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:

Autoneum CZ verfolgt das Ziel, alle Logistikprozesse zu digitalisieren. Auf dem Weg dorthin wurde im Jahr 2019 die Produktionsplanung digitalisiert. Die hohen Anforderungen erfüllt das Advanced Planning and Scheduling-System von Asprova.‣ weiterlesen

Das Ludwigshafener Softwarehaus Fasihi hat ein digitales Assistenzsystem ins Programm genommen. Es unterstützt Mitarbeiter in der Produktion durch die Anzeige von Dokumenten wie Handbücher, Anleitungen, Betriebs- und Verfahrensanweisungen oder auch Informationen aus Modulen wie einer Gefahrstoffdatenbank.‣ weiterlesen

Die FOG Software Group will mit der Übernahme von Facton ihr Portfolio an Softwarelösungen für die intelligente Fertigung ausbauen.‣ weiterlesen

Eplan startet mit der Gründung eines neuen Partnernetzwerks in das neue Jahr. Durch den Austausch der Partner soll unter anderem die Integration unterschiedlicher Systeme vereinfacht werden.‣ weiterlesen

Am Unternehmenshauptsitz von Dyer Engineering laufen bis zu 1.000 Aufträge gleichzeitig ab, bis zu 5.000 Komponenten sind dafür im Umlauf. Wer da auf technische Unterstützung verzichtet, verliert schnell den Überblick und riskiert Stillstände und Zusatzaufwand. Gelöst hat die Firma dieses Problem mit einer Asset-Tracking-Lösung auf Bluetooth-Basis.‣ weiterlesen

Mit der Übernahme des US-Unternehmens Diversified Automation will Leadec seine Präsenz in Nordamerika stärken.‣ weiterlesen

Wer bei der SMS Group in Hilchenbach wirklich alle Maschinendaten in die MES-Software integrieren will, muss bis zu 30 Jahre alte Steuerungen zum Reden bringen. Wie das geht, wussten die Mitarbeiter des Metallspezialisten zwar. Aus Zeitgründen erhielt jedoch der Dienstleister Schmid Engineering den Auftrag, die 55 Maschinen ans MES anzuschließen.‣ weiterlesen

Campus-Netze sind in Deutschland zur Zeit der vielversprechendste Ansatz, wenn es um den industriellen Einsatz von 5G-Funktechnik geht. Denn erstmals erlaubt die Bundesnetzagentur auch Unternehmen außerhalb der Telekommunikationsbranche, Funkfrequenzen zu buchen. Doch welche Konzepte für den Aufbau eines Campus-Netzes gibt es?‣ weiterlesen

Um den Robotereinsatz bei kleineren und mittleren Unternehmen zu fördern, wurde Ende des vergangenen Jahres der Deutsche Robotik Verband gegründet.‣ weiterlesen

Auf 2021 blicken die Entscheider in der Branche mit einer Mischung aus Zurückhaltung und leichtem Optimismus. Dies geht aus dem aktuellen Maschinenbau-Barometer von PwC hervor.‣ weiterlesen

Die SmartFaxtory KL arbeitet an der Realisierung an einem Shared Production-Ansatz und bildet so die Grundlage für das europäische Infrastrukturprojekt GAIA-X.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige