KI-basierte Überwachungssysteme im WEA-Risikomanagement

Welche Schadensarten lassen sich heute durch KI-basierte Überwachung zuverlässig erkennen – und wo sehen Sie aktuell noch technologische oder datenbedingte Grenzen, insbesondere bei älteren Windenergieanlagen?

Christian Fontius: KI-basierte Überwachung bedeutet bei uns die Simulation des Normalverhaltens mit komplexen Modellen und die Detektion und Klassifizierung von Anomalien. Wir reden hier also über ein aufwendiges KI-System. Wir benötigen einen permanenten Datenfluss der Rohdaten. Historisch haben wir mit SCADA-Daten unsere Systeme entwickelt, seit 2025 verwenden wir auch Vibrationsdaten für das Training von Modellen.

Grundsätzlich gilt, dass wir kleine und große Schäden detektieren. Wenn Anomalien nicht behoben werden, können sich auch Großschäden entwickeln und Großkomponenten müssen getauscht werden.

Auch alte WEA können gut überwacht werden. Hier sind in der Regel weniger Sensoren verbaut, die durch Blatt-CMS-Systeme ergänzt werden können. Diese nutzen die Daten für das Monitoring Modell und können auch Kupplungsschäden und Lagerschäden detektieren. Da diese zu erhöhten Vibrationen in den Blättern führen und nicht zu erhöhten Temperaturen, sind sie durch reine Wärmesensoren nicht detektierbar.

Grundsätzlich steht die Windindustrie bei dem Thema “smarte vorausschauende Instandsetzung” noch am Anfang. Wir haben noch viele Datensilos, die wir überwinden müssen.

Die Grenzen liegen im Zugang zu Daten von Sensoren bis zur einheitlichen Dokumentation des Serviceeinsatzes: Während der EU Data Act den Rechtsrahmen legt, fehlt in der Industrie noch der Business Case für den Verbau von umfassender Sensorik. So wird z.B. heute noch nicht ab Werk standardisiert Sensorik in den Blättern verbaut. Auch fehlt der Zugang zu hochaufgelösten Daten zur Überwachung der elektrischen Komponenten. Der Schutz der Daten ist da ein oft genannter Anspruch. Wir stellen uns allerdings noch zu selten die Frage: Wie können meine Daten einen Mehrwert für mich und die Industrie bringen, damit wir den Ausbau systematisch beschleunigen können.

Ab Abtastraten von einer Sekunde kommen bestehende OPC-Server mit ihrem Hardware- und Softwareaufbau an ihre Belastungsgrenzen. Wir sehen im Feld stabile Datenübertragungsraten bis 10 Sekunden bei moderneren Parks (IBN nach 2020). Ebenso sind CMS-Daten vom Hersteller heute noch nicht immer einfach für den Betreiber zugänglich, auch wenn unsere Kunden Bewegung im Markt sehen. Der Trend geht Richtung Systemintegration in die Arbeitsprozesse sowie der Generierung von Handlungsempfehlungen, um Arbeitsprozesse zu vereinheitlichen. Wir beschäftigen uns seit einigen Jahren damit, wie der Alarm zum Kunden kommt, damit der Kunde diesen Alarm möglichst effizient bis zur Reparatur managen kann.

Die größte Barriere ist aus unserer Sicht der Business Case für bessere Dateninfrastruktur im Park und mehr Sensorik auf der Anlage sowie Investitionen in umfangreiche Überwachung. Die direkte Kooperation mit dem Versicherer ist für uns ein erster Schritt, um unseren Kunden ein passendes Szenario zu ermöglichen.

Investieren Sie mehr in Prämien oder mehr in Risikoreduktion durch Schadensfrüherkennung?

C.F. Wir haben in der KI-Versicherung bereits schöne Praxisbeispiele, in denen bessere Modelle und bessere Datenqualität reale Schäden vermeiden und damit die Schadensquote positiv beeinflussen. Das Beste: Nicht nur die KI, sondern auch der Versicherer und die Kunden lernen mit uns. Das steigende Risiko kann so effizienter getragen werden.

Darüber hinaus können Kunden der KI-Versicherung ihre Wartungskonzepte optimieren und Kosten sparen.

Welche Betriebs-, Umgebungs- und Zustandsdaten sind aus Ihrer Sicht entscheidend, um belastbare Schadensprognosen zu ermöglichen – und wie verändert sich die Aussagekraft dieser Daten mit zunehmender Betriebsdauer der Anlagen?

C.F. Relevant sind Daten, welche die Umwelt der WEA beschreiben (Temperatur, Wind, Windrichtung, Turbulenzen, Set-points) sowie Temperatur-, Leistungs- und Vibrationsdaten der WEA. Grundsätzlich ist erstmal jeder Sensor wichtig. Es kommt aber auch auf die Datenqualität an. Kann ein permanenter Datenfluss aufrechterhalten werden, gibt es wiederkehrende Datenlücken oder sind Daten via OPC-Schnittstelle überhaupt nicht erreichbar? Datenqualität hat einen großen Einfluss auf die Überwachungsqualität

Je mehr historische Daten zur Verfügung stehen, desto besser kann die KI das normale Betriebsverhalten und typische Muster einer Anlage verstehen. Dadurch werden präzisere und zuverlässigere Prognosen möglich. Dies ist insbesondere bei älteren Windenergieanlagen relevant, da diese tendenziell anfälliger für Defekte sind als neuere Anlagen.

Über die reine Schadenserkennung hinaus: Wie kann KI konkret zur systematischen Mängelnachverfolgung, Priorisierung von Maßnahmen und Optimierung von Wartungsstrategien in laufenden Windparks beitragen?

C.F. Die Entwicklungen sind rasant. Wir arbeiten gerade mit unseren Kunden an der automatisierten Mängelnachverfolgung mit KI. Wir können heute schon 90 % aller Mängel automatisch auslesen und schaffen beim Betreiber Arbeitserleichterung, gleichzeitig bauen wir die Datenbasis weiter aus.

Inwiefern verändert KI-gestützte Überwachung heute bereits die Risikobewertung, Prämiengestaltung oder Vertragsmodelle in der Versicherung von Windenergieanlagen – insbesondere im Vergleich zu klassischen Vollwartungs- oder Standarddeckungen?

Nino Göhmann: Die Einführung KI-gestützter Überwachung verändert die Risikobewertung, Prämiengestaltung und Vertragsmodelle in der Versicherung von Windenergieanlagen bereits grundlegend. Im Vergleich zu klassischen Vollwartungs- oder Standarddeckungen basiert dieses neue Modell auf der intelligenten, vorausschauenden Wartung – auch als Predictive Maintenance bekannt. Dies ist insbesondere angesichts steigender Risiken durch längere Lieferzeiten und ständig wachsende Stillstandskosten von besonderer Bedeutung.

Beim klassischen Modell werden Betreiber für den Einsatz von vorrausschauenden Technologien faktisch bestraft – Anmerkung: „Vorhersehbare Schäden werden nicht Erstattet“. Die Versicherung handelt oft rein reaktiv, ruft zunehmend höhere Prämien auf oder zieht sich sogar ganz aus dem Versicherungssegment zurück. Im Gegensatz dazu ermöglicht eine KI-gestützte Überwachung eine sehr detaillierte und individuell zugeschnittene Risikobewertung in Echtzeit, indem vor allem die Regelungen zur Vorhersehbarkeit angepasst werden. Dadurch können Schäden frühzeitig identifiziert und behoben werden, bevor es zu teuren Ausfällen kommt. Die aktuellen Erfahrungen im Feld zeigen deutlich, dass das Zusammenspiel von Betreibern, Maklern, OEMs, Predictive-Maintenance-Dienstleistern und Versicherern zu einer signifikanten Reduktion der Schadenlast und somit zu mehr Profit der Akteure führt. Dies wiederum stabilisiert oder senkt durch die natürlichen Marktmechanismen die Versicherungsprämien, ohne eine einzelne Partei – auch nicht den OEM – einseitig zu belasten.

Wo liegt der konkrete wirtschaftliche Hebel von KI-Überwachung: eher in der Schadenvermeidung, in neuen Versicherungskonzepten oder in der Verlängerung der wirtschaftlichen Lebensdauer von Windparks – und wie wird sich dieser Business Case in den nächsten Jahren entwickeln?

C.F. Für mich liegt der wirtschaftliche Hebel in der Kapitaleffizienz des Business Case‘ Windenergie. Die großen Verträge basieren immer noch auf einem technologischen Stand von vor 20 Jahren. Mit dem Versicherungsvertrag konnten wir den ersten Vertrag auf den aktuellen Stand der Technik bringen und arbeiten eng mit dem Versicherer zusammen, um die Produkte mit dem Zugewinn unserer Fähigkeiten zu erweitern. Darüber hinaus sehen wir noch viele weitere Anwendungsfälle in der Zukunft. Die dafür benötigte KI-Infrastruktur bauen wir seit Jahren konsequent auf.

N.G. Ein entscheidendes Merkmal des aktuellen Wandels ist, dass alle beteiligten Akteure –Versicherer, OEMs, Betreiber, Banken und Versicherungsmakler – ein gemeinsames Ziel verfolgen: einen möglichst reibungslosen und störungsfreien Betrieb der Windenergieanlagen. Denn davon profitieren letztlich alle Parteien: Der Betreiber reduziert Ausfälle und Kosten, der OEM kann effizienter und gezielter Wartungen anbieten, Banken und Makler sichern langfristig ihre Investments ab und der Versicherer sieht eine sinkende Schadenlast. 

Im Ergebnis bietet das KI-gestützte Modell eine Win-win-Situation für alle Akteure: eine zukunftssichere Vertragsgestaltung, eine verlässliche Prämienentwicklung und vor allem die Sicherstellung eines stabilen und störungsfreien Betriebs der Anlagen.

Dieser Beitrag ist aus dem BWE-BetreiberBrief 1-2026. Jetzt unter betreiberbrief.de registrieren und künftig alle aktuellen Ausgaben kostenfrei per Mail erhalten!

Auch interessant: