FertigungChief Operating Officer

Ein COO-Weg zu prädiktiven Betrieben

Wartungswissen, das in scheidenden Köpfen gelebt hat, arbeitet jetzt auch in der Nachtschicht.

Das Szenario

Der COO eines deutschen Zulieferers stand vor zwei Kurven, die in die falsche Richtung zeigten: ungeplante Ausfallzeiten stiegen, und ein Viertel seiner erfahrensten Wartungspersonal näherte sich der Rente. Ihr diagnostisches Wissen lebte in Notizbüchern, Erinnerungen und Gewohnheiten – nirgendwo, wo ein neuer Mitarbeiter oder ein System darauf zugreifen konnte.

Die Antwort war ein Wissens-erstes Automatisierungsprogramm. Wartungsberichte, Schichtübergaben und Reparaturhistorien wurden in eine kuratierte Wissensbasis digitalisiert; Agenten erstellen jetzt Schichtzusammenfassungen und Wartungszusammenfassungen aus Maschinendaten und Techniker-Notizen, und eine Lieferantenrisikozusammenfassung konsolidiert Liefer-, Qualitäts- und Nachrichtensignale wöchentlich. Kritischerweise wurden die scheidenden Experten dafür bezahlt, ihr letztes Jahr damit zu verbringen, das System zu unterrichten: Überprüfung von Agenten-Entwürfen, Korrektur von Diagnosen und Aufzeichnung der Begründung für Ermessensentscheidungen. Jede Korrektur wurde zu einer stehenden Anweisung.

Die Ermessensentscheidungen blieben absichtlich menschlich. Agenten empfehlen; Wartungsleiter entscheiden, was eine Linie stoppt. Der COO war von Tag eins an mit dem Betriebsrat explizit darüber, was das System tun und nicht tun würde, was den Widerstand, der ein vorheriges Überwachungsprojekt getötet hatte, entschärfte.

Achtzehn Monate später sind ungeplante Ausfallzeiten um ein Drittel gesunken, Schichtübergaben dauern Minuten, und das Wissen der scheidenden Experten ist ein Vermögenswert, den das Unternehmen besitzt, anstatt eine Abschiedskarte.

Wie KI in den Arbeitsablauf einzieht

Wissensaufzeichnung
Mensch
Scheidende Experten überprüfen und korrigieren Agenten-Entwürfe, aufzeichnen die Begründung für ihre diagnostischen Ermessensentscheidungen.
Datenkonsolidierung
AI
Agenten kombinieren Maschinendaten, Techniker-Notizen und Reparaturhistorien in die operative Wissensbasis.
Schichtzusammenfassungen
AI
Jede Schicht endet mit einer von einem Agenten erstellten Zusammenfassung: Ereignisse, Anomalien, offene Punkte, vorgeschlagene Prioritäten.
Risikozusammenfassungen
AI
Wöchentliche Lieferanten- und Wartungsrisikozusammenfassungen kennzeichnen Lieferverzögerungen, Qualitäts Trends und aufkommende Ausfallmuster.
Wartungsplanung
Mensch + AI
Leiter überprüfen Empfehlungen, passen Prioritäten an und planen Eingriffe; der Agent erstellt die Arbeitsaufträge.
Linienentscheidungen
Mensch
Das Stoppen einer Produktionslinie ist immer eine menschliche Entscheidung, informiert, aber nie getroffen durch das System.
Kontinuierliche Überprüfung
Mensch + AI
Monatliche Sitzungen vergleichen Agenten-Vorschläge mit Ergebnissen und verfeinern die Wissensbasis.

Fragen zu diesem Workflow

ADA, der Stellvertreter der Taskforce, erklärt genau, wie Mensch und KI die Arbeit teilen — fragen Sie alles.

Die Taskforce: Mensch + Agenten

Teamleiter — genehmigt jedes Ergebnis

VAULT

QA & Validation Agent

SAGE

Knowledge Architect

PRISM

Readiness & Assessment Agent

MAESTRO

Delivery & Engagement Manager

ATLAS

Strategy Agent

Agenten schlagen vor und führen aus. Die menschliche Leitung genehmigt immer das Endergebnis.

Ergebnisse

Kennzahl	Vorher	Nachher
Ungeplante Ausfallzeiten	9,2% der Kapazität	6,1% der Kapazität
Schichtübergabzeit	45 Minuten	10 Minuten
Zeit zur Diagnose wiederkehrender Fehler	3,5 Stunden	40 Minuten

Wichtigste Erkenntnisse

Die Aufzeichnung von Expertenwissen ist ein Programm mit einer Frist, nicht eine Hoffnung – Renten setzen den Zeitpunkt.
Das Bezahlen von Experten, um das System zu unterrichten, verwandelte potenzielle Saboteure in Besitzer.
Linienstop-Entscheidungen blieben explizit menschlich, was den Betriebsrat auf seiner Seite hielt.
Die Wissensbasis überlebt das Projekt: Jede zukünftige KI-Initiative baut darauf auf.