Kalzium oder Kurbelwelle- Dieser Software ist das egal.

Neun dokumentierte Anwendungsfälle. Ein wiederverwendbarer Softwarekern statt einer neuen KI für jede Aufgabe.

Kalzium. Magnesium. Eisen. Blutzucker.

Temperatur. Druck. Drehzahl. Vibration.

Die erste Reihe könnte aus einem Laborbefund stammen. Die zweite aus einem Formel-1-Rennwagen, einer Wasserpumpe oder einem Kraftwerk.

Zwei Welten, die nichts miteinander zu tun haben. Andere Messgeräte, andere Fachleute, andere Physik.

Und doch steckt dahinter dieselbe Frage:

In welchem Zustand befindet sich ein System – und wie verändert sich dieser Zustand

Für eine Software aus Wien sind beide Reihen deshalb dieselbe Aufgabe.

Ein Bluttest ist ein Snapshot. Aber was passiert danach?

Er liefert eine Momentaufnahme aus vielen Laborwerten – keiner für sich das Gesamtbild.

Bei einer Maschine ist es nicht anders. Erst wenn Druck, Temperatur, Drehzahl und Vibration demselben Zeitpunkt oder einem definierten Messfenster zugeordnet werden, entsteht ein gemeinsamer Snapshot des Betriebszustands.

Genau dieses Bild übersetzt Semantic Folding Sensor Fusion, kurz SF2, in einen kompakten digitalen Fingerabdruck, einen State Fingerprint: ein spärlich besetztes binäres Muster, das sich mathematisch mit anderen Zuständen vergleichen lässt. Gleiche Daten, gleiches Modell, gleiche Vorverarbeitung – gleiches Ergebnis. Deterministisch und reproduzierbar.

Dann wird es spannend.

Aus einem Snapshot werden viele, aus Einzelbildern ein Film. Erst die Abfolge zeigt, wie sich ein System verändert.

Ein Snapshot zeigt, wo ein System steht.

Viele Snapshots zeigen, wie es sich verändert.

Der Vergleich mit bekannten Zuständen zeigt, welchen es ähnlicher wird – und von welchen es sich entfernt.

Der Fingerprint des Normalbetriebs macht Abweichungen sichtbar – möglicherweise bevor ein einzelner Sensor eine Alarmgrenze überschreitet. Liegen Muster dokumentierter Störungen vor, misst SF2 auch, ob der aktuelle Zustand ihnen zunehmend ähnelt.

Das ist keine Wahrsagerei, sondern eine messbare Annäherung an bekannte Muster.

„Welche Daten wir verarbeiten, spielt für unsere Software keine Rolle“, erklärt Francisco Webber, Gründer, CEO und Chief Scientist von SF2 Systems. „Ob Kalziumwert oder Kurbelwellendruck: Das Prinzip ist immer dasselbe. Wir machen aus vielen Einzelwerten einen Zustand – und aus vielen Zuständen eine Richtung.“

Vier Tage vor dem Ausfall. Und dann plötzlich Radar.

Eine Industriepumpe: 52 Sensorkanäle, über 220.000 Messpunkte, sieben dokumentierte Fehlerphasen. In der retrospektiven Auswertung zeigte sich eine charakteristische Zustandsveränderung rund vier Tage vor einem dokumentierten Ausfall.

Das Zustandsmodell entstand in weniger als 15 Minuten. Auf einem gewöhnlichen Notebook. Keine Datenbank voller Schadensfälle. Keine GPU-Farm. Kein monatelanges Training eines Spezialmodells.

Und jetzt kommt der eigentliche Punkt.

Derselbe Softwarekern, der diese Pumpe analysiert hat, klassifiziert auch Radarsignale.

76 Zielklassen. F1-Werte über 0,98 für nahezu alle.

Völlig andere Daten. Eine andere Physik. Eine andere Aufgabe.

Aber kein neuer Kern.

Wie weit trägt dieses Prinzip?

Das SF2-Team hat es ausprobiert. Wieder und wieder.

Ein Kompressor. Eine Kunststoffextrusion. Eine Offshore-Förderleitung. Eine Serverlandschaft. Ein Werkzeug, das verschleißt. Eine Förderstrecke in der Halbleiterfertigung.

Sechs weitere Welten. Sechsmal dieselbe Software.

Bleibt eine Frage: Was, wenn es nicht mehr um eine einzelne Maschine geht, sondern um eine ganze Anlage?

Drei Funktionen. Ein Modell.

Die Antwort liefert eine Biogasanlage im nördlichen Niederösterreich. Dort treffen drei ganz unterschiedliche Anlagenfunktionen aufeinander. Ein Blockheizkraftwerk erzeugt Strom und Wärme. Ein Rührwerk hält den biologischen Prozess in Gang. Eine Gasfackel verbrennt das Gas, wenn es nicht verwertet werden kann.

SF2 hat alle drei in einem einzigen Zustandsmodell erfasst – aus rund 70 Tagen Betriebsdaten.

Dann wurde zurückgespult.

Die Analyse der historischen Daten zeigte erste Vorläufer: beim Rührwerk 62 Stunden vor einer Schutzmeldung, bei der Gasfackel 53 Stunden vor einer Störung und beim Blockheizkraftwerk sogar rund 14 Tage – also zwei volle Wochen – vor einem größeren Störungskomplex.

Alle Ergebnisse stammen aus dokumentierten, teils retrospektiven Auswertungen und stellen kein Pauschalversprechen für jede Anlage dar, aber ein klares Prinzip: Derselbe Softwarekern für neun völlig unterschiedliche Anwendungen.

Niemand programmiert für jede Bilanz eine neue Tabellenkalkulation.

Eine Tabellenkalkulation wird einmal gebaut und Millionen von Menschen rechnen darin mit ihren eigenen Zahlen.

In der industriellen KI passiert oft das Gegenteil: Für jede Maschine wird eine maßgeschneiderte Lösung entwickelt – Daten sammeln, Spezialisten beauftragen, trainieren, integrieren. Bei der nächsten Maschinenklasse beginnt vieles von vorn.

Bei einer einzelnen Maschine ist dieser maßgeschneiderte Ansatz machbar – bei tausend wird er unbezahlbar. SF2 kehrt dieses Prinzip um: Die Technologie bleibt dieselbe. Der Anwender bestimmt die Anwendung.

Daten, Vorverarbeitung und Referenzzustände ändern sich – der Kern bleibt. Und modelliert wird von denen, die ihre Anlagen am besten kennen: den Maschinenexperten selbst.

Nicht ein Modell für alle Maschinen. Sondern eine Technologie, mit der jeder sein eigenes Modell baut – wie in einer Tabellenkalkulation.

Ausprobieren ausdrücklich erwünscht.

Darauf warten muss niemand.

Die SF2 Suite SE steht dauerhaft kostenlos zur Verfügung. Nutzer können damit historische Daten lokal analysieren, eigene Zustandsmodelle bauen und Fingerprints vergleichen – ganz ohne zusätzliche Hardware und ohne dass Daten das Haus verlassen. Während die Suite RT als Erweiterung Live-Daten einbindet, läuft die Engine RT direkt an der Maschine.

Wie klein „direkt an der Maschine“ sein kann?

Auf einem NXP i.MX91 wertet SF2 Pumpendaten im Echtzeit-Replay aus und liefert Zustandsinformationen für SCADA-Alarme.

An einer 15 Meter langen Förderstrecke erkannte SF2 Defektpassagen – mit einem einzigen mitfahrenden Sensorbehälter statt Sensoren an jeder Rolle. Anschließend wurde die Software auf einem Infineon PSoC Edge E84 AI Kit implementiert, im Umfeld des Thin[gk]athon von Infineon Technologies und ZEISS Digital Innovation.

Für Maschinenbauer und OEMs wird Zustandsintelligenz damit zur Softwarefunktion – in vorhandenen Geräten, Steuerungen und Architekturen.

„Unternehmen fragen uns nicht, ob SF2 ihre Maschine schon kennt“, sagt Christoph Gretzmacher, Business Development bei SF2 Systems. „Sie fragen, wie schnell sie mit ihren eigenen Daten loslegen können. Die Antwort ist: heute. Und wenn jemand mehr braucht, etwa eine neue Schnittstelle oder eine spezielle Integration, bauen wir das dazu. Der Kern bleibt, die Lösung wächst mit.“

Zurück zum Bluttest.

Alle Laborwerte im Referenzbereich. Aber ist der Mensch deshalb gesund?

Ein Wert kann völlig normal sein – und sich trotzdem weit von dem entfernt haben, was für genau diesen Menschen normal war. Mehrere Werte können sich gemeinsam verschieben, ohne einzeln aufzufallen.

Was, wenn man die Bluttests eines Menschen über Jahre hintereinanderlegt, wie die Einzelbilder eines Films?

Dann lautet die Frage nicht mehr nur: Sind meine Werte heute normal? Sondern: Wohin bewegt sich mein biologischer Gesamtzustand?

Genau das untersucht SF2 Systems in seiner bereits öffentlich kommunizierten Forschungszusammenarbeit mit der Medizinischen Universität Wien, Labormedizin am AKH Wien: Lassen sich aus klinischen Routinedaten Patient State Fingerprints ableiten, die Veränderungen des biologischen Gleichgewichts, der Homöostase, sichtbar machen – womöglich bevor einzelne Werte diagnostische Schwellen überschreiten?

Das ist Forschung, keine Diagnose. Ob solche Muster klinisch aussagekräftig sind, muss sich zeigen; SF2 ist kein zugelassenes Diagnoseverfahren.

Aber man muss sich vor Augen halten, was hier passiert: Dieselbe Software, die eine Pumpe beschreibt und Radarziele unterscheidet, wird an menschlichen Labordaten erforscht.

Nicht weil der Mensch eine Maschine wäre. Sondern weil die Frage dieselbe ist: Wo steht ein System – und wohin bewegt es sich?

Die eigentliche Innovation ist nicht die neunte Anwendung.

Sondern dass dafür keine neunte Technologie entwickelt werden musste.

Jede neue Anwendung erschließt einen weiteren Einsatzbereich für denselben, sofort verfügbaren Softwarekern – ohne technologisch wieder bei null anzufangen.

Daten zu sammeln wird jeden Tag einfacher. Sie zu verstehen nicht.

Nicht für jedes Problem eine neue KI. Sondern ein Kern für viele Probleme.

Weitere Informationen: https://sf2systems.com

Software: https://sf2systems.com/produkte/software/index.html

Technische Fallstudien: https://sf2systems.com/case-studies/index.html

SF2 Systems ist ein Wiener Deep-Tech-Unternehmen für die softwarebasierte Zustandsanalyse komplexer Maschinen, Anlagen und Prozesse in Industrie, Energie und kritischer Infrastruktur. Die sensor- und herstellerunabhängige Technologie führt vorhandene Sensor- und Betriebsdaten zu vergleichbaren Zustands-Fingerprints zusammen und macht Drift und schleichende Veränderungen früh sichtbar – reproduzierbar, nachvollziehbar, ohne Black-Box-Modell und ohne große gelabelte Fehlerdatensätze. Als Ergänzung bestehender Condition-Monitoring- und Automatisierungssysteme ist SF2 für Brownfield- und OT-Umgebungen ausgelegt, läuft lokal am Edge bzw. On-Premises ohne Cloud-Abhängigkeit und hält sensible Produktionsdaten im Unternehmen. So können Zustandsveränderungen früher erkannt, ungeplante Stillstände reduziert sowie Wartung und Betrieb planbarer werden. Über industrielle Anwendungen hinaus erschließt SF2 Systems neue Einsatzfelder in Biotechnologie und Life Sciences. Im Mittelpunkt steht dabei auch die wissenschaftliche Untersuchung biologischer Zustandsveränderungen anhand klinischer Routinedaten.