Bestandsmaschinen IoT-fähig nachrüsten und vorausschauend warten? WZ-IT entwirft und betreibt self-hosted Predictive-Maintenance-Plattformen auf Open-Source-Basis - auf Ihrer Infrastruktur. Zu unseren IoT-Leistungen - IoT-Plattform-Entwicklung
Predictive Maintenance per Retrofit heißt: Bestandsmaschinen ohne moderne Schnittstelle bekommen Sensorik und ein Edge-Gateway, das Maschinendaten über OPC-UA oder Modbus erfasst und als MQTT an ThingsBoard und Grafana weiterreicht. Dort sorgen Schwellwerte und Anomalie-Erkennung für vorausschauende Wartung - bevor ein Lager heißläuft oder ein Antrieb ausfällt. Der pragmatische Weg ist self-hosted, quelloffen und ohne Eingriff in die Maschinenfirmware. Dieser Artikel zeigt den konkreten Ablauf vom Sensor bis zur Wartungsentscheidung.
Inhaltsverzeichnis
- Was Predictive Maintenance und Retrofit bedeuten
- Bestandsmaschinen ohne moderne Schnittstelle nachrüsten
- Maschinendaten erfassen: OPC-UA und Modbus zu MQTT
- Daten in ThingsBoard und Grafana auswerten
- Schwellwerte und Anomalie-Erkennung für die Wartung
- Vom Dashboard zur sicheren Fernwartung
- Was kostet ein self-hosted Predictive-Maintenance-Stack?
- Predictive Maintenance pragmatisch umsetzen mit WZ-IT
Was Predictive Maintenance und Retrofit bedeuten
Predictive Maintenance (vorausschauende Wartung) ersetzt feste Wartungsintervalle und reines Reagieren durch Wartung nach Zustand: Sensoren überwachen Vibration, Temperatur, Stromaufnahme oder Druck, und das System meldet, wenn sich ein Defekt anbahnt. Das senkt ungeplante Stillstände und verlängert Standzeiten.
Retrofit ist der Hebel dafür im Bestand. Viele Produktionsmaschinen laufen seit Jahren zuverlässig, liefern aber keine Daten nach außen oder nur über proprietäre Schnittstellen. Statt sie zu ersetzen, ergänzt man Sensorik und ein Edge-Gateway - die Maschine bleibt unangetastet, wird aber datenfähig. So entsteht ein konkreter Anwendungsfall auf Basis des Schichtenmodells aus IoT-Architektur in Schichten.
Bestandsmaschinen ohne moderne Schnittstelle nachrüsten
Der Retrofit folgt drei Schritten:
- Messpunkte definieren. Welche Größe verrät einen anbahnenden Defekt? Typisch sind Vibration und Körperschall (Lager, Getriebe), Temperatur (Motoren, Hydraulik), Stromaufnahme und Wirkleistung (Last, Verschleiß), Druck und Durchfluss sowie Drehzahl. Pro Maschine reichen oft wenige aussagekräftige Punkte.
- Sensorik ergänzen. Für Größen ohne Steuerungsanschluss kommen externe Sensoren dazu - etwa batteriebetriebene LoRaWAN-Sensoren von Anbietern wie Milesight für Temperatur, Vibration oder Energie. Vorhandene Werte aus der Steuerung werden direkt abgegriffen.
- Edge-Gateway setzen. Ein industrietaugliches Gateway liest die Maschinenprotokolle, puffert bei Verbindungsabbruch und reicht alles vereinheitlicht als MQTT weiter.
Entscheidend: Es gibt keinen Eingriff in die Maschinenfirmware und keinen Austausch der Steuerung. Das hält Aufwand, Risiko und Stillstandzeit gering.
Maschinendaten erfassen: OPC-UA und Modbus zu MQTT
Das Herzstück des Retrofits ist die Protokollwandlung an der Edge. Bestehende Steuerungen sprechen meist Modbus (TCP oder RTU, verbreitet bei Antrieben, Energiezählern und älteren SPS) oder OPC-UA (neuere Steuerungen, MES-Anbindung). Ein Edge-Gateway liest diese Quellen und übersetzt sie in MQTT, den leichtgewichtigen Daten-Bus der Plattform.
Praktisch bewährt sich das quelloffene ThingsBoard IoT Gateway (Apache 2.0): Es bringt fertige Konnektoren für Modbus, OPC-UA, MQTT, BACnet, CAN-Bus, BLE, ODBC und REST mit, mappt Rohwerte über konfigurierbare Konverter in ein einheitliches Format und puffert Telemetrie lokal, falls die Verbindung zur Plattform abreißt (github.com/thingsboard/thingsboard-gateway, Doku). Alternativ oder ergänzend übernimmt Node-RED flexible Flows und lokale Vorverarbeitung.
| Datenquelle an der Maschine | Protokoll | Edge-Wandlung |
|---|---|---|
| Vorhandene SPS / Antrieb / Energiezähler | Modbus TCP/RTU | Gateway-Konnektor zu MQTT |
| Neuere Steuerung / MES | OPC-UA | Gateway-Konnektor zu MQTT |
| Nachrüstbare Messgröße (Vibration, Temperatur) | LoRaWAN | Gateway/ChirpStack zu MQTT |
| IP-fähiger Sensor / Aktor | MQTT nativ | direkt an die Plattform |
So entsteht ein einheitlicher Datenstrom, unabhängig davon, wie heterogen der Maschinenpark ist.
Daten in ThingsBoard und Grafana auswerten
In ThingsBoard landen die MQTT-Telemetriedaten als Gerätemesswerte. Die Plattform übernimmt Geräteverwaltung, eine visuelle Rule Engine, Alarme und operative Dashboards. Aktuelle Versionen (4.x) bringen dafür Calculated Fields für abgeleitete Kennzahlen, Maps und SCADA-Symbole mit; ab 4.2 ist KI nativ in der Rule Engine verfügbar. Bis Version 4.3 steht die Community Edition unter Apache 2.0 ohne Gerätelimit; seit Version 4.4 gilt die BUSL 1.1 mit kostenloser kommerzieller Nutzung bis 100 Geräte auf einem Server (ThingsBoard 4.4 unter BUSL 1.1) - Details in Was ist ThingsBoard? und auf unserer ThingsBoard-Expertise.
Für historische Auswertung, Langzeittrends und gemischte Datenquellen ergänzt Grafana das Bild. Die Sensor-Zeitreihen landen dazu meist in InfluxDB, aus der Grafana direkt liest. Eine konkrete Schritt-für-Schritt-Anleitung dazu finden Sie unter Grafana IoT-Dashboard mit InfluxDB. In der Praxis laufen oft beide Werkzeuge: ThingsBoard für Live-Betrieb und Alarme, Grafana für die tiefere Langzeitanalyse und das zentrale Betriebsmonitoring.
Schwellwerte und Anomalie-Erkennung für die Wartung
Vorausschauende Wartung beginnt nicht mit KI, sondern mit klaren Regeln. ThingsBoard bietet dafür Alarmregeln mit zwei Stufen:
- Simple: Der Alarm entsteht sofort beim Überschreiten eines Grenzwerts (z. B. Lagertemperatur über 80 Grad).
- Duration: Der Alarm entsteht nur, wenn die Bedingung über eine Zeitspanne anhält (z. B. Vibration über Grenzwert für 5 Minuten) - das unterdrückt Fehlalarme durch kurze Spitzen (Doku Alarm Rules).
Calculated Fields halten ein gleitendes Fenster der letzten Werte und Minuten und liefern so Trends, gleitende Mittelwerte oder Deltas - die Basis dafür, schleichende Verschlechterung zu erkennen statt nur harte Grenzen abzufragen.
Erst auf dieser Grundlage lohnt sich KI-gestützte Anomalie-Erkennung. ThingsBoard kann über den AI Rule Node Datenmuster bewerten und bei Auffälligkeiten automatisch einen Alarm erzeugen; Trendz Analytics bietet zusätzlich anomalie-getriebene Alarmierung (Beispiel: AI-Based Anomaly Detection). Der pragmatische Weg: erst Schwellwerte sauber einstellen, dann Anomalie-Erkennung gezielt dort ergänzen, wo feste Grenzen nicht ausreichen.
Vom Dashboard zur sicheren Fernwartung
Eine erkannte Anomalie ist nur der halbe Weg. Den Kreis schließt die Fernwartung: Sobald ein Alarm anzeigt, dass sich ein Defekt anbahnt, prüft, parametriert oder behebt die Technik aus der Ferne - ohne Anfahrt. Die IoT-Plattform liefert die Diagnosedaten, ein sicherer Fernzugriff den kontrollierten Zugang zur Maschine.
Beides bleibt self-hosted und souverän. Wie der Zugriff auf Maschine und Steuerung abgesichert wird - mit WireGuard, ZTNA und Audit statt offener Ports - zeigt der Cross-Cluster-Leitfaden Sichere Fernwartung von Maschinen & Anlagen. Predictive Maintenance und Fernwartung zusammen ergeben einen durchgängigen, datengetriebenen Wartungsprozess.
Was kostet ein self-hosted Predictive-Maintenance-Stack?
Gateway, Zeitreihendatenbank und Grafana sind ohne Per-Device-Lizenz nutzbar, bei ThingsBoard hängt der Lizenzweg seit Version 4.4 von Geräteanzahl und Serverzahl ab. Sie zahlen Infrastruktur, Hardware pro Maschine und Betrieb - nicht pro Datenpunkt wie bei Managed-Clouds.
| Komponente | Lizenz / Edition | Kosten |
|---|---|---|
| ThingsBoard Community Edition bis 4.3 | Apache 2.0 | kostenlos, unbegrenzt Geräte, Sicherheitsupdates bis 20.07.2027 |
| ThingsBoard ab 4.4, Free License | BUSL 1.1 | kostenlos bis 100 Geräte auf einem Server (kommerziell) |
| ThingsBoard IoT Gateway | Apache 2.0 | kostenlos |
| Grafana OSS | AGPLv3 | kostenlos |
| InfluxDB 3 Core | Open Source | kostenlos |
| ThingsBoard ab 4.4, kommerzielle Lizenz (self-managed) | Pilot ... Business | ab 99 USD/Mon (100 Geräte) bis 499 USD/Mon (1.000); + 0,10 USD/extra Gerät |
| Edge-Gateway-Hardware | - | einmalig pro Maschine/Linie |
| Sensorik | - | einmalig pro Messpunkt |
Die kommerzielle ThingsBoard-Lizenz für selbst betriebene Installationen startet laut Preisliste (Stand Oktober 2026, thingsboard.io/pricing) bei 99 USD/Monat im Pilot-Plan (100 Geräte) und reicht bis 499 USD/Monat im Business-Plan (1.000 Geräte), darüber 0,10 USD je zusätzlichem Gerät. Pilotprojekte mit bis zu 100 Geräten auf einem Server deckt die kostenlose Free License ab; bestehende Installationen der Community Edition sichern ihre Größe über den Community Grant (Registrierung bis 20. Juli 2027). Die Lizenzwege vergleicht der Artikel ThingsBoard Preise.
Der Vergleich zu AWS IoT, Azure IoT oder Cumulocity fällt klar aus: Dort wird pro Gerät und Datenpunkt abgerechnet, was mit der Maschinenzahl linear steigt. Self-hosted bleibt die Abrechnung an Infrastruktur gekoppelt - und die Daten bleiben in der EU und unter eigener Kontrolle.
Predictive Maintenance pragmatisch umsetzen mit WZ-IT
Wir starten mit einer Pilotmaschine: Messpunkte definieren, Sensorik und Edge-Gateway aufsetzen, OPC-UA/Modbus nach MQTT wandeln und die Datenstrecke bis ins Dashboard durchziehen. Steht die Basis mit sauberen Schwellwerten, ergänzen wir schrittweise weitere Maschinen und - wo sinnvoll - KI-gestützte Anomalie-Erkennung. Self-hosted, vendor-neutral, ohne Per-Device-Lizenzen und mit ehrlicher Kostenrechnung.
IoT-Leistungen ansehen - IoT-Plattform-Entwicklung - Kennenlerngespräch buchen
