Es ist der Albtraum jedes Fabrikmanagers – und geschieht doch immer wieder: Eine Maschine hat plötzlich einen Schaden, oder der Strom fällt aus, und die ganze Anlage steht still. Der italienische Maschinenbauer Biesse will seinen Kunden solche Zwischenfälle künftig ersparen. Vor zwei Jahren hat das Unternehmen damit begonnen, seine Holzverarbeitungsmaschinen digital zu vernetzen. Rund 10.000 Biesse-Maschinen, die weltweit im Einsatz sind, sollen mittelfristig mit einer Softwareplattform verbunden sein. Läuft bei einer Maschine etwas nicht rund, kann Biesse seinen Kunden in der Holzverarbeitungsindustrie künftig eine Warnmeldung schicken.
Predictive Maintenance, zu Deutsch: vorausschauende Wartung, ist das neue Wundermittel gegen den Ernstfall in Fabriken: Moderne Software kann genau berechnen, wann ein Werkzeug verschleißt, und früh erkennen, ob ein Maschinenteil bald den Geist aufgibt. Möglich wird das durch die Vielzahl an Sensoren, die in Maschinen inzwischen Daten sammeln. Und durch die Fortschritte bei Algorithmen, die diese Daten auswerten. Im Zusammenspiel entsteht so eine Art Fitness-Tracker für Maschinen.
„Das Interesse an Predictive Maintenance ist gigantisch“, sagt Patrick Vollmer, Managing Director beim Beratungsunternehmen Accenture. Quer durch alle Branchen sind Fertigungsbetriebe daran interessiert, ihre Anlagen zu vernetzen, um sie besser steuern zu können. Die Technik hilft, Kosten zu sparen, weil Ausfälle seltener werden und der Austausch von Verschleißteilen sich viel wirtschaftlicher koordinierten lässt. Und sie macht die Fertigung zuverlässiger – was angesichts eng getakteter Lieferketten immer wichtiger wird.
Am einfachsten haben es Unternehmen, deren Fabriken ohnehin schon mit Tausenden Sensoren bestückt sind – große Chemiekonzerne etwa. Für sie hat etwa das israelische Start-up Precognize eine Software entwickelt, mit der sich Produktionsanlagen überwachen lassen. „Da fallen große Mengen an Daten an, die bisher kaum genutzt wurden“, sagt Mitgründer Chen Linchevski. Er will den Unternehmen nun eine Art siebten Sinn verpassen – und beispielsweise den Defekt eines Ventils vorhersagen, bevor er auftritt. „Wir schaffen ein Frühwarnsystem“, sagt er.
Dazu speist Precognize sämtliche Daten, die in den Produktionsanlagen anfallen, in die Software. Oft schlummern irgendwo auf Speichermedien Informationen zur Fertigung aus vergangenen Jahren – die Tagebücher von Turbinen, Kesseln und Co. Auch aus ihnen will Linchevski lernen: Gibt es etwa Warnzeichen, die früh verraten, wann ein Rohr zu lecken droht? Wie verändern sich die Messwerte von Druckventilen, bevor sie kaputt gehen?
Die Experten lassen die Daten von Machine-Learning-Algorithmen auswerten. Es sind Programme, die im Informationswust Zusammenhänge erkennen oder Abweichungen von der Norm. Nach einigen Wochen entdeckt die Software sehr zuverlässig solche Anomalien. Experten, die die Fabrik gut kennen, beurteilen die Ergebnisse regelmäßig. Ganz ohne menschliche Erfahrung kommt die künstliche Intelligenz also noch nicht aus.
Auch Mittelständler können mit solch einer smarten Software Schäden vorbeugen. Zwar sei die Technik noch weit davon entfernt, komplette Produktionsstraßen mit vorausschauender Wartung aufzurüsten, sagt Accenture-Experte Vollmer. Denn noch sprechen Maschinen unterschiedlicher Hersteller jeweils ihre eigene digitale Sprache. Trotzdem könne es sich lohnen, Teile der Fertigung mit Sensoren auszustatten und zu vernetzen. So kann Software beispielsweise vorhersagen, wann Werkmaschinen neues Kühlmittel brauchen, und den Mitarbeitern damit Kontrollgänge ersparen.
Das Start-up 3DSignals aus Israel belauscht Maschinen sogar mit Mikrofonen. Deep-Learning-Software analysiert die Aufzeichnungen und erkennt, wenn etwas nicht optimal läuft. Ein Stahlrohrhersteller sparte damit binnen zwei Monaten 180.000 Dollar – weil die Produktion seltener stillstand.
