KI-Serviceassistent für Maschinenbauer: Fehlercodes, Ersatzteile per Foto, Serviceberichte

Was ein KI-Serviceassistent für einen Maschinenbauer leistet

Ein KI-Serviceassistent für einen Maschinenbauer beantwortet die Fragen von Servicetechnikern und Hotline aus dem eigenen Servicewissen des Unternehmens: Anleitungen, frühere Serviceberichte, Fehlercodelisten, Ersatzteilkataloge und die Historie jeder Maschine der installierten Basis. Er macht aus einem Fehlercode die nächsten Reparaturschritte, findet ein Ersatzteil anhand eines Fotos, entwirft den Servicebericht aus der Sprachnotiz eines Technikers und antwortet in der Sprache des Kunden, jeweils mit Angabe der Quelle. Für eine Serviceorganisation mit bis zu einigen Hundert Personen trägt ihn ein Server mit zwei Karten der NVIDIA RTX PRO 6000 Blackwell Server Edition; vier Karten bringen mehr Kapazität, ein zweites Modell für Sprachen oder Bilder und Platz für andere Abteilungen.

Wir schreiben für die Leitung Service oder After Sales eines Maschinen- oder Anlagenbauers, die entscheidet, ob sich ein solcher Assistent lohnt, und für das IT-Team, das ihn an Ticketsystem und ERP anbindet. Aufgaben und Konfigurationen stehen vorn, die technischen Hinweise folgen danach.

Vier Aufgaben im Service und Außendienst

Das Serviceteam eines Maschinenbauers betreut Maschinen beim Kunden, oft viele Jahre nach der Auslieferung. Vier Aufgaben nehmen den größten Teil seiner Zeit ein, und jede braucht einen anderen Teil des Assistenten.

Unsere Zusammenfassung des Aufbaus; die Modelle nennen wir in den Abschnitten unten mit den Seiten, von denen sie stammen.

Der Assistent sucht Quellen und entwirft Texte. Die Diagnose stellt weiter der Techniker, und eine Reparatur, die eine Sicherheitsfunktion berührt, gibt weiter die Serviceleitung frei. Was sich ändert, ist die Suchzeit: in einem früheren Bericht, im richtigen Stand der Anleitung, in der Stückliste einer Maschine, die vor zwölf Jahren gebaut wurde.

Dieser Artikel behandelt den After Sales des Herstellers für Maschinen beim Kunden. Ein Assistent für die Instandhaltung in einem Werk ist Teil unseres Artikels zum KI-Server für die Industrie, und ein Chatbot für Kunden auf einer Website ist Thema unseres Leitfadens zum Server für einen Kundenservice-Chatbot.

Fehlercodes mit KI erklären: vom Code zum nächsten Schritt

Eine Maschinensteuerung meldet einen Code, der Bediener ruft die Hotline an, und jemand muss herausfinden, was der Code an dieser Maschine mit diesem Softwarestand bedeutet und was beim letzten Mal geholfen hat. Ein Sprachmodell, das aus einer Codenummer rät, liefert schlechte Antworten. Besser ist eine Aufteilung der Arbeit.

1. Nachschlagen. Das Modell ruft ein Werkzeug auf, das den Code in der Fehlercodetabelle für Maschinentyp und Softwarestand nachschlägt, und holt den Datensatz der Maschine aus der installierten Basis: Baujahr, Optionen, frühere Tickets. Die Dokumentation von vLLM schreibt für Tool-Aufrufe --enable-auto-tool-choice vor und koppelt es an einen Parser je Modellfamilie, openai für gpt-oss.
2. Suche. Der Suchindex liefert den Abschnitt der Anleitung zum Code und frühere Serviceberichte mit demselben Code oder demselben Symptom. Das ist RAG, Retrieval-Augmented Generation, wie unser Artikel zu RAG auf Firmendaten erklärt.
3. Antwort. Das Modell schreibt die nächsten Schritte und nennt Anleitungsseite und Berichtsnummern, die es verwendet hat, damit der Techniker die Quelle öffnen kann.

Alte Serviceberichte sind die nützlichste und die uneinheitlichste Quelle. Sie sind kurz, voller Abkürzungen und manchmal falsch. Ein Serviceingenieur sollte entscheiden, welche Berichtsarten in den Index kommen, Berichte markieren, deren Lösung sich als falsch erwiesen hat, und eine Störungsdatenbank verantworten, die Wissensbasis des Teams, die aus bestätigten Fällen wächst. Das Embedding-Modell, das die Berichte durchsuchbar macht, ist klein: Qwen3-Embedding-0.6B unter Apache 2.0 nennt mehr als 100 Sprachen, verarbeitet 32K Token und hat eine Datei mit 1,19 GB, und es gibt ein passendes Qwen3-Reranker-0.6B. Unser Leitfaden zu Embedding und Reranker dimensioniert beide.

Ersatzteil per Foto erkennen

Ein Techniker sieht beim Kunden ein verschlissenes Teil ohne lesbare Nummer, macht ein Foto und braucht die Teilenummer. Zwei Verfahren helfen, und beide brauchen einen Test mit Ihren eigenen Teilen.

• Bildsuche. Ein Bild-Embedding-Modell wandelt jedes Bild in einen Vektor um, eine Liste von Zahlen, sodass ähnliche Bilder nahe beieinander liegen. Googles SigLIP 2 (siglip2-so400m-patch14-384) ist unter Apache 2.0 für Zero-Shot-Bildklassifikation und Bild-Text-Suche veröffentlicht; seine Modellkarte zeigt etwa 1B Parameter, und seine Datei belegt in 32 Bit 4,54 GB. Sie indexieren die Teilebilder aus dem Katalog, Renderings aus CAD und Fotos aus früheren Fällen; das Foto des Technikers liefert die ähnlichsten Treffer.
• Typenschild lesen. Ein Vision-Language-Modell liest Text in einem Foto, etwa ein Typenschild oder ein Etikett. Mistral Small 4 (Mistral-Small-4-119B-2603) nimmt laut seiner Modellkarte Text und Bilder an, unter Apache 2.0.

Die Stückliste der betreffenden Maschine grenzt das Ergebnis ein: Ein Treffer nützt nur, wenn das Teil in diese Seriennummer eingebaut wurde. Heraus kommt eine kurze Liste von Kandidaten mit ihren Bildern, und der Techniker bestätigt das Teil. Renderings sehen anders aus als ein verschmutztes Teil in einer Halle; nehmen Sie Fotos aus echten Serviceeinsätzen deshalb laufend in den Index auf. Bilder von Dokumenten, etwa gescannte Stücklisten, sind eine andere Aufgabe, die unser Leitfaden zu ColPali und visueller Dokumentsuche behandelt.

Serviceberichte aus Sprachnotizen

Nach einem Einsatz spricht der Techniker eine kurze Notiz in Telefon oder Tablet: was er gefunden hat, was er getauscht hat, was noch offen ist. Ein Sprach­erkennungs­modell transkribiert sie, und das Sprachmodell füllt aus dem Transkript die Berichtsvorlage, mit Teilenummern, die gegen die Stückliste geprüft werden. Der Techniker liest den Entwurf und schickt ihn ab; die Unterschrift des Kunden folgt Ihrem bestehenden Ablauf.

Das Whisper-Repository von OpenAI stellt Code und Modellgewichte unter die MIT-Lizenz und nennt etwa 10 GB GPU-Speicher für Whisper large und etwa 6 GB für turbo; Sprache belegt also einen Bruchteil einer Karte. Unser Leitfaden zu den Whisper-GPU-Anforderungen behandelt den Durchsatz für größere Audiomengen.

Antworten in der Sprache des Kunden kommen von derselben Plattform. Die Modellkarte von gpt-oss-120b nennt keine Sprachliste. Die Modellkarte von EuroLLM-22B-Instruct-2512 nennt 35 Sprachen, darunter alle 24 EU-Amtssprachen, unter Apache 2.0, und die Modellkarte von Mistral Small 4 nennt 11 Sprachen, darunter Deutsch, Französisch, Spanisch, Italienisch, Portugiesisch und Niederländisch, und spricht allgemein von Unterstützung für „dozens of languages“, also Dutzende Sprachen. Testen Sie die Sprachen Ihrer größten Märkte mit echten Servicefragen; unser Vergleich europäischer offener LLMs geht genauer darauf ein.

Wir bauen Server mit zwei oder vier RTX PRO 6000 Server Edition und richten Modelle und Suche ein; nennen Sie uns die Zahl der Techniker und Hotline-Mitarbeitenden, die den Assistenten nutzen würden, und wo Ihre Servicedaten liegen, und unser Team antwortet mit einer Konfiguration.

Wem die Daten gehören: Kunden, DSGVO und Data Act

Das ist eine allgemeine Information, keine Rechtsberatung; Ihre Rechtsberatung oder Ihr Datenschutz­beauftragter bestätigt, was für Ihre Verträge gilt. Servicedaten haben mehrere Eigentümer. Anleitungen und Stücklisten gehören Ihnen. Serviceberichte und Tickets enthalten Namen von Mitarbeitenden des Kunden und Einzelheiten seiner Produktion; für die personenbezogenen Daten darin gilt die DSGVO, und Serviceverträge oder Vertraulichkeits­vereinbarungen können begrenzen, wie Sie Informationen eines Kunden für andere Kunden wiederverwenden. Ein Modell auf Ihrem eigenen Server hält Dokumente, Prompts und Antworten unter Ihren Zugriffsregeln, und der Suchindex kann nach Kunde filtern, sodass ein Techniker Berichte anderer Kunden nur sieht, wo Ihre Verträge es erlauben.

Maschinendaten bringen eine neuere Regel mit. Die Seite der Kommission zum Data Act nennt den 12. September 2025 als Geltungsbeginn der Verordnung (EU) 2023/2854 und beschreibt das Recht von Nutzern, auf die Daten zuzugreifen, die bei der Nutzung vernetzter Geräte entstehen. Erwägungs­grund 25 der Verordnung sagt, dass die Grundlage für die Nutzung nicht personenbezogener Daten durch den Hersteller, wenn er Dateninhaber ist, ein Vertrag mit dem Nutzer sein sollte. Erwägungs­grund 31 ergänzt, dass ein Dateninhaber eine Zugangsanfrage grundsätzlich nicht allein deshalb ablehnen kann, weil die Daten ein Geschäftsgeheimnis sind, und Geschäftsgeheimnisse vor der Offenlegung kennzeichnen sollte. Wenn Ihr Assistent aus Betriebsdaten vernetzter Maschinen bei Kunden lernt, klären Sie mit Ihrer Rechtsberatung, ob Ihre Verträge diese Nutzung abdecken.

Wenn Bediener Ihrer Kunden den Assistenten selbst nutzen, verlangt Artikel 50 des AI Act seit dem 2. August 2026, dass Menschen erfahren, dass sie mit einem KI-System interagieren, sofern das nicht offensichtlich ist. Unser Artikel zum EU AI Act für Unternehmen mit LLMs gibt allgemeine Informationen; die nationale Praxis kann abweichen.

Konfigurationen nach Zahl der Karten

Die Varianten folgen den Referenz­konfigurationen auf unserer Seite KI-Server und dem NVIDIA-Leitfaden für zertifizierte Systeme: zwei Prozessoren, mindestens sechs Kerne je GPU und Arbeitsspeicher in doppelter Höhe des GPU-Speichers. Unsere Regel für Nutzer je Karte nimmt 90 Prozent der 95,6 GiB, die der Treiber meldet, abzüglich 3 GiB je Karte und abzüglich der Gewichte.

Referenz­konfigurationen auf unserer Seite KI-Server; Konversationen nach unserer Regel für Nutzer je Karte mit gpt-oss-120b (60,8 GiB) und 16-Bit-Cache; Nutzer bei einem Beispielwert von 8 laufenden Anfragen je 100 Technikern und Hotline-Mitarbeitenden in der Spitze; Leistung nach unserer Schätzung mit Karten bei 600 W, Prozessoren und 15 Prozent für den Rest des Servers.

Zwei Karten. Der Einstiegsserver hat zwei RTX PRO 6000 Server Edition, zwei AMD-EPYC-Prozessoren, 384 GB DDR5 ECC und zwei NVMe-Laufwerke. gpt-oss-120b unter Apache 2.0, mit 117B Parametern, von denen je Token 5,1B aktiv sind, belegt 60,8 GiB und lässt auf der ersten Karte 22,2 GiB Cache. Mit den 18 Schichten mit voller Attention und 8 Key/Value-Heads der Dimension 64, die seine config.json nennt, braucht eine Konversation mit 32K Token nach unserer Rechnung 1,125 GiB 16-Bit-Cache, und 19 passen gleichzeitig. Mit einem Beispielwert von 8 laufenden Anfragen je 100 Nutzer zur Spitzenzeit deckt das etwa 235 Techniker und Hotline-Mitarbeitende ab; das Gateway-Protokoll nach einem Piloten ersetzt den Beispielwert. MIG, das NVIDIA-Verfahren zum Aufteilen einer Karte in isolierte Teile, teilt die zweite Karte in vier Instanzen zu 24 GB: SigLIP 2 für die Bildsuche, Embedding-Modell und Reranker, Whisper für Sprachnotizen und eine für Tests.

Vier Karten. Der Inferenzknoten mit 768 GB und vier NVMe-Laufwerken betreibt gpt-oss-120b als eine Kopie, die per Tensor-Parallelität auf zwei Karten verteilt ist; das lässt 2 × 83,0 − 60,8 = 105,3 GiB für den Cache: 93 Konversationen zu 32K, mit demselben Beispielwert etwa 1.160 Nutzer. Die dritte Karte nimmt ein zweites Modell auf. EuroLLM-22B mit 42,2 GiB in 16 Bit lässt auf einer Karte 40,9 GiB Cache für Antworten in den kleineren EU-Sprachen. Mistral Small 4 in NVFP4 belegt 70,8 GB, also 65,9 GiB, und lässt nach unserer Regel auf einer Karte 17,1 GiB; das Beispiel auf seiner Modellkarte betreibt es auf zwei GPUs, und die NVFP4-Unterstützung auf RTX PRO Blackwell hängt vom Engine-Release ab, testen Sie es also auf der Zielkarte, bevor Sie damit planen. Die vierte Karte trägt Suche und Sprache in MIG-Instanzen.

Zwei Server. Wenn Techniker beim Kunden während eines Maschinenstillstands auf den Assistenten angewiesen sind, planen Sie zwei Server mit je vier Karten, von denen jeder die Spitze trägt, damit einer ausfallen oder aktualisiert werden kann, während der andere antwortet, wie unser Leitfaden zur Hochverfügbarkeit von LLMs mit zwei GPU-Knoten beschreibt.

Die RTX PRO 6000 Max-Q ist die Workstation-Karte, eine Karte mit 300 W und Radiallüfter; in einem Rack gehört sie nur in ein Gehäuse, dessen Hersteller sie listet, und für den Dauerbetrieb empfehlen wir die Server Edition.

Hinweise für die IT

1. Schnittstellen. vLLM stellt eine OpenAI-kompatible API bereit und hat Pooling-Endpunkte für Embeddings. Ticketsystem, Außendienst-App und Hotline-Arbeitsplatz rufen eine Schnittstelle hinter einem LLM-Gateway mit Schlüsseln und Abfrageprotokoll auf.
2. Werkzeuge statt Exporte. Fehlercode-Abfragen, Datensätze der installierten Basis und Stücklisten je Seriennummer sind Tool-Aufrufe in die Systeme, denen die Daten gehören. Das Backend identifiziert den Nutzer und gibt nur die Daten weiter, die er sehen darf; das Modell sieht nie Zugangsdaten, wie unser Leitfaden zu Prompt Injection und LLM-Sicherheit erklärt.
3. Zugriff aus dem Außendienst. Techniker erreichen den Assistenten über Ihr VPN von Laptops und Tablets. Wo ein Standort keine Verbindung hat, exportieren Sie Anleitung und Stückliste dieser Maschine vor dem Einsatz auf das Gerät; der Assistent selbst läuft auf dem Server.
4. Index je Kunde. Jeder Abschnitt im Index trägt den Kunden und die Zugriffsliste seiner Quelle, und die Suche filtert, bevor sie sortiert. Eine Vektordatenbank mit Metadatenfiltern übernimmt das.
5. Netzwerk und Versionen. --api-key schützt in vLLM nur Pfade unter /v1, /v2, /inference und /cohere; Routen wie /invocations und /metrics antworten auch ohne Schlüssel (Sicherheitsleitfaden von vLLM 0.32.0). Halten Sie die Engines deshalb in einem internen Netz hinter dem Gateway. Betreiben Sie vLLM 0.31.0 oder neuer, das NVIDIA Container Toolkit ab 1.17.8 und einen Treiber, den NVIDIA in seinem Bulletin vom 30. September 2026 als behoben nennt.
6. Software bei Lieferung. Der Server kommt auf Wunsch mit Betriebssystem, NVIDIA-Treiber, CUDA und Container-Runtime; unser Leitfaden zur Software für RTX PRO Blackwell nennt die Engine-Versionen für diese Karten. Die Außendienst-App und ihre Oberfläche bleiben bei Ihrem Team oder Ihrem Softwareanbieter.

Stromverbrauch und Raum

Nach unserer Schätzung nimmt der Server mit zwei Karten und zwei EPYC 9135 etwa 1,8 kW an der Steckdose auf und passt an einen Anschluss mit 230 V und 16 A, der bei 80 Prozent 2,94 kW trägt. Der Server mit vier Karten nimmt mit Karten bei 600 W etwa 3,4 kW auf und braucht 32 A oder Drehstrom, mit auf 450 W begrenzten Karten etwa 2,7 kW. Beide gehören in einen Serverraum oder ein Rechenzentrum, wie unser Leitfaden zum Stromanschluss von GPU-Servern mit 16 A, 32 A und Drehstrom erklärt. Ohne eigenen Serverraum betreibt unser Service Private AI/ML die Plattform auf dedizierter Hardware in einem Tier-3-Rechenzentrum in Litauen, innerhalb der EU.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team dimensioniert die Konfiguration nach Ihrer Last und Ihrem Budget und antwortet innerhalb eines Werktages. Wir bauen die Server auf Bestellung mit zwei, vier oder acht Karten der RTX PRO 6000 Server Edition, vor der Lieferung montiert und getestet, geliefert in die gesamte EU mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns; Stückzahlen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Unser Service Private AI/ML mit unserem Engineering-Partner Vixen.UNO richtet die Modelle, die Suche mit Zugriff je Kunde und die Tool-Anbindung an Ihre Servicesysteme ein. Mit KI erstellte Anleitungen speisen denselben Index, wie unser Leitfaden zur Betriebsanleitung mit KI nach der Maschinenverordnung zeigt; beschreiben Sie eine Produktlinie und ihre Servicedaten, und wir schlagen einen Piloten und den Server dafür vor.

FAQ