News, inforum ai, Qualitätsmanagement

KI im Qualitäts­­­management

Wie aus 8D-Reports, Audits und Prüfberichten nutzbares Wissen wird

KI im Qualitätsmanagement entfaltet ihren größten Nutzen dort, wo das eigene Wissen eines Unternehmens liegt: in abgeschlossenen Reklamationen, 8D-Reports, Audits und Prüfberichten. Ein KI-Assistent, der diese Vorgänge inhaltlich versteht, findet frühere Fälle mit Ursache und wirksamer Maßnahme. Das gelingt auch dann, wenn die Fälle anders benannt, an einem anderen Standort oder in einer anderen Sprache dokumentiert sind. Die Voraussetzung dafür ist eine QM-Software, die Vorgänge strukturiert und miteinander verknüpft ablegt.

Die wichtigste Frage im QM beantwortet kein allgemeines KI-System

Im Qualitätsmanagement zählt vor allem eine Frage: Warum ist dieser Fehler aufgetreten, und haben wir ihn schon einmal gelöst? Darauf hat kein allgemeines KI-System eine Antwort. Die Antwort steckt in der eigenen Dokumentation, und genau dort liegt der Mehrwert für Unternehmen.

Das entscheidende Wissen steht im Fließtext, nicht in den Feldern

Jeder 8D-Report, jedes Audit und jeder Prüfbericht erweitert den Wissensbestand eines Unternehmens. Er entsteht nebenbei, Vorgang für Vorgang, über Jahre hinweg. Die strukturierten Felder eines 8D-Reports nennen Fehlerart, Bauteil, Lieferant und Status. Sie halten fest, dass es einen Fall gab. Der fachliche Gehalt steht an anderer Stelle: in der Ursachenanalyse, in den Feststellungen des Audits und in den Abweichungen des Prüfberichts. Dort steht zum Beispiel, dass ein Grat am Spritzgusswerkzeug die Dichtfläche beschädigt hat, weil das Wartungsintervall nach 180.000 Schuss nicht angepasst wurde. Dort steht auch, dass erst der Tausch der Werkzeugkavität das Problem gelöst hat.
Genau dieses Wissen macht die nächste Analyse schneller, sofern es sich finden lässt.

Warum Feld- und Volltextsuche diesen Bestand nicht erschließen

Eine Stichwortsuche findet nur, was gleich benannt ist. In der Praxis beschreiben Teams denselben Sachverhalt aber unterschiedlich:

  • Benennung: „Undichtigkeit“, „Leckage“ und „Dichtheitsprüfung n.i.O.“ meinen dieselbe Sache.
  • Module: Die Ursache steht im 8D-Report, die Maßnahme im Maßnahmenmodul und der Wirksamkeitsnachweis im Prüfbericht.
  • Standorte: Jedes Werk dokumentiert in eigener Tiefe und mit eigenen Abkürzungen.
  • Sprachen: Ein Konzern dokumentiert auf Deutsch, Englisch und Tschechisch, eine Stichwortsuche kennt nur eine dieser Sprachen.

Ohne strukturierte Datenbasis bleibt KI eine Vermutung

Eine KI ist nur so gut wie die Daten, auf denen sie arbeitet. Liegen Reklamationen als E-Mail, 8D-Reports als Excel-Datei und Audits als Word-Dokument vor, fehlen ihr Kontext und Zusammenhang. Die Ergebnisse bleiben dann Vermutungen. In inforum sind Reklamation, 8D-Report, Audit, Maßnahme, Prüfung und Bemusterung Teil eines Systems. Das schafft drei Voraussetzungen, die eine KI im QM braucht:

  • Struktur: Jeder Vorgang hat Typ, Status, Bauteil und Standort.
  • Verknüpfung: Die Reklamation kennt ihren 8D-Report, und das Audit kennt seine Maßnahmen.
  • Berechtigungen: Das System legt fest, wer welche Vorgänge sehen darf.

Wie OKI eine Frage über Modulgrenzen hinweg beantwortet

OKI, der KI-Assistent in inforum, nimmt Fragen in Alltagssprache entgegen. Ein Orchestrator zerlegt die Frage und übergibt die Teilaufgaben an spezialisierte Agenten für Reklamation, 8D, Audit, Bemusterung und Prüfung. Anschließend führt er die Teilergebnisse zu einer Antwort zusammen. Wer fragt, muss nicht wissen, wo das Wissen liegt.
Ein Beispiel: Die Frage „Welche Maßnahmen haben bei Lieferant X in den letzten zwei Jahren nachweislich gewirkt?“ berührt vier Module zugleich, nämlich Reklamation, 8D, Maßnahmen und Audit.
Auch die Frage „Gab es schon einmal Undichtigkeiten an Gehäusen, und was hat geholfen?“ liefert keine Liste mit 40 Treffern. OKI antwortet direkt, etwa so (illustratives Beispiel):

  • Werk Graz, 8D-Report („Undichtigkeit“): Ursache war ein Grat am Werkzeug, nach dem Tausch der Kavität war die Maßnahme wirksam.
  • Werk Brno, 8D-Report („netěsnost“): Das Dichtungsmaterial war falsch spezifiziert, der Lieferant wurde gewechselt.
  • Audit Werk Linz, Feststellung („Leckage Prüfstand“): Der Prüfdruck wurde angepasst.

Jede Antwort nennt ihre Quellen. Das Team prüft die Ergebnisse, statt erst zu suchen.

Die Analyse beginnt mit Wissensvorsprung

Der Ablauf bei einem neuen Fehlerbild verändert sich deutlich. Bisher war das Team auf Erinnerung und Stichworte angewiesen. Mit KI-Agenten liegen vergleichbare Fälle mit dokumentierter Ursache vor, bevor das 8D-Team zusammentritt. Bewährte Maßnahmen kommen zuerst auf den Tisch.
Damit wird vorhandenes Wissen zum Startpunkt jeder Analyse und hängt nicht mehr vom Zufall ab. Die Erfahrung einzelner Fachleute bleibt verfügbar, auch wenn sie das Unternehmen verlassen.

Was KI-Agenten im QM-Alltag leisten

  • Schneller zur Ursache: Frühere Fälle mit Ursache und Maßnahme liegen vor, bevor die Analyse beginnt.
  • Weniger Wiederholfehler: Bewährte Maßnahmen aus anderen Werken und Modulen lassen sich finden und erneut anwenden.
  • Wissen bleibt im Unternehmen: Die Erfahrung steckt in der Plattform. Ein Personalwechsel kostet keine Historie.
  • Effiziente Audit- und Berichtsvorbereitung: Feststellungen, offene Maßnahmen und Nachweise lassen sich modulübergreifend zusammenstellen.

Ein Blick auf die Technik

Vier technische Bausteine machen den Einsatz von KI im Qualitätsmanagement belastbar:

  1. Semantische Suche über eine Vektor-Datenbasis: Texte aus Modulen und Dokumenten werden als Bedeutungsvektoren abgelegt. Ähnliche Sachverhalte liegen dort nahe beieinander, unabhängig von Wortlaut und Sprache.
  2. MCP als offener Integrationsstandard: Das Model Context Protocol verbindet Modelle mit Werkzeugen und Datenquellen. Der Standard ist offen, herstellerneutral und lässt sich um weitere Systeme erweitern.
  3. Modelle lokal oder in der Cloud: Lokale Modelle halten alle Daten im eigenen Rechenzentrum. Cloud-Modelle sind größer und schließen bei komplexen Fragen über lange Dokumente besser. Für die semantische Suche im QM reichen lokale Modelle aus, denn die Qualität der Antworten hängt von der strukturierten Datenbasis ab, nicht von der Modellgröße. An ihre Grenze stoßen sie bei komplexen Auswertungen sehr langer Texte.
  4. Unveränderte Berechtigungen: Es gelten die bestehenden Berechtigungen aus inforum. Antworten enthalten nur Vorgänge, für die die anfragende Person berechtigt ist.

Häufige Fragen

Was bringt KI im Qualitätsmanagement konkret?

KI macht abgeschlossene Vorgänge wie 8D-Reports, Audits und Prüfberichte als Wissen nutzbar. Teams finden frühere Fälle mit Ursache und wirksamer Maßnahme und starten jede Analyse mit einem Wissensvorsprung.

Welche Daten braucht ein KI-Assistent im QM?

Es sind strukturierte und verknüpfte Vorgänge mit Typ, Status, Bauteil und Standort sowie definierte Berechtigungen notwendig. Verstreute Dateien ohne Zusammenhang liefern keine belastbaren Antworten.

Funktioniert die semantische Suche über mehrere Sprachen?

Ja. Die semantische Suche erkennt vergleichbare Sachverhalte unabhängig von Benennung und Sprache, zum Beispiel in deutschen, englischen und tschechischen Berichten.

Lassen sich die KI-Modelle lokal betreiben?

Ja. Die Sprach- und Embedding-Modelle laufen wahlweise in der Cloud oder lokal im eigenen Rechenzentrum. Im lokalen Betrieb verlassen keine Daten das Unternehmen.

Sieht der KI-Assistent vertrauliche Vorgänge?

Die Antworten enthalten nur Vorgänge, für die die anfragende Person berechtigt ist. Es gelten die bestehenden Berechtigungen aus inforum.


Kostenloser KI-Potenzial-Check

Wie viel Wissen steckt in Ihren Vorgängen? Der kostenlose KI-Potenzial-Check klärt drei Fragen:

  1. In welchen Systemen und in welcher Form liegen Ihre Reklamationen, 8D-Reports, Audits und Prüfberichte heute?
  2. Wie gut sind Ursachen, Maßnahmen und Nachweise miteinander verknüpft?
  3. Wo lohnt sich der Einstieg, und wo sollte die Datenbasis zuerst wachsen?