<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>Firma SF2 Systems, Autor bei Presse-Lexikon</title>
	<atom:link href="https://www.presse-lexikon.de/author/firma_sf2systems/feed/" rel="self" type="application/rss+xml" />
	<link>https://www.presse-lexikon.de/author/firma_sf2systems/</link>
	<description>Presseartikel mit Niveau – Einfach gut!</description>
	<lastBuildDate>Tue, 03 Nov 2026 07:45:00 +0000</lastBuildDate>
	<language>de</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.5.14</generator>

<image>
	<url>https://www.presse-lexikon.de/wp-content/uploads/sites/11/2017/10/cropped-icon-3-32x32.png</url>
	<title>Firma SF2 Systems, Autor bei Presse-Lexikon</title>
	<link>https://www.presse-lexikon.de/author/firma_sf2systems/</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>Kalzium oder Kurbelwelle? Dieser Software ist das egal.</title>
		<link>https://www.presse-lexikon.de/2026/11/03/kalzium-oder-kurbelwelle-dieser-software-ist-das-egal/</link>
		
		<dc:creator><![CDATA[Firma SF2 Systems]]></dc:creator>
		<pubDate>Tue, 03 Nov 2026 07:45:00 +0000</pubDate>
				<category><![CDATA[Allgemein]]></category>
		<category><![CDATA[anomalieerkennung]]></category>
		<category><![CDATA[Biogasanlage]]></category>
		<category><![CDATA[brownfield]]></category>
		<category><![CDATA[condition-monitoring]]></category>
		<category><![CDATA[Echtzeitmonitoring]]></category>
		<category><![CDATA[Fehlerdiagnostik]]></category>
		<category><![CDATA[fingerprint]]></category>
		<category><![CDATA[industrie]]></category>
		<category><![CDATA[Instandhaltung]]></category>
		<category><![CDATA[Maschinenzustand]]></category>
		<category><![CDATA[operational technology]]></category>
		<category><![CDATA[predictive maintenance]]></category>
		<category><![CDATA[Prozessüberwachung]]></category>
		<category><![CDATA[Sensordaten]]></category>
		<category><![CDATA[Zustandsanalyse]]></category>
		<guid isPermaLink="false">https://www.presse-lexikon.de/2026/11/03/kalzium-oder-kurbelwelle-dieser-software-ist-das-egal/</guid>

					<description><![CDATA[<p>Neun dokumentierte Anwendungsfälle. Ein wiederverwendbarer Softwarekern statt einer neuen KI für jede Aufgabe. Kalzium. Magnesium. Eisen. Blutzucker. Temperatur. Druck. Drehzahl. Vibration. Die erste Reihe könnte aus einem Laborbefund stammen. Die zweite aus einem Formel-1-Rennwagen, einer Wasserpumpe oder einem Kraftwerk. Zwei Welten, die nichts miteinander zu tun haben. Andere Messgeräte, andere Fachleute, andere Physik. Und doch [&#8230;]</p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/11/03/kalzium-oder-kurbelwelle-dieser-software-ist-das-egal/" data-wpel-link="internal">Kalzium oder Kurbelwelle? Dieser Software ist das egal.</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></description>
										<content:encoded><![CDATA[<div class="pb-text"><b>Neun dokumentierte Anwendungsfälle. Ein wiederverwendbarer Softwarekern statt einer neuen KI für jede Aufgabe.</b></p>
<p>Kalzium. Magnesium. Eisen. Blutzucker.<br />
Temperatur. Druck. Drehzahl. Vibration.</p>
<p>Die erste Reihe könnte aus einem Laborbefund stammen. Die zweite aus einem Formel-1-Rennwagen, einer Wasserpumpe oder einem Kraftwerk.</p>
<p>Zwei Welten, die nichts miteinander zu tun haben. Andere Messgeräte, andere Fachleute, andere Physik.</p>
<p>Und doch steckt dahinter dieselbe Frage:<br />
<b>In welchem Zustand befindet sich ein System – und wie verändert sich dieser Zustand?</b><br />
Für eine Software aus Wien sind beide Reihen deshalb dieselbe Aufgabe.</p>
<p><b>Ein Bluttest ist ein Snapshot. Aber was passiert danach?</b><br />
Er liefert eine Momentaufnahme aus vielen Laborwerten – keiner für sich das Gesamtbild.<br />
Bei einer Maschine ist es nicht anders. Erst wenn Druck, Temperatur, Drehzahl und Vibration demselben Zeitpunkt oder einem definierten Messfenster zugeordnet werden, entsteht ein gemeinsamer Snapshot des Betriebszustands.</p>
<p>Genau dieses Bild übersetzt <b>Semantic Folding Sensor Fusion</b>, <b>kurz SF2</b>, in einen kompakten digitalen Fingerabdruck, einen State Fingerprint: ein spärlich besetztes binäres Muster, das sich mathematisch mit anderen Zuständen vergleichen lässt. Gleiche Daten, gleiches Modell, gleiche Vorverarbeitung – gleiches Ergebnis. Deterministisch und reproduzierbar.</p>
<p>Dann wird es spannend.</p>
<p>Aus einem Snapshot werden viele, aus Einzelbildern ein Film. Erst die Abfolge zeigt, wie sich ein System verändert.</p>
<p><b>Ein Snapshot zeigt, wo ein System steht.</b><br />
<b>Viele Snapshots zeigen, wie es sich verändert.</b><br />
<b>Der Vergleich mit bekannten Zuständen zeigt, welchen es ähnlicher wird – und von welchen es sich entfernt.</b></p>
<p>Der Fingerprint des Normalbetriebs macht Abweichungen sichtbar – möglicherweise bevor ein einzelner Sensor eine Alarmgrenze überschreitet. Liegen Muster dokumentierter Störungen vor, misst SF2 auch, ob der aktuelle Zustand ihnen zunehmend ähnelt.</p>
<p><b>Das ist keine Wahrsagerei, sondern eine messbare Annäherung an bekannte Muster.</b></p>
<p>„Welche Daten wir verarbeiten, spielt für unsere Software keine Rolle“, erklärt <b>Francisco Webber, Gründer, CEO und Chief Scientist von SF2 Systems</b>. „Ob Kalziumwert oder Kurbelwellendruck: Das Prinzip ist immer dasselbe. Wir machen aus vielen Einzelwerten einen Zustand – und aus vielen Zuständen eine Richtung.“</p>
<p><b>Vier Tage vor dem Ausfall. Und dann plötzlich Radar.</b><br />
Eine Industriepumpe: 52 Sensorkanäle, über 220.000 Messpunkte, sieben dokumentierte Fehlerphasen. In der retrospektiven Auswertung zeigte sich eine charakteristische Zustandsveränderung rund vier Tage vor einem dokumentierten Ausfall.</p>
<p>Das Zustandsmodell entstand in weniger als 15 Minuten. Auf einem gewöhnlichen Notebook. Keine Datenbank voller Schadensfälle. Keine GPU-Farm. Kein monatelanges Training eines Spezialmodells.</p>
<p>Und jetzt kommt der eigentliche Punkt.<br />
<b>Derselbe Softwarekern, der diese Pumpe analysiert hat, klassifiziert auch Radarsignale.</b><br />
76 Zielklassen. F1-Werte über 0,98 für nahezu alle.<br />
Völlig andere Daten. Eine andere Physik. Eine andere Aufgabe.<br />
<b>Aber kein neuer Kern.</b></p>
<p>Wie weit trägt dieses Prinzip?<br />
Das SF2-Team hat es ausprobiert. Wieder und wieder.</p>
<p>Ein Kompressor. Eine Kunststoffextrusion. Eine Offshore-Förderleitung. Eine Serverlandschaft. Ein Werkzeug, das verschleißt. Eine Förderstrecke in der Halbleiterfertigung.</p>
<p><b>Sechs weitere Welten. Sechsmal dieselbe Software.</b><br />
Bleibt eine Frage: Was, wenn es nicht mehr um eine einzelne Maschine geht, sondern um eine ganze Anlage?</p>
<p><b>Drei Funktionen. Ein Modell. </b><br />
Die Antwort liefert eine Biogasanlage im nördlichen Niederösterreich. Dort treffen drei ganz unterschiedliche Anlagenfunktionen aufeinander. Ein Blockheizkraftwerk erzeugt Strom und Wärme. Ein Rührwerk hält den biologischen Prozess in Gang. Eine Gasfackel verbrennt das Gas, wenn es nicht verwertet werden kann.</p>
<p>SF2 hat alle drei in einem einzigen Zustandsmodell erfasst – aus rund 70 Tagen Betriebsdaten.</p>
<p>Dann wurde zurückgespult.<br />
Die Analyse der historischen Daten zeigte erste Vorläufer: beim Rührwerk 62 Stunden vor einer Schutzmeldung, bei der Gasfackel 53 Stunden vor einer Störung und beim Blockheizkraftwerk sogar rund 14 Tage – also zwei volle Wochen – vor einem größeren Störungskomplex.</p>
<p>Alle Ergebnisse stammen aus dokumentierten, teils retrospektiven Auswertungen und stellen kein Pauschalversprechen für jede Anlage dar, aber ein klares Prinzip: Derselbe Softwarekern für neun völlig unterschiedliche Anwendungen.</p>
<p><b>Niemand programmiert für jede Bilanz eine neue Tabellenkalkulation.</b><br />
Eine Tabellenkalkulation wird einmal gebaut und Millionen von Menschen rechnen darin mit ihren eigenen Zahlen.</p>
<p>In der industriellen KI passiert oft das Gegenteil: Für jede Maschine wird eine maßgeschneiderte Lösung entwickelt – Daten sammeln, Spezialisten beauftragen, trainieren, integrieren. Bei der nächsten Maschinenklasse beginnt vieles von vorn.</p>
<p>Bei einer einzelnen Maschine ist dieser maßgeschneiderte Ansatz machbar – bei tausend wird er unbezahlbar. SF2 kehrt dieses Prinzip um: <b>Die Technologie bleibt dieselbe. Der Anwender bestimmt die Anwendung.</b></p>
<p>Daten, Vorverarbeitung und Referenzzustände ändern sich – der Kern bleibt. Und modelliert wird von denen, die ihre Anlagen am besten kennen: den Maschinenexperten selbst.</p>
<p><b>Nicht ein Modell für alle Maschinen. Sondern eine Technologie, mit der jeder sein eigenes Modell baut – wie in einer Tabellenkalkulation.</b></p>
<p><b>Ausprobieren ausdrücklich erwünscht. </b><br />
Darauf warten muss niemand.</p>
<p>Die <b>SF2 Suite SE</b> steht dauerhaft kostenlos zur Verfügung. Nutzer können damit historische Daten lokal analysieren, eigene Zustandsmodelle bauen und Fingerprints vergleichen – ganz ohne zusätzliche Hardware und ohne dass Daten das Haus verlassen. Während die <b>Suite RT</b> als Erweiterung Live-Daten einbindet, läuft die <b>Engine RT</b> direkt an der Maschine.</p>
<p>Wie klein „direkt an der Maschine“ sein kann?<br />
Auf einem <b>NXP i.MX91</b> wertet SF2 Pumpendaten im Echtzeit-Replay aus und liefert Zustandsinformationen für SCADA-Alarme.</p>
<p>An einer 15 Meter langen Förderstrecke erkannte SF2 Defektpassagen – mit einem einzigen mitfahrenden Sensorbehälter statt Sensoren an jeder Rolle. Anschließend wurde die Software auf einem <b>Infineon PSoC Edge E84 AI Kit</b> implementiert, im Umfeld des Thin[gk]athon von Infineon Technologies und ZEISS Digital Innovation.</p>
<p>Für Maschinenbauer und OEMs wird Zustandsintelligenz damit zur Softwarefunktion – in vorhandenen Geräten, Steuerungen und Architekturen.</p>
<p>„Unternehmen fragen uns nicht, ob SF2 ihre Maschine schon kennt“, sagt <b>Christoph Gretzmacher, Business Development bei SF2 Systems</b>. „Sie fragen, wie schnell sie mit ihren eigenen Daten loslegen können. Die Antwort ist: heute. Und wenn jemand mehr braucht, etwa eine neue Schnittstelle oder eine spezielle Integration, bauen wir das dazu. Der Kern bleibt, die Lösung wächst mit.“</p>
<p><b>Zurück zum Bluttest.</b><br />
Alle Laborwerte im Referenzbereich. Aber ist der Mensch deshalb gesund?</p>
<p>Ein Wert kann völlig normal sein – und sich trotzdem weit von dem entfernt haben, was für genau diesen Menschen normal war. Mehrere Werte können sich gemeinsam verschieben, ohne einzeln aufzufallen.</p>
<p>Was, wenn man die Bluttests eines Menschen über Jahre hintereinanderlegt, wie die Einzelbilder eines Films?</p>
<p><b>Dann lautet die Frage nicht mehr nur: Sind meine Werte heute normal? Sondern: Wohin bewegt sich mein biologischer Gesamtzustand?</b></p>
<p>Genau das untersucht SF2 Systems in seiner bereits öffentlich kommunizierten Forschungszusammenarbeit mit der <b>Medizinischen Universität Wien</b>, Labormedizin am AKH Wien: Lassen sich aus klinischen Routinedaten <b>Patient State Fingerprints</b> ableiten, die Veränderungen des biologischen Gleichgewichts, der Homöostase, sichtbar machen – womöglich bevor einzelne Werte diagnostische Schwellen überschreiten?</p>
<p>Das ist Forschung, keine Diagnose. Ob solche Muster klinisch aussagekräftig sind, muss sich zeigen; SF2 ist kein zugelassenes Diagnoseverfahren.</p>
<p>Aber man muss sich vor Augen halten, was hier passiert: <b>Dieselbe Software, die eine Pumpe beschreibt und Radarziele unterscheidet, wird an menschlichen Labordaten erforscht.</b></p>
<p>Nicht weil der Mensch eine Maschine wäre. Sondern weil die Frage dieselbe ist: Wo steht ein System – und wohin bewegt es sich?</p>
<p><b>Die eigentliche Innovation ist nicht die neunte Anwendung. </b><br />
<b>Sondern dass dafür keine neunte Technologie entwickelt werden musste.</b><br />
Jede neue Anwendung erschließt einen weiteren Einsatzbereich für denselben, sofort verfügbaren Softwarekern – ohne technologisch wieder bei null anzufangen.</p>
<p>Daten zu sammeln wird jeden Tag einfacher. Sie zu verstehen nicht.<br />
<b>Nicht für jedes Problem eine neue KI. Sondern ein Kern für viele Probleme.</b></p>
<p><b>Weitere Informationen:</b> <a href="https://sf2systems.com" class="bbcode_url" target="_blank" rel="noopener nofollow" data-wpel-link="external">https://sf2systems.com</a><br />
<b>Software:</b> <a href="https://sf2systems.com/produkte/software/index.html" class="bbcode_url" target="_blank" rel="noopener nofollow" data-wpel-link="external">https://sf2systems.com/produkte/software/index.html</a><br />
<b>Technische Fallstudien:</b> <a href="https://sf2systems.com/case-studies/index.html" class="bbcode_url" target="_blank" rel="noopener nofollow" data-wpel-link="external">https://sf2systems.com/case-studies/index.html</a></p>
<p>SF2 Systems ist ein Wiener Deep-Tech-Unternehmen für die softwarebasierte Zustandsanalyse komplexer Maschinen, Anlagen und Prozesse in Industrie, Energie und kritischer Infrastruktur. Die sensor- und herstellerunabhängige Technologie führt vorhandene Sensor- und Betriebsdaten zu vergleichbaren Zustands-Fingerprints zusammen und macht Drift und schleichende Veränderungen früh sichtbar – reproduzierbar, nachvollziehbar, ohne Black-Box-Modell und ohne große gelabelte Fehlerdatensätze. Als Ergänzung bestehender Condition-Monitoring- und Automatisierungssysteme ist SF2 für Brownfield- und OT-Umgebungen ausgelegt, läuft lokal am Edge bzw. On-Premises ohne Cloud-Abhängigkeit und hält sensible Produktionsdaten im Unternehmen. So können Zustandsveränderungen früher erkannt, ungeplante Stillstände reduziert sowie Wartung und Betrieb planbarer werden. Über industrielle Anwendungen hinaus erschließt SF2 Systems neue Einsatzfelder in Biotechnologie und Life Sciences. Im Mittelpunkt steht dabei auch die wissenschaftliche Untersuchung biologischer Zustandsveränderungen anhand klinischer Routinedaten.</p></div>
<div class="pb-company">
<div>Firmenkontakt und Herausgeber der Meldung:</div>
<p>SF2 Systems GmbH<br />
Eichelhofstrasse 2B<br />
A1190 Wien<br />
Telefon: 00436601016615<br />
<a href="https://sf2systems.com/" target="_blank" rel="noopener nofollow" data-wpel-link="external">https://sf2systems.com/</a></div>
<div class="pb-contacts">
<div>Ansprechpartner:</div>
<div class="pb-contact-item">Christoph Gretzmacher<br />
Business Development<br />
E-Mail: &#109;&#101;&#100;&#105;&#097;&#064;&#115;&#102;&#050;&#115;&#121;&#115;&#116;&#101;&#109;&#115;&#046;&#099;&#111;&#109;
</div>
<div class="pb-links">
<div>Weiterführende Links</div>
<ul>
<li>
                        <a href="https://www.pressebox.de/pressemitteilung/sf2-systems-gmbh/kalzium-oder-kurbelwelle-dieser-software-ist-das-egal/boxid/1319003" target="_blank" rel="noopener nofollow" data-wpel-link="external">Originalmeldung der SF2 Systems GmbH</a>
                    </li>
<li>
                        <a href="https://www.pressebox.de/newsroom/sf2-systems-gmbh" target="_blank" rel="noopener nofollow" data-wpel-link="external">Alle Stories der SF2 Systems GmbH</a>
                    </li>
</ul></div>
<div class="pb-disclaimer">Für die oben stehende Story ist allein der jeweils angegebene Herausgeber (siehe Firmenkontakt oben) verantwortlich. Dieser ist in der Regel auch Urheber des Pressetextes, sowie der angehängten Bild-, Ton-, Video-, Medien- und Informationsmaterialien. Die United News Network GmbH übernimmt keine Haftung für die Korrektheit oder Vollständigkeit der dargestellten Meldung. Auch bei Übertragungsfehlern oder anderen Störungen haftet sie nur im Fall von Vorsatz oder grober Fahrlässigkeit. Die Nutzung von hier archivierten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber. Eine systematische Speicherung dieser Daten sowie die Verwendung auch von Teilen dieses Datenbankwerks sind nur mit schriftlicher Genehmigung durch die United News Network GmbH gestattet.
            </div>
<p>        <img decoding="async" src="https://www.pressebox.de/presscorner/cpix/tp---10/1319003.gif" alt="counterpixel" width="1" height="1" /></p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/11/03/kalzium-oder-kurbelwelle-dieser-software-ist-das-egal/" data-wpel-link="internal">Kalzium oder Kurbelwelle? Dieser Software ist das egal.</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Jenseits der Diagnose: Warum Prävention eine neue Sprache braucht</title>
		<link>https://www.presse-lexikon.de/2026/10/28/jenseits-der-diagnose-warum-prvention-eine-neue-sprache-braucht/</link>
		
		<dc:creator><![CDATA[Firma SF2 Systems]]></dc:creator>
		<pubDate>Wed, 28 Oct 2026 07:45:00 +0000</pubDate>
				<category><![CDATA[Forschung und Entwicklung]]></category>
		<category><![CDATA[Biomarkerprofile]]></category>
		<category><![CDATA[Driftmuster]]></category>
		<category><![CDATA[früherkennung]]></category>
		<category><![CDATA[Gesundheitsdaten]]></category>
		<category><![CDATA[Grenzwertmodelle]]></category>
		<category><![CDATA[Homöostase]]></category>
		<category><![CDATA[labordaten]]></category>
		<category><![CDATA[Longitudinaldaten]]></category>
		<category><![CDATA[Personalisierung]]></category>
		<category><![CDATA[Präpathologie]]></category>
		<category><![CDATA[Prävention]]></category>
		<category><![CDATA[präzisionsmedizin]]></category>
		<category><![CDATA[Referenzräume]]></category>
		<category><![CDATA[Routinedaten]]></category>
		<category><![CDATA[Zustandsanalyse]]></category>
		<guid isPermaLink="false">https://www.presse-lexikon.de/2026/10/28/jenseits-der-diagnose-warum-prvention-eine-neue-sprache-braucht/</guid>

					<description><![CDATA[<p>Die moderne Medizin ist eine der größten Errungenschaften unserer Zeit. Sie kann Krankheiten erkennen, klassifizieren und behandeln wie nie zuvor. Doch ihr größter Erfolg zeigt zugleich eine strukturelle Grenze: Das medizinische System wird meist erst dann aktiv, wenn Krankheit bereits sichtbar geworden ist.  Wenn Symptome auftreten. Wenn Grenzwerte überschritten werden. Wenn ein klinischer Befund auffällig [&#8230;]</p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/10/28/jenseits-der-diagnose-warum-prvention-eine-neue-sprache-braucht/" data-wpel-link="internal">Jenseits der Diagnose: Warum Prävention eine neue Sprache braucht</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></description>
										<content:encoded><![CDATA[<div class="pb-text"><b>Die moderne Medizin ist eine der größten Errungenschaften unserer Zeit. Sie kann Krankheiten erkennen, klassifizieren und behandeln wie nie zuvor. Doch ihr größter Erfolg zeigt zugleich eine strukturelle Grenze: Das medizinische System wird meist erst dann aktiv, wenn Krankheit bereits sichtbar geworden ist. </b></p>
<p>Wenn Symptome auftreten. Wenn Grenzwerte überschritten werden. Wenn ein klinischer Befund auffällig ist. Kurz: wenn eine Diagnose gestellt werden kann.</p>
<p>Fast jeder kennt die andere Seite. Man geht regelmäßig zur Vorsorge, die einzelnen Werte liegen im Normbereich – und trotzdem kann sich der biologische Zustand über Monate oder Jahre verändern, ohne dass ein einzelner Messwert Alarm schlägt.</p>
<p>Denn viele biologische Entwicklungen beginnen deutlich früher. Stoffwechsel, Immunsystem, Hormonhaushalt, Entzündungsprozesse, Ernährung, Schlaf, Stress und Umweltfaktoren wirken permanent zusammen. Gesundheit ist in diesem Sinne kein statischer Zustand, sondern ein dynamisches Gleichgewicht.</p>
<p>Für dieses Gleichgewicht gibt es einen zentralen Begriff: <b>Homöostase</b>. Er bezeichnet die Fähigkeit des Körpers, innere Stabilität aufrechtzuerhalten, obwohl sich äußere und innere Bedingungen ständig verändern. Der Mensch ist kein starres System, sondern ein lebendiges Netzwerk biologischer Prozesse, die sich fortlaufend anpassen.</p>
<p>Darin liegt die Herausforderung moderner Prävention. Biologische Werte verändern sich ständig. Entscheidend ist deshalb nicht jede einzelne Veränderung, sondern ob der Organismus sie weiterhin kompensieren und seine individuelle Homöostase aufrechterhalten kann – oder ob sein Gesamtzustand nachhaltig zu driften beginnt. Eine solche Drift kann bereits stattfinden, bevor einzelne Messwerte diagnostische Grenzen überschreiten.</p>
<p><b>Präpathologie: der Raum vor der Diagnose</b><br />
Zwischen stabiler Homöostase und manifester Erkrankung liegt ein biologischer Übergangsraum. Viele Menschen kennen ihn aus einem Satz ihres Arztes: „Wir müssen abwarten.“ Ein Wert verändert sich, reicht für sich genommen aber noch nicht für eine eindeutige medizinische Einordnung. SF2 untersucht, ob sich in dieser Phase zusätzlich das Zusammenspiel vieler Parameter als Gesamtzustand beurteilen lässt.</p>
<p>„Wir schlagen vor, diesen Übergangsraum mit dem Arbeitsbegriff <b>Präpathologie</b> zu beschreiben – nicht als neue Diagnose, sondern als methodischen Denkrahmen für die Phase zwischen stabiler Homöostase und manifester Erkrankung“, <b>sagt Francisco Webber, CEO &amp; Chief Scientist von SF2 Systems.</b></p>
<p>Präpathologie ist keine Vorverlegung von Krankheit. Der Begriff benennt einen Übergangsraum, in dem Veränderungen des biologischen Gesamtzustands bereits beurteilbar werden könnten, bevor klassische diagnostische Kriterien erfüllt sind.</p>
<p>Für die Prävention eröffnet sich damit ein zusätzlicher Ansatzpunkt. Denn Prävention heißt nicht nur, Krankheiten früher zu diagnostizieren. Sie bedeutet auch, biologische Entwicklungen besser zu verstehen, bevor daraus eine manifeste Erkrankung entsteht.</p>
<p><b>Nicht den Laborwert verstehen – den Menschen</b><br />
Dafür reicht es nicht, einzelne Laborwerte isoliert zu betrachten. Ein Wert kann medizinisch völlig korrekt interpretiert sein und dennoch nur einen kleinen Ausschnitt des Gesamtbildes zeigen.</p>
<p>Entscheidend ist der Zusammenhang: Wie verhalten sich viele Parameter zueinander? Wie verändern sie sich über die Zeit? Kann der Organismus Veränderungen weiterhin kompensieren – oder zeigt sich eine anhaltende Drift seines Gesamtzustands?</p>
<p>Die Technologie von SF2 Systems, Semantic Folding Sensor Fusion, betrachtet multiparametrische Daten als zusammenhängende Zustandsräume. Daraus können Patient Status Fingerprints entstehen – kompakte, vergleichbare Repräsentationen eines biologischen Gesamtzustands und damit eine qualitative Beschreibung der individuellen Homöostase. Wiederkehrende Verschiebungen gegenüber Referenzzuständen beschreibt SF2 als semantische Drift.</p>
<p>Eine solche Drift ist nicht automatisch ein Hinweis auf Krankheit. Gerade beim Menschen ist die Unterscheidung anspruchsvoll: Biologische Zustände verändern sich durch Tageszeit, Ernährung, Schlaf, körperliche Belastung, hormonelle Einflüsse, Stress und zahlreiche weitere Faktoren.</p>
<p>SF2 muss dabei die biologische Ursache einer solchen Veränderung nicht bereits kennen, um ein reproduzierbares Driftmuster erkennen zu können. Erst im nächsten Schritt stellt sich die medizinische Frage: Was bedeutet dieses Muster biologisch und klinisch?</p>
<p>Bildlich gesprochen könnte diese Zustandsinformation eine ähnliche Funktion übernehmen wie der Kanarienvogel im Bergwerksstollen: Er erklärt noch nicht die Ursache und stellt keine Diagnose – aber er zeigt früh an, dass sich die Bedingungen verändert haben und genauer hingesehen werden sollte.</p>
<p>Die klassische Medizin bleibt unverzichtbar für Abklärung, Diagnose und Therapie manifester Erkrankungen. SF2 richtet den Blick zusätzlich auf den Zeitraum davor.</p>
<p><b>Blutdaten als Ausgangspunkt</b><br />
Der erste Schritt nutzt Daten, die in der klinischen Routine bereits entstehen.</p>
<p>Im Rahmen einer wissenschaftlichen Evaluierung untersucht SF2 gemeinsam mit der <b>Medizinischen Universität Wien</b>, ob sich klinische Routine- und Labordaten als zusammenhängende Zustandsinformation lesen lassen und ob dabei Veränderungen über viele Parameter hinweg sichtbar werden.</p>
<p>Klinische Routine- und Labordaten eignen sich dafür besonders: Sie sind etabliert und ermöglichen eine methodisch kontrollierte Untersuchung.</p>
<p>Für eine zustandsorientierte Prävention gewinnt insbesondere der Faktor Zeit an Bedeutung.<br />
Ein einzelner Befund ist eine Momentaufnahme.<br />
Ein longitudinales Profil zeigt eine Bewegung.</p>
<p>Erst wiederholte Messungen können sichtbar machen, ob eine Veränderung zufällig oder vorübergehend ist – oder Teil einer stabileren Entwicklung.</p>
<p>„Die Labormedizin steht vor einer Herausforderung: Präzisionsmedizin muss auch auf Ebene der Diagnostik ankommen. Unsere Referenzbereiche sind populationsbasiert – ein Wert kann für einen Menschen noch normal und für einen anderen bereits eine deutliche Abweichung von seinem individuellen Gleichgewicht sein. Die Zukunft liegt in personalisierten Grenzwerten und in der Beurteilung von Mustern über viele Parameter und über die Zeit, statt in der isolierten Betrachtung von Einzelwerten. Ob sich solche Muster aus klinischen Routinedaten methodisch belastbar ableiten lassen, ist genau die Frage, die wir derzeit innerhalb verschiedener Projekte prüfen“, sagt <b>Ap. Prof. Priv.-Doz. Mag. DDr. Helmuth Haslacher, Leiter der MedUni Wien Biobank und Oberarzt am Klinischen Institut für Labormedizin der MedUni Wien.</b></p>
<p><b>Genetik und nicht-invasive Messung als Perspektive</b><br />
Langfristig könnten zwei zusätzliche Informationsquellen relevant werden: genetischer Kontext und regelmäßige, möglichst engmaschige metabolische Messungen.</p>
<p>Genetische Informationen können zusätzlichen Kontext dafür liefern, vor welchem individuellen biologischen Hintergrund Veränderungen stattfinden. Sie definieren weder Gesundheit noch Krankheit, können aber helfen, individuelle Unterschiede besser einzuordnen.</p>
<p>Für eine longitudinale Betrachtung ist zugleich die Häufigkeit der Messungen entscheidend. Wissenschaftliche Arbeiten aus Wien zeigen, dass Fingerschweiß für metabolomische Analysen genutzt werden kann.</p>
<p>Eine unkomplizierte, nadelfreie Probenahme könnte langfristig zusätzliche metabolische Messpunkte zwischen klassischen Untersuchungen ermöglichen. Beides sind Zukunftsperspektiven. Der unmittelbare Ausgangspunkt von SF2 sind klinische Routine- und Labordaten.</p>
<p><b>Wien als Ausgangspunkt</b><br />
Wien bietet mit seiner medizinischen und wissenschaftlichen Infrastruktur gute Voraussetzungen für die weitere Erforschung datenbasierter Präventionsansätze. Wenn klinische Routinedaten künftig mit genetischem Kontext und longitudinalen metabolischen Messungen verbunden werden, könnten daraus neue Referenzräume für individuelle biologische Zustände entstehen – getragen von Medizin, Wissenschaft und öffentlichen Institutionen.</p>
<p><b>Prävention vor der Diagnose</b><br />
Auch gesundheitspolitisch gewinnt diese Frage an Bedeutung.</p>
<p>Gesundheitssysteme stehen unter Druck: Chronische Erkrankungen nehmen zu, Gesellschaften altern, Versorgungskosten steigen. Gleichzeitig entstehen große Mengen medizinischer Daten, die bislang nur begrenzt genutzt werden, um Gesundheit selbst als dynamischen Zustand besser zu verstehen.</p>
<p>Eine präpathologische Systembetrachtung fragt deshalb nicht zuerst:<br />
Welche Krankheit liegt vor?</p>
<p>Sie setzt früher an:<br />
<b>Kann dieser Mensch seine individuelle Homöostase weiterhin aufrechterhalten – oder beginnt sein biologischer Gesamtzustand nachhaltig zu driften?</b></p>
<p>So verstanden ist Prävention:<br />
<b>Nicht reaktiv.</b><br />
<b>Nicht symptomgetrieben.</b><br />
<b>Nicht allein grenzwertbasiert.</b></p>
<p><b>Sondern longitudinal, datenbasiert und systemisch.</b></p>
<p>Die Medizin der Zukunft wird Krankheiten weiterhin diagnostizieren und behandeln müssen. Gleichzeitig wird sie lernen müssen, Homöostase besser zu verstehen, zu beobachten und möglichst lange zu erhalten.</p>
<p><b>Denn wer Gesundheit erhalten will, darf nicht erst beginnen, wenn Krankheit bereits sichtbar geworden ist.</b></p>
<p><b>Über SF2 Systems</b><br />
Die <b>SF2 Systems GmbH</b> in Wien entwickelt Semantic Folding Sensor Fusion, eine Technologie zur Zustandsanalyse komplexer Systeme. Sie überführt multiparametrische Daten in kompakte, vergleichbare State Fingerprints.</p>
<p>Neben industriellen Anwendungen untersucht SF2, wie sich der Ansatz auf biologische und medizinische Zustandsdaten übertragen lässt. Medizinische Anwendungen befinden sich in Forschung und wissenschaftlicher Evaluierung und sind keine zugelassene medizinische Diagnostik.</p></div>
<div class="pb-company">
<div>Firmenkontakt und Herausgeber der Meldung:</div>
<p>SF2 Systems GmbH<br />
Eichelhofstrasse 2B<br />
A1190 Wien<br />
Telefon: 00436601016615<br />
<a href="https://sf2systems.com/" target="_blank" rel="noopener nofollow" data-wpel-link="external">https://sf2systems.com/</a></div>
<div class="pb-contacts">
<div>Ansprechpartner:</div>
<div class="pb-contact-item">Christoph Gretzmacher<br />
Business Development<br />
E-Mail: &#109;&#101;&#100;&#105;&#097;&#064;&#115;&#102;&#050;&#115;&#121;&#115;&#116;&#101;&#109;&#115;&#046;&#099;&#111;&#109;
</div>
<div class="pb-links">
<div>Weiterführende Links</div>
<ul>
<li>
                        <a href="https://www.pressebox.de/pressemitteilung/sf2-systems-gmbh/jenseits-der-diagnose-warum-prvention-eine-neue-sprache-braucht/boxid/1318176" target="_blank" rel="noopener nofollow" data-wpel-link="external">Originalmeldung der SF2 Systems GmbH</a>
                    </li>
<li>
                        <a href="https://www.pressebox.de/newsroom/sf2-systems-gmbh" target="_blank" rel="noopener nofollow" data-wpel-link="external">Alle Stories der SF2 Systems GmbH</a>
                    </li>
</ul></div>
<div class="pb-disclaimer">Für die oben stehende Story ist allein der jeweils angegebene Herausgeber (siehe Firmenkontakt oben) verantwortlich. Dieser ist in der Regel auch Urheber des Pressetextes, sowie der angehängten Bild-, Ton-, Video-, Medien- und Informationsmaterialien. Die United News Network GmbH übernimmt keine Haftung für die Korrektheit oder Vollständigkeit der dargestellten Meldung. Auch bei Übertragungsfehlern oder anderen Störungen haftet sie nur im Fall von Vorsatz oder grober Fahrlässigkeit. Die Nutzung von hier archivierten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber. Eine systematische Speicherung dieser Daten sowie die Verwendung auch von Teilen dieses Datenbankwerks sind nur mit schriftlicher Genehmigung durch die United News Network GmbH gestattet.
            </div>
<p>        <img decoding="async" src="https://www.pressebox.de/presscorner/cpix/tp---10/1318176.gif" alt="counterpixel" width="1" height="1" /></p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/10/28/jenseits-der-diagnose-warum-prvention-eine-neue-sprache-braucht/" data-wpel-link="internal">Jenseits der Diagnose: Warum Prävention eine neue Sprache braucht</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>99,9 % Datenreduktion: Warum Gigabytes in die Cloud schicken, wenn der Zustand am Edge entsteht?</title>
		<link>https://www.presse-lexikon.de/2026/10/09/99-9-datenreduktion-warum-gigabytes-in-die-cloud-schicken-wenn-der-zustand-am-edge-entsteht/</link>
		
		<dc:creator><![CDATA[Firma SF2 Systems]]></dc:creator>
		<pubDate>Fri, 09 Oct 2026 06:45:00 +0000</pubDate>
				<category><![CDATA[Produktionstechnik]]></category>
		<category><![CDATA[Anlagenzustand]]></category>
		<category><![CDATA[anomalieerkennung]]></category>
		<category><![CDATA[Brownfield-Integration]]></category>
		<category><![CDATA[Datenhoheit]]></category>
		<category><![CDATA[Fingerprinting]]></category>
		<category><![CDATA[industrie]]></category>
		<category><![CDATA[industrie 4.0]]></category>
		<category><![CDATA[Infrastrukturresilienz]]></category>
		<category><![CDATA[ot-sicherheit]]></category>
		<category><![CDATA[predictive maintenance]]></category>
		<category><![CDATA[Prozessoptimierung]]></category>
		<category><![CDATA[Sensordaten]]></category>
		<category><![CDATA[SF2 Suite SE]]></category>
		<category><![CDATA[Zustandsanalyse]]></category>
		<category><![CDATA[Zustandsüberwachung]]></category>
		<guid isPermaLink="false">https://www.presse-lexikon.de/2026/10/09/99-9-datenreduktion-warum-gigabytes-in-die-cloud-schicken-wenn-der-zustand-am-edge-entsteht/</guid>

					<description><![CDATA[<p>Industrieanlagen erzeugen immer mehr Sensordaten. Doch um zu beurteilen, ob sich eine Maschine im Normalbereich bewegt, müssen jedoch nicht zwingend alle Rohdaten permanent übertragen werden. SF2 Systems wählt hier einen effizienteren Weg: Die Zustandsberechnung erfolgt direkt dort, wo die Daten entstehen – am Edge. Anstelle vollständiger Rohdatenströme wird ausschließlich die relevante Zustandsinformation weitergeben. Wenn Sensorik [&#8230;]</p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/10/09/99-9-datenreduktion-warum-gigabytes-in-die-cloud-schicken-wenn-der-zustand-am-edge-entsteht/" data-wpel-link="internal">99,9 % Datenreduktion: Warum Gigabytes in die Cloud schicken, wenn der Zustand am Edge entsteht?</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></description>
										<content:encoded><![CDATA[<div class="pb-text"><b>Industrieanlagen erzeugen immer mehr Sensordaten. Doch um zu beurteilen, ob sich eine Maschine im Normalbereich bewegt, müssen jedoch nicht zwingend alle Rohdaten permanent übertragen werden. SF2 Systems wählt hier einen effizienteren Weg: Die Zustandsberechnung erfolgt direkt dort, wo die Daten entstehen – am Edge. Anstelle vollständiger Rohdatenströme wird ausschließlich die relevante Zustandsinformation weitergeben.</b></p>
<p><b>Wenn Sensorik zum Transportproblem wird</b><br />
Vibration, Temperatur, Druck, Stromaufnahme, Drehzahl, Durchfluss, IMU- und Prozessdaten: Moderne Maschinen und Anlagen liefern heute dutzende oder hunderte Messgrößen gleichzeitig. Diese Datentiefe ist technisch wertvoll, wirft architektonisch jedoch eine entscheidende Frage auf: Welche dieser Daten müssen die Maschine tatsächlich verlassen?</p>
<p>Der klassische Weg lautet meist: erfassen, übertragen, speichern und anschließend zentral analysieren. Bei einzelnen Maschinen funktioniert das problemlos, stößt aber bei hunderten oder tausenden Assets, mobilen Systemen, abgelegenen Standorten oder hochfrequenter Sensorik schnell an seine Grenzen. Hier werden Bandbreite, Cloud-Kosten, Latenz und Datensouveränität zu kritischen Faktoren.</p>
<p>Die Lösung lautet daher nicht, noch mehr Daten noch schneller zu übertragen, sondern: bereits am Edge aus Rohdaten verlässliche Zustandsinformation zu erzeugen.</p>
<p><b>Von unzähligen Messwerten zu einem State Fingerprint</b><br />
Mittels Semantic Folding Sensor Fusion verarbeitet SF2 Systems multivariate Sensor- und Betriebsdaten rein lokal. Das gemeinsame Verhalten der Signale wird dabei in kompakte, spärliche binäre State Fingerprints überführt.</p>
<p>Ein solcher Fingerprint ersetzt nicht einfach einen einzelnen Messwert, sondern repräsentiert den Zustand eines Systems in seinem jeweiligen Kontext. Ähnliche Zustände erzeugen ähnliche Fingerprints. Verändert sich das Zusammenspiel der Signale, werden Drift, Zustandsübergänge oder bislang unbekannte Zustände sofort vergleichbar. Ein Edge-Gerät kann dadurch bereits lokal beurteilen, ob sich ein Asset wie in einem bekannten Referenzzustand verhält oder ob sich sein Gesamtverhalten verändert.</p>
<p><b>Vereinfacht sieht der Architekturwechsel wie folgt aus:</b><br />
<b>Klassisch:</b><br />
Sensoren ? Rohdatenstrom ? Netzwerk/Cloud ? zentrale Analyse<br />
<b>Mit lokaler State Intelligence:<br />
</b> Sensoren ? lokale Zustandsanalyse ? State Fingerprint / Similarity Information ? übergeordnetes System</p>
<p>Die Rohdaten gehen dabei nicht verloren. Sie können weiterhin lokal gespeichert oder bei Bedarf übertragen werden. SF2 fungiert nicht als klassischer Kompressionsalgorithmus für Rohdaten, sondern etabliert eine zusätzliche, hochverdichtete Informationsschicht.</p>
<p><b>Ein Rechenbeispiel:</b> <b>Wie 99,9% Datenreduktion entstehen</b><br />
Die Größenordnung dieser Effizienz lässt sich transparent nachvollziehen.<br />
Ein rein illustratives Beispiel: Ein Asset liefert 50 Sensorkanäle mit 100 Messungen pro Sekunde.<br />
Das ergibt:<br />
-&gt;  5.000 Messwerte pro Sekunde<br />
-&gt;  300.000 Messwerte pro Minute<br />
-&gt;  432 Millionen Messwerte pro Tag</p>
<p>Allein bei 32-Bit-Werten entstehen daraus rund 1,7 Gigabyte Rohdaten pro Tag – noch ohne Zeitstempel, Protokoll- und Übertragungs-Overhead.<br />
Nimmt man nun als einfaches Architekturbeispiel an, dass statt dieses kontinuierlichen Rohdatenstroms nur einmal pro Minute eine Zustandsmeldung von 1 Kilobyte übertragen wird, fallen lediglich rund 1,44 Megabyte pro Tag an. Gegenüber 1,7 Gigabyte Rohdaten entspricht das einer Reduktion von mehr als 99,9 Prozent.</p>
<p>Der entscheidende Unterschied zu einfachem Downsampling oder bloßer Mittelwertbildung: Ein State Fingerprint enthält nicht nur eine reduzierte Auswahl einzelner Messwerte. Er repräsentiert das Zusammenspiel aller Kanäle als ganzheitlichen Systemzustand. Dadurch können Veränderungen sichtbar werden, die in isolierten Mittelwerten oder klassischen Grenzwertbetrachtungen unentdeckt bleiben.</p>
<p>Die tatsächliche Datenreduktion hängt von Sensorzahl, Abtastrate, Fingerprintgröße, Update-Frequenz und dem gewünschten Umfang zusätzlicher Telemetrie ab. Die 99,9 Prozent sind somit kein pauschaler SF2-Leistungswert, sondern eine Größenordnung, die sich für jede konkrete Edge-Infrastruktur sauber messen lässt.</p>
<p><b>52 Sensorkanäle: Ein realer Industrie-Use-Case</b><br />
Dass SF2 komplexe multivariate Zustandsräume hochpräzise verarbeiten kann, belegt unter anderem ein dokumentierter Pumpen-Use-Case.<br />
Hierbei wurden 52 Sensorkanäle gemeinsam ausgewertet. Der Datensatz umfasste mehr als 220.000 Einträge bei lediglich sieben dokumentierte Ausfälle.</p>
<p>In einer analysierten Sequenz wurde eine relevante Veränderung des Gesamtverhaltens rund vier Tage vor einem dokumentierten mechanischen Pumpenausfall sichtbar. Diese vier Tage stellen keine universelle Vorhersagefrist dar, sondern das empirische Ergebnis genau dieser analysierten Sequenz.</p>
<p>Für die Edge-Architektur ist daran vor allem eines von zentraler Bedeutung: Aus vielen einzelnen Messgrößen kann eine kompakte, vergleichbare Zustandsrepräsentation entstehen.<br />
Die Frage lautet dann nicht mehr nur: „Welche Werte wurden gemessen?“, sondern: „Wie verhält sich das System als Ganzes?“</p>
<p><b>Prädestiniert für verteilte und schwer erreichbare Assets</b><br />
Dieser Ansatz entfaltet sein volles Potenzial dort, wo permanente Rohdatenübertragung teuer, ineffizient oder schlicht unnötig ist. Das betrifft beispielsweise Wind- und Energieanlagen, Wasserinfrastruktur, Offshore-Systeme, mobile Maschinen, Produktionslinien, Verkehrsinfrastruktur oder große Flotten.</p>
<p>Ein Asset fungiert dabei als lokaler State Node. Komponenten erzeugen eigene Zustandsinformationen, die in einen Subsystemzustand einfließen. Subsysteme wiederum können Bestandteil einer übergeordneten Anlagen- oder Systemrepräsentation werden.</p>
<p><b>So entsteht eine effiziente Informationshierarchie:</b><br />
Komponente ? Subsystem ? Anlage ? Standort ? Flotte<br />
Statt alle Rohdaten auf jeder Ebene redundant zu transportieren, wird jeweils die relevante Zustandsinformation weitergegeben.</p>
<p><b>Edge statt Cloud – aber nicht gegen die Cloud</b><br />
Der Ansatz richtet sich nicht gegen zentrale Plattformen. Cloud-Systeme bleiben essenziell für historische Analysen, Flottenmanagement, Reporting, Engineering oder Optimierung.<br />
Die entscheidende Architekturfrage lautet vielmehr: Welche Berechnung muss zwingend zentral stattfinden – und welche Information kann bereits deterministisch dort entstehen, wo die Daten anfallen?</p>
<p>„Wir wollen nicht möglichst viele Daten von einer Maschine wegtransportieren“, sagt Christoph Gretzmacher, Business Development bei SF2 Systems. „Entscheidend ist, welche Information ein Betreiber tatsächlich benötigt. Wenn aus vielen Sensorkanälen bereits lokal eine belastbare Zustandsinformation generiert wird, sollte exakt diese Information die zentrale Rolle in der Architektur spielen.“</p>
<p><b>Physical AI braucht auch innere Wahrnehmung</b><br />
Mit dem Aufkommen von Physical AI gewinnt diese Aufgabentrennung weiter an Relevanz. Moderne Edge-Plattformen reservieren erhebliche Rechenleistung für Kameras, Vision AI und autonome Entscheidungsprozesse.</p>
<p>Diese Systeme beantworten vor allem Fragen über die Umgebung:<br />
&#8211; Was sieht die Maschine?<br />
&#8211; Was passiert vor ihr?<br />
&#8211; Welche Aktion soll sie ausführen?<br />
Parallel dazu entsteht eine zweite, ebenso wichtige Ebene: Wie verhält sich die Maschine selbst?</p>
<p>SF2 bezeichnet diese Ebene als Physical State Intelligence. Die Laufzeitauswertung ist für lokale CPU-Klasse ausgelegt und benötigt keine obligatorische GPU-/CUDA-Infrastruktur. Die konkrete Performance wird jeweils auf der jeweiligen Zielhardware gemessen.Damit können Perception (Umgebungswahrnehmung) und Physical State Intelligence (innere Zustandsanalyse) als getrennte, aber komplementäre Aufgaben auf derselben Edge-Architektur vereint werden.</p>
<p><b>Die SF2 Edge Challenge:</b> <b>Jetzt mit realen Daten benchmarken</b><br />
Wie groß ist die tatsächliche Datenreduktion in Ihrer konkreten industriellen Anwendung? Genau das ermittelt SF2 gemeinsam mit Betreibern, OEMs, Sensorherstellern und Edge-Plattformanbietern.</p>
<p><b>Die Kernfrage lautet:</b> Wie groß ist Ihr heutiger Rohdatenstrom – und wie stark ließe sich die zu übertragende Datenmenge reduzieren, wenn die Zustandsberechnung bereits lokal am Edge erfolgt?</p>
<p>Besonders hohes Potenzial bieten Anwendungen mit vielen Sensorkanälen, hohen Abtastraten, Remote Assets, begrenzter Bandbreite (z.B. Mobilfunk- oder Satellitenverbindungen) oder großen installierten Flotten.</p>
<p>Für einen ersten Test genügen vorhandene historische Zeitreihendaten. Eine Cloud-Anbindung oder ein Eingriff in die laufende Steuerungsanlage ist dafür nicht erforderlich. Die SF2 Suite SE steht dauerhaft kostenlos zur Verfügung und ermöglicht erste Analysen eigener Zeitreihendaten lokal auf Windows, macOS und Linux.</p>
<p>Machen Sie den Edge-Data-Benchmark mit Ihren eigenen Anlagendaten.<br />
<a href="http://www.sf2systems.com/" class="bbcode_url" target="_blank" rel="noopener nofollow" data-wpel-link="external">www.sf2systems.com</a><br />
edge_challenge@sf2systems.com</p>
<p><b>SF2 – From Signals to State.</b></div>
<div class="pb-boilerplate">
<div>Über die SF2 Systems GmbH</div>
<p>SF2 Systems ist ein Wiener Deep-Tech-Unternehmen f&uuml;r die softwarebasierte Zustandsanalyse komplexer Maschinen, Anlagen und Prozesse in Industrie, Energie und kritischer Infrastruktur. Die sensor- und herstellerunabh&auml;ngige Technologie f&uuml;hrt vorhandene Sensor- und Betriebsdaten zu vergleichbaren Zustands-Fingerprints zusammen und macht Drift und schleichende Ver&auml;nderungen fr&uuml;h sichtbar &ndash; reproduzierbar, nachvollziehbar, ohne Black-Box-Modell und ohne gro&szlig;e gelabelte Fehlerdatens&auml;tze. Als Erg&auml;nzung bestehender Condition-Monitoring- und Automatisierungssysteme ist SF2 f&uuml;r Brownfield- und OT-Umgebungen ausgelegt, l&auml;uft lokal am Edge bzw. On-Premises ohne Cloud-Abh&auml;ngigkeit und h&auml;lt sensible Produktionsdaten im Unternehmen. So k&ouml;nnen Zustandsver&auml;nderungen fr&uuml;her erkannt, ungeplante Stillst&auml;nde reduziert sowie Wartung und Betrieb planbarer werden. Dar&uuml;ber hinaus untersucht SF2 die &Uuml;bertragbarkeit der Technologie auf ausgew&auml;hlte Anwendungen in Biotechnologie und Life Sciences.</p>
</div>
<div class="pb-company">
<div>Firmenkontakt und Herausgeber der Meldung:</div>
<p>SF2 Systems GmbH<br />
Eichelhofstrasse 2B<br />
A1190 Wien<br />
Telefon: 00436601016615<br />
<a href="https://sf2systems.com/" target="_blank" rel="noopener nofollow" data-wpel-link="external">https://sf2systems.com/</a></div>
<div class="pb-contacts">
<div>Ansprechpartner:</div>
<div class="pb-contact-item">Christoph Gretzmacher<br />
Business Development<br />
E-Mail: &#109;&#101;&#100;&#105;&#097;&#064;&#115;&#102;&#050;&#115;&#121;&#115;&#116;&#101;&#109;&#115;&#046;&#099;&#111;&#109;
</div>
<div class="pb-links">
<div>Weiterführende Links</div>
<ul>
<li>
                        <a href="https://www.pressebox.de/pressemitteilung/sf2-systems-gmbh/99-9-datenreduktion-warum-gigabytes-in-die-cloud-schicken-wenn-der-zustand-am-edge-entsteht/boxid/1315555" target="_blank" rel="noopener nofollow" data-wpel-link="external">Originalmeldung der SF2 Systems GmbH</a>
                    </li>
<li>
                        <a href="https://www.pressebox.de/newsroom/sf2-systems-gmbh" target="_blank" rel="noopener nofollow" data-wpel-link="external">Alle Stories der SF2 Systems GmbH</a>
                    </li>
</ul></div>
<div class="pb-disclaimer">Für die oben stehende Story ist allein der jeweils angegebene Herausgeber (siehe Firmenkontakt oben) verantwortlich. Dieser ist in der Regel auch Urheber des Pressetextes, sowie der angehängten Bild-, Ton-, Video-, Medien- und Informationsmaterialien. Die United News Network GmbH übernimmt keine Haftung für die Korrektheit oder Vollständigkeit der dargestellten Meldung. Auch bei Übertragungsfehlern oder anderen Störungen haftet sie nur im Fall von Vorsatz oder grober Fahrlässigkeit. Die Nutzung von hier archivierten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber. Eine systematische Speicherung dieser Daten sowie die Verwendung auch von Teilen dieses Datenbankwerks sind nur mit schriftlicher Genehmigung durch die United News Network GmbH gestattet.
            </div>
<p>        <img decoding="async" src="https://www.pressebox.de/presscorner/cpix/tp---10/1315555.gif" alt="counterpixel" width="1" height="1" /></p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/10/09/99-9-datenreduktion-warum-gigabytes-in-die-cloud-schicken-wenn-der-zustand-am-edge-entsteht/" data-wpel-link="internal">99,9 % Datenreduktion: Warum Gigabytes in die Cloud schicken, wenn der Zustand am Edge entsteht?</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Ein Sensor fährt mit: SF2 Systems macht Zustandsveränderungen auf Förderstrecken sichtbar</title>
		<link>https://www.presse-lexikon.de/2026/10/08/ein-sensor-fhrt-mit-sf2-systems-macht-zustandsvernderungen-auf-frderstrecken-sichtbar/</link>
		
		<dc:creator><![CDATA[Firma SF2 Systems]]></dc:creator>
		<pubDate>Thu, 08 Oct 2026 06:45:00 +0000</pubDate>
				<category><![CDATA[Produktionstechnik]]></category>
		<category><![CDATA[Anlagenverfügbarkeit]]></category>
		<category><![CDATA[Asset Intelligence]]></category>
		<category><![CDATA[Edge-Analyse]]></category>
		<category><![CDATA[Fehlerdiagnose]]></category>
		<category><![CDATA[Förderstrecken]]></category>
		<category><![CDATA[Inspektionsfahrt]]></category>
		<category><![CDATA[mobile]]></category>
		<category><![CDATA[predictive maintenance]]></category>
		<category><![CDATA[Rollenbahnen]]></category>
		<category><![CDATA[sensor]]></category>
		<category><![CDATA[Servicegeschäft]]></category>
		<category><![CDATA[Transportlogistik]]></category>
		<category><![CDATA[verschleißerkennung]]></category>
		<category><![CDATA[Zustandsmessung]]></category>
		<category><![CDATA[Zustandsveränderungen]]></category>
		<guid isPermaLink="false">https://www.presse-lexikon.de/2026/10/08/ein-sensor-fhrt-mit-sf2-systems-macht-zustandsvernderungen-auf-frderstrecken-sichtbar/</guid>

					<description><![CDATA[<p>Eine Rolle läuft unrund. Die Anlage steht. Eine einzige verschlissene Rolle kann reichen. Solange sie nur etwas unrunder läuft, fällt sie im täglichen Betrieb kaum auf. Wird das Problem hörbar oder sichtbar, ist aus einer kleinen Zustandsveränderung möglicherweise bereits ein Stillstand geworden. Bei kilometerlangen Förder- und Transportanlagen ist genau das ein strukturelles Problem: Tausende Rollen, [&#8230;]</p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/10/08/ein-sensor-fhrt-mit-sf2-systems-macht-zustandsvernderungen-auf-frderstrecken-sichtbar/" data-wpel-link="internal">Ein Sensor fährt mit: SF2 Systems macht Zustandsveränderungen auf Förderstrecken sichtbar</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></description>
										<content:encoded><![CDATA[<div class="pb-text"><b>Eine Rolle läuft unrund. Die Anlage steht.</b><br />
<b>Eine einzige verschlissene Rolle kann reichen. Solange sie nur etwas unrunder läuft, fällt sie im täglichen Betrieb kaum auf. Wird das Problem hörbar oder sichtbar, ist aus einer kleinen Zustandsveränderung möglicherweise bereits ein Stillstand geworden.</b></p>
<p>Bei kilometerlangen Förder- und Transportanlagen ist genau das ein strukturelles Problem: Tausende Rollen, Lager, Übergänge und Antriebe bewegen sich jeden Tag, aber nur ein kleiner Teil davon wird permanent überwacht. Die klassische Lösung, jede einzelne Komponente dauerhaft zu instrumentieren, bedeutet zusätzliche Sensoren, aufwendige Verkabelung, hohe Integrationskosten und Wartung der Messtechnik.</p>
<p><b>Das Deep-Tech-Unternehmen SF2 Systems präsentiert nun einen wirtschaftlicheren Ansatz: </b><b>Der Träger, der ohnehin über die Strecke fährt, wird selbst zum mobilen Inspektor.</b></p>
<p><b>Der Sensor kommt zur Komponente – nicht umgekehrt</b><br />
SF2 entwickelte diesen Ansatz im Rahmen eines von <i>Infineon Technologies</i> und <i>ZEISS Digital Innovation</i> organisierten Thin[gk]athons und setzte ihn anschließend mit einem Infineon PSoC Edge E84 AI Kit in einem instrumentierten Transportwagen technisch um. *)</p>
<p>Ein Carrier, Shuttle, Werkstückträger oder Testwagen wird dabei mit Sensorik und lokaler Datenverarbeitung ausgestattet. Während seiner normalen Fahrt erfasst er beispielsweise 3D-Beschleunigungs- und 3D-Gyroskopdaten und beobachtet damit die Infrastruktur unter sich. Aus der Transportfahrt wird zusätzlich eine Inspektionsfahrt. Das verändert die wirtschaftliche Logik erheblich.</p>
<p><b>Ein Rechenbeispiel:</b> Eine Strecke mit 5.000 Rollen würde bei stationärer Einzelüberwachung mindestens 5.000 Messstellen erfordern. Ein instrumentierter Carrier hingegen fährt an allen vorbei, ohne dass die Förderanlage umgebaut werden oder in die bestehende Steuerung eingegriffen werden muss. Eine Cloud-Anbindung ist für die Auswertung ebenfalls nicht verpflichtend.</p>
<p><b>Ein Ausschlag ist noch kein Defekt</b><br />
Da Geschwindigkeit, Beladung oder Kurven natürliche mechanische Effekte erzeugen, sagt ein einzelner Sensorausschlag wenig über einen Defekt aus. SF2 führt deshalb die synchronisierten Sensorsignale einer Passage zu einem kompakten State Fingerprint zusammen. Durch diesen semantischen Fingerprint lassen sich Zustände vergleichen: Verhält sich die Passage noch wie bei einer Normalfahrt oder taucht ein Muster auf, das bei einer bekannten Defektpassage beobachtet wurde?</p>
<p><b>Der technische Nachweis in der Halbleiterfertigung</b><br />
Den technischen Nachweis erbrachte eine eigenständig von SF2 Systems durchgeführte Fallstudie auf Basis von Sensordaten einer Reinraum-Förderanlage von Infineon. Die Fallstudie umfasst 418.938 verarbeitete Messwerte und 72 abgeleitete Zustandsmerkmale auf einer 15 Meter langen Teststrecke. Bekannte defekte Rollenpassagen wurden im Fingerprint-Vergleich als wiederkehrende charakteristische Muster zuverlässig wiedererkannt.</p>
<p>Entscheidend ist dabei nicht die Zahl der Messwerte, sondern das nachgewiesene Grundprinzip: Eine bewegte Sensoreinheit kann Zustandsunterschiede entlang einer Förderstrecke erfassen und vergleichbar machen, ohne jede einzelne Rolle separat instrumentieren zu müssen.</p>
<p><b>Vom technischen Nachweis zum Betrieb auf Ihrer Strecke</b><br />
Für den Betreiber zählt jetzt nicht die Frage:<br />
„Wie funktioniert Semantic Folding?“<br />
Entscheidend ist:<br />
Was muss ich dafür an meiner Anlage tun – und was bekomme ich dafür?<br />
Genau hier setzt der industrielle Pilot an.</p>
<p>Jede Förderanlage besitzt ihr eigenes mechanisches Verhalten. Geschwindigkeit, Beladung, Streckenführung sowie Rollen- und Lagertypen unterscheiden sich. Deshalb wird der Ansatz auf der konkreten Strecke des Betreibers überprüft. Dabei werden genau die Parameter bestimmt, die für den wirtschaftlichen Einsatz relevant sind:<br />
&#8211;  Wie präzise lassen sich auffällige Muster einem Streckenabschnitt zuordnen?<br />
&#8211;  Wie stabil bleibt die Erkennung bei unterschiedlichen Geschwindigkeiten und Beladungen?<br />
&#8211;  Wie früh wird ein relevanter Verschleißtrend in dieser konkreten Anlage sichtbar?</p>
<p>Für die Streckenlokalisierung sind unter anderem optische Marker sowie Magnetometer- und Radarinformationen vorgesehen.</p>
<p><b>Der Einstieg:</b> klein anfangen, klare Entscheidung bekommen<br />
<b>Sie stellen</b><br />
✓ eine relevante Förderstrecke<br />
✓ einen Carrier, Shuttle, Werkstückträger oder Testwagen<br />
✓ vorhandene Messdaten oder einige Referenzfahrten<br />
<b>Sie erhalten</b><br />
✓ eine Aussage, ob sich wiederkehrende Zustandsunterschiede auf Ihrer Strecke erkennen lassen<br />
✓ einen Vergleich zwischen Normalzuständen und auffälligen bzw. bekannten Defektpassagen<br />
✓ eine technische Grundlage für die nächsten Schritte<br />
✓ eine klare Entscheidungsgrundlage: stoppen, vertiefen oder ausrollen<br />
Der Pilot soll keine Technologieübung werden, sondern eine klar abgegrenzte technische und wirtschaftliche Entscheidung vorbereiten.</p>
<p><b>Wo der Ansatz besonders relevant ist</b><br />
Das Prinzip lässt sich überall dort prüfen, wo bewegte Träger lange und stark beanspruchte Infrastruktur durchfahren.</p>
<p><b>Intralogistik und Hochregallager:</b> Rollenbahnen, Shuttles und Fördersysteme.<br />
<b>Logistik und Distribution:</b> Paketzentren und Sortieranlagen.<br />
<b>Flughäfen:</b> Gepäckförderanlagen mit langen und verzweigten Strecken.<br />
<b>Automotive und Fertigung:</b> Werkstückträger, Skillets und Transferlinien.<br />
<b>Halbleiterfertigung:</b> Wafer-Transport und Reinraum-Conveyor.<br />
<b>Pharma und Food:</b> sensible oder hygienisch anspruchsvolle Transportsysteme.</p>
<p><b>Der gemeinsame Nenner ist immer derselbe:</b> Viele mechanische Komponenten. Lange Strecken. Hohe Verfügbarkeitsanforderungen. Und keine wirtschaftlich attraktive Möglichkeit, alles einzeln zu instrumentieren.</p>
<p><b>Für OEMs kann daraus ein neues Servicegeschäft entstehen</b><br />
Für Fördertechnikhersteller und Systemintegratoren ist der Ansatz auch aus geschäftlicher Sicht interessant. Condition Monitoring muss nicht ausschließlich bedeuten, zusätzliche Hardware an jede einzelne Komponente zu verkaufen. Ausgewählte Carrier können instrumentiert, Zustände regelmäßig erfasst und dieselbe SF2-Softwarelogik über verschiedene Kundenanlagen hinweg eingesetzt werden.</p>
<p>Für OEMs entsteht damit perspektivisch ein zusätzlicher digitaler Service für neue und bereits installierte Anlagen. Statt jede bestehende Strecke aufwendig nachzurüsten, kann Zustandsinformation über mobile Mess-Nodes und lokale State Intelligence bereitgestellt werden.</p>
<p><b>Zeigen Sie uns Ihre Strecke</b><br />
„Warum tausende Komponenten einzeln instrumentieren, wenn ein Sensor jeden Tag an ihnen vorbeifahren kann?“, sagt Christoph Gretzmacher, Business Development bei SF2 Systems.</p>
<p>SF2 sucht aktuell Betreiber, Anlagenbauer und Systemintegratoren, um den Ansatz im realen Betrieb auf spezifischen Strecken zu pilotieren.</p>
<p><b>Der Einstieg ist bewusst überschaubar:</b><br />
<b>Strecke auswählen → Referenzfahrten → Zustände vergleichen → im realen Betrieb testen → entscheiden.</b><br />
Fährt auf Ihrer Anlage ohnehin täglich ein Carrier, Shuttle, Werkstückträger oder Behälter dieselbe Strecke? Dann möchten wir uns diese Strecke ansehen.</p>
<p><b>SF2 Edge Challenge</b><br />
edge_challenge@sf2systems.com<br />
<a href="http://www.sf2systems.com" target="_blank" rel="noopener nofollow" data-wpel-link="external">www.sf2systems.com</a></p>
<p><b>SF2 – From Signals to State.</b></p>
<p>*) Die Nennung beschreibt den Entwicklungs- und Testkontext und stellt keine Partnerschaft oder Herstellerempfehlung dar.</p></div>
<div class="pb-boilerplate">
<div>Über die SF2 Systems GmbH</div>
<p>SF2 Systems ist ein Wiener Deep-Tech-Unternehmen f&uuml;r die softwarebasierte Zustandsanalyse komplexer Maschinen, Anlagen und Prozesse in Industrie, Energie und kritischer Infrastruktur. Die sensor- und herstellerunabh&auml;ngige Technologie f&uuml;hrt vorhandene Sensor- und Betriebsdaten zu vergleichbaren Zustands-Fingerprints zusammen und macht Drift und schleichende Ver&auml;nderungen fr&uuml;h sichtbar &ndash; reproduzierbar, nachvollziehbar, ohne Black-Box-Modell und ohne gro&szlig;e gelabelte Fehlerdatens&auml;tze. Als Erg&auml;nzung bestehender Condition-Monitoring- und Automatisierungssysteme ist SF2 f&uuml;r Brownfield- und OT-Umgebungen ausgelegt, l&auml;uft lokal am Edge bzw. On-Premises ohne Cloud-Abh&auml;ngigkeit und h&auml;lt sensible Produktionsdaten im Unternehmen. So k&ouml;nnen Zustandsver&auml;nderungen fr&uuml;her erkannt, ungeplante Stillst&auml;nde reduziert sowie Wartung und Betrieb planbarer werden. Dar&uuml;ber hinaus untersucht SF2 die &Uuml;bertragbarkeit der Technologie auf ausgew&auml;hlte Anwendungen in Biotechnologie und Life Sciences.</p>
</div>
<div class="pb-company">
<div>Firmenkontakt und Herausgeber der Meldung:</div>
<p>SF2 Systems GmbH<br />
Eichelhofstrasse 2B<br />
A1190 Wien<br />
Telefon: 00436601016615<br />
<a href="https://sf2systems.com/" target="_blank" rel="noopener nofollow" data-wpel-link="external">https://sf2systems.com/</a></div>
<div class="pb-contacts">
<div>Ansprechpartner:</div>
<div class="pb-contact-item">Christoph Gretzmacher<br />
Business Development<br />
E-Mail: &#109;&#101;&#100;&#105;&#097;&#064;&#115;&#102;&#050;&#115;&#121;&#115;&#116;&#101;&#109;&#115;&#046;&#099;&#111;&#109;
</div>
<div class="pb-links">
<div>Weiterführende Links</div>
<ul>
<li>
                        <a href="https://www.pressebox.de/pressemitteilung/sf2-systems-gmbh/ein-sensor-fhrt-mit-sf2-systems-macht-zustandsvernderungen-auf-frderstrecken-sichtbar/boxid/1315554" target="_blank" rel="noopener nofollow" data-wpel-link="external">Originalmeldung der SF2 Systems GmbH</a>
                    </li>
<li>
                        <a href="https://www.pressebox.de/newsroom/sf2-systems-gmbh" target="_blank" rel="noopener nofollow" data-wpel-link="external">Alle Stories der SF2 Systems GmbH</a>
                    </li>
</ul></div>
<div class="pb-disclaimer">Für die oben stehende Story ist allein der jeweils angegebene Herausgeber (siehe Firmenkontakt oben) verantwortlich. Dieser ist in der Regel auch Urheber des Pressetextes, sowie der angehängten Bild-, Ton-, Video-, Medien- und Informationsmaterialien. Die United News Network GmbH übernimmt keine Haftung für die Korrektheit oder Vollständigkeit der dargestellten Meldung. Auch bei Übertragungsfehlern oder anderen Störungen haftet sie nur im Fall von Vorsatz oder grober Fahrlässigkeit. Die Nutzung von hier archivierten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber. Eine systematische Speicherung dieser Daten sowie die Verwendung auch von Teilen dieses Datenbankwerks sind nur mit schriftlicher Genehmigung durch die United News Network GmbH gestattet.
            </div>
<p>        <img loading="lazy" decoding="async" src="https://www.pressebox.de/presscorner/cpix/tp---10/1315554.gif" alt="counterpixel" width="1" height="1" /></p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/10/08/ein-sensor-fhrt-mit-sf2-systems-macht-zustandsvernderungen-auf-frderstrecken-sichtbar/" data-wpel-link="internal">Ein Sensor fährt mit: SF2 Systems macht Zustandsveränderungen auf Förderstrecken sichtbar</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Europas Raumfahrt braucht nicht nur sichere Signale – sondern verständliche Systemzustände</title>
		<link>https://www.presse-lexikon.de/2026/10/01/europas-raumfahrt-braucht-nicht-nur-sichere-signale-sondern-verstndliche-systemzustnde/</link>
		
		<dc:creator><![CDATA[Firma SF2 Systems]]></dc:creator>
		<pubDate>Thu, 01 Oct 2026 10:45:00 +0000</pubDate>
				<category><![CDATA[Allgemein]]></category>
		<category><![CDATA[Anlagenzustand]]></category>
		<category><![CDATA[anomalieerkennung]]></category>
		<category><![CDATA[Brownfield-Integration]]></category>
		<category><![CDATA[Datenhoheit]]></category>
		<category><![CDATA[Fingerprinting]]></category>
		<category><![CDATA[industrie]]></category>
		<category><![CDATA[industrie 4.0]]></category>
		<category><![CDATA[Infrastrukturresilienz]]></category>
		<category><![CDATA[ot-sicherheit]]></category>
		<category><![CDATA[predictive maintenance]]></category>
		<category><![CDATA[Prozessoptimierung]]></category>
		<category><![CDATA[Sensordaten]]></category>
		<category><![CDATA[SF2 Suite SE]]></category>
		<category><![CDATA[Zustandsanalyse]]></category>
		<category><![CDATA[Zustandsüberwachung]]></category>
		<guid isPermaLink="false">https://www.presse-lexikon.de/2026/10/01/europas-raumfahrt-braucht-nicht-nur-sichere-signale-sondern-verstndliche-systemzustnde/</guid>

					<description><![CDATA[<p>Europas Raumfahrt wächst zu einem hochvernetzten Industrieökosystem. Doch je komplexer, autonomer und wiederverwendbarer Space Assets werden, desto wichtiger wird eine zusätzliche Frage: In welchem physischen Zustand befindet sich das System selbst? Das Wiener Deep-Tech-Unternehmen SF2 Systems entwickelt eine Technologie, die aus Telemetrie, Testdaten und Engineering-Wissen eine vergleichbare Zustandsrepräsentation erzeugt – von der Komponente über das [&#8230;]</p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/10/01/europas-raumfahrt-braucht-nicht-nur-sichere-signale-sondern-verstndliche-systemzustnde/" data-wpel-link="internal">Europas Raumfahrt braucht nicht nur sichere Signale – sondern verständliche Systemzustände</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></description>
										<content:encoded><![CDATA[<div class="pb-text"><b>Europas Raumfahrt wächst zu einem hochvernetzten Industrieökosystem. Doch je komplexer, autonomer und wiederverwendbarer Space Assets werden, desto wichtiger wird eine zusätzliche Frage: In welchem physischen Zustand befindet sich das System selbst? Das Wiener Deep-Tech-Unternehmen SF2 Systems entwickelt eine Technologie, die aus Telemetrie, Testdaten und Engineering-Wissen eine vergleichbare Zustandsrepräsentation erzeugt – von der Komponente über das Subsystem bis zum gesamten Space Asset.</b></p>
<p>Europas Raumfahrt ist keine Nische mehr. Mehr als 5.000 Unternehmen sind europaweit in Raumfahrt- und Satellitentechnologien aktiv, die Branche erwirtschaftet laut APEX Ventures rund 8,8 Milliarden Euro jährlich und beschäftigt mehr als 60.000 Ingenieurinnen, Ingenieure und Wissenschaftler. Die European Space Tech Ecosystem Landscape zeigt, wie breit dieses Ökosystem inzwischen geworden ist – von Satellitenbau und Trägersystemen über Kommunikation und Energie bis zu In-Orbit Services, Space Logistics und Space Situational Awareness.</p>
<p>Gerade diese letzte Kategorie macht eine zweite Perspektive sichtbar: Space Situational Awareness beschreibt, was sich um ein Raumfahrzeug herum abspielt. Doch wie lässt sich der physische Zustand des Space Assets selbst als Ganzes beschreiben und vergleichen?</p>
<p>Sensoren liefern Telemetrie. Avionik transportiert Daten. Health-Monitoring- und FDIR-Systeme überwachen technische Systeme und reagieren auf definierte Zustände und Fehler. Dazwischen liegt jedoch eine grundsätzliche Frage: Verhält sich das System noch wie in einem bekannten nominalen oder qualifizierten Zustand – oder beginnt sich sein Gesamtverhalten zu verändern?</p>
<p><b>SF2 Systems bezeichnet diese zusätzliche Ebene als Space Asset State Intelligence.</b></p>
<p>„Ein Grenzwert sagt, ob etwas einen definierten Bereich verlassen hat. Er zeigt aber nicht, wie weit sich ein komplexes System insgesamt von einem bekannten guten Zustand entfernt hat“, sagt Christoph Gretzmacher, Business Development bei SF2 Systems. „Sensoren messen Signale. Uns interessiert, welchen physischen Zustand diese Signale gemeinsam beschreiben.“</p>
<p><b>Vom Signal zum Zustand</b></p>
<p>Die von SF2 entwickelte Semantic Folding Sensor Fusion verdichtet viele unterschiedliche Sensor- und Betriebsdaten zu einem kompakten State Fingerprint. Temperatur, Strom, Spannung, Druck, Vibration, Bewegung oder andere technische Größen werden dabei nicht nur einzeln betrachtet, sondern in ihrem gemeinsamen Kontext. Ähnliche Zustände erzeugen ähnliche Fingerprints. Dadurch wird vergleichbar, ob das aktuelle Systemverhalten einem bekannten Zustand entspricht, ob ein Übergang stattfindet, Drift entsteht oder ein bislang unbekannter Zustand auftritt.</p>
<p>State Fingerprints sind spärliche binäre Repräsentationen, die sich über ihre Überlappung effizient vergleichen lassen. Das Modell lernt aus vorhandenen Betriebs- und Testdaten und ist nicht auf große Sammlungen beschrifteter Fehlerfälle angewiesen. Sobald ein Modell fixiert und versioniert ist, bleibt die Laufzeitauswertung reproduzierbar. Die Verarbeitung kann direkt am Edge oder On-Premises erfolgen. Eine externe Cloud ist nicht zwingend erforderlich.</p>
<p>SF2 positioniert sich damit nicht einfach als weiterer Algorithmus für Anomalieerkennung. Die Technologie schafft eine vergleichbare Zustandsrepräsentation, die Engineering, Health Monitoring und Wartungsentscheidungen ergänzen und später auch autonome Systeme unterstützen kann.</p>
<p><i>Sensors tell you what is measured. SF2 tells you what state the system is in.</i></p>
<p><b>Das Wissen der Hersteller wird im Betrieb nutzbar</b></p>
<p>Der entscheidende Punkt liegt nicht nur in der Datenanalyse, sondern im Engineering. Wer eine Komponente entwickelt und testet, kennt ihre Konstruktion, relevante Belastungen, nominale Betriebszustände und jene Zustände, bei denen eine technische Maßnahme erforderlich wird. Gerade in der Raumfahrt entstehen während Entwicklung, Acceptance, Qualification und Testing hochwertige Daten über das reale Verhalten von Komponenten und Systemen.</p>
<p>SF2 kann diese im Engineering verifizierten Zustände als Referenz-Fingerprints abbilden und später mit dem aktuellen physischen Zustand vergleichen. Dann geht es nicht mehr nur um die Frage: Hat ein Messwert eine Grenze überschritten? Sondern auch darum: Wie ähnlich ist das aktuelle Systemverhalten einem Zustand, den die Entwickler aus Test und Qualifikation kennen? Das Engineering-Wissen bleibt beim Hersteller. SF2 macht es als vergleichbare Zustandsreferenz über den weiteren Lebenszyklus nutzbar. SF2 ersetzt dabei weder Telemetrie noch FDIR, Health Monitoring, Engineering oder Safety. Die Technologie ergänzt diese Ebenen um eine zusätzliche Repräsentation des physischen Zustands.</p>
<p><b>Von der Komponente zum gesamten Space Asset</b></p>
<p>Besonders relevant wird der Ansatz, wenn State Intelligence nicht an einer einzelnen Komponente endet. Ein State Fingerprint einer unteren Ebene kann als Eingang für die nächsthöhere Ebene dienen. So entsteht eine hierarchische Architektur:</p>
<p><i>Komponente → Subsystem → Space Asset → perspektivisch Flotte</i></p>
<p>Mehrere Komponenten können gemeinsam den Zustand eines Thermal-, Power- oder Propulsion-Subsystems beschreiben. Mehrere Subsystemzustände können wiederum zu einer übergeordneten Repräsentation des gesamten Space Assets beitragen.</p>
<p>Das Prinzip ist in der SF2-Architektur bereits für industrielle Systeme angelegt: Komponenten-Fingerprints können auf Subsystemebene weiterverarbeitet werden, Subsystemzustände wiederum zu einer übergeordneten Systemrepräsentation beitragen. Für die Raumfahrt ergibt sich daraus ein interessantes Zielbild: Nicht nur tausende Messwerte, sondern eine Hierarchie vergleichbarer Zustände.</p>
<p><b>Wo sich Zustandswissen besonders rechnet: Reusability</b></p>
<p>Bei wiederverwendbaren Raumfahrtsystemen bekommt diese Frage unmittelbare wirtschaftliche Bedeutung. Raketenstufen, Space Tugs und andere wiederverwendbare Plattformen müssen nach Tests und Missionen verlässlich beurteilt werden, bevor sie erneut zum Einsatz kommen. Inspektion, Wartung und Turnaround bestimmen deshalb wesentlich die Wirtschaftlichkeit wiederverwendbarer Systeme.</p>
<p><b>Die State-Intelligence-Frage lautet:</b></p>
<p>Wie hat sich der reale multivariate Zustand des Systems zwischen Test, Flug, Rückkehr und nächstem Einsatz verändert? Ein aktueller State Fingerprint, verglichen mit verifizierten Referenzzuständen aus dem Engineering, könnte Inspektion und Einsatzentscheidung um eine zusätzliche objektive Informationsbasis ergänzen.</p>
<p>Daraus könnte langfristig eine State Margin für definierte Zustände entstehen. Sie würde nicht nur anzeigen, dass sich etwas verändert hat, sondern auch, wie nahe sich ein Asset einem definierten Referenz- oder Eingriffszustand befindet. Das ist keine pauschale Prognose der Restlebensdauer, sondern eine messbare Beziehung zwischen aktuellem Zustand und bekannten Referenzzuständen.</p>
<p><b>Der Einstieg muss nicht im Orbit beginnen</b></p>
<p>Für einen ersten Anwendungsfall ist kein fliegendes System erforderlich. Geeignete Ausgangspunkte sind Bereiche, in denen ohnehin hochwertige technische Daten entstehen: AIT und Qualification, Prüfstände und Testkampagnen, Ground Support Equipment sowie Pumpen-, Kühl-, Antriebs- und andere technische Hilfssysteme.</p>
<p>Vorhandene historische Daten können genutzt werden, um Referenzzustände abzubilden und konkrete Anwendungen zu untersuchen, noch bevor ein späterer On-Board-Einsatz mit seinen zusätzlichen Anforderungen an Zielhardware, Missionsumgebung und Space Qualification relevant wird. Auch öffentliche Raumfahrtdaten bieten einen Einstieg. Mit ESA-ADB steht ein reproduzierbarer Benchmark auf Basis annotierter realer Telemetrie aus ESA-Missionen zur Verfügung.</p>
<p>Der nächste Schritt ist die anwendungsspezifische Validierung an realen Telemetrie-, Test- und Qualifikationsdaten: Wie lassen sich reale Missionszustände als State Fingerprints repräsentieren? Wie unterscheiden sich nominale Zustände und Übergänge? Und welchen zusätzlichen Informationswert liefert eine vergleichbare Zustandsrepräsentation?</p>
<p><b>In industriellen Daten bereits erprobt</b></p>
<p>Die SF2-Technologie arbeitet bereits mit Daten aus realen Industrieanlagen. In einem Wasserpumpensystem analysierte SF2 52 Sensorkanäle und mehr als 220.000 Messpunkte. In einer untersuchten Sequenz wurde eine relevante Veränderung des Gesamtzustands rund vier Tage vor einem dokumentierten Pumpenausfall sichtbar. Die Modellbildung dauerte weniger als 15 Minuten auf einem Laptop.</p>
<p>Daraus lässt sich keine allgemeine Vier-Tage-Prognose ableiten. Der Fall zeigt vielmehr, dass das Zusammenspiel vieler physischer Signale Zustandsveränderungen sichtbar machen kann, die aus einzelnen Messwerten allein nicht unmittelbar zu erkennen sind. Für Raumfahrtanwendungen muss dieses Prinzip nun auf konkrete Datenstrukturen, Testumgebungen, Anwendungen und Zielhardware übertragen werden.</p>
<p><b>Ein europäisches Nervensystem braucht Signale – und Bedeutung</b></p>
<p>Wie eng Raumfahrt, Verteidigung und kritische Infrastruktur technologisch zusammenwachsen, zeigt die aktuelle Neuaufstellung von TTTech. Mit Wirkung zum 1. Oktober 2026 bündelt das Wiener Technologieunternehmen diese Bereiche in der neuen TTTech Systems SE. Das Portfolio reicht von Komponenten und Produkten bis zu Plattformlösungen für sicherheitsrelevante Anwendungen – unter anderem für Satelliten, Raumfahrzeuge und Trägerraketen.</p>
<p>TTEthernet ist Teil der Avionik-Architektur der NASA-Raumkapsel Orion und kommt auch bei Ariane 6 zum Einsatz. TTTech beschreibt das Avioniksystem selbst als eine Art „Nervensystem“ des Raumfahrzeugs. Ein solches Nervensystem sorgt dafür, dass Informationen zuverlässig und deterministisch dort ankommen, wo sie benötigt werden. Das führt zu einer komplementären Architekturebene: Ein Nervensystem transportiert Signale zuverlässig. Space Asset State Intelligence beschreibt, welchen physischen Zustand diese Signale gemeinsam repräsentieren.<br />
Kommunikation, Computing und State Representation erfüllen unterschiedliche, aber komplementäre Aufgaben innerhalb zunehmend autonomer und resilienter technischer Systeme.</p>
<p><b>Der nächste Schritt: State Intelligence in reale Space-Architekturen bringen</b></p>
<p>SF2 entwickelt State Intelligence als zusätzliche technologische Fähigkeit für bestehende Komponenten, Plattformen und Systemarchitekturen. Für Raumfahrtanwendungen liegt der nächste Schritt in der anwendungsspezifischen Übertragung auf reale Telemetrie-, Test- und Qualifikationsdaten. Der Einstieg kann bewusst überschaubar beginnen: mit einem abgegrenzten Datensatz, einem bestehenden Testprozess oder einer konkreten technischen Fragestellung.</p>
<p>Die Perspektive reicht darüber hinaus: von der Zustandsrepräsentation einzelner Komponenten über Subsysteme bis zum gesamten Space Asset. Dort, wo Unternehmen darin einen strategischen Mehrwert für ihre eigenen Systeme und Plattformen sehen, ist SF2 offen für gemeinsame Validierung, Integration und Technologiepartnerschaften.</p>
<p>Je autonomer Space Assets werden, desto wichtiger wird nicht nur, was sie messen – sondern in welchem Zustand sich das System befindet.</p>
<p><b>SF2 – Space Asset State Intelligence.</b><br />
<b>From Telemetry to State.</b></div>
<div class="pb-boilerplate">
<div>Über die SF2 Systems GmbH</div>
<p>SF2 Systems ist ein Wiener Deep-Tech-Unternehmen f&uuml;r die softwarebasierte Zustandsanalyse komplexer Maschinen, Anlagen und Prozesse in Industrie, Energie und kritischer Infrastruktur. Die sensor- und herstellerunabh&auml;ngige Technologie f&uuml;hrt vorhandene Sensor- und Betriebsdaten zu vergleichbaren Zustands-Fingerprints zusammen und macht Drift und schleichende Ver&auml;nderungen fr&uuml;h sichtbar &ndash; reproduzierbar, nachvollziehbar, ohne Black-Box-Modell und ohne gro&szlig;e gelabelte Fehlerdatens&auml;tze. Als Erg&auml;nzung bestehender Condition-Monitoring- und Automatisierungssysteme ist SF2 f&uuml;r Brownfield- und OT-Umgebungen ausgelegt, l&auml;uft lokal am Edge bzw. On-Premises ohne Cloud-Abh&auml;ngigkeit und h&auml;lt sensible Produktionsdaten im Unternehmen. So k&ouml;nnen Zustandsver&auml;nderungen fr&uuml;her erkannt, ungeplante Stillst&auml;nde reduziert sowie Wartung und Betrieb planbarer werden. Dar&uuml;ber hinaus untersucht SF2 die &Uuml;bertragbarkeit der Technologie auf ausgew&auml;hlte Anwendungen in Biotechnologie und Life Sciences.</p>
</div>
<div class="pb-company">
<div>Firmenkontakt und Herausgeber der Meldung:</div>
<p>SF2 Systems GmbH<br />
Eichelhofstrasse 2B<br />
A1190 Wien<br />
Telefon: 00436601016615<br />
<a href="https://sf2systems.com/" target="_blank" rel="noopener nofollow" data-wpel-link="external">https://sf2systems.com/</a></div>
<div class="pb-contacts">
<div>Ansprechpartner:</div>
<div class="pb-contact-item">Christoph Gretzmacher<br />
Business Development<br />
E-Mail: &#109;&#101;&#100;&#105;&#097;&#064;&#115;&#102;&#050;&#115;&#121;&#115;&#116;&#101;&#109;&#115;&#046;&#099;&#111;&#109;
</div>
<div class="pb-links">
<div>Weiterführende Links</div>
<ul>
<li>
                        <a href="https://www.pressebox.de/pressemitteilung/sf2-systems-gmbh/europas-raumfahrt-braucht-nicht-nur-sichere-signale-sondern-verstndliche-systemzustnde/boxid/1314743" target="_blank" rel="noopener nofollow" data-wpel-link="external">Originalmeldung der SF2 Systems GmbH</a>
                    </li>
<li>
                        <a href="https://www.pressebox.de/newsroom/sf2-systems-gmbh" target="_blank" rel="noopener nofollow" data-wpel-link="external">Alle Stories der SF2 Systems GmbH</a>
                    </li>
</ul></div>
<div class="pb-disclaimer">Für die oben stehende Story ist allein der jeweils angegebene Herausgeber (siehe Firmenkontakt oben) verantwortlich. Dieser ist in der Regel auch Urheber des Pressetextes, sowie der angehängten Bild-, Ton-, Video-, Medien- und Informationsmaterialien. Die United News Network GmbH übernimmt keine Haftung für die Korrektheit oder Vollständigkeit der dargestellten Meldung. Auch bei Übertragungsfehlern oder anderen Störungen haftet sie nur im Fall von Vorsatz oder grober Fahrlässigkeit. Die Nutzung von hier archivierten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber. Eine systematische Speicherung dieser Daten sowie die Verwendung auch von Teilen dieses Datenbankwerks sind nur mit schriftlicher Genehmigung durch die United News Network GmbH gestattet.
            </div>
<p>        <img loading="lazy" decoding="async" src="https://www.pressebox.de/presscorner/cpix/tp---10/1314743.gif" alt="counterpixel" width="1" height="1" /></p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/10/01/europas-raumfahrt-braucht-nicht-nur-sichere-signale-sondern-verstndliche-systemzustnde/" data-wpel-link="internal">Europas Raumfahrt braucht nicht nur sichere Signale – sondern verständliche Systemzustände</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Physical AI braucht mehr als Intelligenz: Vertrauenswürdigkeit muss im Betrieb überprüfbar werden</title>
		<link>https://www.presse-lexikon.de/2026/09/25/physical-ai-braucht-mehr-als-intelligenz-vertrauenswrdigkeit-muss-im-betrieb-berprfbar-werden/</link>
		
		<dc:creator><![CDATA[Firma SF2 Systems]]></dc:creator>
		<pubDate>Fri, 25 Sep 2026 07:47:00 +0000</pubDate>
				<category><![CDATA[Allgemein]]></category>
		<category><![CDATA[Anlagenzustand]]></category>
		<category><![CDATA[anomalieerkennung]]></category>
		<category><![CDATA[Brownfield-Integration]]></category>
		<category><![CDATA[Datenhoheit]]></category>
		<category><![CDATA[Fingerprinting]]></category>
		<category><![CDATA[industrie]]></category>
		<category><![CDATA[industrie 4.0]]></category>
		<category><![CDATA[Infrastrukturresilienz]]></category>
		<category><![CDATA[ot-sicherheit]]></category>
		<category><![CDATA[predictive maintenance]]></category>
		<category><![CDATA[Prozessoptimierung]]></category>
		<category><![CDATA[Sensordaten]]></category>
		<category><![CDATA[SF2 Suite SE]]></category>
		<category><![CDATA[Zustandsanalyse]]></category>
		<category><![CDATA[Zustandsüberwachung]]></category>
		<guid isPermaLink="false">https://www.presse-lexikon.de/2026/09/25/physical-ai-braucht-mehr-als-intelligenz-vertrauenswrdigkeit-muss-im-betrieb-berprfbar-werden/</guid>

					<description><![CDATA[<p>. „Brains may be commoditised. Trust will not.“ Mit diesem Satz brachte André Loesekrug-Pietri, Chairman der Joint European Disruptive Initiative JEDI, beim The Autonomous Main Event 2026 in Wien eine zentrale Herausforderung von Physical AI auf den Punkt. Seine Keynote trug entsprechend den Titel „Verify, Don’t Trust“. Leistungsfähige AI-Modelle werden zunehmend verfügbar. Schwieriger wird die [&#8230;]</p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/09/25/physical-ai-braucht-mehr-als-intelligenz-vertrauenswrdigkeit-muss-im-betrieb-berprfbar-werden/" data-wpel-link="internal">Physical AI braucht mehr als Intelligenz: Vertrauenswürdigkeit muss im Betrieb überprüfbar werden</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></description>
										<content:encoded><![CDATA[<div class="pb-text">.<br />
„<b>Brains may be commoditised. Trust will not.</b>“</p>
<p>Mit diesem Satz brachte André Loesekrug-Pietri, Chairman der Joint European Disruptive Initiative JEDI, beim The Autonomous Main Event 2026 in Wien eine zentrale Herausforderung von Physical AI auf den Punkt. Seine Keynote trug entsprechend den Titel <b>„Verify, Don’t Trust“</b>.</p>
<p>Leistungsfähige AI-Modelle werden zunehmend verfügbar. Schwieriger wird die Frage, wie ihre Entscheidungen zuverlässig mit einer realen Maschine und einer sich ständig verändernden physischen Umwelt verbunden werden.</p>
<p>Denn ein autonomes System kann noch exakt dieselbe Software ausführen wie am ersten Tag, während sich der physische Körper darunter längst verändert hat: Motoren altern, Reibung verändert sich, Sensoren driften, Werkzeuge verschleißen, Lasten und Umgebungsbedingungen wechseln.</p>
<p>Physical AI braucht deshalb mehr als Rechenleistung und intelligente Entscheidungen. Sie braucht eine Repräsentation ihrer Umwelt – und ihres eigenen physischen Zustands darin.</p>
<p><b>Europa baut den Physical-AI-Stack</b></p>
<p>Wie konkret dieser Stack bereits wird, zeigten die Beiträge in Wien.</p>
<p>Infineon stellte mit „The Future of Physical AI is Built on Chips“ die physische Basis in den Mittelpunkt: Halbleiter, Leistungselektronik, Motor Control, Sensorik sowie Safety und Security. Die Botschaft dahinter: Halbleiter unterstützen Physical AI nicht nur, sie bestimmen wesentliche Eigenschaften des physischen Systems.</p>
<p>Im gemeinsamen Panel „From Cars to Robots: Shared Foundations for Safe and Trusted Autonomy“ diskutierten NXP, Infineon, Bosch, NEURA Robotics und NVIDIA darüber, wie Compute, Power, Kommunikation, Aktuation, Safety und Security zu skalierbarer und vertrauenswürdiger Autonomie zusammenfinden.</p>
<p>NXP verbindet Sensorik und Aktuation mit Edge Compute und zentraler AI-Verarbeitung. TTTech steht für deterministische Kommunikation in verteilten Systemen. TTControl rückte in seinem Panel die Skalierung von Physical AI und autonomen Maschinen im Off-Highway-Bereich vom Pilotbetrieb bis zum realen Deployment in den Mittelpunkt. Bosch verbindet Sensorik, Embedded-Technologie, AI und industrielle Skalierung.</p>
<p>Auch die Software- und Deployment-Seite wurde intensiv diskutiert. Das von TrustMotion gehostete Panel „Building Secure and Scalable Edge AI Frameworks for Autonomous Systems“ zeigte eine Architektur, in der On-Device Edge AI mit großen Data Lakes, Cloud-basierter Modellentwicklung, Over-the-Air-Updates und kontinuierlicher Datenerfassung zusammenspielt. Diese Infrastruktur soll über Autonomie hinaus auch Anwendungen wie Predictive Maintenance, virtuelle Sensoren und Performance Monitoring ermöglichen.</p>
<p>Damit sind viele entscheidende Bausteine für Physical AI vorhanden.</p>
<p>Eine Ebene entsteht daraus jedoch nicht automatisch:</p>
<p><b>eine kontinuierlich vergleichbare Repräsentation des physischen Gesamtzustands.</b></p>
<p><b>Wie repräsentiert eine Maschine ihre physische Welt?</b></p>
<p>In welchem Zustand befindet sich eine Maschine als Gesamtsystem – in genau diesem Kontext?</p>
<p>Ein identischer Motorstrom kann unter hoher Last völlig normal sein und unter anderen Betriebsbedingungen auf einen veränderten Zustand hinweisen. Temperatur, Drehmoment, Vibration oder Bewegung erhalten ihre Bedeutung deshalb nicht allein durch ihren einzelnen Wert, sondern durch ihr Zusammenspiel.</p>
<p>Auch ein autonomes System existiert nie losgelöst von seiner Umgebung. Last, Werkzeug, Untergrund, Geschwindigkeit, Temperatur und Aufgabe bestimmen mit, wie seine Signale zu interpretieren sind.</p>
<p><b>Wahrnehmung braucht Sensor Fusion. Sensor Fusion braucht Kontext. Und Kontext braucht eine Repräsentation, in der Zusammenhänge vergleichbar werden.</b></p>
<p><b>Hier setzt SF2 mit Representation Learning und Semantic Folding Sensor Fusion an.</b></p>
<p>Aus multivariaten Sensor- und Betriebsdaten entsteht eine semantische Repräsentation des physischen Systemzustands. „Semantisch“ bedeutet dabei nicht Sprache, sondern Bedeutung durch Zusammenhang und Kontext: Ein Signal erhält seine Aussagekraft durch seine Beziehung zu anderen Signalen und zur jeweiligen Betriebssituation.</p>
<p>SF2 überführt solche Zustände in kompakte, spärliche binäre State Fingerprints. Ähnliche Zustände erzeugen ähnliche Repräsentationen. Verändert sich das Zusammenspiel der Signale, werden Drift, Übergänge und neue Zustände vergleichbar.</p>
<p>Vereinfacht:</p>
<p><b>Sensing → Sensor Fusion → Representation Learning → State Fingerprint → Comparison → Action</b></p>
<p>„<b>Autonomie beginnt nicht erst bei der Entscheidung, sondern bei der Repräsentation</b>“, sagt Francisco Webber, CEO von SF2 Systems. „Eine Maschine muss ihren eigenen physischen Zustand und den Kontext, in dem er entsteht, in einer Form repräsentieren können, die sich mit bereits Bekanntem vergleichen lässt. Genau diese Repräsentationsschicht bauen wir mit SF2.“</p>
<p><b>Verstehen beginnt mit Vergleich</b></p>
<p>Ein aktueller State Fingerprint wird mit bekannten Zuständen verglichen.</p>
<p>Hoher Overlap bedeutet hohe Ähnlichkeit. Sinkender Overlap zeigt, dass sich ein System von einem bekannten Zustand entfernt. Ein bislang unbekanntes Muster kann als neuer Zustand aufgenommen und später wiedererkannt werden.</p>
<p>SF2 benötigt dafür keine großen gelabelten Fehlerdatensätze und kein klassisches überwachtes Fault Training. Abhängig vom Use Case kann die semantische Struktur aus historischen Betriebsdaten gelernt werden.</p>
<p>Ist ein Modell anschließend fixiert und versioniert, arbeitet die Laufzeitauswertung reproduzierbar:</p>
<p><b>gleicher Input → gleiche Transformation → gleicher Fingerprint → gleiches Vergleichsergebnis.</b></p>
<p><b>Keine Theorie: 52 Kanäle zeigen das Prinzip</b></p>
<p>Dass dieser Ansatz nicht nur konzeptionell ist, hat SF2 bereits an industriellen Daten demonstriert.</p>
<p>In einem realen Wasserpumpensystem mit 52 Sensorkanälen und mehr als 220.000 Messpunkten wurde in einer analysierten Sequenz eine relevante Veränderung des Gesamtzustands rund vier Tage vor einem dokumentierten Pumpenausfall sichtbar. Die Modellbildung aus den vorliegenden Daten benötigte dabei weniger als 15 Minuten auf einem Standard-Notebook.</p>
<p>Das ist kein universelles Prognoseversprechen und noch kein Robotik-Beleg.</p>
<p>Es zeigt aber das zugrunde liegende Prinzip: <b>Das Zusammenspiel vieler Signale kann eine Zustandsveränderung sichtbar machen, die sich aus einzelnen Messwerten allein nicht unmittelbar erschließt.</b></p>
<p>Genau dieses Prinzip soll nun auch mit realen Physical-AI- und Robotikdaten validiert werden.</p>
<p>„Europa hat viele der entscheidenden Bausteine für Physical AI bereits“, sagt Christoph Gretzmacher, Business Development bei SF2 Systems. „Die spannende Frage ist jetzt, wie diese Ebenen zusammenspielen. Wir wollen mit realen Daten zeigen, welchen zusätzlichen Wert eine gemeinsame Repräsentation des physischen Zustands zwischen Sensorik, Edge, Kommunikation und Anwendung schaffen kann.“</p>
<p><b>Vertrauen ist das Ergebnis – Vertrauenswürdigkeit muss überprüfbar sein</b></p>
<p>Damit bekommt JEDIs „Verify, Don’t Trust“ eine konkrete technische Dimension.</p>
<p>Vertrauen selbst ist kein Messwert. Überprüfbar sind vielmehr Eigenschaften, aus denen Vertrauenswürdigkeit entstehen kann: Safety, Security, deterministische Kommunikation – und die Frage, ob sich ein physisches System weiterhin so verhält wie bekannte Referenzzustände.</p>
<p>SF2 ist dabei weder Functional-Safety-System noch Security-Lösung oder Robotersteuerung.</p>
<p>Die Technologie beantwortet eine andere Frage:</p>
<p><b>Verhält sich die physische Maschine noch wie erwartet – oder beginnt sich ihr Verhalten zu verändern?</b></p>
<p>Auch die Robotikseite des Events machte deutlich, wie entscheidend diese Frage im realen Betrieb wird. ANYbotics stellte in seiner Keynote zu industriell eingesetzten autonomen Robotern Vertrauen entlang von Safety, Consistency, Transparency und Security in den Mittelpunkt – gerade dort, wo autonome Systeme vom Pilotbetrieb in den täglichen Einsatz übergehen.</p>
<p>Infineon betonte zugleich die Bedeutung von Safety als grundlegender Designanforderung für Physical AI. Neben Safety by Design entsteht damit eine ergänzende Perspektive:</p>
<p><b>State Awareness at Runtime.</b></p>
<p>Und genau hier wird die Verbindung zu den anderen Ebenen des Stacks interessant:</p>
<p>Infineon liefert mit Motor Control und Sensorik wesentliche Signale des physischen Systems – genau jene Daten, aus deren Zusammenspiel sich eine Zustandsrepräsentation ableiten lässt.</p>
<p>NXP bringt Rechenleistung nahe an Sensoren und Aktuatoren – dorthin, wo aus hochaufgelösten Signalen kompakte State Fingerprints entstehen können.</p>
<p>TTTech schafft deterministische Kommunikationspfade; verdichtete Zustandsinformation kann dabei eine zusätzliche Informationsebene zwischen verteilten Komponenten bilden.</p>
<p>TTControl bringt Edge Compute, Sensorfusion und autonome Funktionen in reale mobile Maschinen, deren physischer Zustand sich unter wechselnden Lasten und Umgebungsbedingungen kontinuierlich verändert.</p>
<p>Bosch bringt die Erfahrung ein, Sensorik, Embedded-Technologie und AI unter realen industriellen Bedingungen zu integrieren und zu skalieren – genau dort, wo eine zusätzliche Zustandsrepräsentation auf Basis bestehender Daten praktischen Mehrwert schaffen kann.</p>
<p><b>SF2 verbindet diese physische Datenwelt auf einer anderen Ebene: Aus dem Zusammenspiel der Signale entsteht eine semantische und reproduzierbar vergleichbare Repräsentation des Gesamtzustands.</b></p>
<p><b>Aus hochfrequenten Daten muss Zustand werden</b></p>
<p>Mit Physical AI wachsen Datenmenge und zeitliche Auflösung gleichzeitig. Motor Control, Strom- und Positionsmessung, Vibration, Radar oder akustische Sensorik erzeugen hochfrequente und hochaufgelöste Datenströme, die nicht dauerhaft durch jede Ebene eines Systems transportiert und zentral ausgewertet werden müssen.</p>
<p>Hier passen Edge Computing und SF2 strukturell zusammen.</p>
<p>Nahe an der Datenquelle kann aus multivariaten Signalen ein kompakter State Fingerprint entstehen. State Fingerprints sind spärliche binäre Repräsentationen und lassen sich über effiziente bitweise Operationen vergleichen. Damit eignet sich der Ansatz grundsätzlich für ressourcenschonende Edge-Verarbeitung.</p>
<p>SF2 setzt bei der Zustandsrepräsentation dabei näher an der Datenquelle an: ohne große gelabelte Fehlerdatensätze und ohne verpflichtende Cloud-Infrastruktur. Das schließt Cloud-, Data-Lake- oder OTA-Architekturen nicht aus, sondern ergänzt sie um eine lokal erzeugbare Zustandsinformation.</p>
<p>Höhere Ebenen können dadurch mit verdichteten Informationen über Zustand, Ähnlichkeit, Drift oder Übergang arbeiten, anstatt permanent sämtliche Rohdaten zu verarbeiten.</p>
<p><b>Je mehr Physical AI wahrnimmt, desto wichtiger wird es, aus Daten einen Zustand zu machen.</b></p>
<p>Diese Logik lässt sich perspektivisch hierarchisch skalieren:</p>
<p><b>Komponente → Subsystem → System → Flotte</b></p>
<p>Ein State Fingerprint einer unteren Ebene kann Teil der Repräsentation der nächsthöheren Ebene werden. Gerade mit Industrial IoT sowie stärker vernetzten 5G- und künftig 6G-Infrastrukturen wird eine solche Verdichtung zunehmend relevant.</p>
<p>Mehr Konnektivität allein erzeugt noch kein Verständnis.</p>
<p><b>Die fehlende Ebene ist vielleicht keine weitere AI</b></p>
<p>Physical AI verfügt bereits über leistungsfähige Sensorik, Halbleiter, Aktuation, Edge Computing, Kommunikation, Safety und AI.</p>
<p>Die offene Frage lautet:</p>
<p><b>Wie wird aus Wahrnehmung und Kontext eine gemeinsame Repräsentation des tatsächlichen physischen Systemzustands?</b></p>
<p>Genau für diese Lücke entwickelt SF2 eine leichte, Edge-fähige und reproduzierbare Representation Layer, die multivariate physische Signale in eine semantische Zustandsrepräsentation überführt – und damit eine zusätzliche technische Grundlage für das schafft, was JEDI mit „Verify, Don’t Trust“ beschreibt.</p>
<p><b>Autonomie braucht Repräsentation. SF2 repräsentiert physischen Zustand.</b></div>
<div class="pb-boilerplate">
<div>Über die SF2 Systems GmbH</div>
<p>SF2 Systems ist ein Wiener Deep-Tech-Unternehmen f&uuml;r die softwarebasierte Zustandsanalyse komplexer technischer Systeme. Die sensor- und herstellerunabh&auml;ngige Technologie nutzt Representation Learning und Semantic Folding Sensor Fusion, um multivariate Sensor- und Betriebsdaten in vergleichbare State Fingerprints zu &uuml;berf&uuml;hren und Zust&auml;nde, &Uuml;berg&auml;nge und Drift sichtbar zu machen.</p>
<p>SF2 ist f&uuml;r Edge- und On-Premises-Architekturen ausgelegt und erg&auml;nzt bestehende Sensorik, Embedded Computing, Automatisierung und Softwareplattformen um eine zus&auml;tzliche Ebene f&uuml;r State Intelligence und semantische Zustandsrepr&auml;sentation.</p>
</div>
<div class="pb-company">
<div>Firmenkontakt und Herausgeber der Meldung:</div>
<p>SF2 Systems GmbH<br />
Eichelhofstrasse 2B<br />
A1190 Wien<br />
Telefon: 00436601016615<br />
<a href="https://sf2systems.com/" target="_blank" rel="noopener nofollow" data-wpel-link="external">https://sf2systems.com/</a></div>
<div class="pb-contacts">
<div>Ansprechpartner:</div>
<div class="pb-contact-item">Christoph Gretzmacher<br />
Business Development<br />
E-Mail: &#109;&#101;&#100;&#105;&#097;&#064;&#115;&#102;&#050;&#115;&#121;&#115;&#116;&#101;&#109;&#115;&#046;&#099;&#111;&#109;
</div>
<div class="pb-links">
<div>Weiterführende Links</div>
<ul>
<li>
                        <a href="https://www.pressebox.de/pressemitteilung/sf2-systems-gmbh/physical-ai-braucht-mehr-als-intelligenz-vertrauenswrdigkeit-muss-im-betrieb-berprfbar-werden/boxid/1313915" target="_blank" rel="noopener nofollow" data-wpel-link="external">Originalmeldung der SF2 Systems GmbH</a>
                    </li>
<li>
                        <a href="https://www.pressebox.de/newsroom/sf2-systems-gmbh" target="_blank" rel="noopener nofollow" data-wpel-link="external">Alle Stories der SF2 Systems GmbH</a>
                    </li>
</ul></div>
<div class="pb-disclaimer">Für die oben stehende Story ist allein der jeweils angegebene Herausgeber (siehe Firmenkontakt oben) verantwortlich. Dieser ist in der Regel auch Urheber des Pressetextes, sowie der angehängten Bild-, Ton-, Video-, Medien- und Informationsmaterialien. Die United News Network GmbH übernimmt keine Haftung für die Korrektheit oder Vollständigkeit der dargestellten Meldung. Auch bei Übertragungsfehlern oder anderen Störungen haftet sie nur im Fall von Vorsatz oder grober Fahrlässigkeit. Die Nutzung von hier archivierten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber. Eine systematische Speicherung dieser Daten sowie die Verwendung auch von Teilen dieses Datenbankwerks sind nur mit schriftlicher Genehmigung durch die United News Network GmbH gestattet.
            </div>
<p>        <img loading="lazy" decoding="async" src="https://www.pressebox.de/presscorner/cpix/tp---10/1313915.gif" alt="counterpixel" width="1" height="1" /></p>
<p>Der Beitrag <a href="https://www.presse-lexikon.de/2026/09/25/physical-ai-braucht-mehr-als-intelligenz-vertrauenswrdigkeit-muss-im-betrieb-berprfbar-werden/" data-wpel-link="internal">Physical AI braucht mehr als Intelligenz: Vertrauenswürdigkeit muss im Betrieb überprüfbar werden</a> erschien zuerst auf <a href="https://www.presse-lexikon.de" data-wpel-link="internal">Presse-Lexikon</a>.</p>
]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
