Hochschule Ravensburg-Weingarten | Zurück zur Startseite



Professor Wolfgang Ertel
Quelle: Ute Nagel

Der Gips-Schüle-Forschungspreis würdigt herausragende Leistungen angewandter Forschung im Bereich „Mensch und Technik“. Professor Dr. Wolfgang Ertel von der Hochschule Ravensburg-Weingarten hat zwar nicht den ersten Preis gewonnen, ist aber mit seinem Diagnose-Algorithmus für pneumatische Anlagen auf einem beachtlichen dritten Rang gelandet.

Ertel gehört damit zu den Top Forschern an privaten oder öffentlichen Forschungseinrichtungen in Baden-Württemberg und Bayern. Entwickelt wurde der Algorithmus in Zusammenarbeit mit Maschinenbauern und Elektrotechnikern bei dem weltweit führenden Anbieter von Automatisierungstechnik Festo.

Im Rahmen eines Fortbildungssemesters hat der Professor der Angewandten Informatik sich in Berkheim mit der „Lernfähigen Diagnose von pneumatischen Anlagen im laufenden Betrieb“ befasst. „Als Produktentwickler mit einem Wissenschaftler an einer konkreten Fragestellung zusammen zu arbeiten war sehr bereichernd. Aus dem fachlichen Austausch eines Forschungssemesters entstand ein sehr gutes und greifbares Ergebnis“, berichtet Matthias Finkbeiner, Leiter Development Positioning Drives.

Ziel des Ertelschen Projektes war es, anhand kontinuierlicher Messung des Druckluft-Durchflussprofils einer pneumatischen Anlage Veränderungen im Verbrauch sowie Unregelmäßigkeiten bis hin zu fehlerhaftem Verhalten zu erkennen. Damit ist es künftig möglich, früh zu reagieren und Geld zu sparen – und dies nicht nur bei einem Totalausfall. „Mein Thema“, erläutert Wolfgang Ertel, „muss im Rahmen der Energieeffizienz gesehen werden. Hohe Energiepreise, steigender Kostendruck und zunehmendes Bewusstsein für den Klimaschutz machen die Einsparung von Energie zu einer unternehmerischen Kernaufgabe.“

„Für solch ein Diagnosemodul“, erläutert Wolfgang Ertel, „bieten sich maschinelle Lernverfahren an“ – wie sie an Ertels Institut für Künstliche Intelligenz an Robotern an der Hochschule Ravensburg-Weingarten entwickelt wurden. Es mutet wie aus einem Science Fiction an, doch die Roboter made in Weingarten sind bereits in der Lage autonom, also selbstständig, zu lernen.

Der Diagnose-Algorithmus ist in der Lage, in einer Einlernphase von etwa einem Tag die Anlage „kennenzulernen“, um dann Abweichungen vom Normalbetrieb als Fehler zu klassifizieren. Mit Hilfe von maschinellen Lernverfahren erfasst die künstliche Intelligenz des Moduls ähnlich wie die Weingartener Roboter Abweichungen vom typischen Muster der Durchflusskurve und diagnostiziert diese.

Die in diesem Projekt entwickelte Lösung“, sagt Wolfgang Ertel, „ist aufgrund ihrer universellen Anwendbarkeit und der sehr einfachen Sensorik auf viele andere technische und nicht technische Diagnoseaufgaben anwendbar. Das Innovationspotential könnte beispielsweise bei einer automatischen Selbstdiagnose von Haushaltsgeräten, Elektromotoren und Ottomotoren genutzt werden. Auch zur medizinischen Diagnose oder für die Überwachung der Sicherheit von Häusern und Wohnungen wäre es in abgewandelter Form anwendbar. Der gesellschaftliche Nutzen dieser Arbeit, der den drohenden Ausfall von Systemen erkennt, bevor dieser Ausfall tatsächlich eintritt, liegt, so Ertel, „auf der Hand, und auch der Anwendungsbezug ist offensichtlich“.