Service-Meister
Mit KI gegen den Fachkräftemangel
In der Industrie übersteigt die Komplexität von Anlagen, Geräten und Produkten oft das Wissen einzelner Mitarbeiter. Der Fachkräftemangel beschleunigt zusätzlich das damit verbundene Problem des immer aufwendiger werdenden technischen Services. Service-Meister entwickelt eine Plattform, die es auch weniger spezialisierten Mitarbeitern ermöglicht, anspruchsvolle Aufgaben bei der Wartung und Reparatur komplexer Industrieanlagen zu übernehmen. Die bereitgestellten KI-basierten Services sollen mögliche Störfälle vorhersagen und Handlungsoptionen vorschlagen.
Partner
eco - Verband der Internetwirtschaft e.V. (Konsortialführer), USU Software AG, Karlsruher Institut für Technologie (KIT), Beuth Hochschule für Technik Berlin, Westfälische Hochschule Gelsenkirchen Bocholt Recklinghausen, Universität Stuttgart, Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein, Kompetenznetzwerk Trusted Cloud e.V., inovex GmbH, Krohne Messtechnik GmbH, KEB Automation KG, grandcentrix GmbH, Adolf Würth GmbH & Co. KG, TRUMPF, Werkzeugmaschinen GmbH + Co. KG, USU GmbH
Herausforderung
Der grundlegende Wandel in der industriellen Wertschöpfung vom Verkauf von Produkten hin zu Dienst- und Serviceleistungen führt dazu, dass Maschinenhersteller zunehmend auf „Machine-as-a-Service”-Geschäftsmodelle setzen müssen. Damit dies gelingt, müssen die essenziellen Service-, Wartungs- und Instandhaltungsarbeiten umfassend digitalisiert und mit KI-Technologien unterstützt werden. Für Mittelständler ist die Auswahl und Einführung von KI-Lösungen jedoch häufig mit hohem Aufwand und Risiko verbunden. Wenn sie allerdings die entstehenden Potenziale nicht ausschöpfen, verlieren sie den Anschluss und der Markt könnte von den großen Playern dominiert werden. Service-Meister will deswegen KI-basierten, technischen Service breit in den Mittelstand bringen.
Umsetzung
Im Projekt sollen zunächst in sechs Use-Cases (sog. „Schnellboote“) Erfahrungen mit der Einbindung von KI-Anwendungen an verschiedenen Stellen im technischen Service gesammelt werden. Dafür werden von einem Unternehmen gemeinsam mit einem IT-Dienstleister passende KI-Anwendungen entwickelt und in der Praxis getestet, die unter anderem Predictive Analytics- und Machine-Learning-Verfahren nutzen. Damit werden durch die Erhebung, intelligente Auswertung und Kombination von Daten u.a. die Erkennung von Anomalien und die dazu passende Fehlerbehebung möglich. Auch Textanalyse-Tools zur automatischen Analyse von Serviceberichten kommen zum Einsatz, die als Grundlage für vorausschauende Wartungen genutzt werden.
Die Erfahrungen aus den Schnellbooten werden ausgewertet und verallgemeinert, sodass sich KI-Werkzeuge aus den Use Cases auch von anderen Anwendern nutzen lassen. Gleichzeitig sollen die gewonnenen Informationen auf der Plattform von Serviceanbietern oder Maschinenherstellern dazu genutzt werden, um bestehende Services mit und ohne KI-Anteil zu verbessern oder neue Dienste zu entwickeln. Ziel ist es, Servicewissen beispielsweise über Chat-Bots oder Datenbrillen bereitzustellen, wodurch auch weniger geschulte Techniker dabei unterstützt werden, Reparatur- oder Wartungsmaßnahmen durchzuführen. Das Projekt soll um einen neuen Use Case „als typischen Vertreter eines mittelständischen Unternehmens“ erweitert werden. Über exemplarische Anforderungen wollen wir Erfahrungen für Anwendung, Nutzung und den Transfer in weitere Anwendungsgebiete wie auch zu unterschiedlichen Unternehmensgrößen sammeln.
Aktuelle Konzepte wie Gaia-X und Standardisierungen via Verwaltungsschale werden mit einschlägigen Initiativen um Industrie 4.0 und KI evaluiert, und verprobt werden.
Anwendung und Nutzen
Über die Service-Meister Plattform können Mittelständler im produzierenden Gewerbe KI-basierte Dienste für den technischen Service, wie z.B. Chat-Bots, beziehen und einfach auf ihre Fragestellungen anwenden. So soll der Übergang vom reinen Produktverkauf hin zu Machine-as-a-Service-Geschäftsmodellen auch für Maschinenbauunternehmen möglich werden, die über keine größere IT-Abteilung mit ausgewiesenen KI-Experten verfügen. Langfristig sollen diese Services auch auf weitere Anwendungsfelder, wie die Automobil-Wartung, Service für Großelektrogeräte oder den Leitungsbau übertragen werden.
Zustandsüberwachung
Sensordaten aus vernetzten Abwassersystemen sollen mit KI ausgewertet, potenzielle Störungen schneller erkannt und die Einsatzplanung von Technikern durch KI-Apps verbessert werden.
Serviceprozesse beschleunigen
Daten aus vernetzten Werkzeugen (Powertools) sollen mit Informationen aus dem Servicecenter, die per Telefon, E-Mail oder Website eingegangen sind, zusammengeführt und mit KI-Verfahren analysiert werden. So werden Serviceprozesse verbessert und gleichzeitig Ausfallzeiten und Rückläufe mangelhafter Werkzeuge minimiert.
Anomalien erkennen
Leitungen, die Erdgas transportieren, sowie die integrierten Bauteile, werden mit Sensoren für einen aktiven Korrosionsschutz überwacht. Ziel ist es, die Fernüberwachung mit KI weiterzuentwickeln, Anomalien früher zu erkennen und Wartungen vorausschauender zu planen. Techniker sollen mit Unterstützung von KI-basierten Chatbots auch komplexe Probleme lösen.
Probleme automatisch diagnostizieren, Wartungskosten reduzieren
Werkzeugmaschinen erkennen selbstständig Fehler und leiten diese Information an eine Plattform weiter, wo Fehler übergreifend gesammelt und KI-basiert analysiert werden. So können auch andere Nutzer des Maschinentyps davon profitieren und Servicetechnikereinsätze besser geplant werden. Gleichzeitig findet eine geführte Wirksamkeitsprüfung der Servicemaßnahmen für eine kontinuierliche Verbesserung des Serviceprozesses statt.
Einsätze planen, Ersatzteile beschaffen
Daten aus dem Kundenservicecenter, technische Fehlerbeschreibungen und Liveereignisse wie Alarmmeldungen und Maschinenzustände sollen zusammengeführt und durch KI-Analysen untersucht werden. Außeneinsätze für Servicetechniker und Ersatzteilbeschaffung werden so erleichtert.
Ohne Service-Meister | Mit Service-Meister |
---|---|
Maschinen gehen unvorhergesehen kaputt und fallen lange in der Produktion aus. | KI-basierte Services erkennen in Serviceberichten, wann voraussichtlich Ermüdungen oder Ausfälle auftreten können. Wartungsprozesse werden frühzeitig eingeschoben, Ersatzteile rechtzeitig vorbestellt. |
Servicetechniker im Unternehmen können bei Störungen keine eigenständige Reparatur vornehmen, weil ihnen Fachwissen aufgrund der immer komplexer werdenden Maschinenvielfalt fehlt. | KI-Services der Plattform unterstützen den Industrieservice bei Reparaturprozessen und helfen besonders auch nichtspezialisierten Techniker. |
Neue Servicemitarbeiter müssen lange angelernt werden, bis sie eigenständig arbeiten können. Durch Machine-as-a-Service-Geschäftsmodelle entsteht zudem ein erhöhter Bedarf, der durch Servicetechniker allein nicht gedeckt werden kann. Es fehlen oft Fachkräfte. | Mit KI-Services erhalten auch weniger geschulte Fachkräfte an Maschinen Zugriff auf Meisterwissen. Serviceunternehmen können somit auch schneller komplexe Aufträge annehmen, der Fachkräftemangel wird gemildert. |
Hersteller erhalten nach dem Verkauf ihrer Maschinen keine Informationen mehr zu deren Nutzungsdaten und können keine darauf abgestimmten Services entwickeln oder den Herstellungsprozess verbessern. Oft fehlt den mittelständischen Unternehmen die Kompetenz in den Bereichen KI und Big Data. | Über die Plattform können Hersteller Services anbieten, die ihre Maschinen im Einsatz verbessern. Die KI-basierte Analyse von betreiberübergreifenden Daten liefert wertvolle Hinweise für Techniker und Hersteller von Maschinen. |
- Seite empfehlen:
- Druckansicht