Interview: KI verbessert keine schlechten Prozesse

Carlos Lopes, Head of AI-Powered Digital Services bei Proekspert aus Estland, erklärt, warum erfolgreiche KI-Projekte mit guten Daten und optimierten Prozessen beginnen, wie KI-Assistenten Servicetechniker unterstützen und weshalb Agentische KI weit über Chatbots hinausgeht. Redakteur Felix Berthold traf ihn zum Interview auf der Hannover Messe 2026 am Estland-Pavillon.

Herr Lopes, Proekspert hat einen KI-Assistenten für Servicetechniker entwickelt. Wie nutzt ein Operations-Techniker dieses Werkzeug. Welche Aufgaben werden unterstützt?

Carlos Lopes: Ausgangspunkt war nicht die Frage, wie wir KI einsetzen, sondern welches Problem unser Kunde hat. Und das Problem war: Die besten Techniker sind 63, 64 Jahre alt und stehen kurz vor dem Ruhestand. Die Herausforderung lautete also: Wie bewahren wir das Wissen dieser erfahrenen Techniker und übertragen es auf die jüngere Generation?

Wir haben uns deshalb zunächst die Nutzer genauer angeschaut. Dabei hat sich gezeigt, dass die Techniker mit vier bis fünf Anwendungen verschiedener Gerätehersteller arbeiten – eine für die Dokumentation, eine andere für die Berichte und so weiter. In Interviews wurde klar: Sie haben keine Zeit und keine Lust, ständig zwischen den Anwendungen zu springen. Wir haben das alles in einer Lösung zusammengeführt. Denn KI auf schlechten Prozessen ist eben KI mit schlechten Prozessen. Schlechte Prozesse werden durch KI nicht automatisch besser.

Redakteur Felix Berthold und Carlos Lopes, Head of AI-Powered Digital Services bei Proekspert

Wie sieht die Bedienung der App in der Praxis aus?

Carlos Lopes: Der Techniker arbeitet im Feld und kann die Anwendung sprachgesteuert aktivieren – ähnlich wie mit „Hey Siri“ auf dem iPhone. Er steht beispielsweise vor einem Aufzug und sagt: „Okay, ich repariere Aufzug 55262.“ Die Anwendung ist an die relevanten Backend-Systeme angebunden, also an ERP, CRM und so weiter. Die KI prüft dann alle historischen Tickets zu diesem Gerät.

Das Revolutionäre ist nicht die KI, sondern dass der Techniker freihändig arbeiten kann.

Ich nenne den Techniker übrigens immer Bob. Bob spricht mit dem Tool, und wenn er ein Problem meldet, wird im Ticketsystem automatisch ein Vorgang ausgelöst. Anschließend hilft das Tool bei der Lösung, sofern ähnliche historische Daten vorliegen. Das Revolutionäre an KI ist hier nicht die Technologie an sich, sondern dass der Techniker freihändig arbeiten kann. Wir erzeugen damit gewissermaßen einen „digitalen Techniker“ – und das in jeder Sprache, von China bis Südamerika.

Gibt es Anwendungsfälle, die über die klassische Wartung hinausgehen?

Carlos Lopes: Wir sprechen aktuell mit einem Kunden, der sehr große Maschinen betreibt. Dort werden häufig Ersatzteile ausgetauscht, die überhaupt nicht defekt sind. Die KI hilft dem Techniker, zu erkennen, ob ein bestimmtes Teil tatsächlich ersetzt werden muss. Auch die Dokumentation wird einfacher: Statt nach dem Einsatz im Auto seinen Bericht zu tippen, diktiert der Techniker direkt während der Arbeit – und die KI erstellt am Ende den fertigen Report.

Viele KI-Projekte scheitern an der Akzeptanz der Nutzer. Wie begegnen Sie diesem Problem?

Carlos Lopes: Wir starten mit unseren Kunden in der Regel mit einem Proof of Concept beziehungsweise einem Proof of Value. Niemand investiert heute blind Millionen in KI-Lösungen. Wir nehmen also eine konkrete Technikergruppe und eine konkrete Problemstellung, bauen die Lösung und gehen damit in den Einsatz.

Das Feedback ist eindeutig: Die Techniker nutzen die Anwendung deutlich häufiger – weil wir uns wirklich um den Nutzer gekümmert haben. Für das Top-Management ist es egal, ob ein Techniker fünf mobile Anwendungen hat; für den Nutzer macht es aber einen enormen Unterschied. Indem wir alles in einer Oberfläche bündeln, kann er Berichte erstellen, ohne ins CRM zu wechseln, oder er kann per Sprache auf die Dokumentation komplexer Geräte zugreifen. Wir sehen dadurch eine deutlich höhere Datenerfassung.

Der Ansatz von Proeksperkt orientiert sich an den tatsächlichen Bedingungen vor Ort und messbaren Ergebnissen.

In Deutschland kämpfen viele Unternehmen mit historischen, fragmentierten Daten. Müssen diese erst strukturiert werden, bevor KI greifen kann?

Carlos Lopes: Auf jeden Fall. Lassen Sie mich dazu ein weiteres Beispiel nennen: Wir unterstützen ein Unternehmen, dessen Ingenieure etwa 75 Prozent ihrer Zeit mit der Erstellung von Angeboten verbringen. Vier bis acht Wochen dauert ein Angebot – verschiedene Abteilungen, verschiedene Eingaben, häufig geht es um AutoCAD-Zeichnungen vom Kunden. Wir sammeln derzeit alle historischen Kundeneingaben und alle bisher erstellten Angebote, um daraus einen „Junior Engineer“ als KI-Assistenz für den Vertrieb aufzubauen.

Zwei Dinge sind entscheidend: erstens die Daten – schlechte Daten in der KI heißt schlechte Daten aus der KI. Sie brauchen eine KI-fähige Datenplattform. Zweitens die Geschäftsprozesse. Hier scheitert das Management oft, weil es denkt: Wir verteilen Copilot-Lizenzen und sparen damit fünf bis zehn Prozent Kosten. So funktioniert das nicht. Sie müssen den Prozess im Hintergrund verändern. Bei diesem Kunden zeigen wir im Proof of Value, dass sich die Angebotserstellung von acht bis zehn Wochen auf drei Tage verkürzen lässt.

Was raten Sie Unternehmen, die jetzt mit KI starten?

Carlos Lopes: Auf keinen Fall aus „Fear of Missing Out“ handeln, nach dem Motto: Alle machen KI, also müssen wir auch. Ein KI-Projekt muss wie jedes andere Projekt bewertet werden: Was ist der Return on Investment? Spare ich Kosten, helfe ich meinem Team, mehr Umsatz zu generieren? Sonst riskieren Sie, eine Lösung ohne Geschäftswert zu bauen. Und sollte die KI-Blase platzen, schießen die Nutzungskosten in die Höhe – und Ihre Lösung ist nicht mehr tragfähig.

Sollte die KI-Blase platzen, schießen die Nutzungskosten in die Höhe.

Auch Microsoft zeigt mit einem Partner auf der Hannover Messe dieses Jahr Wartungslösungen mit agentischer KI für Aufzüge. Wo sehen Sie die Stärken der Lösungen von Proekspert?

Carlos Lopes: Unsere Stärke liegt in 30 Jahren Erfahrung in der Arbeit mit den Menschen vor Ort und in der Fähigkeit, end-to-end zu liefern – von der Embedded-Software im Gerät über die Mobile App und die Cloud-Anbindung bis zur Datenebene und zur Systemintegration.

Unsere Lösung ist auch nicht einfach ein PDF-Berater; das wäre triviale generative KI. Wir bauen bereits agentische Lösungen: Der Techniker kann direkt aus der App heraus Ersatzteile bestellen. Ist das Teil im lokalen Lager verfügbar? Falls nicht, schlägt die KI vor, es aus dem Headquarters anzufordern, inklusive voraussichtlicher Lieferzeit von drei Wochen. Im nächsten Schritt diskutieren wir, wie sich daraus die Tourenplanung des Technikers optimieren lässt: Sobald das Teil eintrifft, erinnert die KI ihn an den nächsten Einsatz und schlägt die optimale Route vor.

Haben Sie weitere Beispiele für agentische KI-Lösungen?

Carlos Lopes: Ja, etwa für die französische Raumfahrtbehörde. Dort haben wir ein Werkzeug entwickelt, das zehn Minuten vor dem Start einer Rakete den Entscheidern präzise Informationen liefert – nicht über eine simple Suche, sondern über Agenten, die auf den Geschäftsregeln der Behörde basieren. In diesem Umfeld dürfen Sie keine Fehlentscheidungen riskieren.

KI ist also nicht Ihr alleiniges Geschäftsfeld?

Stichtag: 11. Dezember 2027: Ab diesem Datum müssen alle Produkte mit digitalen Elementen vollständig CRA‑konform sein.

Carlos Lopes: Auf keinen Fall. Wir entwickeln Embedded-Software in Geräten und unterstützen unsere Partner derzeit zum Beispiel dabei, ihre Geräte CRA-konform zu machen – das ist etwa der Fall bei Danfoss. Bei 20 oder 30 Jahre alten Geräten, die nie für solche Anforderungen ausgelegt wurden, machen wir die Gap-Analyse: Welche Zertifizierungsstufe braucht das Gerät überhaupt? Möglicherweise reicht Stufe eins statt Stufe vier. Und alles muss so umgesetzt werden, dass die Produktionslinie nicht gestört wird.

Daneben haben wir eine IoT-Einheit, die Cloud-Konnektivität abdeckt. Für einen der größten europäischen Wärmepumpen-Hersteller – einen deutschen Konzern, den ich nicht nennen darf – liefern wir den End-to-End-IoT-Service für Millionen von Nutzern. Hinzu kommen die Bereiche Data und Digital Services, den ich verantworte. Wenn Sie einen Thermostat nehmen, können wir die Embedded-Software, die Techniker-App, die Verbraucher-App und die Datenebene komplett aus einer Hand liefern.

Abschließend noch die Gretchenfrage: Was kann Deutschland in Sachen Digitalisierung von Estland lernen?

Carlos Lopes: Ich sage das ganz neutral als Franzose, der in Estland lebt – ich bin in dieser Frage nicht patriotisch. Deutschland kann von Estland vor allem lernen, die Vergangenheit loszulassen und den Mut zu haben, nach vorn zu schauen. Estland hat eine schwierige Geschichte mit Besatzungszeiten hinter sich gelassen und sich konsequent auf die Zukunft ausgerichtet. Natürlich können dabei auch Dinge scheitern – das gehört zu jedem Innovations- und Risikomanagement. Aber genau das ist eine wichtige Lektion, nicht nur für Deutschland, sondern für viele europäische Länder: Sich von dem zu lösen, wofür man einst berühmt war, und den Mut zu haben, die Zukunft neu zu gestalten.

Ich selbst wähle seit 17 Jahren digital – sogar aus der Sauna heraus.

Ich selbst wähle seit 17 Jahren digital – sogar aus der Sauna heraus. Erst wenn ich nach Frankreich oder Deutschland reise, brauche ich wieder ein Portemonnaie oder Bargeld. Das zeigt sehr anschaulich, wie selbstverständlich Digitalisierung den Alltag erleichtern kann.

Herr Lopes, vielen Dank für das Gespräch.

Das Interview führte Felix Berthold, Redakteur bei Industrielle Automation, auf der Hannover Messe 2026.

Bilder: Aufmacherbild: MagicDavid/peopleimages.com – stock.adobe.com, Symbolbild zu Cybersecurity: putilov_denis – stock.adobe.com, Infografik: Proekspert, sonstige: Dr. Stefan Justl / sympra.de