Der Maschinen- und Anlagenbau in Deutschland zeichnet sich seit vielen Jahrzehnten durch seine hohe Innovationskraft aus. Unsere Ingenieurskunst wird weltweit geschätzt. Das Label “Made in Germany” steht überall in der Welt für höchste Qualität und Zuverlässigkeit, was international für gute Absatzzahlen sorgt.
Im wachsenden internationalen Wettbewerb ist heute mehr denn je die Innovationskraft der deutschen Traditionsbranche gefordert. Nach vielen Jahren inkrementeller Verbesserungen von Hardware-, Elektronik- und Softwarekomponenten ist die Branche an einem Punkt hochoptimierter Verarbeitungsprozesse angelangt. Das ist gut, bedeutet aber gleichzeitig, dass der Hebel für herausragende Innovationen auf mechanischer Ebene fortlaufend kleiner wird.
Um Kunden dennoch mit neuen Innovationen dauerhaft an sich zu binden und sich von Wettbewerbern mit ähnlich guter Technik und niedrigerem Preis abzugrenzen, wird ein herausragender Service als Differenzierungsmerkmal immer wichtiger. Insbesondere die Anbindung und Auswertung von Maschinendaten kann die Servicequalität entscheidend verbessern.
Maschinen- oder Anlagenbauer nutzen in der Regel eine Kombination aus präventivem und reaktivem Service, d.h. Maschinen werden regelmäßig gewartet und bei einem schwerwiegendem Störfall meldet sich der Kunde beim Service, der die Problemursache identifiziert und bei Bedarf einen Servicetechniker zum Kunden entsendet.
Beim reaktiven Fern-Service schaltet sich der Servicetechniker auf die Maschine und sucht in den Logdateien nach Indizien für die Störungsursache. KI kann die Suche nach der Problemursache beschleunigen, indem sie Sensor- und Steuerungsdaten automatisch auf Unregelmäßigkeiten untersucht und dem Servicetechniker beim Aufschalten zielgenaue Hinweise über auffällige Signalverläufe gibt.
Das Ziel des präventiven Service ist, Probleme zu erkennen und rechtzeitig zu beheben, bevor es zu einem Störfall kommt. Die klassische Wartung nach festen Intervallen orientiert sich an Erfahrungswerten für die Abnutzung einzelner Maschinenkomponenten. Mit KI hingegen ist es möglich, nur dann einzugreifen, wenn es auch notwendig ist. Das kann mit Predictive Maintenance erreicht werden. Hierbei bestimmt die KI anhand von Verschleißvorhersagen das notwendige Zeitintervall für die nächste Wartung. Eine zweite Option ist, dass die KI automatisch Signalverläufe erkennt, die in der Vergangenheit Probleme nach sich gezogen haben, und proaktiv eine Warnung an die Servicetechniker ausspielt. Diese können den Fall analysieren, das Risiko bewerten und ggf. einen Serviceeinsatz mit dem Kunden abstimmen.
Predictive Maintenance ist technisch anspruchsvoller, weil die KI in ihrer Trainingsphase gelabelte Daten über Störfälle aus der Vergangenheit benötigt. Die zweite Option erfordert keine oder zumindest deutlich weniger gelabelten Daten und kann Störfälle ebenfalls effektiv vermeiden. Wichtig ist, dass beide präventiven Ansätze nur dann realisiert werden können, wenn der Maschinenbetreiber dem Zugriff auf die Daten zustimmt. Wenn Betreiber den Transfer der Daten in die Cloud ausschließen, kann es ein Kompromiss sein, den Datenzugriff nur im Bedarfsfall zu erlauben, so wie es bei der Fernwartung bereits üblich ist.
Mit den beschriebenen Anwendungsszenarien können Sie als Maschinen- oder Anlagenbauer Ihren Kunden eine verbesserte Servicequalität bieten. Aus unserer Sicht gibt es drei wesentliche geschäftliche Argumente, Zeit, Geld und Energie in diese Innovation zu investieren:
Die Prioritäten Ihres Unternehmens entscheiden, welches dieser Argumente am ehesten greift.
Der Einsatz von KI im Service bietet für Maschinen- und Anlagenbauer geldwerte Potenziale zur Verbesserung der Servicequalität und des Kundenerlebnisses. KI ist dabei sowohl im reaktiven als auch präventiven Service einsetzbar. Aus geschäftlicher Sicht kann sich die Investition in KI für Sie lohnen, wenn Sie eines der folgenden drei Ziele verfolgen:
Wenn das auf Sie zutrifft und Sie noch nach einer passenden Softwarelösung suchen, sprechen Sie uns gerne auf aiXbrain Dataray an.