Eine Maschine muss nicht stillstehen, damit sich ihr Verhalten verändert. Bei pneumatischen Antrieben können Überwachungsanwendungen nach Verschleiß und Anomalien suchen; bei Pumpen lassen sich Veränderungen im elektrischen Antriebssignal auswerten, bei elektrischen Präzisionsantrieben die Motorsignale, die der Controller ohnehin erfasst. Solche Hinweise eröffnen die Möglichkeit, einen auffälligen Zustand zu untersuchen, bevor daraus ein ungeplanter Produktionsausfall entsteht. Sie sagen aber zunächst vor allem eines: Die Anlage verhält sich anders als erwartet.
An dieser Stelle setzt industrielle KI an. Sie wertet Sensor- und Betriebsdaten aus, lernt typische Zusammenhänge oder Verhaltensmuster und meldet Abweichungen. Der Nutzen liegt nicht allein in einer zusätzlichen Warnung auf dem Dashboard. Interessant wird die Analyse, wenn sie die Instandhaltung dabei unterstützt, Prüfungen gezielter anzusetzen und Wartungsentscheidungen auf eine nachvollziehbare Datenbasis zu stellen. Festo, Rockwell Automation, maxon und Bosch Rexroth adressieren diesen Weg mit unterschiedlichen technischen Ansätzen.
Mit der konkreten Antriebsaufgabe beginnen
Festo setzt mit seinen AX Industrial Apps auf abgegrenzte Überwachungsaufgaben. Motion Insights Pneumatic adressiert pneumatische Antriebe, Motion Insights Electric elektrische Antriebe. Die Anwendungen analysieren Maschinendaten, erkennen Veränderungen und sollen gezielte Serviceentscheidungen unterstützen. AX Data Access ergänzt das Portfolio um den Zugang zu Maschinendaten aus Festo-Feldbuskomponenten.
Für die Instandhaltung ist daran vor allem der anwendungsbezogene Einstieg interessant: Nicht zuerst eine möglichst umfassende Datenplattform aufbauen, sondern eine konkrete Komponente und deren Überwachungsbedarf auswählen. Festo beschreibt die Apps als kombinier- und schrittweise erweiterbare Lösungen. Die technische Grundlage bildet der Industrial AI Core, auf dem sich die jeweiligen Anwendungen zusammenführen lassen.
Motion Insights Pneumatic verdeutlicht diesen Ansatz an der pneumatischen Antriebskette. Die Anwendung überwacht sie auf Verschleiß und Anomalien und stellt den Systemzustand übersichtlich dar. Es können auch lineare pneumatische Aktuatoren unterschiedlicher Hersteller einbezogen werden, sofern sie die jeweiligen Voraussetzungen erfüllen.
Festo AX umfasst Anwendungen für Predictive Maintenance, Predictive Quality und Predictive Energy. Die Apps werten Maschinendaten aus und erkennen Veränderungen, um gezielte Serviceentscheidungen zu unterstützen. Bild: Festo
Den Frequenzumrichter als Sensor nutzen
Rockwell Automation verfolgt mit FactoryTalk Analytics GuardianAI einen anderen Zugang: Vorhandene Antriebsgeräte werden zur Datenquelle für die Zustandsüberwachung. Die Software verwendet unter anderem Daten geeigneter Frequenzumrichter, um das Verhalten von Pumpen, Lüftern und Gebläsen zu überwachen. Die Analyse erfolgt lokal auf einer virtuellen Maschine beziehungsweise einem Edge-Gerät.
Der technische Ansatz beruht auf der Auswertung elektrischer Signale. Rockwell nennt dafür die Motorstromsignaturanalyse und eine Integration mit PowerFlex-Umrichtern der Baureihen 755, 755T und 6000T. Statt für die erste Analyse ausschließlich zusätzliche Zustandssensorik zu installieren, nutzt die Lösung Daten, die im Antriebssystem bereits verfügbar sind.
Nach dem Anlernen des Normalverhaltens überwacht GuardianAI die Anlage auf Veränderungen. Rockwell nennt für Pumpen beispielsweise Hinweise auf Laufradunwucht, Kavitation, Wellenfehlausrichtung oder veränderte Strömungsverhältnisse. Die Software liefert damit nicht nur eine Abweichungsmeldung, sondern auch Informationen zu möglichen Ursachen.
Den ganzen Antriebsstrang im Blick
Auch maxon setzt beim Antrieb an, allerdings bei elektrischen Präzisionsantrieben. Die Lösung maxon MIND (motion insights and diagnostics) nutzt Motorsignale, die der Controller während des Betriebs ohnehin ausliest, um auf den Zustand des Antriebssystems zu schließen. In diese Signale fließen nach Herstellerangaben Motor, Getriebe, Encoder, Kupplung und die angetriebene Mechanik ein. Bewertet wird deshalb der gesamte Antriebsstrang und nicht nur der Motor. Ob sich eine Abweichung einer einzelnen Komponente zuordnen lässt, hängt vom jeweiligen Antriebsstrang ab.
Technisch verbindet maxon maschinelles Lernen mit den physikalischen Zusammenhängen des mechatronischen Systems. Auf dem Master-Controller wird ein Softwarepaket installiert, das definierte Diagnosezyklen auslöst, die Motorsignale aufzeichnet und um Kontextinformationen ergänzt. Die verdichteten Daten gehen standardmäßig, etwa per MQTT, an die cloudbasierte maxon-MIND-Plattform. Dort vergleicht das Modell sie mit dem Referenzzustand. Für den Aufbau eines Modells nennt maxon weniger als 100 Referenzzyklen, für eine Diagnose weniger als 20.
Wo die Grenze zwischen akzeptablem Zustand und Handlungsbedarf liegt, wird gemeinsam mit dem Maschinenbauer für die jeweilige Anwendung validiert.
Die Auswertung in die Steuerung holen
Bosch Rexroth setzt an einer anderen Stelle an: bei der Frage, wo ein KI-Modell im Automatisierungssystem läuft. Die Steuerungsplattform ctrlX CORE plus ist nach Herstellerangaben auf allen Leistungsebenen mit KI-Funktionen verfügbar. Ein optionales KI-Modul verarbeitet Daten lokal am Edge; als Anwendungen nennt Bosch Rexroth unter anderem Predictive Maintenance und Qualitätskontrolle in Echtzeit. Die Auswertung rückt damit an die Steuerung heran, die die Prozessdaten ohnehin erfasst.
Ergänzende Funktionen kommen über das Partner-Ökosystem rund um das Betriebssystem ctrlX OS. Für die Bewertung von Zustandsdaten ist beispielsweise ein Ansatz von Signaloid aufschlussreich: Das Unternehmen hat Module für den microSD-Steckplatz der ctrlX-CORE-Steuerungen vorgestellt, die KI-Modelle mit Echtzeitdaten aus dem ctrlX Data Layer ausführen und dabei die Unsicherheit der Ergebnisse quantitativ ausweisen. Hintergrund ist, dass Sensoren Messwerte mit Rauschen und Ungenauigkeiten liefern. Ein Modell, das diese Unsicherheit nicht berücksichtigt, gibt scheinbar präzise Werte aus, deren Verlässlichkeit offenbleibt.
Auf der SPS 2026 stellt Bosch Rexroth zudem den KI-Agenten Agent iXi vor. Er übersetzt Aufgaben in einzelne Schritte und nutzt die dafür erforderlichen Funktionen der Automatisierungsumgebung; das Spektrum reicht von der Komponentenauswahl über die Programmierung bis zum System-Monitoring. Agent iXi befindet sich im Beta-Test und soll Anfang 2027 verfügbar sein.
Agent iXi in ctrlX WORKS von Bosch Rexroth zerlegt Aufgaben in Einzelschritte und nutzt dafür die Werkzeuge, Geräte und Daten der ctrlX-Umgebung. Ergebnisse prüft und gibt der Anwender dann frei. Bild: Bosch Rexroth
Eine Warnung ist noch keine Ausfallprognose
Die vier Ansätze zeigen, warum der Begriff Predictive Maintenance differenziert betrachtet werden muss. Eine Zustandsüberwachung beobachtet Messgrößen. Eine Anomalieerkennung meldet Abweichungen vom erwarteten Verhalten. Hinweise auf mögliche Ursachen gehen einen Schritt weiter. Eine Reststandzeit- oder Ausfallprognose ist nochmals eine andere Aussage. Die beschriebenen Lösungen decken diese Aufgaben unterschiedlich ab.
Für die Praxis wichtig ist aber in jedem Fall eine einfache, aber entscheidende Frage: Was soll nach einem Alarm geschehen? Ein Hinweis auf ein verändertes Pumpenverhalten kann eine gezielte Kontrolle auslösen. Eine auffällige pneumatische Antriebskette kann Anlass sein, Komponenten und Betriebsbedingungen zu prüfen. Ein Verschleißtrend im Antriebsstrang einer Achse kann in die nächste geplante Wartung einfließen. Solche Schritte sind beispielhafte betriebliche Reaktionen – keine automatisch gesicherte Diagnose durch die Software. Die technische Bewertung bleibt Bestandteil der Instandhaltung.
Der eigentliche Fortschritt liegt damit nicht in einer Maschine, die ihren Ausfalltermin zuverlässig selbst verkündet. Er liegt in einer früheren und besser eingeordneten Aufmerksamkeit: Veränderungen werden sichtbar, relevante Komponenten lassen sich gezielter untersuchen, und aus Zustandsdaten kann eine begründete Wartungsentscheidung entstehen. [hjs]
