💡 Zusammenfassung

In diesem Video erläutern Brian Gebers von Wöhler Technik und Daniel Brokmeier von Ailio ihre Zusammenarbeit bei der Implementierung von Data-Science-Methoden zur Optimierung des Services in einem Unternehmen der Mess- und Prüftechnik. Sie stellen zwei zentrale Anwendungsfälle vor: eine geführte Reparatur und einen KI-generierten Kostenvoranschlag. Herausforderungen und Erfolge werden detailliert beschrieben, einschließlich der technischen Umsetzung, der Einbindung der Mitarbeiter und der gewonnenen Erkenntnisse aus den Datenanalysen. Besonders betont wird die Bedeutung der Akzeptanz und des Vertrauens der Mitarbeiter in die neuen Systeme.

⬆️ Highlights
🤖 Geführte Reparatur: Einführung einer Software zur Unterstützung von Technikern bei der Fehlersuche und Reparatur durch Nutzung von Machine Learning.
💡 Automatisierter Kostenvoranschlag: Entwicklung eines Systems, das Kostenvoranschläge in weniger als 15 Minuten mit hoher Genauigkeit berechnet.
🔧 Wissenstransfer: Verbesserung des Wissenstransfers innerhalb des Unternehmens durch strukturierte Datenanalysen und benutzerfreundliche Oberflächen.
🌍 Skalierbarkeit: Umstellung von monolithischen Systemen auf eine skalierbare Webanwendung, die weltweit ausgerollt werden kann.

Kapitelübersicht
00:00:00 – Einleitung und Vorstellung
Brian Gebers und Daniel Brogmeier stellen sich vor und geben einen Überblick über ihre Unternehmen und das geplante Webinar.
00:01:35 – Ziel des Webinars
Erklärung des Themas: Einsatz von Data Science zur Optimierung von Serviceprozessen in produzierenden Unternehmen.
00:02:43 – Überblick über die Unternehmen
Vorstellung von Wöhler Technik und Alio, ihrer Tätigkeitsfelder und Schwerpunkte.
00:04:18 – Einblick in Wöhler Technik und deren Kunden
Beschreibung der typischen Kunden und Produkte von Wöhler Technik, sowie die Herausforderungen in der Serviceabwicklung.
00:05:35 – Use Case 1: Geführte Reparatur
Detaillierte Erklärung, wie Machine Learning zur Unterstützung von Technikern bei der Reparatur komplexer Geräte eingesetzt wird.
00:07:34 – Technologie und Datenanalyse
Einsatz von Microservices und Datenanalyse zur Erstellung einer flexiblen und skalierbaren Webanwendung.
00:11:42 – Metriken und Modellgenauigkeit
Darstellung der Metriken, die zur Bewertung der Genauigkeit der Machine-Learning-Modelle verwendet werden.
00:13:19 – Use Case 2: Automatisierter Kostenvoranschlag
Entwicklung eines Systems zur schnellen und präzisen Erstellung von Kostenvoranschlägen, das Arbeitszeit spart und Prozesse optimiert.
00:23:26 – Projektmanagement und Zusammenarbeit
Beschreibung des agilen Projektmanagements (Scrum), das zur erfolgreichen Umsetzung der Softwareentwicklung beigetragen hat.
00:28:28 – Lessons Learned und Zukunftsperspektiven
Erkenntnisse aus dem Projekt und mögliche Erweiterungen der Anwendung auf andere Unternehmensbereiche.