Datengestützte Entscheidungen: Wie generative KI die Zukunft des Außendienstes für OEMs neu gestaltet

Laut Aquant's 2024 Außendienst-Benchmark-Bericht: Industrial Machinery Editionsehen sich OEMs aufgrund des globalen Wettbewerbs, steigender Kosten, Wissenslücken sowie verstreuter und unvollständiger Daten mit Herausforderungen für ihre Gewinnmargen konfrontiert. Um diese Probleme zu bewältigen, setzen sie auf datengesteuerte Strategien und fortschrittliche Serviceangebote, wie z. B. vorausschauende Wartung und Echtzeitüberwachung, um die Betriebszeit, Produktivität und Kundenbindung zu erhöhen.

2024 wird ein entscheidendes Jahr für OEMs sein, denn die Integration von generativer KI ist für OEMs entscheidend, um wettbewerbsfähig zu bleiben. Diese Technologie senkt Kosten, verbessert die Servicequalität und verändert das Lieferkettenmanagement durch Automatisierung und fortschrittliche Entscheidungsprozesse. Generative KI sagt Geräteausfälle voraus, plant die Wartung, passt den Betrieb an die Kundenbedürfnisse an und verbessert die Fähigkeiten der Mitarbeiter und die Voraussicht der Lieferkette.

Analyse

In diesem Jahr haben wir die Ergebnisse von analysiert:

• 40 Organisationen
• Mehr als 5 Millionen Arbeitsaufträge, die fast 1,3 Millionen Anlagen
• Über 73,000 Techniker
• Fast 2,5 Milliarden Dollar an Dienstleistungskosten
• Ein Durchschnitt von 3,2 Jahre an Dienstdaten pro Unternehmen

Anmerkung: In diesem Satz sind Daten von OEMs mit und ohne Händlernetz enthalten.

Mithilfe von Technologie können wir jemanden, der neu im Dienstleistungsbereich ist, so einsetzen, als hätte er 30 Jahre Erfahrung. Mit Hilfe von KI werden weniger erfahrene Mitarbeiter so angeleitet, dass sie ähnliche Leistungen erbringen wie ihre höher qualifizierten Kollegen. Alle, auch die Kunden, können Probleme selbständig beheben, was die Betriebszeit erhöht. Wenn sie das Problem mithilfe der KI-Hilfe selbst lösen können, hilft es ihnen, das Problem schnell zu beheben, ohne einen Techniker rufen zu müssen, insbesondere wenn das benötigte Teil in der Nähe ist oder für die Reparatur nicht benötigt wird.

- Josh Orr, Manager für Produktunterstützungsdienste, John Deere [Jetzt anhören]

Wichtigste Ergebnisse

Unsere Analyse der Trends in den Unternehmen des Industriemaschinenbaus hat ergeben, dass es sich hierbei um ein sehr gutes Beispiel handelt:

KPIs:

• Im Durchschnitt sind einige KPIs, wie z. B. die Erstbehebungsrate, in den verschiedenen Branchen im Allgemeinen stabil. Allerdings sind die Leistungsunterschiede zwischen Helden und Herausforderern in den Unternehmen mit den schlechtesten Ergebnissen nach wie vor beträchtlich - zum Beispiel liegt ihre Erstbehebungsrate bei nur 56% im Vergleich zu 86% bei den leistungsstärksten Unternehmen.
• Der Zeitaufwand für Diagnosen ist für Serviceunternehmen im Bereich Industriemaschinen nach wie vor hoch, was in erster Linie auf die komplexe Dokumentation und die zahlreichen Überarbeitungen der Handbücher zurückzuführen ist. Infolgedessen benötigen viele Unternehmen Hilfe beim schnellen Auffinden von Informationen zu Anlagen.
  • Der Median der Lösungszeit beträgt fast zwei Wochen in den Unternehmen mit der schlechtesten Leistung, aber sie beträgt etwa drei Tage in den leistungsstärksten Unternehmen.
  • Leistungsstarke Hersteller stellen den Händlern Werkzeuge und Schulungen zur Verfügung, damit sie weniger Zeit mit der Diagnose von Problemen verbringen müssen. Dadurch werden bei den Händlern Kapazitäten frei, so dass sie mehr Zeit für die Behebung der Probleme aufwenden können, die an ihren Türen auftauchen.
• Auch die Qualifikationslücke stellt eine Herausforderung dar.
  • In den führenden Industriemaschinenunternehmen kosten die schlechtesten Ergebnisse 20% mehr als die besten. Die Unternehmen mit den schlechtesten Leistungen weisen jedoch die teuerste Personallücke auf, denn ihre schlechtesten Mitarbeiter kosten 128 % mehr als die leistungsstärksten Mitarbeiter.
  • Wenn alle Mitarbeiter von Industrieunternehmen über das Wissen und die Fähigkeiten verfügen würden, um die gleichen Leistungen zu erbringen wie die besten 20 % der Belegschaft, könnten die Servicekosten um bis zu 28 % gesenkt werden.

Daten:

Es besteht eine große Chance für Unternehmen, einen besseren Einblick in ihre Leistung zu erhalten und Bereiche mit Potenzial zu erkennen. 

• Unternehmen des industriellen Maschinenbaus verfügen in der Regel über unorganisierte und unvollkommene Kundendaten. Sie sind in der Regel über mehrere ERPs, CRM-Systeme und Standorte verstreut. Auch die Datenquelle kann Probleme verursachen. So bieten die von den Händlern bereitgestellten Garantiedaten oft keinen Einblick in die gesamte Servicehistorie von Problemen, was es schwierig macht, Erkenntnisse zur Verbesserung der Leistung zu gewinnen.
• Außerdem sind mehrere Beteiligte an der Handhabung der Güter während ihres gesamten Lebenszyklus beteiligt. So bieten beispielsweise Reparaturzentren Reparaturdienste an, Lagerhäuser versenden Ersatzteile, und Techniker vor Ort untersuchen und warten das Produkt. Die Kunden wenden sich an Kontaktzentren, die zu verschiedenen Unternehmen der Produktwertschöpfungskette gehören. 
• Aus diesen und weiteren Gründen sind OEMs in der Regel nicht in der Lage, ihre Post-Sales-Services und ihren Wert zu optimieren, da sie zu viel Aufwand für die Konsolidierung, Bereinigung und Verbesserung von Kunden- und Produktdaten betreiben müssen. Damit die Pläne zur Servicebereitstellung erfolgreich und skalierbar sind, müssen die Teams in der Lage sein, hochwertige Daten im gesamten Unternehmen zu nutzen.

Lücke in der Kundenerfahrung

• Unternehmen, die die Erstbehebungsrate in 7- oder 14-Tage-Fenstern messen, schaffen die Voraussetzungen für eine erhebliche Lücke, die zu frustrierenden Kundenerfahrungen führen kann. Es ist leicht, die Erstbehebungsrate zu überschätzen Raten zu überschätzen und die Lösungskosten zu unterschätzen.
• Wir empfehlen:
  • Messung der Erstanmeldungsraten in Zeiträumen von 30 Tagen.
  • Vorrangige Qualifizierung und gleichmäßige Kenntnis der Geräte und bewährten Verfahren für alle Mitglieder des Serviceteams.

Wie kommen die besten Industriemaschinenhersteller voran? und und an der Spitze bleiben?

• Tieferer Blick auf vorhandene Daten. Unternehmen des Industriemaschinenbaus sollten ihre Daten gründlicher untersuchen. Durch die Analyse von Daten aus allen Aspekten ihres Betriebs, einschließlich Kundeninteraktionen, Anlagenleistung und Außendienstaktivitäten, können Unternehmen Muster und Trends erkennen, die ihnen helfen, fundiertere Geschäftsentscheidungen zu treffen. Sie können auch KI-Tools zur Datenerfassung und -verarbeitung einsetzen, die genaue und aktuelle Informationen über die Leistung der Geräte und den Servicebedarf liefern. Mithilfe dieser Tools können Teams Aufgaben besser priorisieren und potenzielle Probleme angehen, bevor sie sich zu größeren Problemen entwickeln.
• Der Schwerpunkt liegt auf der Ausbildung und dem Aufbau von technischem Fachwissen im Zuge des technologischen Fortschritts. Die Wirksamkeit dieser Technologien hängt von der Fähigkeit des Personals ab, zu kommunizieren, Probleme zu lösen und sich an schnelle Veränderungen anzupassen. Dieser Trend trägt dem doppelten Bedarf an fortgeschrittener technischer Ausbildung und der Kultivierung von Soft Skills wie Führung, Kommunikation und Empathie Rechnung.
• Nutzen Sie die Trends zu Konnektivität und Wartungsfreundlichkeitinsbesondere da die Komplexität der Geräte zunimmt.
• Implementierung von KI-Tools für die Wartung komplexer Maschinen. Diese Tools bieten Einblicke und Problemlösungen auf der Grundlage eines detaillierten Verständnisses Ihres Unternehmens.

Inspiriert von den Erkenntnissen des Berichts?

Registrieren Sie sich für 7-Tage-Herausforderung von Aquant noch heute an! Wir analysieren Ihre Daten, um Ihnen die wesentlichen Erkenntnisse, Werkzeuge und Strategien zur Verfügung zu stellen, mit denen Sie Ihr Serviceunternehmen für Industriemaschinen umgestalten und Ihre Geschäftsziele übertreffen können.