25. FVI-Expertenfrühstück

Thema: "Netflix für die Instandhaltung" – Wie René Menard technisches Wissen mit KI und Micro-Learning in die Köpfe bringt.

In dieser Session berichtete René Menard (Menard Lab) gemeinsam mit Experten für digitales Lernen aus der Praxis des Sondermaschinenbaus. Das Problem: Die Einarbeitung ist zu teuer und zu langsam.

• Der 120-Tage-Schmerz: René Menard legte die Zahlen auf den Tisch: Im komplexen Sondermaschinenbau dauert es bis zu 120 Tage, bis ein neuer Servicetechniker voll einsatzfähig ist. Das verursacht Kosten von ca. 40.000 € pro Kopf, bevor der erste Euro verdient wird.
• Weg vom "Betreuten Lesen": Niemand liest heute noch 500-seitige Betriebsanleitungen ("Fiebeln"). Die Lösung liegt im Micro-Learning: KI zerlegt komplexe Handbücher automatisch in kleine "Wissens-Nuggets" (3-5 Minuten), die interaktiv am Smartphone konsumiert werden können – ähnlich wie bei Sprachlern-Apps.
• Skill-Check statt Zeugnis-Gläubigkeit: Menard Lab hat den Bewerbungsprozess radikalisiert. Statt Lebensläufe zu lesen, müssen Bewerber einen digitalen Skill-Check machen. Wer 70% der Fragen (z.B. zu Sensorik) richtig beantwortet, bekommt den Job. Das macht den Prozess objektiv und schnell.
• Lernen nach Bedarf (Gap-Closing): Wer den Check nicht besteht, fällt nicht durch, sondern bekommt automatisch nur die Lerneinheiten zugewiesen, die ihm fehlen. Statt alle pauschal auf eine teure "Grundlagenschulung" zu schicken, wird nur das Delta geschult.
• Agiles Wissens-Update: Ein wichtiges Feature in der Diskussion: Wenn sich technische Parameter ändern (z.B. ein neuer Schmierstoff vorgeschrieben wird), scannt die KI die Dokumente und pusht nur diese Änderung als Update an das Team. Das Wissen bleibt aktuell, ohne dass Handbücher neu gedruckt werden müssen.

Einordnung: ADAM macht aus "Schulungswissen" echtes "Anwendungswissen"

Hier grenzen wir uns scharf ab: Während andere Tools "Trockenübungen" (Quizze) anbieten, liefert ADAM das Wissen direkt im "Ernstfall".

• Learning by Doing (ADAM) vs. Learning by App: Separate Lern-Apps haben das Problem, dass das Wissen oft vergessen ist, wenn man vor der Maschine steht. Unser Ansatz: ADAM ist der "Mentor in der Hosentasche". Der Techniker lernt nicht auf Vorrat, sondern bekommt das "Wissens-Nugget" (z.B. das Video zum Filtertausch) genau in dem Moment angezeigt, in dem er den Arbeitsauftrag in ADAM öffnet. Das ist Just-in-Time-Learning.

• Die dynamische Qualifikations-Matrix: René Menard sprach von der Steuerung nach Skills. ADAM operationalisiert das. Unser Ansatz: ADAM nutzt die Skill-Profile der Mitarbeiter für das Smart Dispatching. Das System weiß: "Dieser Auftrag erfordert 'Zertifikat Hochvolt'. Mitarbeiter A hat das Zertifikat nicht, also bekommt Mitarbeiter B den Auftrag." Wir verhindern aktiv, dass ungeschultes Personal an kritische Anlagen geht.
• Wissenstransfer ohne Hürden: Die Erstellung von Lerninhalten ist oft aufwendig. Unser Ansatz: Mit ADAMs GenAI-Funktionen kann der erfahrene Meister einfach ein Foto oder Sprachmemo in die Anlage-Historie sprechen ("Achtung, hier immer erst entlüften!"). ADAM macht daraus automatisch eine Arbeitsanweisung für den nächsten Kollegen. So wird jeder Mitarbeiter zum Trainer, ohne eine "Schulung" bauen zu müssen.

Fazit: Schulung ist gut, Assistenz ist besser. ADAM sorgt dafür, dass das Gelernte nicht im Kopf bleibt, sondern an der Maschine landet. Wir schließen die Lücke zwischen "Theorie" (Schulung) und "Praxis" (Reparatur).