Im Maschinenbetrieb ist der Alarm oft zu spät, zu oft oder zu unspezifisch. Ein Grenzwert wird überschritten — und dann reagiert das System. Bis dahin kann Drift schon sichtbar gewesen sein. Oder der Alarm kommt dutzende Male pro Tag, ohne dass klar ist, was wirklich relevant ist.
Das ist kein UX-Problem allein. Es ist eine Frage der Erkennungslogik: Was gilt als „normal“ für diese eine Maschine — und wann hat sich etwas wirklich verändert?
Klassische Monitoring-Systeme definieren Normalität über feste Schwellen: Temperatur über X, Druck unter Y, Zykluszeit außerhalb des Bereichs. Das funktioniert für stabile Prozesse. Im echten Betrieb wechseln Material, Werkzeuge und Betriebszustände. Was gestern normal war, ist heute ein anderer Kontext — und der Schwellenwert meldet entweder nichts oder alles.
Copass verfolgt einen anderen Weg: Statt globaler Grenzwerte erfasst die Cognitive Engine, wie diese Maschine in vergleichbarem Kontext typisch arbeitet. Signale werden nicht isoliert bewertet, sondern im Betriebszustand eingeordnet — Wartung, Materialwechsel, Normalbetrieb, Anlaufphase.
Wiederkehrende Situationen werden zu Erfahrungen. Aus Erfahrungen entstehen maschinenspezifische Muster. Wenn sich etwas verschiebt, vergleicht Copass nicht mit einem festen Limit, sondern mit dem, was diese Maschine unter ähnlichen Bedingungen schon einmal gezeigt hat.
Das Ergebnis ist keine binäre Alarmentscheidung. Copass ordnet Abweichungen ein: harmlos, beobachtenswert oder handlungsrelevant. Operatoren und Techniker bekommen Kontext — nicht nur „Alarm ja oder nein“.
Materialwechsel und Wartung sind dabei keine Störungen, sondern erklärliche Veränderungen. Copass unterscheidet Drift von erwarteter Umstellung. Das kann Fehlalarme reduzieren und echte Verschiebungen früher sichtbar machen.
Das unterscheidet sich auch von generischen Anomalie-Scores. Copass liefert keine undurchsichtige Zahl, die niemand im Schichtbetrieb erklären kann. Hinweise sind nachvollziehbar: Was hat sich verändert? In welchem Kontext? Warum ist das relevant?
Wichtig: Das ist nicht dasselbe wie der Notification-Regler in Copass. Der Regler legt fest, wie viel Copass pro Maschine meldet — von allen Updates bis nur Fehler. Dieser Forschungsansatz betrifft die Erkennung selbst: ob und warum etwas als Veränderung gilt, bevor der klassische Alarm der Steuerung oder des Monitoring greift.
Erste Ergebnisse aus internen Tests und Laborszenarien zeigen: Veränderungen werden bereits sichtbar, während sich die Maschine im simulierten Normalbetrieb befindet — nicht erst, wenn der Stillstand droht oder der Alarmflut-Filter greift.
Für uns ist das Kern der industriellen Cognitive Engine: Verständnis statt Schwellenwert. Nicht mehr Daten auf dem Dashboard, sondern ein System, das diese Maschine kennt — und Menschen rechtzeitig informiert.