Case Study — Riesenrutschbahn.de (Poppeltal)
Von null auf prädiktive Wartung — mitten im Gebirge.
Zustandsüberwachung und Konnektivität für eine Riesenrutschbahn — Greenfield, jetzt live.
Die Ausgangslage
Die Riesenrutschbahn im Poppeltal betreibt täglich fünfzig Bobschlitten. Bis zu diesem Auftrag hatte keiner eine Zustandsüberwachung — die Wartung lief zeitbasiert: Inspektion nach Kalender, Austausch nach Plan, die stille Hoffnung, dass dazwischen nichts ausfällt. Vibration, Lager-Degradation, Beanspruchung pro Wagen: unsichtbar. Die Infrastruktur ebenso — Mitarbeiter-WLAN an der Talstation, eine abgelegene Personalunterkunft ohne jede Internetverbindung, keine IoT-Infrastruktur. Nichts. Apuna hat beides gebaut.
Die Sensorik
Jeder der fünfzig Bobs trägt jetzt einen autosen-Vibrationssensor mit 1-kHz-Abtastrate und 900-mAh-Akku — Vibration, ausschließlich, direkt über LTE Cat-M, ohne lokales Gateway, ohne Hersteller-Cloud. Während der Inbetriebnahme wurde LoRa evaluiert (Reichweitentests mit zwei Heltec-Geräten); das Ergebnis war eindeutig: LTE Cat-M direkt war das richtige Funkverfahren für diesen Berg — keinerlei LoRa-Infrastruktur installiert. Ergänzend trägt jeder Bob einen RFID-Tag; ein IdentControl-Lesekopf am Lifthügel erfasst jeden Durchgang und erzeugt das Nutzungssignal.
Edge und Plattform
Ein Raspberry Pi 4 CM4 im Industriegehäuse — abgeschottet auf dem IoT-VLAN — betreibt den Mosquitto-Broker und die IdentControl-Integration und leitet beide Datenströme an Cloudflare weiter: Workers → Queues (Deadletter-Queue; keine Messung geht verloren) → D1 für die Historie, dazu ein Durable Object pro Bob für den Echtzeit-Zustand.
Die KI — und warum sie kein Sprachmodell ist
Vibration und Nutzung werden in einem Worker zusammengeführt: ISO-10816-RMS-Geschwindigkeit, spektrale Features und Lagerschaden-Indikatoren (Crest Factor, Kurtosis), pro-Bob-Baselines mit Anomalieerkennung, nutzungsnormalisiert. Nachvollziehbar, ohne vorab gelabelte Fehlerdaten, und zeigt dem Personal, welcher Bob sich auffällig verhält — bevor er ausfällt. Die Entscheidung trifft ein Mensch. Kein Sprachmodell: das richtige Werkzeug für Vibrations-Zeitreihen — normenbasiert, erklärbar, ohne Halluzinationen. Mit genügend Betriebsereignissen ist die Plattform darauf ausgelegt, auf kompakte Modelle via Workers AI umzustellen. Das ist Roadmap; was heute läuft, ist bereits nützlich. Das Personal liest es auf einem mobil optimierten Grafana-Dashboard, selbst gehostet auf Cloudflare Containers, gesichert über Access. Das Smartphone in der Tasche ist das Dashboard.
Das Netzwerk
Drei VLANs halten den Betrieb sauber — Mitarbeiter, Admin, IoT. Besucher erhalten ein offenes Freifunk-Mesh, ohne Passwort, ohne Zugang zum Betriebsnetz; die beiden Welten berühren sich nicht. Und die abgelegene Personalunterkunft — zwei Mitarbeiter, bisher ohne Internet — hat jetzt Starlink. Kein Anhängsel, sondern das Selbstverständliche: Lücke da, Technologie da, also schließt man sie.
Das Betriebsmodell
Hardware und Auslagen zum Selbstkostenpreis. Der Aufbau per Leistungsvereinbarung (SOW). Der laufende Betrieb auf einem Apuna-Care-Abonnement — Apunas erste wiederkehrende Einnahme. Kein Einmalprojekt, keine stundenweise Beratung: ein Kunde, der für Kontinuität zahlt, und Apuna, das sie liefert.
Die These — in der Praxis bewiesen
Betrieb zuerst. KI am Ende, auf sauberen Daten reitend, nicht sie ersetzend. Offene Komponenten. Die Daten auf der eigenen Instanz des Kunden — souverän, portierbar. Der Mensch entscheidet. Und Care heißt: das Engagement endet nicht mit dem Aufbau.