KI Ersatzteilerkennung Status 2023

Heute gibt uns Patrick Schneider einen Status zum Thema Ersatzteilerkennung mit Artificial Intelligence im Frühjahr 2023. Was ist möglich, was ist (noch) unmöglich? Was machen unsere Kunden? Das wird bestimmt ein interessantes Gespräch.

Hallo Patrick, heute geht es um Ersatzteilerkennung mit KI. Was ist deine Meinung in wenigen Worten dazu?

Es ist absolut unglaublich, wie sich die Technologie entwickelt hat. Ersatzteilerkennung durch KI ist im Alltag angekommen und wird sich weiter rasant entwickeln. Die Lernkurve ist nach wie vor steil. Die KI-Systeme wissen heute schon, was ein Griff ist und welche Hydraulik-Zylinder Marken es gibt oder welches Material das Produkt vermutlich hat.

Was sind die generellen Vorteile von Ersatzeilerkennung durch Künstliche Intelligenz (AI)?

1. Bilder und Videos können auch von Technikern gemacht werden, die nicht seit mehreren Jahren im Thema sind. Sprachbarrieren werden reduziert und das notwendige Fachwissen wird als Einstiegshürde minimalisiert.

2. Jedes Ersatzteil wird an sich mehrfach gesucht: In den Datenbanken der Instandhaltung, in den Unterlagen und Portalen der Hersteller und in den Portalen der unabhängigen Ersatzteilanbieter.

3. KI vereinfacht den Suchvorgang, denn auch die Suchwerkzeuge nach den Ersatzteilen (Kataloge, Excel, ERP Systeme, Instandhaltungssysteme) haben sich stark weiterentwickelt. Gelegenheitsuser können sie oft gar nicht mehr bedienen. Ersatzteilbedarfe gehen so von Person zu Person, und von Firma zu Firma und am Ende sucht ein ganzes Team.

4. Die vortrainierten Modelle sind in der Lage semantisch bekannte Produkte (z.B. Standardprodukte von Festo oder DIN Produkte) sehr solide wiederzuerkennen. Semantisch unbekannte Produkte muss man dem System "beibringen". Das geht mit 3D Grafiken, Bildern und gute Beschreibung.

Unterm Strich spart eine KI Erkennung von Ersatzteilen die Zeit aller Beteiligten. Wenn man sich einmal daran gewöhnt hat, dann wird man sie vermissen. Man stelle sich nur eine Welt ohne Google vor.

Welche Anwendungsfälle rund um die Erkennung von Ersatzteilen gibt es im Markt?

Es gibt eigentlich drei bis vier unterschiedliche Anwendungsfälle, mit Bildern bzw. Artificial Intelligence nach Ersatzteilen zu suchen:

1. Die „alternative Suche“ per Bild alleinstehend um den Usern eine anderen Weg als die Text oder Hierarchiesuche zu ermöglichen.

2. Die Anreicherung einer Textsuche mit Bildinput

3. Die integrierte Suche in der alle Suchmodalitäten wie Bilder, Freitexte, Kategorien, Stücklisten und vieles mehr als Suchinputs kombiniert werden.

4. Die Identifikation von Dubletten bzw. ähnlicher Produkte in Listen

Was sind die Vor- und Nachteile der jeweiligen Anwendungsfälle?

Der größte Vorteil der alternativen Suche ist natürlich, dass sie schnell implementiert ist und dass man sich dann nur noch um die Daten kümmern muss. Relativ geringe Abstimmungen mit der IT und den Software Entwicklern. Die Suche ist schnell live und kann getestet werden. Der Nachteil ist das Ergebnis eines Schnellschusses. Entweder hat man ein vortrainiertes System wie wir von Partium, oder die Ergebnisse sind ohne ausreichend Bilder eben nicht gut. Die Systeme sind nicht vollständig, funktionieren so lala. Wir sehen in der Praxis immer wieder User, die Bildersuche als Alternative zur Textsuche verwenden. Auch wiederkehrend ... aber das sind unter 10 % der User.

Die Grenzen der KI Suche nach Ersatzteilen nur mit Bild sind leider schnell erreicht. Ersatzteilvarianten, Lichtverhältnisse und verbaute Produkte stoppen die Bildsuche nach Ersatzteilen natürlich im Ansatz.

Die integrierte Suche über Freitext, Bilder, Kategorien ist ein 100 %er  Erfolg. Die User sind extrem zufrieden. Jeder kann suchen, wie er möchte und Bilder und Schlagwörter hinzufügen und auch die Ergebnisse über Stücklisten oder Dokumente überprüfen. Der „Nachteil“ ist die Integration in die bestehenden Suchsyteme und darunterliegenden Ersatzteilverwaltungssysteme, die oft in Jahre gekommen sind.

Wie geht man am besten vor?

Du meinst, außer bei uns anzurufen... ?

Am besten sucht man sich als Erstes ein Projektproblem in dem der Identifikations- und Ersatzteilanforderungsprozess nicht optimal oder sogar beschädigt ist.

Die Anzahl der Produkte sollte am Anfang nicht 20.000 überschreiten und die User sollten in einem Markt mit einer Sprache zu erreichen sein.

Ziel ist es, das Problem zu testen und die Lösungen zu skizzieren. 

Die Disruption ist ein Abfallprodukt.

Wie viele Bilder benötigt man für eine KI-Erkennung von Ersatzteilen?

Das ist die häufigste Frage, die wir in der Praxis von Kunden gestellt bekommen. Und alle sind überrascht, wenn wir sagen: eigentlich keines. Natürlich sind Bilder wichtig für die User Experience und natürlich verbessern Bilder auch die Suchergebnisse. Aber die Kunden sind noch überraschter, wenn wir die vortrainierten Netze auf ihre Datensätze anwenden.

Ich habe hier auf dem Blog zwei Artikel veröffentlicht, darüber wie wichtig Bilder in einer Ersatzteilsuche sind und wie man sie am besten generiert. Denn das ist die zweithäufigste Frage, die wir gestellt bekommen.

https://www.partium.io/de/blog/warum-bilder-in-der-ersatzteilsuche-wichtig-sind

https://www.partium.io/de/blog/bilddaten-generierung-visuelle-ersatzteilsuche

Was bringt die Zukunft in der Ersatzteilerkennung mit KI?

Gute Frage, ich denke, dass das Verständnis der KI Systeme für die einzelnen Konzepte rund um Ersatzteile noch besser wird. In naher Zukunft wird KI wird helfen, die Produktkategorien der einzelnen Produkte besser zu verstehen und auch die Unterschiede zwischen sehr ähnlichen Produkten, die man optisch zum Beispiel gar nicht sieht, für den User herauszuarbeiten. In 4-5 Jahren in der Zukunft glaube ich, dass man per Bild oder Video und ein paar weiteren Informationen 80-90 % aller Ersatzteile bestellen kann, ohne die Ersatzeilnummern überhaupt zu kennen.

Hier bekommen Sie einen kurzen Überblick, wie Partium funktioniert: