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
- Christian Preusche
- Chris R. Schönekehs
- Charlotte Wachter (ORCID: https://orcid.org/0009-0004-7382-4649)
- Jan Chytraeus
- Fabian Sasse
- Yuxi Wang
- Robert H. Schmitt
- Joachim Metternich
Institutions
- Technische Universität Darmstadt (DE)
- Digital Science (United States) (US)
- Sustainable Business Institute (Germany) (DE)
- RWTH Aachen University (DE)
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