Wie ein Medizintechnikkonzern seinen technischen Support mit KI-gestützter Wissenssuche beschleunigt hat
Zeit für Lösungsvorschläge, zwei Produktlinien im Produktivbetrieb
durchsuchbare Störfallberichte und Wissensdokumente
in das vorhandene Ticketsystem
Anwendungsfall: Technischer Support, Wissenssuche, Vermeidung von Vor-Ort Einsätzen.
Ziel war es, Mitarbeiter zur KI-Nutzung zu befähigen und den Service zu beschleunigen. Entstanden ist ein KI-Assistent, der zu einer konkreten Gerätestörung eine direkte Antwort auf Basis passender Wissensdokumente und früherer Störfälle liefert. Mitarbeiter können den KI-Assistenten direkt über das vorhandene Ticketsystem nutzen. Sie berichteten von kürzeren Bearbeitungszeiten und weniger vor Ort Einsätzen.
| Umfeld | Medizintechnikkonzern, weltweit installierte Geräte und Komponenten |
|---|---|
| Modelle | Medizinische Geräte, z.B: Messgeräte und Bildgebungsverfahren |
| Nutzer | Mitarbeiter im technischen Support, Remote-Service-Support (Level 2) |
| Wissensbestand | Kuratierte Wissensdokumente plus hunderttausende historische Störfallberichte |
| Betrieb | In der Cloud. Anbieter mit Diensten für Vektordatenbanken, Vektorsuche und Sprachmodelle |
Wenn ein OP-Assistenzgerät beim Kunden defekt ist, geht es um Geschwindigkeit und Präzision. Das Wissen zur Lösung liegt an zwei Stellen, in gepflegten Wissensdokumenten und in hunderttausenden Störfallberichten. Nur selten treten neue Störfälle auf. Beim Kunden lieferte die vorhandene Stichwortsuche zu ungenaue Treffer und die Mitarbeiter durchsuchten mehrere Systeme parallel. Jeder Fall, der aus der Ferne nicht gelöst wird, führt zu Technikereinsätzen vor Ort.
Wir konnten die Suche nach relevantem Kontext mit einer Kombination aus semantischer und keywordbasierter Suche und vorgeschalteten harten Filtern auf Modellbezeichnung, Seriennummer und Fehlercode lösen. Die Trefferkandidaten werden vor der Antwort des KI-Modells nochmal nach Relevanz sortiert. Antworten werden ausschließlich aus extrahierten Passagen erzeugt und mit verlinkten Quellen belegt, um Halluzinationen zu minimieren. Die Nutzer können die Antworten bewerten und es gibt ein Freitextfeld für Feedback, sodass der Assistent laufend verbessert werden kann. Das Tool wurde in das vorhandene Ticketsystem integriert, sodass die Mitarbeiter nicht hin- und her wechseln müssen.
Der aufwendigste Teil: Ein großer Teil der Arbeit lag in der Datenqualität. Viele historische Störfallberichte waren dünn dokumentiert, etwa mit "Gerät funktioniert nicht" als Ursache oder Lösung. Parallel zur Technik haben wir deshalb an der Gerätedokumentation gearbeitet: Die Qualität der heutigen Einträge bestimmt die Lösungsvorschläge von morgen.
| Vorher | Nachher | |
|---|---|---|
| Suche | Stichwortabgleich, ungenaue Treffer | Semantische Suche mit Filtern |
| Kontext | Getrennte Systeme, paralleles Suchen | Ein Ergebnis aus allen Quellen |
| Ausgabe | Trefferliste | Direkte Antwort mit verlinkten Belegen |
| Wirkung | Langwierige Suche und hohe Quote an Vor-Ort Service | Kürzere Bearbeitung, seltener ein Techniker vor Ort* |
* Grundlage: Sternebewertungen im Werkzeug und Einschätzungen der Mitarbeiter.
Der Rollout begann mit einem Teil des Geräteportfolios. Zukünftig wird die Aufbereitung der Störfallberichte vor dem Rollout auf weitere Geräte der aufwendigste Teil des Projekts werden.
Die naheliegendste Kennzahl wäre die Ticketschließzeit gewesen. Sie war allerdings verzerrt, weil Vorgänge aus organisatorischen Gründen oft lange offen bleiben. Eine Messung auf Ebene einzelner Mitarbeiter kam wegen der Nähe zur Leistungskontrolle nicht in Frage. Belastbar blieben die Sternebewertungen und das Feedback der Mitarbeiter, das im Schnitt von etwa halbierter Bearbeitungszeit und seltener einem Techniker vor Ort berichtete.
Aus heutiger Sicht hätte das Messkonzept samt Datenschutz schon in den ersten Projektwochen geklärt werden sollen.
Projektleitung eines Teams mit 4 Entwicklern. Ich habe das Projekt gesteuert, die Sucharchitektur verantwortet, das KI-System laufend weiterentwickelt und die Abstimmung mit Serviceteam und Fachbereichen geführt.
- Technischer Support für komplexe technische Geräte remote oder im Feld. Voraussetzung: Wissensfundus wie Gerätedokumentation oder frühere Anfragen
- Interne Wissenssuche: Verteiltes Wissen aus SharePoint oder Confluence an einer Stelle auffindbar
- Mehrsprachiger Service für das Ausland: Dieselbe Wissensbasis in allen Absatzmärkten
- Vorbereitung des Vor-Ort Service: Wahrscheinlichste Ursache und passende Ersatzteile vor der Anfahrt
- Angebotswesen und technische Vertriebsanfragen: Schnellere, konsistente Antworten aus Produktdaten und früheren Angeboten