KI für Notstromaggregate: Wartungsbedarf erkennen, bevor der Strom ausfällt

TL;DR

Predictive Maintenance für Notstromaggregate analysiert Vibration, Ölqualität, Kühlmitteltemperatur und Startverhalten per KI und erkennt drohende Ausfälle 3-6 Wochen im Voraus. KRITIS-Betreiber -- Krankenhäuser, Rechenzentren, Wasserwerke -- vermeiden damit ungeplante Ausfälle, die je nach Branche 50.000-500.000 EUR pro Stunde kosten. Die Sensorik-Nachrüstung liegt bei 5.000-12.000 EUR pro Aggregat.

Ein Notstromaggregat, das nicht startet, ist wertlos

Notstromaggregate laufen selten. Genau das ist das Problem. Ein Dieselaggregat, das 360 Tage im Jahr steht und nur beim monatlichen Testlauf 15 Minuten unter Teillast läuft, altert trotzdem. Dichtungen verhärten, Dieselkraftstoff bildet Ablagerungen, Starterbatterien verlieren Kapazität.

Die VDMA-Statistik zeigt: 12% aller Notstromaggregate in Deutschland starten bei einem realen Netzausfall nicht zuverlässig. Bei KRITIS-Betreibern ist das keine Unannehmlichkeit -- es ist ein Sicherheitsrisiko. Ein Krankenhaus ohne Notstrom, ein Rechenzentrum ohne USV-Brücke, ein Wasserwerk ohne Pumpenversorgung: Die Folgekosten beginnen bei 50.000 EUR pro Stunde und können in die Millionen gehen.

Klassische Wartung nach Betriebsstunden oder Kalenderintervall (alle 6 Monate) erkennt schleichende Degradation nicht. Die Starterbatterie hat noch 80% Kapazität im August -- und im Oktober bei der ersten Kältewelle nur noch 45%.

Welche Sensoren die KI braucht

Die Nachrüstung bestehender Aggregate ist technisch unkompliziert. Vier Sensortypen decken 90% der relevanten Ausfallmuster ab:

Vibrationssensoren am Motorblock. Erkennen Lagerverschleiß, Unwuchten und Einspritzdüsen-Probleme 4-8 Wochen vor dem Ausfall. Kosten: 800-1.500 EUR pro Sensor, 2-3 Sensoren pro Aggregat.

Ölqualitätssensor. Misst Partikelgehalt, Viskosität und Wasseranteil im Schmieröl. Ölverschlechterung ist der häufigste Grund für Motorschäden bei selten betriebenen Aggregaten. Kosten: 1.200-2.000 EUR.

Kühlmitteltemperatur und -druck. Erkennt Thermostatdefekte und Kühlmittelverlust. Ein überhitztes Aggregat schaltet nach 60 Sekunden ab -- mitten im Notstromfall. Kosten: 400-600 EUR.

Starterbatterie-Monitoring. Misst Innenwiderstand, Spannung unter Last und Temperatur. Die Batterie ist die Schwachstelle Nr. 1 bei Kaltstarts. Kosten: 300-500 EUR pro Batterie.

# Sensor-Konfiguration pro Notstromaggregat
aggregat:
  typ: "Diesel-Notstromaggregat"
  leistung: "500 kVA"
  hersteller: "Caterpillar / MTU / Cummins"

sensoren:
  vibration:
    - position: "Motorblock links (Antriebsseite)"
    - position: "Motorblock rechts (Kupplungsseite)"
    - position: "Generator-Lagerschild"
    messintervall: "100 Hz kontinuierlich (während Testlauf)"
    ruhezustand: "1x pro Stunde Impulsantwort"

  oelqualitaet:
    messgroessen: ["Partikel_um", "Viskositaet_cSt", "Wasser_ppm"]
    messintervall: "alle 4 Stunden"

  kuehlmittel:
    messgroessen: ["Temperatur_C", "Druck_bar", "Fuellstand_pct"]
    messintervall: "alle 15 Minuten"

  batterie:
    messgroessen: ["Spannung_V", "Innenwiderstand_mOhm", "Temperatur_C"]
    messintervall: "alle 30 Minuten"
    lasttest: "automatisch 1x pro Woche (10 Sek. Startermotor)"

edge_gateway:
  hardware: "Industriegateway mit LTE-Modem"
  protokoll: "MQTT an zentrale Plattform"
  lokale_auswertung: "Anomalie-Vorfilter auf Edge"

Gesamtkosten Sensorik: 5.000-12.000 EUR pro Aggregat, abhängig von Leistungsklasse und vorhandener Verkabelung. Die Installation dauert einen halben Tag pro Aggregat bei laufendem Betrieb.

Wie die Vorhersage funktioniert

Das KI-Modell ist kein einzelner Algorithmus, sondern eine Kombination aus Anomalieerkennung und Trendvorhersage.

Schritt 1: Basislinie erstellen. Das System lernt im ersten Monat, wie sich das Aggregat im Normalzustand verhält -- Vibrationsfrequenzen, Ölwerte, Batterie-Innenwiderstand. Jedes Aggregat hat eine eigene Basislinie.

Schritt 2: Anomalien erkennen. Abweichungen von der Basislinie werden bewertet. Ein einzelner Ausreißer ist kein Alarm. Ein Trend über 2-3 Wochen schon. Die KI unterscheidet zwischen saisonalen Effekten (kältere Umgebung = höherer Innenwiderstand) und echten Degradationsmustern.

Schritt 3: Restlebensdauer schätzen. Auf Basis historischer Ausfallmuster berechnet das System, wie lange das Aggregat noch zuverlässig startet. Ausgabe: "Starterbatterie: geschätzte Restkapazität unter Mindestanforderung in 4 Wochen."

In der Praxis sehen wir eine Vorhersagegenauigkeit von 85-92% bei einem Vorlauf von 3-6 Wochen. Das reicht für geplante Wartung ohne Zeitdruck -- und ohne teure Nacht-und-Wochenend-Einsätze.

Was sich rechnet

Rechnen wir für ein Krankenhaus mit 2 Notstromaggregaten à 500 kVA.

Investition: 2x 10.000 EUR Sensorik + 15.000 EUR Plattform und Integration = 35.000 EUR. Jährliche Kosten: 6.000 EUR (Wartung, Cloud, Updates).

Gegenrechnung: Ein ungeplanter Ausfall des Aggregats während eines Netzausfalls löst sofort eine Kaskade aus -- OP-Abbrüche, Intensivpatientenverlegung, Haftungsrisiko. Die Kosten eines einzigen Vorfalls liegen bei 100.000-500.000 EUR. Dazu kommt: Die Versicherung prüft, ob die Wartung dem Stand der Technik entspricht.

Selbst wenn man nur die vermiedenen Notfallreparaturen rechnet (ein Notfall-Serviceeinsatz am Wochenende kostet 3.000-8.000 EUR), amortisiert sich das System in 2-3 Jahren. Für eine vollständige Kostenaufstellung empfehlen wir unsere Budgetvorlage.

Besonderheiten bei KRITIS-Betreibern

Krankenhäuser, Wasserwerke und Rechenzentren unterliegen der BSI-KRITIS-Verordnung. Das hat Auswirkungen auf die KI-Wartungslösung:

Die Sensordaten dürfen nicht unkontrolliert in eine Cloud fließen. Wir empfehlen eine On-Premise-Lösung oder eine Private Cloud mit Standort Deutschland. Manche Anbieter bieten eine Edge-only-Variante: Die KI läuft komplett auf dem Gateway am Aggregat, ohne Internetverbindung. Reporting erfolgt dann per VPN oder manuellen Export.

Das BSI fordert außerdem eine Dokumentation der IT-Komponenten im OT-Bereich. Der Edge-Gateway, die Sensoren, die Netzwerkverbindung -- alles muss ins ISMS (Informationssicherheits-Managementsystem) aufgenommen werden.

Weiteres zur KI-Strategie im Unternehmen und den regulatorischen Rahmenbedingungen haben wir separat aufbereitet.

Häufig gestellte Fragen

Was kostet Predictive Maintenance pro Notstromaggregat? Die Sensorik kostet 5.000-12.000 EUR pro Aggregat einmalig. Dazu kommen die Plattformkosten: 8.000-15.000 EUR für Setup und Integration plus 3.000-6.000 EUR jährlich. Bei einem Standort mit 2 Aggregaten liegen die Gesamtkosten im ersten Jahr bei 25.000-40.000 EUR.

Wie oft muss das System kalibriert werden? Die Vibrationssensoren und Temperatursensoren sind wartungsfrei. Der Ölqualitätssensor benötigt eine jährliche Kalibrierung (ca. 400 EUR). Das KI-Modell wird automatisch nachtrainiert, wenn neue Daten vorliegen -- eine manuelle Kalibrierung ist nicht erforderlich.

Funktioniert das auch bei Gasaggregaten? Ja, mit angepasster Sensorik. Gasaggregate haben andere Verschleißmuster als Dieselaggregate -- Zündkerzen statt Einspritzdüsen, kein Ölverdünnungsproblem. Das Grundprinzip (Vibration, Temperatur, Startverhalten) bleibt gleich, die KI-Modelle werden auf Gas-spezifische Ausfallmuster trainiert.

Wie lange dauert die Installation? Die Sensormontage dauert 4-6 Stunden pro Aggregat und kann bei laufendem Betrieb erfolgen. Das Gateway-Setup und die Anbindung an die Plattform benötigen weitere 1-2 Tage. Die Anlernphase des KI-Modells läuft dann 4-6 Wochen im Hintergrund, ohne den Betrieb zu beeinträchtigen.

Brauche ich einen Wartungsvertrag mit dem Aggregat-Hersteller trotzdem noch? Ja. Predictive Maintenance ersetzt nicht die Wartung, sondern optimiert den Zeitpunkt. Sie wissen 4 Wochen vorher, dass die Einspritzdüsen getauscht werden müssen, statt es beim regulären Intervall zufällig zu entdecken. Der Wartungsvertrag bleibt, aber die Notfalleinsätze entfallen.

Nächster Schritt

Listen Sie alle Notstromaggregate an Ihren Standorten mit Hersteller, Baujahr, Leistung und aktuellem Wartungsintervall auf. Mit dieser Bestandsliste können Anbieter ein konkretes Angebot erstellen. Der KI-Implementierungsleitfaden beschreibt den strukturierten Rollout-Prozess.