Wir entwickeln ein neues Software-Modul für die zustandsbasierte und vorausschauende Instandhaltung von zentralen Komponenten von Windturbinen, das in ein heute schon bestehendes Software-System von Nispera AG integriert wird. Zu diesem Zweck entwickeln wir state-of-the-art Algorithmen basierend auf Machine-Learning-Verfahren, um eine frühzeitige Fehlererkennung und Fehleridentifikation kritischer Turbinenkomponenten zu ermöglichen. Eine frühzeitige Erkennung ermöglicht es Windparkbetreibern, Instandhaltungsmassnahmen einzuleiten bevor die Turbine vollständig abgeschaltet werden muss. Damit können lange Stillstandszeiten und entsprechend hohe Kosten vermieden werden. Die Algorithmen basieren auf der Auswertung von SCADA-Daten, die heute schon standardmässig erfasst werden. Die Kombination von Zeitreihendaten mit Fehlermeldungen erhöht die Präzision der Fehlererkennungs-Algorithmen und erlaubt eine Anwendung für verschiedene Betriebsbedingungen und unterschiedliche Turbinenhersteller.