KI zur Problemlösung – in 7 Schritten zum Erfolg

Wie läßt sich KI zur Problemlösung z.B. bei der Erstellung eines 8D-Reports, bei der Ursachenanalyse mit Ishikawa oder insbesondere bei komplexen, mehrschichtigen Problemen einsetzen? Welche Möglichkeiten bestehen und wo sind Grenzen?

Was erfahren Sie in diesem Beitrag? – Inhalte

KI zur Problemlösung – Was leider oft nicht funktioniert

Ich brauche eine schnelle Lösung, jetzt setze ich KI zur Problemlösung ein!

Leider ist es oft nicht so schnell und so einfach wie erhofft, denn:

Um eine brauchbare Antwort mit KI-Tools zu erhalten, ist eine sorgfältige Vorbereitung und Problemeingrenzung erforderlich. Schlecht formulierte Anfragen liefern auch bei den leistungsfähigsten KI-Werkzeugen meist unbefriedigende Antworten.

Ishikawa mit KI zur Problemlösung

Houston – Wir haben ein Problem! – Und weil KI natürlich auch die Ursachenanalyse mit dem Ishikawa-Diagramm kennt und damit die 5 bzw. 6M´s als Suchrichtungen, ist es doch ganz einfach: Wir beschreiben im KI-Prompt kurz das Problem und weisen an, dass die KI zur Problemlösung das Fischgrät-Diagramm benutzt. Vielleicht ergänzt der Abfrager auch noch einige Informationen zum problembehafteten Produkt bzw. Prozess.

Das Ergebnis ist oft eine lange Liste möglicher Ursachen und Einflussfaktoren. Diese ist sehr viel umfangreicher und vor allem sehr viel schneller erstellt als eine, die ein Problemlösungs-Team mittels Brainstorming erstellen könnte.

Aber: Welche Ursache von den vielen Möglichkeiten ist es tatsächlich? Über Trial & Error die tatsächliche Ursache zu identifizieren, ist in der Praxis viel zu zeitraubend.

Und: Selbst wenn die KI über die Datenmodelle bereits sehr viel über das problembehaftete Produkt oder den problembehafeten Prozess weiß, wird sie selten die unternehmensindividuellen Besonderheiten oder Randbedingungen kennen. Spätestens hier sind wieder spezielles Produkt- und Prozesswissen erforderlich – und damit Menschen.

KI zur Problemlösung: Was funktioniert – strukturierte Vorgehensweise

Schritt 1: Ziel des Problemslösungsprozesses definieren

Oft übersehen, weil als offensichtlich und trivial erachtet: Was ist die Zielsetzung des Problemlösungs- Workshops bzw. gesamten Problemlösungsprozesses?

Die Diskussion dieser Fragestellung ist wichtig, um allen Beteiligten die Wichtigkeit, Priorität und die Konsequenzen klar zu machen, falls eine befriedigende Lösung nicht erreicht werden kann. Je enger Ziele und zulässige Veränderungen definiert werden, ist, desto kleiner sind die Handlungs- und Lösungsmöglichkeiten für das Problemlösungs-Team.

Schritt 2 Problemlöse-Team bilden

Komplexe Probleme lassen sich in der Regel nicht von einer Person allein lösen. Ein qualifiziertes Problemlöse-Team hat idealerweise

• umfassendes Wissen über Produkt und Prozess
• eine hohe Problemlösungskompetenz
• zahlreiche Erfahrungen aus anderen Projekten und Fachbereichen
• eine abgestimmte Vorgehensweise d.h. es folgt dem Problemlösungsprozess
• Routine in der Auswahl und Anwendung der nötigen Problemlösungstechniken und -methoden d.h. es nimmt auch Abkürzungen soweit sinnvoll oder läßt Methodenelemente weg.

Schritt 3 strukturierte Vorgehensweise zur Problemlösung festlegen

Routine durch eingespielte Abläufe sparen Zeit und beschleunigen die Zusammenarbeit erheblich. Sofern Sie es nicht bereits in Ihrem Unternehmen etabliert haben, sollten Sie es umgehend tun: Eine strukturierte Vorgehensweise zur Problemlösung festlegen.

Sie haben Ausschuss? Nacharbeit? Ungelöste komplexe Qualitätsprobleme? Wir sind Problemlösungs-Spezialisten.  Bitte sprechen Sie uns an.

Diese kann sich z.B. am 8D orientieren oder am A3 nach Toyota.

Alternativ legt ein Projektleiter oder erfahrener Moderator von tercero die Vorgehensweise und Problemlösungsstrategie gemeinsam mit dem Team fest und erarbeitet anschließend mit dem Team die jeweiligen Inhalte. – In dieser Situation arbeiten wir sehr häufig.

Schritt 4 relevante Informationen über Anwendung, Produkt und Prozess beschaffen

Fehler oder Prozessversagen entstehen, weil Veränderungen gegenüber dem stabilen, fehlerfreien Zustand aufgetreten sind. Deshalb ist es wichtig, die im Hinblick auf den Fehler relevanten Informationen über

• Anwendung
• Produkt
• Prozess

bereitzustellen. Viele Informationen werden bereits im Team vorhanden sein. Aber irgendwann kommt selbst das beste Team an seine Wissensgrenzen. Auch hier kann KI zur Problemlösung eingesetzt werden, nämlich um schnell relevante Informationen zu beschaffen und Wissenslücken aufzufüllen.

Weil viele technische Systeme, Produkte und Prozesse bestens dokumentiert sind, kann hierfür sehr gut KI zur Problemlösung und Informationsbeschaffung eingesetzt werden. Die Auswertung der unternehmenseigene Reklamations-Datenbank oder SPC-Daten aus der Prozessüberwachung durch KI-Tools – insbesondere bei Wiederholungsfehlern – ist sinnvoll. Welche KI-Tools – ChatGPT , Perplexity ai , Google Gemini , Mistral ai o.a. verwendet werden, ist dabei zweitrangig.

An dieser Stelle erfolgt ebenfalls die Sammlung von Informationen über Änderungen und Unterschiede des funktionierenden Systems im Vergleich zum fehlerbehafteten System. Hier kann z.B. mit der Kepner Tregoe Methode oder mit der Shainin-Methode des Vergleichs von Paaren gearbeitet werden.

Schritt 5 Funktionsmodell und Versagenhypothesen entwickeln

Basis für jede Versagenhypothese ist ein Funktionsverständnis des Produkts oder des Prozesses, welche Merkmale bzw. Parameter die Funktion wie stark beeinflussen. Auch hier kann eine Recherche mit KI zur Problemlösung hilfreich sein – zumindest, wenn es sich um Standardanwendungen, Standardprodukte und Standardprozesse handelt. Die unternehmensspezifischen Unterschiede muss dann das Problemlöse-Team herausarbeiten.

Ein Praxisbeispiel

In unserem Praxisbeispiel „das Etikett hält nicht! “ finden Sie eine Beschreibung, wie KI + web-Recherchen sehr schnell und einfach verwendet werden können, um Versagenshypothesen zu bestätigen und auch um Lösungen bzw. Lösungsanbieter zu finden.

Damit der Fehler auftritt, muss mindestens 1 Parameter vom stabilen Soll-Zustand abgewichen sein. In der Regel werden mehrere Merkmale oder Parameter verändert sein und erst diese Kombination führt zum Fehler bzw. Versagen.

Auch hier ist wieder der Mensch bzw. das Problemlöse-Team gefordert. Die „richtige“ Hypothese erklärt logisch und nachvollziehbar sowohl das Versagen als auch den Fehler.

Schritt 6 Versagenhypothesen verifizieren

Nach der theoretischen Entwicklung erfolgt die Überprüfung der Annahmen für den realen Fall in der Praxis. Sind die fehlerverursachenden Parameter korrekt identifiziert, kann der Fehler ein- und ausgeschaltet werden.

Schritt 7 Vermeidungsmassnahmen definieren & umsetzen

Sind die Versagenshypothesen bewiesen, erfolgt die Entwicklung von Vermeidungsmassnahmen und deren Implementierung – Konstruktionsänderungen, Prozessänderungen, Änderungen & Einschränkungen bzgl. der Anwendung.

Fazit: Menschliches Wissen + logisches Denken + KI zur Problemlösung

KI zur Problemlösung einzusetzen, ist eine sinnvolle Ergänzung im PLP. Sie ist dem Menschen überlegen z.B. wenn es darum schnell möglichst viele potentielle Fehlerursachen für ein Problem zu benennen. Aber die Bewertung und damit die Entscheidung zu treffen, welches Merkmal oder Parameter tatsächlich ursächlich ist, kann oft nur der Mensch. Denn dies erfordert logisches Denken und Funktionsverständnis, warum es im Normalfall funktioniert und im Fehlerfall eben nicht.

Eine neuere Studie von OpenAI bestätigt dies ebenfalls. Wird KI zur Problemlösung verwendet, liefert sie in vielen Fällen funktionierende Problemlösungen. Aber nur basierend auf der Häufigkeit dieser Lösung in den analysierten Daten und oft ohne tiefergehendes Verständnis dafür, warum der Fehler aufgetreten ist.

Mit dem Fehler zu leben, ist zu teuer! Wir waren bisher selbst bei komplexen Problemen immer erfolgreich! Fordern Sie uns!

Läuft z.B. ein Prozess nicht stabil und nur manchmal oder nur einige Teile sind schlecht, so erfordert dies eine andere Problemlösungsstrategie als wenn alle Teile zu 100% schlecht sind. Hier finden Sie eine kleine Übersicht geeigneter Problemlösungsmethoden.

Problemlösungsmethoden in Kombination

Viele Methoden zur systematischen Problemeingrenzung, -analyse und Problemlösung sind bekannt. In der Regel hilft die Kenntnis einer Methode allein nicht weiter.  Die besten Ergebnisse haben wir erzielt durch eine geschickte Kombination einzelner Elemente aus verschiedenen Problemlösungsmethoden.

Schulung QM – Methoden & Problemlösungsmethoden

Lernen Sie „Q7-Grundlagen QM-Methoden“ und „Fortgeschrittene  Problemlösungsmethoden“ wie Shainin, KT Problem Analysis, AFD und TRIZ in unseren QM-Schulungen zu Problemlösungsmethoden kennen und anwenden.

Sie haben ungelöste Prozess- und Qualitätsproblem?

operative Unterstützung bei Qualitätsproblemen

Wir helfen Ihnen, Ihre Qualitätsprobleme zu beseitigen. Wir bieten operative Projektunterstützung im QM, moderieren Problemlösungs-Workshops und stabilisieren Ihre Prozesse. Hier ist Ihr Kontakt zu uns.

« Back to Glossary Index