Kein Problem.
Mit Lachmann & Rink.
KI gezielt in industrielle Prozesse einbinden
Generative KI kann Unternehmen im Maschinenbau dabei helfen, Wissen schneller verfügbar zu machen und Prozesse effizienter zu gestalten. Damit dieses Potenzial genutzt werden kann, müssen jedoch bestehende Daten, Systeme und Arbeitsabläufe gezielt auf den Einsatz von KI vorbereitet werden.
Softwareentwicklung und KI
als Einheit denken
Viele KI-Anwendungen entstehen losgelöst vom operativen Alltag und bleiben es auch. Unsere Lösungen verbinden individuelle Softwareentwicklung, industrielle Schnittstellen und praxisnahe KI-Technologien zu einem zusammenhängenden System.
So lassen sich Informationen aus Maschinen, Dokumentationen, Serviceprozessen und bestehenden Plattformen sicher und effizient verknüpfen sowie dauerhaft nutzbar machen.
Diese Effizienz erreichen wir, indem wir unseren Fokus auf die Userexperience und nicht primär auf die Technologie zum Selbstweck lenken.
Anwendungsfälle aus der industriellen Praxis
Aus unserer Praxiserfahrung heraus entfaltet generative KI ihren Nutzen besonders dort, wo Informationen unstrukturiert vorliegen, Erfahrungswissen zu verschwinden droht oder komplexe Zusammenhänge schnell zugänglich sein müssen.
Bis 2035 werden ungefähr 30% aller Fach- und Führungskräfte das Renteneintrittsalter erreichen und in vielen Unternehmen ist die Nachfolge qualifizierter Kräfte mit gleichwertiger Erfahrung eine Herausforderung. Junge Menschen auf dem Karrierepfad bleiben häufig kürzer im Unternehmen, bis sie die statistischen 5 Jahre erreichen um ein vergleichbar tiefes Wissen wie Ihre erfahrenen Kolleginnen und Kollegen aufzubauen.
Mehr als die Hälfte des Wissens der erfahrenen Mitarbeitenden über Maschinen oder Produktion ist nicht richtig dokumentiert, geschweige denn die Erfahrungswerte (für Toleranzen, Werkstoffauswahl, Auslegungen) und das versteckte Fachwissen (aus Reklamationen, gescheiterten Experimenten, Prototypen und jahrzehntelanger Firmengeschichte).
In den folgenden Use-Cases erfahren Sie, wie generative KI das interne Wissen im industriellen Kontext praxisnah aufnimmt, strukturiert und sicher zugänglich macht, um die Folgen der demographischen Zeitbombe zu minimieren:
Wissen für den Servicefall nutzbar machen
Kunde: Rink GmbH
Die Firma Rink entwickelt seit fast 60 Jahren Maschinen für die Getränkeindustrie mit weltweitem Erfolg: Entkorker, Abschrauber, Verschließer oder Sondermaschinen Made in Germany.
Die Rink GmbH möchte für den Kundenservice den Aufbau einer internen Wissensdatenbank, die besonderen Mehrwert für die Servicekräfte darstellt, indem das Wissen in Probleme, Ursachen und Lösungen strukturiert werden soll. Denn besonders bei hochspezifischem Ingenieurswissen und nur kleinen, nicht alltäglich auftretenden Situationen sind Ursache und Wirkung aus Erfahrungswerten nicht immer dokumentiert worden.
Der erste und entscheidende Schritt war nicht die Technologie, sondern das Verständnis der Situation der Servicekräfte wie auch der Ingenieure im Shopfloor: Welches Wissen existiert überhaupt, was davon ist für den Servicefall relevant, und wie lässt es sich so aufbereiten, dass eine KI damit arbeiten kann? Diese Fragen erfordern domänenspezifisches Ingenieurswissen und wurden gemeinsam mit Rink systematisch beantwortet, bevor eine einzige Zeile Code geschrieben wurde.
Die daraus entstandene Lösung: Erkenntnisse aus dem laufenden Betrieb werden in einer von Lachmann & Rink entwickelten Handy-App per Spracheingabe festgehalten, ohne dass Mitarbeitende dafür Handschuhe ausziehen oder extra zum Rechner laufen müssen. Die Anwendung strukturiert die Eingaben automatisch und ordnet sie den passenden Maschinen und Komponenten nach Problem, Ursache und Lösung zu.
Damit die KI auch die komplexen Zusammenhänge einer gesamten Maschine versteht, wird ihr das Funktionsprinzip per Video von den Experten des Unternehmens wie beim Onboarding eines neuen Mitarbeiters erklärt. Die von uns eingesetzte KI transkribiert die Tonspur und strukturiert die Erkenntnisse. Dieses Wissen ergänzt die Datengrundlage aus dem Shopfloor, auf der die Anwendung arbeitet.
Die bestehenden Prozesse zur Reklamationsaufnahme wurden in das System eingebunden, sodass unsere Lösung nicht isoliert steht, sondern die aktuellen Abläufe beschleunigt.
Ruft ein Kunde wegen eines Problems an, denkt ein Servicebot bei der Problemanalyse mit. Der Bot stellt gezielte Leitfragen zur Eingrenzung von Symptomen und Problemen und berücksichtigt dabei das sprachliche und fachliche Umfeld des Unternehmens. Die Lösungsvorschläge basieren auf dokumentierten Erfahrungen aus dem echten Betrieb, ähnlich wie der Ratschlag von langjährigen Mitarbeitern. Gleichzeitig ist der Servicebot aber keine Blackbox, sondern macht dem Benutzer sichtbar, woran er grade denkt. So kann der Mitarbeiter jederzeit selber das Steuer übernehmen und auf den Vorarbeiten der KI einfach weitermachen.
Projektleiter Dr. Martin Pyka demonstriert das in einem Video:
Expertenwissen vor dem Verlust bewahren und skalierbar machen
Kunde: Umweltservice Lindenschmidt GmbH
Bei der Entsorgung gefährlicher Chemikalien hing das gesamte Wissen zur sicheren Zuordnung an einer einzigen Person: Uli, einem erfahrenen Chemiker, der kurz vor seinem Ruhestand steht und für den es keinen gleichwertigen Nachfolger gab.
Die Lösung: Gemeinsam bauten Lindenschmidt mit Lachmann & Rink eine Wissensdatenbank auf, die sein jahrzehntelanges Erfahrungswissen strukturiert erfasste. Auf dieser Basis erkennt die mobile KI-Anwendung anhand von Fotos beschädigter oder schwer lesbarer Etiketten die enthaltenen Stoffe und empfiehlt die passende Entsorgungsmethode.
Die Erkennungsgenauigkeit erreicht heute das Niveau eines studierten und erfahrenen Chemikers. Die Fehlerquote sank im Verlauf des Projekts kontinuierlich und wurde zunehmend weiterentwickelt um von 70 % auf über
92 % zu steigen.
Das Wissen zur geeigneten Entsorgung bleibt dem Unternehmen dauerhaft erhalten, ist unabhängig von einzelnen Fachkräften nutzbar und bildet die Grundlage für eine spätere vollständige Automatisierung des Prozesses in einer dafür ausgelegten Anlage.
Routineprozesse automatisieren, ohne sie neu erfinden zu müssen
Anonymer Kunde
Montagmorgen, 7:43 Uhr. Eine Bestellung geht per Mail ein. Früher wanderte sie in ein Postfach, wartete auf den richtigen Mitarbeitenden, wurde manuell in SAP eingetragen, ein Ticket angelegt, eine Antwort formuliert. Ein Vorgang, der sich täglich dutzende Male wiederholte und jedes Mal Aufmerksamkeit, Zeit und einen Menschen erforderte.
Heute übernimmt das ein KI-Agent. Er liest die eingehende Mail, gleicht die Bestellung mit der Datenbank ab, legt das Ticket an, trägt den Vorgang in SAP ein und formuliert eine Antwort an den Kunden vor, die nur noch freigegeben werden muss.
Der Prozess ist derselbe. Nur läuft er jetzt, ohne dass jemand extra dafür den Arbeitsfluss unterbrechen muss. Ein einfaches Beispiel dafür, wie KI-Agenten mit den passenden Schnittstellen den Arbeitsalltag in industriellen Unternehmen effizienter gestalten.
KI dort einsetzen, wo sie wirklich hilft
Nicht jedes Problem wird durch KI besser gelöst. Bevor wir eine Lösung entwickeln, analysieren wir gemeinsam mit unseren Kunden, ob und wo KI tatsächlich einen Mehrwert schafft. Manchmal ist das Ergebnis dieser Analyse, dass ein anderer Ansatz sinnvoller ist. Diese Haltung hat einen einfachen Grund: Lösungen, die am realen Bedarf vorbeigehen, setzen sich nicht durch und bringen nicht den gewünschten ROI.
Wir bauen lieber das, was optimal funktioniert und genutzt wird.
Ihre Daten bleiben, wo sie hingehören
Generative KI wird oft mit cloudbasierten Diensten wie ChatGPT oder Claude gleichgesetzt. Für viele Unternehmen in der Industrie ist das keine Option, und das zu Recht. Wir setzen für Ihre Sicherheit auf lokale Sprachmodelle, die ohne Internetverbindung und ohne externe Server betrieben werden. Sensible Produktions-, Kunden- und Prozessdaten verlassen das Unternehmen nicht. Die Modelle integrieren sich in bestehende Systemlandschaften und erfüllen die Anforderungen, die IT-Verantwortliche in der deutschen Industrie an sichere Software stellen.
KI ohne Kompromisse bei der Datensouveränität ist kein Widerspruch. Es ist eine Frage der richtigen Technologiewahl.
Von der Idee zum belastbaren Business Case
Generative KI eröffnet viele Möglichkeiten. Die entscheidende Frage lautet jedoch nicht, was technisch machbar ist,
sondern welcher Nutzen unter realen Bedingungen tatsächlich entsteht.
Deshalb starten wir mit einem klar abgegrenzten Proof of Concept. So lassen sich Mehrwert, Aufwand, Sicherheitsanforderungen
und Skalierbarkeit frühzeitig bewerten, bevor größere Investitionen erfolgen.
1. Anwendungsfall verstehen
Gemeinsam analysieren wir den konkreten Prozess und die Zielsetzung. Welche Informationen sollen verfügbar werden? Welche Entscheidungen sollen unterstützt werden? Wo entsteht heute Aufwand, Wissensverlust oder unnötige Komplexität? Im Mittelpunkt steht dabei immer der Mensch und die Frage, wie KI seine Arbeit sinnvoll unterstützen kann.
2. Daten und Systeme bewerten
Der Erfolg einer KI-Lösung hängt selten vom Sprachmodell allein ab. Entscheidend ist, welche Informationen zur Verfügung stehen, wie diese strukturiert sind und wie sie in bestehende Systeme eingebunden werden können. Wir analysieren Datenquellen, Schnittstellen, Dokumentationen und bestehende Anwendungen und bewerten, welche Lösungsarchitektur zum Anwendungsfall passt.
3. Proof of Concept entwickeln
Innerhalb weniger Wochen entsteht ein erster funktionsfähiger Prototyp. Dabei werden reale Daten, reale Prozesse und reale Nutzer eingebunden. Durch kurze Feedbackzyklen lässt sich früh erkennen, ob die Lösung die gewünschten Ergebnisse liefert und wo Anpassungen sinnvoll sind. Der Fokus liegt auf einer zentralen Frage: Erzeugt die Lösung einen messbaren Mehrwert?
4. Nutzen, Aufwand und Sicherheit bewerten
Nach dem Proof of Concept liegt eine belastbare Grundlage für die weitere Entscheidung vor. Gemeinsam bewerten wir:
- Welcher Nutzen entsteht tatsächlich?
- Welche Datenaufbereitung wird benötigt?
- Welche Sicherheitsanforderungen müssen berücksichtigt werden?
- Wie hoch sind Aufwand und Betriebskosten?
- Welche Skalierungsanforderungen ergeben sich?
5. Skalieren und integrieren
Erst wenn Nutzen und Wirtschaftlichkeit nachgewiesen sind, erfolgt die Integration in bestehende Prozesse und Systeme. Durch unsere Erfahrung in der individuellen Softwareentwicklung können KI-Funktionen nahtlos mit Maschinen, Datenbanken, Serviceplattformen, ERP- oder MES-Systemen verbunden werden. So entsteht aus einem validierten Anwendungsfall eine produktive Lösung für den täglichen Einsatz.
Der größte Aufwand liegt selten im Sprachmodell
Daten, die Integration in bestehende Systeme und die Gestaltung des Anwendungsprozesses. Deshalb investieren wir früh in die Validierung des Nutzens und entwickeln Lösungen schrittweise entlang realer Anforderungen.
Jeder erfolgreiche KI-Einsatz beginnt mit einem konkreten Anwendungsfall
Die meisten Unternehmen verfügen bereits über die notwendigen Daten, Systeme und Prozesse, um erste KI-Anwendungen sinnvoll zu erproben.
Die entscheidende Frage lautet meist nicht, ob KI eingesetzt werden kann. Entscheidend ist, wo ein messbarer Mehrwert entsteht und welcher Aufwand dafür tatsächlich erforderlich ist.
Mit einem klar abgegrenzten Proof of Concept schaffen wir innerhalb weniger Wochen eine belastbare Entscheidungsgrundlage. So werden Nutzen, technische Machbarkeit, Sicherheitsanforderungen und Skalierungspotenziale frühzeitig sichtbar.
Keine theoretischen KI-Strategien. Keine langfristigen Vorprojekte.
Ein konkreter Anwendungsfall, ein klarer Nutzen und eine fundierte Entscheidungsgrundlage für die nächsten Schritte.
Lassen Sie uns Ihren Anwendungsfall betrachten.
Gemeinsam analysieren wir Prozesse, Datenquellen sowie bestehende Systeme und bewerten, wo generative KI einen konkreten Beitrag leisten kann.
