KI im Außendienst: Wie der Mittelstands-Maschinenbau Techniker plant und Tickets schneller schliesst

In einem typischen Mittelstands-Maschinenbauunternehmen beginnt der Morgen seit zwei Jahrzehnten gleich. Der Disponent druckt die Servicetickets von gestern aus, kämpft mit einem Whiteboard, ruft drei Kunden an und entschuldigt sich für verspätete Besuche - und übergibt dann sechs Technikern die Routen für den Tag. Um 9:00 ist der Plan bereits falsch: Die Maschine eines Technikers ist wegen eines Software-Updates offline, zwei neue dringende Eskalationen kamen über Nacht, und ein wichtiges Ersatzteil hat es nicht auf den Lkw geschafft.

Und doch ist diese Abteilung der Profit-Motor. Im Maschinenbau erzeugt After-Sales etwa 30 Prozent des Gesamtgewinns und ist strukturell um 20 bis 50 Prozent profitabler als der Verkauf neuer Anlagen¹³. Bei einigen deutschen Mittelstands-Champions kratzt der Service inzwischen an 40 Prozent des Umsatzes. Der zyklische Maschinenverkauf ist die Verpackung; der mehrjährige Servicevertrag ist das Geschäft.

Dieser Leitfaden ist für die Leitung Service, After-Sales-Direktion oder Geschäftsführung in einem deutschen Maschinenbauunternehmen, die weiß, dass After-Sales der Margenmotor ist - und genug davon hat, ihn aus einer Tabelle zu fahren.

Die After-Sales-Margenfalle im Mittelstands-Maschinenbau

Der Mittelstands-Maschinenbau hat sich in den letzten zehn Jahren leise zum Servicegeschäft umgebaut. Service-Umsatz ist strukturell weniger zyklisch als Neuaufträge, hat höhere Bruttomarge und bindet Kunden in lange Servicebeziehungen - genau das, was deutsche Hidden Champions vor Niedrigpreis-Wettbewerbern schützt. Die Falle ist, dass das Operating Model unter diesem Umsatz nicht mitgewachsen ist.

• After-Sales liefert über 30% des Gewinns - Oliver Wyman beziffert mindestens 30 Prozent des Gesamtgewinns eines Maschinenherstellers aus After-Sales: Ersatzteile, Reparatur, Wartungsverträge¹³.
• 20 bis 50 Prozent Margen-Aufschlag - Hersteller erzielen 20 bis 50 Prozent mehr Gewinnmarge aus After-Sales als aus Neumaschinenverkäufen¹³.
• Service ist bei Spitzenreitern ~40% des Umsatzes - Unternehmen wie GEA berichten, dass Service-Umsatz deutlich schneller wächst als Neugeschäft und sich auf 40 Prozent des Gesamtumsatzes zubewegt¹³.
• Der Technikermangel ist strukturell - Industriemechaniker, Elektriker, Elektroniker und Schweisser stehen alle auf der 163-Mangelberufe-Liste der Bundesagentur für Arbeit¹⁸. Recruiting schliesst die Lücke nicht.
• Die OECD sagt: Es wird schlimmer - Die erwerbsfähige Bevölkerung Deutschlands schrumpft bis 2030 um 3,9 Millionen¹⁹. Servicefelder konkurrieren mit Fertigung, Bau und IT um dieselben Menschen.
• Service-Ops laufen weiter auf Excel - Das Whiteboard des Disponenten, das gedruckte Routenblatt, die WhatsApp vom Techniker mit "ich bin spät dran". Die meisten Mittelstands-Maschinenbau-Servicedesks haben ein CRM und arbeiten daran vorbei.

Die Hidden Champions, die schon umgestellt haben, kaufen kein generisches FSM. Sie legen KI-Agenten auf ihren bestehenden Service-Stack, sodass der Disponent das Routing aufhört und die Kundenbeziehungsarbeit beginnt, die wirklich Verträge sichert.

Was ein KI-Außendienst-Agent tatsächlich tut

Ein KI-Außendienst-Agent ist ein Softwaresystem, das über Asset-, Kunden-, Teile-, Techniker- und Dispositionsdaten hinweg liest, entscheidet, wie Arbeit und Ressourcen zugeordnet werden, Aktionen über Ihre bestehenden FSM und ERP ausführt und aus Ergebnissen lernt. Vier Funktionen zählen am meisten: Planung, Ferndiagnose, Teilevorbereitung und Berichts-Entwurf.

1. Planung und Disposition

• Liest - offene Aufträge, Skills und Zertifikate der Techniker, aktuelle Position, Arbeitszeitregeln, Kunden-SLAs, Verkehr, Wetter.
• Entscheidet - die optimale Auftragsfolge je Techniker für den Tag, mit Umplanungslogik, die SLAs respektiert.
• Handelt - schreibt den Plan zurück ins FSM, benachrichtigt Techniker und Kunden, bucht Slot-Zeiten, wo nötig.
• Lernt - Fahrzeitschätzungen, technikerspezifische Auftragsdauern, Zugangsbeschränkungen an Kundenstandorten.

2. Ferndiagnose

• Liest - Alarmcodes der vernetzten Maschine, Tickettext des Kunden, Fotos und kurze Videos, Servicehistorie zur Seriennummer, Hersteller-Known-Issue-Datenbank.
• Entscheidet - den wahrscheinlichsten Ausfallmodus, die mitzunehmenden Teile, die ersten Diagnose-Schritte für den Techniker.
• Handelt - briefet den Techniker vor Abfahrt, erstellt die Teile-Pull-Liste, hält für knifflige Fälle einen Asset-Spezialisten in Standby.
• Lernt - welche Alarmmuster welche Ursache haben, welche Kundenumgebungen welche Pseudofehler erzeugen.

3. Ersatzteilvorbereitung

• Liest - Teilebestand pro Lager, Van-Stock des Technikers, Tagesroute, Lieferzeiten für nicht vorrätige Teile.
• Entscheidet - was am Vorabend aus dem Lager zu ziehen ist, was per Nachtkurier ans Service-Hotel des Technikers zu senden ist, ob zwei Techniker getauscht werden, um vorhandenen Van-Stock zu nutzen.
• Handelt - erstellt Pull-Listen im WMS, bucht Nachtkurier, aktualisiert den Plan.
• Lernt - Teile-pro-Auftrag-Muster nach Maschinenmodell und Kundenstandort, welche Ersatzteile systematisch unterschätzt werden.

4. Servicebericht-Entwurf

• Liest - Sprachmemo oder kurze Notiz des Technikers, Fotos vor Ort, verbrauchte Teile, Auftragsdetails.
• Entscheidet - die strukturierten Felder, die Garantie/Vertrag verlangen, die kundenseitige Zusammenfassung, ggf. das Engineering-Folge-Ticket.
• Handelt - entwirft den Bericht zur Technikerprüfung, postet ins ERP, erzeugt das Kundendokument, öffnet Engineering-Tickets bei Bedarf.
• Lernt - welche Berichte Garantieauseinandersetzungen auslösen, welche Kundenformate verlangt sind.

6 ROI-starke Use Cases für den Mittelstands-Maschinenbau

Nicht jeder Außendienst-Workflow profitiert gleich stark von einem KI-Agenten. Das Muster, das im Mittelstands-Maschinenbau verlässlich ROI liefert, beginnt mit Use Cases, die sich über jede Disposition kumulieren. Diese sechs sind die bewährten ROI-Deployments.

1. Tägliche Dispositionsoptimierung

Der grösste Hebel. Heute baut der Disponent jeden Morgen 60 bis 90 Minuten den Plan und investiert weitere 2 bis 3 Stunden über den Tag in Umverteilungen. Ein KI-Agent generiert den Plan in Sekunden und plant automatisch um, wenn die Realität sich ändert.

• Eingaben - Offene Aufträge, Skills und Zertifikate, Position, Arbeitszeit, Kunden-SLAs, Echtzeit-Verkehr.
• Aktion - Optimierter Tagesplan mit konfidenzbewerteten Alternativen; automatische Umplanung bei Störung.
• Realistische Wirkung - 20 bis 35 Prozent weniger Fahrzeit¹²; Disponent gewinnt 50 bis 70 Prozent der Planungszeit für Kundenarbeit zurück.
• Warum es schnell rentiert - Fahrzeit ist bezahlte Zeit, die nicht abrechnet. 25 Prozent weniger Fahrzeit pro Techniker entspricht in einem 4er-Team einem zusätzlichen Techniker.

2. Predictive Call-Out aus Sensordaten

Die Maschine des Kunden ist heute oder morgen vernetzt. Telemetrie über OPC UA, MQTT oder eine Hersteller-Cloud bedeutet, dass Alarme Sie erreichen, bevor der Kunde anruft²⁵. Der Agent entscheidet, ob, wann und mit welchem Techniker disponiert wird.

• Eingaben - Echtzeit-Alarmcodes, Vibrations-/Temperatur-/Drucktrends, Maschinentyp, Konfiguration, Call-Out-Historie.
• Aktion - Service-Ticket öffnen, Call-Out zum optimalen Zeitpunkt vor Ausfall planen, Kunden proaktiv informieren, Techniker briefen.
• Realistische Wirkung - Wandelt ungeplanten Stillstand in geplante Servicebesuche; hebt Kundenzufriedenheit; schützt vor Garantierisiko.
• Passt zu - Der vollständigen Predictive-Maintenance-Pipeline. Siehe unseren Predictive-Maintenance-Leitfaden für die Sensor-zu-Agent-Architektur.

3. Ferndiagnose Tier-1 vor Disposition

Die meisten Maschinenbau-Servicetickets brauchen keinen sofortigen Truck-Roll. Eine 15-minütige Ferndiagnose - geleitet vom Agenten - löst einen relevanten Anteil. Für die Fälle, die einen Besuch brauchen, weiss der Techniker zumindest, was kaputt ist, bevor er aufbricht.

• Eingaben - Tickettext, Maschinenmodell, Seriennummer, Fotos, Logs, frühere Servicehistorie zum Asset.
• Aktion - Kunden durch Diagnose-Schritte führen, Ausfallmodus klassifizieren, Disposition entscheiden, Techniker mit Teileliste briefen.
• Realistische Wirkung - 15 bis 30 Prozent der dispositionsfähigen Tickets aus der Ferne gelöst; FTFR steigt im Rest um 5 bis 10 Punkte.
• Aufpassen - Kunden, die auch ohne Notwendigkeit auf Besuch bestehen. Der Agent argumentiert, überfährt aber nie die Kundenwahl.

4. Teile-Vorbereitung und Van-Stock-Optimierung

Branchendaten und IBMs Analyse stimmen überein: Der Hauptgrund für Zweitbesuche ist, dass der Techniker das richtige Teil nicht dabei hatte¹. Der Agent löst das, indem er die Teile pro Auftrag vorhersagt und vorbereitet.

• Eingaben - Vorhergesagter Ausfallmodus, Teilestamm mit Verbrauchshistorie, Van-Stock, Lagerbestand, Lieferzeiten.
• Aktion - Pull-Liste fürs Lager am Vorabend; Nachtkurier ans Hotel, wo sinnvoll; dynamische Van-Stock-Empfehlungen.
• Realistische Wirkung - +5 bis +10 Punkte FTFR; weniger Express-Kurier-Spend; weniger Überbestand in Vans.
• Passt natürlich zu - Predictive Call-Out (Use Case 2) und Ferndiagnose (Use Case 3).

5. Strukturierter Servicebericht

Die versteckte Steuer im Außendienst ist der abendliche Admin im Hotel. Jeder Techniker verbringt 30 bis 60 Minuten pro Auftrag mit Tipparbeit in einem klobigen Formular - oft nach einem 10-Stunden-Tag. Der Agent entwirft den Bericht aus einem Sprachmemo und den Fotos.

• Eingaben - Sprachmemo, Fotos, Auftragsdaten, verbrauchte Teile, kundenspezifische Berichts-Templates.
• Aktion - Strukturierte Felder generieren, kundenseitige Zusammenfassung schreiben, Engineering-Folge-Tickets entwerfen, ins ERP posten.
• Realistische Wirkung - 50 bis 70 Prozent weniger Berichtszeit; Techniker bekommen ihre Abende zurück; Garantieauseinandersetzungen sinken durch konsistentere Berichte.
• Versteckter ROI - Die Techniker, die wegen Admin-Last gekündigt hätten, werden zu den loyalsten Mitarbeitern.

6. Ersatzteilangebot und Cross-Sell vor Ort

Wenn der Techniker beim Kunden ist, sieht er Chancen, die das Backoffice nie sieht: einen abgenutzten Riemen drei Monate vor Ausfall, eine Pumpe ausserhalb der Spezifikation, ein geplantes Retrofit, das der Kunde aufschiebt. Der Agent macht aus diesen Beobachtungen Angebote am selben Tag.

• Eingaben - Sprachmemo oder Foto, Teilekatalog, Kundenpreisvereinbarung, installierte Basis.
• Aktion - Angebot mit Verfügbarkeit und Lieferzeit erzeugen, Interesse erfassen, ab Schwelle an Innendienst routen.
• Realistische Wirkung - Ersatzteilservice wird vom Kostenfaktor zum Margenzentrum; Same-Day-Quote-Konversion verdoppelt sich.
• Mittelstands-Passung - Hidden-Champion-Techniker tun das informell schon. Der Agent macht es zur messbaren Umsatzlinie.

Die Sensor-Techniker-Kunden-Pipeline

Der Mittelstands-Maschinenbau hat einen einzigartigen architektonischen Vorteil. Die Maschinen erzeugen selbst Daten, die Techniker bringen jahrzehntelange Mustererkennung mit, und die Kunden betreiben diese Maschinen über Jahre. Ein KI-Außendienst-Agent verbindet alle drei zu einer Schleife.

Schicht 1: Das vernetzte Asset

• OPC UA - das dominante Industrieprotokoll für Maschinentelemetrie; herstellerneutral, sicher, mit reichhaltigen semantischen Modellen²⁵.
• MQTT - leichtgewichtiges Pub/Sub für hochfrequente Sensorströme, besonders über Mobilfunk.
• Hersteller-Cloud - viele Maschinenhersteller streamen Telemetrie in die eigene Cloud; Anbindung per REST oder Webhook.
• Wo Mittelstand stockt - die installierte Basis ist gemischt: 5 Prozent frisch vernetzt, 30 Prozent nachrüstbar, 65 Prozent dumm. Planen Sie eine hybride Pipeline, die nicht alles online voraussetzt.

Schicht 2: Der Service-Wissensgraph

• Asset-Stamm - Seriennummer, Konfiguration, Installationsdatum, Garantiebedingungen, Kundenstandort.
• Servicehistorie - jeder frühere Call-Out, Befund, Ursache, verbrauchte Teile, Techniker, Dauer.
• Known-Issue-Datenbank - Ausfallmuster aus Engineering, Hersteller-Bulletins, nachgerüstete Updates.
• Kundenbeziehungs-Daten - SLA-Stufe, Preisvereinbarung, bevorzugte Techniker, NDA-Vorgaben.
• Warum das zählt - Die Entscheidungsqualität des Agenten wird hier gesetzt. Garbage in gilt weiter.

Schicht 3: Die Dispositionsschleife

• Plan - optimalen Plan basierend auf Aufträgen, Kapazität und Vorgaben generieren.
• Ausführen - Disponent bestätigt; Techniker und Kunden benachrichtigen; Teile-Vorbereitung auslösen.
• Anpassen - umplanen, wenn die Realität abweicht (Stornos, Ausfälle, neue Eilfälle).
• Schliessen - Bericht entwerfen, ins ERP posten, Kunden aktualisieren, aus Ergebnis lernen.

Schicht 4: Der Kundenkontaktpunkt

• Proaktive Benachrichtigungen - "Ihr Techniker ist 20 Minuten entfernt", statt dass der Kunde anruft.
• Self-Service-Portal - Kunde sieht Live-ETA, unterwegs befindliche Teile, laufende Arbeit.
• Ergebnis-Zusammenfassung - kundenfreundliche Version des Serviceberichts mit Fotos und Empfehlungen.
• Verlängerungs-Kontext - bei auslaufendem Vertrag bringt der Agent die Servicehistorie ins Verlängerungsgespräch.

Build vs. Buy: SAP FSM, Salesforce FSM, ServiceMax, IFS, Custom

Der FSM-Plattformmarkt ist reif: Die Top-fünf-Anbieter (Oracle, Salesforce, Microsoft, SAP, IFS) halten zusammen rund 45 Prozent Marktanteil². Für eine Mittelstands-Maschinenbau-Service-Operation lautet die realistische Shortlist im April 2026: vier Plattformen plus die Custom-Option.

SAP Field Service Management

• Beste Passung - Unternehmen bereits auf SAP S/4HANA oder ECC; enge Integration mit SAP-Installed-Base-Management.
• Stärken - Native zur SAP-Service-Ausführung; arbeitet mit SAP Service Cloud und Asset Manager; stark bei Installed Base, Verträgen und Garantie.
• Grenzen - KI-Schicht hängt den Spitzenreitern hinterher; deutsche Maschinenbau-Workflows verlangen oft tiefe Anpassung; SAP-Implementierungspartner nötig.

Salesforce Field Service (mit Agentforce)

• Beste Passung - Unternehmen auf Salesforce Service Cloud; Mid-Market-Service mit gemischtem B2B/B2C.
• Stärken - Starke Scheduling-Engine; Mobile-App, die Techniker akzeptieren; Agentforce-Integration entwickelt sich 2026 spürbar weiter.
• Grenzen - Preisaufschlag wächst bei Skalierung; tiefe Integration in Nicht-Salesforce-ERPs ist Arbeit; Lock-in real.

ServiceMax (PTC, auf Salesforce)

• Beste Passung - Asset-zentrische, anlagenintensive, regulierte Branchen; Medizintechnik, Maschinenbau, Öl & Gas.
• Stärken - Asset-Hierarchien, Serviceverträge, Garantieautomatisierung; bewährt im Maschinenbau; dokumentierte Produktivitätsgewinne um 23 Prozent für Techniker²³.
• Grenzen - Sitzt auf Salesforce - Preise und Architektur erbt man mit; KI-Schicht verbessert sich, ist aber nicht klassenführend.

IFS Cloud Field Service Management

• Beste Passung - Asset-intensiver, komplexer Enterprise-Service; Aerospace MRO, Energie, Verteidigung, Industriefertigung.
• Stärken - Einziger Gartner Peer Insights Customers’ Choice for FSM 2024 und 2025²; KI-gestützte Planung, die in Skalierung wirklich liefert; bewusste Enterprise-Ausrichtung.
• Grenzen - Auf wirklich komplexen Service gebaut; kleinere Mittelstandsteams empfinden die Plattform schwerer als nötig.

Custom-Agent auf bestehendem FSM

• Beste Passung - Mittelstands-Maschinenbauer mit Workflows, die nicht in eine Plattform passen; Souveränitätsanforderungen; tiefe SAP-/Legacy-ERP-Integration.
• Stärken - Eigene Policy-Schicht; nativ in SAP, DATEV und Custom-Asset-DBs integriert; EU-Datenresidenz und On-Premises-LLM möglich; planbare Per-Use-Case-Preise.
• Grenzen - Höhere Anfangsinvestition; braucht Partner oder eigene Engineering-Kapazität.

Der 90-Tage-Außendienst-Pilot

90 Tage reichen, um Dispositionsoptimierung und Berichts-Entwurf von der Baseline in die Produktion zu bringen - für eine Produktlinie, ein Land und 5 bis 15 Techniker. Die Form, die im Mittelstands-Maschinenbau funktioniert, behält Ihr bestehendes FSM und lässt den Agenten zwei Wochen im Shadow-Mode mitlaufen.

Phase 1: Discovery und Baseline (Wochen 1-4)

1. Woche 1: Disponenten-Mitlauf - Drei volle Tage mit dem Disponenten. Aufzeichnen, was er wirklich tut. Die Regeln dokumentieren, die er im Kopf hat und in keinem System stehen.
2. Woche 2: Techniker-Mitlauf - Mit zwei erfahrenen Technikern reisen. Berichtsschreiben beobachten. Die Teile beobachten, die sie sich gewünscht hätten. Hier lebt das Muster.
3. Woche 3: System-Inventar - FSM, ERP, CRM, Teilestamm, Asset-Stamm, Telemetrie-Quelle (falls vorhanden) kartieren. API- oder Integrations-Verfügbarkeit bestätigen.
4. Woche 4: Baseline-KPIs - Heutige Fahrzeit pro Techniker, FTFR, AHT, Berichtszeit und Umsatz pro Techniker-Tag fixieren. Diese werden zur Vergleichsbasis.

Phase 2: Build und Shadow-Mode (Wochen 5-8)

5. Wochen 5-6: Agentenaufbau - Datenquellen anbinden, Policy-Schicht schreiben, Aktions-Set definieren, Evaluations-Suite mit 200-400 historischen Aufträgen aufbauen.
6. Woche 7: Shadow-Disposition - Agent generiert den Tagesplan parallel zum menschlichen Disponenten. Service-Lead prüft Abweichungen. Noch keine Produktionsentscheidungen.
7. Woche 8: Kalibrierung - Policies aufgrund der Shadow-Misses nachschärfen. Edge Cases in die Evaluations-Suite. Disponent im Review-Interface schulen.

Phase 3: Go-Live mit Bestätigung (Wochen 9-12)

9. Woche 9: Soft-Launch - Live für eine Produktlinie, ein Land, 5-10 Techniker. Jeder Plan geht zur Disponenten-Bestätigung.
10. Wochen 10-11: Berichts-Entwurf hinzufügen - Service-Bericht-Agent aktivieren. Techniker wechseln vom Tippen zum Prüfen. Field-Feedback fliesst in die Policy-Schicht.
11. Woche 12: Messen und entscheiden - Fahrzeit, FTFR, AHT, Berichtszeit und Umsatz pro Techniker-Tag gegen Baseline vergleichen. Über nächstes Land, nächste Produktlinie und folgende Predictive-Use-Cases entscheiden.

Mit den Servicetechnikern arbeiten (ohne sie zu verlieren)

Außendienst-Techniker haben jedes "next-generation FSM-Tool" kommen und gehen sehen. Sie sind die pragmatischste, übertool-teste und still mächtigste Konstituenz im ganzen Wandel. Gewinnen Sie sie und das Projekt liefert. Ignorieren Sie sie und der Agent geht live - die Techniker arbeiten daran vorbei.

• Tools entfernen, nicht hinzufügen - Der Agent soll bestehende Apps verschwinden lassen, nicht eine neue ergänzen. Sprachmemo zu entworfenem Bericht. Foto zu Teileliste. Weniger Bildschirmzeit, nicht mehr.
• Einen erfahrenen Techniker als Design-Partner - Der erfahrenste Techniker weiss, was der Disponent falsch macht, wo das FSM zur Lüge zwingt und was der Kunde wirklich will. Ab Woche 1 in den Entwurf einbinden.
• Gesparte Zeit innerhalb 30 Tagen zeigen - Die Techniker, die abends 45 Minuten zurückbekommen, erzählen es den anderen. Zahlen zählen; gelebte Erfahrung zählt mehr.
• Auf Outcome bonifizieren, nicht auf Tracking - Wenn der Agent Bearbeitungszeit überwacht und der Bonus "langsame" Tage bestraft, haben Sie ein Tool gebaut, dem niemand traut. Bonus auf Outcome (FTFR, NPS, Vertragsverlängerung), nicht auf Stoppuhr.
• Override behalten - Der Techniker muss den Plan jederzeit per Tap überschreiben können. Vertrauen kommt aus "ich habe es versucht und es hat funktioniert", nicht aus "ich musste tun, was es sagte".
• Disponenten sichtbar trainieren - Der Disponent ist die exponierteste Rolle. Er verliert ein Stück Identität (der "Puzzle-Löser") und gewinnt eine andere (der "Kundenbeziehungs-Manager"). Den Übergang explizit machen.

DSGVO, EU-KI-VO und Kundenseiten-Vorgaben

Außendienst-Compliance hat drei Gesichter: Standard-DSGVO, EU-KI-VO angewendet auf Dispositions- und Mobile-Daten-Agenten und die oft vergessenen Kundenseiten-Vorgaben, die mit der Arbeit in fremden Werken kommen.

DSGVO-Essentials für mobile Felddaten

• Rechtsgrundlage - Vertragserfüllung für die direkte Service-Ausführung; berechtigtes Interesse fürs Routing; explizite Einwilligung nur für verhaltensbasierte Leistungsbewertung.
• Standortdaten - Techniker-GPS sind personenbezogene Daten. Zweck, Aufbewahrung und Sichtbarkeit dokumentieren; auf das Dispositionsfenster begrenzen.
• Fotos und Videos - Default ist Schwärzung von Bystander-Gesichtern; prüfen, ob Kunden-NDAs Bildspeicherung erlauben; verschlüsselte Pipelines erwägen.
• EU-Datenresidenz - Anthropic, OpenAI, Mistral, Google und Aleph Alpha bieten EU-Endpoints. Nutzen Sie sie. US-only-Routing für personenbezogene Daten vermeiden.
• Auftragsverarbeitungsvertrag (AVV) - Erforderlich mit LLM-Anbieter, FSM-Hersteller und Agent-Plattform. Subunternehmer prüfen.
• Audit-Trail - Jeden Lese-, Entscheidungs- und Schreibvorgang über die gesetzliche Aufbewahrungsfrist protokollieren. Auditierbares Verhalten ist Ihre stärkste DSGVO-Verteidigung.

EU-KI-Verordnung

• Risikoklassifikation - Ein Planungs- und Dispositions-Agent ist begrenztes Risiko. KI-Nutzung gegenüber Technikern und Kunden offenlegen. Artikel 4 (KI-Kompetenz) verlangt verhältnismässige Schulung von Disponenten, Service-Leads und Reviewern²¹.
• Hochrisiko-Trigger meiden - Keine Einstellungs-, Kündigungs- oder formalen Leistungsbewertungs-Entscheidungen durch den Agenten. Das ist Anhang III, Hochrisiko.
• KMU-Vorteile - Kleinere Unternehmen erhalten priorisierten Sandbox-Zugang und niedrigere Bussgeldgrenzen. Lohnt zu prüfen.
• Transparenz beim Kunden - Eine Zeile in der Service-Bestätigungs-E-Mail reicht meist: "Ihr Termin wird unter Mithilfe unseres KI-Disponenten geplant."

Kundenseiten-Vorgaben

• NDAs und Foto-Policies - Viele Industriekunden verbieten Fotos bestimmter Werksbereiche. Die Erfassungs-Policy des Agenten muss "Keine-Fotos"-Zonen pro Kunde, pro Maschine kodieren.
• Datenresidenz beim Kunden - Manche Kunden verlangen, dass Servicebericht-Daten in ihrer Jurisdiktion bleiben. Für regulierte Branchen einen getrennten Namensraum vorsehen.
• Arbeitszeit auf Kundenseite - Arbeitszeit folgt der Jurisdiktion des Technikers; der Plan muss das respektieren.
• Zoll und Teilebewegung - Grenzüberschreitende Ersatzteile lösen Zollpapiere aus; der Agent sollte die richtigen Formulare automatisch erzeugen.
• Haftung und Garantie - Der Servicebericht ist ein Rechtsdokument. Agent entwirft; Techniker bestätigt; Kunde unterschreibt.

Betriebsrat

• Mitbestimmungs-Trigger - § 87 Abs. 1 Nr. 6 BetrVG erfasst technische Einrichtungen, die Verhalten oder Leistung der Beschäftigten überwachen²². Mobile Felddatenerfassung qualifiziert klar.
• Betriebsvereinbarung - Schriftliche Vereinbarung zu Standortdaten, Leistungsverwendung, Aufbewahrung, Bewertungsregeln und Opt-out-Recht.
• Früh einbinden - Betriebsrat in Phase 1 holen, nicht in Phase 9. Da sterben Projekte.

Wie Superkind passt

Superkind baut individuelle KI-Agenten, die auf Ihrem bestehenden FSM, ERP und Asset-Daten sitzen. Der Ansatz ist Process-First - wir laufen mit dem Disponenten und dem erfahrenen Techniker mit, bevor ein Modell ins Spiel kommt - und der Agent augmentiert die Plattform, die Sie bereits nutzen, statt sie zu ersetzen. Ergebnis: Ein Service-Betrieb, der schneller plant, diagnostiziert und berichtet, ohne dass Ihre Techniker ein neues Tool lernen.

• Process-First-Discovery - Eine Woche lang mit dem Disponenten und auf Tour mit erfahrenen Technikern, bevor irgendein Agent gebaut wird. Keine Templates, keine Slide-Annahmen.
• Sitzt auf Ihrem Stack - Verbindet per API mit SAP, Salesforce FSM, ServiceMax, IFS, Microsoft Dynamics, Custom-ERPs und DATEV. Disponenten und Techniker behalten die Tools, die sie kennen.
• Outcome-Metriken, die zählen - Wir designen und reporten gegen Fahrzeit, FTFR, AHT, Berichtszeit und Umsatz pro Techniker-Tag. Nicht "KI-Nutzung" oder "Modellgenauigkeit".
• Policy-Schicht in Ihrer Hand - Jede Aktion - Teile-Pull, Umplanung, Kunden-Benachrichtigung, RMA - läuft durch eine Policy-Schicht mit Wertgrenzen und Freigaberegeln, die Sie setzen.
• Souverän by Default - EU-Datenresidenz, freie LLM-Wahl (Anthropic, OpenAI, Mistral, Aleph Alpha) und On-Premises-Optionen für sensible Kundenumgebungen.
• Evaluations-Suite ab Tag eins - 200-400 historische Aufträge werden zur Regressions-Suite. Der Agent geht nur live, wenn er besteht; bleibt nur live, solange er besteht.
• Funktioniert mit Ihrem Betriebsrat - Wir unterstützen den Betriebsvereinbarungs-Prozess direkt, inkl. Vorlagen und Begleitung in Konsultationen.
• Live in 8 bis 12 Wochen - Erster Produktions-Use-Case auf einer Produktlinie und einem Land in einem Quartal. Folgende Use Cases gehen schneller, weil die Integrationsschicht steht.

Entscheidungs-Framework: Sollte Ihre Service-Operation umstellen?

Nicht jede Maschinenbau-Service-Operation braucht heute einen Custom-KI-Außendienst-Agenten. Nutzen Sie dieses Framework zur Entscheidung.

Verwandte Artikel

• Predictive Maintenance für Hidden Champions - Die Sensor-zu-Agent-Pipeline, die Predictive Call-Out speist, mit der OPC-UA-/MQTT-Architektur im Detail.
• KI-Kundenservice jenseits von Chatbots - Das lösungsorientierte Pendant für den Service-Desk hinter der Field Operation.
• KI-Agenten in der Fertigung - Wo Außendienst in das breitere Manufacturing-AI-Playbook passt.
• SAP und KI-Agenten - Integrationsmuster für ECC, S/4HANA und Business One, die direkt für einen Service-Agenten gelten, der Installed-Base-Daten liest.
• Human-in-the-Loop - Die Autonomiestufen und Risiko-x-Reversibilität-Matrix unter Ihrer Disponenten-Bestätigungs-Policy.
• KI-Kompetenz im Mittelstand - Das Artikel-4-Framework, das Sie vor August 2026 brauchen, angewendet auf Service-Teams.

Häufig gestellte Fragen

Henri Jung

Co-Founder von Superkind, wo er KMU und Konzerne dabei unterstützt, individuelle KI-Agenten einzuführen, die wirklich zu den Workflows ihrer Teams passen. Henri arbeitet daran, die Lücke zwischen dem, was KI kann, und dem, was sie in echten Unternehmen an Wert schafft, zu schliessen. Er ist überzeugt: Der Mittelstand hat alles, was er braucht, um bei KI vorne zu sein - er braucht nur den richtigen Ansatz.