Amazon Lookout for Equipment: Predictive Maintenance revolutioniert

Im zweiten Teil unserer AWS-Serie beleuchten wir Amazons Einstieg in den Predictive-Maintenance-Markt. Amazon kündigte kürzlich an, wie ernst es diesen Raum nimmt – ein weiterer Schritt, der die Reife der Methodologien und Technologien hinter Predictive Maintenance real validiert.

(Hier lesen Sie Teil 1: AWS Monitron: Erste Eindrücke von unserem CTO Rob Russell)

Ein automatisiertes Predictive-Maintenance-System, das primär für Instandhalter auf dem Shopfloor konzipiert zu sein scheint: Amazon Lookout for Equipment ist ein Off-the-Shelf-Produkt für Organisationen ohne Ressourcen oder Wunsch, eine eigene PdM-Plattform zu designen oder zu bauen. Code und Data Science werden auf ein Minimum reduziert – es nimmt Daten von bestehenden Sensoren und wendet Standard-ML-Algorithmen an, um Predictive Maintenance durch automatisierte Condition-Monitoring-Analyse zu ermöglichen.

Man könnte es als „AmazonBasics-Version von Senseye“ bezeichnen – und das ist nicht unbedingt schlecht. Trotz markanter Unterschiede in der Asset-Diversität beweist seine bloße Existenz, dass der Predictive-Maintenance-Markt ein weiteres Reifelevel erreicht hat. Dass ein Unternehmen von Amazons Größe investiert und durch allgemeine Verfügbarkeit die Technologie ubiquitär macht, kann nur gut für den Sektor sein. Wir sind über den Beweis des Konzepts hinaus.

Dass der Launch viel Buzz erzeugt, ist kaum überraschend. Wenn Amazon in einen Markt eintritt, weckt das Interesse – verständlich, da das Unternehmen bei fast allem, woran es sich versucht, riesig erfolgreich ist.

Ein Schritt in die richtige Richtung

Amazon Lookout for Equipment ist für Instandhalter gemacht, nicht für Data Scientists – und kommt aus eigener Erfahrung. Mit Expertise und Insights aus der Wartung eigener Assets will Amazon den Einstieg so einfach wie möglich machen und sofortigen Wert liefern, Usability- und Konfigurierbarkeits-Hürden adressieren.

Technisch deckt es derzeit einfache Assets ab: Motoren, Förderbänder, Servos – im Wesentlichen das, was Amazon selbst nutzt. Komplexere Assets wie Roboter oder CNC-Maschinen werden noch nicht überwacht, aber zeitnah sicher auch. Aktuell ist es für viele Standard-Factory-Equipment kompetent.

Und während Amazon keine Vor-Ort-Mitarbeiter für Kunden hat, die Daten nicht aus ihren Maschinen bekommen, gibt es Monitron – das komplementäre Angebot, das ML nutzt, um anormales Verhalten in Industriemaschinen zu detektieren.

Klar: Amazon setzt auf Self-Service-Predictive-Maintenance. Der Markt holt dieses Konzept noch ein, aber es ist ein Schritt in die richtige Richtung. Organisationen übernehmen zunehmend Eigenverantwortung für ihre Datenreise, statt Daten einfach abzuzapfen. Immer mehr unserer Kunden haben eigene Data Lakes – sie sammeln Daten selbst und ermöglichen Dritten Zugriff, Amazon wird einer davon sein.

Predictive Maintenance ist kein Konzept mehr – Amazon hat vor dem Launch umfangreiche Research betrieben. Die Marktrichtung ist erkannt, Amazon wird als Enabler für Kunden und den breiteren Industriemarkt dienen, während dieser sich weiterentwickelt.

Wachsender Appetit

Man darf einen gewissen Eigeninteresse unterstellen. Denkt man an Amazon als Logistikbusiness: Es hat enorm viele Lager-Assets – Förderbänder, Motoren, Antriebe, Servos –, die alle Monitoring brauchen, bislang von mehreren dedizierten Anbietern adressiert.

Amazon versteht die Signifikanz von Predictive Maintenance: Es ist der Nummer-1-Use-Case für Industry-4.0-Implementierung und der beste Weg, den Wert von Instrumenten und Maschinen schnell zu beweisen.

Amazon versucht seit einiger Zeit, in den Industrieraum einzudringen. Eine eigene Predictive-Maintenance-Plattform zu bauen – ähnlich wie Microsoft – ist der perfekte Weg, Wert und Kompetenz zu demonstrieren. Guter Business-Outcome-Use-Case für Industry 4.0, spannendes Feld mit neuester ML-Technologie, an der Amazon-Ingenieure arbeiten wollen.

Herausforderungen gibt es: Amazon ist kein traditionelles Industrieunternehmen, hat begrenzte Präsenz auf dem Shopfloor. Obwohl es Logistik und Inhouse-Wartung versteht: Massiver Unterschied zwischen Predictive Analytics (Amazons Stärke) und Predictive Maintenance. Wir haben oft gesehen, wie begeisterte Ingenieure in die Falle tappen, Predictive Maintenance sei einfach Predictive Analytics auf Maschinen angewandt – dem ist nicht so.

Ermutigend, dass Amazon eine herausfordernde, nuancierte Situation scheinbar meistert. Das Produkt mag noch nicht so leistungsfähig sein, wie es könnte – aber es wird sich entwickeln. Es bedient einen wachsenden Appetit auf Predictive Maintenance, und seine Präsenz signalisiert zögerlichen Unternehmen: Der Markt ist jetzt reif und validiert. Amazon würde kein Produkt veröffentlichen, das nicht hält, was es verspricht.

Amazon ist der erste Akteur dieser Größe mit eigenem Ansatz in diesem Raum – und wird es für absehbare Zeit der einzige bleiben. Andere ähnlich große Organisationen werden eher pragmatisch mit Partnern arbeiten als selbst zu bauen.

Bemerkenswert: Der Move validiert massiv, dass Nachfrage nach Predictive Maintenance existiert. Für die, die fragen, ob es funktioniert: Der Launch von Amazon Lookout for Equipment ist ein klares Ja – und wir heißen sie in diesem spannenden Raum willkommen.