Qualitätssicherung und Fehlermanagement in der Nutzfahrzeugbranche

Abstract Produktionsnahe Dienstleistungen in der Nutzfahrzeugbranche sind aufgrund ihres hohen Anteils manueller Tätigkeiten besonders fehleranfällig. Der Einsatz künstlicher Intelligenz (KI) bietet das Potenzial, diese Prozesse zu automatisieren und Aufwand sowie Fehlerquoten zu senken. Voraussetzung ist eine qualitative Prozessabsicherung, u.a. durch Bauteilidentifikation. Da Kontextinformationen in unterschiedlichen Dateiformaten vorliegen, müssen KI-Methoden diese heterogenen Quellen verarbeiten können. Der Beitrag stellt einen Bezugsrahmen für KI-gestützte Bauteilidentifikation vor und zeigt anhand von drei Anwendungsfällen, wie passende Methoden auszuwählen sind. Abschließend werden Handlungsempfehlungen für die strategische Auswahl von KI-Projekten zur Bauteilerkennung im Fehlermanagement gegeben.

Authors

Institutions

Publication Details

Journal
Zeitschrift für wirtschaftlichen Fabrikbetrieb
Published
2026-04-17
DOI
https://doi.org/10.1515/zwf-2026-1046
Primary Topic
Flexible and Reconfigurable Manufacturing Systems
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Qualitätssicherung und Fehlermanagement in der Nutzfahrzeugbranche

Christian Preusche, Chris R. Schönekehs, Charlotte Wachter, Jan Chytraeus et al.
Zeitschrift für wirtschaftlichen Fabrikbetrieb
Flexible and Reconfigurable Manufacturing Systems
article

Qualitätssicherung und Fehlermanagement in der Nutzfahrzeugbranche

Christian Preusche, Chris R. Schönekehs, Charlotte Wachter, Jan Chytraeus, Fabian Sasse, Yuxi Wang, Robert H. Schmitt, Joachim Metternich
article en

Abstract

Abstract Produktionsnahe Dienstleistungen in der Nutzfahrzeugbranche sind aufgrund ihres hohen Anteils manueller Tätigkeiten besonders fehleranfällig. Der Einsatz künstlicher Intelligenz (KI) bietet das Potenzial, diese Prozesse zu automatisieren und Aufwand sowie Fehlerquoten zu senken. Voraussetzung ist eine qualitative Prozessabsicherung, u.a. durch Bauteilidentifikation. Da Kontextinformationen in unterschiedlichen Dateiformaten vorliegen, müssen KI-Methoden diese heterogenen Quellen verarbeiten können. Der Beitrag stellt einen Bezugsrahmen für KI-gestützte Bauteilidentifikation vor und zeigt anhand von drei Anwendungsfällen, wie passende Methoden auszuwählen sind. Abschließend werden Handlungsempfehlungen für die strategische Auswahl von KI-Projekten zur Bauteilerkennung im Fehlermanagement gegeben.

Zeitschrift für wirtschaftlichen FabrikbetriebVol. 121(4)
Technische Universität Darmstadt (DE), Digital Science (United States) (US), Sustainable Business Institute (Germany) (DE), RWTH Aachen University (DE)
Openalex Percentile: Top 5%
Flexible and Reconfigurable Manufacturing Systems
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.