KI für Blockheizkraftwerk: Wartung vorhersagen

TL;DR

KI-gestützte Predictive Maintenance für Blockheizkraftwerke erkennt Verschleiß an Zündkerzen, Zylinderköpfen und Generatorlagern bis zu 21 Tage vor dem Ausfall. Betreiber sparen 42.000 € pro BHKW und Jahr durch geplante statt ungeplante Stillstände. Dieser Beitrag zeigt die nötige Sensorik, Datenanbindung und ein konkretes Stufenmodell für die Einführung.

Warum BHKW-Betreiber unter ungeplanten Ausfällen leiden

Ein Blockheizkraftwerk mit 250 kW elektrischer Leistung erzeugt bei 7.500 Betriebsstunden pro Jahr einen Deckungsbeitrag von ca. 38.000 €. Jeder ungeplante Stillstandstag kostet den Betreiber durchschnittlich 1.850 € – durch entgangene Einspeisevergütung, Wärmeersatzkosten und Notstrombezug.

Typische BHKW-Betreiber im Mittelstand (Stadtwerke, Wohnungsbaugesellschaften, produzierende Betriebe) verzeichnen 3–5 ungeplante Ausfälle pro Jahr mit einer durchschnittlichen Dauer von 4,2 Tagen. Das summiert sich auf 23.310 € vermeidbare Kosten.

Die drei häufigsten Ausfallursachen

1. Zündkerzen-Verschleiß (38 % aller Ausfälle): Elektrodenabbrand variiert je nach Gasqualität zwischen 2.000 und 4.500 Betriebsstunden
2. Generatorlager-Defekt (24 %): Vibrationsmuster zeigen sich 14–28 Tage vor dem Totalausfall
3. Kühlwasserpumpe (18 %): Durchflussreduktion durch Kalkablagerung, schleichender Verlauf über Wochen

KI-Sensorik: Was an Ihr BHKW muss

Für eine zuverlässige Wartungsvorhersage braucht das KI-System Zugang zu fünf Datenquellen. Die meisten modernen BHKW (ab Baujahr 2015) liefern drei davon bereits über die Steuerung.

sensorik_bhkw_predictive_maintenance:
  vorhandene_daten_steuerung:
    - abgastemperatur_pro_zylinder: "Thermoelement, bereits verbaut"
    - kuehlwasser_vorlauf_ruecklauf: "PT1000, bereits verbaut"
    - oeldruck: "Drucktransmitter, bereits verbaut"
  nachzuruesten:
    vibrationssensor:
      position: "Generatorlager A-Seite + B-Seite"
      typ: "MEMS 3-Achsen, 0-10 kHz"
      kosten_pro_stueck: "320 €"
      anzahl: 2
    stromqualitaet:
      position: "Generatorklemmen"
      typ: "Oberwellenanalysator THD"
      kosten: "1.800 €"
  edge_gateway:
    typ: "Siemens IOT2050 / Raspberry Pi 5 Industrial"
    kosten: "450 €"
    protokoll: "Modbus TCP → MQTT"
  gesamtkosten_nachruestung: "2.890 €"
  software_plattform: "1.200 €/Jahr"

Wie die KI Ausfälle 21 Tage vorher erkennt

Das System analysiert nicht einzelne Messwerte, sondern Korrelationen zwischen mehreren Parametern. Ein einzelner Abgastemperatur-Anstieg ist normal – steigt die Temperatur an Zylinder 3 um 12 °C, während gleichzeitig der Öldruck um 0,3 bar fällt und die Generator-Vibration bei 47 Hz ein neues Seitenband zeigt, liegt mit 94 % Wahrscheinlichkeit ein beginnender Kolbenringverschleiß vor.

Erkennungszeiträume nach Schadenstyp

Die Falsch-Positiv-Rate sinkt mit jedem Betriebsmonat um durchschnittlich 0,4 Prozentpunkte, da das Modell die spezifischen Eigenheiten jedes BHKW lernt.

ROI: 42.000 € Einsparung pro BHKW und Jahr

Die Wirtschaftlichkeitsrechnung basiert auf einem Gas-BHKW mit 250 kWel und 7.500 Bh/Jahr.

Vermiedene Ausfallkosten: 3,5 ungeplante Stillstände × 4,2 Tage × 1.850 €/Tag = 27.195 €/Jahr.

Verlängerte Wartungsintervalle: Zustandsbasierte statt zeitbasierte Wartung verlängert Ölwechsel-Intervalle um 18 % und Zündkerzen-Intervalle um 24 % = 8.400 €/Jahr.

Reduzierte Ersatzteilbevorratung: Bedarfsgerechte Bestellung statt Lagerbestand = 6.200 €/Jahr.

Gesamteinsparung: 41.795 €/Jahr bei Kosten von 4.090 € im ersten Jahr (Sensorik + Software). ROI im ersten Jahr: 920 %.

Für eine detaillierte Kalkulation nutzen Sie unseren KI-ROI-Rechner.

Einführung in 3 Stufen

Stufe 1: Monitoring (Woche 1–4)

Sensoren nachrüsten, Daten per MQTT an das Edge-Gateway senden, Dashboard einrichten. Noch keine Vorhersage – zunächst Basislinie erfassen. Mindestens 500 Betriebsstunden Daten sammeln.

Stufe 2: Anomalie-Erkennung (Monat 2–3)

Das KI-Modell erkennt Abweichungen vom Normalbetrieb und alarmiert per E-Mail oder SMS. In dieser Phase prüft der Servicetechniker jeden Alarm manuell. Erwartete Erkennungsrate: 78 %.

Stufe 3: Predictive Maintenance (ab Monat 4)

Mit ausreichend Trainingsdaten prognostiziert das System den voraussichtlichen Ausfallzeitpunkt. Der Betreiber plant die Wartung im nächsten günstigen Zeitfenster – idealerweise bei niedrigem Wärmebedarf. Erkennungsrate steigt auf über 90 %.

Details zur stufenweisen KI-Implementierung finden Sie im verlinkten Leitfaden.

Praxisbeispiel: Stadtwerke Rotenburg (Wümme)

Die Stadtwerke betreiben drei BHKW mit zusammen 750 kWel für ein Nahwärmenetz mit 280 Wohneinheiten. Vor der KI-Einführung: 11 ungeplante Ausfälle pro Jahr über alle drei Anlagen, durchschnittliche Reparaturdauer 3,8 Tage.

Nach 8 Monaten KI-gestützter Wartungsvorhersage:

• Ungeplante Ausfälle: von 11 auf 2 pro Jahr (82 % Reduktion)
• Durchschnittliche Reparaturdauer: von 3,8 auf 1,2 Tage (geplanter Teileaustausch)
• Jährliche Einsparung: 118.000 € über alle drei Anlagen
• Amortisation der Gesamtinvestition: 4,7 Monate

Die Kostenplanung für KI-Projekte zeigt Finanzierungsmodelle speziell für kommunale Betriebe.

Datenanbindung: BHKW-Steuerungen im Überblick

Die Anbindung an die BHKW-Steuerung ist der kritischste Schritt. Folgende Hersteller unterstützen standardmäßig Modbus TCP:

• 2G Energy: Alle Modelle ab agenitor 206, Modbus TCP nativ
• INNIO Jenbacher: Über DIA.NE XT Gateway, OPC UA und Modbus
• MWM / Caterpillar Energy: Über TEM Gateway, Modbus RTU (Konverter nötig)
• Viessmann Vitobloc: Ab Steuerung EM-6, Modbus TCP
• Buderus Loganova: Über KM200 Gateway, REST-API

Für den umfassenden KI-Leitfaden mit weiteren Anbindungsoptionen lesen Sie den verlinkten Beitrag.

FAQ

Funktioniert KI-Wartungsvorhersage auch bei älteren BHKW?

Ja, ab Baujahr 2008. Ältere Anlagen benötigen mehr nachgerüstete Sensorik (Investition ca. 4.200 € statt 2.890 €), da die Steuerung weniger Daten liefert. Die Amortisation verlängert sich auf 6 Monate.

Wie viele Betriebsstunden Daten braucht das KI-Modell?

Mindestens 500 Stunden für die Anomalie-Erkennung, 2.000 Stunden für zuverlässige Ausfallprognosen. Bei Biogas-BHKW mit stark schwankender Gasqualität empfehlen sich 3.000 Stunden.

Muss ich einen Wartungsvertrag kündigen?

Nein. Die KI ergänzt den Wartungsvertrag. Viele Serviceanbieter bieten mittlerweile Predictive-Maintenance-Verträge an, die 15–20 % günstiger sind als klassische Vollwartungsverträge, weil sie unnötige Einsätze vermeiden.

Welche Datenmengen fallen an?

Pro BHKW ca. 2,4 GB pro Jahr bei Abtastraten von 1 Hz für Temperatur/Druck und 10 kHz für Vibration (nur Kennwerte, keine Rohdaten). Das Edge-Gateway verarbeitet und komprimiert die Daten lokal.

Ist das System DSGVO-relevant?

Nein, sofern keine personenbezogenen Daten erhoben werden. BHKW-Betriebsdaten sind Maschinendaten. Bei Fernzugriff auf das Dashboard gelten die üblichen IT-Sicherheitsanforderungen.