Wie ein Expertensystem den Service eines Roboterherstellers evolutioniert

Wie ein Expertensystem den Service eines Roboterherstellers evolutioniert - von Hans-Peter Schnurr Geschäftsführer der ontoprise GmbH info@ontoprise.de http://www.ontoprise.de Das im Folgenden dargestellte Beispiel zeigt den Einsatz eines semantischen Ratgebersystems zur Unterstützung des Kundendienstes eines Roboterherstellers. Die Optimierung von Kundendiensteinsätzen ist für viele Hersteller von komplexen Investitionsgütern ein essentieller Prozess. Semantische Technologien können hier helfen, die Fehlerdiagnose am Telefon durch Rückfragen vom System zu verbessern oder den Fehler ganz zu beseitigen, Servicetechniker einzuarbeiten, sie besser auf ihren Einsatz vorzubereiten und sie vor Ort bei der Lösung von Problemen zu unterstützen. Wie ein Expertensystem den Service eines Roboterherstellers evolutioniert Ratgebersystem für den Kundenservice Anhand einer konkreten Anwendung sollen im folgenden Beitrag die Einsatzmöglichkeiten semantischer Technologien aufgezeigt werden. Die allgemeinen Einsatzbereiche semantischer Technologien umfassen semantische Suchsysteme, die das Auffinden von Dokumenten und Datenbank-Informationen unterstützen, Lösungen zur semantischen Integration von verteilten Datenquellen bis hin zu semantischen Ratgeberlösungen. Anhand eines Praxisbeispieles aus der Industrie werden die eingesetzten Technologien veranschaulicht. Das hier vorgestellte Projekt zeigt den Einsatz eines semantischen Ratgebersystems zur Unterstützung des Kundenservice bei einem Roboterhersteller. Hierbei wird neben dem verwendeten Problemlösungsverfahren auch die Integration von strukturierten Quellen aufgezeigt. Semantische Technologien werden mittlerweile nutzenstiftend in Industrieprojekten eingesetzt und sind längst nicht mehr auf Forschungslabore begrenzt. Erweitert wird diese zentrale Aussage des Beitrages durch vertiefte Erläuterungen der eingesetzten Methoden und Darstellungen der verwendeten Werkzeuge. Einleitung Heutige IT-Systeme müssen immer flexibler werden, um den Anforderungen der Anwender genügen zu können. Anwender müssen schneller und besser unterstützt werden, damit sie sich in der viel zu großen Menge an Informationen zurechtfinden. Dabei macht es keinen Unterschied ob eine Fachkraft sich den ständig ändernden Anforderungen stellen oder ob ein Geschäftsführer dem Wettbewerb standhalten muss. Wichtig für den Anwender ist der adäquate Zugriff auf aktuelle und relevante Informationen damit die rasch wachsende Anzahl an Entscheidungen in immer kürzeren Zyklen bewältigt werden kann. Semantische Technologien ermöglichen einen einfachen und breiten Zugang zu der komplexen und stetig steigenden Menge an Wissen und machen relevante Informationen für jedermann einfach nutzbar. Unternehmen aller Branchen können durch den Einsatz dieser Technologie dabei unterstützt werden Entwicklungs-, Service- und Vertriebsprozesse so zu gestalten, dass dadurch die Effizienz gesteigert und die Qualität erhöht werden kann. Unsere Kundenprojekte in der Automobilindustrie, im Maschinenbau, im öffentlichen Sektor und in der Telekommunikationsindustrie zeigen uns klar auf, welches Automatisierungs-Potenzial für die Wirtschaft in semantischen Technologien steckt: Um wettbewerbsfähig zu sein, müssen Unternehmen ständig schneller und günstiger entwickeln, die Qualität in der Entwicklung und im Service erhöhen sowie die Effizienz im Vertrieb steigern. Ontologien als Ausprägung semantischer Beschreibungssprachen sind auf dem Weg, die Geschäftssprache der Zukunft zu werden. Sie schlagen eine Brücke zwischen Menschen und Computern, zwischen Prozessen und Wissen sowie zwischen IT-Experten und Fachabteilungen und ermöglichen dadurch die gewünschten Synergie-Effekte. Im Folgenden wird ein Best Practice der Anwendung semantischer Technologien dargestellt. Das Beispiel erläutert die Wirkungsweise eines semantischen Ratgebersystems im Einsatz beim Kundendienst eines Roboterherstellers. Abschließend wird die aktuelle und zukünftige Bandbreite der Einsatzgebiete semantischer Technologien kurz zusammengefasst. Ratgebersystem für den Kundenservice Das im Folgenden dargestellte Beispiel zeigt den Einsatz eines semantischen Ratgebersystems zur Unterstützung des Kundendienstes eines Roboterherstellers. Die Optimierung von Kundendiensteinsätzen ist für viele Hersteller von komplexen Investitionsgütern ein essentieller Prozess. Semantische Technologien können hier helfen, die Fehlerdiagnose am Telefon durch Rückfragen vom System zu verbessern oder den Fehler ganz zu beseitigen, Servicetechniker einzuarbeiten, sie besser auf ihren Einsatz vorzubereiten und sie vor Ort bei der Lösung von Problemen zu unterstützen. Für Roboter, die z.B. bei der Produktion von Automobilen eingesetzt werden, muss eine extrem hohe Verfügbarkeit gewährleistet werden. Dies wurde beim betreffenden Roboterhersteller bislang nur unzureichend durch sehr einfache Methoden wie Kommunikation über E-Mail, durch die Pflege einer einfachen Fehlerdatenbank u. ä. gelöst. Dies reichte allerdings durch das starke Wachstum des Unternehmens, durch die hohe Innovationsgeschwindigkeit, durch die zunehmende Breite der Kundenbasis und durch die Vielfalt Hans-Peter Schnurr © ontoprise GmbH 2006 Seite 2 Wie ein Expertensystem den Service eines Roboterherstellers evolutioniert der unterschiedlichen Anwendungen nicht mehr aus. Die Anwendungen reichen dabei von Punktschweißen im Automobilbau, über Schutzgasschweißen bis hin zum Warten von Achterbahnen in Vergnügungsparks. Diese breite Produktpalette führte zu einer hohen Zahl möglicher Fehlervarianten und potentiellen Lösungswegen. Gleichzeitig wuchs durch das starke Kundenwachstum bedingt auch die Anzahl der Servicetechniker sehr stark und als Folge davon sank das verfügbare Erfahrungswissen zur Lösung von Problemen. Technologische Basis des eingeführten Systems sind Ontologien zur Abbildung der komplexen Zusammenhänge zwischen Roboterkomponenten und deren Anwendungen, zum Zugriff und zur Integration vorhandener Informationsquellen, zur Dokumentensuche und zur Fehlerbewertung. Zudem wird die Methode zur Suche nach Problemlösungen selbst durch eine Ontologie beschrieben. Die konkrete Anwendung ist webbasiert und setzt auf die semantische Ebene auf. Somit ergeben sich drei Ebenen in der Systemarchitektur: bestehende Informationsquellen, semantische Ebene mit Ontologien für das Anwendungsgebiet und schließlich die User-Interface Ebene. Im Folgenden werden diese unterschiedlichen Teile und die Verbindungen dazwischen detaillierter beschrieben. Domänenwissen Zu Beginn des Projektes wurde in enger Zusammenarbeit mit den Mitarbeitern des Roboterherstellers eine Ontologie erstellt, die die Konzepte aus dem Bereich der Robotertechnologie und Wirkzusammenhänge bei Störmeldungen abbildet. Wichtig war hierbei eine für die Mitarbeiter verständliche Terminologie und Strukturierung zu erreichen, um eine eigenständige Wartbarkeit nach Projektabschluss zu gewährleisten. Die Basismodellierung erfolgte aufgrund von Kompetenzfragen und verschiedenen Workshops mit erfahrenen Service- Technikern, die später das System im operativen Einsatz als Redakteure betreuen sollen. In den anfänglichen Kompetenzfragen haben die Mitarbeiter gezielt Fragen formuliert, die das System später beantworten können musste. Für die anschließende Basismodellierung wurden die wichtigsten Konzepte identifiziert und deren Zusammenhänge beschrieben. Außerdem wurden beispielhaft einige Instanzen dieser Konzepte modelliert. Fig. 1. Domänenontologie Fig. 6 zeigt eine webbasierte Visualisierung der taxonomischen Hierarchie der Ontologie. Die C- Label bezeichnen Konzepte. Einrückungen sind dann jeweils Unterkonzepte. Somit gibt es für Roboter die Spezialisierungen „Hohe Traglast“, „Mittlere Traglast“, „Niedrige Traglast“, „Schwerlast“ und „Sonderbauformen“. Die K-Label bezeichnen Unterteile eines Bauteils. So ist die „Achse 1“ ein Hans-Peter Schnurr © ontoprise GmbH 2006 Seite 3 Wie ein Expertensystem den Service eines Roboterherstellers evolutioniert Unterteil des „Hohe Traglast“-Roboters. V-Label sind Relationen und bedeuten „verbunden mit“. Die „Achse 1“ ist verbunden mit dem „Grundgestell“. Darüber hinaus wurden von den Redakteuren die Fehler, deren Folgefehler und mögliche Lösungen modelliert. Regeln in der Ontologie beschreiben z.B. wann bestimmte Fehler ein- bzw. ausgeschlossen werden können: Wenn ein Fehler X an einem bestimmten Bauteil auftritt und der aktuelle Roboter dieses Bauteil nicht besitzt kann der Fehler und damit alle Folgefehler ausgeschlossen werden, wenn die Folgefehler nicht auch noch andere Ursachen haben. Wenn ein Fehler X einen bestimmten Softwarestand betrifft und der aktuelle Roboter mit dem neueren Softwarestand läuft, dann kann der Fehler X und alle Folgefehler ausgeschlossen werden. Problemlösungswissen Um das System möglichst generisch und damit adaptierbar an andere Domänen zu konzipieren, wurde die Methode zur Suche einer geeigneten Lösung unabhängig vom Domänenwissen modelliert. Hierbei war insbesondere die Anforderung wichtig, dass nach dem Vorschlag einer Menge möglicher Lösungen, das System differenzierende Fragen stellen kann, um die Lösungsmenge weiter einzuschränken. Vorlagen bildeten dabei generische Problemlösungsmethoden, wie sie in der Forschung in den 90er Jahren intensiv diskutiert wurden [Marcus 88]. In unserem Falle wurde eine vereinfachte Variante der Problemlösungsmethode Cover-and-Differentiate [Eshelman 88] modelliert, weil sie für das vorliegende Problem und die vorliegenden Anforderungen am meisten geeignet war.