Ersatzteilerkennung via Foto - Realitätscheck - Teil 2

Veröffentlicht: 21.10.2021 Aktualisiert: 02.06.2023

Im ersten Teil unserer Blogserie „Ersatzteilerkennung via Foto – Vision oder bereits Realität?“ haben wir uns mit den Herausforderungen von Servicetechnikern und Instandhaltern beschäftigt, im Serviceeinsatz schnell und eindeutig das richtige Ersatzteil zu identifizieren. Neben den drei klassischen Wegen ist die Ersatzteilerkennung via Foto eine vielversprechende Lösung, die vom Techniker weniger Wissen erfordert und diesem eine wertvolle Zeitersparnis verspricht.

Zum 1. Teil

In diesem Blogbeitrag machen wir den Realitätscheck und betrachten folgende Fragestellungen: Handelt es sich bisher nur um eine Vision oder ist die Ersatzteilerkennung via Foto bereits Realität? Welche Grenzen und Herausforderungen gibt es und wie kann diesen begegnet werden?

Realitätscheck: 3 Fragen zum Thema Ersatzteilerkennung per Foto

1. Wird Ersatzteilerkennung via Foto bereits eingesetzt

Ja, Ersatzteilerkennung ist heutzutage nicht mehr nur eine Vision, sondern bereits Realität. Ein praktisches Beispiel findet sich bei Buderus / Bosch Thermotechnik GmbH, Hersteller von Heizungsprodukten und Warmwasserlösungen: In der App ProScan wählt der Heizungstechniker das zu reparierende Gerät aus und fotografiert das ausgebaute, defekte Bauteil.

Mit Hilfe einer Technologie, die auf Basis von künstlicher Intelligenz (KI) funktioniert, schlägt ProScan passende Ersatzteile vor, die der Techniker per integrierter Schnittstelle direkt im Buderus Online Shop bestellen kann.

2. Wie funktioniert die Ersatzteilerkennung per Foto und Integration im digitalen Ersatzteilkatalog?

Zusammen mit Bosch Cognitive Services arbeiten wir an diesem spannenden Thema und bieten ein Full-Service-Modell. Um eine Ersatzteilerkennung via Foto zu ermöglichen, müssen im ersten Schritt die relevanten Ersatzteile automatisiert per 360°-Fotografie abgelichtet werden. Dabei werden pro Ersatzteil innerhalb von 2 Minuten ca. 300-500 Bilder erstellt.

Diese werden in eine neuronal aufgebaute Datenbank eingespeist. Die Bosch-eigene Lösung erfasst und analysiert nun auf Basis von künstlicher Intelligenz und Algorithmen die Bilder und trainiert das neuronale Netz so an, dass eine Ersatzteilidentifizierung per Foto ermöglicht wird.

Als Ergebnis zeigt das neuronale Netz eine Auswahl passender Ersatzteile mit Angabe der Trefferwahrscheinlichkeit an. Per Integration in unsere Lösungen für Ersatzteilkatalog- und Service-Informationssysteme, erhält der Servicetechniker durch Klick auf eines der Ergebnisse weitere Informationen zum entsprechenden Teil sowie dessen Verfügbarkeit und kann dieses direkt online bestellen.

Mit jedem Einsatz der KI-Lösung in der Praxis wird die künstliche Intelligenz weiter trainiert. Sie wird so mit der Zeit immer intelligenter, die Ergebnisqualität wird noch besser.

 

3. Welche Grenzen und Herausforderungen gibt es aktuell? Wie können Sie diesen begegnen?

Genau darüber haben Mathias Bosch, Bosch Cognitive Services, und Daniel Binder, Quanos Service Solutions, in ihrem Vortrag auf dem digitalen Quanos cDAY 2021 gesprochen.

Sehen Sie selbst!

Sie möchten die gesamte Aufzeichnung sehen? Dann füllen Sie einfach das Formular im Video aus und es geht sofort weiter.

 

Sie möchten Ersatzteilerkennung via Foto in Ihren Ersatzteilkatalog integrieren?

So geht's:

Nehmen Sie mit uns Kontakt auf. Gerne machen wir mit Ihnen eine Potentialabschätzung und besprechen die weiteren Schritte.

Kontakt mit Experten von Quanos
Andere Artikel von Quanos

Das könnte Sie auch interessieren

Nie wieder Fehlbestellungen - Finden leicht gemacht

Schon wieder eine Fehlbestellung? Dabei hatte Ihre Suche nach der benötigten Information schon eine gefühlte Ewigkeit…

Warum eine Standard-Softwarelösung?

Allgegenwärtige Herausforderungen und komplexe Aufgaben sind tagtäglich zu meistern: ein steigender Umsatz von Ersatz…

Wie Sie Ihren Service und Ersatzteilgeschäft optimieren

Viele Unternehmen stehen, wenn es um das Ersatzteilmanagement geht, vor unterschiedlichen Herausforderungen. Oftmals …