Genau hier setzt SF2 Systems an. Statt einzelne Messgrößen isoliert zu betrachten, verbindet die Technologie vorhandene Sensor- und Betriebsdaten zu einem gemeinsamen Bild des Anlagenzustands. Dadurch wird vergleichbar, ob sich eine Maschine heute noch so verhält wie gestern – oder ob sich ihr Gesamtzustand bereits schleichend verändert.

Mit der seit dieser Woche verfügbaren SF2 Suite steht dieser Ansatz nun erstmals als direkt nutzbares Werkzeug für industrielle Anwender bereit. Die kostenlose SF2 Suite SE ermöglicht es, vorhandene Sensor- und Prozessdaten lokal auf dem eigenen Rechner zu analysieren, Zustände zu modellieren und miteinander zu vergleichen.

Wenn nicht der einzelne Wert, sondern das Muster kippt

Moderne Industrieanlagen produzieren längst große Mengen an Daten. Druck, Temperatur, Durchfluss, Stromaufnahme, Drehzahl, Vibration, Ventilstellungen und zahlreiche weitere Parameter werden laufend erfasst.

Das Problem ist deshalb häufig nicht, dass Daten fehlen. Die eigentliche Herausforderung besteht darin, zu erkennen, was diese Werte gemeinsam über den Zustand einer Anlage aussagen.

Ein Lager verschleißt nicht zwangsläufig so, dass plötzlich ein einzelner Messwert aus dem Rahmen fällt. Eine Pumpe verändert ihre Charakteristik nicht immer mit einem eindeutigen Alarm. Ein Ventil kann langsam an Dichtheit verlieren, ein Prozess über Tage oder Wochen aus seinem optimalen Bereich driften.

Jeder einzelne Wert kann dabei weiterhin plausibel aussehen.

Das Gesamtbild aber nicht mehr.

SF2 verarbeitet deshalb mehrere relevante Signale gemeinsam und überführt den jeweiligen Systemzustand in einen kompakten semantischen Fingerprint. Ähnliche Zustände erzeugen ähnliche Fingerprints. So lässt sich der aktuelle Zustand mit früheren, normalen, Übergangs- oder bekannten kritischen Zuständen vergleichen und seine Entwicklung über die Zeit nachvollziehen.

Die entscheidende Frage lautet damit nicht nur:

„Welcher Sensor hat einen Grenzwert überschritten?“
Sondern:
„Verhält sich meine Anlage als Ganzes noch so wie zuvor?“

Vier Tage vor dem dokumentierten Ausfall 

Wie relevant dieser Unterschied sein kann, zeigte sich unter anderem bei der Analyse eines realen Wasserpumpensystems. Dort wurden Veränderungen im zusammengesetzten Anlagenzustand bereits vier Tage vor einem dokumentierten Ausfall sichtbar.

Entscheidend war dabei nicht ein einzelner spektakulär auffälliger Messwert, sondern die Entwicklung des Musters über mehrere Signale hinweg.

„Für Betreiber ist entscheidend, nicht noch mehr Daten zu bekommen, sondern früher zu wissen, wann sie handeln sollten“, sagt Christoph Gretzmacher, Business Development bei SF2 Systems. „Wenn sich eine relevante Veränderung im Gesamtzustand frühzeitig erkennen lässt, kann aus einem ungeplanten Eingriff eine planbare Wartung werden – und genau dort entsteht der praktische Nutzen.“

Der Pumpenfall ist dabei kein Versprechen, dass sich jeder Defekt vier Tage im Voraus erkennen lässt. Er zeigt vielmehr, welche zusätzliche Information im Zusammenspiel bereits vorhandener Daten stecken kann, wenn nicht nur einzelne Messwerte, sondern ganze Systemzustände miteinander verglichen werden.

Was tun, wenn es kaum Fehlerbeispiele gibt?

Genau hier stößt klassische datengetriebene Zustandsanalyse in der Industrie häufig auf ein weiteres Problem: Echte Fehler sind glücklicherweise selten.

Für viele Maschinen existieren deshalb keine tausenden sauber gelabelten Beispiele dafür, wie sich Lagerdefekt A, Pumpenschaden B oder Prozessfehler C in den Daten ankündigt.

SF2 benötigt keine großen gelabelten Fehlerdatensätze und kein klassisches überwachtes Fault-Training. Je nach Anwendungsfall kann die relevante semantische Struktur zunächst aus historischen Betriebsdaten gelernt werden.

Ist das daraus entstandene Modell anschließend fixiert und versioniert, arbeitet die Laufzeitanalyse reproduzierbar und deterministisch: Gleiche Eingangsdaten führen zur gleichen Transformation, zum gleichen Fingerprint und zum gleichen Vergleichsergebnis.

Damit steht nicht eine schwer nachvollziehbare Black-Box-Prognose im Mittelpunkt, sondern der nachvollziehbare Vergleich realer Systemzustände und ihrer Veränderung über die Zeit.

Gerade dort, wo Betreiber Entscheidungen über Wartung, Betrieb oder kritische Infrastruktur treffen müssen, ist diese Nachvollziehbarkeit ein wesentlicher Unterschied.

Vorhandene Anlagen weiter nutzen

SF2 ist nicht auf eine bestimmte Maschine, einen Sensorhersteller oder eine neu errichtete „Smart Factory“ zugeschnitten. Die Technologie ist vielmehr dafür ausgelegt, mit den Daten zu arbeiten, die in industriellen Umgebungen bereits entstehen – etwa aus Sensorik, Maschinensteuerungen, Historian-Systemen oder Prozessleittechnik.

Damit eignet sich SF2 insbesondere für Brownfield- und OT-Umgebungen. Bestehende Automatisierungs-, SCADA-, MES- oder Condition-Monitoring-Systeme bleiben erhalten; SF2 ergänzt sie um eine zusätzliche Ebene, auf der sich Anlagenzustände als Ganzes erfassen und miteinander vergleichen lassen.

Das ist vor allem dort interessant, wo viele technische Signale zusammenwirken – etwa in Produktionsbetrieben, im Maschinenbau, in Energie- und Versorgungssystemen, in der Wasser- und Abwasserwirtschaft oder in der Prozessindustrie.

Analyse und produktive Ausführung können dabei innerhalb der eigenen Infrastruktur, am Edge oder On-Premises erfolgen. Sensible Produktions- und Betriebsdaten müssen das Unternehmen nicht verlassen – ein Aspekt, der angesichts steigender Anforderungen an Datenhoheit, Cybersecurity, Cyberresilienz und Business Continuity zunehmend an Bedeutung gewinnt.

Vom historischen Datensatz bis zum laufenden System

Der Einstieg kann sehr pragmatisch erfolgen.

Oft genügt zunächst ein Export historischer Sensor- oder Prozessdaten. Mit der kostenlosen SF2 Suite SE lassen sich daraus Zustände modellieren und miteinander vergleichen. Zeigt sich ein belastbarer Anwendungsfall, kann dieser mit der SF2 Suite RT in den Echtzeitbetrieb überführt und über eine SF2 Engine RT produktiv ausgeführt werden.

Die Engine verarbeitet fortlaufend neue Daten und kann erkannte Zustandsänderungen oder Trigger an übergeordnete Systeme weitergeben. So kann aus einer ersten Analyse Schritt für Schritt eine produktive Zustandsüberwachung entstehen – ohne den Einstieg bereits zu einem großen Infrastrukturprojekt zu machen.

Die schwierigen Fälle sind besonders interessant

Besonders interessant sind komplexe Anlagen, bei denen viele Signale zusammenwirken, Betriebszustände wechseln und Veränderungen schleichend entstehen. Genau dort reichen einzelne Grenzwerte oft nicht aus, um das Gesamtbild zu erfassen.

Solche Fragestellungen adressiert SF2 auch mit der Edge Challenge.

Unternehmen können reale industrielle Anwendungsfälle und historische Daten einbringen. SF2 prüft, ob sich relevante Zustände, Übergänge oder frühe Veränderungen darin nachvollziehbar modellieren lassen – bevor größere Investitionen in Integration und Rollout erfolgen.

Denn am Ende geht es um eine einfache Frage:Wenn die Daten ohnehin vorhanden sind – was lässt sich daraus erkennen, wenn man die Anlage nicht Sensor für Sensor, sondern als zusammenhängendes System betrachtet?

SF2 selbst ausprobieren
Die kostenlose SF2 Suite SE ist ab sofort unter https://sf2systems.com/… verfügbar.

–> Alle weiterführenden Editionen stehen ab 14. September 2026 im SF2 Shop unter www.sf2systems.com/shop zum Download bereit.