Digitalisierung der Fahrzeughersteller und Zulieferindustrie. Verbundname: Realistischer Planen mithilfe künstlicher Intelligenz - Akronym: REPLAKI; Teilvorhaben: Root Cause Analysis - KI-gestützte Ursachen-Wirkungsanalyse inklusive Implementierung eines Demonstrators

Abstract

Im Projekt REPLAKI wurde ein KI-gestützter Ansatz zur Unterstützung der Ursachenanalyse in industriellen Fertigungs- und Serviceprozessen entwickelt. Ausgangspunkt war die Herausforderung, dass Störungs- und Fehlerursachen häufig ausschließlich anhand unstrukturierter Freitext-Einträge analysiert werden. Dies führt zu einem hohen manuellen Aufwand, einer starken Abhängigkeit von individuellem Erfahrungswissen und verlängerten Stillstandszeiten. Bestehende regelbasierte Expertensysteme können zudem nur bekannte und eindeutig formulierte Fehlerbilder zuverlässig verarbeiten. Ziel des Vorhabens war die Entwicklung eines intelligenten Systems, das historische Fehlermeldungen sowie zugehörige Ursachen- und Lösungsinformationen semantisch auswertet und vergleichbare Fälle automatisiert identifiziert. Dadurch sollen Service- und Wartungspersonal bei der schnellen Eingrenzung wahrscheinlicher Fehlerursachen sowie bei der Auswahl bewährter Lösungsansätze unterstützt werden. Gleichzeitig wurde ein übertragbarer Ansatz angestrebt, der mit geringem Anpassungsaufwand auch in anderen Produktions- und Serviceumgebungen eingesetzt werden kann. Als wesentliche Innovation wurde ein promptbasiertes Large Language Model eingesetzt, um unstrukturierte Freitexteinträge automatisiert in strukturierte Fehler- und Notizinformationen zu überführen. Darauf aufbauend kamen mehrsprachige Embedding-Modelle zur semantischen Repräsentation von Fehlerbeschreibungen zum Einsatz. Durch die Kombination von NLP-Preprocessing, Embedding-Verfahren und Kosinus-Ähnlichkeitssuche entstand eine reproduzierbare, Docker-basierte Anwendung, die historische Fehlerfälle semantisch erschließt und für die Ursachenanalyse nutzbar macht. Damit wurde ein neuartiger Ansatz geschaffen, der die bisher überwiegend regelbasierte Fehlerdiagnose um moderne Verfahren der Künstlichen Intelligenz erweitert.