Künstliche Intelligenz erleichtert Fehlerbehebung

Wissenschaftler vom Fraunhofer IPA und der ESB Business School Reutlingen haben gemeinsam mit der AX Semantics GmbH eine selbstlernende Software zum Störungsmanagement entwickelt. Sie spielt detaillierte Anleitungen aus, sobald eine Maschine einen Fehler meldet, und verkürzt so kostspielige Ausfallzeiten.

Fehlermeldungen von Maschinen sind mitunter sehr knapp formuliert. Im Extremfall beschränken sie sich auf die Fehlernummer. Und dann geht der Ärger erst richtig los: Wo ist nochmal die Betriebsanleitung abgelegt, in der steht, was die Fehlernummer bedeutet? Oder lieber gleich die Kundenbetreuung anrufen und wertvolle Zeit in der Warteschleife verlieren? Oder gar einen externen Dienstleister rufen, der so kurzfristig natürlich nicht vorbeischauen kann und dann auch noch eine saftige Rechnung schickt?

Um Ausfallzeiten möglichst kurz zu halten und die Kommunikation zwischen Mensch und Maschine zu verbessern, hat die AX Semantics GmbH zusammen mit Experten vom Fraunhofer IPA und der ESB Business School Reutlingen eine Software entwickelt, die dank selbstlernender Algorithmen ausführliche und verständlich formulierte Fehlermeldungen erstellt. »Sie zeigt dem zuständigen Mitarbeiter auf seinem Smartphone oder Tablet an, welches Problem aufgetreten ist, wie er es beheben kann, welches Werkzeug er dazu braucht und was den Fehler vermutlich ausgelöst hat«, sagt Professor Daniel Palm. Der Ingenieur leitet das Reutlinger Zentrum Industrie 4.0, das die beiden Stuttgarter Fraunhofer-Institute IPA und IAO zusammen mit der ESB Business School betreiben.

Algorithmen erzeugen ausführliche Anleitungen
Allerdings: Selbstlernende Algorithmen brauchen Daten, aus denen sie ihre Schlüsse ziehen können. Bekommen sie diese nicht, ist ihr Nutzen begrenzt. »Ohne Daten zeigt die Software nur an, was zu der jeweiligen Fehlernummer im Datenblatt steht. Alles andere muss der Maschinenbediener selber wissen«, erklärt Professor Palm. Erspart bleiben einem also zunächst nur der Gang zum Aktenschrank und die Suche nach der Betriebsanleitung.

Wenn sich der Werker aber nach jedem Fehler, den er behoben hat, ein paar Minuten Zeit nimmt und der Software über ein Online-Formular mitteilt, welche Ursache der Fehler hatte und was genau er mit welchem Werkzeug getan hat, erzeugt die Software daraus ausführliche Handlungsanweisungen in verständlicher Sprache. Beim nächsten Ausfall macht die Software dann konkrete Vorschläge, wie sich der Fehler beheben lässt. Der Anruf beim Kundenservice oder beim externen Techniker fällt also möglicherweise weg.

Je mehr Daten, desto detaillierter die Handlungsanweisungen
Je mehr Fehlerchroniken eingepflegt sind, desto detaillierter und genauer sind die Anleitungen, die die Software ausspielt. Denn die selbstlernenden Algorithmen kombinieren die Daten verschiedener Fehlerchroniken miteinander. So kann die Software mit der Zeit sogar bei Fehlern, die bisher noch nie aufgetreten sind, entscheidende Hinweise geben, um Maschinen schneller und kostengünstiger in Betrieb zu setzen.

Genau wie jede Maschine so programmiert werden kann, dass sie ihre Aufgabe passgenau ausführt, so liefert auch der Textgenerator von AX Semantics individuell auf den Nutzer zugeschnittene Anleitungen – auf Wunsch in 110 Sprachen und angepasst an die Kenntnisse des Nutzers. »Der nächste Schritt ist der Einsatz im industriellen Maßstab. Hierfür sprechen wir gerade mit interessierten Unternehmen für Pilotanwendungen«, sagt Professor Palm.