Verbundvorhaben: MEISTERWÄRME - KI-Assistenzsystem für das SHK-Handwerk zur Steige-rung der Prozess- / Mitarbeitereffizienz mittels wissensbasierter Instandhaltung von Wärmetechnik-Systemen; Teilvorhaben: Praxisnahe Bereitstellung und Kuration von Störungsdaten zur Optimierung von Instandhaltungen
Zeitraum
2025-05-01 – 2028-04-30
Bewilligte Summe
485.306,71 EUR
Ausführende Stelle
Förderkennzeichen
03EN1108B
Leistungsplansystematik
Energieoptimierte Gebäude - Digitale Werkzeuge [EA4450]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Energie (BMWE.IIC2)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN1)
Förderprogramm
Energie
Den Kern des Vorhabens bildet ein KI-Assistenzsystem für das SHK-Handwerk zur Steigerung der Prozess- und Mitarbeitereffizienz mittels wissensbasierter Instandhaltung von Wärmetechnik-Systemen. Durch eine deutliche Verbesserung der Erst-Störungsdiagnose und einer automatisierten Reparatur- sowie Arbeitsvorbereitung wird eine Reduzierung unproduktiver Erstinspektionen und misslungener Reparaturversuche bspw. durch fehlende Mitnahme von Ersatzteilen angestrebt. Konkret wird sich dabei der Anlagendaten, Instandhaltungsdokumente (Arbeitsberichte, Prüfprotokolle, Wartungs-Checklisten etc.) und verfügbarer Fernwartungs- sowie Smart-Metering-Daten bedient, die unternehmens- und anbieterübergreifend durch den Einsatz von Plattformtechnologien ausgewertet und in Wissensrepräsentationen für die Nutzung durch das KI-Assistenzsystem überführt werden. Zudem werden weitere Kontextdaten, wie z.B. Produktkataloge und Daten aus den Warenwirtschaftssystemen einbezogen, die über semantische Mediation automatisiert aufbereitet werden. Hinsichtlich der Instandhaltungsdokumente wird sowohl an einer sprachbasierten App als auch an der Auswertung papierbasierter vorausgefüllter Formulare gearbeitet, um direkt auf aktuellen Standardprozessen aufzusetzen. Neben der allgemeinen Verbesserung der Instandhaltungs-/Mitarbeitereffizienz werden gerade kleinere Betriebe mit weniger als 10 Mitarbeitenden überproportional davon profitieren, weil sich die Erkennung von Störungsmustern spezifischer Anlagentypen erheblich verbessert. Der Fokus des Teilvorhabens liegt auf der Bereitstellung und Kuration von Störfällen sowie Störungsdaten, um eine zuverlässige Grundlage für die Systemevaluation zu schaffen. Diese Aktivitäten zahlen insbesondere auf die Entwicklung der KI-Komponenten ein und sind Bestandteil der Systemevaluation.'