KI in der vorausschauenden Wartung von Kühlanlagen
| Steckbrief | |
|---|---|
| Firma | Trevisto AG |
| Produkte & Dienstleistungen | Beratung, Analyse und Strategie für IT-Projekte, Beratungsleistungen rund um Energie und Nachhaltigkeit, TGA-Planung, Forschung und Beratung zu Fördermitteln |
| Business Model Canvas | Wertangebote, Kundenbeziehungen, Schlüsselaktivitäten |
| ca. Zahl der Mitarbeiter:innen (weltweit) | 27 |
| Zielgruppe | Entwickler |
| Hauptsitz | Nürnberg |
| Use Cases | Predictive Maintenance |
Ausgangssituation & Herausforderungen
Die Trevisto AG beschäftigt sich bereits seit 2009 mit Datenanalyse und Advanced Analytics und treibt KI mit ihren Möglichkeiten intensiv voran. Zwar besteht noch große Skepsis im Markt bezüglich KI, doch die Trevisto AG hat sich zum Ziel gesetzt, ihren Kunden verstärkt datengetriebene Projekte anbieten zu können. Das Thema KI ist eine Erweiterung dessen, was die Trevisto AG bereits seit ihrer Gründung betreibt, nämlich die Analyse von Daten in den Mittelpunkt zu stellen, um unternehmerische Entscheidungen zu fundieren und zu unterstützen, datengetrieben Prozesse zu optimieren, Geschäftsmodelle zu innovieren und an den Markt zu bringen.
Ziele
Die Zusammenarbeit der Trevisto AG mit der BUILD.ING Consultants + Innovators GmbH ergab sich im Rahmen eines Forschungsvorhabens. Während eines Pilotprojektes zeigt sich der Bedarf von Supermärkten an dem Thema »Vorausschauende Wartung«. In der Praxis bestand bei dem Servicedienstleister für die Fernwartung von Kühlanlagen die Schwierigkeit, bei der großen Menge an Anlagen, die im Fernwartungssystem angezeigt wurden, keine Anlage aus dem Blick zu verlieren und Fehler zuverlässig zu erkennen. Es kristallisierte sich heraus, dass hier durch eine KI-gestützte Muster- und Fehlererkennung Verbesserungspotenziale möglich sind.
Lösung/ Maßnahme/ Projekt
Das Forschungsvorhaben mit dem Anwendungsfall der optimierten Fernwartung von Kühlanlagen fungierte als Pilotprojekt. Durch Maschinelles Lernen sollten Fehler in Datenreihen gefunden werden, und zwar schon einige Tage bevor diese Fehler als Störungen zutage treten würden, welche über lange Zeiträume schleichend entstehen, ohne dass diese den zuständigen Mitarbeitenden auffallen.
Umsetzung
Was wurde benötigt?
Eine neue Erfahrung im gemeinsamen Forschungsvorhaben der Trevisto AG und der BUILD.ING Consultants + Innovators GmbH war das interdisziplinäre Zusammenarbeiten, da beide Unternehmen aus unterschiedlichen Domänen kommen. Hier war eine der Herausforderungen, ein gemeinsames Wording zu finden und ein gemeinsames Hintergrundwissen herzustellen. Da KI in so gut wie allen Lebensbereichen anwendbar ist, ist es unabdingbar sicherzustellen, dass das jeweils nötige Domänenwissen vorhanden ist, um mit den Fachexpert:innen auf Augenhöhe diskutieren zu können und die Anforderungen der Kunden richtig zu verstehen.
Was wurde erreicht?
Es ist gelungen, mithilfe des Maschinellen Lernens Fehler in Datenreihen zu finden, noch bevor eine Störung auftritt. Das Pilotprojekt sollte diese Vorgehensweise beispielhaft anhand der Kühlanlagen erproben und wurde als Mehrwert eingestuft. Aus der KI-Technologie zur vorausschauenden Fehlererkennung identifizierte das Unternehmen noch weitere Möglichkeiten, z. B. eine verbesserte Koordination der Einsätze von Servicepersonal und damit einhergehend die Vermeidung von Anlagenausfällen. Das Geschäftsmodell dafür war noch zu spezifizieren. Es sind z.B. noch Fragen in Bezug auf die Zahlungsbereitschaft und das Preismodell sowie die genaue Zielgruppe offen.
Lessons Learned
Das Forschungsvorhaben zum KI-Einsatz hat das Potenzial von KI aufgezeigt, indem Erkenntnisse auch auf andere Sektoren übertragbar sind. Auch im Hinblick auf den Fachkräftemangel ist es essenziell, Assistenzsysteme zu entwickeln, welche Mitarbeitenden-Ressourcen optimal nutzen wie beispielsweise im Fall von Planungssicherheit.