Was ist Predictive Maintenance und wann hilft KI?

Einfach erklärt

Stellen Sie sich Ihr Auto vor. Sie können es alle 15 000 Kilometer in die Werkstatt bringen, egal wie es sich verhält. Oder Sie fahren, bis es stehen bleibt. Oder das Auto meldet selbst: «Die Bremsbeläge sind in etwa drei Wochen verbraucht.» Dieses dritte Vorgehen ist die Idee der vorausschauenden Wartung, auf Englisch Predictive Maintenance.

In einer Produktion messen Sensoren zum Beispiel Temperatur, Vibration, Stromaufnahme oder Druck einer Maschine. Eine Auswertung vergleicht die Werte mit früheren Zeiten, in denen alles normal lief. Weicht etwas auffällig ab, gibt es einen Hinweis. Fachleute sprechen von «Anomalieerkennung». Dafür werden statistische Verfahren oder KI-Modelle eingesetzt, die Muster in grossen Datenmengen finden.

Die drei Wartungsarten im Vergleich:

Wann hilft KI, und wann nicht?

KI hilft, wenn drei Dinge zusammenkommen: Ein Ausfall ist teuer oder gefährlich, es gibt Messdaten über längere Zeit, und Ausfälle kündigen sich in diesen Daten tatsächlich an. Bei einfachen Anlagen oder seltenen Ausfällen genügt oft ein gutes Wartungsprogramm. Ohne ausreichend Daten kann ein Modell nicht lernen, was «normal» ist.

Ehrlich gesagt: Predictive Maintenance ist kein Selbstläufer. Sie brauchen Sensoren, saubere Datenerfassung und Menschen, die Hinweise einordnen. Ein Fehlalarm kostet Zeit, ein verpasster Alarm kann teuer werden. Deshalb beginnen Betriebe meist mit einem Pilot an einer wichtigen Maschine und messen, ob es sich lohnt. Wie Sie solche Piloten bewerten, zeigt KI-Pilot: Erfolg messen.

Ein Beispiel

Ein Beispiel: Eine Kunststoffspritzerei in der Ostschweiz hat eine Maschine, deren Hydraulikpumpe zweimal ohne Vorwarnung ausfiel. Beide Male stand die Linie mehrere Tage still. Der Betrieb lässt Temperatur und Druck der Pumpe aufzeichnen und vergleicht den Verlauf mit der Zeit vor den Ausfällen. Zeigt sich ein ähnliches Muster, wird die Pumpe beim nächsten geplanten Halt ersetzt.

Nützlich ist auch, die vorhandenen Berichte zu nutzen. Wie Sie Instandhaltungsberichte ordnen, lesen Sie auf der verwandten Seite.

Worauf Sie achten müssen

• Datenlage prüfen: Ohne Verlauf über Monate oder Jahre sind Vorhersagen unsicher.
• Menschen bleiben verantwortlich: Ein Hinweis ersetzt nicht die Sichtprüfung durch eine Fachperson.
• Daten schützen: Maschinen- und Produktionsdaten sind Betriebsgeheimnisse. Klären Sie, wo sie verarbeitet werden und wer Zugriff hat.
• Anbieteraussagen hinterfragen: Verlangen Sie Referenzen und klare Angaben, welche Daten und Zeiträume nötig sind.

So hilft Ihnen Alpasana

Wenn Sie klären möchten, ob KI in Ihrer Produktion sinnvoll ist, hilft die KI-Weiterbildung für Unternehmen von absofort. Sie vermittelt Grundlagen und Praxis für Analyse und Entscheidungsgrundlagen sowie den sorgfältigen Umgang mit Unternehmensdaten. Sie lernen online im eigenen Tempo und erhalten verifizierbare Abschlüsse. Messtechnik und Anlagenanalyse bietet das Angebot nicht.