Von der Statistik zur Strategie

Die Fähigkeit, den Zustand ganzer Fahrzeugflotten zuverlässig zu bewerten, ist für Automobilhersteller äußerst wichtig. Klassische Methoden zur Lebensdauervorhersage liefern oft nur Punktprognosen – ohne Angabe der Unsicherheit. Das macht Entscheidungen über Wartung, Rückrufe oder Ersatzteilbevorratung riskant. Zudem erfordern viele Verfahren tiefes Expertenwissen und sind nicht skalierbar.

IAV geht einen anderen Weg: Mit probabilistischen Modellen wird nicht nur ein einzelner Wert geschätzt, sondern eine ganze Wahrscheinlichkeitsverteilung. Dadurch ergibt sich ein deutlich robusteres Bild der Zukunft – und damit eine fundierte Entscheidungsgrundlage.

Die Methode: Probabilistic Lifetime Prediction (PLP)

IAV hat den Service Hirundo zur Lebensdauervorhersage (Probabilistic Lifetime Prediction) entwickelt, der Statistik und maschinelles Lernen kombiniert. Diese patentierte Methode wurde von einem führenden Forschungsinstitut validiert und wird dort nun für Garantieprognosen standardmäßig genutzt.

Die PLP Hirundo ist als Software-as-a-Service verfügbar – vollständig automatisiert, skalierbar und einfach in der Anwendung. Alles, was benötigt wird, sind gängige Flottendaten wie Alterungsindex und Zeitstempel. Die Software übernimmt den Rest: von der Datenbereinigung über die Modellwahl bis zur Ergebnisdarstellung.

Zwei Anwendungsbeispiele aus der Automotive und Non Automotive Praxis

1. Komponentenausfälle prognostizieren

Im ersten Beispiel wurden Ausfallstatistiken und Flottenbewegungen kombiniert. Für jedes Fahrzeug wird eine individuelle Laufleistungsverteilung modelliert. Die Ausfallwahrscheinlichkeit wird über eine gewichtete Weibull-Verteilung berechnet – inklusive Unsicherheitsbewertung. Das Ergebnis: eine präzise Vorhersage der Anzahl zukünftiger Ausfälle über definierte Zeiträume hinweg.

2. Lebensdauer smarter Haushaltsgeräte prognostizieren

Im zweiten Beispiel wird das Verfahren auf smarte Waschmaschinen angewendet. Über die Cloud übermitteln die Geräte laufend Daten an den Hersteller – dazu zählen sowohl Fehlerereignisse wie Motorverschleiß oder Pumpendefekte als auch Alterungsindikatoren, beispielsweise die Anzahl der Waschgänge oder Spülvorgänge. Für jede Waschmaschine wird auf Basis dieser Daten eine individuelle Nutzungsverteilung modelliert. Die Ausfallwahrscheinlichkeit einzelner Komponenten lässt sich so mithilfe einer gewichteten Wahrscheinlichkeitsverteilung berechnen – inklusive expliziter Unsicherheitsbewertung. Das Ergebnis: eine präzise Prognose der Anzahl zu erwartender Ausfälle im gesamten Gerätebestand über definierte Zeiträume hinweg.

Der Nutzen: Mehr Sicherheit, weniger Kosten

Mit der PLP Hirundo erhalten OEMs ein Werkzeug, das weit über klassische Prognoseverfahren hinausgeht:

• Zuverlässige Risikoabschätzung: Unsicherheiten werden explizit berücksichtigt.
• Optimierte Ersatzteillogistik: Bedarfsgerechte Bevorratung statt Überproduktion.
• Effiziente Rückrufplanung: Frühzeitige Identifikation kritischer Komponenten.
• Kostensenkung: Durch präventive Maßnahmen und gezielte Wartung.

Die Zukunft ist berechenbar

Probabilistische Modelle wie PLP zeigen, dass moderne Datenanalyse mehr kann als nur Trends erkennen. Sie schafft Vertrauen in Vorhersagen – und damit in Entscheidungen. Für OEMs bedeutet das: weniger Überraschungen, mehr Kontrolle und ein echter Wettbewerbsvorteil.