Mit KI die Ursachen von Problemen finden, Hochschule für Technik und Umwelt FHNW

Wenn in Unternehmen Probleme auftreten, sind deren Ursachen oft nicht auf den ersten Blick erkennbar. Um nachhaltige Lösungen zu finden, müssen Fachpersonen Informationen zusammentragen, Zusammenhänge verstehen und mögliche Ursachen systematisch überprüfen.

Aksena Schweiz unterstützt Unternehmen dabei mit dem Business Improvement System (BIS), das verschiedene Methoden zur Verbesserung von Geschäftsprozessen vereint. Das Wissen dazu vermittelt das Unternehmen unter anderem über die Online-Lernplattform ProErigo. Die Herausforderung besteht darin, dieses Wissen auf konkrete Probleme aus dem Arbeitsalltag anzuwenden. Hier setzt das gemeinsame Projekt mit der FHNW an: Künstliche Intelligenz soll Fachpersonen durch die Analyse führen und sie bei der Anwendung geeigneter Methoden unterstützen.

Ziel des Projekts war es, KI-Werkzeuge zu entwickeln, die Fachpersonen bei der Ursachenanalyse begleiten – von der Beschreibung des Problems bis zur Dokumentation der Ergebnisse. Dabei wurde untersucht, wie ein KI-Tutor vorhandenes Methodenwissen vermitteln und wie mehrere spezialisierte KI-Agenten bei der Analyse eines konkreten Falls zusammenarbeiten können.

Im Projekt entstanden zwei sich ergänzende Lösungen. Ein interaktiver Arbeitsbereich führt durch vier Phasen der Ursachenanalyse. Er unterstützt die präzise Formulierung des Problems, hilft bei der Untersuchung möglicher Ursachen und ermöglicht den Export der Ergebnisse in ein Word-Dokument. Der integrierte ProErigo AI Tutor beantwortet Fragen zu den Methoden und empfiehlt passende Lernvideos, Werkzeuge und Vorlagen aus den Kursinhalten von Aksena.

Die zweite Lösung nutzt mehrere spezialisierte KI-Agenten, die gemeinsam eine Analyse durchführen. Sie fragen fehlende Informationen ab, unterstützen bei der Auswahl und Anwendung geeigneter Methoden und überprüfen Zwischenergebnisse. Wenn ein Ansatz nicht zielführend ist, passen sie das weitere Vorgehen an. Abschliessend erstellen sie einen strukturierten Bericht.

Das Multi-Agenten-System wurde anhand von 16 Referenzfällen getestet und von Fachleuten aus der Industrie beurteilt. Die Ergebnisse zeigen, dass der Ansatz technisch umsetzbar ist. Ob die Werkzeuge auch bei realen Kundenprojekten zu besseren Ergebnissen führen, ist noch offen.

Als nächster Schritt sollen die entwickelten Werkzeuge gemeinsam mit Fachpersonen und Pilotkunden anhand realer Problemstellungen getestet werden. Dabei wird sich zeigen, wie gut die KI-Unterstützung in der Praxis funktioniert und welchen konkreten Nutzen sie für Unternehmen bietet.