Herausforderung
Die größte Herausforderung besteht in der effizienten Planung und Organisation der Orgelpflegetouren. Die Orgeln sind in unterschiedlichen Regionen Deutschlands verteilt und die Wartungsanforderungen variieren je nach Alter, Nutzungshäufigkeit und Umgebungsbedingungen der Instrumente. Manuelle Planung ist zeitaufwendig und birgt das Risiko von Ineffizienzen, wie unnötig langen Fahrstrecken oder ungleichmäßiger Verteilung der Wartungsarbeiten. Dies kann zu höheren Kosten und potenziellen Verzögerungen bei der Wartung führen.
Bestehende Systeme aus der Logistikbranche sind oft viel zu komplex für Mittelständische Unternehmen, welche eine maßgeschneiderte Lösung für ihre Tourenplanung benötigen. In diesem Fall handelt es sich um ein expandiertes Wochenmodel für ein periodisches VRP (Vehicle Routing Problem) mit Zeitdimension, Mehrfachbesuchen, Mindestabständen zwischen Besuchen und optionaler Mitarbeitersynchronisation.
Lösung
Unsere Lösung ist der Einsatz künstlicher Intelligenz zur Planung und Organisation der Orgelpflegetouren. Mittels KI können die Wartungsdaten aller Orgeln analysiert und die optimalen Routen für die Techniker erstellt werden. Die KI berücksichtigt dabei Faktoren wie die Dringlichkeit der Wartung, die geografische Lage der Orgeln, die Verfügbarkeit der Techniker und die Fahrzeiten. Dies ermöglicht eine effiziente und kostengünstige Planung der Wartungstouren und stellt sicher, dass jede Orgel rechtzeitig und regelmäßig gepflegt wird.
Umsetzung
Die Umsetzung des KI-Projekts erfolgt in mehreren Phasen
- Datenintegration: Zunächst werden alle relevanten Daten zu den Orgeln, einschließlich Wartungshistorie, Standort und spezifische Anforderungen, in das KI-System integriert.
- Modellentwicklung: Ein maßgeschneidertes KI-Modell wird entwickelt, das auf die speziellen Bedürfnisse und Anforderungen von Orgelbau Sauer abgestimmt ist. Dabei arbeiten wir eng mit Experten aus dem Bereich der künstlichen Intelligenz und unseren erfahrenen Orgelbauern zusammen.
- Pilotphase: In einer ersten Pilotphase wird das KI-System in ausgewählten Regionen getestet, um die Effektivität und Effizienz der Tourenplanung zu überprüfen und notwendige Anpassungen vorzunehmen.
- Rollout: Nach erfolgreicher Pilotphase wird das System sukzessive auf ganz Deutschland ausgeweitet, sodass alle Wartungstouren durch die KI optimiert werden.
Es wurde ein digitales System implementiert, das auf der Open-Source-Softwarebibliothek Google OR-Tools von Google AI basiert. Diese ermöglicht die Lösung komplexer Optimierungsprobleme wie das Vehicle Routing Problem (VRP). Dabei wird jede Arbeitswoche eines Mitarbeiters als „Fahrzeug“ und jede Kirche als „Stopp“ modelliert. Das System übersetzt die Planungsregeln (z. B. maximale Arbeitszeit pro Tag, zugeordnete Mitarbeitende, geografische Lage) in mathematische Restriktionen und berechnet in kurzer Zeit Tourenvorschläge. Durch iterative Verbesserungen entstehen stabile, regelkonforme Wochenpläne, die sowohl Fahrzeiten, Fahrtkilometer sowie den Planungsaufwand deutlich reduzieren.
Das Tool kombiniert Automatisierung und Fachwissen: Planerinnen und Planer erhalten zunächst einen algorithmisch erstellten Vorschlag, der anschließend bei Bedarf manuell angepasst werden kann. Eine Kartenvisualisierung zeigt die Dichte und Verteilung der Kirchenstandorte, sodass Tourenpotenziale auf einen Blick sichtbar werden. Die Ergebnisse werden in einer strukturierten Wochenliste ausgegeben, die Standorte, Koordinaten, Zeitbudgets und die Zuordnung zu Mitarbeitenden enthält. Zusätzlich ist ein XLS/CSV-Export integriert, über den die Daten nahtlos in bestehende Systeme zur Disposition und Nachkalkulation übernommen werden können.
Durch dieses Vorgehen werden Fahrzeiten und -kilometer signifikant gesenkt, Wartungsintervalle zuverlässig eingehalten und die knappen personellen Kapazitäten besser genutzt. Die Planungszeit reduziert sich von mehreren Stunden auf wenige Minuten, wodurch Fachkräfte entlastet und planbare Arbeitswochen ermöglicht werden. Das System berücksichtigt außerdem realistische Rahmenbedingungen wie Urlaubszeiten, Arbeitstage und maximale tägliche Einsatzzeiten.