Von der Kennzahl zur Erkenntnis: Conversational AI als Ergänzung zu Dashboards

Dashboards und Berichte sind in vielen Fertigungsbetrieben die gemeinsame Grundlage für Shopfloor Management und kontinuierliche Verbesserung. Alle arbeiten mit denselben Kennzahldefinitionen. Anlagen, Schichten und Standorte lassen sich vergleichen, und man sieht, ob eine Maßnahme über die Zeit wirkt. In der Praxis steckt die eigentliche Antwort aber oft hinter einer Rückfrage, für die kein Bericht vorbereitet ist.

Dieser Artikel beschreibt, wie Conversational AI diese Lücke schließt. Gemeint ist die Auswertung von Daten im Dialog und in natürlicher Sprache. Wir zeigen, welche Fragen sich damit beantworten lassen und was unsere Kunden damit erleben.

Grenzen standardisierter Dashboards im Produktionsalltag

Ein Dashboard zeigt, was bei seiner Einrichtung festgelegt wurde. Das sind zum Beispiel die OEE (Overall Equipment Effectiveness, Gesamtanlageneffektivität) und ihre Faktoren, Gutmenge, Ausschuss und Stillstände pro Schicht. Für den laufenden Überblick und das Andon Board in der Produktion passt das genau.

Schwieriger wird es bei Fragen, die sich erst aus der Situation ergeben. Ein Beispiel ist die OEE der jeweils letzten Stunde vor jeder Schichtübergabe, ein anderes die Kosten eines bestimmten Verlustgrunds im laufenden Monat. Für solche Fragen gibt es meist keinen fertigen Bericht. Wer die Antwort braucht, baut sich selbst eine Auswertung. Oder die Frage endet im Meeting mit „Ich schaue nach und melde mich“.

Conversational AI als Ergänzung zur bestehenden Datenbasis

Conversational AI baut auf dieser Datenbasis auf und ersetzt sie nicht. In oee.ai heißt der KI-Assistent Saru. Saru ist als Chat direkt im oee.ai-Frontend verfügbar und als App „oee.ai“ im App Store und bei Google Play. Gegenüber einem Dashboard ändert sich die Nutzung in fünf Punkten:

• Fragen in natürlicher Sprache: Für eine Auswertung braucht es keine Vorkenntnisse.
• Antworten im Dialog: Der Zusammenhang baut sich im Chat auf. Rückfragen beziehen sich auf die vorherige Antwort.
• KI als Sparringspartner: Saru ordnet die Zahlen ein und schlägt Lösungswege vor, die das Team dann gemeinsam bespricht.
• Weitere Parameter: Deckungsbeiträge oder Stundensätze lassen sich direkt in die Frage einbeziehen.
• Ad-hoc-Antworten: Ergebnisse liegen in Sekunden vor, nicht erst in einer nachträglichen Auswertung.

Anwendungsbeispiele aus dem Produktionsalltag

Vorbereitung des Shopfloor-Meetings.

Die Frage lautet: „Ich habe gleich mein Shopfloor-Meeting für den Abfüllbereich. Welche Themen sollte ich heute priorisiert ansprechen?“ Saru fasst die Kennzahlen des Tages zusammen und nennt pro Anlage die Punkte, die im Meeting geklärt werden sollten. Im Beispiel stand eine Anlage allein in der Frühschicht 250 Minuten still, insgesamt 311 Minuten am Tag. Für keinen ihrer Verluste ist ein Verlustgrund erfasst.

Eine Vermutung prüfen und in Euro bewerten.

Gab es diesen Monat große Verluste durch Qualitätsmängel der Verpackung? Saru findet drei Ereignisse mit zusammen 641 Minuten und rechnerisch 53.900 Stück verlorener Ausbringung. Das ist der größte einzelne Verfügbarkeitsverlust der Anlage. Mit einem durchschnittlichen Deckungsbeitrag von 1,80 Euro pro Stück in der Folgefrage macht Saru daraus eine Management-Übersicht: 97.020 Euro.

‍

Stammdaten überprüfen.

Saru vergleicht für einen Monat die hinterlegte Vorgabegeschwindigkeit mit der tatsächlich gefahrenen, je Produkt und Maschine. Bei einem Produkt, das in Kilogramm geführt wird, ist die Abweichung so groß, dass Saru empfiehlt, die Einheit und den Umrechnungsfaktor zu prüfen.

‍

Maßnahmen ableiten.

Beim 500-g-Glas laufen 639 Minuten auf den Verlustgrund „Schulung“. Saru unterscheidet dazu zwei Fälle. Wurde tatsächlich geschult, sollten Schulungen außerhalb produktionskritischer Zeiten stattfinden und einen klaren Ziel-Durchsatz haben. Wurde nicht geschult, muss die Erfassung korrigiert werden.

‍

Saru und MCP-Server im Vergleich

Bei Saru bringen wir die KI mit. Das Modell stellt oee.ai und aktualisiert es laufend, und nach der Freischaltung im Benutzerprofil ist Saru sofort nutzbar. Neben Saru bieten wir einen MCP-Server an (Model Context Protocol). Beim MCP-Server bindest du oee.ai einmalig über mcp.oee.ai an deine eigene KI-Umgebung an und wählst das Modell selbst. Die KI kann dann zusätzlich auf alles zugreifen, was in deiner Infrastruktur angebunden ist, etwa weitere Systeme oder Dateien. Auch hier sieht sie nur die Daten, für die der Nutzer freigeschaltet ist.

Falls du Saru für dein Team freischalten oder den MCP-Server anbinden möchtest, sprich uns gerne persönlich an.