Anomalieerkennung an Industriemaschinen: wie sie funktioniert, warum impulsartige Maschinen ein Sonderfall sind und wo wir heute stehen

1. Was Anomalieerkennung ist — und was nicht

Anomalieerkennung beantwortet genau eine Frage: Verhält sich diese Maschine anders als sonst? Sie sagt nicht, welches Bauteil ausfällt, und auch nicht, wann. Sie sagt, dass sich etwas verändert hat — und zwar früh, oft lange bevor der Schwingungswert einen normativen Grenzwert überschreitet.

Sie ist die erste Stufe einer vierstufigen Leiter. Wer die Stufen verwechselt, hat meist falsche Erwartungen:

Der größte praktische Nutzen liegt in den ersten beiden Stufen: sofort zu wissen, dass sich eine Maschine verändert hat, erlaubt es, nachzusehen, bevor sie stillsteht. Eine Prognose dagegen setzt Ausfalldatensätze voraus, die kaum ein Unternehmen besitzt. Deshalb sind wir skeptisch gegenüber allen, die sie „serienmäßig" versprechen — und versprechen sie auch selbst nicht.

2. Warum feste Grenzwerte nicht reichen

Die ISO 20816-3 (seit 2022 Nachfolgerin der ISO 10816-3) definiert vier Zonen — A, B, C, D — abhängig vom Effektivwert der Schwinggeschwindigkeit, der Maschinenleistung und der Aufstellungsart. Sie ist ein wertvolles Werkzeug, und VBOX4AI wendet sie ab der ersten Minute an. Sie hat aber drei strukturelle Grenzen:

1. Sie gilt für einen klar umrissenen Bereich: rotierende Maschinen über 15 kW, zwischen 120 und 30.000 min⁻¹, gemessen an den Lagergehäusen im stationären Betrieb. Eine Presse, eine Verschließmaschine oder eine Kolbenmaschine liegen außerhalb.
2. Sie ist ein absoluter Grenzwert: Eine Maschine, die ihr Leben lang mit 1,2 mm/s läuft und auf 2,5 mm/s steigt, hat sich verdoppelt — bleibt aber in der Zone „zulässig". Die Norm selbst empfiehlt, Alarme relativ zur Baseline der einzelnen Maschine zu setzen, nicht an den Zonengrenzen.
3. Sie ignoriert den Kontext: Derselbe Wert kann bei einer Drehzahl oder einem Produkt normal und bei einem anderen auffällig sein.

3. Die gelernte Baseline: der „Normalzustand" jeder Maschine

Die Antwort auf die Grenzen fester Grenzwerte lautet: den Normalzustand jeder einzelnen Maschine lernen und messen, wie weit sie davon abweicht. Das klingt einfach; die Details entscheiden darüber, ob ein System funktioniert oder nach einem Monat voller Fehlalarme ignoriert wird. Auf diesen Prinzipien ist VBOX4AI aufgebaut:

Die Baseline startet mit dem Go-live: Ab dem ersten Tag meldet das System deutliche Abweichungen; typischerweise nach etwa zwei Wochen realem Betrieb deckt sie die üblichen Betriebszustände ab und arbeitet mit voller Empfindlichkeit — danach verfeinert sie sich im laufenden Betrieb weiter.

4. Die Verarbeitungskette, Schritt für Schritt

Die Arbeit ist zwischen dem Sensor an der Maschine und der Plattform aufgeteilt. Die Reihenfolge ist kein Detail: Jeder Schritt setzt den vorherigen voraus.

1. SensorKontinuierliche Erfassung in drei Achsen mit hoher Abtastrate und Anti-Aliasing-Filter.
2. SensorPrüfung der Signalqualität: Übersteuerung, flaches Signal, verlorene Abtastwerte.
3. SensorMerkmalsberechnung alle 10 Sekunden: Schwinggeschwindigkeit (Effektivwert) je Achse, Kurtosis, Crestfaktor, Energie je Frequenzband, Spektralform.
4. PlattformZustand und Betriebsart: läuft oder steht, Produktionstakt, Betriebszustand.
5. PlattformKontextnormierung: Der durch Drehzahl, Taktrate und Last erklärte Anteil der Streuung wird herausgerechnet.
6. PlattformAnomalie-Score auf der Restabweichung, mit mehreren sich ergänzenden Detektoren: statistische Abweichungen, langsame kumulative Drift, gemeinsame Veränderung mehrerer Merkmale.
7. PlattformZeitliche Konsistenz: Die Abweichung muss bestehen bleiben.
8. PlattformHypothesen: welche Achsen und Bänder betroffen sind, als Orientierung für die Instandhaltung.
9. AusgabeMeldung im Dashboard, im J4BOX-MES oder im System des Kunden.

Warum Merkmale und nicht das Rohsignal? Weil sie den Netzwerkverkehr um Größenordnungen verringern und auch in bescheidenen Industrienetzen funktionieren. Das Rohsignal wird bei Bedarf trotzdem erfasst — etwa in Sitzungen, in denen der Bediener Maschinenzustände kennzeichnet, oder für eine vertiefte Diagnose.

5. Impulsartige Maschinen: warum sie ein Sonderfall sind

Fast die gesamte Fachliteratur zur Schwingungsüberwachung — und fast jedes Produkt am Markt — ist für rotierende Maschinen im stationären Betrieb entstanden: Motoren, Pumpen, Ventilatoren, Getriebe. Das Signal ist kontinuierlich und wiederholt sich, Mittelwerte über ein Fenster sind stabil. Ein großer Teil des installierten Maschinenparks funktioniert jedoch nicht so.

Woran klassische Methoden scheitern

• Der Effektivwert hängt von der Taktrate ab. Läuft die Maschine langsamer, fallen weniger Stöße ins Fenster und der Effektivwert sinkt — ohne dass sich etwas verbessert hätte. Läuft sie schneller, steigt er — ohne dass sich etwas verschlechtert hätte.
• Kurtosis und Crestfaktor sind von Natur aus hoch. Sie sind die klassischen Kennwerte für Lagerschäden, gerade weil sie auf Stöße reagieren; an einer Presse stehen sie immer „auf Alarm" und sagen daher nichts aus.
• Das Spektrum wird von den Takt-Harmonischen dominiert. Ein Kamm von Linien bei der Arbeitsfrequenz und ihren Vielfachen überdeckt die eigentlich interessanten Anteile.
• Normen decken den Fall nicht ab. Die ISO 20816-3 ist für rotierende Maschinen im stationären Betrieb geschrieben; für Pressen, Verschließ- und Taktmaschinen gibt es keine Tabelle mit Referenzwerten.

Wie wir sie angehen

Unser Ansatz beruht auf einer Beobachtung: Die natürliche Einheit einer impulsartigen Maschine ist der Takt, nicht das Zeitfenster.

1. Die Taktrate wird aus der Schwingung gewonnen. Mit Autokorrelation und harmonischer Analyse schätzt das System die Takte pro Minute — ohne Drehgeber und ohne SPS-Anbindung. Das ist zugleich ein eigenständiger Produktionswert: Taktzählung, Stillstände, Verlangsamungen.
2. Das Fenster passt sich der Maschine an. Es muss mindestens drei vollständige Takte enthalten: Eine Maschine mit 10 Takten/min braucht Fenster von mindestens 18 Sekunden, bei 120 Takten/min genügen wenige. Ein festes Fenster für alle ist per Definition falsch.
3. Die Merkmale werden auf Taktrate und Betriebszustand normiert, damit eine Verlangsamung nicht als Verbesserung und eine Beschleunigung nicht als Schaden gilt.
4. Verglichen wird Takt mit Takt. Durch Ausrichten der Stöße bildet das System den typischen Takt der Maschine und misst, wie stark jeder neue Takt davon abweicht: Zeitpunkt der Stöße, Energie jeder Phase, hinzukommende oder fehlende Stöße.

Was gut sichtbar ist — und was schwierig bleibt

6. Wälzlager und hohe Frequenzen: warum der Sensor entscheidet

Lagerschäden zeigen sich zu Beginn als kleine, wiederholte Stöße, die hochfrequente Resonanzen anregen — typischerweise zwischen 1 und 6 kHz und darüber. Erkannt werden sie mit der Hüllkurvenanalyse: Das hohe Band wird isoliert, seine Hüllkurve gebildet und nach den Lager-Schadensfrequenzen gesucht (Außenring, Innenring, Wälzkörper, Käfig).

Dafür braucht es zwei Voraussetzungen, die kein Algorithmus ersetzen kann:

• Bandbreite des Sensors. Die neue VBOX4AI-Generation misst bis 6,3 kHz in drei Achsen. Einfache MEMS-Sensoren mit wenigen hundert Hertz sehen diese Phänomene nicht.
• Starre Montage. Ein Magnetfuß dämpft Frequenzen oberhalb von 1–2 kHz stark — genau dort, wo sich Lagerschäden zeigen. Für die Lagerdiagnose ist die Schraubmontage auf Gewindebolzen Pflicht. Ausführlich dazu in der Ressource über die Grenzen der Schwingungsanalyse.

7. Aktueller Stand von VBOX4AI

Klar zu trennen, was heute funktioniert und was in Arbeit ist, gehört für uns zum Produkt. So ist der Stand im September 2026:

8. Wie wir validieren

In der Anomalieerkennung erhält man leicht glänzende Zahlen, die im Feld nicht halten. Die Regeln, die wir uns gegeben haben:

• Trennung nach Sitzung und nach Maschine. Testdaten werden nie auf Ebene einzelner Stichproben mit Trainingsdaten gemischt: Aufeinanderfolgende Fenster ähneln sich, und das Mischen bläht die Genauigkeit künstlich auf.
• Metriken für Zeitreihen. Wir verwenden VUS-PR, die vom Benchmark TSB-AD (NeurIPS 2024) empfohlene Metrik, statt einer punktweisen Genauigkeit, die belohnt, wer alles meldet.
• Echte Fehler, kontrolliert eingebracht. An einem eigenen Prüfstand — Motor mit Umrichter, Unwuchtscheibe, Platte mit Langlöchern für die Fehlausrichtung, Lagerböcke mit austauschbaren Lagern — wird jeder Fehler bei mehreren Drehzahlen und Intensitäten wiederholt.
• Genauigkeit im konsolidierten Zustand. Im Feld zählt der Zustand, der nach zeitlicher Bestätigung beim Instandhalter ankommt, nicht das einzelne 10-Sekunden-Fenster. Wir berichten beide Werte.

Die Ergebnisse der Kampagnen veröffentlichen wir auf dieser Seite, sobald sie vorliegen.

Häufige Fragen