KI im Service: Wie aus Telemetrie, CRM und ERP fundierte Handlungsempfehlungen entstehen

Wenn eine Anlage beim Kunden ausfällt, liegt die Herausforderung meist nicht in der Diagnose. Erfahrene Servicetechniker erkennen oft schon nach wenigen Minuten, worauf ein Fehler hindeutet. Zeit kostet etwas anderes. Bevor überhaupt entschieden werden kann, wie es weitergeht, müssen Informationen aus unterschiedlichen Quellen zusammengetragen werden. Die Maschine liefert aktuelle Zustandsdaten, das CRM enthält Vertragsinformationen und die Servicehistorie, das ERP kennt die Verfügbarkeit von Ersatzteilen. Erst wenn diese Informationen vollständig vorliegen, entsteht ein belastbares Bild der Situation.

Genau an diesem Punkt entfaltet KI heute ihren größten Nutzen im Service. Nicht weil sie die bessere Diagnose stellt, sondern weil sie Informationen aus verschiedenen Systemen zusammenführt, Zusammenhänge erkennt und daraus eine fundierte Handlungsempfehlung ableitet. Statt dass Mitarbeitende zwischen mehreren Anwendungen wechseln und Informationen selbst miteinander verknüpfen, übernimmt die KI diese Analyse und bereitet die Ergebnisse verständlich auf. Das spart Zeit und sorgt dafür, dass Entscheidungen auf einer vollständigen Datenbasis getroffen werden.

Die technische Integration der Systeme ist dabei lediglich die Voraussetzung. Den eigentlichen Mehrwert liefert die KI, indem sie strukturierte Daten aus Telemetrie, CRM und ERP mit unstrukturierten Informationen wie Serviceberichten oder Wissensartikeln kombiniert und daraus konkrete Vorschläge für das weitere Vorgehen erstellt.

Diesen Ablauf habe ich unter KI im Service als praxisnahen Anwendungsfall aufgebaut. In diesem Artikel zeige ich, welche Aufgaben dabei tatsächlich von der KI übernommen werden, welche Funktionen weiterhin klassische Softwarelogik erfüllen und welche Voraussetzungen Unternehmen schaffen sollten, damit ein solcher Prozess zuverlässig funktioniert.

Praxisbeispiel: KI im technischen Service

Ein Hersteller von Verpackungsmaschinen mit rund 500 Mitarbeitenden betreut etwa 4.000 Anlagen im deutschsprachigen Raum. Ein wesentlicher Teil des Geschäfts basiert auf Serviceverträgen.

Bei einem Molkereibetrieb meldet eine Verpackungslinie den Fehler E-207: Siegeltemperatur außerhalb der Toleranz. Der Kunde besitzt einen Premiumvertrag mit einer garantierten Reaktionszeit von vier Stunden.

Für eine fundierte Entscheidung müssen Informationen aus mehreren Systemen zusammengeführt werden:

• Telemetrie: Die Solltemperatur beträgt 180 °C, tatsächlich schwankt sie seit 38 Minuten zwischen 150 und 205 °C. Die Heizpatrone zeigt einen auffälligen Stromverbrauch und ist bereits 812 Betriebsstunden im Einsatz.
• CRM: Der Premiumvertrag gilt bis 2027. Derselbe Fehler trat bereits vor neun Monaten auf und wurde durch den Austausch der Heizpatrone behoben. Ein Wissensartikel empfiehlt erneut den Austausch sowie die anschließende Kalibrierung.
• ERP: Im Zentrallager sind noch sechs Heizpatronen des Typs HP-12 verfügbar, sodass ein Ersatzteil sofort reserviert werden kann.

Erst die Kombination dieser Informationen ermöglicht eine belastbare Entscheidung. Genau hier unterstützt KI: Sie verknüpft Maschinendaten, Kundenhistorie und Ersatzteilverfügbarkeit, erkennt Muster aus früheren Servicefällen und erstellt einen konkreten Handlungsvorschlag.

Das Ergebnis lautet beispielsweise: Techniker mit passender Heizpatrone einplanen, den Kunden informieren und die Anlage bis zum Austausch im Sicherheitsstopp belassen.

In vielen Serviceorganisationen erfolgt diese Analyse noch manuell. Mitarbeitende wechseln zwischen CRM und ERP, suchen Informationen oder stimmen sich mit dem Lager ab. Die eigentliche Diagnose dauert oft nur wenige Minuten – das Zusammentragen der Informationen jedoch deutlich länger. KI reduziert genau diesen Aufwand und hilft, zugesagte Reaktionszeiten zuverlässig einzuhalten.

Was Ihr CRM längst weiß und was ihm fehlt

Ein gut gepflegtes Service CRM liefert bereits einen großen Teil der Informationen, die für eine schnelle Reaktion erforderlich sind. Dort finden sich Kundenstammdaten, Verträge, Servicehistorie, frühere Störungen und häufig auch eine Wissensdatenbank mit Lösungsansätzen. Für viele Unternehmen ist das CRM deshalb die zentrale Informationsquelle im Service.

Für eine fundierte Entscheidung reicht dieses Wissen allein jedoch selten aus. Das CRM kennt nicht den aktuellen Zustand der Maschine. Diese Informationen entstehen erst an der Anlage und werden über die Telemetrie bereitgestellt. Ebenso wenig verwaltet das CRM Lagerbestände oder die Verfügbarkeit von Ersatzteilen. Diese Daten liegen im ERP und werden dort kontinuierlich aktualisiert.

Erst wenn diese Informationen gemeinsam betrachtet werden, entsteht ein vollständiges Bild der Situation. Genau an dieser Stelle entfaltet KI ihren eigentlichen Mehrwert. Sie setzt die unterschiedlichen Informationen in einen fachlichen Zusammenhang. Sie erkennt beispielsweise, dass die aktuellen Sensordaten zu einem Fehlerbild passen, das bereits vor einigen Monaten aufgetreten ist, berücksichtigt gleichzeitig die Vertragsbedingungen und prüft, ob das benötigte Ersatzteil verfügbar ist. Aus diesen Informationen entsteht eine nachvollziehbare Empfehlung für das weitere Vorgehen.

Die Integration zwischen CRM, Telemetrie und ERP bildet dafür die technische Grundlage. Sie sorgt dafür, dass die benötigten Daten überhaupt verfügbar sind. Der eigentliche Nutzen entsteht jedoch erst durch die KI. Sie verarbeitet die Informationen aus allen Quellen gleichzeitig, bewertet ihre Zusammenhänge und bereitet sie so auf, dass Servicemitarbeitende innerhalb weniger Sekunden eine belastbare Entscheidungsgrundlage erhalten.

Sind Kundendaten, Anlagenhistorie und Verträge bereits sauber im CRM gepflegt und lassen sich Telemetrie sowie ERP anbinden, kann die KI ihr Potenzial schnell entfalten. Fehlen diese Grundlagen oder sind Informationen über verschiedene Ablagen verteilt, sollte zunächst die Datenbasis verbessert werden. Eine KI kann vorhandenes Wissen intelligent nutzen. Sie kann fehlende oder unvollständige Informationen jedoch nicht ersetzen.

Kontext schafft Mehrwert

Die eigentliche Stärke der KI zeigt sich nicht in einem einzelnen Prozessschritt. Sie entsteht dadurch, dass Informationen aus unterschiedlichen Quellen gemeinsam betrachtet und bewertet werden. Erst aus diesem Gesamtkontext lassen sich belastbare Handlungsempfehlungen ableiten. Das folgende Beispiel zeigt, wie aus einzelnen Informationen Schritt für Schritt eine fundierte Entscheidung entsteht.

Entscheidend sind vor allem die Schritte, in denen Informationen bewertet werden müssen. Serviceberichte, Lösungsnotizen und Wissensartikel enthalten einen großen Teil des Erfahrungswissens eines Unternehmens. Dieses Wissen liegt jedoch meist als Freitext vor. Menschen finden die relevanten Informationen häufig erst nach längerer Suche oder weil sie sich an ähnliche Fälle erinnern.

Genau hier unterstützt die KI. Sie analysiert unstrukturierte Inhalte, verknüpft sie mit den aktuellen Informationen aus Telemetrie, CRM und ERP und erkennt, welche früheren Fälle mit der aktuellen Situation vergleichbar sind. Aus dieser Gesamtsicht entsteht eine fundierte Handlungsempfehlung, die auf deutlich mehr Informationen basiert, als ein Mitarbeitender in kurzer Zeit selbst zusammentragen könnte.

Die übrigen Schritte folgen klaren Regeln. Die Priorisierung nach Vertragsbedingungen, die Abfrage von Lagerbeständen oder die Planung eines Einsatzes sind etablierte Softwarefunktionen. Sie benötigen keine KI. Deshalb ist es sinnvoll, beide Welten sauber voneinander zu trennen. Klassische Logik übernimmt standardisierte Prozesse. KI unterstützt überall dort, wo Informationen verstanden, bewertet und in einen fachlichen Zusammenhang gebracht werden müssen.

KI bereitet Entscheidungen vor. Der Mensch trifft sie.

Auch wenn die KI aus einer Vielzahl von Informationen einen fundierten Handlungsvorschlag erstellt, trifft sie keine eigenständigen Entscheidungen. Die Verantwortung bleibt bewusst beim Menschen. Das ist keine technische Einschränkung, sondern ein zentraler Bestandteil eines verlässlichen Serviceprozesses.

Im beschriebenen Ablauf gibt es deshalb zwei feste Freigabepunkte. Bevor ein Techniker disponiert wird und bevor eine Kundenantwort versendet wird, prüft ein Servicemitarbeiter den Vorschlag der KI. Er sieht nicht nur die Empfehlung selbst, sondern auch die Informationen, auf denen sie basiert. So lässt sich nachvollziehen, warum die KI zu ihrer Einschätzung gekommen ist und ob sie zur aktuellen Situation passt.

In der Praxis zeigt sich häufig, dass die meisten Vorschläge übernommen werden können. Trotzdem bleibt die menschliche Prüfung wichtig. Ein Technikereinsatz bindet Personal, verursacht Kosten und beeinflusst weitere Termine. Gleichzeitig ist jede Rückmeldung an den Kunden eine verbindliche Zusage. Gerade in regulierten Branchen wie der Lebensmittel- oder Pharmaindustrie können einzelne Entscheidungen weitreichende Folgen haben.

Die Kombination aus KI und menschlicher Freigabe verbindet deshalb zwei Stärken. Die KI analysiert innerhalb weniger Sekunden große Datenmengen und erkennt Zusammenhänge, die im Arbeitsalltag leicht übersehen werden. Der Mensch bringt Erfahrung, situatives Wissen und Verantwortung in die Entscheidung ein. Gemeinsam entsteht ein Prozess, der schneller arbeitet als eine rein manuelle Bearbeitung und gleichzeitig die notwendige Kontrolle sicherstellt.

Ein häufiger Fehler besteht darin, diese Freigaben später wieder abzuschaffen. Unternehmen stellen fest, dass ein Großteil der Vorschläge unverändert übernommen wird, und ziehen daraus den Schluss, die Prüfung sei überflüssig geworden. Tatsächlich spricht eine hohe Trefferquote eher für die Qualität der KI als gegen die Kontrolle. Gerade die wenigen Ausnahmen sind meist die wirtschaftlich oder sicherheitsrelevanten Fälle, in denen Erfahrung und Verantwortungsbewusstsein unverzichtbar bleiben.

Sinnvoller ist es deshalb, den Umfang der Freigaben gezielt anzupassen. Standardfälle mit geringem Risiko können weitgehend automatisiert vorbereitet werden. Bei Einsätzen außerhalb der Regelarbeitszeit, bei besonderen Vertragskonstellationen oder in sicherheitskritischen Umgebungen sollte die finale Entscheidung weiterhin bewusst beim Menschen liegen.

Gute KI braucht eine verlässliche Datengrundlage

Die beschriebenen Abläufe lassen sich heute technisch zuverlässig umsetzen. Ob die KI am Ende tatsächlich hilfreiche Empfehlungen liefert, hängt jedoch weniger vom verwendeten Modell ab als von der Qualität der verfügbaren Daten.

Eine KI kann Zusammenhänge erkennen, Muster aus früheren Servicefällen ableiten und unterschiedliche Informationen miteinander verknüpfen. Fehlen wichtige Informationen oder sind sie unvollständig, entstehen zwangsläufig auch unvollständige Ergebnisse. Die Qualität der Empfehlungen wird deshalb maßgeblich durch die Qualität der Daten bestimmt.

Bevor Unternehmen über den Einsatz von KI nachdenken, lohnt sich deshalb ein Blick auf die vorhandene Informationsbasis.

• Eine vollständige Anlagenhistorie. Jede Maschine sollte im CRM eindeutig erfasst sein und alle Serviceeinsätze sollten diesem Objekt zugeordnet werden. Nur so kann die KI frühere Störungen erkennen und sie mit aktuellen Fällen vergleichen.

• Aussagekräftige Serviceberichte. Der größte Erfahrungsschatz eines Serviceunternehmens steckt häufig in den Notizen der Techniker. Je besser diese dokumentiert sind, desto mehr kann die KI daraus lernen. Berichte, die lediglich aus wenigen Stichworten bestehen, liefern kaum verwertbare Erkenntnisse.

• Strukturierte Vertragsinformationen. Reaktionszeiten, Servicelevel und eingeschlossene Leistungen sollten als Daten verfügbar sein und nicht ausschließlich in Dokumenten oder PDFs stehen. Nur dann kann die KI diese Informationen automatisch berücksichtigen.

• Zugriff auf den ERP Bestand. Die Verfügbarkeit von Ersatzteilen ist häufig ein entscheidender Faktor für die Einsatzplanung. Ein Lesezugriff auf die Bestandsdaten reicht in vielen Fällen bereits aus, damit die KI realistische Handlungsempfehlungen erstellen kann.

• Klare Verantwortlichkeiten. Auch mit KI bleibt eindeutig geregelt, wer Vorschläge prüft, freigibt und gegenüber dem Kunden verantwortet.

Wichtig ist dabei eine realistische Erwartungshaltung. Die eigentliche Herausforderung liegt in den meisten Projekten nicht darin, eine KI einzuführen. Deutlich aufwendiger ist es, bestehende Systeme miteinander zu verbinden und Informationen in einer Qualität bereitzustellen, die eine zuverlässige Auswertung ermöglicht.

Deshalb beginnt ein erfolgreiches KI-Projekt meist nicht mit der Auswahl eines Sprachmodells. Es beginnt mit einer Bestandsaufnahme der vorhandenen Daten. Sind Anlagenhistorie, Vertragsinformationen und Serviceberichte sauber gepflegt und lassen sich Telemetrie sowie ERP anbinden, kann die KI ihr Potenzial voll entfalten. Fehlen diese Grundlagen, sollte zunächst die Datenbasis verbessert werden. Denn eine KI kann vorhandenes Wissen intelligent nutzen und auswerten. Sie kann fehlende Informationen jedoch nicht ersetzen.

Fazit

Der Mehrwert von KI im Service entsteht nicht durch die Anbindung verschiedener Systeme. Sie schafft die Grundlage. Entscheidend ist, dass die KI aus den verfügbaren Informationen einen verständlichen Gesamtkontext erstellt und daraus fundierte Handlungsempfehlungen ableitet.

So können Servicemitarbeitende schneller und auf einer besseren Informationsbasis entscheiden, ohne dass die Verantwortung aus der Hand gegeben wird. Die KI unterstützt den Entscheidungsprozess. Die finale Entscheidung bleibt beim Menschen.

Zur stilistischen und formalen Überarbeitung dieses Textes wurde KI genutzt – der Inhalt blieb davon unberührt.