KI & Prognose

KI erkennt, was
Schwellenwerte übersehen.

Das Nodrix KI-Modell lernt das Normalverhalten jeder Maschine und schlägt Alarm, wenn Muster abweichen — auch dann, wenn noch kein Grenzwert überschritten wurde. Früher, präziser, ohne False Positives.

KI-Analyse · Live · Maschinenhalle C
Fräsmaschine #7 · Spindel
Normal ✓ Kein Alarm
Pumpe #3 · Laufrad
Anomalie ⬡ KI-Alarm
Kompressor #1
Normal ✓ Kein Alarm
Drehmaschine #2 · Getriebe
Verdacht ⚠ Beobachten
KI-Konfidenz (Ø) 94.2%

Was ist KI-basierte Anomalie-Erkennung?

Klassische Schwellenwerte reagieren erst, wenn es zu spät ist. KI erkennt, dass etwas falsch läuft — bevor jeder Grenzwert verletzt wird.

Klassische Überwachung funktioniert mit festen Grenzen: Temperatur über 90 °C → Alarm. Das Problem: Die meisten Schäden kündigen sich subtil an — durch Veränderungen im Muster, nicht durch Grenzwertüberschreitungen. Eine Pumpe, die vor dem Ausfall leicht anders vibriert, fällt durch das Raster.

Das Nodrix KI-Modell lernt in den ersten Betriebstagen das normale Verhalten jeder Maschine — inklusive tages- und schichtbedingter Schwankungen. Abweichungen vom erlernten Normalbereich werden erkannt und klassifiziert: Handelt es sich um ein neues Muster? Um eine Drift über Tage? Um eine plötzliche Änderung? Jede Kategorie hat einen eigenen Handlungsvorschlag.

Das Modell aktualisiert sich kontinuierlich. Nach einem geplanten Wartungseingriff lernt es das neue Normalverhalten automatisch — ohne manuelle Rekonfiguration.

Lernt Normalverhalten je Maschine — keine manuellen Schwellenwerte nötig
Erkennt Drift, Muster-Anomalien und plötzliche Abweichungen getrennt
Selbstaktualisierung nach Wartungseingriffen
Konfidenzwert je Alarm — kein Alarm ohne Begründung
Korrelation über mehrere Sensoren gleichzeitig
3–5×
frühere Erkennung von Maschinenfehlern durch KI-Anomalieerkennung im Vergleich zu statischen Schwellenwerten
Fraunhofer IPA, Predictive Maintenance Studie 2022
7d
Einlernzeit — nach 7 Betriebstagen ist das Modell kalibriert und einsatzbereit
Unsupervised Learning · Automatische Kalibrierung
94%
Erkennungsrate von Anomalien in Industriemaschinen durch unüberwachte ML-Modelle
IEEE Transactions on Industrial Electronics, 2023

Wie die KI lernt und alarmiert

Von der Datenerfassung bis zum präzisen Alarm — vollautomatisch in drei Schritten.

Schritt 01

Normalverhalten einlernen

In den ersten 7 Betriebstagen beobachtet das Modell die Maschine ohne Alarm zu erzeugen. Es lernt die typischen Vibrations- und Temperatursignaturen für jeden Betriebszustand — Anlauf, Volllast, Teillast, Standby — und baut daraus ein mehrdimensionales Normalmodell auf.

Schritt 02

Abweichungen erkennen

Ab Tag 8 vergleicht das Modell kontinuierlich die aktuellen Messwerte mit dem gelernten Normalbereich. Statistisch signifikante Abweichungen werden klassifiziert — als Drift (langsam), Spike (plötzlich) oder Musterwechsel (strukturell) — und mit einem Konfidenzwert versehen.

Schritt 03

Alarm mit Diagnose senden

Erreicht die Konfidenz einen einstellbaren Schwellenwert (Standard: 85%), sendet das System einen Alarm inklusive Anomalie-Typ, betroffenem Sensor, zeitlichem Verlauf und Handlungsempfehlung. Der Alarm kann ins ERP/CMMS weitergeleitet werden oder direkt an den Schichtleiter gehen.

So sieht Ihr KI-Dashboard aus

Anomalie-Timeline, Konfidenzwerte und Erklärungen der KI — auf einen Blick.

Im Vollbild öffnen
Nodrix Cloud — KI-Anomalieerkennung · Halle C
1 KI-Alarm aktiv 1 in Beobachtung
Anomalie-Signal · Pumpe #3 · Laufrad (aktiver Alarm)
Normalbereich KI-Anomalie erkannt
Tag −14 Tag −7 Anomalie erkannt Heute
Anomalie-Typ
Drift-Anomalie — aufsteigend
Vibrationsamplitude steigt seit 6 Tagen kontinuierlich — kein Grenzwert verletzt, aber außerhalb des Normalmodells.
KI-Diagnose
Laufradunwucht im Frühstadium
Muster entspricht mit 94% Konfidenz einem beginnenden Laufradschaden. Empfehlung: Sichtprüfung innerhalb 72h.
Konfidenz-Verlauf · Pumpe #3
Tag −6
38%
Tag −4
61%
Tag −2
78%
Heute
94%
Alarm ausgelöst bei Konfidenz ≥ 85% · konfigurierbar je Maschinentyp
Alarm-Log heute
09:14 — KI-Alarm
Pumpe #3 · 94% Konfidenz
07:52 — Beobachtung
Drehmaschine #2 · 61%
Gestern 23:10 — Normalisiert
Kompressor #1 nach Wartung
Automatisch weitergeleitet
→ SAP PM Auftrag #WO-2851
→ Instandhaltungsleiter (E-Mail)

Beispielansicht — Nodrix Cloud Dashboard · Ihre Maschinendaten erscheinen nach der Einlernphase.

Was unsere Kunden erreichen

3–5×
frühere Erkennung von Lager- und Getriebeschäden vs. klassische Schwellenwerte
Nodrix Feldstudien 2024
<2%
False-Positive-Rate — kein Alarm-Fatigue in der Instandhaltung
Validierung 14 Betriebe, 2025
7d
Einlernzeit — danach vollautomatischer Betrieb ohne Konfiguration
Durchschnitt aller Maschinentypen
94%
Erkennungsrate bei bestätigten Lager- und Pumpenschäden
Rückwärtsanalyse Kundendaten

Wer profitiert — und wie

Drei typische Szenarien aus deutschen Produktionsbetrieben.

Pharmaindustrie · Abfüllung
Dosierventile & Abfüllpumpen — Anomalie vor Chargenausfall
Ausgangssituation
Abfüllpumpen zeigten keine Grenzwertverletzungen vor dem Ausfall — klassische Überwachung lieferte keinen Alarm. Chargenausfall kostet 40.000–120.000 €.
KI erkannte Drift-Anomalie 4 Tage vor Ausfall — Charge gerettet
Papierfabrik · Massepumpen
Kavitationserkennung vor Pumpenschaden
Ausgangssituation
Kavitation erzeugt spezifische Vibrationsmuster, die mit festen Schwellenwerten nicht erfassbar sind. Schäden traten regelmäßig ohne Vorwarnung auf.
Kavitationsmuster zuverlässig erkannt — 2 Pumpenausfälle verhindert
Automobilzulieferer · Pressen
Werkzeugverschleiß — graduell und frühzeitig erkannt
Ausgangssituation
Werkzeugverschleiß in Pressen führt zu graduellen Veränderungen in Vibration und Energie. Grenzwerte helfen hier nicht — die Abweichungen sind zu subtil.
Werkzeugwechsel im optimalen Zeitfenster — kein Notfall-Stopp mehr

Das KI-Modell im Detail

Transparent und erklärbar — jeder Alarm kommt mit Begründung und Konfidenzwert.

KI-Modell
Modell-TypUnsupervised Anomaly Detection
Einlernzeit7 Tage (automatisch)
Anomalie-TypenDrift, Spike, Musterwechsel
Konfidenz-SchwelleKonfigurierbar (Standard: 85%)
SelbstaktualisierungAutomatisch nach Wartung
ErklärbarkeitAlarm-Begründung je Ereignis
Integration & Alarmierung
EingangsdatenVibration, Temperatur, Energie
KorrelationBis zu 8 Sensoren gleichzeitig
AlarmierungE-Mail · Telegram · Webhook
ERP-AnbindungSAP PM, Siemens MES, Custom
DashboardNodrix Cloud, Alarm-Timeline
Datenspeicher24 Monate Anomalie-Historie

Passende Produkte

Die KI-Anomalieerkennung läuft auf Daten der Nodrix Sensoren und Gateways — keine zusätzliche Hardware nötig.

NSTV-01-01 Sensor
Sensor
NSTV-01-01
Vibrations- & Temperatursensor — Rohdaten für das KI-Modell
NGC1-01-01 Gateway
Gateway
NGC1-01-01
Gateway mit 1× RTU — überträgt Sensordaten verschlüsselt in die Nodrix Cloud

KI, die Ihre Maschinen besser kennt als Sie.

Sprechen Sie mit unserem Team. Wir zeigen Ihnen in 30 Minuten, wie die Nodrix KI-Anomalieerkennung in Ihrer Produktion arbeitet — kostenlos und unverbindlich.

Kostenlose Demo anfragen Machine Health Score ansehen