Die Digitalisierung der Wartungs- und Serviceprozesse gewinnt unter anderem auch im Bereich der Rauch- und Wärmeabzugsanlagen (RWA) zunehmend an Bedeutung. Technische Dokumentationen, Wartungsprotokolle, Schaltpläne, Herstellerunterlagen und Anlagendaten stehen heute meist digital zur Verfügung – allerdings verteilt auf unterschiedliche Systeme und Datenquellen. Die Folge: Servicetechniker und Planer verbringen oft erhebliche Zeit mit der Suche nach relevanten Informationen.
Vor diesem Hintergrund haben die RWA-BADEN GmbH und die KItelligence GmbH im Rahmen eines vom Land Baden-Württemberg geförderten Projekts die Machbarkeit eines KI-gestützten Wissensassistenten untersucht. Ziel war die Entwicklung einer Lösung, die Informationen aus technischen Dokumentationen und dem Wartungsmanagementsystem RWA-Maintain zusammenführt und über natürliche Sprache zugänglich macht.
In vielen Unternehmen der Sicherheits- und Gebäudetechnik liegen relevante Informationen in unterschiedlichen Formaten vor. Neben Herstellerdokumentationen und Bedienungsanleitungen existieren Wartungsprotokolle, Störungsberichte, Schaltpläne, technische Zeichnungen sowie strukturierte Daten aus Wartungsmanagementsystemen.
Die Machbarkeitsstudie zeigt, dass Mitarbeiter heute häufig mehrere Systeme durchsuchen oder auf Erfahrungswissen einzelner Kollegen zurückgreifen müssen, um Antworten auf technische Fragestellungen zu erhalten. Besonders bei Störungen oder sicherheitsrelevanten Ereignissen kann dies wertvolle Zeit kosten.
Typische Fragen aus dem Arbeitsalltag lauten beispielsweise:
Die Informationen sind zwar vorhanden, jedoch nicht zentral verfügbar.
Eine wesentliche Grundlage des Projekts bildet das Wartungsmanagementsystem „RWA-Maintain“. Die Plattform dient der Verwaltung von Anlagen, Komponenten, Wartungsdaten, Ereignissen und organisatorischen Informationen. Dadurch entsteht eine strukturierte Datenbasis, die sich mit technischen Dokumentationen und Herstellerunterlagen verknüpfen lässt.
Im Rahmen der Studie wurden insbesondere folgende Datenquellen berücksichtigt:
Durch die Zusammenführung dieser Informationen entsteht eine unternehmensweite Wissensbasis, auf die Anwender über eine Chat-Oberfläche zugreifen können.
Technisch basiert die Lösung auf einer sogenannten Retrieval-Augmented-Generation-Architektur (RAG). Dabei handelt es sich um einen Ansatz, bei dem ein Sprachmodell nicht ausschließlich auf sein trainiertes Wissen zurückgreift, sondern gezielt Informationen aus internen Dokumenten und Datenbanken recherchiert.
Der Ablauf ist vergleichsweise einfach:
Der entscheidende Vorteil: Die Antworten basieren auf den tatsächlich im Unternehmen vorhandenen Informationen und können nachvollziehbar auf Dokumente oder Datensätze zurückgeführt werden.
Für die Machbarkeitsstudie wurde ein Prototyp aufgebaut und anhand praxisnaher Fragestellungen getestet. Die Testfälle orientierten sich an typischen Anforderungen aus Planung, Service und Wartung.
Unter anderem wurden folgende Szenarien untersucht:
Die Ergebnisse zeigen, dass insbesondere bei strukturierten Anlageninformationen und gut aufbereiteten Dokumentationen eine hohe Trefferqualität erreicht werden konnte. Gleichzeitig wurde deutlich, dass die Qualität der Antworten maßgeblich von der Qualität und Struktur der zugrunde liegenden Daten abhängt.
Aus Sicht der Praxis eröffnet die Technologie mehrere interessante Anwendungsfelder.
Ein wichtiger Aspekt der Studie war die Frage nach Datenschutz und Datensicherheit. Die untersuchten Architekturansätze setzen auf lokal betreibbare Sprachmodelle und Vektordatenbanken. Dadurch können sensible Unternehmensdaten innerhalb der eigenen IT-Infrastruktur verbleiben.
Insbesondere für Unternehmen der Sicherheitsbranche ist dieser Punkt von hoher Bedeutung, da technische Dokumentationen und Anlagendaten häufig vertrauliche Informationen enthalten.
Die Autoren der Studie bewerten die technische Machbarkeit insgesamt positiv. Der entwickelte Proof of Concept konnte zeigen, dass KI-basierte Wissensassistenten reale Anwendungsfälle in Planung, Service und Wartung sinnvoll unterstützen können.
Der nächstes Schritt erfolgt in Form eines Pilotprojekts mit ausgewählten Anwendern. Im Fokus stehen dabei die weitere Integration von RWA-Maintain, die Optimierung der Datenqualität sowie der Aufbau eines sicheren Rollen- und Berechtigungskonzepts.
Die Machbarkeitsstudie von RWA-BADEN und KItelligence zeigt, dass moderne KI-Technologien das Potenzial besitzen, die Informations- und Wissensprozesse im Service- und Wartungsumfeld nachhaltig zu verändern. Techniker können schneller auf relevantes Wissen zugreifen, historische Informationen besser nutzen und technische Fragestellungen effizienter bearbeiten.
Auch wenn bis zum produktiven Einsatz noch organisatorische und technische Schritte erforderlich sind, deutet vieles darauf hin, dass KI-gestützte Wissensassistenten künftig zu einem festen Bestandteil digitaler Wartungsprozesse in der Sicherheits- und Brandschutztechnik werden könnten.
EN