Daten verstehen statt nur erfassen

„Digitale Applikationsentwicklung bedeutet für uns, aus vorhandenen Daten einen echten Mehrwert zu generieren“, erklärt Johannes Lippert, der seit rund fünf Jahren als Entwicklungsingenieur bei F. Zimmermann arbeitet. In der Praxis kann das sehr unterschiedlich aussehen: Zunächst liefert jeder Sensor einen einzelnen Messwert, der weiterverarbeitet werden kann. Im einfachsten Fall signalisiert eine Anzeige, ob sich die Maschine im Sollzustand befindet oder nicht. Hierin liegt jedoch ein grundlegender Schwachpunkt. Ein einzelner Sensor kann mit einem falschen Signal bereits zum Problem werden. Deutlich mehr Potenzial entsteht jedoch, wenn zahlreiche Sensorsignale gemeinsam bewertet werden. Durch die intelligente Verknüpfung dieser Daten lassen sich Muster erkennen und komplexe Aussagen ableiten, etwa darüber, ob eine Maschine im optimalen Leistungsbereich arbeitet oder ob sich Verschleiß abzeichnet.

Moderne Fräsmaschinen erfassen heute eine Vielzahl von Betriebsdaten. Je nach Konfiguration kommen 30 bis 50 Sensoren zum Einsatz, die unter anderem Temperaturen, Schwingungen oder Lastzustände überwachen. Die meisten dieser Sensoren werden zur Regelung oder Überwachung einer bestimmten Komponente des Bearbeitungszentrums verwendet. Werden diese Signale miteinander verknüpft und kontinuierlich ausgewertet, ermöglicht dies die Bewertung nicht nur einzelner Komponenten, sondern auch der Zustandsentwicklung gesamter Systeme. Dies wird als kontinuierliche Zustandsüberwachung oder Condition Monitoring bezeichnet.

„Die Herausforderung liegt jedoch nicht in der Erfassung der Werte selbst, sondern in deren Interpretation“, erläutert Lippert. „Denn viele Daten allein bringen wenig Fortschritt. Das Ziel muss es sein, die Daten so zusammenzufassen und darzustellen, dass jeder Anwender in der Lage ist, das Ergebnis zu interpretieren.“ Statt viele einzelne Messwerte erhält der Anwender eine klar visualisierte Aussage zum Zustand seiner Werkzeugmaschine. Am Ende sollte es möglich sein, die sehr komplexen Zusammenhänge von einzelnen Signalen durch intelligente Algorithmen und belastbare Methoden auf eine Ampel-Logik zu reduzieren oder sogar eine verbleibende Lebensdauer in Stunden angeben zu können.

Fokus auf kritische Komponenten

Um ungeplante Maschinenstillstände zu vermeiden, ist es wichtig zu verstehen, wie ein Schaden entsteht. Erst daraus lassen sich geeignete Maßnahmen ableiten. So kann ein verschleißbedingter Ausfall in einen geplanten Wartungstermin überführt oder eine Fehlanwendung als Ursache identifiziert und künftig vermieden werden. Zu den teuersten und zugleich kritischsten Komponenten zählt die Werkzeugspindel. Ein Ausfall führt unmittelbar zum Stillstand der gesamten Anlage, und eine falsche Anwendung kann die Lebenszeit substanziell verkürzen. Der Maschinenbauer verfolgt daher das Ziel, die Zustandsentwicklung der Spindel möglichst präzise vorherzusagen. Hierfür sollen nicht nur einzelne Grenzwerte überwacht werden: Künftig geht es darum, Datenzusammenhänge ganzheitlich auszuwerten, um frühzeitig Verschleißmuster zu erkennen.

Lippert veranschaulicht den Ansatz mit einer einfachen Analogie: „Man kann sich die Lebensdauer einer Komponente wie ein Wasserglas vorstellen. Entscheidend ist, wie voll es ist, wie oft daraus getrunken wird und wie groß die einzelnen Schlucke sind. Wenn wir diese Faktoren kennen und regelmäßig messen, wie viel Wasser noch im Glas ist, können wir genau vorhersagen, wann das Glas leer sein wird.“ Dazu müssen die relevanten Faktoren in einem Monitoring-System abgebildet werden.

Der Nutzen für den Anwender liegt auf der Hand: Durch dieses gezielte Vorgehen lassen sich Stillstände besser planen und unvorhergesehene Ausfälle vermeiden. Wartungsmaßnahmen können gezielt in produktionsfreie Zeiten gelegt werden.

Gleichzeitig ermöglicht die Datenauswertung eine fundierte Ursachenanalyse: Wiederkehrende Schäden lassen sich auf bestimmte Prozesse oder Nutzungsweisen zurückführen. „Wenn wir verstehen, warum eine Komponente verschleißt, können wir entweder den Prozess anpassen oder die Konstruktion optimieren“, sagt Lippert.

Damit geht Condition Monitoring über reine Überwachung hinaus: Es wird zum Werkzeug für kontinuierliche Verbesserung. „Wir können unsere Lösungen weiter optimieren. Der Anwender profitiert damit von weniger Ausfällen. Wir geben unseren Kunden ein Werkzeug, um ihre eigenen Prozesse besser zu analysieren, Bottlenecks zu identifizieren und da zu verbessern, wo es sich wirklich lohnt.“

Lokale Datenverarbeitung statt Cloud

Ein zentrales Thema bei der Umsetzung ist die Datensicherheit. Viele Zimmermann-Maschinen werden in sicherheitskritischen Bereichen wie der Luft- und Raumfahrt oder der Wehrtechnik eingesetzt. Entsprechend hoch sind die Anforderungen an den Schutz sensibler Informationen. Die Lösung: Die Datenverarbeitung erfolgt direkt an der Maschine. „Unser Ziel ist ein vollständig lokales System, das ohne Cloud-Anbindung auskommt“, erklärt Lippert. „Wir arbeiten mit kompakten Recheneinheiten vor Ort und entwickeln Modelle, die ohne ständiges Nachtrainieren funktionieren.“ Dieser Ansatz reduziert nicht nur Sicherheitsrisiken, sondern auch den Bedarf an Rechenleistung und Infrastruktur.

Künstliche Intelligenz (KI) spielt bei der Auswertung der Daten eine wichtige Rolle. Allerdings setzt Zimmermann bewusst auf einen strukturierten Einsatz. „KI ist letztlich Statistik mit sehr viel Rechenleistung“, sagt Lippert. „Entscheidend ist, dass wir uns vorher genau überlegen, welche Daten relevant sind, und welche Zusammenhänge bestehen. Nur dann können wir verlässliche Ergebnisse erzielen.“ Statt möglichst viele Daten ungefiltert zu verarbeiten, liegt der Fokus auf einer gezielten Auswahl und Vorstrukturierung. Das reduziert die Komplexität und verbessert die Qualität der Modelle. Die eigentliche Mustererkennung und Gewichtung übernimmt anschließend die KI.

Ein weiterer Vorteil der datenbasierten Ansätze zeigt sich im Service. Statt lediglich die Meldung „Maschine steht“ zu erhalten, können Serviceteams künftig auf detaillierte Zustandsinformationen zugreifen. Das ermöglicht eine bessere Einsatzplanung, eine gezielte Vorbereitung und im Idealfall kürzere, planbare Down-Times. Benötigte Ersatzteile können im Vorfeld identifiziert und direkt mitgebracht werden.

Auch im laufenden Betrieb profitieren Anwender: Frühzeitig erkannte Abweichungen verhindern Ausschuss und sichern die Bauteilqualität, denn verschlissene Komponenten wirken sich nicht nur auf die Verfügbarkeit, sondern auch auf die Qualität der Bearbeitung aus.

Perspektiven: Von der Analyse zur Prognose

„Aktuell konzentrieren wir uns auf die Überwachung zentraler Komponenten und die Ableitung grundlegender Zustandsinformationen“, berichtet Lippert. „Perspektivisch sollen daraus weitergehende Prognosen entstehen.“ Damit lassen sich nicht nur der aktuelle Zustand bewerten, sondern auch zukünftige Entwicklungen vorhersagen, unter anderem die verbleibende Lebensdauer einer Komponente oder die zu erwartende Performance bei bestimmten Bearbeitungsstrategien. Langfristig sind auch Assistenzsysteme denkbar, die aus CAD-Daten automatisiert optimale Fertigungsstrategien ableiten. Dabei ließen sich unterschiedliche Zielgrößen wie Bearbeitungszeit, Oberflächenqualität oder Werkzeugverschleiß berücksichtigen. Die Datenpipeline wird außerdem genutzt, um Anwendern einige Insights bereitzustellen, zum Beispiel welche Werkzeuge oder Programme welche Daten erzeugen. „Das ist ein Nebenprodukt, das einfache Optimierungen ermöglicht“, sagt Lippert.

Für Zimmermann ist diese Entwicklung Teil einer übergeordneten Strategie. Der Leitsatz „Beyond Precision“ steht für einen erweiterten Präzisionsbegriff, der über reine Maßgenauigkeit hinausgeht. „Eine gute Maschine definiert sich nicht durch einen einzelnen Kennwert“, beschreibt Geschäftsführer Frieder Gänzle. „Entscheidend ist das Zusammenspiel aus Präzision, Dynamik, Prozesssicherheit und Wirtschaftlichkeit. Mit der gezielten Nutzung von Daten, Condition Monitoring und KI arbeiten wir daran, diese Faktoren noch enger miteinander zu verzahnen und die Leistungsfähigkeit der Maschinen weiter zu steigern.“

Quelle: F. Zimmermann