Eine KI, die einen Blick in die Zukunft wirft

Die richtige Wartung zur richtigen Zeit an der richtigen Stelle

So lief es früher:

Das Instandhalten von Maschinen und Geräten ist für viele Unternehmen ein großer Budgetposten. Gerade komplexe, miteinander verwobene Produktionsprozesse stellen die Beteiligten vor Herausforderungen. Bisher orientierte sich das Takten der Wartungsprozesse häufig an starren Vorgaben wie Zeitraum oder Laufleistung. Wurden diese Vorgaben erreicht, rückte das Serviceteam an. Dies führte zu unnötigen Wartungen, beispielsweise bei Maschinen, die weiterhin fehlerfrei funktioniert hätten. Vermeidbare Stillstände mit all ihren Konsequenzen sind die Folge. KI-Anwendungen eröffnen dagegen die Möglichkeit, den individuellen Bedarf einer Maschine zu prognostizieren und alle Schritte darauf abzustimmen.

Dann kommt KI ins Spiel:

Auch bei Predictive Maintenance spielt die Fähigkeit von KI-Systemen, Muster in großen Datenmengen zu erkennen, die entscheidende Rolle. Sensoren erfassen relevante Betriebsparameter wie Schwingungen, Temperatur oder Druck. Die Expertinnen und Experten trainieren mit Unterstützung der Domänenexperten und Anwender Machine-Learning-Verfahren darauf, in dieser Datengrundlage die Kombinationen aus Faktoren zu erkennen, die auf baldige Betriebsprobleme schließen lassen. Übersteigt die Prognose einen definierten Schwellenwert, weist das System auf den Wartungsbedarf hin oder stößt entsprechende Prozesse automatisch an. KI-Anwendungen haben den Vorteil, dass sie beliebig viele Faktoren miteinander in Kombination setzen und darin Muster erkennen können. So kommen sie zu fundierten Prognosen.

So ist es jetzt:

Die Vorteile dieser datenbasierten, bedarfsgerechten Wartung liegen auf der Hand: Sie reduziert Stillstandzeiten, sorgt für eine bessere Auslastung von Werkstätten und Servicetechnikern und spart – gegenüber routinemäßigen oder zeitbasierten Abläufen – Kosten.

Rund um Wartungsthemen spielen KI-Anwendungen ihre große Stärke aus: Das Erkennen von Mustern, die für das menschliche Auge verborgen bleiben. Sei es, weil die Komplexität der Zusammenhänge oder der Umfang der Datenbasis zu groß sind. Unternehmen können hier schnell tragfähige KI-Anwendungsfälle auf- und umsetzen.

David Märte, Leiter Line of Business “Manufacturing Industry”, adesso SE

Für welche Unternehmen eignet sich der Ansatz?
Für alle Unternehmen mit Wartungsprozessen beziehungsweise -services
Für welche Entscheider ist der Ansatz interessant?
Für alle Verantwortlichen, die sich mit dem Thema Wartung beschäftigen.
Hintergründe für die technisch Interessierten:
Mustererkennung, Machine-Learning-Verfahren

Kontakt

Sie haben Fragen zum Thema Künstliche Intelligenz?

Sie überlegen, welche Möglichkeiten KI Ihrem Unternehmen eröffnen kann? Sie wollen mehr über Anwendungsfälle und Technik erfahren? Wir haben keine Standardantworten im Gepäck – aber wir bringen unser Fachwissen, unsere Neugier auf Ihr Geschäft und unsere Leidenschaft für Technologie mit. Wir freuen uns darauf, mit Ihnen ins Gespräch zu kommen.

Kontakt

KI-Studie

Die KI-Studie: eine Bestandsaufnahme zwischen Möglichkeiten, Maßnahmen und Misstrauen

Über 320 Unternehmensentscheider und 1.000 Endkunden gaben uns einen Einblick in ihre Vorstellungen, Vorurteile und Vorhaben rund um KI. Der KI-Report „Eine Bestandsaufnahme“ fasst die zentralen Ergebnisse zusammen.

Mehr erfahren

KI-Vorgehens- modell

Das KI-Vorgehensmodell: Building AI-based Systems

Das Entwickeln datengetriebener KI-Anwendungen benötigt im Vergleich zu klassischen IT-Lösungen eine andere Projektstruktur und ein anderes Fachwissen der Beteiligten. Unser Ansatz des „Building AI-based Systems“ wird diesen Unterschieden gerecht.

Mehr erfahren