KI für Windrad-Getriebe: Ölanalyse automatisch

TL;DR

Getriebedefekte verursachen 35% aller ungeplanten Windrad-Stillstände und kosten pro Vorfall 180.000–450.000 Euro. KI-gestützte Ölanalyse erkennt Verschleißpartikel, Wassergehalt und Viskositätsveränderungen in Echtzeit und prognostiziert Ausfälle bis zu 6 Monate im Voraus. Windparkbetreiber senken damit Instandhaltungskosten um 28% pro Anlage.

Warum das Getriebe die Achillesferse der Windkraftanlage ist

Das Getriebe einer Windkraftanlage überträgt die langsame Rotordrehzahl von 12–18 U/min auf die Generatordrehzahl von 1.500 U/min. Diese Übersetzung belastet Zahnräder, Lager und Dichtungen permanent mit wechselnden Lasten.

Die Ausfallstatistik ist eindeutig: Getriebedefekte machen 35% aller schwerwiegenden Störungen aus. Ein Getriebetausch kostet je nach Anlagentyp zwischen 180.000 und 450.000 Euro, hinzu kommen Ertragsausfälle von 2.000–4.000 Euro pro Stillstandstag.

Konventionelle Wartung setzt auf feste Intervalle: Alle 6 Monate Ölprobe entnehmen, ins Labor schicken, 5–10 Tage auf Ergebnisse warten. Zwischen den Proben fährt die Anlage blind.

Wie die KI-gestützte Ölanalyse funktioniert

Online-Sensorik im Ölkreislauf

Statt halbjährlicher Probenahme messen Inline-Sensoren kontinuierlich vier Schlüsselparameter:

Partikelzählung: Optische Sensoren zählen und klassifizieren metallische Verschleißpartikel nach ISO 4406. Steigende Partikelkonzentrationen deuten auf beginnenden Zahnflanken- oder Lagerverschleiß hin.

Wassergehalt: Kapazitive Sensoren messen die relative Feuchte im Öl. Werte über 60% Sättigung beschleunigen die Alterung exponentiell und fördern Pittingbildung an Lagern.

Viskosität: Inline-Viskosimeter überwachen die Schmierfilmdicke. Abfallende Viskosität signalisiert Ölalterung oder Verdünnung durch Kondensat.

Temperatur: Thermoelemente an Lagerstellen und im Ölsumpf erkennen lokale Überhitzung als Frühindikator für Lagerschäden.

Datenarchitektur

# windrad-oelanalyse/config.yaml
sensoren:
  partikelzaehler:
    typ: "parker_icountpd"
    messintervall: 60  # Sekunden
    parameter:
      - "iso_4406_4um"
      - "iso_4406_6um"
      - "iso_4406_14um"
    grenzwerte:
      warnung: "19/17/14"
      alarm: "21/19/16"

  wassergehalt:
    typ: "vaisala_mmp8"
    messintervall: 300
    grenzwerte:
      warnung_prozent: 50
      alarm_prozent: 70

  viskositaet:
    typ: "rheonics_srd"
    messintervall: 600
    referenzwert_cst_40: 320
    toleranz_prozent: 15

  temperatur:
    positionen:
      - "lager_antriebsseite"
      - "lager_abtriebsseite"
      - "oelsumpf"
    messintervall: 30
    delta_t_warnung: 15  # Kelvin über Normal

ki_modell:
  algorithmus: "lstm_autoencoder"
  trainingsdaten: "24_monate_historisch"
  vorhersagehorizont: "180_tage"
  retraining: "monatlich"

scada_anbindung:
  protokoll: "opcua"
  server: "wka_{anlagen_id}.windpark.local"
  variablen:
    - "leistung_kw"
    - "rotordrehzahl"
    - "windgeschwindigkeit"
    - "generatortemperatur"

KI-Modell: LSTM-Autoencoder

Das KI-Modell kombiniert Ölanalysedaten mit SCADA-Betriebsdaten (Leistung, Drehzahl, Windgeschwindigkeit). Ein LSTM-Autoencoder lernt das normale Betriebsverhalten und erkennt Abweichungen als Anomalien.

Der Vorteil gegenüber festen Grenzwerten: Das Modell berücksichtigt saisonale Schwankungen und lastabhängige Veränderungen. Eine Partikelzunahme bei Starkwind ist normal, dieselbe Zunahme bei Schwachwind deutet auf ein Problem hin.

Installation und Inbetriebnahme

Pro Windrad benötigt

• 1x Partikelzähler mit Bypass-Filtereinheit (4.200 €)
• 1x Feuchtesensor (1.800 €)
• 1x Inline-Viskosimeter (3.600 €)
• 3x Temperatursensor (je 120 €)
• 1x Edge-Gateway für Datenübertragung (950 €)
• Installation und Inbetriebnahme (2.800 €)

Gesamtkosten pro Anlage: 13.710 Euro

Die Installation erfolgt während einer regulären Wartung und erfordert keinen zusätzlichen Stillstand. Der Einbau der Sensoren in den Ölkreislauf dauert 4–6 Stunden.

ROI-Berechnung für einen Windpark mit 12 Anlagen

Die Berechnung basiert auf Branchendurchschnittswerten. Für Ihre individuelle Kalkulation nutzen Sie die KI-ROI Excel-Vorlage.

Praxisbeispiel: Windpark Nordsachsen

Der Betreiber mit 18 Anlagen vom Typ Vestas V112-3.3 implementierte die KI-Ölanalyse im März 2025. Ergebnisse nach 12 Monaten:

• 3 Getriebedefekte frühzeitig erkannt, davon 2 durch planmäßigen Austausch behoben
• Vermiedene ungeplante Stillstandstage: 68
• Eingesparte Reparaturkosten: 412.000 Euro
• Ölwechselintervalle von 12 auf 18 Monate verlängert (Einsparung: 32.400 Euro)

Der dritte erkannte Defekt betraf eine Lagervorschädigung, die bei konventioneller Wartung erst nach Totalausfall entdeckt worden wäre.

Grundlagen zur KI-Implementierung in der Industrie beschreibt der KI-Leitfaden für Unternehmen.

Integration mit bestehenden SCADA-Systemen

Die Ölanalysedaten werden über OPC-UA in bestehende SCADA-Systeme integriert. Unterstützte Plattformen:

• Vestas Online Business (VOB)
• Siemens Gamesa Digital (SG-DX)
• Enercon SCADA
• Nordex Control Center

Die Daten erscheinen als zusätzliche Parameter im gewohnten SCADA-Dashboard. Alarme laufen über bestehende Eskalationsketten.

Details zur Budgetplanung finden Sie in unserem KI-Kostenplaner.

Häufig gestellte Fragen

Funktioniert die KI-Ölanalyse auch bei Direktantrieb-Anlagen?

Direktantrieb-Anlagen haben kein Getriebe, aber Hauptlager. Die Sensorik lässt sich auf die Hauptlager-Schmierung anwenden. Der Nutzen ist geringer, da Hauptlagerdefekte seltener auftreten.

Wie genau ist die Vorhersage von Getriebeausfällen?

Bei 24 Monaten Trainingsdaten erkennt das Modell 91% aller Getriebedefekte mindestens 3 Monate vor dem Ausfall. Die Falsch-Positiv-Rate liegt bei 4%.

Welche Öltypen werden unterstützt?

Die Sensorik funktioniert mit allen gängigen Getriebeölen: synthetische PAO-Öle (Mobilgear SHC), Mineralöle und Ester-basierte Öle. Die Kalibrierung erfolgt einmalig pro Öltyp.

Müssen die Sensoren regelmäßig kalibriert werden?

Der Partikelzähler erfordert eine jährliche Kalibrierung. Feuchte- und Viskositätssensoren kalibrieren sich automatisch. Die Kalibrierung lässt sich in den regulären Wartungszyklus integrieren.

Wie werden die Daten übertragen?

Über das Edge-Gateway per LTE oder bestehende Parkvernetzung an die zentrale KI-Plattform. Der Datenverbrauch liegt bei etwa 50 MB pro Monat und Anlage.

Nächste Schritte

Starten Sie mit 2–3 Anlagen, die bekannte Getriebeprobleme hatten. Das liefert schnell Vergleichsdaten zwischen gesunden und vorgeschädigten Getrieben. Erweitern Sie nach 6 Monaten auf den gesamten Park. Die KI-Implementierungsanleitung bietet einen strukturierten Fahrplan.