KI-Maschinenzustandsdienst von Bently Nevada für Anlagen des Balance-of-Plant-Bereichs

Bently Nevada vertreibt jetzt Machine Health, einen KI-gesteuerten prädiktiven Diagnosedienst, der kontinuierlich große Bestände von Zustandsüberwachungssensoren analysiert, sich entwickelnde Fehler Wochen vor dem Ausfall meldet, Ursachen diagnostiziert und Reparaturen verschreibt. Das Angebot ist Teil der Cordant-Software-Suite von Baker Hughes und wird mit Augury bereitgestellt, dem Spezialisten für Maschinengesundheit, in den Baker Hughes 2021 investiert hat und mit dem es verbunden ist. Es richtet sich direkt an Anlagen im Balance-of-Plant-Bereich – Pumpen, Ventilatoren, Gebläse, Förderer und andere Anlagen, die zu zahlreich sind, um sie mit routenbasierter Erfassung zu überwachen, und zu teuer, um sie unüberwacht zu lassen. Der strategische Punkt ist ebenso wichtig wie die Technologie: Bently Nevada bündelt Sensoren, Cloud-Analytik und Expertenprüfung in einem Abonnement und verlagert einen Teil seines Geschäfts vom Verkauf von Hardware zum Verkauf von Ergebnissen zur Anlagengesundheit.

Kurzantwort: Was ist Bently Nevada Machine Health?

Machine Health ist ein KI-basierter Zustandsüberwachungs- und Diagnosedienst. Sensoren – darunter die drahtlosen Geräte der sechsten Generation Ranger Pro von Bently Nevada und das Cordant-Gateway – übertragen Schwingungs- und Prozessdaten an vortrainierte, zweckgebundene Modelle in der Cloud. Die Modelle erkennen frühe Anzeichen eines Ausfalls, diagnostizieren die wahrscheinliche Ursache und empfehlen eine Behebung; menschliche Maschinenexperten prüfen die Ergebnisse, bevor sie als umsetzbare Benachrichtigungen ausgegeben werden.

• Was es leistet: prädiktive Warnmeldungen, Ursachendiagnose und präskriptive Reparaturhinweise, nicht nur Schwellenwertalarme.
• Wen es adressiert: Anlagenbestände im Nebenanlagenbereich – Pumpen, Ventilatoren, Gebläse, kleine Motoren, Förderer – die „anderen 99 %“, die routenbasierte Programme nur schwer abdecken können.
• Wie es bereitgestellt wird: ein Abonnement, das Sensoren, Cloud-Software, KI-Modelle und Expertenunterstützung kombiniert, statt einer unbefristeten Softwarelizenz plus separatem Servicevertrag.
• Wer es entwickelt: Baker Hughes/Bently Nevada mit Augury; die Allianz wurde am 26. Oktober 2021 angekündigt und im Januar 2022 als strategische Vereinbarung formalisiert.
• Veröffentlichte Ergebnisse: Baker Hughes nennt einen durchschnittlichen ROI von 8,5× pro Standort, durchschnittliche kumulierte Einsparungen von 2,03 Mio. USD und durchschnittlich 439 vermiedene Ausfallstunden.
• Wo es passt: ergänzend zu System 1, nicht als Ersatz dafür – Machine Health deckt die lange Tail ab; System 1 bleibt die anlagenweite Plattform für kritische Maschinen und 3500/Orbit 60-Schutzdaten.

Was Bently Nevada tatsächlich eingeführt hat

Bently Nevada führte Machine Health durch eine Reihe von Webinaren ein – „Machine Health powered by Artificial Intelligence“, „Why Machine Health is critical for your asset and reliability program“, „How to use Machine Health to drive your reliability program“ und „When Branche 4.0 meets Machine Health“. Die Botschaft ist in allen vier Veranstaltungen dieselbe: Das Produkt analysiert „Millionen von Ausgaben von Zustandsüberwachungssensoren“, alarmiert Teams „deutlich vor einem Ausfall“, diagnostiziert Ursachen und schlägt Abhilfemaßnahmen vor.

Die drei Probleme, die es ausdrücklich adressiert, sind es wert, zitiert zu werden, weil sie den geschäftlichen Nutzen definieren:

• Notfall-Ausfallzeit. Ungeplante Stillstände, die Produktionsverluste und reaktive Instandhaltung erzwingen.
• Ersatzteile per Nachtexpress. Beschleunigte Logistikkosten, die immer dann entstehen, wenn ein Ausfall zu spät entdeckt wird, um eine Reparatur zu planen.
• Alarmmüdigkeit. Zuverlässigkeitsteams, die in Schwellenwertalarmen ertrinken, von denen die meisten keine Maßnahme erfordern.

Keines dieser Probleme ist neu. Neu ist das Bereitstellungsmodell: Statt von einem Werk zu verlangen, Software zu kaufen, Regeln zu konfigurieren und ein Analyseteam zu besetzen, verkauft Bently Nevada eine Dienstleistung, bei der die KI die Erstdiagnose durchführt und menschliche Experten nach dem Ausnahmeprinzip arbeiten. Das ist das „One-to-Many“-Modell, das im Machine Health eBook von Baker Hughes beschrieben wird: Weil die KI die Daten prüft, kann ein einziger Spezialist Zehntausende von Maschinen unterstützen.

Warum die Nebenanlagen das eigentliche Ziel sind

Die meisten Budgets für die Zustandsüberwachung fließen noch immer in das kritische 1 % – die Turbinen-Generator-Stränge, Hauptkompressoren und Reaktor-Speisepumpen, die schrankbasierte Schutzsysteme und dedizierte Analysten rechtfertigen. Der Rest der Anlage ist ein anderes Problem. Eine typische Raffinerie, Papierfabrik oder Chemieanlage betreibt Hunderte oder Tausende von Pumpen, Ventilatoren und Gebläsen, die einzeln betrachtet günstig sind, aber gemeinsam für einen großen Anteil der ungeplanten Ausfallzeiten verantwortlich sind.

Die routenbasierte Datenerfassung war die traditionelle Antwort. Ein Techniker geht eine Route mit einem tragbaren Messgerät ab, lädt die Daten herunter und ein Analyst überprüft sie. Dieses Modell steht unter Druck aus drei Richtungen: die Arbeitskosten für das Abgehen der Routen, die Knappheit an ausgebildeten Schwingungsanalysten und die Tatsache, dass Ausfälle weiterhin zwischen den Routen auftreten. Drahtlose IIoT-Sensoren haben die Wirtschaftlichkeit der Datenerfassung verändert, aber sie haben den Engpass bei der Analyse nicht gelöst – und genau hier kommt zweckgebundene KI zum Einsatz.

Diese Unterscheidung ist wichtig bei der Bewertung des Dienstleistungen. Machine Health ist nicht dafür ausgelegt, einen 3500-Schrank zu ersetzen, der eine Dampfturbine schützt, und Bently Nevada positioniert es auch nicht so. Es ist dafür ausgelegt, den langen Schwanz sichtbar zu machen – zu Kosten pro Maschine, die routenbasierte Programme nicht erreichen können.

So funktioniert Maschinenzustandsüberwachung: überwachen, diagnostizieren, anleiten, handeln

Baker Hughes beschreibt den Dienstleistung als vier miteinander verbundene Phasen. Jede Phase hat ein bestimmtes Ergebnis, und die Übergabe zwischen ihnen ist der Punkt, an dem die meisten Überwachungsprogramme scheitern.

Die entscheidende Aussage ist die Geschwindigkeit der Bereitstellung. Bently Nevada argumentiert, dass vortrainierte, zweckgebundene Modelle einen kurzen Time-to-Value erzielen, im Gegensatz zu Allzweck-KI, die „Monate für die Bereitstellung und Jahre bis zur Wertschöpfung benötigen kann“. Das ist eine berechtigte Unterscheidung: Ein Modell, das auf Schwingungsmustern von Zehntausenden ähnlicher Maschinen trainiert wurde, muss Ihre Pumpe nicht von Grund auf lernen, obwohl es dennoch saubere Daten und den korrekten Anlagenkontext benötigt.

Was „KI“ hier bedeutet – und was nicht

Drei Klarstellungen verhindern überhöhte Erwartungen.

Sie ist vibrationsbasiert, nicht allwissend. Baker Hughes beschreibt die Diagnose als Nutzung von Schwingungstrenddaten, um frühe Anzeichen eines Ausfalls zu erkennen und Abhilfemaßnahmen vorzuschlagen. Das deckt die klassischen Ausfallarten rotierender Maschinen – Lagerschäden, Fluchtfehler, Unwucht, Lockerheit, Dichtungs- und Kavitationsprobleme – sehr gut ab. Es ersetzt weder Thermografie, Ölanalyse, Ultraschall-Leckerkennung noch Prozessleistungsüberwachung, und es ist keine Maschinenschutzfunktion. Abschaltungen und Verriegelungen bleiben Aufgabe der Schutzsysteme.

Sie ist überwacht, nicht autonom. Der Dienstleistung ist ausdrücklich „hybride Intelligenz“: Menschliche Maschinenexperten prüfen die Ergebnisse, bevor Empfehlungen den Kunden erreichen. Das ist ein Vorteil für Sicherheit und Vertrauen, bedeutet aber auch, dass die Reaktionszeiten von der Servicevereinbarung abhängen und nicht nur vom Modell.

Sie ist auf einer Grundgesamtheit trainiert, nicht nur auf Ihrer Anlage. Auf einer Grundgesamtheit trainierte Modelle generalisieren gut über gängige Maschinentypen und Ausfallarten hinweg. Ungewöhnliche Konstruktionen – nicht standardmäßige vertikale Pumpen, ungewöhnliche Getriebe, Maschinen mit stark prozessbedingten Schwingungen – können zusätzlichen Kontext oder eine Experteninterpretation erfordern. Fragen Sie, wie der Anbieter mit Diagnosen geringer Konfidenz umgeht.

Die veröffentlichte Wirtschaftlichkeit

Baker Hughes veröffentlicht eine Reihe von Ergebnis-Kennzahlen für Machine Health. Es handelt sich um vom Anbieter gemeldete Durchschnittswerte über seine Kundenbasis, nicht um Garantien, aber sie sind konkret genug, um sie anhand eines Business Case zu prüfen.

Die Rechnung ist einfach. Wenn ungeplante Ausfallzeiten an einem Standort $10.000 pro Stunde kosten und der Dienstleistung 400 Stunden vermeidet, beträgt der Bruttonutzen rund $4 Millionen — deutlich über der sechsstelligen Abonnement-Spanne, die für maschinenbezogene Überwachungsdienste typisch ist. Das Risiko im Business Case liegt nicht in der Rechnung; es liegt in der Annahme, dass die Ausfallmodi und die Datenqualität Ihrer Anlage mit der Referenzpopulation des Anbieters übereinstimmen.

Kundennachweise: zwei dokumentierte Fälle

Zwei veröffentlichte Fälle veranschaulichen den Mechanismus besser als die Durchschnittswerte.

Invista. Ein Manager für rotierende Maschinen berichtete über einen dokumentierten Nutzen von 4 Millionen US-Dollar aus einer einzigen Rettungsaktion. Das entscheidende Detail war das Timing: Der Dienstleistung verschaffte dem Standort etwa 24 zusätzliche Stunden Vorwarnzeit – genug, um die Reaktion von einer Notabschaltung auf einen geplanten Eingriff umzustellen. Das ist die Ökonomie von Machine Health in einem Satz – der Wert liegt nicht in der Diagnose selbst, sondern in der Planungszeit, die sie erkauft.

Solugen. Kurz nach der Installation half das System, sechs Stunden Ausfallzeit und etwa 6.000 US-Dollar Reparaturkosten bei einer einzigen Kreiselpumpe zu vermeiden. Eine kleine Zahl nach Raffineriemaßstäben, aber es ist genau die Art von Anlage, für die eine Abdeckung des gesamten Anlagenparks gedacht ist: einzeln unbedeutend, in der Summe bedeutend und zuvor nur im Rahmen einer Route überwacht.

Beide Zahlen sind vom Anbieter veröffentlicht und sollten als Fallnachweise und nicht als erwartete Leistung betrachtet werden. Ihr Wert liegt darin, die beiden Nutzenpfade aufzuzeigen: vermiedener Produktionsverlust bei einer kritischen Anlage und vermiedene Reparatur plus Ausfallzeit bei einer kleinen Anlage.

Vom Verkauf von Hardware zum Verkauf von Ergebnissen

Die strategische Bedeutung von Machine Health liegt im Geschäftsmodell. Traditionelle Zustandsüberwachung ist eine Investitionsgüterbeschaffung: Sensoren, Racks, Softwarelizenzen, Installation und dann ein internes Team für den Betrieb. Machine Health ist ein Abonnement: Sensoren und Gateway inklusive, Cloud-KI inklusive, Expertenprüfung inklusive, bepreist pro Maschine oder pro Anlagengruppe.

Dieser Wandel verändert für ein Werk mehrere Dinge:

• Budgetbehandlung. Die Kosten verschieben sich von Investitionsausgaben zu Betriebsausgaben, was auf Standortebene leichter zu genehmigen und Asset für Asset leichter zu skalieren ist.
• Personalbesetzung. Das Werk muss keine Schwingungsanalysten einstellen, um jeden Trend zu interpretieren; es braucht Menschen, die auf priorisierte Empfehlungen reagieren können.
• Risikotransfer. Die Verantwortung für Erkennung und Diagnose liegt teilweise beim Anbieter, weshalb Service-Level-Vereinbarungen wichtiger sind als bei einem Softwarekauf.
• Ausstiegskosten. Abonnementmodelle schaffen Abhängigkeiten. Dateninhaberschaft, Exportformate und was am Vertragsende geschieht, sollten vor der Unterschrift geklärt werden, nicht danach.

Für Bently Nevada löst das Modell zudem ein Abdeckungsproblem. Der Verkauf eines 3500-Racks zum Schutz einer 20.000-Dollar-Pumpe ist unwirtschaftlich; der Verkauf eines Monitoring-Abonnements pro Maschine nicht. So erreicht ein hardwaregetriebenes Unternehmen die 99 % der Assets, für die sich ein Rack nie rechtfertigen ließe.

Wo Machine Health neben System 1 und 3500 einzuordnen ist

Machine Health ersetzt weder System 1 noch Schutzsysteme. Die drei Ebenen erfüllen unterschiedliche Aufgaben:

• Schutz (3500, Orbit 60): Abschaltungen, Verriegelungen und Sicherheitsfunktionen an kritischen Maschinen, mit API-670-Konformität, wo erforderlich.
• Anlagenweite Zustandsüberwachung (System 1): konsolidierte Daten, Langzeithistorie, Diagnosen, HMI und Fallmanagement für kritische und halbkritische Anlagen. Siehe unsere Bewertung der 20-jährigen Entwicklung von System 1.
• Machine Health: KI-gestützte Abdeckung der übrigen Anlagenpopulation, bereitgestellt als Dienstleistung, mit präskriptiven Ergebnissen für die Instandhaltungsplanung.

In der Praxis werden viele Standorte alle drei betreiben. Ein 3500-Rack liefert den Schutz und leitet über ein 3500/92 Kommunikationsgateway Datenströme in System 1 ein. Machine Health deckt Pumpen und Ventilatoren ab, die nie an einem Rack angeschlossen waren. Die Frage der Integration — ob Ergebnisse von Machine Health innerhalb von System 1 oder in einem separaten Portal erscheinen — sollte frühzeitig geklärt werden, denn zwei getrennte Alarmströme erzeugen erneut die Alarmmüdigkeit, die der Dienstleistung eigentlich lösen soll.

Was vor dem Kauf zu prüfen ist

Eine strukturierte Bewertung sorgt dafür, dass die Entscheidung auf Ihrer Ausfallhistorie basiert und nicht auf den Durchschnittswerten des Anbieters.

1. Beginnen Sie mit den Ausfalldaten. Ziehen Sie drei Jahre Wartungsaufzeichnungen heran und ordnen Sie Ausfälle der Nebenanlagen nach Kosten. Wenn Lager- und Ausrichtungsfehler dominieren, passt die Dienstleistung; wenn Korrosion, Erosion und Bedienerfehler dominieren, wird eine vibrationsbasierte KI einen Großteil des Verlusts verfehlen.
2. Ordnen Sie die Sensorabdeckung den Ausfallmodi zu. Bestätigen Sie, welche Messgrößen die vorgeschlagenen Sensoren erfassen und in welchem Intervall. Vibration an einer Pumpe erkennt weder ein verstopftes Sieb noch eine trockenlaufende Dichtung ohne Prozessdaten.
3. Fragen Sie nach Diagnosen mit geringer Konfidenz. Jedes KI-System hat sie. Was passiert, wenn das Modell nicht zwischen Lagerverschleiß und Kavitation entscheiden kann? Wer prüft das, und wie schnell?
4. Definieren Sie das Servicelevel. Erkennung ist nicht dasselbe wie Benachrichtigung. Lassen Sie Reaktionszeiten, Eskalationswege und das namentlich benannte Expertenteam schriftlich festhalten.
5. Klären Sie Datenhoheit und Integration. Bestätigen Sie, dass Sie Roh- und aufbereitete Daten exportieren können, dass diese Ihr CMMS und, wo relevant, System 1 speisen können, und was am Vertragsende mit den Modellen und der Historie geschieht.
6. Prüfen Sie den Cyber- und Netzwerkpfad. Drahtlose Sensoren und Cloud-Analytik überschreiten Netzwerkgrenzen. Bestätigen Sie die Gateway-Architektur, Daten-Dioden- oder Replikationsoptionen und ob das Design dem Cybersecurity-Standard Ihres Standorts entspricht.
7. Führen Sie einen Pilotversuch an einer repräsentativen Anlagengruppe durch. Zwanzig bis fünfzig Maschinen über zwei oder drei Betriebsarten reichen aus, um die Erkennungsqualität und die Passung zum Workflow vor der Skalierung zu testen.

Grenzen und Risiken, die benannt werden sollten

Drei Risiken verdienen die gleiche Aufmerksamkeit wie die Vorteile.

Modellverzerrung hin zu häufigen Ausfallarten. Auf Populationen trainierte Modelle sind am stärksten bei den Ausfällen, die sie am häufigsten sehen: Lager, Fluchtungsfehler, Unwucht, Lockerheit. Bei neuartigen oder prozessbedingten Fehlern sind sie schwächer. Standorte mit ungewöhnlicher Ausrüstung sollten mit mehr menschlicher Interpretation rechnen.

Datenqualität, nicht Modellqualität, entscheidet über die Ergebnisse. Ein Sensor, der an der falschen Stelle installiert, an einer flexiblen Platte montiert oder mit der falschen Empfindlichkeit konfiguriert wurde, liefert überzeugenden Unsinn. Installationsdisziplin ist ebenso wichtig wie die KI.

Abhängigkeit von Abonnements. Wenn Diagnosen als Dienstleistung bereitgestellt werden, kann die interne Diagnosefähigkeit des Werks verkümmern. Einige Analysten zu behalten, die eine Empfehlung hinterfragen können, ist eine Kontrollmaßnahme, kein Luxus — besonders im ersten Jahr.

Nichts davon spricht gegen das Modell. Es spricht dafür, es mit klarem Blick zu kaufen: ein definierter Umfang, ein messbarer Pilot und ein Vertrag, der den Zugang zu Daten und Historie schützt.

Fazit

Der Maschinenzustands-Service von Bently Nevada ist eine glaubwürdige Antwort auf eine reale Lücke. Rack-basierter Schutz und anlagenweite Plattformen bedienen kritische Maschinen gut, doch die Hunderte oder Tausende von Anlagen außerhalb des Kernprozesses bleiben unterüberwacht, weil routenbasierte Erfassung nicht skalierbar ist und Schwellenwertalarme keine Diagnose liefern. Zweckgebundene KI, vortrainiert auf Zehntausenden von Maschinen und durch menschliche Prüfung abgesichert, verändert diese Ökonomie – und das Abonnementmodell ermöglicht es einem Standort, Abdeckung Maschine für Maschine zu kaufen.

Für Zuverlässigkeitsteams geht es bei der Entscheidung weniger darum, ob KI einen Lagerfehler diagnostizieren kann (das kann sie), sondern vielmehr darum, ob der Dienstleistung zu den vorherrschenden Ausfallmodi des Standorts passt, sich in bestehende Systeme integrieren lässt und durch einen Vertrag geregelt ist, der die Daten bei Ihnen belässt. Kaufen Sie ihn als messbaren Dienstleistung, testen Sie ihn pilotweise an einer repräsentativen Anlagengruppe und behandeln Sie die veröffentlichten ROI-Zahlen als zu prüfende Hypothese statt als Versprechen.

Häufig gestellte Fragen

Was ist Bently Nevada Machine Health?

Machine Health ist ein KI-gesteuerter Zustandsüberwachungsdienst von Bently Nevada und Baker Hughes, der mit Augury bereitgestellt wird. Er analysiert kontinuierlich Sensordaten, erkennt frühe Ausfallanzeichen, diagnostiziert Ursachen und empfiehlt Maßnahmen, wobei menschliche Maschinenexperten die Ergebnisse prüfen, bevor sie herausgegeben werden.

Ist Machine Health dasselbe wie System 1?

Nein. System 1 ist die anlagenweite Softwareplattform von Bently Nevada für die Anlagenzustandsüberwachung kritischer und halbkritischer Maschinen. Machine Health ist ein Abonnementdienst, der auf große Populationen von Hilfsanlagen (Balance of Plant) abzielt. Viele Standorte nutzen beides, zusammen mit 3500- oder Orbit 60-Schutzsystemen.

Für welche Anlagen ist Machine Health konzipiert?

Hauptsächlich für Hilfsanlagen (Balance of Plant), die zu zahlreich für die routenbasierte Datenerfassung und zu teuer sind, um sie unüberwacht zu lassen: Pumpen, Ventilatoren, Gebläse, Förderer, kleine Motoren und ähnliche rotierende Anlagen.

Welche Ergebnisse veröffentlicht Baker Hughes für Machine Health?

Baker Hughes nennt einen durchschnittlichen ROI von 8,5× pro Standort, durchschnittliche kumulierte Einsparungen von 2,03 Mio. USD, durchschnittliche Einsparungen von 21,5 Tsd. USD pro Maschine und Jahr, 439 vermiedene Ausfallstunden und durchschnittlich mehr als 42 Einsparungen pro Standort. Dies sind vom Anbieter gemeldete Durchschnittswerte, keine Garantien.

Ersetzt Machine Health Schwingungsanalysten?

Es reduziert den Umfang der Routineanalyse, da die KI die Erstdiagnose durchführt und Experten nach dem Ausnahmeprinzip arbeiten. Die meisten Standorte behalten dennoch eine gewisse interne Diagnosefähigkeit, um Empfehlungen zu validieren und ungewöhnliche Maschinen zu behandeln.

Können Machine-Health-Daten in bestehende Systeme integriert werden?

Das hängt von der Bereitstellung ab. Fragen Sie gezielt, ob Ergebnisse in System 1, Ihr CMMS oder einen Historian fließen können, ob Rohdaten exportierbar sind und welche Bedingungen zur Dateninhaberschaft am Vertragsende gelten.

Quellen und weiterführende Literatur

• Baker Hughes – Cordant Machine Health (bereitgestellt von Augury)
• Bently Nevada – Machine Health-Webinare (KI-gestützte prädiktive, präskriptive Diagnostik)
• Bently Nevada – „Wenn Ranger Pro auf KI trifft, passieren gute Dinge”
• Baker Hughes – „Jemand, der über Maschinen wacht” (Hintergrund zur Allianz)
• Augury – Baker Hughes und Augury kündigen Allianz an (26. Oktober 2021)
• Baker Hughes – Machine Health-eBook (One-to-Many-Bereitstellungsmodell)

Artikel zuletzt geprüft im Oktober 2026. Leistungsumfang, veröffentlichte ROI-Zahlen und Kundenergebnisse sind aus Materialien von Baker Hughes und Augury zitiert; bestätigen Sie aktuelle kommerzielle Bedingungen, Abdeckung und Integrationsoptionen mit Baker Hughes oder einem autorisierten Partner vor dem Kauf.

Betreiben Sie Anlagen der Nebenanlagen parallel zu kritischen Maschinen? Durchsuchen Sie den 3500-Systemleitfaden, den 3500-Serienkatalog oder 3300 XL-Sondensysteme für die Sensorikschicht, und sehen Sie, wie diese Plattformen in Öl- und Gasverdichtung, Papierfabriken und HVAC für Rechenzentren eingesetzt werden. Weitere Produktneuigkeiten werden regelmäßig veröffentlicht; für Teilenummern und Lieferzeiten kontaktieren Sie das TenBN-Team.