Skip to content
REFERENZBEISPIEL after-sales-service

Predictive Diagnostics zur Vorhersage von Schadensfällen im Automobilbereich

anacision-predictive-diagnostics-automobil-after-sales-service-1

Vie­le ver­schie­de­ne Fahr­zeug­mo­del­le mit ei­ner stei­gen­den An­zahl an Bau­tei­len stei­gern die Kom­ple­xi­tät von Re­pa­ra­tu­ren. Un­kla­re Scha­dens­dia­gno­sen füh­ren zu ei­ner hö­he­ren Dau­er und stei­gen­den Kos­ten der Re­pa­ra­tur. Data Sci­ence Me­tho­den kön­nen zur Vor­her­sa­ge von Schä­den und Ge­ne­rie­rung von Emp­feh­lun­gen zur Be­he­bung der Feh­ler ge­nutzt wer­den, um den Ser­vice für den Kun­den zu ver­bes­sern.

DIE AUSGANGSLAGE

Lange Reparaturen und hohe Kosten durch schwierige Schadensdiagnose

Bei Re­pa­ra­tu­ren von Fahr­zeu­gen kön­nen Werk­stät­ten über Dia­gno­se­ge­rä­te re­le­van­te Da­ten aus­le­sen, wo­mit Ih­nen In­for­ma­tio­nen über Steu­er­ge­rä­te und Feh­ler-Codes zur Ver­fü­gung ste­hen. Die Dia­gno­se er­folgt mit Hil­fe die­ser In­for­ma­tio­nen, den ei­ge­nen Er­fah­rungs­wer­ten und po­ten­ti­ell wei­te­ren Fahr­zeu­gin­for­ma­tio­nen durch den Her­stel­ler. Eine prä­zi­se und schnel­le Dia­gno­se wird durch vie­le ver­schie­de­ne Fahr­zeug­mo­del­le mit ei­ner stei­gen­den An­zahl an Bau­tei­len er­schwert. Lö­sen lässt sich die­ses Pro­blem mit Hil­fe ei­nes selbst-ler­nen­den, da­ten­ba­sier­ten Pro­gno­se­mo­dells, wel­ches ge­naue­re Re­pa­ra­tur­emp­feh­lun­gen zu­lässt.

DIE LÖSUNG

Eine Kombination aus Data Science, Expertenwissen und IoT-Daten

Un­ser An­satz be­inhal­tet das Zu­sam­men­spiel von Ex­per­ten­wis­sen der Werk­stät­ten, den ge­sam­mel­ten Da­ten der Au­to­mo­bi­le so­wie den Ein­satz von Data Sci­ence Me­tho­den. In ei­nem ers­ten Schritt müs­sen die re­le­van­ten Da­ten der Werk­stät­ten, wie bspw. In­for­ma­tio­nen über iden­ti­fi­zier­te Scha­dens­fäl­le, durch­ge­führ­te Re­pa­ra­tur­schrit­te und be­nutz­te Er­satz­tei­le er­fasst und mit den Feh­ler-Codes der Fahr­zeu­ge aus dem Werk­statt­be­such in­te­griert wer­den.

Im nächs­ten Schritt wer­den auf Ba­sis die­ser Da­ten Vor­her­sa­ge­mo­del­le trai­niert. Bei ei­nem neu­en Werk­statt­be­such kann das Mo­dell ge­nutzt wer­den, um den Scha­den, die er­for­der­li­chen Schrit­te zur Be­he­bung, so­wie die er­for­der­li­chen Er­satz­tei­le auf Ba­sis der aus­ge­le­se­nen Feh­ler­codes vor­her­zu­sa­gen und in Echt­zeit an die Werk­statt zu mel­den. Durch re­gel­mä­ßi­ge Ak­tua­li­sie­rung der Mo­del­le wer­den auch neu auf­tre­ten­de Feh­ler schnell in den Vor­her­sa­gen be­rück­sich­tigt.

DER NUTZEN

Steigerung der Effektivität und Transparenz im After-Sales erhöht Kundenzufriedenheit

Durch die Vor­her­sa­ge von Scha­den­fäl­len, der Emp­feh­lung der da­mit ver­bun­de­nen Re­pa­ra­tur­schrit­te und den be­nö­tig­ten Er­satz­tei­len er­hält die Werk­statt ex­ak­te Hand­lungs­emp­feh­lun­gen zur Feh­leri­den­ti­fi­ka­ti­on und -be­he­bung. Schä­den kön­nen so schnel­ler und ge­ziel­ter iden­ti­fi­ziert wer­den und die Re­pa­ra­tur be­schleu­nigt wer­den. Ins­ge­samt kann der Ser­vice im Af­ter Sa­les Be­reich für den Kun­den deut­lich ver­bes­sert wer­den. 

KONTAKT

Haben wir Ihr Interesse geweckt?