
Herausforderung
Muster in den Maschinendaten werden nur anhand einfacher Regeln möglichen Defekten zugeordnet, ohne Ableitung präziser Handlungsempfehlungen für den Service-Mitarbeiter.
Lösung
Entwicklung einer KI-Lösung anhand existierender Maschinen- und Servicedaten.
Mehrwert
Unterstützung der Service-Mitarbeiter durch weiterführende Informationen, wodurch Servicefälle effizienter bearbeitet werden können.
Diebold Nixdorf ist ein führender Anbieter von IT-Lösungen und -Services für Retailbanken und Handelsunternehmen. Das Produktportfolio reicht von Geldautomaten über Software bis hin zu Services. Im Rahmen des KI-Marktplatzes sollen nun im Bereich der Geldautomation KI-Verfahren entwickelt und trainiert werden, und zwar auf Grundlage historischer Maschinendaten sowie Informationen über sogenannte Service-Calls.
Geldautomaten sind hochkomplexe mechatronische Systeme, deren Verhalten durch eine Vielzahl von Aktoren- und Sensordaten überwacht werden. Auf einer Serviceplattform werden diese Daten durch Informationen ergänzt, wodurch sich ein vollständiges Bild über den Automaten bietet. Bisher werden Muster in den Maschinendaten nur durch einfache Regeln auf mögliche Defekte gemappt, ohne differenzierte Reparaturanweisungen an den Servicetechniker zu geben und ohne die Servicehinweise durch Ergebnisse des Technikereinsatzes zu verifizieren. Eine Verwendung von elaborierten KI-Algorithmen findet ebenfalls nicht statt.
Daher erforscht Diebold Nixdorf nun gemeinsam mit dem Fraunhofer IOSB-INA Anwendungsfälle, um eine passende KI-Lösung anhand existierender Maschinen- und Servicedaten zu entwickeln. Ziel ist es, Service-Mitarbeiter des Unternehmens bei Service-Calls mit weiterführenden Informationen bei der Reparatur zu unterstützen. Aktuell werden diese Informationen aus Datentöpfen wie Service Calls, Service Verträgen oder Maschinendaten gewonnen. Das Produktportfolio soll nun durch neue Servicedienstleistungen abgerundet werde.
Diebold Nixdorf strebt mit diesem Projekt bei Technikereinsätzen eine signifikante Reduktion der Bearbeitungszeit von Servicefällen an. So kann beispielsweise eine Lokalisierung von Fehlerursachen im Servicefall ermöglicht werden, bevor der Techniker am Gerät eintrifft. Außerdem kann das Verfahren helfen, eine Reduzierung der Service-Call Rate herbeizuführen. Zusätzlich werden Schnittstellen zur KI-Markplatz Plattform entwickelt, wobei auch die Validität und Aussagekraft der Datenbasis und die Konzipierung von KI-Anwendungen für die Produktenentstehung berücksichtigt wird.