Am 19. März 2026 haben die Ruhr-Universität Bochum und die Technische Universität Dortmund das Projekt „Do AI Yourself“ ins Leben gerufen. Dieses Forschungsprojekt zielt darauf ab, Konzepte zu entwickeln, die kleinen und mittelständischen Unternehmen (KMU) den Zugang zu KI-basierten Dienstleistungen erleichtern, ohne dass sie über eigene technische Infrastruktur verfügen müssen. Prof. Dr. Jens Pöppelbuß vom Lehrstuhl für Industrial Sales and Service Engineering an der Ruhr-Universität Bochum ist maßgeblich an diesem Vorhaben beteiligt.

Ein zentrales Augenmerk des Projekts liegt auf dem Einsatz von Predictive Maintenance, der vorausschauenden Wartung, die es Unternehmen ermöglicht, Anlagenausfälle vorherzusagen. Dies hat den Vorteil, dass Produktionsausfälle vermieden und die Anlagenverfügbarkeit für die Kunden erhöht wird. In den letzten Jahren hat sich gezeigt, dass unvorhergesehene Ausfälle in maschinenabhängigen Branchen zu erheblichen Produktionsstopps, verpassten Lieferfristen sowie hohen Reparaturkosten führen können. Im Gegensatz dazu bieten traditionelle Wartungsstrategien – sowohl reaktive als auch intervallbasierte – nur begrenzten Schutz.

Herausforderungen und Möglichkeiten für KMU

Eine der größten Herausforderungen für KMU besteht darin, Zugang zu den Nutzungsdaten ihrer Kunden zu erhalten. Darüber hinaus müssen diese Unternehmen in der Lage sein, die notwendige technische Infrastruktur und das Wissen zu haben, um Machine-Learning-Modelle zu entwickeln. Um diesen Anforderungen gerecht zu werden, können KMU auf externe KI-Dienstleister wie Microsoft Azure oder Amazon Web Services zurückgreifen.

Doch при Nutzung dieser externen Angebote stehen die Unternehmen auch vor Bedenken bezüglich Datenschutz und der Sicherheit von Geschäftsgeheimnissen. Das Projekt „Do AI Yourself“ hat sich zum Ziel gesetzt, Geschäftsmodelle für datenbasierte Dienstleistungen zu entwickeln und diese IT-technisch durch die Dortmunder Kollegen vom Lehrstuhl für Enterprise Computing umzusetzen. In enger Zusammenarbeit mit Industriepartnern, einschließlich Softwareunternehmen und Herstellern von CO2-Schneestrahlreinigungs-Anlagen, wird eine Checkliste zur Bewertung von Geschäftspotenzialen durch KI-Dienstleistungen erstellt.

Bausteine der Predictive Maintenance

Die Integration von KI in die Predictive Maintenance ist entscheidend für die Effizienzsteigerung und Kostenreduzierung. Fünf zentrale Bausteine sind notwendig, um diese Technik erfolgreich zu implementieren:

  • Datenaufnahme und Vorbereitung: Eine solide Datenbasis ist entscheidend. Dies umfasst die Integration verschiedener Datenquellen und eine automatisierte Datenbereinigung.
  • Mustererkennung und Anomaliedetektion: Maschinelles Lernen hilft, wiederkehrende Muster zu identifizieren und Anomalien in Echtzeit zu überwachen.
  • Prognosen und Restlebensdauer: KI kann die verbleibende Lebensdauer von Bauteilen vorhersagen und Wartungsprioritäten festlegen.
  • Empfehlungen für die Instandhaltung: KI gibt Empfehlungen für optimale Wartungszeitpunkte und konkrete Maßnahmen basierend auf erkannten Auffälligkeiten.
  • Visualisierung und Reporting: Benutzerfreundliche Dashboards stellen den Zustand der Anlagen in Echtzeit dar und bieten automatisierte Warnmeldungen.

Durch den Einsatz dieser Bausteine kann Predictive Maintenance die Effizienz erhöhen, Risiken verringern und Kosten senken. Prognosen werden mit zunehmendem Datenvolumen genauer, wodurch Probleme frühzeitig erkannt werden können.

Vorteile der KI in der Industrie

Die Implementierung von KI in der Predictive Maintenance hat zahlreiche Vorteile. Studies zeigen, dass Unternehmen durch den Einsatz dieser Technologien ihre ungeplanten Ausfallzeiten um bis zu 30 % reduzieren können. Außerdem ist es möglich, die Reaktionszeit auf 83 % schnellere Service-Lösungen zu erhöhen und die Zeit, die Technikteams vor Ort benötigen, um 75 % zu senken.

Diese Optimierungen tragen nicht nur zur Verbesserung der Produktivität der Beschäftigten bei, sondern auch zur Erhöhung der Arbeitssicherheit und der Kundenzufriedenheit. Letztere ist wesentlich, um die Abwanderung von Kunden zu verringern und die langfristige Bindung zu fördern. Zudem kann Predictive Maintenance dazu beitragen, den Energieverbrauch zu reduzieren und die Lebensdauer von Anlagen zu verlängern.

Die Fortschritte in der KI und im maschinellen Lernen sind ein Schlüssel zu einer effizienteren und nachhaltigeren Industrie. Das Projekt „Do AI Yourself“ wird nicht nur die Technik vorantreiben, sondern auch KMU helfen, in der digitalen Zukunft Fuß zu fassen.