Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Field Service Management:

Zwischen Regelwerk und Selbstlernen

Nach einer Studie von Gartner soll bis 2022 der Geschäftswert von KI auf 2,85 Billionen Euro steigen. Der Löwenanteil davon wird voraussichtlich auf den Bereich der Kundenerfahrung entfallen, für das schon ausgereifte Tools am Markt existieren. Dieser Überblick zeigt, wie es heute um KI im Field Service Management steht und wohin die Reise geht.

 (Bild: SAP SE)

(Bild: SAP SE)

Regelbasierte Systeme bilden einen der einfachsten Typen im KI-Segment. Allerdings weist ihre Charakteristik eine Reihe von Nachteilen auf. Beispielsweise stehen Programmierer vor der Notwendigkeit, aufwendige Regeln und Schwellenwerte zu definieren. Als besonders schwierig erweist es sich, wenn sich Daten innerhalb kürzester Zeit ändern. Der Grund: Diese Art von Systemen kann lediglich solche Fehler finden, die bereits bekannt sind – sie sind nicht dafür ausgelegt, unbekannte Anomalien aufzudecken. Grundsätzlich liefern regelbasierte Systeme, die auch als Expertensysteme bezeichnet werden, eine ausreichende Operationsbasis für die Verwaltung und Analyse selbst bei größeren Datensätzen. Das gilt jedoch nicht für komplexe Daten wie Bilder oder Videos. Hier gilt es dafür zu sorgen, dass die Datenpunkte auf eine Menge verringert werden, die sich effektiv verarbeiten lässt – mit dem Nebeneffekt, dass dann allerdings nicht mehr der ganze Bestand abgebildet wird.

Basis für selbstständiges Handeln

Sobald die Komplexität jener Abläufe in Produktion und Field Service zunimmt, in denen regelbasierte Ansätze zum Einsatz kommen, geraten diese aufgrund ihres Funktionsprinzips schnell an ihre Grenzen. Einen Gegenentwurf bilden KI-Ansätze, die auf maschinellem Lernen basieren. Hierbei wird ein System anhand großer Datenmengen trainiert: es erzeugt selbst die Regeln und ein Modell zum Klassifizieren der Trainingsdaten. Die Interpretation der zu bewertenden Daten erfolgt in Echtzeit. Eine weitere Besonderheit ist, dass diese Form von künstlicher Intelligenz in der Lage ist, Aktionen selbstständig auszulösen. Anhand ‚gesunder‘ Datenströme lernt sie Prozesse kennen und erkennt dann auch Anomalien, die gar keine definierten Schwellenwerte verletzen.

Voicebots und Chatbots

Beispiele für konkrete Anwendungsfälle, in denen beide KI-Ansätze – der regelbasierte und der lernende – beim Field Service Management zum Einsatz kommen, sind Voicebots und Chatbots. In einem regelbasierten System werden im Vorfeld Fragen und entsprechende Antwortmöglichkeiten definiert. Bei sämtlichen Fragen, die hierbei nicht berücksichtigt wurden, kann der Chatbot nicht behilflich sein. Regelbasierte Voicebots und Chatbots sind also für begrenzte Anwendungsbereiche nutzbar, solange sich die erforderlichen Daten nicht regelmäßig ändern. Einen flexibleren Einsatzbereich weisen KI-basierte Lösungen auf, die in der Lage sind, selbstständig zu lernen. Sie werden mit Datensätzen trainiert, erkennen Gesetzmäßigkeiten und leiten daraus weitere Antworten ab. Außerdem führt jede neue Spracheingabe dazu, dass diese weitertrainiert wird. Je nach Einsatzbereich sorgen Chatbots, denen eine regelbasierte oder eine lernende KI zugrunde liegt, für Entlastung im Service-Sektor. Sie erteilen einfache Auskünfte über Chatfenster und stellen Anwendern bei Bedarf technische Datenblätter oder Gebrauchsanweisungen bereit.


Das könnte Sie auch interessieren:

Der Maschinen- und Anlagenbau sowie die Gebäudeautomation zeichnen sich durch anspruchsvolle elektrische Komponenten und einen hohen Vernetzungsgrad aus. Zudem rücken Planung und Konstruktion immer näher an die Fertigung heran. Engineering-und ERP-Systeme miteinander zu verbinden, ist zur Königsdisziplin geworden.‣ weiterlesen

Bei einem weltweit breit gestreuten Ransomware-Angriff wurden laut Medienberichten tausende ESXi-Server, die u.a. zur Virtualisierung von IT-Fachverfahren genutzt werden, verschlüsselt. Wie das BSI mitteilt, sind auch Systeme in Deutschland betroffen.‣ weiterlesen

Mit Extended Warehouse Management und Transportation Management bietet SAP neue Tools für die Logistik an. Doch wann lohnt sich ein Wechsel und welche Vorteile bieten EWM und TM im Vergleich zu ihren Vorgängern?‣ weiterlesen

Durch flexible Produktionssysteme Unsicherheit und Volatilität entgegnen. Dazu müssen starre Verbünde gelöst und auch die Produktions- und Fertigungsplanung flexibilisiert werden. Digitale Zwillinge können helfen, die Produktion in Losgröße 1 zu ermöglichen und dabei Abweichungen im Materialfluss zu kompensieren.‣ weiterlesen

Im Anlagenbau ist das Zusammenspiel von Engineering und Fertigung alles andere als trivial. Es gilt, fertigungsrelevante Daten projektbezogen in die jeweiligen Prozesse an Maschinen zu übermitteln, oft mit erheblichem Aufwand und manchen Schnittstellenhürden. Helfen kann das RiPanel Processing Center von Rittal, ein neues Jobmanagement-Tool zur zentralen Arbeitsvorbereitung.‣ weiterlesen

Das französische Luftfahrt-Startup Blue Spirit Aero entwickelt ihr Leichtflugzeug Dragonfly mit den Werkzeugen der 3DExperience-Plattform von Dassault Systèmes. Neben der Leistungsfähigkeit der Anwendungen hat das den Effekt, dass sich Meilensteine des Startups etwa Investoren gegenüber glaubwürdig darstellen lassen.‣ weiterlesen

Im Forschungsprojekt ’Fluently’ wollen die Beteiligten das Teamwork von Mensch und Maschine optimieren. So sollen zwischen beiden echte soziale Interaktionen ermöglicht werden.‣ weiterlesen

Selbst gut ausgeprägte ERP-Systemlandschaften weisen meist Lücken auf, in denen Prozesse ohne digitales Abbild ablaufen. Individuell erstellte mobile Anwendungen können solche Lücken schließen - und so manch andere Schwachstelle in der ERP-Landschaft ausbügeln.‣ weiterlesen