01.08.2025 – Das Fraunhofer IEE hat eine KI-basierte Lösung entwickelt, die beispielsweise Fehler bei Windenergieanlagen frühzeitig erkennt.
Durch die voranschreitende Digitalisierung des Energiesektors bieten sich neue Potenziale für die vorausschauende Wartung von Energieanlagen. Vor allem in der Windenergie ist es wichtig, drohende Ausfälle zu erkennen, die Stillstandszeiten und Kosten verursachen.
Alternativ zu den herkömmlichen Wartungskonzepten, die meist reaktiv, personalintensiv oder technisch schwer skalierbar seien, gibt es nun eine Option. Das Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE bietet ab sofort die kostenlose Open-Source-Lösung „Energy Fault Detector“ zur frühzeitigen Fehlererkennung an.
Fehlererkennung durch KI
Die KI-basierte Lösung des Fraunhofer IEE identifiziert Annomalien bei Energieanlagen. (Bild: Fraunhofer IEE)
In mehreren Forschungsprojekten entwickelte das Fraunhofer IEE gemeinsam mit dem Team AEFDI (Automated Energy Fault Detection and Identification) Methoden zur KI-gestützten Anomalieerkennung. Der Energy Faukt Detector identifiziere in Echtzeit mithilfe selbstlernender Algorithmen auffällige Verhalten in technischen Anlagen – von Windenergieanlagen bis hin zu Fernwärmeinfrastrukturen.
„Unser EnergyFaultDetector bringt diese Technologie jetzt in die Praxis und macht vorausschauende Wartung für viele Betreiber einfach zugänglich. Er ermöglicht eine schnelle, zuverlässige Fehlererkennung, die ohne zusätzliche Hardware auskommt und sich flexibel auf unterschiedliche Anlagen anpassen lässt“, sagt Florian Rehwald, Produktverantwortlicher am Fraunhofer IEE.
Das Framework basiert auf einem Autoencoder-Ansatz und lasse sich nach Fraunhofer IEE-Angaben an beliebige Datenquellen anpassen. Es nutzt ausschließlich bestehende SCADA-Daten, wodurch keine zusätzliche Hardware notwendig sei. Die automatische Modellanpassung erlaube eine einfache Skalierung auf unterschiedliche Anwendungsbereiche.
Ursachenanalyse ergänzt die Fehlererkennung
Neben der automatisierten Fehlererkennung unterstützt der EnergyFaultDetector auch die Ursachenanalyse, um eine optimale Vorbereitung von Instandhaltungseinsätzen zu ermöglichen. Dafür kommt der eigens entwickelte Algorithmus ARCANA aus dem Bereich der erklärbaren KI zum Einsatz.
„Mithilfe von ARCANA lässt sich auch bei Verwendung eines „Black-Box“-Modells die fehlerverursachende Einflussgröße präzise identifizieren. Auf dieser Basis kann die Fehlerursache auf Subkomponenten eingegrenzt und das Fehlerbild interpretiert werden“, gibt das Fraunhofer IEE an.
Der EnergyFaultDetector steht als OpenSource-Lösung bereit. Die Software ist als Python-Bibliothek verfügbar und kann über pip installiert werden. Für einen besonders schnellen Einstieg enthält das Paket das Modul quick_fault_detector, das mit nur einer Zeile Code Betriebsdaten aus einer CSV-Datei analysiert und potenzielle Fehler identifiziert. Bei der Integration des Tools in bestehende Betriebsführungssysteme bietet das Fraunhofer IEE Unterstützung an. Zum Kennenlernen steht zudem ein kostenloser Demozugang zur Windüberwachungsplattform bereit.
„Die frühzeitige Fehlererkennung ist ein zentraler Baustein für vorausschauende Wartung in Windparks und hat sich bereits im Projekt ModernWindABS deutlich gezeigt. Dort haben wir gemeinsam mit Windparkbetreibern ermittelt, welche technologischen Innovationen sie am dringendsten benötigen. Die Anomalieerkennung wurde dabei ganz oben eingeordnet. Es war daher nur konsequent, diese Entwicklung voranzutreiben“, erklärt Cyriana Roelofs, Projektleiterin des Projekts ADWENTURE. (cst)