Das Forschungsprojekt GenAI4Maintenance hat das Ziel, mit dem Einsatz von generativer künstlicher Intelligenz (KI) dem Fachkräftemangel durch effizientere Prozesse im Industrieservice entgegenzuwirken und damit die Wettbewerbsfähigkeit bzw. Resilienz des eigenen Geschäftsmodells zu erhöhen. Im Speziellen soll dies mit großen Sprachmodellen (engl. Large Language Models (LLM)) erfolgen. Im Kontext von Industrieservices ergeben sich zahlreiche Möglichkeiten, wie LLM eingesetzt werden können. Diese werden im Vorhaben unter den Features Digitaler Assistent und Maintenance.GPT zusammengefasst.

Der Service an einer Maschine oder Anlage beginnt meist mit der Inbetriebnahme. Hier werden Aufträge, häufig vom Vertriebsteam, an das Serviceteam weitergereicht, um nach dem erfolgreichen Verkauf einer Maschine diese zu installieren und in Betrieb zu nehmen. An dieser Stelle fallen bereits zahlreiche Informationen an wie z. B. zum Maschinentyp, Handbücher, garantierte Durchlaufzeiten, notwendige Qualifikationen eines Servicetechnikers bis hin zu den Gegebenheiten vor Ort welche beachtet werden müssen. Nachdem eine Maschine dann mehrere Jahre im Einsatz war, liegen Daten häufig in Form von Serviceberichten oder einer gesamten Maschinenhistorie vor, die Rückschlüsse über die Performance einer Maschine geben oder auch wertvolles Wissen darüber enthalten, wie vergangene Probleme gelöst worden sind. Aktuell wird mit den Datensätzen jedoch kaum bis gar nicht gearbeitet, weshalb hier ein enormes Potential für den Einsatz generativer KI vorliegt – insbesondere da diese Daten häufig in natürlicher Sprache vorliegen.

• Lösen von Kundenanfragen: Der Industrieservice ist geprägt vom Kundenkontakt und -austausch. Häufig kommen am Tage teilweise hunderte Kundenanfragen per Mail rein, welche beantwortet werden müssen. Hier kann mittels generativer KI der Inhalt erkannt und basierend auf Mustern eine Kundenanfrage beispielsweise zu Ersatzteilen schnell gelöst werden. Das Team im Backoffice wird so deutlich entlastet 
• Erstellung von Prüf-, Instandhaltungs- und Wartungsberichten: Nach einem Serviceauftrag werden i.d.R. verschiedene Berichte zu Dokumentationszwecken erstellt. Diese können je nach Auftrag von 20 Minuten bis hin zu mehreren Stunden dauern. Auch hier kann KI eine starke Abhilfe leisten, indem auf bestehenden Auftragsdaten und Maschinenhistorien zurückgegriffen wird. Das Serviceteam hat somit mehr Zeit für die eigentliche Tätigkeit – Maschinen und Anlagen durch Instandhaltung am Laufen zu halten 
• Wissensmanagement: Zur Bearbeitung vieler Tätigkeiten, Kundenanfragen, Störmeldungen etc. bedarf es häufig jahrzehntelanger Erfahrung und damit einen großen Wissensschatz. Dieses Wissen zu explizieren aber auch auffindbar und nutzbar zu gestalten, kann insbesondere jüngere Kolleginnen und Kollegen dabei unterstützen ihre Tätigkeiten besser auszuführen.

• Lehrstuhl für Produktionssysteme (LPS), Ruhr-Universität Bochum
• Lehrstuhl für Industrial Sales and Service Engineering (ISSE), Ruhr-Universität Bochum
• SIMPL Technologies GmbH
• Horstkötter GmbH & Co. KG
• BELFOR DeHaDe GmbH
• Gebr. Becker GmbH

Olcay Özgün
Industriestr. 38c E2/07
Tel: +49 (0)234 32-26307
E-Mail: oezguen@lps.rub.de

Tobias Schmelter
Industriestr. 38c E2/36
Tel: +49 (0)234 32-29284
Email: schmelter@lps.rub.de

Das Projekt „GenAI4Maintenance“ wird im Rahmen des EFRE/JTF-Programms NRW unter dem Förderkennzeichen EFRE-20800937 gefördert und von der Europäischen Union kofinanziert.