Welcher KI-Assistent eignet sich für den Industrie-Service?

Kurz beantwortetEin KI-Serviceassistent für die Industrie ist ein Wissenssystem, das Störungsfragen aus Serviceberichten, Handbüchern, Tickets und Ersatzteillisten beantwortet und die Quelle jeder Antwort zeigt. Auswahl in sechs Kriterien: Quellenanbindung, Beleg je Antwort, Berechtigungen aus den Quellsystemen, Kanal der Techniker, EU-Betrieb, Messbarkeit. Ein Pilot auf echten Servicefällen dauert zwei bis vier Wochen und liefert die Lösungszeit vorher und nachher.

Wie kann KI die Fehlerlösungszeit im Service verkürzen?

Indem sie den Teil der Lösungszeit übernimmt, der Suche ist. Bei einer Störung entfällt der größte Teil der Zeit auf das Zusammentragen: Welche Maschine, welcher Stand, gab es das schon, was hat der Kollege damals gemacht, welches Ersatzteil war es. Ein Assistent, der alle diese Quellen gelesen hat, beantwortet die Frage in Sekunden und zeigt die Fundstellen. Die eigentliche Reparatur bleibt gleich lang; die Suche davor schrumpft von Stunden auf Minuten.

Bei TROESTER, Maschinen- und Anlagenbau, wurde genau das gemessen: Lösungszeit pro Störung im Service, vor dem Pilot durchschnittlich sechs Stunden, nach zwei Wochen auf echten Servicefällen 76 Minuten. Die Zahl stammt aus dem Fall unter Referenz TROESTER und ist die einzige, mit der wir in diesem Artikel rechnen. Was im Ticketprozess selbst passiert, beschreibt edda im Service: Ticketzeiten senken.

Welche Typen von KI-Assistenten gibt es für den Service?

Vier Typen kommen im Auswahlgespräch regelmäßig vor, und sie unterscheiden sich weniger im Sprachmodell als in dem, was sie lesen dürfen und was sie belegen. Der allgemeine Chat-Assistent kennt das Internet und nichts vom Betrieb. Die Handbuch-Suche kennt die Herstellerdokumentation und nichts von der Anlage, wie sie heute läuft. Der Ticket-Automat klassifiziert und leitet weiter, beantwortet aber keine Fachfrage. Der Wissensassistent mit Quellenanbindung liest Berichte, Tickets, Handbücher und Stücklisten zusammen und belegt jede Antwort.

Welche Kriterien entscheiden bei der Auswahl eines KI-Serviceassistenten für die Industrie?

Sechs Kriterien, und die ersten beiden entscheiden über den Nutzen: Der Assistent muss die eigenen Quellen lesen, und er muss jede Antwort belegen. Ohne eigene Quellen antwortet er aus dem Internet, ohne Beleg glaubt ihm kein Techniker. Die weiteren vier entscheiden über den Betrieb: Berechtigungen aus den Quellsystemen je Anfrage, der Kanal, in dem die Techniker ohnehin arbeiten, Verarbeitung in der EU oder im eigenen Haus und eine Zahl, an der man den Nutzen misst.

Wer diese Kriterien im Auswahlgespräch prüft, stellt sie als Aufgaben: Zeigen Sie mir die Antwort auf diese Störung aus unseren Berichten, mit Fundstelle. Zeigen Sie, dass ein Techniker ohne Recht auf das Kundenprojekt keine Antwort daraus bekommt. Zeigen Sie, wo das Modell läuft. Die vollständige Liste mit den Fragen an den Anbieter steht in KI-Wissensassistent für die Industrie: Auswahlkriterien.

Wartungszeiten reduzieren mit KI: wo greift der Assistent?

An drei Stellen: vor der Fahrt, an der Maschine und nach dem Einsatz. Vor der Fahrt beantwortet der Assistent, was den Techniker erwartet: Historie der Anlage, offene Punkte, Ersatzteile, die er mitnehmen sollte. An der Maschine beantwortet er die Störungsfrage per Sprache oder Foto vom Typenschild, mit Fundstelle. Nach dem Einsatz strukturiert er den Servicebericht aus dem Diktat, sodass der nächste Fall davon lernt. Jede der drei Stellen spart Zeit, und die dritte sorgt dafür, dass die Ersparnis wächst.

Wie das im Feld aussieht, mit Handy, ohne Laptop, beschreibt Servicetechniker entlasten: KI-Assistenz im Feld. Und wie aus den Servicefällen laufend Fehlerbehebungsanleitungen entstehen, zeigt Anleitungen aus Servicefällen erzeugen.

Welche Quellen braucht ein KI-Assistent im Service?

Fünf, und die Reihenfolge ist Erfahrung aus Piloten: Serviceberichte zuerst, weil dort steht, wie die Anlage sich tatsächlich verhält. Dann das Ticketsystem mit den Verläufen der letzten Jahre, weil dort steht, was beim letzten Mal geholfen hat. Dann die Handbücher und Schaltpläne des Herstellers, weil dort steht, wie es sein sollte. Dann die Stücklisten und der Ersatzteilbestand aus dem ERP, weil die Antwort sonst bei der Diagnose endet und beim Teil weitergesucht wird. Zuletzt das Postfach des Service, weil dort die Zusagen an Kunden und die Rückfragen der Techniker liegen.

Maschinendaten kommen später dazu, wenn Störmeldungen und Sensorwerte den Fall ergänzen sollen. Was in den Piloten überrascht: Die wertvollsten Quellen sind oft die am schlechtesten lesbaren, handschriftliche Berichte und gescannte Protokolle. Wie diese Bestände lesbar werden, beschreibt Scans und Zeichnungen KI-lesbar machen. Ein Betrieb, der mit den ersten zwei Quellen startet, hat nach zwei Wochen brauchbare Antworten; die übrigen drei kommen in Stufen dazu, jede mit eigener Messung.

Service-Fehlersuche automatisieren: was geht, was bleibt beim Techniker?

Automatisieren lässt sich die Suche: Fundstellen finden, ähnliche Fälle zeigen, Ersatzteile zuordnen, den Bericht vorstrukturieren. Beim Techniker bleibt die Diagnose an der Maschine und die Entscheidung, was getan wird. Ein Assistent, der Hypothesen mit Belegen liefert, macht den Techniker schneller. Ein System, das Diagnosen ohne Beleg ausgibt, macht ihn misstrauisch, und zu Recht. Die Grenze liegt bei der Handlung: Der Assistent schlägt vor, der Mensch entscheidet, und jeder Vorschlag zeigt, woher er kommt.

Das Vorgehen zur Auswahl und Einführung, wie es sich in Servicepiloten bewährt hat:

1. Zwanzig Störungsfälle der letzten Monate sammeln, mit der tatsächlichen Lösungszeit aus dem Ticketsystem. Das ist die Vorher-Zahl.
2. Quellen benennen: Serviceberichte, Handbücher, Ticketsystem, Stücklisten oder Ersatzteilkatalog, das Postfach des Service. Je Quelle ein Satz, wozu sie gelesen wird.
3. Zwei bis drei Anbieter an denselben Fällen prüfen. Gleiche Fragen, gleiche Quellen, Fundstelle je Antwort. Demodaten des Anbieters zählen nicht.
4. Berechtigungen und Betrieb klären: Rechte aus den Quellsystemen je Anfrage, Verarbeitung in der EU oder im eigenen Haus, Auftragsverarbeitungsvertrag.
5. Pilot auf echten Fällen, zwei bis vier Wochen, im Kanal der Techniker, mit fünf bis zehn Nutzern aus dem Service, davon mindestens ein Skeptiker.
6. Nachher messen mit derselben Methode wie vorher: Lösungszeit pro Störung über die Fälle des Piloten. Entscheidung anhand der Zahl.
7. Ausbau in Stufen: weitere Anlagen, weitere Quellen, Nachtschicht und Instandhaltung. Jede Stufe mit eigener Messung.

Was der Assistent nicht leistet

Er repariert nichts, und er weiß nichts, was in keiner Quelle steht. Ein Betrieb, dessen Serviceberichte aus drei Stichworten bestehen, bekommt Antworten aus drei Stichworten; der erste Hebel ist dann der Bericht, und der Assistent hilft beim Diktieren. Er ersetzt auch nicht die Nachtschicht, aber er beantwortet um drei Uhr die Frage, die sonst bis sieben Uhr wartet, wie Ungeplanter Stillstand nachts beschreibt.

Begriffe kurz erklärt

KI-Serviceassistent

Ein Wissenssystem, das Störungs- und Wartungsfragen aus den Dokumenten und Systemen des Betriebs beantwortet, mit Quelle je Antwort und Berechtigungen aus den Quellsystemen.

Lösungszeit pro Störung

Zeit von der Meldung bis zur bestätigten Behebung, aus dem Ticketsystem. Die Kennzahl, an der ein Servicepilot gemessen wird.

Fundstelle

Das Dokument, der Ticketeintrag oder die Stücklistenposition, aus der eine Antwort stammt; per Klick erreichbar.

Quellenanbindung

Die lesende Verbindung des Assistenten zu Ticketsystem, Dokumentenablage, ERP und Postfach, inklusive der dort geltenden Rechte.

Kanal

Die Umgebung, in der Techniker den Assistenten nutzen: Teams, Slack, WhatsApp oder Browser, ohne zusätzliche App.

Weiterführend im selben Cluster: Die Rechnung, wo die Minuten in der Lösungszeit stecken, steht in Fehlerlösungszeit im Service verkürzen; welche Schritte der Fehlersuche sich automatisieren lassen und welche nicht, in Service-Fehlersuche automatisieren; die Anforderungsliste für den Assistenten selbst in KI-Serviceassistent für die Industrie: was er können muss; und wo geplante Wartung von Assistenz profitiert, in Wartungszeiten reduzieren mit KI. Der Themen-Hub KI-Assistent für die Serviceabteilung bündelt alle Artikel des Clusters. Die Anbindung an Ticketsystem, ERP und Teams beschreibt KI-Integration: Deployment und Integration; was der Einsatz im Maschinen- und Anlagenbau konkret verändert, steht unter KI im Maschinenbau.