1. anacision
  2. /
  3. Referenzen
  4. /
  5. Predictive Diagnostics

Predictive Diagnostics

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.

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.

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.

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. 

Haben wir Ihr Interesse geweckt? Sprechen Sie uns an.

Sprechen Sie uns an

Markus Frondorf

Managing Director

+49 172 7395191

Mail Kontakt

Sprechen Sie uns an

Rico Knapper

Managing Director & Chief Data Scientist

+49 152 22649878

Mail Kontakt

Warum anacision

X