Trotz aller Technologie basiert die industrielle Fertigung häufig in hohem Maße auf dem Können ihrer Mitarbeitenden. Ihre sensorische Feinfühligkeit, manuelle Präzision und fundierte Entscheidungskompetenz sind in vielen Situationen nach wie vor unerlässlich. Doch genau diese Stärke führt auch zu einer wachsenden Herausforderung: Erfahrungswissen ist oft nicht dokumentiert – und geht zunehmend verloren, wenn erfahrene Fachkräfte das Unternehmen verlassen oder junge Kolleginnen und Kollegen schneller die Stelle wechseln, als sie sich dieses Wissen aneignen können. Wie lässt sich also dieses Knowhow systematisch sichern und allen Mitarbeitenden zugänglich machen, unabhängig von Erfahrung, Standort oder Sprache?
Wissen dokumentieren
Die Antwort liegt in der Kombination aus generativer KI und kollaborativer Wissensnutzung: oee.ai hat eine KI-gestützte Root-Cause-Problemlösungsfunktion entwickelt, die vorhandenes Erfahrungswissen dokumentiert, mehrsprachig verfügbar macht und direkt in die Praxis überführt. Das Ergebnis: schnellere Problembehebungen, geringere Ausfallzeiten und messbare Verbesserungen der Gesamtanlageneffektivität (OEE).
Ein Katalog entsteht
Der Ansatz von oee.ai beginnt bei den Menschen in der Produktion. Tritt ein Anlagenverlust auf, fordert das System die Bedienerinnen und Bediener beim Wiederanlauf auf, die Ursache sowie die gewählte Problemlösung zu dokumentieren – wahlweise per Tastatur oder Spracheingabe, in jeder gewünschten Sprache. Durch diese Eingaben entsteht ein wachsender Katalog aus realer Problemlösungserfahrung. Insbesondere bei komplexeren Problemursachen ist es dabei hilfreich, mehrere Instanzen ähnlicher Vorfälle, auch von unterschiedlichen Mitarbeitern, zu sammeln. Dadurch werden im Erfahrungskatalog verschiedene Sichtweisen abgebildet und er gewinnt kontinuierlich an Tiefe
Präzise Hinweise
Ein nach Verlustarten strukturierter Katalog unterstützt dabei, präzise Hinweise zur Fehlerbehebung einzugeben. Diese Daten werden anschließend von einem generativen KI-Modul verarbeitet. Die KI erstellt daraus klare, sprachlich vereinfachte Handlungsempfehlungen. Dies geschieht etwa anhand von Aufzählungen oder kurzen Sätzen. Die Ausgabe erfolgt dabei unabhängig von der Eingabesprache in einer beliebig ausgewählten Sprache.
Globales Wissensmanagement
Durch die technologische Option der KI-basierten Übersetzung in beliebige Sprachen wird ein globales Wissensmanagement auf dem Shopfloor möglich. Betreibt ein Unternehmen ähnliche oder identische Anlagen in unterschiedlichen Sprachregionen, können die Eingaben für diesen Anlagentyp global konsolidiert werden. Verluste, die ein Mitarbeitender eines Werks in Italien in seiner Muttersprache mit Ursache und Lösung versehen hat, kann der Mitarbeitende in Polen auf Polnisch als Basis für seine Problemlösung nutzen. Fügt er weiteres Wissen um beispielsweise Lösungsoptionen hinzu, können davon wiederum die Beschäftigten in Polen profitieren.
Human-in-the-Loop
Damit die erstellten Inhalte stets praxisrelevant, korrekt und sicher bleiben, setzt oee.ai auf einen Human-in-the-Loop-Ansatz: Schichtleiter, Instandhalter oder erfahrene Bediener prüfen und verfeinern die KI-generierten Anleitungen vor ihrer Freigabe in den Wissenspool. Dabei können Einträge kommentiert, angepasst oder auch überschrieben werden. Wird etwa deutlich, dass ein bestimmter Fehlerfall zwingend die Intervention eines ausgebildeten Elektrikers erfordert, kann dies entsprechend gekennzeichnet werden. So entsteht ein digital gepflegtes, qualitätsgesichertes Wissenssystem, das betrieblichen Standards entspricht und sich weiterentwickeln lässt.
Integration in den Produktionsalltag
Ist die Wissensdatenbank für eine Anlage aktiv, schlägt die KI beim nächsten Auftreten eines bekannten Verlustes automatisch passende Lösungsvorschläge vor. Dies erfolgt direkt auf dem Terminal oder mobilen Endgerät des Bedieners. Diese Funktion lässt sich sowohl mit automatisch erfassten Schadensursachen aus der Anlagensteuerung als auch mit manuellen Eingaben der durch den Bediener oder die Bedienerin eingegrenzten Verlustursache kombinieren.
Interationen in der Entwicklung
Die Interaktion zwischen KI und Mensch durchlief im Rahmen von Entwicklung und Test der Funktion mehrere Iterationen. So wurde beispielsweise ein initiales Chatfenster vom Anlagenpersonal nur verhalten angenommen, so dass die aktuelle Version auf einer textuellen statischen Liste basiert. Auf dieser Liste werden mögliche Ursachen und Lösungen des Produktivitätsverlusts dem Bedienpersonal vorgeschlagen. Wurde die Ursache des Problems zu Beginn eindeutig identifiziert, ist die Liste der Optionen kurz – in der Regel nur eine Aktivität. Häufig ist die Ursache eines Produktivitätsverlustes jedoch in der betrieblichen Praxis nicht präzise eingrenzbar, so dass auch die KI mehrere Lösungsalternativen vorschlägt, die dem Mitarbeitenden dann als Ideenliste zur Verfügung stehen.
Selbst weniger erfahrene Mitarbeitende sind so in der Lage, schnell geeignete Maßnahmen zu ergreifen oder gezielt die Unterstützung der Instandhaltung anzufordern. Das hilft, die mittlere Reparaturzeit (Meantime to Repair, MTTR) zu senken, Verlustzeiten zu reduzieren und trägt zur Verbesserung der Gesamtanlageneffektivität bei. Die Funktionalität deckt sämtliche Haupt-Verlustkategorien – Verfügbarkeit, Leistung und Qualität – ab und bietet damit umfassende Unterstützung für durchgängige Prozessoptimierung.
Messbare Effekte
Die Erfahrung aus bisherigen Implementierungen zeigt: Die MTTR lässt sich durch KI-Unterstützung von oee.ai im Schnitt um 10 Prozent senken. Daraus resultierende Verbesserungen der OEE bewegen sich je nach Ausgangslage und Verluststruktur typischerweise zwischen +2 Prozent und +5 Prozent. Die genaue Wirkung hängt davon ab, wie gezielt sich Ursachen erfassen lassen, wie präzise Gegenmaßnahmen formuliert sind und wie konsequent sie im Betrieb umgesetzt werden. Klar ist jedoch: Der strukturierte Umgang mit Erfahrungswissen, unterstützt durch generative KI, hebt Potenziale, die in der täglichen Praxis bislang oft ungenutzt blieben. Im Store des CtrlX-Ökosystems von Bosch Rexroth steht ein Konnektor zu oee.ai zur einfachen Datenanbindung zur Verfügung.
