Fahrzeugdiagnose - Von digital zu intelligent - Empolis Blog

Fahrzeugdiagnose – Von digital zu intelligent

0

Interaktive und intelligente Fahrzeugdiagnose, wie sie sein könnte. Wie die Automobilindustrie digitale Informationen gewinnbringend nutzen kann.

Jeder, der ein Fahrzeug der neuesten Generation fährt, stellt fest: Die Digitalisierung hat bei den Automobilherstellern (OEMs) schon längst begonnen – ob Audi Connect, BMW Connected Drive oder der Digitale Fahrzeugschlüssel bei Mercedes-Benz – längst werden die Dienste für Komfort und Sicherheit wie selbstverständlich genutzt.

Genauso selbstverständlich erwarten wir als Fahrer, dass Automobilwerkstätten sowohl klassische Serviceaufgaben als auch unerwartete Fehler- und Problembehebungen professionell, sachkundig und effizient durchführen.

Doch gerade die Dynamik der Weiterentwicklung der Fahrzeuge und der digitalen Dienste sorgt nicht selten dafür, dass die Werkstätten für Service und Diagnose immer mehr Unterstützung seitens der Hersteller benötigen.

Daher muss sich jeder OEM die kritische Frage stellen, ob allein die digitale Verfügbarkeit der notwendigen Diagnose- und Serviceinformationen – zum Beispiel als PDF-Dateien, HTML-Dokumente oder auch XML-Formate – ausreicht, um den Anforderungen der Werkstätten und Kunden gerecht zu werden.

Oder anders formuliert: Reicht eine digitale Information wirklich schon aus, um eine intelligente Diagnose zu ermöglichen?

Was bedeutet „Intelligente Fahrzeugdiagnose“?

Beim herkömmlichen Verfahren verwenden die Servicetechniker Diagnose- und Reparaturinformationen, die schon längst in digitaler Form vorliegen. Im konkreten Fall muss dann der jeweilige Bezug zur entsprechenden Situation (Kontext) hergestellt werden, um zu entscheiden, welche konkreten Arbeitsschritte notwendig sind.

Mit zunehmender Menge und Komplexität der verbauten elektronischen Komponenten erhöht sich auch der Anspruch an den Techniker, aus einer Vielzahl von Fehlercodes, z. B. Diagnostic Trouble Codes (DTC), Ursache und Folge zu unterscheiden, um die richtigen Reparaturmaßnahmen durchzuführen.

Eine IT-gestützte Analyse mit entsprechender Handlungsempfehlung setzt jedoch voraus, dass bisherige Dokumente, Strukturen und Informationen so erweitert werden müssen, dass sie situativ und im jeweiligen Kontext passgenau durch eine Software verwendet werden können.

Eine herkömmliche, strukturierte Dokumentation, die ursprünglich als Diagnose- und Reparaturanleitung für Menschen konzipiert wurde, leistet dies nicht.

Diagnosedokumente und das Fahrzeug treten in Interaktion

Vorhandene Diagnosedokumente verfolgen in der Regel das Ziel, dem Werker eine Schritt-für-Schritt-Anleitung zur Diagnose und anschließenden Reparatur zu geben – eigentlich genauso, wie es auch mit der intelligenten Diagnose stattfindet – mit dem erheblichen Unterschied, dass bei der intelligenten Diagnose „das Dokument“ und das Fahrzeug in Interaktion treten.

Intelligente Diagnose ist demnach weit mehr als nur die digitale Variante eines zuvor analog vorliegenden Diagnosedokuments: Sie stellt einen mindestens halbautomatischen Prozess dar, bei dem eine Vielzahl der zuvor händisch durchzuführenden Prüfschritte ganz ohne Zutun des Werkers durch den Dialog einer Tester-Software und dem Fahrzeug vorgenommen werden.

Im Idealfall kann die Reparatur dadurch sogar vollautomatisch erfolgen – nämlich dann, wenn die Software nach der Verbindung zum Fahrzeug einen vorhandenen Fehler durch korrekte Konfiguration eines zuvor falsch eingestellten Steuergeräts, oder durch das „Flashen“ eines Steuergeräts (das Aufspielen einer neuen, fehlerbereinigten Software auf das Steuergerät), beheben kann.

Mindestens aber erhält der Werker durch die halbautomatische Diagnose eine eindeutige Anleitung, welche Schritte er durchführen muss, um die Reparatur gemäß der Diagnose durchzuführen. Nach Abschluss seiner Reparatur stellt die intelligente Diagnose den Erfolg der Maßnahmen sicher.

Viele Wege führen zum Ziel

Die Frage ist nun, wie man Inhalte, Metadaten und Zusatzinformationen für Diagnose- und Reparaturanleitungen so zur Verfügung stellen kann, damit sie intelligent, demnach situativ, von Softwaresystemen verwendet werden können.

Grundsätzlich sind zwei Strategien zu unterscheiden, die ich unter die Lupe nehmen möchte:

  • Die vollständig neue Erstellung nur derjenigen Informationen und Inhalte, die für die intelligente Diagnose benötigt werden (und die herkömmliche, traditionelle Dokumentation weiter wie bisher verwenden).

oder

  • Die Übernahme, Konvertierung und Anreicherung der traditionellen Dokumentation für die intelligente Diagnose.

Bei diesen Überlegungen sollten nicht nur die Erstellung bzw. Übernahme der Informationen im Vordergrund stehen, sondern sich auch das Augenmerk auf den gesamten Prozess richten. Dies beinhaltet die Modularisierung der Informationen, die Publikation, die Real-Time-Verwendung, das Closed-Loop-Reporting sowie die Systemintegration in die vorhandene Landschaft.

Ich möchte auf diese Aspekte nun einzeln eingehen.

Wie erstellt man intelligente Informationen durch Fehlersuchbäume? Was muss dabei beachtet werden?

Wie bereits erwähnt, sind zwei idealtypische Wege zur Transformation des vorhandenen Wissens in eine tatsächlich digital nutzbare – also rein durch Maschinen interpretierbare – Form möglich.

Ein Weg ist dabei die Erstellung neuer Diagnoseabläufe durch eine Redaktion, also die Erstellung von „Fehlersuchbäumen“ in einer entsprechenden Autorenumgebung. Hier können bereits vorliegende Diagnoseinformationen als Basis genutzt werden. Letztendlich erfolgt deren Transformation in die Fehlersuchbäume dann durch die „Übersetzung“ eines Experten.

Dieser bringt auch die Interaktion mit dem Fahrzeug in den Fehlersuchbäumen unter, also die Abfrage von Steuergeräte-Informationen sowie das Abfragen einzelner Parameter, die erforderlich sind, um die Analyse eines Problems bis zur Empfehlung an den Werker oder aber sogar bis zur „vollautomatischen Reparatur“ führen zu können.

Die redaktionelle Variante ist aufgrund des eingebrachten Expertenwissens in die Erstellung optimaler Fehlersuchbäume eine sehr hochwertige Vorgehensweise. Beachtliche Ergebnisse sind aber auch bereits durch eine automatische Konvertierung vorhandener Diagnoseinformationsdokumente in Fehlersuchbäume zu erreichen. In der Regel sind diese Dokumente bereits strukturiert aufgebaut (z. B. im XML Format, teilweise nach DITA-Standard), sodass einzelne Elemente wie Anweisungen, Tasks oder Tests extrahiert und wiederverwendet werden können.

Leider ist dies jedoch selten 1:1 möglich, da für die automatisierte, intelligente Diagnose durch die Maschine die bereits beschriebenen Kontextinformationen notwendig sind, die sich dem Werker üblicherweise durch direkte Beobachtung der Fehlersituation erschließen. Hier ist demnach eine manuelle Bearbeitung erforderlich.

Werden die Informationen redaktionell für die intelligente Diagnose aufbereitet, so bedeutet jeder einzelne Fehlersuchbaum initial die fachliche Auseinandersetzung mit der erforderlichen Analyse durch die Redaktion. Allerdings sind mit der Zeit immer mehr Teilbereiche von Fehlersuchbäumen in anderen, ähnlichen Bereichen oder aber bei neuen Versionen der Produkte wiederverwendbar. Zudem zahlt sich die redaktionell eingebrachte Arbeit durch optimales Ausreizen der Möglichkeiten aus.

Eine Neuerstellung von Fehlersuchbäumen in einem zusätzlichen IT-System birgt das Risiko, dass Informationen mehrfach gespeichert werden müssen und Korrekturen oder Erweiterungen notwendigerweise zu Doppelarbeit führen. Ebenso steigt die Gefahr von Inkonsistenzen der Datenbestände, von längeren Diagnose- und Reparaturzeiten, und im schlimmsten Fall von falschen Diagnosen und unnötigen Reparaturmaßnahmen.

Umsetzung erfordert Ressourcen

Festzuhalten ist, dass – ganz gleich, für welche der beiden Strategien man sich entscheidet – bestimmte Ressourcen zur jeweiligen Umsetzung benötigt werden.

Im Falle der Übernahme von Bestandsdaten aus einem führenden System liegt der Schwerpunkt auf den Migrations- und Integrationsaufwänden, während bei einer Neuerfassung die meisten Aufwände auf der redaktionellen Seite zu erwarten sind.

Beide Strategien benötigen ein hohes Maß an fachlicher Kompetenz, um die „Intelligenz“ (nämlich das Modell, die Metadaten und die Nutzungsdaten) zu definieren, um die maschinelle Verarbeitung überhaupt erst zu ermöglichen.

Modularisierung von Fehlersuchbäumen

Mit jedem weiteren Produkt und mit jeder weiteren Variante treten Bereiche der Fehlersuchbäume in den Fokus, die immer wieder genutzt werden und sich dementsprechend zur Modularisierung anbieten. Das bedeutet die Herauslösung eines Bereichs aus dem jeweiligen Baum in ein Modul, welches dann von unterschiedlichen Bäumen in gleicher Weise genutzt werden kann. Der Redaktion ist es dann stets ein Leichtes, die richtige Entscheidung zu fällen – ein vorhandenes Modul unverändert zu nutzen, dieses geringfügig abzuwandeln oder gar eine komplett neue Variante zu erstellen.

So unterschiedlich die Vorgehensweisen bei automatischer oder redaktioneller Konvertierung vorhandener Informationen sind, so deckungsgleich sind die erreichbaren Optimierungen durch Modularisierung.

Publikation (Bereitstellung) von Informationen und Daten

Unter der Publikation versteht man die Selektion, Verknüpfung und Bereitstellung von Informationen und Daten. Die Publikation kann dabei nach beliebigen Kriterien (Fahrzeugtyp, Variante, Baureihe, etc.) erfolgen und die Grundlage für die maschinelle Verwendung im Rahmen der Diagnose und Fehlerbehebung bilden.

Real-Time-Verwendung von Fehlersuchbäumen

Das – teils automatische – Durchlaufen der Fehlersuchbäume in Echtzeit ermöglicht es dem Werker, unmittelbar die Konsequenzen einer Maßnahme zu überprüfen. Ändert er beispielsweise eine Einstellung an dem Fahrzeug, kann er die Diagnose neuerlich starten und direkt die Behebung eines zuvor vorliegenden Fehlers bestätigen – durch entsprechende Positivmeldung eines Aktors, den korrekten Rückgabewert eines Sensors oder durch die nicht mehr vorhandene Fehlermeldung eines Steuergeräts.

Closed-Loop-Reporting bei Garantiefällen

Besonders interessant sind die Steuerungs- und anschließenden Reporting-Möglichkeiten im Bereich von Garantiefällen bei halbautomatischen Reparaturprozessen. Während die Redaktion die Fehlersuchbäume bereits so aufbaut, dass die preisgünstigsten Austauschteile und aufwandsärmsten Reparaturschritte als Erstes auf ihren Erfolg hin überprüft werden, wird durch das Reporting sichergestellt, dass die Werker auch wirklich prozesskonform handeln – und dadurch die entstehenden Kosten gering halten.

Umgekehrt wird im Premium-Segment redaktionell sichergestellt, dass vollumfängliche Maßnahmen ergriffen werden, um ein Problem auch wirklich nachhaltig abzustellen. Auch hier kann wieder durch entsprechendes Reporting die Einhaltung der Vorgaben unterstützt und kontrolliert werden.

Gleichzeitig erlaubt die permanente und detaillierte Protokollierung der gesamten Prozesse nicht nur ein umfassendes Reporting, sondern kann für die kontinuierliche Verbesserung der Abläufe und Informationen verwendet werden. Hierzu sind mehrere Ausprägungen vorstellbar – von der Empfehlung von Verbesserungsmaßnahmen im Rahmen der Dokumentationserstellung bis hin zur Verwendung der Logging-Daten im Rahmen von Machine Learning für die automatisierte Ableitung von Handlungsempfehlungen.

Systemintegration für intelligente Diagnoseanwendungen – weg mit den Datensilos!

Neben der Anbindung des „Corpus delicti“ an das System, also des Fahrzeugs an den Tester, sind beliebige weitere Systeme einzubinden – zum Beispiel Entwicklungssysteme, die im Bereich der redaktionellen Erstellung der Fehlersuchbäume die Arbeit erleichtern (beispielsweise durch Einschränkung möglicher Systemzustände mittels Wertelisten, die aus dem technischen System ausgelesen werden).

Die Anzahl möglicher Schnittstellen ist dabei unbegrenzt. Allein der wirkliche Nutzen und die wirtschaftliche Sinnhaftigkeit begrenzen die Möglichkeiten, die den Redakteuren systemseitig zur Optimierung angeboten werden.

Entscheidend für den Erfolg intelligenter Diagnoseanwendungen sind ihre Offenheit und die Abkehr vom Prinzip der herkömmlichen Datensilos. Vielmehr müssen die jeweiligen Informationen und Inhalte miteinander verknüpft und dem Werker bereitgestellt werden, um seine tägliche Arbeit bestmöglich zu unterstützen. Ein zusätzliches, neues Datensilo für die intelligente Diagnose wäre im Gesamtprozess kontraproduktiv.

Und nun? Für welche Strategie sollte man sich entscheiden?

In der Regel wird man in Abhängigkeit der Eintrittswahrscheinlichkeit die Entscheidung für eine der vorgestellten Strategien fällen. Sehr häufig auftretende Fälle (z. B. bei aktuellen Produktlinien, „Brot-und-Butter-Geschäft“) legen das redaktionelle Vorgehen nahe. Für seltenere Fälle (z. B. bei ausgelaufenen Produktlinien oder Nischenprodukten) empfiehlt sich die automatische Konvertierung.

Dadurch sind oftmals beide Vorgehensweisen in der gleichen Organisation nicht nur parallel möglich, sondern sogar sinnvoll.

Maßgeblich für die Strategie-Entscheidung ist, wie man seine digitalen Informationen intelligent und interaktiv für den Service einsetzen kann und will.

Anmerkung der Redaktion: Der Beitrag wurde in Zusammenarbeit mit Dieter Deffert, Vice President Channel Business, erstellt.

Bildquellen: g-stockstudio/iStock /Getty Images Plus, gilaxia/E+ /Getty Images

Teilen:

Über den Autor

Rainer Terlutter

Rainer Terlutter, seit 1998 bei Empolis. Als Director Professional Services für eine Vielzahl von Projekten, u. a. im Bereich Automotive-Bereich verantwortlich.

Sagen Sie Ihre Meinung!