Navigation

Programme/Projekte
Unternavigationspunkte
Themen
Unternavigationspunkte
Förderaufrufe
Unternavigationspunkte
- Förderprogramm
- Archiv
Service
Unternavigationspunkte
Termine
Unternavigationspunkte

Vorausschauende Instandhaltung für Pumpensysteme auf Basis von Federated Learning und Synthese von multiplen Sensordaten

Demonstrator des Projekts VIPFLUID aus dem Technologieprogramm GreenTech Innovationswettbewerb

© VIPFLUID

Beschreibung des Demonstrators

Der Demonstrator zeigt eine KI-gestützte Anomalieerkennung in einem realitätsnahen Pumpensystem. Eine mit Sensoren ausgestattete Tauchmotorpumpe misst in Echtzeit Betriebsparameter wie Druck, Temperatur und Vibration. Die erfassten Daten werden live in einem Dashboard visualisiert – bei stabilem Betrieb erscheinen die Werte grün.
Anhand gezielter Eingriffe, etwa durch Veränderungen an Zu- und Abfluss oder mechanische Störungen, lassen sich Fehler provozieren. Das adaptiv trainierte KI-Modell erkennt diese Anomalien lokal in Echtzeit. Bei Abweichungen schlägt das System automatisch Alarm – die Visualisierung im Dashboard ändert sich, Warnmeldungen werden generiert.
Darüber hinaus wird der Lernfortschritt der KI sichtbar gemacht: Durch schrittweise Veränderung der Trainingsdaten verbessert sich die Prognosegenauigkeit kontinuierlich. Fehler, die in früheren Lernstufen nur teilweise erkannt wurden, werden später zuverlässig detektiert.
Der Demonstrator veranschaulicht, wie KI-basierte Zustandsüberwachung und kontinuierliches Lernen zur Effizienzsteigerung, Ausfallsicherheit und Intelligenz von Pumpensystemen beitragen – lokal, datenschutzkonform und ressourcenschonend, ohne zentrale Datenhaltung.

Business Case aus Anwendersicht

Für Betreiber von Wasser- und Abwasserinfrastrukturen, Maschinen- und Anlagenbauer oder Wartungsdienstleister bietet VIPFLUID eine skalierbare Lösung zur Ausfallvermeidung, Prozessoptimierung und Effizienzsteigerung.
Die einfache Plug-&-Play-Integration in bestehende SCADA- oder Sensoriksysteme sowie die modulare Cloud-/Edge-Architektur ermöglichen eine flexible Anwendung in unterschiedlichsten Systemumgebungen.
Konkrete Mehrwerte aus Sicht der Anwender:

Frühzeitige Erkennung potenzieller Störungen und Ausfälle (z. B. durch Kavitation, Motorprobleme, Leckagen)
Vermeidung unnötiger Wartungseinsätze durch präzise Vorhersagemodelle
Effizientere Ressourcennutzung durch bedarfsgerechtes Wartungsmanagement
Senkung von Betriebskosten, CO₂-Emissionen und Stillstandszeiten
Verbesserung der Anlagenverfügbarkeit und -lebensdauer

Auch der Erwerb als SaaS-Modell mit Lizenzierung sowie optionalem Sensor-/Hardware-Leasing wird adressiert, um den Zugang für verschiedene Unternehmensgrößen zu erleichtern.

Zum Projekt

VIPFLUID (Vorausschauende Instandhaltung für Pumpensysteme auf Basis von Federated Learning und Synthese von multiplen Sensordaten) zielt auf die Entwicklung intelligenter, ressourcenschonender Wartungslösungen in der Abwasserwirtschaft. Durch den Einsatz adaptiver Sensorik und intelligenter Datenverarbeitung sollen Zustandsdaten von Abwasserpumpen lokal – direkt an der Anlage – erfasst und in einer Cloud-, Fog- und Edge-basierten Architektur weiterverarbeitet werden. Dabei kommen synthetisch erzeugte und reale Daten zum Einsatz, um KI-Modelle für prädiktive Wartungsszenarien zu trainieren. Die Modelle nutzen unter anderem Methoden des Federated Learning, um ohne zentrale Datenhaltung zu lernen und dabei Datenschutz und Systemflexibilität zu gewährleisten.
Langfristig soll die Lösung auch auf andere pumpenbasierte Anwendungen übertragbar sein – etwa in der Industrie, Energie- oder Wasserversorgung.