S

Schweizer Industrieunternehmen (anonym)

Industrie / Maschinenbau · Schweiz

Unabhängig belegt

KI-Bilderkennung ersetzt manuelle Ersatzteilbestellung im Self-Service-Portal

Reifegrad: Pilot / Test

Im Register seit 26.07.2026. Wir verfolgen, was aus diesem KI-Einsatz wird.

Wie nutzt Schweizer Industrieunternehmen (anonym) KI?

Ein Schweizer Industrieunternehmen ersetzt sein veraltetes Self-Service-Portal durch den CXplore Equipment Viewer von All for One, in dem Endkunden Ersatzteile per Smartphone-Foto identifizieren und direkt bestellen, ohne Einschaltung des Service-Innendienstes.

After Sales / KundenserviceKI-Bilderkennung zur Ersatzteilidentifikation und Selbstbestellung im Self-Service-PortalKI-Bilderkennung / Computer Vision (CXplore Equipment Viewer von All for One)

Auf einen Blick

Unternehmen
Schweizer Industrieunternehmen (anonym)
Land
Schweiz
Funktion
After Sales / Kundenservice
KI-Technik
KI-Bilderkennung / Computer Vision (CXplore Equipment Viewer von All for One)
Ergebnis
Über 50 % Zeitersparnis im Bestellprozess; KI-Trefferquote über 95 %

Ausgangslage

Das Schweizer Industrieunternehmen betrieb ein in die Jahre gekommenes Self-Service-Portal mit erheblichen Prozesslücken: Kunden tippten 20-stellige Materialnummern von Hand ein, und ein Klick auf „Bestellen" löste lediglich eine E-Mail an den Service-Innendienst aus. Dort prüfte ein Mitarbeiter die Materialnummer manuell, pflegte das Equipment nach und legte den Auftrag händisch an. Hinzu kam eine Altintegration mit SAP ECC, die aktuellen Sicherheitsanforderungen nicht mehr genügte.

Dieses Muster ist im produzierenden Mittelstand verbreitet: Ersatzteilanfragen laufen über Seriennummernfotos, E-Mails an den Service und Rückfragen per Hotline, ein Prozess mit mehreren Medienbrüchen, den Dominik Neubauer, Product Owner des CXplore Equipment Viewer bei All for One, als „ewigen E-Mail-Ping-Pong" beschreibt.

Was das Unternehmen konkret macht

Mit dem CXplore Equipment Viewer von All for One entsteht beim Schweizer Unternehmen gerade ein neues Self-Service-Portal. Darin können Endkunden Ersatzteile auf drei Wegen identifizieren: per KI-Bilderkennung anhand eines Smartphone- oder Tablet-Fotos, über die klassische Suche im Navigationsbaum oder durch direkten Klick im 2D- oder 3D-Modell der jeweiligen Maschine. Ist das Foto unscharf oder die Kamera nicht verfügbar, stehen die anderen Wege offen.

Nach der Identifikation bestellen Kunden das Teil direkt im Portal, ohne E-Mail an den Innendienst und ohne manuelle Auftragsanlage. Aus einem Prozess mit mehreren Schleifen wird so ein einziger digitaler Ablauf.

Technik & Ansatz

Der Equipment Viewer basiert auf der SAP Business Technology Platform (BTP) und ist um Computer-Vision-Netze erweitert, die auf das vollständige Teilespektrum eines Herstellers trainiert werden. Die Trefferquote liegt laut Anbieter bei über 95 Prozent, abhängig von der Menge der Trainingsbilder. Bringt ein Unternehmen ein eigenes Bilderkennungssystem mit, kann auch dieses angebunden werden.

Bei den Stammdaten verfolgt der Equipment Viewer einen bewussten Sonderweg: Stücklisten und Stammdaten werden über ein Integration-Adapter-Framework in den Equipment Viewer repliziert, statt live aus dem ERP abgefragt zu werden. Als Quellen dienen SAP ERP, eine Service Cloud oder Drittsysteme. Die replizierten Daten liegen in einer HANA-Datenbank, die auf schnelle Lesezugriffe optimiert ist, notwendig, weil Maschinen aus tausenden Einzelteilen in verschachtelten Baugruppen bestehen und ein Self-Service-Portal viele gleichzeitige Zugriffe erzeugt.

Das Frontend wird als Webcomponent in bestehende Systeme eingebettet, darunter SAP Commerce Cloud, SAP Field Service Management, SAP Service Cloud oder ein eigenständiges Portal auf der BTP.

Ergebnisse

Für Self-Service-Prozesse dieser Art beziffert All for One die Zeitersparnis im Bestellprozess auf über 50 Prozent gegenüber dem bisherigen Ablauf mit manueller Auftragsanlage. Als konkrete Wirkfaktoren werden direkterer Bestellkanal, weniger Fehlbestellungen durch einfachere Identifikation und systemgestützte Auftragsanlage genannt. Das Schweizer Projekt befindet sich dem Bericht zufolge noch im Aufbau; veröffentlichte Messwerte aus dem laufenden Betrieb liegen nicht vor.

Einordnung

Der Fall illustriert ein typisches Digitalisierungsproblem im produzierenden Mittelstand: gut strukturierte Daten im ERP, aber kein durchgängiger digitaler Kanal für Endkunden. Die KI-Bilderkennung ist dabei kein Ersatz für Stammdatenqualität, sondern setzt strukturierte Stücklisten voraus. Der Ansatz, Stammdaten aus dem ERP zu replizieren statt live abzurufen, adressiert ein konkretes Performance-Problem, das SAP-Standardstrukturen bei großen Teilespektren und vielen Lesezugriffen mit sich bringen. Das Aftermarket-Geschäft, in dem solche Portale wirken, ist für den Maschinenbau laut Munich Strategy (2024) ein Ergebnisträger mit Renditen von mehr als 25 Prozent bei den führenden Unternehmen der Branche.


Quellen

Unabhängig belegt

Von einer unabhängigen Quelle (Redaktion/Dritter) berichtet, nicht nur vom Unternehmen oder KI-Anbieter.

KI Cases fasst öffentlich berichtete Einsätze neutral zusammen und verlinkt die Originalquellen. Maßgeblich ist die jeweilige Quelle.


Weitere Fälle

Jede Woche neue KI-Fallstudien

Wie Unternehmen KI wirklich einsetzen: kuratiert, mit Quelle. Der Newsletter startet bald, trag dich ein und sei von Anfang an dabei.

Abonnieren