Zum Inhalt springen

KI-gestützter Service

Störungen finden, bevor jemand anruft.

Zwei Funktionen nehmen der Rufbereitschaft die stumpfe Arbeit ab: Eine Auffälligkeitserkennung durchsucht die Betriebsdaten fortlaufend nach Mustern, eine KI-gestützte Analyse liest Logdateien aus. Was auffällt, steht mit Schweregrad und Belegzeile in der Liste — bevor der erste Anruf kommt.

01 Erkennung

Was eine manuelle Durchsicht übersieht

Was beim Durchsehen untergeht, sind die Muster über die Zeit. Die Erkennung arbeitet deshalb in zwei Stufen: eine, die weiß, wonach sie sucht — und eine, die es nicht weiß.

Die erste Stufe ist ein Regelwerk und damit so gut wie die Fehlerbilder, die jemand hineingeschrieben hat. Störungen halten sich aber nicht daran, in der zuletzt gesehenen Form wiederzukommen — dafür ist die zweite Stufe da.

Der zweite Teil der Arbeit ist die Liste selbst. Was an einem Standort seit Jahren so ist, muss sich einmal als normal hinterlegen lassen — sonst liest sie nach zwei Wochen niemand mehr.

Behoben wird ein Befund dort, wo die Fernbefehle liegen: Ladepunkte fernsteuern und überwachen.

Menschenleerer Arbeitsplatz im Nachtbetrieb: zwei Monitore mit Verlaufsdiagrammen sind die einzige Lichtquelle im dunklen Raum.
Bildschirmaufnahme aus ChargeCore, Seite Ladesäulen-Health: sechs Zähl-Chips (14 bewertet, 2 gestört, 3 auffällig, 9 in Ordnung, 0 außer Betrieb, 0 stumm), darunter eine Zeitleiste über 14 Tage mit je einem farbigen Band pro Standort und darunter die Tabelle „Triage“ mit einer Zeile je Ladepunkt: Ampelpunkt, Health-Wert, Risiko, Anzahl Befunde, Auffälligkeiten wie Fehlerrate, Konnektivität, Phasenausfall, Leistungs-Derating oder Übertemperatur, Ergebnis der letzten Loganalyse und ein Link zur Diagnose. Gestörte Ladepunkte stehen zuoberst. Standort- und Gerätenamen sind Beispieldaten eines Musterbetriebs.
Ladesäulen-Health über den ganzen Bestand: Chips zählen gestörte, auffällige und unauffällige Ladepunkte, die Zeitleiste zeigt je Standort, seit wann etwas anliegt, die Tabelle sortiert nach Ampel und Risiko und nennt je Zeile die Art der Auffälligkeit. Aufnahme aus der laufenden Anwendung mit Beispieldaten eines Musterbetriebs.
  • Feste Prüfregeln finden das Bekannte

    Ein Regelwerk prüft jeden Ladepunkt gegen benannte Fehlerbilder. Das Ergebnis ist reproduzierbar und kommt ohne KI aus.

  • Mehrere Modelle bewerten den Rest

    Was das Regelwerk nicht abdeckt, geht an mehrere KI-Modelle, die unabhängig voneinander urteilen.

  • Jeder Befund nennt seinen Beleg

    Eingestuft wird von Hinweis bis kritisch, dazu steht die Belegzeile, auf die sich der Befund stützt — nicht nur eine Farbe.

  • Ein Gesundheitswert je Ladepunkt

    Aus beiden Stufen entsteht ein Wert, der sich über die Zeit verfolgen lässt — zusammen mit den Befundarten, die am häufigsten auftreten.

  • Im Hintergrund oder auf Abruf

    Die Prüfung läuft im Hintergrund über den gesamten Bestand oder auf Abruf für einen einzelnen Standort oder Ladepunkt.

  • Bekanntes lässt sich stummschalten

    Eigenheiten eines Standorts werden als erwartetes Verhalten hinterlegt, einzelne Befunde einmalig bestätigt.

Bildschirmaufnahme aus ChargeCore, Reiter Diagnose eines Ladepunkts: links die Ampel „Gestört“ mit drei Gründen — Störung (GroundFailure) seit 3.9.2026, 16:05 Uhr, Auffälligkeiten erhöhte Fehlerrate, lange Störungszeiten und KI-Auffälligkeit, sowie Loganalyse mit kritischen Befunden — rechts der Health-Score 24 mit dem Hinweis „3 Findings“. Darunter der Verlauf über 14 Tage: zwei Statusbalken je Anschluss in Grün, Blau und am Ende Rot, Punkte für Fehler und Auffälligkeiten, eine Score-Kurve, die zuletzt abfällt. Unten die Tabelle „Fehlermeldungen im Zeitraum“ mit fünf Zeilen: Zeit, Fehlerklasse und Code (viermal GroundFailure als Sicherheit, einmal OtherError als Rauschen), Status und Info. Beispieldaten eines Musterbetriebs.
Diagnose eines gestörten Ladepunkts: die Ampel nennt Grund und Zeitpunkt, der Health-Wert steht im Band der Ampel, der Verlauf zeigt je Anschluss, wann es kippte, und die Fehlermeldungen darunter tragen ihre Klasse — Sicherheit oder Rauschen. Aufnahme aus der laufenden Anwendung mit Beispieldaten eines Musterbetriebs.

Dieselben Betriebsdaten tragen die laufende Auswertung von Auslastung und Erlös — Auswertungen im Detail.

02 Logs

Ein Log lesen, ohne es zu lesen

Zwischen der Logdatei eines Ladepunkts und einer Aussage, mit der sich arbeiten lässt, stehen vier Schritte.

  1. 01

    Anfordern oder hochladen

    Das Log kommt per Fernbefehl vom Ladepunkt oder wird von Hand hochgeladen. Der Zeitraum lässt sich eingrenzen.

  2. 02

    Auswerten lassen

    Die Analyse läuft mit einem Schwerpunkt, den der Betreiber selbst vorgibt. Der Fortschritt ist Schritt für Schritt zu verfolgen.

  3. 03

    Einordnen

    Das Ergebnis ist eine strukturierte Auswertung in deutscher Sprache — nicht die Textdatei, die anschließend jemand von Hand durchsehen müsste.

  4. 04

    Weitergeben

    Die Auswertung lässt sich über einen Link teilen, auch übersetzt, und als vorbereitete Störungsmeldung an den Hersteller weitergeben.

Bildschirmaufnahme aus ChargeCore, Seite Ladepunkt-Logs: oben die Karte „Anforderung“ mit Ladesäule, Standort, Zeitraum 02.09. bis 03.09., Status „Analysiert“, Dateiname des Diagnose-Archivs, Größe 0,2 MB und dem Suchauftrag „Erdschluss (GroundFailure) am 03.09. gegen 15:20 — Ursache und Vorgeschichte“. Darunter die Karte „KI-Analyse“: ein rot hinterlegtes Feld „Gesamtbewertung: Kritisch“ mit einer vierzeiligen Zusammenfassung, eine Zeile Gerät (ABL, eMH3, Firmware 1.8.5, OCPP 1.6-J) und fünf Befunde — ein kritischer, zwei Warnungen, zwei Hinweise — jeweils mit Titel, Zeitpunkt, Quellzeile wie „ocpp.log:4812“ und einem Satz Beschreibung. Beispieldaten eines Musterbetriebs.
Loganalyse eines Ladepunkts: Der Suchauftrag steht über der Auswertung, die Gesamtbewertung nennt den Schweregrad, und jeder der fünf Befunde trägt Zeitpunkt und die Zeile im Log, auf die er sich stützt. Aufnahme aus der laufenden Anwendung mit Beispieldaten eines Musterbetriebs.

Der Fernbefehl, der das Log anfordert, ist einer von zwanzig, die der Betriebsteil an den Ladepunkt schickt — Ladepunkte fernsteuern und überwachen.

03 Vertrauen

Die KI sagt, wie sicher sie ist

Mehrere Modelle bewerten denselben Fall unabhängig voneinander, und die Anwendung zeigt, wie einig sie sich waren. Neben jedem Ergebnis steht damit, wie belastbar es ist.

  • Jedes Einzelurteil bleibt erhalten

    Neben der Gesamteinschätzung wird festgehalten, wie jedes Modell für sich entschieden hat. Eine Bewertung ist damit im Nachhinein aufschlüsselbar.

  • Eine Einstufung mit vermuteter Ursache

    Die Bewertung endet in vier Stufen — unauffällig, beobachten, verschlechtert, fehlerhaft — zusammen mit den vermuteten Fehlerbildern.

  • Der Mensch bleibt zuständig

    Die KI ersetzt den Support nicht. Sie findet und ordnet ein; entschieden und behoben wird von Menschen oder per Fernbefehl.

Ausschnitt aus ChargeCore, Karte „KI-Konsens“: Gesamturteil „defekt“ mit 91 % Konfidenz und 100 % Übereinstimmung. Darunter zwei vermutete Fehlerbilder — GROUND_FAULT als critical mit der Begründung „GroundFailure an beiden Anschlüssen nach drei RCD-Selbsttests mit steigendem DC-Ableitstrom“ und der Empfehlung, außer Betrieb zu lassen und eine Isolationsmessung zu machen; RCD_MODULE als high. Unter „Je Modell“ drei Zeilen mit Modellname, Urteil „defekt“ und Konfidenz 93 %, 90 % und 89 %, dahinter die je Modell vermuteten Fehlerbilder. Beispieldaten eines Musterbetriebs.
KI-Konsens in der Diagnose: Gesamturteil, Konfidenz und Übereinstimmung stehen in der Kopfzeile, jede vermutete Ursache trägt Begründung und Empfehlung, und unter „Je Modell“ bleibt sichtbar, wie jedes der drei Modelle für sich entschieden hat. Aufnahme aus der laufenden Anwendung mit Beispieldaten eines Musterbetriebs.
04 Anruf

Wenn doch jemand anruft

Für den Anruf, der trotzdem kommt, nimmt ein eigener Sprachassistent je Betreiber ab — die Störungshotline ist im Betrieb.

  • Eigener Assistent je Betreiber — eigene Nummer, eigene Ansagen
  • Weiterleitung an einen Mitarbeiter — kommt der Assistent nicht weiter, stellt er selbstständig durch
  • Zusammenfassung nach jedem Gespräch — sie entsteht automatisch und kommt im Team an
  • Anrufernummern maskiert — sie werden nur maskiert gespeichert und automatisch wieder gelöscht

Der KI-gestützte Service ist einer von neun Bausteinen, die auf demselben Datenbestand arbeiten — alle neun Bausteine im Überblick.

Häufige Fragen zum KI-gestützten Service

Ersetzt die KI meinen Support?

Nein, sie sortiert ihm die Arbeit vor. Erkennung und Log-Analyse liefern eine geordnete Liste mit Einstufung und Beleg; welcher Fall angefasst wird und wie, entscheidet weiterhin ein Mensch.

Woher weiß ich, ob ich der KI-Bewertung trauen kann?

Weil die Anwendung ihre eigene Unsicherheit mit ausweist: Eine Einschätzung entsteht aus mehreren Modellen, und wie stark die übereinstimmten, steht daneben. Wer den Beleg dahinter nicht überzeugend findet, verwirft den Befund einzeln.

Welche Daten wertet die KI aus?

Betriebsdaten der Ladepunkte und angeforderte Logdateien. Die Erkennung arbeitet auf den Messwerten des Bestands; die Log-Analyse arbeitet ausschließlich auf der Datei, die zuvor per Fernbefehl angefordert oder von Hand hochgeladen wurde.

Nächster Schritt

Entlasten Sie Ihre Rufbereitschaft.

Im Gespräch sehen wir uns an, welche Auffälligkeiten in Ihrem Bestand zuerst zählen und wie die Log-Analyse in Ihren Betrieb passt.