwillinge können dabei reale Maschinendaten mit Modellen des erwarteten Verhaltens verbinden. Fraunhofer-Projekte nutzen solche Modelle, um Produktionssysteme zu simulieren und vorausschauende Wartung zu unterstützen.
Der erfahrene Techniker bleibt wichtig
Eine KI kann melden, dass sich die Vibrationen eines Bauteils verändert haben.
Sie weiß jedoch nicht automatisch, warum.
Vielleicht ist ein Lager verschlissen. Vielleicht wurde die Maschine anders beladen. Vielleicht ist ein Sensor locker. Oder die Änderung ist für diesen Produktionsauftrag vollkommen normal.
Hier kommt das Wissen erfahrener Beschäftigter ins Spiel.
Sie kennen typische Geräusche, Belastungen und Fehlerbilder. Sie können einen digitalen Hinweis mit der realen Maschine vergleichen.
Vorausschauende Wartung funktioniert deshalb besonders gut, wenn Datenanalyse und praktische Erfahrung miteinander verbunden werden.
Der Techniker wird nicht bedeutungslos.
Seine Arbeit verändert sich.
Statt nur auf bereits eingetretene Defekte zu reagieren, kann er Wartungen gezielter vorbereiten und Ursachen früher untersuchen.
Die Einführung kann aufwendiger sein als erwartet
Vorausschauende Wartung klingt einfach:
Sensoren installieren, Daten analysieren und Ausfälle verhindern.
In der Praxis ist die Umsetzung anspruchsvoller.
Unternehmen benötigen ausreichend historische Daten. Sie müssen wissen, welche Messwerte bei einem tatsächlichen Schaden auftraten. Unterschiedliche Maschinentypen können sich völlig verschieden verhalten.
Auch seltene Fehler stellen ein Problem dar.
Wenn ein bestimmter Schaden bisher noch nie aufgetreten ist, besitzt das KI-System möglicherweise keine geeigneten Vergleichsdaten.
Zudem kostet die Einführung Geld.
Sensoren müssen installiert, Software angebunden und Beschäftigte geschult werden. Daten müssen gespeichert und Systeme regelmäßig gepflegt werden.
Deshalb eignet sich Predictive Maintenance (vorausschauende Wartung oder Instandhaltung) nicht automatisch für jede Maschine.
Bei einer günstigen und unkritischen Anlage kann eine klassische Wartung wirtschaftlicher sein.
Besonders interessant ist die Technologie dort, wo ein Ausfall hohe Kosten, Sicherheitsrisiken oder lange Unterbrechungen verursachen würde.
Neue Geschäftsmodelle für Maschinenbauer
Vorausschauende Wartung verändert nicht nur den Betrieb einer Maschine. Sie kann auch das Geschäftsmodell des Herstellers verändern.
Ein Maschinenbauer verkauft möglicherweise künftig nicht nur eine Anlage.
Er bietet zusätzlich eine digitale Zustandsüberwachung, regelmäßige Analysen oder eine Fernwartung an.
Der Hersteller kennt die Konstruktion der Maschine und kann Messwerte mit Erfahrungen aus ähnlichen Anlagen vergleichen.
Damit entsteht eine langfristige Verbindung zum Kunden.
Aus einem einmaligen Maschinenverkauf kann eine dauerhafte Dienstleistung werden.
Der Verband Deutscher Maschinen- und Anlagenbau e. V (VDMA) sieht digitale Services, datenbasierte Geschäftsmodelle und den Einsatz künstlicher Intelligenz als Entwicklungen, die die Wettbewerbsdynamik im Maschinen- und Anlagenbau grundlegend verändern.
Diese Entwicklung bietet Chancen. Sie wirft aber auch Fragen auf.
Wem gehören die Maschinendaten?
Darf der Hersteller sie für andere Modelle verwenden?
Was passiert, wenn der digitale Dienst beendet wird?
Kann die Maschine weiterhin betrieben und gewartet werden?
Solche Fragen müssen vertraglich und technisch klar geregelt sein.
Der Perspektivwechsel
Künstliche Intelligenz kann eine Maschine nicht vor jedem Schaden schützen.
Material kann unerwartet brechen. Sensoren können ausfallen. Daten können falsch interpretiert werden.
Doch KI kann Wartung planbarer machen.
Sie kann dabei helfen, Veränderungen früher zu erkennen und Fachkräfte gezielter einzusetzen.
Die eigentliche Zukunft besteht deshalb nicht darin, dass Maschinen sich vollständig selbst reparieren.
Sie besteht darin, dass Maschinen mehr über ihren Zustand verraten und Menschen dadurch früher handeln können.
Wer die Zukunft verstehen möchte, muss lernen, Veränderungen frühzeitig zu erkennen und neue Kompetenzen aufzubauen.
Genau dabei möchte Cast Royal Menschen begleiten.
Bis zum nächsten Beitrag, dein Michael Langner von Cast Royal, 11.10.2026
