Den Schaden an einer Maschine entdecken, bevor er entsteht. Das klingt wie Zauberei, ist aber nichts anderes als ein selbstlernendes Modell künstlicher Intelligenz. Vorher sind jedoch jede Menge Daten nötig, und natürlich Algorithmen, die diese auswerten können.
Wenn eine Windenergieanlage brennt, aufgrund eines defekten Getriebes zum Beispiel, ist es zu spät. Zwar werden Windkraftanlagen fernüberwacht, Ingenieure werten Prozessdaten aus und reagieren darauf – die Ursachen für die Ausfälle aber erkennen sie damit häufig zu spät oder gar nicht.
Das war der Ansatz für die Indalyz Monitoring & Prognostics GmbHaus Halle (Saale). Das Start-up entwickelt und managt Software und Algorithmen, die auf Künstlicher Intelligenz basieren und zur Steuerung und Überwachung verschiedener Maschinen und Anlagen eingesetzt werden können. Ihr Konzept heißt Predictive Maintenance, also vorausschauende Wartung. Das verspricht die Software, basierend auf künstlicher Intelligenz.
Das System ist anwendbar für Maschinen, Anlagen und Fahrzeuge. Es wertet große Mengen Prozessdaten und von Sensoren gemessene Maschinenzustandsdaten aus, bereitet sie auf und kann schließlich äußerst genaue Angaben über den Verschleißverlauf einzelner Bauteile und die daraus zu erwartenden Schäden machen. Der Vorhersagezeitraum bewegt sich dabei vom Sekunden- bis zum Jahresbereich.
Software trainiert sich selbst
Bisher basiert die Einschätzung des aktuellen Maschinenzustandes auf deren Lebensdauerstatistiken. Das aber ist ein großer Durchschnitt, der die individuelle Belastung einzelner Maschinen oder Anlagen kaum berücksichtigt – wenn überhaupt, dann durch Auswertung regelmäßiger, kosten- sowie personalaufwändiger Inspektionen.
„Die Zukunft erfordert aber,“ so Michael Schulz, „dass Maschinen potentielle Schäden selbständig erkennen und verhindern.“ Die von IM&P dafür entwickelte Software ist selbstlernend und begleitet die Maschinen bis ans „Lebensende“. Sie verfügt anfangs über einen Pool an Grundinformationen, das unter anderem auf ingenieurtechnischem Expertenwissen und Erfahrungen von anderen Maschinen gleichen Typs beruht. Dann beginnt sie zu sammeln – Informationen, die hauptsächlich von der zu überwachenden Maschine kommen und die ihre spezifischen Betriebszustände reflektieren. Die Software lernt daraus, trainiert sich selbst und schließt auf die zukünftige Verschleißentwicklung. Die Prognosen sind dabei äußerst genau: Die Hauptschadensgruppen können mit einer Wahrscheinlichkeit von 96 Prozent vorhergesagt werden, nur 3,5 Prozent sind Fehlalarme, und 0,5 Prozent der Schäden entstehen spontan und entziehen sich der Prognose.
Ausfälle und Umweltschäden vermeiden
Einsetzbar ist die Software nicht nur bei Windkraftanlagen, sondern auch bei Wasser- oder Wärmekraftanlagen, Zementmühlen, Zentrifugen, Schiffsmotoren, Bergbaumaschinen. Derzeit ist IM&P an einem Forschungsprojekt mit einem Chemiewerk beteiligt: Motoren öffnen und schließen dort Leitungen – Armaturen -, durch die unterschiedliche Stoffe fließen. Aus permanenten Tests kann geschlussfolgert werden, ob diese Motoren ausreichend funktionieren oder wann sie ausfallen könnten. Passiere das Unvorhergesehe, so Professor Schulz, könne das nicht nur einen Totalausfall der Anlage bewirken, sondern auch verheerende Folgen für die Umwelt haben.