Künstliche Intelligenz verkürzt Reaktionszeiten für Wartungseinsätze um bis zu 90 %

News /

Wie lassen sich Maschinenstillstände vermeiden, bevor sie teuer werden? Im Forschungsprojekt VIP4PAPS haben das Fraunhofer IEM und die Hochschule Bielefeld eine KI-gestützte Prescriptive-Analytics-Plattform entwickelt, die produzierende Unternehmen dabei unterstützt, Störungen frühzeitig zu erkennen und unmittelbar geeignete Maßnahmen abzuleiten. Ein integrierter Chatbot liefert konkrete Handlungsempfehlungen für Mitarbeitende direkt im Produktionsumfeld.

© Fraunhofer IEM
Mit Prescriptive Analytics zum schnelleren Service in der Produktion: das Projektteam von Fraunhofer IEM und Hochschule Bielefeld hat eine Chatbot-basierte Lösung entwickelt.
Bis zu 90 % verkürzte Reaktionszeiten im Service der Produktion – das ist das Ergebnis des Forschungsprojekts VIP4PAPS.

Maschinenausfälle verursachen hohe Kosten und gefährden die Lieferfähigkeit. Während viele datenbasierte Ansätze Abweichungen lediglich erkennen oder prognostizieren, geht VIP4PAPS einen entscheidenden Schritt weiter: Das System übersetzt Analyseergebnisse automatisch in handlungsorientierte Maßnahmen – etwa zur Anpassung von Wartungsintervallen, Produktionsparametern oder Materialflüssen. Besonders kleine und mittlere Unternehmen (KMU) profitieren von dieser Entscheidungsunterstützung, da sie unter hohem Effizienzdruck stehen und häufig nur begrenzte Ressourcen für datengetriebene Analysen besitzen.

Deutlich schnellere Reaktion im Produktionsumfeld

In Praxistests konnte die Zeit zur Informationsbeschaffung und Entscheidungsfindung um bis zu 90 Prozent reduziert werden. Gleichzeitig zeigte sich eine hohe Nutzerakzeptanz sowie ein deutliches wirtschaftliches Potenzial für den industriellen Einsatz. Die Ergebnisse bestätigen: Prescriptive Analytics ist ein wirksamer Hebel, um Produktionsprozesse stabiler, effizienter und resilienter zu gestalten.

Die technologische Basis: Prescriptive Analytics 

VIP4PAPS baut auf bestehenden Forschungsarbeiten aus den Bereichen Industrial IoT und datenbasierte Produktionsanalyse auf. Im Zentrum stehen Verfahren der präskriptiven Analytik, um mögliche Handlungsoptionen zu bewerten und automatisch geeignete Reaktionsstrategien vorzuschlagen. Statt nur Abweichungen zu erkennen, leitet die Plattform konkrete Maßnahmen für den Produktionsbetrieb ab.

Chatbot als Schnittstelle zur Handlung

Ein zentrales Element bei der Handlungsempfehlung ist der Chatbot, der Mitarbeitende direkt im Produktionsprozess unterstützt. Er empfiehlt etwa, Ersatzteile zu bestellen, Maschinen zu drosseln oder den Produktionsplan anzupassen. So lassen sich Reparaturen in geeignete Zeitfenster legen und Stillstände vermeiden.

Damit der Chatbot sinnvoll antworten kann, wird er mit technischen Dokumentationen und anderen unternehmensrelevanten Daten gefüttert. Darüber hinaus wird Erfahrungswissen aufbereitet und mithilfe großer Sprachmodelle verknüpft. So kann sowohl explizites Wissen digital genutzt als auch implizites Wissen, also das Erfahrungswissen von Fachkräften, anderen Mitarbeitenden weitergegeben werden.
Mit der Lösung adressiert das Projektteam Bedarfe von KMUs, bei denen das Wissensmanagement oft unzureichend ist und die wegen geringer KI-Kenntnisse auf eine benutzerfreundliche Bedienung der Plattform angewiesen sind.

Industrielle Validierung der Plattform

Im Rahmen der Validierungsförderung wurde die Plattform in den Bereichen Qualität, Wartung und Prozessoptimierung erprobt. Das Fraunhofer IEM verantwortete die Systematisierung der Anwendungsfälle, die Entwicklung des Rahmenkonzepts sowie die Validierung von Nutzerakzeptanz und Geschäftsmodell. Das Center for Applied Data Science (CfADS) der Hochschule Bielefeld entwickelte die Plattformarchitektur, realisierte die automatisierte Wissensverknüpfung mittels Wissensgraphen und führte die funktionale Validierung anhand industrieller Anwendungsfälle durch. Als nächster Schritt ist eine Ausgründung durch die HSBI geplant. Weitere Informationen finden Sie in der Pressemitteilung des Bundesministeriums für Forschung, Technologie und Raumfahrt.