Emerson Aspen Mtell: Skalierung der vorausschauenden Wartung

Emerson hat am 22. Januar 2026 die neueste Weiterentwicklung seines AspenTech-Portfolios für Asset Performance Management vorgestellt. Die Veröffentlichung konzentrierte sich auf Aspen Mtell und ergänzt Vorlagen, die Priorisierung von Warnmeldungen, Unterstützung bei Fehlermodi, Verbindungen zur Schwingungsüberwachung und eine tiefere Integration in Instandhaltungssysteme.

Die Ankündigung ist relevant, weil viele Projekte zur vorausschauenden Instandhaltung nach einem kleinen Pilotprojekt scheitern. Die Skalierung erfordert mehr als ein präzises Modell. Anlagen benötigen verwaltete Anlagendaten, vertrauenswürdige Warnmeldungen, klare Zuständigkeiten für Arbeitsaufträge und Nachweise dafür, dass erkannte Zustände zu sinnvollen Maßnahmen führen.

Das AspenTech-APM-Portfolio soll Industriebetreibern dabei helfen, Zuverlässigkeitsprogramme durch den Einsatz KI-basierter Fehlermodusvorhersagen zu skalieren. 

Was Emerson angekündigt hat

Emerson zufolge unterstützt die Veröffentlichung den Übergang von der grundlegenden Überwachung des Anlagenzustands zur KI-gestützten Fehlervorhersage. Branchen- und Anlagenvorlagen sollen den Bereitstellungsaufwand bei größeren Anlagenflotten reduzieren.

Das Update gruppiert und priorisiert Warnmeldungen anhand von Schweregrad, Risiko und historischen Daten. Emerson beschreibt außerdem eine integrierte Fehlermöglichkeits- und Einflussanalyse, die Korrekturmaßnahmen empfehlen kann.

Verbindungen zu AMS Machine Works und AMS Device Manager verknüpfen die Software mit den Schwingungsüberwachungstools von Emerson. Die Integration in Enterprise-Asset-Management-Systeme soll Erkenntnisse in bestehende Instandhaltungsabläufe einbinden.

Diese Aussagen beschreiben die Produktrichtung. Sie belegen nicht, dass jeder Zustand vorhergesagt werden kann, jede Vorlage passt oder jede Warnmeldung einen Arbeitsauftrag auslösen sollte.

Vorlagen reduzieren den Einrichtungsaufwand, nicht die Ingenieursarbeit

Ein wiederverwendbares Modell kann die Konfiguration für gängige Pumpen, Motoren, Lüfter, Kompressoren und Getriebe verkürzen. Es bietet Teams eine Ausgangsliste mit Signalen, Fehlermodi und Diagnosemerkmalen.

Die Anlage benötigt weiterhin eine korrekte Identität, Betriebskontext, Betriebszustand, Sensorzuordnung und Instandhaltungshistorie. Zwei Pumpen mit demselben Typenschild können unterschiedlichen Lasten, Medien, Betriebszyklen und Ausfallmechanismen ausgesetzt sein.

Bei der Inbetriebnahme sollten Sensorposition, Ausrichtung, Messbereich, Einheiten, Zeitstempel und Qualität bestätigt werden. Anschließend muss die Vorlage an die tatsächliche Anlage und den Prozess angepasst werden.

Die Priorisierung von Warnmeldungen benötigt ein Anlagerisikomodell

Die Menge an Warnmeldungen ist ein häufiges Hindernis. Das Gruppieren zusammengehöriger Ereignisse kann doppelte Arbeit reduzieren, während eine Einstufung nach Schweregrad die Aufmerksamkeit auf Folgen mit höherem Ausmaß lenken kann.

Software kann die Priorität in einer Anlage jedoch nicht allein anhand der Schwingungsamplitude ableiten. Ein mittelschwerer Defekt an einem kritischen Kompressor eines Einstrangsystems kann wichtiger sein als ein größerer Defekt an einem redundanten Hilfslüfter.

Definieren Sie die Kritikalität anhand der Folgen für Sicherheit, Umwelt, Produktion, Qualität, Reparaturzeit und Redundanz. Prüfen Sie, wie das System die Modellkonfidenz mit den Folgen eines Anlagenfehlers kombiniert. Bediener sollten sehen, warum eine Warnmeldung so eingestuft wurde, nicht nur ihre Farbe.

Fehlermodi müssen spezifisch sein

Eine Fehlermodusbibliothek kann Untersuchungen strukturieren. Sie kann Schwingungs-, Temperatur-, Prozess- und Instandhaltungsnachweise mit Hypothesen zu Lagerfehlern, Unwucht, Fehlausrichtung, Schmierung oder Lockerheit verknüpfen.

Eine Empfehlung bleibt eine Hypothese, bis sie überprüft wurde. Ähnliche Symptome können unterschiedliche Ursachen haben. Ein steigender Motorstrom kann auf eine mechanische Last, eine Prozessänderung, eine Spannungsunsymmetrie oder einen Instrumentenfehler hinweisen.

Instandhaltungsanweisungen sollten Bestätigungstests, erforderliche Qualifikationen, Ersatzteile, Sicherheitsmaßnahmen und Eskalationswege definieren. Das System sollte eine unsichere Modellausgabe nicht direkt in invasive Arbeiten umwandeln.

Zustandsdaten mit der Arbeitsausführung verknüpfen

Eine vorausschauende Erkenntnis schafft erst dann Wert, wenn jemand für die nächste Maßnahme verantwortlich ist. Die Integration in ein Enterprise-Asset-Management-System kann die Warnmeldung in Planung, Terminierung, Personal, Ersatzteilversorgung und Abschluss überführen.

Ordnen Sie Felder bewusst zu. Anlagen-IDs, Standorte, Fehlercodes, Priorität, Fälligkeitsdatum und empfohlene Maßnahme müssen in beiden Systemen dieselbe Bedeutung haben. Doppelte Anlagen und uneinheitliche Benennungen erzeugen doppelte oder verwaiste Arbeiten.

Definieren Sie, wann eine Warnmeldung zu einer Benachrichtigung, Untersuchung oder einem Arbeitsauftrag wird. Die automatische Erstellung kann für Fälle mit hoher Konfidenz und regelmäßigem Auftreten geeignet sein. Andere Zustände benötigen eine Prüfung durch einen Analysten, bevor Instandhaltungsressourcen gebunden werden.

Schwingungsdaten im Kontext nutzen

Emerson hebt die Verbindungen zu AMS Machine Works und AMS Device Manager hervor. Schwingungen können nützliche Veränderungen an rotierenden Anlagen erkennen, doch die Interpretation hängt von Drehzahl, Last, Sensormontage, Abtastung und Betriebszustand ab.

Teams können zugehörige Geräte in der Emerson-Automatisierungskollektion und der Kollektion zur Maschinenüberwachung prüfen. Diese Seiten liefern Hardwarekontext und stellen keine Softwarekompatibilität fest.

Vergleichen Sie Trenddaten aus vergleichbaren Betriebszuständen. Ein während des Anfahrens erfasstes Spektrum sollte nicht blind mit einer stationären Basislinie verglichen werden. Drehzahländerungen können Spektralkomponenten verschieben und die Amplitude verändern.

Das System stufenweise in Betrieb nehmen

Beginnen Sie mit einer begrenzten Anlagengruppe, für die eine bekannte Ausfallhistorie und messbare geschäftliche Auswirkungen vorliegen. Bestätigen Sie die Datenqualität, bevor Sie die Modellqualität bewerten.

Führen Sie Warnmeldungen zunächst im Schattenmodus aus. Lassen Sie Analysten die Ergebnisse prüfen, ohne Instandhaltungspläne zu ändern. Erfassen Sie echte Erkennungen, übersehene Zustände, störende Warnmeldungen und Fälle mit unzureichenden Nachweisen.

Verbinden Sie anschließend freigegebene Warnmeldungen mit dem Arbeitsprozess. Messen Sie, ob Planer genügend Kontext erhalten und ob Techniker den Zustand bestätigen können. Führen Sie die Ergebnisse von Inspektionen in das System zurück.

Erweitern Sie erst, wenn das Team stabile Anlagenbenennungen, Zuständigkeiten für Warnmeldungen, Validierungsverfahren und Abschlusscodes etabliert hat. Die Skalierung eines schwachen Ablaufs vervielfacht das Rauschen.

Mehr als die Modellgenauigkeit messen

Präzision und Trefferquote sind wichtig, doch Instandhaltungsprogramme benötigen auch operative Kennzahlen. Verfolgen Sie die Zeit von der Warnmeldung bis zur Prüfung, von der Prüfung bis zum Arbeitsauftrag, bestätigte Fehlermodi, vermiedene Notfallarbeiten, geplante im Vergleich zu ungeplanter Arbeitszeit und wiederholte Warnmeldungen.

Messen Sie die Datenverfügbarkeit und veraltete Signale. Ein Modell kann unauffällig wirken, weil ein Sensor keine Daten mehr sendet. Datenqualitätswarnungen sollten von Warnmeldungen zum Anlagenzustand getrennt sein.

Vergleichen Sie die Leistung mit einer definierten Basislinie. Vermeiden Sie es, jede Reparatur nach einer Warnmeldung als Einsparung zu reklamieren. Berücksichtigen Sie planmäßige Instandhaltung, Produktionsänderungen und Verbesserungen, die auch ohne das System eingetreten wären.

Änderungen an Modell und Arbeitsablauf steuern

Das Verhalten einer Anlage verändert sich nach einer Überholung, Prozessänderung, Drehzahländerung oder einem Sensoraustausch. Das System benötigt eine Versionskontrolle für Modelle, Schwellenwerte und Vorlagen.

Dokumentieren Sie, wer Änderungen genehmigen darf und wie ein Rollback funktioniert. Halten Sie den für Training oder Feinabstimmung verwendeten Datenzeitraum fest. Schützen Sie Instandhaltungsergebnisse vor beiläufigen Änderungen, da sie zu späteren Nachweisen werden.

Die Cybersicherheitsprüfung sollte Identitäten, Fernzugriff, Schnittstellen, Verschlüsselung, Protokollierung, Patchen, Sicherungen und Herstellersupport abdecken. Eine Zuverlässigkeitsplattform sollte keinen unverwalteten Zugang zu OT-Systemen schaffen.

Uneinigkeit unter Menschen einplanen

Techniker können eine Empfehlung ablehnen, weil Erkenntnisse aus dem Feld dem Modell widersprechen. Diese Uneinigkeit ist wertvoll. Erfassen Sie den Grund, das Inspektionsergebnis und die endgültige Maßnahme.

Bewerten Sie Mitarbeitende nicht danach, ob sie Warnmeldungen akzeptieren. Ein solcher Anreiz fördert unnötige Arbeiten und verfälscht das Feedback. Belohnen Sie dokumentierte Lösungen und ein besseres Verständnis der Ausfälle.

Was die Veröffentlichung von 2026 bedeutet

Emersons Ankündigung vom 22. Januar 2026 bestätigt die neuen Funktionen von Aspen Mtell, die AMS-Verbindungen, die Unternehmensintegration und die Pläne für Demonstrationen auf der OPTIMIZE 26.

Die technische Richtung ist sinnvoll: Wiederverwendbare Vorlagen können die Bereitstellung beschleunigen, priorisierte Warnmeldungen können das Rauschen reduzieren und die Workflow-Integration kann den Weg zur Maßnahme verkürzen. Die Ergebnisse hängen weiterhin von Anlagenkontext, sauberen Daten, belastbaren Fehlermodi und diszipliniertem Feedback ab.

Das beste APM-Programm versucht nicht, alles vorherzusagen. Es wählt Anlagen aus, bei denen frühere Nachweise eine Instandhaltungsentscheidung verändern, und weist anschließend nach, dass der Arbeitsablauf zu sichereren und wirtschaftlicheren Maßnahmen führt.