School of Engineering

Machine Health Intelligence

Wir entwickeln KI-Lösungen, die es Maschinen und Infrastrukturen ermöglichen, ihren eigenen Zustand zu erfassen, zu überwachen und zu verwalten.

Durch die Kombination datengetriebener Methoden mit ingenieurwissenschaftlichem und physikalischem Fachwissen erkennen wir Anomalien, diagnostizieren Fehler und prognostizieren zukünftige Systemzustände. Unsere Forschung unterstützt Unternehmen dabei, Instandhaltungsstrategien zu optimieren, die Zuverlässigkeit technischer Systeme zu erhöhen und die betriebliche Effizienz in den Bereichen Fertigung, Transport, Energie sowie weiterer kritischer Infrastrukturen nachhaltig zu verbessern.

Im Zentrum unserer Arbeit steht die Verbindung von künstlicher Intelligenz, physikalischen Modellen und Domänenwissen, um vertrauenswürdige, nachvollziehbare und praxisorientierte intelligente Systeme für industrielle Anwendungen zu entwickeln.

News

Forschungsprojekte

Angewandte Forschungsprojekte

Wir unterstützen Unternehmen dabei, die Zuverlässigkeit, Verfügbarkeit, Sicherheit und Wirtschaftlichkeit von industriellen Anlagen und kritischen Infrastrukturen zu verbessern. Durch die Kombination von Ingenieurwissen, Datenanalyse und künstlicher Intelligenz entwickeln wir praxisnahe Lösungen für reale Herausforderungen im Bereich Instandhaltung und Betrieb.

Von betrieblichen Herausforderungen zu skalierbaren Lösungen

Unsere Expertise deckt die gesamte Wertschöpfungskette ab, von der Zustandsüberwachung und Fehlerdiagnose über Prognoseverfahren und Entscheidungsunterstützung bis hin zum unternehmensweiten Rollout von Lösungen. In enger Zusammenarbeit mit Industriepartnern überführen wir Forschungsergebnisse in wertschöpfende Anwendungen, die die Lebensdauer von Anlagen verlängern, Instandhaltungskosten senken und die betriebliche Resilienz erhöhen.

Anwendungsbereiche

Unsere Forschung kommt in einer Vielzahl von Industriebereichen zum Einsatz, in denen Zuverlässigkeit, Sicherheit und betriebliche Leistungsfähigkeit von entscheidender Bedeutung sind.

Energiesysteme. Zustandsüberwachung, Diagnose und Prognoseverfahren für Anlagen der erneuerbaren Energien, Batteriespeichersysteme, elektrische Infrastrukturen und Kernkraftwerke.

Verkehrssysteme. Zustandsüberwachung und vorausschauende Instandhaltung für Luftfahrzeuge, Eisenbahnsysteme, Fahrzeugflotten, maritime Systeme und autonome Fahrzeuge.

Produktion & Robotik. Intelligente Instandhaltungslösungen für Produktionsanlagen, Industrieroboter, automatisierte Montagesysteme und intelligente Fertigungsumgebungen.

Forschungsgebiete

Machine Health Intelligence bildet den zentralen Forschungsschwerpunkt der Gruppe. Wir entwickeln Methoden für die Zustandsüberwachung, Fehlerdiagnose, Prognose, vorausschauende Instandhaltung und das intelligente Asset Management. Diese ermöglichen es Organisationen, den Zustand ihrer Anlagen zu verstehen, Ausfälle frühzeitig zu erkennen und Instandhaltungsmassnahmen über den gesamten Lebenszyklus einer Anlage hinweg zu optimieren.

Zur Weiterentwicklung von Machine Health Intelligence konzentriert sich unsere Forschung auf drei komplementäre Bereiche:

  • Vertrauenswürdige KI (Trustworthy AI) 
    Wir entwickeln Verfahren des physikinformierten maschinellen Lernens (Physics-Informed Machine Learning, PIML), zuverlässigkeitsinformierter Deep-Learning-Methoden (Reliability-Informed Deep Learning, RIDL), Unsicherheitsquantifizierung sowie erklärbarer KI. Ziel ist die Entwicklung zuverlässiger, nachvollziehbarer und vertrauenswürdiger Systeme für die Zustandsüberwachung und Prognose technischer Anlagen.

  • KI-Agenten und Multi-Agenten-Systeme (Agentic AI)
    Wir erforschen KI-Assistenten, Multi-Agenten-Systeme und wissensgestützte Entscheidungsunterstützungssysteme, die Ingenieurinnen und Ingenieure sowie Betreiber bei der Diagnose, Prognose und Instandhaltungsplanung unterstützen.

  • Resiliente Intelligenz (Resilient Intelligence)
    Unsere Forschung untersucht adaptive Überwachungssysteme, kontinuierliches Lernen (Continual Learning), autonome Rekonfiguration und resilienzorientierte Entscheidungsunterstützung. Ziel ist die Entwicklung von Systemen, die sich an veränderte Betriebsbedingungen, fortschreitende Degradationsprozesse und unerwartete Störungen anpassen können.

Ausgewählte Forschungspartner

MHI kooperiert mit führenden Industrieunternehmen, Forschungsorganisationen und Hochschulen, um innovative Lösungen in den Bereichen Machine Health Intelligence, vorausschauende Instandhaltung und intelligentes Asset Management zu entwickeln und den aktuellen Stand von Forschung und Technologie kontinuierlich voranzutreiben.

Lehrtätigkeit

MHI engagiert sich in der Bachelor-, Master- und Weiterbildung, um Ingenieurinnen und Ingenieuren sowie Entscheidungsträgerinnen und Entscheidungsträgern das Wissen und die Werkzeuge zu vermitteln, die für die Überwachung, Instandhaltung und Optimierung von industriellen Anlagen und kritischen Infrastrukturen über deren gesamten Lebenszyklus hinweg erforderlich sind.

Bachelor

  • Instandhaltung (MO.INS) 

  • Datenbasierte Entscheidungsunterstützung (WIV.DDS) 

  • Betrieb von Verkehrssystemen (AVS.TSO) 

  • Anomalieerkennung (WPI.AnDet) 

Master

  • Lebenszyklusmanagement von Infrastrukturen (FTP_Life) 

  • Anomalieerkennung (AnDet) 

Continuing Education

Team

Teamleitung

Dozierende

Wissenschaftliche Mitarbeitende und Assistierende

Doktorierende