Amazon Lookout for Equipment
Amazon Web Services (AWS)
Amazon Lookout for Equipment ist ein vollständig verwalteter AWS-Dienst für industrielle Predictive Maintenance. Er analysiert Zeitreihendaten von Sensoren und erkennt automatisch Anomaliemuster, die auf bevorstehende Geräteausfälle hindeuten — ohne vorangegangenes ML-Wissen. Ideal für Unternehmen, die bereits AWS nutzen und Sensor-Telemetrie aus Kühlaggregaten, Motoren oder Kompressoren überwachen wollen.
Kosten: Pay-as-you-go: Datenaufnahme 0,05 USD/GB; Modelltraining 0,25 USD/Inferenz-Compute-Stunde; Inferenz ab 0,15 USD/Stunde je Modell; kein Minimum, keine Grundgebühr
Stärken
- Kein ML-Wissen erforderlich — AWS trainiert das Anomalie-Modell auf Basis historischer Sensordaten
- EU-Region Frankfurt (eu-central-1) — DSGVO-konforme Datenverarbeitung in Deutschland möglich
- Erkennt multivariate Anomalien: korreliert mehrere Sensoren gleichzeitig (Druck + Temperatur + Strom)
- Inferenz alle 5 Minuten konfigurierbar — nahezu Echtzeit-Warnung vor Ausfällen
- Tief integriert mit AWS IoT Greengrass für Edge-Deployment auf Fahrzeuggateways
Einschränkungen
- Setzt AWS-Infrastruktur voraus — wer Azure oder Google Cloud nutzt, ist woanders besser aufgehoben
- Historische Sensordaten von mind. 14 Tagen (idealerweise 6+ Monate) erforderlich für Training
- Kein Out-of-the-Box-UI — Ergebnisse müssen in eigene Dashboards (Grafana, QuickSight) integriert werden
- Pay-as-you-go-Abrechnung schwer planbar bei wachsender Sensor-Dichte
Passt gut zu
So steigst du ein
Schritt 1: Richte eine AWS-IoT-Core-Pipeline ein, die Sensordaten deiner Kühlaggregate (Kompressordruck, Verdampfertemperatur, Motorstrom) via MQTT empfängt und in S3 speichert. Für Fahrzeuge empfiehlt sich AWS IoT Greengrass auf einem Edge-Gateway (z.B. Raspberry Pi im Kühlaggregat-Schaltkasten).
Schritt 2: Bereite mindestens 14 Tage historische Sensordaten im CSV-Format vor (empfohlen: 6 Monate, um saisonale Muster abzudecken). Erstelle ein Lookout-Modell mit dem Konsolenassistenten — kein Python-Code erforderlich, nur eine Label-Datei mit bekannten Ausfallzeiträumen.
Schritt 3: Aktiviere die Inferenz mit 5-Minuten-Intervall. Verbinde die Anomalie-Ausgabe über Amazon EventBridge mit deinem Dispositionssystem oder einer Slack/Teams-Benachrichtigung. Erkannte Anomalien enthalten Konfidenzwert und die Hauptursachen-Sensoren.
Ein konkretes Beispiel
Ein Logistiker mit 35 Kühltransportern (Lebensmittel, Einzelhandel) speist CAN-Bus-Daten seiner Thermo-King-Aggregate via AWS IoT Greengrass in Lookout for Equipment. Nach 8 Wochen Trainingsdaten erkennt das System erhöhten Motorstrom-Rauschen als Frühindikator für verschlissene Kompressor-Lager — 48 bis 72 Stunden vor thermisch bedingtem Aggregatausfall. Die monatlichen AWS-Kosten für 35 Fahrzeuge (5-Minuten-Inferenz, je 8 Sensoren): ca. 280 EUR. Ersparnis durch den ersten verhinderten Totalausfall mit Kühlgut-Verlust: 45.000–90.000 EUR.
Diesen Inhalt teilen:
Empfohlen in 1 Use Cases
Verkehr & Logistik
Redaktionell bewertet · Preise und Funktionen können sich ändern.
Stimmt etwas nicht?
Preise geändert, Feature veraltet oder etwas fehlt? Wir freuen uns über Hinweise und Ergänzungen.
Nicht sicher, ob Amazon Lookout for Equipment zu euch passt?
Wir helfen bei der Tool-Auswahl und begleiten die Einführung in euren Arbeitsalltag — unverbindlich und kostenlos im Erstgespräch.
Weitere Tools
Augury
Augury
Predictive Maintenance Plattform spezialisiert auf Rotationsmaschinen (Motoren, Pumpen, Ventilatoren). Machine Learning analysiert Vibration und Akustiksignale zur Fehlervorhersage.
Mehr erfahrenAWS Cost Anomaly Detection
Amazon Web Services
Kostenfreier AWS-eigener Anomalieerkennungs-Dienst, der Cloud-Ausgaben mit Machine Learning auf ungewöhnliche Spikes prüft. Läuft etwa dreimal täglich, erkennt Trends und Saisonalität, sendet Alarme per E-Mail oder SNS. Erste Wahl für reine AWS-Umgebungen.
Mehr erfahrenAzure Cost Management
Microsoft
Microsofts kostenfreies Cost-Management-Werkzeug für Azure mit eingebauter Anomalieerkennung auf Subscription-Ebene. Erkennt ungewöhnliche Verbrauchsmuster automatisch und löst Alerts aus. Standard für jede produktive Azure-Umgebung.
Mehr erfahren