In einem Gemeinschaftsprojekt der TH Köln sowie den Unternehmen Maintastic, IconPro-A.I. Solutions und PWM bringt die WMV ihre Expertise in der Automatisierung industrieller Anlagen ein. Das Ziel: KI-basierte Assistenzsysteme für industrielle Services zu entwickeln. Die WMV übernimmt hierbei einen zentralen Part.
Für die Entwicklung KI-gestützter Assistenzsysteme für industrielle Service- und Wartungsprozesse stellt die WMV realedigitale Daten und Anwendungsfälle aus dem Live-Betrieb zu Verfügung. Diese dienen als Grundlage für die Anomalieerkennung und vorausschauende Wartung der Maschinen und Anlagen. Damit die Ergebnisse direkt in die Entwicklung von anwenderfreundlichen KI-Assistenten fließen können, werden sie mit den Projektpartnern im industriellen Einsatz erprobt und validiert. „Mit unserem Forschungsbeitrag leisten wir einen wichtigen Beitrag für den wirtschaftlichen und sozialen Zusammenhalt in der Region – und darüber hinaus“, so Christian Hertel und Benjamin Häfner von der WMV. Als Teil des WMV-Innovationsteams bringen die Experten für Automations- und IT-Lösungen ihre Anwendungs- und Systemkompetenz in das Projekt ein. Hier beantworten sie die wichtigsten Fragen zu KI-ssist.
KI-ssist ist ein Forschungsprojekt, das vom Förderinstrument der Europäischen Union EFRE (Europäischer Fonds für regionale Entwicklung) und dem EFRE/JTF (Just Transition Fund in NRW – Fonds für einen gerechten Übergang) finanziert wird. An dem Projekt beteiligt sind die TH Köln sowie neben WMV (Maschinenbau und Automatisierung Oberflächenbehandlung) de Unternehmen Maintastic (CMMS Software) und IconPro-A.I. Solutions (Software und KI für Predictive Maintenance) aus Aachen sowie PWM aus Bergneustadt (elektronische Preisanzeigen für Tankstellen).
Ziel der Gemeinschaftskooperation ist es, die jeweiligen Kompetenzen zu bündeln und KI-Assistenzsysteme für industrielle Service- und Wartungsprozesse in KMU unter realitätsnahen Bedingungen zu entwickeln. Dies durch
intelligente sprachliche und fachliche Unterstützung im Servicefall
dialogische Nutzung von Predictive Maintenance („Frag den Agenten“)
Nutzung von Maschinen- und Prozessdaten für vorausschauende Wartung
Entwicklung robuster Anomalie-Erkennung (Reduktion von Fehlalarmen durch ‚Fingerprints‘)
Integration sicherer und datenschutzkonformer Datenarchitekturen
Die Laufzeit des Projekts KI-ssist beträgt insgesamt drei Jahre. Projektstart war am 1. Juni 2025.
Das Forschungsprojekt adressiert mehrere zentrale Herausforderungen, die insbesondere im industriellen Service und in der datengetriebenen Wartung auftreten:
1. Sprach- und Wissensbarrieren im Serviceprozess:
Servicetechniker und Betreiber verfügen häufig über unterschiedliches technisches Wissen und sprechen teilweise unterschiedliche Sprachen. Dadurch entstehen Missverständnisse bei der Beschreibung von Problemen, der Dokumentation von Servicefällen oder der Nutzung technischer Dokumentation.
2. Unzureichende Nutzung vorhandener Daten:
In vielen Anlagen existieren bereits umfangreiche Daten (z. B. aus SPS-Steuerungen oder Service-Tickets), diese werden jedoch selten systematisch für Predictive Maintenance oder zur Fehleranalyse genutzt.
3. Komplexität bei der Auswertung von Betriebsdaten:
Die Interpretation von Maschinen- und Prozessdaten erfordert häufig Expertenwissen. Für Servicetechniker oder Betreiber fehlen intuitive Werkzeuge, um datenbasierte Fragen schnell beantworten zu können.
4. Schwierige Identifikation relevanter Anomalien:
In industriellen Prozessen entstehen viele Schwankungen in Messwerten. Es ist schwierig zu unterscheiden, welche Abweichungen tatsächlich auf Probleme hinweisen und welche Teile des normalen Betriebs sind.
5. Hohe Anforderungen an Datenschutz und Datensicherheit:
Gerade bei Servicefällen (Tickets, Gespräche, personenbezogene Daten) müssen Lösungen so gestaltet werden, dass sensible Informationen geschützt und sicher verarbeitet werden.
Als Mitglied des Innovation Hub Bergisches Rheinland im B7 Campus ist die WMV seit mehr als fünf Jahren mit der TH Köln eng verzahnt. Für das Forschungsprojekt KI-ssist kam Prof. Dr. Eike Permin aus der Fakultät für Informatik und Ingenieurwissenschaften sowie dem Institut für Allgemeinen Maschinenbau (IAM) auf die Vertreter der WMV im Innohub zu. „Wir waren sofort begeistert und haben unsere Unterstützung zugesagt“, so Hertel und Häfner.
Die WMV leistet einen praxisnahen Beitrag, indem sie reale Anwendungen aus dem Maschinen- und Anlagenservice einbringt. Um Predictive-Maintenance-Ansätze (also vorausschauende Service- und Wartungsansätze) unter realen Bedingungen zu entwickeln, werden SPS- und Anlagendaten aus dem WMV Technikum genutzt. Zudem unterstützt das Unternehmen die anwendergerechte Nutzung sowie die Validierung der KI-Systeme im laufenden Betrieb.
Für den Use Case speichert es zum einen reale SPS-Daten, also Eingangssignale über Sensoren und Ausgangssignale über Aktoren, und speist diese in festen Zyklen in Predictive Maintenance-Modelle ein. Der WMV-Beitrag: Eine Verknüpfung zwischen den SPS-Daten und bestehenden/zu trainierenden KI-Modellen herzustellen. Der Fokus hierbei liegt auf der robusten technischen Integration.
Zum anderen unterstützt WMV gemeinsam mit PWM die anwendergerechte Entwicklung der LLMs (Large Language Modelle). Hierbei sollen Glossare und Handbücher eingebunden werden. Die Tickets, also die digitalen Datensätze, die jede Anfrage, jedes Problem oder jede Serviceanforderung eines Kunden oder Mitarbeiters protokollieren, sollen von Servicetechnikern für Servicetechniker erstellt werden, nicht von Betreibern. Gemeinsam mit Projektpartner Maintastic wurden erste Sprachoptimierungen der LLMs aus Sicht eines Maschinenbauers vorgenommen. Im WMV Technikum konnten hierfür erste Live-Daten sowie Erfahrungswerte aus älteren Tickets in anwenderoptimierte Tickets „übersetzt“ werden. Der Fokus lag auf konkreten Anwendungsfällen, etwa „Was ist das Problem“, „Was ist die Lösung“ sowie die konkrete Anomalieerkennung. Seit Ende 2025 wird eine Beta-Version im WMV Technikum getestet.
In den kommenden Monaten berichtet WMV regelmäßig über die Fortschritte des Projekts, gibt Einblicke in die Entwicklungsschritte und zeigt erste Ergebnisse aus der Praxis. So wird transparent, wie aus realen Anwendungen konkrete Lösungen für industrielle Services in KMU entstehen.
Ebenfalls in Kooperation mit PWM baut WMV einen Anlagen-/Prozess-„Fingerprint“ auf, gegen den laufende Messwerte geprüft werden. Ziel ist, echte Anomalien im Anlagenbetrieb vom normalen Rauschen zu unterscheiden und unkritische Schwankungen zu filtern. Das Ergebnis sind frühere, gezieltere Hinweise auf Abweichungen.
Der Mehrwert für KMU: KI-ssist entwickelt Lösungen zur besseren Datennutzung, die auch für Unternehmen mit begrenzten IT-Ressourcen nutzbar sind und gleichzeitig hohe Datenanforderungen erfüllen. Durch die KI-Assistenten können Probleme schneller identifiziert und gelöst sowie Störungen frühzeitig erkannt und Stillstände vermieden werden.