Das Projekt arbeitet an einem intel­ligenten Wartungs­system, das den Erfahrungs­schatz (das „Bauchgefühl“) der erfahrenen Mit­arbeiter*­innen bei der Problem­suche mit berücksichtigt.

Den Experten wird eine intelligente Benutzer­schnitt­stelle geboten, in dem er ohne großen kognitiven Aufwand Ideen zur Problem­ursache und möglichen Lösungen skizzieren und in Beziehung setzen kann. Das System analysiert diese Ideen und deren Beziehungen und liefert Vor­schläge aus einer Wissensbank.

Dadurch entsteht ein iterativer Prozess, bei dem sich Mensch und Maschine gleich­wertig und zusammen einer Lösung des Problems immer weiter nähern. Unser Ansatz geht deswegen über die Möglich­keiten vieler aktueller Systeme hinaus, bei denen die Maschine Daten analysiert und der Mensch lediglich der Rezipient der Ergebnisse ist: Bei IWInxt wird zusätzlich der Mensch analysiert (d.h. sein*ihr Erfahrungs­wissen einbringen) und der Maschine mitteilen.

Das Problem, sich in sehr großen Daten­mengen zurecht zu finden, wird von Visual Analytics adressiert, das vor etwa einer Dekade auf der wissen­schaftlichen Bühne auftauchte. Damit wird ein iterativer Prozess beschrieben, in dem der Benutzer ein essentieller Teil des gesamten Systems wird: „Analyse first, show the important, zoom/filter, analyse further, details on demand”. Dies auf gesammelte Daten anzuwenden ist im Bereich der Maschinen­wartung bereits ein Novum. Was bis dato jedoch voll­ständig fehlt ist das Einbringen des Experten­wissens.

Mit Spatial Hypertext werden Beziehungen durch räumliche Nähe, Farbe, Form oder Ausrichtung implizit beschrieben: Ähnlich wie mit Notiz­zettel auf einem Tisch werden Informations­einheiten in einem (meist 2D-) Raum ohne großen kognitiven Aufwand in Beziehung gesetzt, das heißt assoziiert. Eine Heraus­forderung ist es, diese impliziten Assoziationen maschinell zu erkennen, um den*die Benutzer*­innen optimal unterstützen zu können: Informationen finden, ohne nach diesen explizit zu suchen.