SKF Enlight

Kurzfazit

SKF Enlight ist die richtige Wahl, wenn du eine Industrieanlage mit vielen rotierenden Maschinen zustandsbasiert überwachen willst und ohnehin SKF-Lager verbaut hast. Stärke ist die Kombination aus bewährter Schwingungsdiagnostik (Hüllkurven-/Envelope-Analyse für Lager- und Getriebeschäden) und der KI-Schicht Enlight AI, die aus der 2019 abgeschlossenen Übernahme des israelischen Start-ups Presenso (Haifa) stammt: Presenso beschrieb seine Technik als selbstlernendes, unüberwachtes Machine Learning, das das Normalverhalten jeder Maschine ohne Expertenwissen lernt und Alarm schlägt, bevor klassische Grenzwerte überschritten werden. Schwächen sind der ausgeprägte Hang zum SKF-eigenen Ökosystem, die völlig intransparente Preisgestaltung und die Tatsache, dass nichts davon Self-Service ist, ohne SKF-Spezialisten oder zertifizierten Partner kommst du nicht ans Ziel. Für reine Software-Spielereien ist das die falsche Liga; für ernsthafte Predictive Maintenance an kritischen Maschinen ist es eine der etabliertesten Optionen am Markt.

Für wen ist SKF Enlight?

Schwerindustrie mit SKF-Bestand: Papierwerke, Zementwerke, Stahlwerke, Bergbau, überall dort, wo Hunderte Wälzlager auf Walzen, Lüftern, Pumpen und Getrieben laufen und ein ungeplanter Stillstand pro Stunde fünfstellig kostet. Wer ohnehin SKF-Lager fährt, bekommt mit Enlight ein Diagnosesystem, das genau auf diese Komponenten zugeschnitten ist.

Instandhaltungsleitung im Umstieg auf zustandsbasierte Wartung: Werke, die von festen Wartungsintervallen (alle X Stunden tauschen) auf Condition-Based Maintenance umstellen, finden mit Enlight Collect (Wireless-Sensoren) und Enlight AI einen klaren Pfad, erst messen, dann Baseline lernen, dann nur noch tauschen, was wirklich verschlissen ist.

Werke ohne eigene Schwingungsanalysten: Nicht jeder Betrieb kann sich einen ausgebildeten Vibrationsdiagnostiker leisten. Über SKF Remote Diagnostic Services kannst du das Know-how zukaufen, SKF-Ingenieure schauen sich die kritischen Befunde an und liefern eine konkrete Handlungsempfehlung statt nur einer roten Kennzahl.

Großkonzerne mit Standortnetzwerk: Enlight Centre als web-basierter Hub erlaubt es, mehrere Werke zentral zu überwachen und Maschinendaten standortübergreifend zu vergleichen. Für Konzerne mit dutzenden Anlagen ist das ein echter Skalierungshebel.

Weniger geeignet für: Kleinbetriebe mit wenigen Maschinen (der Overhead lohnt nicht), Werke mit überwiegend Fremdhersteller-Hardware (Integrationsaufwand frisst den Vorteil), Anwender, die ein schlankes Cloud-SaaS ohne Vertriebsgespräch und Vor-Ort-Installation erwarten, und alle, die keine SKF-Beratung in den Prozess holen wollen.

Preise im Detail

Komponente	Preismodell	Hinweis
Enlight Collect IMx-1 (Wireless-Sensoren)	Hardware pro Sensor + Gateway	Preis auf Anfrage
Enlight ProCollect (Routen-Messung)	App/Lizenz + Datensammler-Hardware	Preis auf Anfrage
Enlight Centre (Analyse-Hub)	Abo-Softwarelizenz (subscription-based)	Preis auf Anfrage
Enlight AI (Machine-Learning-Modul)	je überwachter Anlage	Preis auf Anfrage
SKF-Diagnosedienste (remote)	Service-Vertrag	Preis auf Anfrage

Einordnung: SKF veröffentlicht kein Preisblatt, alles läuft über den Vertrieb, und der Gesamtpreis hängt massiv von der Sensoranzahl, dem gewählten Servicegrad und der Frage ab, ob die KI-Schicht Enlight AI dazukommt. Belegt ist lediglich, dass Enlight Centre als Abo-Software (subscription-based licensing) verkauft wird. Konkrete Zahlen kursieren in der Praxis, sind aber illustrativ und nicht von SKF bestätigt: Eine Pilotinstallation an einer kritischen Maschine ist überschaubar, ein werksweiter Rollout mit hunderten Sensoren und KI-Prognose bewegt sich über die Vertragslaufzeit vermutlich im fünf- bis sechsstelligen Bereich. Der wirtschaftliche Hebel ist ohnehin nicht die Software, sondern der vermiedene ungeplante Stillstand: Bei hohen Stundenkosten (in der Schwerindustrie oft fünfstellig, illustrativ) amortisiert sich das System mit einem einzigen verhinderten Notstopp. Wer den Business Case rechnet, sollte die vermiedenen Ausfallkosten und nicht die Lizenzgebühr in den Mittelpunkt stellen.

Stärken im Detail

Enlight AI bringt selbstlernende KI statt reiner Schwellenwert-Tabellen. Das Modul stammt aus der 2019 abgeschlossenen Übernahme des israelischen Industrie-KI-Start-ups Presenso (Haifa). Presenso beschrieb seine Technik als unüberwachtes, maschinen- und sensoragnostisches Machine Learning, das ohne Expertenwissen ausfällt: Statt dass ein Ingenieur für jede Maschine Grenzwerte definiert, lernt das System aus den historischen Sensordaten das individuelle Normalverhalten und erkennt Abweichungen, auch solche, die unterhalb klassischer Alarmschwellen liegen. Das ist der entscheidende Unterschied zu reiner regelbasierter Überwachung: Die KI findet Muster, die ein Mensch bei tausenden Sensoren nie alle im Blick hätte.

Envelope-Analyse ist Schwingungsdiagnostik vom Lagerhersteller. Lagerschäden erzeugen charakteristische Frequenzen (etwa die Überrollfrequenz am Außen- oder Innenring). Die Hüllkurven-/Envelope-Analyse ist die etablierte Methode, um solche beginnenden Lagerschäden früh sichtbar zu machen, und gehört zum Kernhandwerk der SKF-Condition-Monitoring-Werkzeuge. Weil SKF die Lagergeometrien selbst kennt, lassen sich Befunde konkreten Schadensbildern zuordnen, vom beginnenden Außenringschaden bis zu Schmiermangel; das kann Fehlalarme gegenüber generischen Werkzeugen reduzieren.

Durchgängiges Ökosystem statt Insellösungen. Die Enlight-Familie greift ineinander: Enlight Collect IMx-1 liefert als automatisiertes, wireless-basiertes Machine-Health-Monitoring die Online-Daten, Enlight ProCollect ist die Routen-Messung für manuelle Messgänge an weniger kritischen Maschinen (angesiedelt bei der klassischen Vibrationsmessung, im Zusammenspiel mit dem QuickCollect-Sensor), und Enlight Centre ist der web-basierte Analyse-Hub, der alles zusammenführt und das frühere @ptitude Asset Management System ablöst. Du musst dir die Kette nicht aus Komponenten verschiedener Hersteller zusammenstückeln.

Domänenwissen plus Mensch im Kreislauf. SKF baut seit über 100 Jahren (gegründet 1907) Wälzlager und bietet internetbasierte, wissensgestützte Diagnosedienste an: Meldet das System einen drohenden Maschinenfehler, kann ein erfahrener SKF-Diagnose-Ingenieur den Befund per Ferndiagnose bestätigen oder verwerfen und eine konkrete Handlungsempfehlung geben. Diese Kombination aus Algorithmus und Experte ist gerade für Werke ohne eigenen Schwingungsanalysten ein starkes Argument, sie kaufen das fehlende Know-how mit ein.

Europäischer Anbieter. SKF sitzt in Göteborg (Schweden), ist in rund 130 Ländern vertreten, und das Machine-Health-Software-Team ist ebenfalls in Göteborg angesiedelt. Das ist ein relevanter Vertrauensvorteil gegenüber rein US-amerikanischen Predictive-Maintenance-Plattformen. Achtung: Eine dedizierte EU-Datenresidenz für die Cloud-Dienste ist nicht öffentlich dokumentiert, den konkreten Speicherort solltest du also vertraglich festhalten (siehe DSGVO-Abschnitt).

Schwächen ehrlich betrachtet

Vendor-Lock-in Richtung SKF. Das System spielt seine Stärken voll aus, wenn SKF-Lager und SKF-Sensoren verbaut sind. Hast du eine gemischte Maschinenlandschaft mit Fremdherstellern, ist die Integration zwar möglich, aber aufwändiger, und du verlierst einen Teil des Diagnose-Vorsprungs, weil die hinterlegten Lagergeometrien nicht passen. Wer sich für Enlight entscheidet, bindet sich strategisch an einen Anbieter.

Preisintransparenz ist ärgerlich. Es gibt kein öffentliches Preisblatt, keine Online-Kalkulation, kein Self-Service-Abo. Jede Anschaffung beginnt mit einem Vertriebsgespräch und einem individuellen Angebot. Das erschwert den nüchternen Marktvergleich erheblich, du kannst Enlight nicht eben gegen eine Alternative gegenrechnen, ohne von beiden Anbietern erst ein Angebot einzuholen.

Enlight AI braucht Geduld. Selbstlernende KI lernt aus Daten, und solange keine ausreichende Baseline über mehrere Wochen aufgebaut ist, sind die Vorhersagen wenig belastbar. In den ersten Betriebswochen liefert das System eher klassische Schwingungswerte als echte KI-Prognosen. Wer am ersten Tag „Predictive Magic” erwartet, wird enttäuscht; der Nutzen entsteht über Monate.

Kein Tool für die Instandhaltungs-Selbsthilfe. Enlight ist keine App, die du herunterlädst und konfigurierst. Sensoren müssen fachgerecht montiert, Messpositionen festgelegt und das System parametriert werden, das übernehmen SKF-Spezialisten oder zertifizierte Partner. Der technicalLevel ist nicht „ohne Setup”, sondern ein Projekt mit Planung, Installation und Inbetriebnahme.

Begrenzter Wirkungsbereich. Enlight überwacht rotierende Maschinen über Schwingung, Temperatur und Drehzahl. Prozessgrößen, die nichts mit Rotation zu tun haben (etwa Filz-Verblindung oder Permeabilität in der Papiermaschine), liegen außerhalb des Systems und brauchen ergänzende Sensorik. Enlight ist ein Spezialist, kein universeller Anlagen-Monitor.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Eine KI-getriebene Maschinendiagnostik ohne Lager-Fixierung willst	Augury
Schwingungsüberwachung speziell für die Papierindustrie brauchst	Valmet DNA Condition Monitoring
Wireless-Sensorik plus App für schnellen Einstieg suchst	Tractian
Eine breite industrielle KI-Plattform über die reine Lagerdiagnose hinaus brauchst	Tvarit Industrial AI

Erwähnenswert ohne eigene Tool-Seite: Schaeffler OPTIME (der direkteste Konkurrent, Schaeffler ist wie SKF Lagerhersteller und verfolgt denselben „Wireless-Sensor plus Cloud plus Lager-Domänenwissen”-Ansatz), Siemens Senseye Predictive Maintenance, Bently Nevada (Baker Hughes) sowie AWS Lookout for Equipment, falls du die ML-Anomalieerkennung lieber als reinen Cloud-Service auf eigene Sensordaten legen willst. Schaeffler OPTIME ist der relevanteste direkte Wettbewerber: Wer bereits Schaeffler-Lager fährt, sollte beide Systeme gegeneinander ausschreiben. Der Markt der industriellen Condition-Monitoring-Plattformen ist hart umkämpft; ein nüchterner Angebotsvergleich lohnt sich fast immer.

So steigst du ein

Schritt 1: Identifiziere die kritischen Maschinen. Bevor du SKF kontaktierst, mach eine Kritikalitätsanalyse: Welche zehn bis zwanzig Maschinen verursachen bei Ausfall den größten Schaden? An denen beginnt jedes sinnvolle Condition-Monitoring-Projekt. Beschreibe SKF deinen Maschinenpark, vorhandene Sensorinfrastruktur und das Schichtmodell, SKF erstellt daraufhin ein Sensing-Konzept mit empfohlenen Montagepositionen.

Schritt 2: Starte mit einem Pilot statt mit dem Vollausbau. Installiere Enlight Collect Wireless-Sensoren an den kritischsten Lagern (Standard: je Lager Antriebs- und Führungsseite, vertikal/horizontal). Lass das System über vier bis acht Wochen eine Baseline aufbauen, erst dann liefert Enlight AI belastbare Prognosen. Für weniger kritische Maschinen reicht oft Enlight ProCollect mit manuellen Messrouten.

Schritt 3: Binde die remote-gestützten SKF-Diagnosedienste ein und definiere den Wartungs-Workflow. Lege fest, wer bei einem KI-Befund reagiert, wie die SKF-Diagnose in dein Instandhaltungssystem (z. B. SAP PM) zurückfließt und welche Stufe der Zustandsklassifikation (etwa von „Normal” bis „Sofortiger Handlungsbedarf”) welche Aktion auslöst. Ohne diesen Prozess bleibt selbst die beste KI-Warnung ein ungelesenes Dashboard.

Ein konkretes Beispiel

Nimm eine Papierfabrik mit einer großen Papiermaschine, deren Pressenpartie auf hunderten Wälzlagern läuft (dieses Szenario ist illustrativ, nicht ein konkret belegter SKF-Kundenfall). An den kritischsten Walzen werden Enlight-Collect-Wireless-Sensoren montiert, die Antriebs- und Führungsseite jedes Lagers überwachen; ein typischer Ausbau an einer einzelnen Maschine bewegt sich schnell im Bereich mehrerer hundert Messstellen. Über die ersten Monate baut Enlight AI das Normalverhalten auf, danach meldet das System beginnende Lagerschäden Wochen vor dem klassischen Grenzwert. Der entscheidende Punkt für ein Werk dieser Größe: Eine einzige verhinderte Notabschaltung an der Pressenpartie zahlt die gesamte Sensorik mehrfach zurück. Bei hohen Ausfallkosten pro Stunde (in der Schwerindustrie oft vier- bis fünfstellig, illustrativ) amortisiert sich das System bereits mit einem einzigen früh erkannten Schaden, und je länger es läuft, desto früher schlägt die KI an. SKF wirbt zwar mit Fallstudien aus der Papierindustrie, die genau diesen Effekt belegen sollen; die konkreten Sensor- und Einsparzahlen stammen aber vom Hersteller und solltest du für deinen eigenen Maschinenpark nachrechnen, statt sie ungeprüft zu übernehmen.

DSGVO & Datenschutz

• Datenhosting: SKF ist ein europäischer Konzern mit Hauptsitz in Göteborg (Schweden), das Machine-Health-Software-Team sitzt ebenfalls in Göteborg. Eine dedizierte EU-Datenresidenz für die Cloud-Dienste (Enlight Centre, Enlight AI) ist jedoch nicht öffentlich dokumentiert. Da SKF in rund 130 Ländern operiert, solltest du den konkreten Hosting-Ort und die Cloud-Region vertraglich festhalten, statt EU-Hosting anzunehmen.
• Datenart: Im Kern werden Maschinendaten verarbeitet (Schwingung, Temperatur, Drehzahl), diese sind in aller Regel keine personenbezogenen Daten. Personenbezug entsteht erst bei Nutzerkonten, Bedien- und Wartungsprotokollen.
• Auftragsverarbeitung (AVV): Für den Einsatz von Enlight Centre und Enlight AI als Cloud-Dienst ist ein AVV mit SKF abzuschließen. Das gehört in jedes Beschaffungsgespräch.
• Cloud vs. On-Premise: Je nach Vertrag und Sicherheitsanforderung lässt sich klären, ob Daten in der SKF-Cloud oder in einer eingeschränkteren Umgebung verarbeitet werden, gerade für kritische Infrastruktur (KRITIS) ein wichtiger Punkt.
• Empfehlung für Unternehmen: Da es um Betriebsdaten kritischer Anlagen geht, ist weniger die DSGVO das Hauptthema als die Frage des Geschäftsgeheimnis-Schutzes. Kläre vertraglich, wer Zugriff auf die Rohdaten hat, ob SKF diese zur Modellverbesserung nutzen darf und wo sie gespeichert werden, bei KRITIS-Anlagen zusätzlich die IT-Sicherheitsanforderungen.

Gut kombiniert mit

• IBM Maximo Application Suite, der größte Hebel entsteht, wenn Enlight-Befunde automatisch Wartungsaufträge in deinem CMMS- oder ERP-System erzeugen. Eine Asset-Management-Suite wie Maximo schließt die Lücke zwischen KI-Warnung und realem Arbeitsauftrag. Sonst landet die Diagnose in einem Dashboard, das niemand öffnet.
• Valmet DNA Condition Monitoring, in der Papierindustrie liefert SKF die Lager- und Schwingungsdiagnostik, während eine prozessnahe Plattform den Rest der Maschine (Walzenspalt, Bahnzug, Qualität) im Blick behält. Beide Welten ergänzen sich an derselben Maschine.
• Augury, für Maschinen ohne SKF-Lager oder als Zweitmeinung bei der KI-gestützten Diagnose. Manche Betriebe fahren bewusst zwei Diagnosesysteme parallel, um Fehlalarme gegenzuprüfen.

Unser Testurteil

SKF Enlight verdient 4 von 5 Sternen. In seinem Kerngebiet, Schwingungsdiagnostik an Wälzlagern, ergänzt um eine selbstlernende Machine-Learning-Anomalieerkennung, gehört es zur Spitzengruppe. Die Kombination aus über 100 Jahren Lager-Domänenwissen, der aus der Presenso-Übernahme (2019) gewonnenen KI und menschlichen Diagnose-Ingenieuren ist schwer zu schlagen, und die europäische Verankerung des Anbieters (Konzernsitz Göteborg) ist für europäische Industriebetriebe ein Vertrauensvorteil, auch wenn die EU-Datenresidenz vertraglich zu klären bleibt. Den fünften Stern kosten der ausgeprägte Vendor-Lock-in zugunsten des SKF-Ökosystems, die völlig intransparente Preisgestaltung und die Tatsache, dass nichts davon ohne SKF-Spezialisten funktioniert. Wer mit SKF-Lagern arbeitet und ernsthaft auf zustandsbasierte Wartung umstellen will, trifft mit Enlight eine sehr solide Wahl, sollte aber Schaeffler OPTIME und eine herstellerunabhängige Plattform gegenausschreiben, bevor er sich strategisch bindet.

Was wir bemerkt haben

• 2017, SKF stellte Enlight Centre vor, zunächst für die Schifffahrt: eine web-basierte Software-as-a-Service-Lösung für zustandsbasierte Wartung, die das ältere @ptitude Asset Management System ablösen sollte. Belegt über die SKF-Pressemitteilung vom 15. März 2017.
• 2019, SKF schloss die Übernahme des israelischen Start-ups Presenso (Haifa) am 31. Oktober 2019 ab. Presenso beschrieb seine Technik als unüberwachtes Machine Learning und Deep Learning für „AI Driven Predictive Maintenance”, maschinen- und sensoragnostisch. Diese Technik bildet die Grundlage von Enlight AI. Damit hat SKF die KI-Kompetenz zugekauft statt selbst aufgebaut, ein bei Industriekonzernen typischer, aber für die Reife des Produkts entscheidender Schritt.
• 2021–2023, SKF hat seine über Jahre gewachsene Condition-Monitoring-Landschaft schrittweise unter dem Dach Enlight neu sortiert: Enlight Centre (Analyse-Hub), Enlight Collect IMx-1 (automatisiertes Wireless-Monitoring), Enlight ProCollect (Routen-Messung) und Enlight AI (Machine-Learning-Modul). Wer ältere Dokumentation liest, stößt noch auf frühere Produktnamen (etwa @ptitude), gemeint ist heute die Enlight-Familie.
• Juli 2026, Bei unserer Re-Verifizierung lieferte die SKF-Website (skf.com) für die Produkt- und Presenso-Seiten keinen statisch lesbaren Text mehr: Die Seiten laden ihre Inhalte per JavaScript nach, sodass sowohl direkte Abrufe als auch das Internet Archive nur eine leere „SKF”-Hülle zurückgeben. Wir haben die Fakten daher über andere belegbare Quellen abgesichert (SKF-Pressemitteilung 2017 zu Enlight Centre, archivierte Presenso-Website, SKF-News-URL zur Presenso-Übernahme, Wikipedia zu SKF). Die früher zitierte Enlight-AI-Einzel-URL existiert nicht mehr eigenständig. Konkrete Einspar- und Sensorzahlen aus SKF-Fallstudien haben wir bewusst nicht als belegte Fakten übernommen; wir haben zudem den branchenüblichen Begriff „AutoML” auf die von Presenso selbst genannte Formulierung (unüberwachtes Machine Learning) zurückgeführt.
• Juli 2026, SKF veröffentlicht weiterhin keine öffentlichen Preise. Belegt ist nur, dass Enlight Centre als Abo-Software verkauft wird; alle Größenordnungen im Text sind illustrativ. Der gesamte Beschaffungsprozess läuft über den Vertrieb, was den nüchternen Marktvergleich gegenüber Wettbewerbern wie Schaeffler OPTIME erschwert. Diese Intransparenz ist branchenüblich, bleibt aber ein Schwachpunkt für Einkäufer.