Überwachung des Zustands von Stadtbusmotoren durch Analyse von Altöl mit PCA und K-Means-Clustering

Warum Motoröl von Bussen eine wichtige Geschichte erzählt

Stadtbusse leisten Schwerarbeit: sie kriechen durch den Verkehr, laufen im Leerlauf an Haltestellen und sind jeden Tag viele Stunden im Einsatz. All diese Beanspruchung hinterlässt Spuren in ihren Motoren, und das Öl, das sie ruhig am Laufen hält, zeichnet alles auf, was im Inneren passiert. Diese Studie zeigt, wie das Lesen der „Fingerabdrücke“ im gebrauchten Motoröl verrät, welche Busse gesund sind, welche Verschleiß zeigen und welche sich möglicherweise einem Problem nähern — und zwar deutlich genauer als nur mit einem Blick auf den Kilometerzähler.

Von einfachen Kilometerzählungen zu intelligenterer Pflege

Jahrzehntelang haben die meisten Flotten den Zeitpunkt des Ölwechsels nach gefahrenen Kilometern bestimmt. Doch innerstädtischer Betrieb ist unberechenbar. Zwei Busse können dieselbe Strecke zurücklegen und trotzdem sehr unterschiedliche Beanspruchungen erfahren: der eine fährt auf freien Strecken, der andere quält sich durch Stop‑and‑Go‑Verkehr, hält an roten Ampeln und Haltestellen und steht viel im Leerlauf. Frühere Untersuchungen haben gezeigt, dass unter diesen Bedingungen allein die Laufleistung oft nicht vorhersagt, wie „ermüdet“ das Öl tatsächlich ist. Diese Arbeit geht das Problem an, indem sie Öl nicht als generischen Verbrauchsartikel betrachtet, sondern als reichhaltige Datenquelle darüber, wie jeder Motor tatsächlich altert.

Gebrauchtes Öl in Daten verwandeln

Die Autoren analysierten 165 Proben gebrauchter Öle aus einer kommunalen Busflotte mit demselben Typ Infrarot‑Scannern, wie sie in industriellen Laboren üblich sind. Sie konzentrierten sich detailliert auf ein weit verbreitetes Öl, Lukoil 10W40, um Verwirrung durch unterschiedliche Formulierungen zu vermeiden. Für jede Probe maßen sie die Viskosität bei zwei Temperaturen, den Säure‑ bzw. Basengehalt, das Ausmaß an Oxidation oder Reaktionen mit Verbrennungsgasen, den Anteil an Ruß und eingedrungenem Kraftstoff sowie die Konzentration mikroskopischer Metallpartikel — von Eisen über Kupfer bis Blei — im Öl. Außerdem verfolgten sie die Werte schützender Additive wie Zink, Phosphor und Calcium, die mit der Zeit langsam verbraucht werden.

Beobachtung des Öl‑Alters in realen Motoren

Die Betrachtung einzelner Variablen bestätigte ein vertrautes Muster: Solange Busse mit derselben Ölfüllung fuhren, wurde das Öl allmählich dicker, säurehaltiger und nahm schwefel‑ und stickstoffbasierte Nebenprodukte auf, während seine Fähigkeit, Säuren zu neutralisieren, abnahm. Dennoch brachen einige erwartete Zusammenhänge unter realen Bedingungen auseinander. Überraschenderweise zeigten Öle mit längerer Einsatzzeit nicht immer mehr Verschleißmetalle; in dieser Flotte bestand sogar eine schwache negative Beziehung zur gefahrenen Distanz auf dem Öl. Der wahrscheinliche Grund liegt im menschlichen Verhalten: Busse in besserem mechanischem Zustand dürfen eventuell Ölwechsel herauszögern, während motorisch auffällige Fahrzeuge früher gewartet werden, wodurch das einfache Bild „mehr Kilometer bedeutet mehr Metall im Öl“ verzerrt wird.

Verborgene Gruppen motorischer Verhaltensmuster finden

Um tiefere Muster aufzudecken, behandelte das Team alle Messgrößen zusammen mit zwei statistischen Techniken, die Struktur in komplexen Daten finden können. Zuerst nutzten sie ein Verfahren, das Dutzende verwandter Messwerte zu einigen wenigen zugrunde liegenden "Achsen" verdichtet, die allgemeines chemisches Altern, Metallverschleiß und Additivverlust beschreiben. Anschließend übergaben sie diese verdichteten Beschreibungen einem Clustering‑Verfahren, das ähnliche Proben gruppiert. Aus dem Durcheinander traten vier klare Profile hervor: eine Gruppe innerstädtischer Busse, die durch Ruß und chemisches Altern infolge Stop‑and‑Go‑Leerlauf leiden; eine Gruppe brandneuer Motoren in der Einfahrphase, die ungewöhnlich hohe Mengen an Kupfer und anderen Metallen abgeben; eine Gruppe reifer Motoren, die in einem relativ stabilen, gut gewarteten Zustand betrieben werden; und ein einzelner Ausreißer‑Bus, dessen Öl extreme Kontamination und Additivungleichgewicht zeigte, passend zu einem bekannten Ölleckproblem.

Muster in Wartungsentscheidungen übersetzen

Die Forschenden gingen einen Schritt weiter und trainierten ein einfaches Machine‑Learning‑Modell, das diese Gruppen allein anhand der Ölmessungen erkennen und hervorheben konnte, welche Messgrößen am wichtigsten sind. Das bestätigte, dass das, was die Profile wirklich unterscheidet, nicht die gefahrene Distanz ist, sondern der chemische Zustand des Öls — Signaturen von Oxidation, Säuregehalt, Ruß, Metallen und dem Zustand wichtiger Additive. Zusammengenommen legen diese Ergebnisse nahe, dass Flotten Ölwechselintervalle für ältere, stabile Motoren sicher verlängern können, sie für neue Motoren in der empfindlichen Einlaufphase verkürzen sollten und Busse mit ungewöhnlicher Kontamination schnell identifizieren können, selbst wenn grundlegende Werte wie die Viskosität noch akzeptabel erscheinen.

Was das für den täglichen Fahrgast bedeutet

Für Fahrgäste ist diese Art der ölbasierenden Gesundheitsprüfung unsichtbar, ihre Wirkung jedoch nicht. Indem Verkehrsunternehmen darauf hören, was gebrauchtes Öl verrät, können sie von festen Wartungsplänen zu zustandsbasierter Wartung übergehen, Probleme früher erkennen, unnötige Ölwechsel vermeiden und die Lebensdauer von Motoren verlängern. Die zentrale Botschaft der Arbeit ist einfach: Die dunkle Flüssigkeit, die aus einem Bus abgelassen wird, ist mehr als Abfall — sie ist ein Diagnosebericht. Wer ihn sorgfältig liest, kann Stadtbusse zuverlässiger machen, die Wartung effizienter und den täglichen Arbeitsweg ein Stück verlässlicher.

Zitation: Duarte, M.O., Margalho, L.M., Gołębiowski, W. et al. Monitoring the condition of city bus engines by analysing used oil using PCA and K-Means clustering. Sci Rep 16, 9392 (2026). https://doi.org/10.1038/s41598-026-39045-x

Schlüsselwörter: Analyse von Motoröl, Wartung von Busflotten, Zustandsbasierte Wartung, Gesundheit von Dieselmotoren, vorausschauende Wartung