Kuken Industries durchsucht 70 Jahre Zeichnungen in Minuten
Kukens Ingenieurteam findet mit einem Werkzeug auf Basis der OpenAI API die Zeichnung für ein Ersatzteil in 4,5 Minuten statt in fast einer Stunde.
90 %
Erwartete Verringerung des jährlichen Zeitaufwands für die Suche nach Zeichnungen
4,5 Min.
Zeit, um eine Zeichnung zu finden, statt zuvor fast einer Stunde
Kuken Industries stellt Klima- und Lüftungsanlagen für große Gebäude, Einkaufszentren und Fabriken her. Das Unternehmen hält einen der größten Anteile am japanischen Markt für Kühltürme. Diese Türme geben Wärme aus zirkulierendem Wasser an die Luft ab. So tragen sie zur Kühlung großer Gebäude und Einkaufszentren ebenso bei wie zur Kühlung von Anlagen in Rechenzentren.
Wenn ein Kühlturm ein Ersatzteil benötigt, greift das Ingenieurteam von Kuken auf ein Zeichnungsarchiv zurück, das installierte Anlagen aus 70 Jahren dokumentiert. Weniger erfahrene Fachkräfte mussten häufig ein erfahrenes Teammitglied fragen, wo die richtige Zeichnung zu finden ist und wie sie zu lesen ist. Kuken wollte weniger erfahrenen Fachkräften ermöglichen, diese Unterlagen selbst zu finden, aus den darin dokumentierten Entscheidungen zu lernen und mehr Zeit für die Planung der Reparatur zu haben.


Heute gefertigte Teile passen nicht immer zu älteren Kühltürmen. Ohne die Originalzeichnung, die zeigt, was verbaut wurde, müssen die Fachkräfte ein Ersatzteil unter Umständen von Grund auf neu konstruieren und fertigen.
Eine Suche nach der Modell- oder Teilebezeichnung kann mehrere Zeichnungen liefern. Seit über 70 Jahren passt Kuken seine Anlagen an die Anforderungen einzelner Kundenunternehmen an. Daher unterscheiden sich die Spezifikationen je nach Unternehmen und Installationsdatum. Als das Archiv noch auf Papier geführt wurde, konnte eine Suche einen halben Tag dauern. Kuken digitalisierte das Archiv später. Die Fachkräfte mussten aber weiterhin wissen, nach welcher Bezeichnung oder Nummer sie suchen sollten und wo die Datei zu finden war. Gerade weniger erfahrene Fachkräfte brauchten Zeit, um diese Informationen zusammenzutragen.
Kuken wollte allen technischen Fachkräften ermöglichen, das Archiv unabhängig von ihrer Erfahrung selbstständig zu durchsuchen. Bei der Suche nach möglichen Einsatzbereichen für KI kam Kuken mit Recursive in Kontakt, einem japanischen KI-Startup und offiziellen Partnerunternehmen von OpenAI.
Die beiden Unternehmen entwickelten gemeinsam das Suchsystem und die zugehörige App für den Außeneinsatz. Grundlage dafür waren Kukens Archiv und die Rückmeldungen des Ingenieurteams. Sie testeten mehrere KI-Modelle mit unterschiedlichen Zeichnungen, um zu prüfen, wie genau die Modelle Details extrahieren konnten und welche Kosten dabei anfielen. Die Modelle von OpenAI schnitten bei beiden Kriterien gut ab. Zudem gab die OpenAI API dem Team die nötige Flexibilität, um die Suche direkt in die App zu integrieren.

Gespräche mit technischen Fachkräften im Außeneinsatz prägten die Funktionsweise der Suche. Die Fachkräfte können eine Zeichnungs- oder Teilenummer eingeben oder eine Zeichnung beziehungsweise Stückliste als Bild oder PDF hochladen.
Wenn sie einen Screenshot der Liste einfügen, müssen sie nicht jede Nummer von Hand eingeben. Die App liest die Teilenummern aus und liefert mögliche Treffer, darunter auch Zeichnungen ähnlicher Konstruktionen. Um die richtige Zeichnung zu finden, prüfen die Fachkräfte die Spezifikationen des Kühlturms und die Aufzeichnungen zu früher ausgetauschten Teilen.
Kuken berichtet über folgende Ergebnisse aus dem Einsatz und den Tests des Suchwerkzeugs.
Kuken erwartet, dass das Werkzeug den jährlichen Zeitaufwand für die Suche nach Zeichnungen um etwa 90 % senkt.
Erfahrene Fachkräfte nutzen einen Teil der gewonnenen Zeit, um weniger erfahrene Teammitglieder zu unterstützen.
Die Fachkräfte können Zeichnungen in der App prüfen. Das senkt die Druckkosten.
Die Fachkräfte verbringen jetzt weniger Zeit mit der Suche nach einer Zeichnung und mehr Zeit damit, sie eingehend zu betrachten. Sowohl weniger erfahrene als auch langjährige Fachkräfte sagen, dass ihnen dadurch Zeit bleibt, über Konstruktionsverbesserungen nachzudenken und Ideen zu verfolgen, für die zuvor kaum Zeit war.
Weniger erfahrene Fachkräfte können nun ein breiteres Aufgabenspektrum eigenständig bewältigen. Erfahrene Teammitglieder, die sie früher bei jeder Suche begleiteten, haben mehr Zeit, Wissen zu vermitteln und eigene technische Aufgaben zu übernehmen.
„Die Beschäftigten haben jetzt Zeit für Aufgaben, die sie schon länger ausprobieren wollten, und können sich neuen Herausforderungen stellen. Das motiviert sie sehr.“


Kuken entwickelt außerdem ein Werkzeug, das Zeichnungen von Partnerunternehmen prüft. Bisher gleichen die technischen Fachkräfte jede Zeichnung per Sichtprüfung mit den Spezifikationen ab und suchen nach abweichenden Details oder Mengenangaben. Das Werkzeug soll diese Abweichungen markieren, damit die Fachkräfte Zeichnungen schneller prüfen und Fehler erkennen können, die sie sonst möglicherweise übersehen würden.
Laut Kuken waren bei Tests des Prototyps etwa 90 % der von der KI markierten Auffälligkeiten tatsächliche Abweichungen. Falls das Werkzeug in den Produktivbetrieb geht, erwartet Kuken, dass es den Zeitaufwand der Fachkräfte für die Prüfung von Zeichnungen deutlich reduziert.
Jede Zeichnung dokumentiert die technischen Entscheidungen, die eine Fachkraft für eine bestimmte Anlage getroffen hat. Indem Kuken diese Entscheidungen leichter auffindbar und verständlich macht, will das Unternehmen die darin enthaltenen Erfahrungen an die nächste Generation technischer Fachkräfte weitergeben.
„Ich glaube, dass die Technologie von OpenAI Fertigungsunternehmen wie uns helfen kann, Fachwissen an die nächste Generation weiterzugeben. Das ist für uns schon lange eine Herausforderung.“


