Predictive Maintenance

Vorausschauende Wartung reduziert Stillstände und spart Kosten

13 Min
27. Juni 2024
Predictive maintenance use case

Sie können sich auf Folgendes freuen:

Reaktive Wartung reicht nicht mehr aus, um moderne Produktions- und Industrieanlagen aufrechtzuerhalten. Durch den Einsatz von IoT-Sensoren, Datenanalyse, maschinellem Lernen und KI ist Predictive Maintenance heute entscheidend für den Erfolg in der Industrie. Immer mehr Unternehmen treffen datengesteuerte Entscheidungen mit PdM 4.0 und nutzen Big-Data-Analysen zur Optimierung der Anlagenverfügbarkeit. OPC UA und MQTT werden zunehmend für die Datenkommunikation zwischen Maschinen und Anlagen eingesetzt und ermöglichen Zustandsüberwachung und vorausschauende Analysen.

1. Status Quo

Was ist Predictive Maintenance?

Bei der Vorrausschauenden Instandhaltung, auch bekannt als prädiktive Instandhaltung oder Predictive Maintenance (PdM), geht es darum, eine bedarfsgerechte und zustandsbasierte Instandhaltung zu ermöglichen, und nicht eine Instandhaltung, die möglicherweise erforderlich sein könnte. Das Schlagwort hierfür ist „Wartungsbedarf“. Traditionelle Instandhaltungsmaßnahmen beinhalten feste Wartungspläne und reaktive Maßnahmen bei Anlagenausfällen. Dadurch kommt es häufig zu unnötigen Ausfallzeiten und hohen Kosten. Predictive Maintenance und Facility Management sind Begriffe, die oft im Zusammenhang verwendet werden.

PdM nutzt historische und Echtzeitdaten, um mit Hilfe von KI, maschinellem Lernen, Datenanalyse und Überwachungstechnologie den optimalen Zeitpunkt für Wartungsarbeiten vorherzusagen und einen ungeplanten Ausfall der Maschine zu minimieren. Die Wartungsmaßnahmen werden auf die Anforderungen der individuell überwachten Anlagen angepasst.

Der englische Begriff „Preventive Predictive Maintenance“ (PPM) ist eine Kombination aus zwei Ansätzen zur Instandhaltung: Preventive Maintenance und Predictive Maintenance. PPM nutzt Echtzeitdaten und prädiktive Analysen, um den Zeitplan für vorbeugende Wartungsaufgaben zu informieren und zu optimieren. Das bedeutet, dass die Wartungstätigkeiten nicht nur auf festen Zeitplänen basieren, sondern dynamisch an den tatsächlichen Zustand und die Leistung der Anlagen angepasst werden.

Wie funktioniert Predictive Maintenance?

IoT-Sensoren erfassen relevante Zustandsdaten wie Vibrationen, Temperatur oder Stromverbrauch. MQTT (Message Queuing Telemetry Transport) ist ein leichtgewichtiges, publish-subscribe-basiertes Messaging-Protokoll, das häufig im Kontext des Internets der Dinge (IoT) eingesetzt wird. IoT-Sensoren fungieren als MQTT-Clients und veröffentlichen ihre Messdaten regelmäßig an spezifische Topics auf dem MQTT-Broker.

Alle von den IoT-Sensoren erfassten Daten werden an Cloud- oder Edge-Computing-Plattformen übertragen. Dort werden die Daten gespeichert und analysiert. Cloud-Computing-Plattformen ermöglichen Skalierbarkeit und Zugänglichkeit. Edge-Computing-Plattformen ermöglichen die Verarbeitung von Daten näher an der Quelle und in Echtzeit.

Prädiktive Algorithmen und Datenanalyse werden dann eingesetzt, um Muster zu erkennen, die auf bevorstehende Ausfälle hinweisen. 5G Predictive Maintenance umfasst die Nutzung eines 5G-Netzes, um eine zuverlässige Hochvolumen-Datenübertragung zu ermöglichen.

Mithilfe von Algorithmen für maschinelles Lernen (ML) und Künstliche Intelligenz (KI) sowie statistischen Modellen wird daraufhin ein optimales Wartungsintervall geplant. Zur Infrastruktur von Predictive-Maintenance-Lösungen gehören: Datenerfassung und -speicherung, Datenverarbeitung, Condition Monitoring, Prognose und Asset Health Evaluation.

Auf der Grundlage der von IoT-Sensoren erfassten Daten können auch digitale Zwillinge der physischen Ausrüstung erstellt werden. So können Unternehmen reale Szenarien simulieren, um Prozesse durch bessere Entscheidungen zu optimieren.

Durch die Integration von vorrausschauende Wartung in das Industry 4.0-Framework können Unternehmen eine hochgradig effiziente, flexible und zuverlässige Produktionsumgebung schaffen.

Wireless IoT Technologien und Predictive Maintenance

  • RFID

    Radio Frequency Identification (RFID)-basierende Sensoren können an Werkzeugen angebracht werden, um verschiedene Parameter wie Temperatur, Umdrehungen und Vibrationen zu erfassen. Fabrikmanagementsysteme analysieren diese Daten, um eine vorausschauende Wartung zu ermöglichen.

  • 5G / 6G

    Wie funktioniert 5G bei Predictive Maintenance? Die Konnektivität von Mobilfunknetzen der 5. Generation (5G) wird immer wichtiger, um die Kommunikation von Sensoren mit hohen Datenraten zu unterstützen. Dadurch wird zum Beispiel eine vorausschauende Wartung in der Industrie möglich.

  • Machine Vision

    Mithilfe von Machine Vision-Technologien wie intelligenten Sensoren können Daten von Fahrzeugen, Geräten oder Anlagen gesammelt und überwacht werden. Die erfassten Daten werden dann mithilfe von maschinellem Lernen analysiert, um eine vorausschauende Wartung zu ermöglichen.

  • Sensorik

    Sensoren werden häufig zur Überwachung des Zustands von Anlagen und Maschinen eingesetzt. Die Daten dieser Sensoren können verwendet werden, um Maschinenausfälle vorherzusagen und eine vorausschauende Wartung zu ermöglichen.

  • OPC-UA

    Wofür ist OPC alles gut? Der Kommunikationsstandard OPC UA ermöglicht eine interoperable und standardisierte Kommunikation zwischen industriellen Anlagen und Systemen. So kann eine qualitativ hochwertige Datenerhebung zur Entwicklung von vorausschauenden Wartungsstrategien genutzt werden.

Produkte für Predictive Maintenance

Es gibt zwei Hauptkomponenten für ein IoT-Predictive-Maintenance System.
Die erste ist die Hardware. Dazu gehören IoT-Geräte wie Sensoren, intelligente Messgeräte, IoT-Gateways, Aktoren und speicherprogrammierbare Steuerungen (SPS), die Daten erfassen. Diese Geräte werden an Maschinen und in der gesamten Produktionslinie angebracht. Sensoren sind die Kernkomponente für die vorausschauende Wartung. Es gibt verschiedene Arten von Sensoren, die unterschiedliche Parameter wie Vibration, Temperatur, Druck und Lärm erfassen.

Datenerfassungssysteme werden eingesetzt, um sicherzustellen, dass alle erfassten Daten übertragen und für die Analyse aufbereitet werden. Von hier aus leiten Konnektivitätsgeräte die von den Datenerfassungssystemen verarbeiteten Daten an einen zentralen Cloud-Speicher oder eine Analysesoftware weiter. Die Übertragung kann über kabelgebundene Netze, Mobilfunknetze wie 5G oder über Wi-Fi erfolgen. OPC UA kann verwendet werden, um eine interoperable Kommunikation zwischen verschiedenen Sensoren und Geräten unterschiedlicher Hersteller zu gewährleisten.

Die zweite Komponente ist die Datenanalysesoftware für die Verarbeitung und Analyse der erfassten Daten. Dazu gehören zum Beispiel KI und Algorithmen für maschinelles Lernen. KI in Unternehmen ermöglicht die Vorhersage von Anlagenausfallzeiten auf der Grundlage der analysierten Daten. Das heißt, sie verwandelt Rohdaten in verwertbare Erkenntnisse. Enterprise Resource Planning (ERP)-Systeme und computergestützte Wartungsmanagementsysteme (CMMS) können ebenfalls mit Datenanalysesoftware integriert werden.

Anschließend werden neben der Software für das Instandhaltungsmanagement auch Softwarekomponenten wie die prädiktive Modellierung eingesetzt. Diese Software fungiert als operative Hub für die Verwaltung von Instandhaltungsaktivitäten.

Zahlen & Fakten

Wartungsarbeiten sind teuer. Einem Forschungspapier der Universität Newcastle zufolge werden 15 bis 40 Prozent der Produktionskosten für die Wartung aufgewendet. Vorausschauende Wartung kann dazu beitragen, diese Kosten zu senken. Laut einem Bericht von „Deloitte Insights“, einem Unternehmen, das eigene Untersuchungen und tiefgreifende Analysen durchführt, können Unternehmen, die vorausschauende Wartungslösungen einsetzen, die gesamten Wartungskosten um 5-10 Prozent senken.

Auch die Zeit für die Planung von Wartungsarbeiten kann um 20-50 Prozent reduziert werden. Die Anlagenverfügbarkeit und die Betriebszeit können ebenfalls um 10-20 Prozent erhöht werden. Zusätzlich zu diesen Vorteilen lassen sich durch vorausschauende Wartung auch die Ausfallzeiten von Maschinen und Anlagen um 35 bis 50 Prozent reduzieren und die Lebensdauer von Maschinen und Anlagen um 20 bis 40 Prozent verlängern, so ein Bericht von „Nucleus Research“ einem Anbieter von ROI-orientierter Technologieforschung.

2. In der Praxis

Erfolgreiche Beispiele von Predictive Maintenance

Vorausschauende Instandhaltungsstrategien werden in vielen Branchen eingesetzt. Dazu gehören: Fertigung und Produktion, Energiewirtschaft, Transport, Logistik, Öl- und Gasindustrie, Bergbau, Luft- und Raumfahrt, Bauindustrie sowie die Chemie- und Pharmaindustrie. Unternehmen, die diese Strategien einsetzen, sparen Kosten, reduzieren Maschinen- und Anlagenstillstandszeiten und erhöhen die Sicherheit im Maschineneinsatz. Die betrieblichen Abläufe entlang der Supply Chain werden dadurch optimiert. Die folgenden Beispiele aus der Praxis in der Industrie und der Energiewirtschaft zeigen, wie drahtlose IoT-Technologien für die vorausschauende Wartung eingesetzt werden.

Predictive Maintenance bei Rosendahl Nextrom

Rosendahl Nextrom, ein Hersteller von Kabeln, Lichtwellenleitern und Batterien, setzt den Kommunikationsstandard OPC UA der OPC Foundation für die vorausschauende Wartung seiner Anlagen ein. Im Anlagenteil des Extruders werden beispielsweise Zugspannungs-, Temperatur- und Objektdaten, die bei der Zustandsüberwachung erfasst werden, über OPC UA übertragen. Durch die Analyse der Erfahrungswerte und historischen Daten wird eine vorausschauende Wartung ermöglicht. Das Ergebnis: Eine optimierte Nutzungsdauer der verbauten Schnecken.

„Der größte Vorteil liegt natürlich in der leichteren Anbindung von Maschinen in bestehende Systeme. Durch den Wegfall von Hardware- Adaptern werden wir unabhängiger und flexibler. Umgekehrt ermöglicht der Standard auch die Verfügbarkeit von neuen Prozesswerten und den umfassenden Datenzugriff in real-time.“

Benedikt Wagner

Head of Commissioning and Programming, Rosendahl Nextrom

Logo Rosendahl Nextrom

Predictive Maintenance bei Scatec

Der Solarstromanbieter Scatec nutzt „PowerView“ für das Datenmanagement. PowerView ist eine datengesteuerte Lösung, die auf dem OPC UA Standard der OPC Foundation basiert. Die Wartung von über 500.000 Solarpanels erfolgt durch deren Reinigung, um Verluste und Leistungsprobleme aufgrund von Verschmutzung zu vermeiden. PowerView generiert Vorschläge für optimale Reinigungs- und Wartungszeiten auf der Grundlage von Geräte- und Anlagendaten sowie kontextbezogenen Daten wie Wettervorhersagen. Das Ergebnis: reduzierte Wartungskosten und verbesserte Ressourcenplanung.

Prediktor treibt Standardisierung von OPC UA
Prediktor treibt OPC-UA-Standardisierung in der Solarenergie voran

„Ohne ein solches System entsteht die Problematik, dass die Sammlung von immer mehr Daten nicht unbedingt einen Mehrwert erzielt. Der Betreiber wird mit Daten überladen. Es können beispielsweise hunderte Alarme angezeigt werden, ohne eine angemessene Reaktion parat zu haben. Es braucht ein System, welches in die Datenströme eintauchen kann und herausfindet, was die Alarme verursacht und hochwertige Empfehlungen ausspricht, wie die Probleme zu beheben sind.“

Thomas Pettersen

Vice President Operations Management, Prediktor

Logo Prediktor

Vorausschauende Wartung bei Groupe Renault

Groupe Renault nutzt den Kommunikationsstandard OPC UA der OPC Foundation für das automatisierte Zusammenschweißen von Bauteilen. Durch den Einsatz von Adaptern werden Komponenten wie Schweißprozesse, Roboter, CNC und PLC OPC-UA-fähig. Die 2.200 angeschlossenen Roboter im Karosseriebau überwachen Schweißprozesse, erkennen Anomalien in Echtzeit und führen auf Basis der erfassten Daten eine vorausschauende Wartung der Komponenten durch. Das Ergebnis: Ein Rückgang der Fehlerquote beim Schweißprozess um 20 Prozent.

Weitere Stories zum Thema Predictive Maintenance

3. Panorama

Die Zukunft der vorausschauenden Wartung

Die Zukunft der Predictive Maintenance wird durch eine Kombination aus technologischen Fortschritten und strategischen Ansätzen geprägt sein. Das Ziel: die Effizienz, Zuverlässigkeit und Nachhaltigkeit von Instandhaltungsprozessen weiter zu verbessern. Die vorausschauende Instandhaltung wird ein integraler Bestandteil der Initiativen Industrie 4.0 und Manufacturing X sein. Sie wird nahtlos in intelligente Fabriken integriert werden, in denen vernetzte Systeme und fortschrittliche Automatisierung für optimale Leistung und minimale Ausfallzeiten sorgen werden.

Mit der Entwicklung von Algorithmen für künstliche Intelligenz und maschinelles Lernen werden genauere Vorhersagen von Maschinenausfällen möglich. Die prädiktive Analytik nutzt diese Algorithmen zur Analyse großer Datenmengen, um Muster und Trends im Maschinenzustand zu erkennen. Cloud Computing wird eine zentrale Datenablage ermöglichen, in der große Mengen von Wartungsdaten gespeichert und weltweit abgerufen werden können. Dadurch werden die Zusammenarbeit und die gemeinsame Nutzung von Daten über verschiedene Standorte und Abteilungen hinweg erleichtert und die Instandhaltungsstrategien insgesamt verbessert. Mit der Zunahme des gesammelten Datenvolumens werden Big-Data-Analysen erforderlich sein, um die von IoT-Geräten gesammelten massiven Datensätze zu verarbeiten und zu analysieren.

Die vorausschauende Wartung wird außerdem immer virtueller. Proaktive Wartungsstrategien werden zunehmend durch den Einsatz digitaler Zwillinge ermöglicht. Der Zustand der physischen Anlagen kann virtuell und in Echtzeit überwacht werden. AR-basierte Lösungen für die vorausschauende Wartung werden immer häufiger eingesetzt. Dabei geht es darum, Szenarien in der Praxis zu simulieren, in denen Wartungsmitarbeiter ihre Fähigkeiten sicher üben können. Virtual-Reality-Technologien in der vorausschauenden Wartung werden eingesetzt, um entweder die Anlage selbst oder bestimmte Teile, Komponenten oder Produkte virtuell darzustellen. Dabei kann es sich entweder um bereits vorhandene Objekte handeln oder um Objekte, die noch nicht existieren, aber geplant sind. Ein aufkommender Trend in der Anlageninspektion ist die Extended Reality (XR). Hier geht es um die Integration von Augmented- und Virtual-Reality-Tools in Wartungsabläufe. Fernunterstützung, immersives Training und virtuelle Simulationen im Bereich der vorausschauenden Wartung werden durch XR-Technologien wie AR und VR ermöglicht.

Ein weiteres Schlagwort für die Zukunft der vorausschauenden Wartung ist „Echtzeit“. Um eine vorausschauende Wartung in Echtzeit zu ermöglichen, wird eine Kombination aus Edge Computing und Predictive Analytics eingesetzt. Dabei werden künstliche Intelligenz und Business Intelligence (BI) für die Analyse des Anlagenzustands kombiniert. Immer mehr Unternehmen erkennen das Potenzial von Edge-Computing-Lösungen für die vorausschauende Wartung: Sensordaten können in Echtzeit analysiert werden, um die Entscheidungsfindung für Wartungsarbeiten zu erleichtern und zu beschleunigen.

Die Zukunft der vorausschauenden Wartung wird zudem eine Zusammenarbeit zwischen Mensch und Maschine (Mensch-Roboter-Kollaboration / MRK) einschließen. Moderne Schnittstellen und KI-gestützte Erkenntnisse werden Technikern helfen, fundierte Entscheidungen zu treffen, während Maschinen Routinediagnosen und Wartungsaufgaben übernehmen. Kollaborationsroboter oder Cobots werden an der Seite von menschlichen Technikern arbeiten, um komplexe Wartungsaufgaben zu unterstützen und Präzision zu gewährleisten. Diese Roboter werden mit KI- und IoT-Funktionen ausgestattet sein, um Diagnosen und Reparaturen in Echtzeit durchzuführen.

Vorteile der IoT-basierten vorausschauenden Wartung

Wissenschaftliche Untersuchungen haben gezeigt, dass es für Unternehmen von entscheidender Bedeutung ist, der Zuverlässigkeit von Maschinen Priorität einzuräumen. Vorausschauende Wartungslösungen spielen hier eine entscheidende Rolle, insbesondere in Verbindung mit IoT-Technologien. Es gibt fünf Hauptvorteile der Implementierung von IoT Predictive Maintenance:

  1. Durch die frühzeitige Erkennung von potenziellen Problemen können Produktionsausfälle und damit verbundene Verluste vermieden werden. Da Wartungsarbeiten nur dann durchgeführt werden, wenn sie tatsächlich benötigt werden, wird die Betriebszeit der Maschinen maximiert.
  2. Durch die Vermeidung ungeplanter Ausfälle und die Minimierung von Wartungsarbeiten, die nicht erforderlich sind, werden die Wartungskosten erheblich gesenkt.
  3. Mit der IoT-basierten vorausschauenden Wartung werden Wartungsvorgänge besser geplant und koordiniert, was zu einer effizienteren Nutzung von Ressourcen und Personal führt.
  4. Die kontinuierliche Überwachung des Maschinenzustands identifiziert und behebt potenzielle Sicherheitsrisiken frühzeitig und erhöht so die Sicherheit am Arbeitsplatz. Das bedeutet, dass das Risiko von Ausfällen, die zu Unfällen führen, geringer ist, was wiederum die Arbeitssicherheit für Wartungsmitarbeiter erhöht.
  5. Maschinen, die optimal gewartet werden, arbeiten präziser und zuverlässiger, was die Qualität der produzierten Waren verbessert. Mit den richtigen Wartungsplänen wird die Lebensdauer von Maschinen und Anlagen verlängert.

Vorteile von Wireless IoT

  • Echtzeitüberwachung
  • Kostenreduktion
  • Vermeidung von Produktionsausfällen
  • Verlängerte Lebensdauer der Maschinen
  • Datengetriebene Entscheidungen

Herausforderungen bei IoT-basierten Predictive Maintenance

Die Implementierung von IoT-basierten Predictive Maintenance Systemen kann erhebliche Vorteile bieten, aber sie erfordert auch die Überwindung zahlreicher Herausforderungen. Eine sorgfältige Planung, geeignete Sicherheitsmaßnahmen, kontinuierliche Überwachung und Anpassungen sowie die Schulung von Fachkräften sind entscheidend für den Erfolg solcher Projekte.

Bei der Implementierung eines IoT-basierten Predictive Maintenance Systems gibt es drei Hauptherausforderungen.

1. Technische Herausforderungen

Unterschiedliche Maschinen und Geräte verwenden oft verschiedene Protokolle und Standards, was die Integration und Interoperabilität der Systeme erschwert. Um dieses Problem zu lösen, müssen Unternehmen interoperable Kommunikationsstandards wie OPC UA einsetzen.

IoT-Sensoren generieren enorme Mengen an Daten, die verarbeitet und analysiert werden müssen. Eine hohe Datenqualität und genaue Datenerfassung sind entscheidend, um verlässliche Vorhersagen zu treffen. Die Verwaltung und Verarbeitung solch großer Datenmengen ist auch eine Herausforderung. Hierfür sind ausreichende Bandbreiten, Speicher- und Rechenressourcen erforderlich. Unternehmen müssen daher in eine Infrastruktur für das Datenmanagement investieren.

Systemen müssen auch skalierbar sein, um mit dem wachsenden Datenvolumen und der Anzahl der vernetzten Geräte Schritt zu halten.

2. Organisatorische Herausforderungen

Die Implementierung von IoT-basierten PdM-Systemen kann erhebliche Anfangsinvestitionen in Hardware, Software und Infrastruktur erfordern. Es besteht auch ein Bedarf an qualifizierten Fachkräften, die sowohl technisches Wissen über IoT und Datenanalyse als auch Fachkenntnisse im Bereich der Instandhaltung haben. Die PdM-Systeme müssen nahtlos in bestehende IT- und Instandhaltungssysteme integriert werden, was komplex und zeitaufwändig sein kann.

Die Einführung neuer Technologien in der Instandhaltung kann auch für die Mitarbeiter eine Herausforderung darstellen. Die Gründe dafür liegen vor allem im mangelnden Vertrauen und Verständnis für neue Technologien. Aus diesem Grund sind angemessene Schulungen und Unterstützung entscheidend für eine erfolgreiche Einführung von IoT-basierten vorausschauenden Wartungslösungen.

3. Sicherheits- und Datenschutzherausforderungen

IoT-Geräte und -Netzwerke sind anfällig für Cyberangriffe. Es ist wichtig, robuste Sicherheitsmaßnahmen zu implementieren, um Daten und Systeme zu schützen. Cybersecurity-Lösungen umfassen regelmäßige Sicherheitsaudits, Systeme zur Erkennung von Eindringlingen und Netzwerksegmentierung. Die Erfassung und Verarbeitung großer Mengen an Betriebsdaten wirft auch Datenschutzfragen auf. Es muss sichergestellt werden, dass alle gesetzlichen Vorgaben und Datenschutzrichtlinien eingehalten werden.

Partner im Bereich Predictive Maintenance

Ausblick – Next-Level Predictive Maintenance

Einige der sich abzeichnenden Trends bei der vorausschauenden Instandhaltung umfassen eine schnellere und kostengünstigere Einführung durch Predictive Maintenance-as-a-Service (PdMaaS), eine verbesserte Arbeitssicherheit durch roboterbasierte Inspektionen und den Einsatz immersiver Technologien wie Extended Reality.

Predictive Maintenance-as-a-Service

Predictive Maintenance-as-a-Service (PdMaaS) umfasst die Kombination von Software und einem Serviceteam, um die vorausschauende Wartung für Fertigungsunternehmen und -anlagen leichter verfügbar, zugänglich und erschwinglich zu machen. Der Implementierungsprozess wird nur geringfügig gestört, da von den Mitarbeitern in der Fabrik oder im Werk nur wenige Eingaben erforderlich sind. Eine Schulung ist nicht erforderlich. PdM as a Service kann auch an die spezifischen Anforderungen von Anlagen und Werken angepasst werden.

Inspektion mit autonomen Robotern

In gefährlichen Bereichen, wie beispielsweise in der Öl- und Gasindustrie, setzen Unternehmen zunehmend automatisierte Roboterinspektionen für die Überwachung von Anlagen ein. Autonome Roboter und Drohnen werden als bewegliche Sensorplattformen eingesetzt. Diese werden zur Überwachung von Anlagen eingesetzt. Die Daten werden dann in computergestützte Wartungsmanagementsysteme (CMMS) übertragen.

Immersive Technologien

Vorausschauende Wartungslösungen, die Augmented, Virtual und Extended Reality (AR, VR und XR) einsetzen, werden weiterentwickelt, um die Fernwartungsüberwachung zu ermöglichen, die Wartungsvisualisierung zu verbessern und die Fernunterstützung und -schulung von Wartungsmitarbeitern zu verbessern.

Kontaktieren Sie uns und erhalten Sie eine maßgeschneiderte Antwort!

Ihre Nachricht wurde erfolgreich versendet!

Vielen Dank für Ihre Anfrage. Wir melden uns in Kürze bei Ihnen!

Oops!

Etwas ist schiefgelaufen. Bitte versuchen Sie es später noch einmal.

In Bearbeitung!

Vielen Dank für Ihre Nachricht. Wir werden Ihre Informationen umgehend bearbeiten.

Bevorstehende Events

WIoT tomorrow 2024

Internationale Ausstellung | Summit

Datum

23. - 24.

Oktober 2024

Ort

Wiesbaden,

Deutschland

Think WIoT Day 28. August

Livestream zum Gesundheitswesen

Datum

28. August

Ort

Online