• Menü menu
  • menu Menü öffnen
Projekte -  
Policies

Predictive Maintenance für Sägewerke

Innovationsprojekt der DIH Süd, FH Joanneum und JOANNEUM RESEARCH

Credit: iStock, Miriam Dörr

Das Projekt

Das im Juni 2025 gestartete Innovationsprojekt beschäftigt sich mit der Zustandsüberwachung und vorausschauenden Wartung (Predictive Maintenance) in der Holzindustrie. Ziel ist es, durch die Nachrüstung bestehender Sägewerksanlagen mit moderner Sensortechnologie (Retrofitting) und den Einsatz künstlicher Intelligenz den Zustand von Maschinen kontinuierlich zu überwachen und Wartungsbedarf frühzeitig zu erkennen. Mithilfe datenbasierter Prognosemodelle sollen ungeplante Stillstände reduziert, Wartungsprozesse optimiert, die Lebensdauer von Maschinen verlängert und die Produktionseffizienz nachhaltig gesteigert werden. Das Projekt wird gemeinsam mit holzverarbeitenden Unternehmen aus Kärnten und der Steiermark umgesetzt.

Keine Datei zugewiesen.

Details zum Projekt

Im Juni 2025 startete das gemeinsame Innovationsvorhaben, wie datenbasierte Wartungslösungen auch in traditionellen Produktionsbetrieben wie einem Sägewerk implementiert werden können: die Zustandsüberwachung und vorausschauende Wartung (Predictive Maintenance) in der Holzindustrie.

Ziel ist es, digitale Werkzeuge zur frühzeitigen Erkennung von Wartungsbedarf in Produktionsanlagen von Sägewerken zu entwickeln und zu testen. Durch den Einsatz von Sensortechnologien sowie künstlicher Intelligenz sollen Ausfallzeiten reduziert, Wartungsprozesse optimiert und die Produktionseffizienz gesteigert werden. Im Fokus standen dabei zwei zentrale Ansätze: Predictive Maintenance, also die Strategie der vorausschauenden Wartung, und Retrofitting, das gezielte Nachrüsten bestehender Anlagen. Beides hilft die Lebensdauer von Maschinen zu verlängern und ungeplante Stillstände zu reduzieren.

Wie Predictive Maintenance funktioniert

Bei Predictive Maintenance werden Prozess- und Sensordaten genutzt, um mit Hilfe datenbasierter Modelle den Zustand von Maschinenkomponenten vorherzusagen. Ziel ist, mögliche Ausfälle frühzeitig zu erkennen und gezielte Wartungsmaßnahmen einzuleiten, bevor es zu ungeplanten Stillständen kommt. Da bei traditionellen Sägebetrieben kaum Sensordaten verfügbar sind, wird ein Retrofitting-Ansatz verfolgt, bei dem durch die Nachrüstung von Sensoren an strategisch wichtigen Prozesspunkten Messungen durchgeführt werden.

Die für die Analyse eingesetzten Modelle werden mit historischen Daten trainiert und kontinuierlich aktualisiert, wenn neue Daten verfügbar sind. Eine große Herausforderung besteht in der Datenaufbereitung: Sensordaten müssen extrahiert, verknüpft, auf ihre Qualität geprüft und korrekt interpretiert werden. Erst wenn eine stabile und hochwertige Datenbasis vorliegt, können Modelle zuverlässige Prognosen liefern und so zur Effizienzsteigerung im Betrieb beitragen.

Zustandsüberwachung im Sägewerk

Im Projekt wird die digitale Infrastruktur um Sensoren erweitert und an Maschinenkomponenten (z. B. Sägewerksteile, Antriebe, Lager, Förderbänder) angebracht, um in Echtzeit Zustandsdaten zu sammeln und in ein übergeordnetes Prognosemodell einzuspeisen. Das ermöglicht, aus den computergesteuerten Systemen Daten zu extrahieren, mit externen Algorithmen zu verknüpfen, Anomalien zu detektieren und vorherzusagen, wann Wartung nötig ist. Somit können ungeplanten Wartungsaktivitäten und Stehzeiten minimiert werden.

Beteiligt sind drei holzverarbeitende Unternehmen:

  • Winterholz Sägewerk GmbH, Kärnten
  • Bruno Ruhdorfer GmbH, Kärnten
  • Kaml & Huber Sägewerk Holzexport GmbH, Mariazell (Steiermark)

Fördergeber

Projektbeteiligte

DI Hermann Katz
Stv. Direktor POLICIES, Forschungsgruppenleitung
DI<sup>in</sup> Ulrike Kleb
Stv. Forschungsgruppenleitung

Ähnliche Projekte

Zum Inhalt springen