Ein Infrastrukturanbieter mit großem, dezentralem Anlagenbestand hatte mit einer hohen Störanfälligkeit der Anlagen zu kämpfen – bei gleichzeitig fehlender Sensorik. Wir haben Belastungskennziffern identifiziert, interne Daten aufbereitet und um weitere beeinflussende Faktoren ergänzt und daraus mit verschiedenen Prognose-, Data-Analytics- und KI-Methoden ein System entwickelt, das Ausfallwahrscheinlichkeit und Systemrelevanz jeder Anlage vorhersagt. Die Ergebnisse sind in Web-Simulationstools umgesetzt und in die Instandhaltungsprozesse integriert.