Manchmal stolpert die Technik vor lauter Daten regelrecht über sich selbst. Was man von außen oft gar nicht sieht: In modernen Produktionsanlagen, aber auch in der Medizin, sammeln Sensoren unermüdlich Signale, von Temperatur über Schwingungen bis hin zu Stoffwechselparametern. Doch was tun, wenn diese Flut alle klassischen Auswerteverfahren überfordert? Genau hier will SF2 Systems einen neuen Weg einschlagen. Anstatt tausende Einzelwerte separat oder mit trainingsintensiven Black-Box-Modellen aus der KI auszuwerten, bringt das Startup eine auffallend schlichte, aber konsequente Logik ins Spiel: Systeme werden als zusammenhängende Zustandsräume betrachtet.
Das klingt im ersten Moment fast esoterisch. Doch der Clou ist, dass durch diesen Ansatz Umgebungen mit ständig neuen, unvorhersehbaren oder sogar seltenen Ereignissen verständlich bleiben. Ein Maschinenpark in der Industrie, dessen Fehler nie exakt gleich auftreten – oder ein menschlicher Organismus, bei dem Stoffwechselmuster selten nach Lehrbuch verlaufen? Für beide gilt: Was wirklich entscheidend ist, sind die Relationen und Übergänge, nicht Einzelausschläge.
Ursprünglich stammt die Entwicklung von SF2 tatsächlich aus der Automatisierungstechnik. Aber mittlerweile landen die Wiener Analysetools auch im Labor und sogar in der medizinischen Diagnostik. Weil überall dort, wo Trainingdaten knapp oder einfach schwer zu erheben sind, der neue Ansatz seine Stärken ausspielt: Die Zustände eines Systems werden so strukturiert dargestellt, dass Abweichungen direkt vergleichbar, Entwicklungen auffindbar und Mustervariationen sichtbar werden.
Warum das gerade jetzt so relevant ist? Weil zunehmend Bereiche digitale Auswertungen brauchen, in denen seltene Fehler oder schleichende Veränderungen früh erkannt werden müssen – und das oft mit schwer zugänglichen Daten. Klassische Statistikmodelle oder KI geraten da gerne an ihre Grenzen. SF2 sagt: Wir brauchen keine Wolke und kein Datenabfluss, sondern bessere Muster-Erkennung vor Ort.
Ungewöhnlich pragmatisch: Im Rahmen einer sogenannten ‚Edge Challenge‘ lädt SF2 andere Firmen dazu ein, ihre ungelösten Analyse-Probleme einzureichen. Die Auswertung läuft anonymisiert, ohne aufwändige Datenauslagerung, und bringt schon nach wenigen Tagen Resultate – wie ein Fingerabdruck, der Risiken und Chancen deutlicher zu Tage fördert, als lange Berichte.
Was heißt das für den Alltag? Ob in Maschinenhallen, Labors oder Krankenhäusern, ermöglicht SF2 ein schnelles, nachvollziehbares Monitoring ohne die üblichen mühseligen Setups oder Datentransfers. Unternehmen behalten die volle Kontrolle, während Interpretationen nicht im Datennebel verschwinden.
SF2 dreht damit den Spieß um: Weniger Modellmagie, mehr greifbare Ergebnisse. Vielleicht ist genau das der Schlüssel, wenn der Mensch die Kontrolle über immer komplexere Systeme nicht ganz verlieren will.
SF2 Systems aus Wien beschreitet einen radikal anderen Pfad in der Auswertung von Sensordaten: Statt mit immer größeren Datenbergen und undurchdringlichen KI-Modellen zu kämpfen, fokussiert sich das Unternehmen auf die Gesamtheit von Systemzuständen – unabhängig davon, ob es sich um Industriemaschinen, Labortechnik oder medizinische Prozesse handelt. Dadurch sind ihre Ansätze besonders dort einsetzbar, wo klassische Methoden mangels verfügbarer Fehlerdaten, hoher Variabilität oder regulatorischer Vorgaben an ihre Grenzen geraten. Aktuell wird die Relevanz solcher Echtzeit-Analytik durch Debatten rund um die künftige Sicherung von Produktionsprozessen, Cybersicherheit und personalisierte Medizin unterstrichen. Weitere Lesarten und Details lassen sich in aktuellen Artikeln finden: In den letzten Tagen diskutierte beispielsweise die FAZ die komplexen Herausforderungen und Lösungsansätze im Umgang mit Daten in der Medizintechnik (z.B. Ethik beim Einsatz von KI in Krankenhäusern und die Herausforderungen bei der Integration neuer Analyse-Tools). Die Süddeutsche Zeitung griff ebenfalls das Thema auf und berichtete über einen Technologiesprung bei Industriesensorik und deren Bedeutung für Produktionssicherheit. Bei Zeit Online wurde zuletzt diskutiert, wie innovative Datenanalyse-Methoden auch in der Energiewende zum Einsatz kommen können und welche Unternehmen hier besonders hervorstechen.