Datengetriebene Zuverlässigkeitsmodellierung -
Zuverlässigkeit von Wärmepumpen
-
Projektvision
Das Projekt untersucht, wie Betriebsdaten, ingenieurwissenschaftliches Wissen und künstliche Intelligenz kombiniert werden können, um die Zuverlässigkeit nachhaltiger Heizsysteme zu bewerten, Degradation zu erkennen und vorausschauende Wartung zu unterstützen.
Problemstellung
Gebäude verursachen einen erheblichen Anteil des weltweiten Energieverbrauchs und der Treibhausgasemissionen. In Deutschland sind Wohngebäude für einen großen Teil der Emissionen im Gebäudesektor verantwortlich, vor allem durch Heizung und Warmwasserbereitung. Um Klimaziele zu erreichen und die Abhängigkeit von fossilen Energieträgern zu reduzieren, werden nachhaltige Heiztechnologien wie Wärmepumpen eine zentrale Rolle in der Energiewende einnehmen.
Der erfolgreiche Einsatz dieser Technologien hängt jedoch nicht nur von ihrer Energieeffizienz ab, sondern auch von einem zuverlässigen Langzeitbetrieb. Unerwartete Ausfälle erhöhen Wartungskosten, verringern die Akzeptanz bei Kundinnen und Kunden und begrenzen die ökologischen Vorteile nachhaltiger Heizsysteme. Gleichzeitig werden moderne Heizsysteme zunehmend vernetzt und erzeugen über ihren gesamten Lebenszyklus hinweg große Mengen an Betriebsdaten.
Trotz dieser wachsenden Datenverfügbarkeit bleibt die Bewertung der Zuverlässigkeit anspruchsvoll. Moderne Heizsysteme bestehen aus zahlreichen interagierenden Komponenten, Sensoren und Regelungsfunktionen, die unter unterschiedlichen Umwelt- und Nutzungsbedingungen arbeiten. Hinzu kommt, dass Ausfallinformationen und Wartungsaufzeichnungen häufig unvollständig sind. Daraus ergibt sich der Bedarf an neuen Methoden, die Betriebsdaten in verwertbare Zuverlässigkeitserkenntnisse übersetzen und Entscheidungen zur vorausschauenden Wartung unterstützen.
Zielsetzung
Ziel des Projekts ist die Entwicklung datengetriebener Methoden zur Bewertung und Überwachung der Zuverlässigkeit nachhaltiger Heizsysteme über ihre gesamte Betriebsdauer hinweg.
Ein zentrales Ziel besteht darin, Betriebsdaten in interpretierbare Indikatoren für Systemzustand, Degradation und zukünftige Zuverlässigkeit zu überführen. Durch die Kombination von Datenanalyse, maschinellem Lernen und ingenieurwissenschaftlichem Wissen sollen frühe Anzeichen einer Leistungsverschlechterung identifiziert werden, bevor sie zu Systemausfällen führen.
Ein weiteres Ziel ist die Entwicklung von Ansätzen, die auch bei unterschiedlicher Datenverfügbarkeit und unterschiedlichem Systemverständnis wirksam bleiben. Dazu untersucht das Projekt datengetriebene, physikalisch basierte und hybride Modellierungsstrategien und analysiert, wie sich diese in praktischen Anwendungen sinnvoll ergänzen können.
Über einzelne Komponenten hinaus verfolgt das Projekt eine systemische Perspektive auf Zuverlässigkeit. Dadurch lässt sich besser verstehen, wie sich die Degradation einzelner Komponenten auf die Gesamtleistung des Systems auswirkt und wie Wartungs- und Serviceentscheidungen fundierter getroffen werden können.
Forschungsansatz
Das Projekt verbindet Methoden des Reliability Engineering, der Datenanalyse und des maschinellen Lernens. Ein besonderer Fokus liegt auf der Integration von Betriebsdaten aus dem Feld, Laboruntersuchungen, technischer Systemdokumentation und ingenieurwissenschaftlicher Expertise, um unterschiedliche Perspektiven auf Systemverhalten und Degradation abzubilden.
Die Forschung erfolgt in Kooperation mit der Bosch Home Comfort Group. Dadurch besteht Zugang zu industriellen Anwendungsfällen und realen Betriebsbedingungen. Dies ermöglicht die Entwicklung und Bewertung von Methoden anhand praktischer Herausforderungen aus Produktentwicklung und Feldbetrieb.
Ein zentraler Forschungsschwerpunkt ist die Untersuchung unterschiedlicher Paradigmen der Zuverlässigkeitsmodellierung, darunter datengetriebene, physikalisch basierte und hybride Ansätze. Anstatt von einer universellen Lösung auszugehen, untersucht das Projekt, welche Methoden unter verschiedenen Bedingungen hinsichtlich Systemwissen, Datenverfügbarkeit und Prognoseanforderungen am besten geeignet sind.
Luft-Wasser-Wärmepumpen dienen als primärer industrieller Anwendungsfall für die Entwicklung und Bewertung der vorgeschlagenen Ansätze. Dadurch kann untersucht werden, wie Zuverlässigkeitserkenntnisse aus realen Betriebsdaten abgeleitet und in praktische Wartungs- und Serviceentscheidungen übersetzt werden können.
Die entwickelten Methoden können Hersteller, Serviceorganisationen und Betreiber nachhaltiger Heizsysteme über den gesamten Lebenszyklus hinweg unterstützen.
Durch die frühzeitige Identifikation von Zuverlässigkeitsrisiken und Degradationstrends unterstützen die Ansätze proaktive Wartungsstrategien und helfen, unerwartete Systemausfälle zu reduzieren. Dies trägt zu einer höheren Systemverfügbarkeit, geringeren Servicekosten und einem effizienteren Einsatz von Wartungsressourcen bei.
Das Projekt unterstützt außerdem die Produktentwicklung, indem es tiefere Einblicke in das Verhalten von Komponenten unter realen Betriebsbedingungen liefert. Diese Erkenntnisse können helfen, zuverlässigkeitskritische Elemente zu identifizieren, Verbesserungsmaßnahmen zu priorisieren und fundiertere ingenieurwissenschaftliche Entscheidungen für zukünftige Produktgenerationen zu treffen.
Mit der zunehmenden Vernetzung und Datenintensität moderner Heizsysteme gewinnt die Fähigkeit, aus Betriebsdaten handlungsrelevante Informationen abzuleiten, weiter an Bedeutung. Die entwickelten Methoden zielen darauf ab, bestehende Datenströme in praktische Entscheidungsunterstützung für Wartung, Service und Zuverlässigkeitsmanagement zu überführen.
Letztlich trägt das Projekt dazu bei, die Zufriedenheit der Nutzerinnen und Nutzer zu verbessern, Lebenszykluskosten zu senken und das Vertrauen in nachhaltige Heiztechnologien zu stärken.
Das Forschungsprojekt wird in Kooperation mit der Bosch Home Comfort Group durchgeführt. Die Zusammenarbeit ermöglicht den Zugang zu industriellen Anwendungsfällen, realen Betriebsdaten sowie praktischen Fragestellungen aus Produktentwicklung, Service und Feldbetrieb nachhaltiger Heizsysteme. Das Projekt bildet den Rahmen für die Promotion von Ahmed Qarqour an der Technischen Hochschule Köln und am Promotionskolleg NRW in der Abteilung Informatik und Data Science (PK NRW). Betreut wird die Arbeit von mir, Prof. Dr. Gernot Heisenberg vom Institut für Informationswissenschaft (IWS), Prof. Dr. Thomas Bartz-Beielstein vom Institut für Data Science, Engineering and Analytics (IDE+A) als Zweitbetreuer sowie Prof. Dr. Dietlind Zühlke ebenfalls vom Institut für Data Science, Engineering, and Analytics (IDE+A) als Drittbetreuerin. Durch die enge Zusammenarbeit mit der Bosch Home Comfort Group sowie die Einbindung in das Cologne AIMLab und den KI-Cluster der TH Köln stehen dem Projekt interdisziplinäre Expertise aus den Bereichen Zuverlässigkeitsengineering, Datenanalyse, Künstliche Intelligenz und nachhaltige Heiztechnologien sowie leistungsfähige Rechenressourcen zur Verfügung.