Der KI-Algorithmus OnEfficiency.BreakProtect von Voith erkennt kritische Prozesssituationen in Echtzeit und zeigt dem Betriebspersonal konkrete Gegenmaßnahmen an. Die Saica Paper Group nutzt das System an ihrem Werk Venizel laut Industrial Director Fernando Carroquino zur laufenden Prozessoptimierung; eine Effizienzsteigerung auf über 92 Prozent nennt Carroquino als Zukunftsziel für Papierfabriken, das durch solche digitalen Werkzeuge erreichbar werden soll.
KI-basierte Zustandsprognose für Rotorblätter in Offshore-Windparks
Bislang erfolgte die Wartung von Rotorblättern nach festen Zeitintervallen, was zu unnötigen Eingriffen oder zu spät erkannten Schäden und damit zu Ertragsrisiken führte. Das KI-System analysiert Inspektionsdaten, technische Turbineneigenschaften und Wetterdaten, um den tatsächlichen Wartungsbedarf vorherzusagen und die Instandhaltung wirtschaftlich zu optimieren.
Data Factory der Digitalen Schiene Deutschland
Die gemeinsam mit Fujitsu entwickelte Data Factory kombiniert On-Premises- und Edge-Verarbeitung und verarbeitet Echtzeitdaten aus den Betriebssystemen der Bahn. Sie bildet die technische Basis für einen digitalen Zwilling des Schienennetzes und unterstützt KI-gestützte Entscheidungen bei Betrieb und Instandhaltung, langfristig auch für autonomes Fahren.
KI-Analyse von Smartphone- und Kamerabildern erkennt Straßenschäden automatisch
Statt reaktiver Einzelreparaturen ermöglicht die datengetriebene, KI-gestützte Zustandsanalyse Kommunen eine vorausschauende Instandhaltungsplanung. Für die Lösung erhielt EDGITAL GmbH den Innovationspreis 2025 der Deutschen Verkehrswissenschaftlichen Gesellschaft (DVWG).
RepAIr Buddy: LLM-gestützte Instandhaltungsassistenz bei ZF
Ungeplante Maschinenstillstände verursachten bei ZF hohe Kosten, da die Ursachenermittlung bislang langjährige Erfahrung und aufwendige Recherche erforderte. Der ‚RepAIr Buddy‘ verarbeitet ERP-Daten, Maschinenlogbücher, Reparaturhistorien und Herstellerdokumente in Echtzeit und liefert Technikern konkrete Handlungsempfehlungen. Dadurch verkürzen sich Stillstandszeiten um rund 10 Prozent, im ersten Jahr wurden sechsstellige Summen eingespart.
KI-gestützte Zustandsüberwachung von Windkraftanlagen
Das im Umfeld des de:hub Karlsruhe (Applied AI) entstandene System nutzt PyTorch, TensorFlow, Keras und Scikit-learn, um kontinuierlich Sensordaten von Windkraftanlagen auszuwerten und Anomalien in Echtzeit zu erkennen. Ziel ist es, Blattschäden zu identifizieren, bevor sie zu Betriebsausfällen führen. Die Entwicklung begann 2020 und erreichte nach rund zwei Jahren die Pilotphase; aktuell laufen neun aktive Pilotimplementierungen bei Windenergiebetreibern. Durch die frühzeitige Erkennung sollen Reparaturkosten gesenkt und proaktive statt reaktive Wartungsplanung ermöglicht werden.
KI-gestützte Energiedatenanalyse bei Stamer Musikanlagen
Bei Stamer Musikanlagen GmbH (50–249 Mitarbeitende, St. Wendel), einem Handwerksbetrieb für Musikanlagen und Schreinerarbeiten, basierten Entscheidungen über den Austausch von Anlagen bislang auf Alter und Wartungsstatus statt auf Daten, während volatile Energiepreise die Kosten unkalkulierbar machten. Von Mai bis Oktober 2024 wurde gemeinsam mit dem Mittelstand-Digital Zentrum Saarbrücken eine strukturierte Energieanalyse mit hochauflösenden Messungen an mehreren Anlagenpunkten durchgeführt und mittels KI-gestützter Tools (u. a. IgnAIte, OpenAI) zu Lastprofilen und Prognosen ausgewertet. Die Analyse identifizierte die größten Energieverbraucher und lieferte konkrete Handlungsempfehlungen wie LED-Umrüstung, Heizungsoptimierung und Photovoltaik-Installation als Grundlage für messbare Effizienzgewinne.
RAG-Chatbot zur Wissenssicherung bei GBS Kühlanlagen
Mit dem Mittelstand-Digital Zentrum Augsburg wurde ein dreistufiger Fahrplan entwickelt: Datenschnittstellen zur Systemintegration, eine zentrale Datenbank sowie ein Retrieval-Augmented-Generation-Chatbot (RAG) auf Basis von Sprachmodellen, der Technikern KI-generierte Antworten aus Handbüchern und historischen Lösungen liefern soll. Die technische Umsetzung hat noch nicht begonnen; das Unternehmen befindet sich im Austausch mit einem möglichen Lösungsanbieter, um die ersten Schritte der Roadmap umzusetzen. Erwartet werden schnellere Problemlösungen, gesichertes Erfahrungswissen und perspektivisch auch ein KI-Chatbot für die Kundenannahme.
PUMon: KI-basierte Zustandsüberwachung nicht-intelligenter Anlagenteile
Für Chemieanlagen, bei denen viele Anlagenteile wie Destillationskolonnen, Wärmetauscher oder Rohrleitungen über keine eigene Diagnosefähigkeit verfügen, entwickelte Fraunhofer IOSB gemeinsam mit Bayer Technology Services das System ‚PUMon – Process Unit Monitoring‘. Ein selbstlernender neuronaler Algorithmus korreliert alle verfügbaren Prozessparameter, erkennt Abweichungen von gelernten Normalmustern und verdichtet sie zu einer Ampel-Statusanzeige je Anlagenteil inklusive Rangliste der zehn größten Abweichungen. Das System wurde in umfangreichen Testphasen im Betrieb von Bayer MaterialScience validiert, benötigt kaum Engineering-Aufwand (Modelltraining in rund einer Minute) und ist marktreif für den produktiven Einsatz zur vorausschauenden Instandhaltung.
Predictive Maintenance für Erntemaschinen mit Edge-KI
Erntemaschinen des Landmaschinenherstellers Holmer Maschinenbau arbeiten oft in abgelegenen Gebieten ohne stabile Internetverbindung, wodurch klassische cloudbasierte Predictive-Maintenance-Ansätze nicht funktionieren. Gemeinsam mit dem Telekommunikationspartner Huawei und Fraunhofer IKS wurde daher ein Teil der Analyseintelligenz vom Internet an das Kommunikationsgateway der Maschine verlagert. Sensordaten von kritischen Komponenten wie dem Antriebsstrang werden lokal per Machine-Learning-Algorithmen auf Auffälligkeiten geprüft und bei verfügbarer Konnektivität zusätzlich flottenweit in der Cloud ausgewertet, um Wartungsbedarf frühzeitig zu erkennen, bevor es zu Ausfällen kommt.