Bewertung eines 40 Jahre alten Asynchronmotors mithilfe hybrider Diagnostik- und KI-basierter Prognosetechniken

Warum alte Motoren weiterhin wichtig sind

In Fabriken, Wasserwerken und Kraftwerken halten große Elektromotoren unsere Welt still und leise in Betrieb. Viele dieser Arbeitstiere laufen seit Jahrzehnten, und ihr Austausch kann teuer und störend sein. Dieser Artikel untersucht, ob ein 40 Jahre alter Industriemotor – weit über seiner üblichen Auslegungsdauer – noch vertrauenswürdig ist. Durch die Kombination klassischer elektrischer Prüfungen mit Wärmebildaufnahmen und moderner künstlicher Intelligenz zeigen die Forschenden, wie man entscheidet, ob ein alternder Motor eine Belastung oder ein gut gepflegtes Kapital ist.

Ein alter Kämpe unter der Lupe

Die Studie konzentriert sich auf einen 150‑Kilowatt‑Asynchronmotor, der eine Wasserförderpumpe antreibt und seit etwa 40 Jahren in Betrieb ist, also deutlich länger als die typischen 20–25 Jahre. Statt allein das Alter als Grund für einen Austausch zu sehen, führte das Team eine vollständige Zustandsprüfung durch. Sie maßen, wie gut die innere Isolierung den Strom noch sperrt, wie viel Ableitstrom zur Erde fließt und wie gleichmäßig die Wicklungswiderstände sind. Zusammen geben diese Tests Aufschluss, ob die verborgenen „Nerven“ des Motors austrocknen, Risse aufweisen oder Feuchtigkeit aufnehmen – Probleme, die zu plötzlichen und kostspieligen Ausfällen führen können.

Elektrische Checks und Wärmebilder

Mehrere klassische Prüfungen zeichneten ein überraschend positives Bild. Die Isolationswiderstandsmessungen lagen deutlich über der 1‑Gigaohm‑Schwelle, die Normen für alte Motoren als akzeptabel ansehen. Eine Phase zeigte einen starken Polarisationsindex – ein Hinweis darauf, dass die Isolation bei angelegter Spannung richtig austrocknet – während die beiden anderen Phasen an der Grenze lagen, was auf leichte Alterung oder Feuchtigkeit hindeutet. Der Ableitstrom, ein weiteres Frühwarnzeichen für einen Isolationsbruch, blieb weit unter typischen Gefahrenwerten, auch wenn eine Phase erneut schwächer wirkte als die anderen. Bei der Messung der Wicklungswiderstände stellten sie etwas Ungleichgewicht fest, aber nicht so viel, dass es während des Betriebs zu Hotspots oder offensichtlichen Problemen führte.

Um das Verhalten unter realer Last zu prüfen, führten die Forschenden einen vollständigen Leistungstest durch. Drehmoment-, Strom‑ und Wirkungsgradkurven stimmten eng mit den Lehrbucherwartungen für einen gesunden Asynchronmotor überein, selbst bei hohem Schlupf (dem Unterschied zwischen Motordrehzahl und der Drehzahl des rotierenden Magnetfelds). Die Infrarotthermografie – im Grunde eine Wärmebildkamera – zeigte Oberflächentemperaturen, die etwa 65 °C über der Umgebungstemperatur lagen, was noch für die Isolationsklasse des Motors akzeptabel ist. Die Thermografien offenbarten jedoch leichte Temperaturunterschiede zwischen den Phasen, was die ungleichmäßigen elektrischen Messwerte widerspiegelt und auf Bereiche hinweist, die genauer beobachtet werden sollten.

Der Maschine beibringen, Probleme zu erkennen

Über Einzelprüfungen hinaus fragten die Forschenden, ob Daten von diesem und ähnlichen Motoren in ein prädiktives Werkzeug einfließen könnten, das Probleme frühzeitig meldet. Sie stellten einen dreijährigen Datensatz mehrerer großer, älterer Motoren zusammen; jeder Datenpunkt enthielt Isolationsmesswerte zu verschiedenen Zeitpunkten, Ableitstrom, temperaturbereinigte Wicklungswiderstände, thermische Indizes aus Infrarotaufnahmen und grundlegende Betriebsbedingungen. Mit diesen Informationen trainierten sie ein Random‑Forest‑Modell – eine Art Entscheidungsbaum‑Ensemble –, das Motorzustände in „normal“ oder „Isolierung gefährdet“ einteilt. Trotz relativ weniger echter Ausfallbeispiele erreichte das Modell ungefähr 87 % Gesamtgenauigkeit und erkannte viele, wenn auch nicht alle, degradierte Fälle. Die Analyse zeigte auch, welche Messgrößen am wichtigsten sind: Wicklungswiderstand und thermische Indikatoren lagen leicht vor Isolationswiderstand und Ableitstrom, was den Wert der Kombination aus elektrischen und thermischen Betrachtungen unterstreicht.

Prognose zur Restlebensdauer des Motors

Die Autorinnen und Autoren blieben nicht bei der aktuellen Bewertung stehen; sie fragten auch, wie die Isolierung in den kommenden Jahren altern könnte. Anhand historischer Testergebnisse von 25 bis 40 Jahren passten sie eine einfache Exponentialkurve an, die beschreibt, wie der Isolationswiderstand im Zeitverlauf sinkt. Diese Kurve passte gut zu den vorliegenden Daten und prognostiziert, dass der Isolationswiderstand mit etwa 45 Jahren noch nahe 2 Gigaohm liegen würde – also über der üblichen Sicherheitsgrenze. Die Forschenden betonen jedoch, dass solche Vorhersagen nur so gut sind wie die zugrunde liegenden Daten. Da es nur wenige Langzeitmessungen und viele reale Einflüsse wie Temperaturschwankungen und Verschmutzung gibt, betrachten sie das Modell als fundierte Schätzung mit Unsicherheit, nicht als Garantie.

Was das für den Betrieb von Motoren bedeutet

Wenn man alle Befunde zusammenführt, kommt die Studie zu dem Schluss, dass dieser spezielle 40‑Jahre‑alte Motor bei sorgfältiger Überwachung sicher weiterbetrieben werden kann. Seine elektrische Isolierung, das Wärmeverhalten, Vibrationen und Zuverlässigkeitsstatistiken (mit einer Verfügbarkeit von etwa 99,94 %) sprechen für eine verlängerte Nutzungsdauer, obwohl zwei Phasen frühe Alterungsanzeichen zeigen. Der kombinierte Ansatz – regelmäßige elektrische Prüfungen, Thermografie, Vibrationskontrollen und KI‑gestützte Analyse – bietet Anlagenbetreibern einen praxisnahen Weg, um zu entscheiden, wann teuer zu renovierende, neu zu wickelnde oder schließlich zu ersetzende Geräte angegangen werden sollten. Übersetzt in Alltagssprache zeigt die Arbeit, dass ein alter Motor nicht allein wegen seines Alters ausgemustert werden muss; mit guten Aufzeichnungen, intelligenter Überwachung und gezielter Wartung kann er zuverlässig weiterlaufen und zugleich Kosten sowie Ausfallzeiten sparen.

Zitation: Butukuri, K.R., Giri, N.C., Yemula, P.K. et al. Assessment of a 40-year-old induction motor using hybrid diagnostic and AI-based predictive techniques. Sci Rep 16, 13739 (2026). https://doi.org/10.1038/s41598-026-44319-5

Schlüsselwörter: Asynchronmotor, vorausschauende Wartung, Isolationszustand, Thermografie, maschinelles Lernen