Maschinen sind auch nur Menschen

Wer glaubt, Maschinen sind keine Menschen hat sicherlich recht. Er hat aber auch gewissermaßen unrecht: denn in manchen Eigenschaften verhalten sich Maschinen wie Menschen.

Die Analogie, die hier und heute ziehen möchte, basiert auf Erfahrungen unseres Projekts bei der DB Cargo. Diese Analogie tritt aber auch in jedem anderem Predictive Maintenance-Projekt auf.

Die DB Cargo unterhält ca. 4.000 Zugmaschinen, die in ganz Europa eingesetzt werden. Jede Zugmaschine, ob von Siemens oder Bombardier sendet Daten aus ca. 900 Datenquellen, die alle mehr oder weniger ausgewertet werden. Im Motorblock kam es immer wieder zu ungeplanten Ausfällen, die die Zugmaschine-Hersteller nicht in den Griff bekamen. Kam nun der Service-Techniker zur Reparatur des Motorblocks schaute er natürlich, wie die Betriebsumgebung zum Zeitpunkt seiner Reparatur aussah. Diese Erkenntnisse lieferte er an die Triebwagen-Hersteller, die mit diesen Daten aber keine Erkenntnisse für die Gründe des Ausfalls erkennen konnten.

Dies ist nicht verwunderlich. Denn im Laufe unseres Predictive Maintenance-Projektes konnte festgestellt werden, dass nicht die Betriebsumgebungen zum Zeitpunkt des Ausfalls maßgeblich waren, sondern Events, der viel früher (ca. 3 Wochen) stattgefunden hatten. Hier haben die Motorblöcke abnormale Muster aufgewiesen, die erst viel später zum Ausfall führten. Es sind also die Betriebsumgebungen zum Zeitpunkt des erstmaligen Auftretens von abnormalen Mustern als maßgeblich zu betrachten, möchte man die Ursachen für diese Fehler erkennen.

Erinnert das nicht an den Menschen? Auch beim Menschen liegen Ursachen und Ausbruch einer Krankheit sehr häufig zeitlich sehr lange (bis zu Jahren) auseinander. Auch beim Menschen muss die Ursachenforschung häufig viel früher ansetzen. Insoweit sind Maschinen auch nur Menschen.

Weitere Beispiele zu Predictive Maintenance erhalten Sie auch auf unserem Online-Zukunftsforum Daten. Hightech. Menschen. am 15. März.