KI-basierte Wartungsvorhersagen minimieren Ausfälle, indem sie präzise Wartungsbedarfe prognostiziert. Dies reduziert die Stillstandzeiten und spart Wartungskosten, indem nur gezielte Maßnahmen ergriffen werden.
Im Rahmen seiner übergeordneten Digitalstrategie verfolgte ein Automobilhersteller das Ziel, Maschinenstillstände zu reduzieren, Wartungsprozesse effizienter zu gestalten und bestehende Potenziale in der Instandhaltung durch den gezielten Einsatz von KI zu heben. Der Status quo war jedoch geprägt von einer Vielzahl verteilter Datenquellen, schwer zugänglichem Wissen in Handbüchern und SAP-Logs sowie manuellen Suchprozessen bei technischen Fehlern.
Dadurch verlängerten sich die Wartungszeiten unnötig, die Fehleranalyse war von Einzelwissen abhängig und neue Mitarbeitende benötigten lange Einarbeitungsphasen. Die Vision war daher klar: ein digitaler Wartungsplan, der durch die intelligente Verknüpfung bestehender Informationen Wartungsprozesse beschleunigt, strukturiert und verlässlich macht und der allen Mitarbeitenden unabhängig von ihrem Erfahrungsstand oder Standort zugänglich ist.
Im Rahmen mehrerer Ideation-Sprints im ada Future Lab (LINK) entstand die folgende Lösung: ein KI-gestützter Wartungsassistent. Dieser unterstützt Wartungsmitarbeitende bei der schnellen und kontextabhängigen Informationsbeschaffung. Der sogenannte „Wartungs-Co-Pilot” kann strukturierte und unstrukturierte Daten aus verschiedenen Quellen analysieren, verstehen und als präzise Antwort in natürlicher Sprache ausgeben.
Dabei greift der digitale Wartungsplan auf technische Dokumentationen, Handbücher, historische Wartungsprotokolle sowie SAP-Logs zurück. Das System erkennt Fehlercodes, stellt Zusammenhänge zu früheren Vorfällen her und generiert Wartungsempfehlungen auf Basis bestehender Maßnahmen inklusive Priorisierung und Schritt-für-Schritt-Anleitungen. Dadurch sinkt die Abhängigkeit von individueller Erfahrung, während gleichzeitig die Wartungsqualität standardisiert und skaliert wird.
Technologisch basiert der Co-Pilot auf Azure OpenAI (GPT-4), das für die Verarbeitung natürlicher Sprache genutzt wird. Zur strukturierten Erfassung und Ablage von Daten wurden Azure Blob Storage und maßgeschneiderte Python-Skripte eingesetzt. Die tiefe Integration mit dem SAP-System war entscheidend, um operative Wartungsdaten automatisiert zugänglich zu machen und manuelle Schnittstellen zu vermeiden.
Durch die Anbindung an die bestehenden IT-Strukturen kann der Wartungsplan der Maschinen nahtlos in den Arbeitsalltag der Instandhaltungsteams integriert werden. Die Benutzer müssen keine neue Oberfläche lernen, da der Zugriff direkt aus den gewohnten Systemen erfolgt. Das reduziert den Schulungsaufwand und erhöht die Akzeptanz signifikant.
Der Nutzen verteilt sich auf mehrere Ebenen:
Der Co-Pilot trägt außerdem zur Wissenssicherung im Unternehmen bei, indem er Erfahrungswerte systematisch dokumentiert und wiederverwendbar macht – unabhängig vom individuellen Know-how einzelner Mitarbeitender.
Die Einführung des digitalen Wartungsplans zeigte schnell messbare Ergebnisse: Maschinenstillstände konnten deutlich reduziert werden, da potenzielle Fehler schneller erkannt und behoben wurden. Die durchschnittliche Bearbeitungszeit pro Wartungsvorgang sank spürbar, während die Ausführungsqualität durch standardisierte Handlungsanweisungen stieg. Auch neue Mitarbeitende konnten erheblich schneller eingearbeitet werden, da sie auf dieselbe strukturierte Wissensbasis zugreifen wie erfahrene Kollegen.
Insgesamt führte der digitale Wartungsplan somit zu einer gesteigerten Produktivität der gesamten Instandhaltungsorganisation bei gleichzeitiger Entlastung der Fachkräfte.
Auf Basis des erfolgreichen MVP plant das Unternehmen nun die Skalierung der Lösung:
Das Ziel ist klar: Der digitale Wartungsplan soll als Standardwerkzeug für die moderne Instandhaltung etabliert werden – intelligent, skalierbar, nutzerzentriert und mit direktem Beitrag zur Reduktion von Maschinenstillständen.
