Anhand dieser Fallstudie soll dargestellt werden, wie eine konsequente Kombination von künstlicher und menschlicher Intelligenz ein kontinuierlich lernendes Gesamtkonzept bilden kann. Das zur Fehlerfrüherkennung und Predictive Maintenance entwickelte System, das in diesem Beispiel angewandt wurde, verwendet als Leitparadigma das „Lernen voneinander“. Am Kraftwerksstandort sollen technische Experten durch die mathematischen Verfahren mehr über die physikalischen Zusammenhänge und Prozesse lernen, um so besser Schäden vorzubeugen. Dies erfordert eine verständliche und praxisnahe Darstellung der Ergebnisse. Die künstliche Intelligenz hingegen soll aus den Reaktionen der Experten, in Form von Bewertungen und ausgelösten Wartungen, zunehmend die Fehlerdiagnose und die Einleitung von Fehlerbehebungsschritten automatisieren. Nach einer kurzen Einleitung in die mathematischen und konzeptionellen Bestandteile des Überwachungssystems soll eine Fallstudie den Diagnoseprozess anhand eines komplexen Lagerschadens in einem Heizkraftwerk darstellen. Darüber hinaus soll ein Überblick die gesammelten Erfahrungen und Erkenntnisse über Verwendung dieser Predictive Maintenance Lösung an mehreren Kraftwerksstandorten in den letzten zwölf Monaten wiedergeben.
