Fehlerursachen mit KI systematisch untersuchen

Das Problem

Der Fehler kommt immer wieder: Etiketten werden falsch bedruckt, Rechnungen gehen mit falschem Betrag raus, Bestellungen werden doppelt erfasst. Jedes Mal wird er korrigiert, und alle sind erleichtert. Zwei Wochen später passiert er erneut, und Sie fragen sich, warum.

Wer nur die Folgen behebt, behandelt Symptome. Der Fehler taucht wieder auf, weil seine Ursache bestehen bleibt. Eine Ursachenanalyse sucht diese tiefer liegende Ursache, damit sie beseitigt werden kann. Das spart langfristig Zeit, Geld und Ärger.

Das Suchen ist anstrengend, weil schnell Vermutungen entstehen: «Das liegt am neuen Mitarbeiter», «die Maschine ist alt». Solche Schnellschüsse sind selten richtig und oft unfair. Mit einem festen Vorgehen und etwas KI-Hilfe lassen sich Ursachen sachlicher und gründlicher untersuchen.

So lösen Sie es mit KI – Schritt für Schritt

1. Beschreiben Sie den Fehler genau. Was ist falsch, wo, wann, wie oft, in welchem Umfang? Welche Belege gibt es? Ein unscharfes Problem («Qualität schlecht») lässt sich nicht analysieren. Nutzen Sie Ihren Abweichungsbericht.
2. Sammeln Sie Daten. Wann trat der Fehler auf, bei welchen Aufträgen, Schichten, Produkten, Lieferanten? Muster zeigen sich oft erst in einer Tabelle. Hilfe bei der Auswertung bietet Qualitätsdaten auf Muster prüfen.
3. Bilden Sie ein kleines Team. Menschen, die den Ablauf kennen, sehen mehr als eine Einzelperson. Beziehen Sie die Beteiligten ein, ohne Schuld zu suchen.
4. Sammeln Sie Hypothesen mit einem Ursache-Wirkungs-Diagramm. Ordnen Sie mögliche Ursachen nach Kategorien wie Mensch, Methode, Maschine, Material, Messung und Umgebung. Eine KI kann Ihnen Fragen und Kategorien vorschlagen, aber die Inhalte kommen aus Ihrem Betrieb.
5. Fragen Sie mehrmals «Warum?». Bei der 5-Why-Methode fragen Sie bei jeder Antwort erneut nach dem Grund, etwa vier- bis fünfmal, bis Sie bei einer Ursache ankommen, die Sie beeinflussen können. Prüfen Sie jede Antwort an Belegen.
6. Prüfen Sie die wahrscheinlichste Ursache. Lässt sich der Fehler gezielt auslösen oder verhindern? Stimmt die Ursache mit den Daten überein? Wenn nicht, gehen Sie zur nächsten Hypothese.
7. Dokumentieren Sie das Ergebnis. Fehler, geprüfte Hypothesen, bestätigte Ursache, Belege. Dann planen Sie Massnahmen, siehe Korrekturmassnahmen planen und nachverfolgen.

Vorlage zum Kopieren

Geben Sie nur anonymisierte Beschreibungen ein, keine Namen von Mitarbeitenden und keine Kundendaten:

Ich untersuche in einem Schweizer KMU der Branche [Branche] einen wiederkehrenden Fehler:
[Fehler genau beschrieben: was, wo, wann, wie oft].
Bekannte Fakten und Daten: [Beobachtungen, Zahlen, Muster].
Erstelle:
1. zehn Fragen, mit denen wir den Fehler weiter eingrenzen können (wann tritt er auf, wann nicht),
2. ein Ursache-Wirkungs-Raster mit den Kategorien Mensch, Methode, Maschine, Material, Messung, Umgebung,
   in dem du jeweils zwei bis drei Hypothesen als Fragen formulierst (nicht als Tatsachen),
3. ein Beispiel für eine 5-Why-Kette zu einer unserer Hypothesen, klar als Beispiel gekennzeichnet.
Behaupte keine Ursache als gesichert. Schreibe zu jeder Hypothese, wie wir sie prüfen können.

Verwenden Sie die Fragen und Hypothesen als Anregung und prüfen Sie sie mit eigenen Daten und Beobachtungen.

5-Why: Beispiel (erfunden)

Worauf Sie achten müssen

• Hypothesen sind keine Fakten. KI-Vorschläge klingen oft überzeugend, ohne zu stimmen. Prüfen Sie jede Ursache mit Daten, Beobachtung oder Versuch.
• Nicht beim Menschen aufhören. Ursachen im Verhalten einzelner Personen sind meist Folge von Abläufen, Schulung oder Arbeitsbedingungen. Suchen Sie die Systemursache.
• Daten schützen. Verwenden Sie anonymisierte Angaben und freigegebene Dienste. Personenbezogene Auswertungen und Leistungsbeurteilungen brauchen besondere Sorgfalt und gehören nicht in öffentliche KI-Dienste.
• Nur eine Änderung auf einmal testen. Wenn Sie mehrere Dinge gleichzeitig ändern, wissen Sie nicht, was gewirkt hat. Siehe Wirksamkeit von Massnahmen prüfen.
• Sicherheitsrelevante Fehler gehören in Fachhände. Bei Fehlern mit Gefahr für Menschen oder Umwelt ersetzt kein KI-Vorgehen die Beurteilung durch qualifizierte Personen und die vorgeschriebenen Meldewege.

Wann lohnt sich eine tiefere Methode?

Für einfache, einmalige Fehler genügt oft ein kurzes Gespräch. Bei wiederkehrenden oder kostspieligen Fehlern lohnt sich ein strukturiertes Vorgehen, bei Produkten oder Prozessen mit grossem Risiko auch die vorbeugende Analyse möglicher Fehler. Wie Sie die vorbereiten, zeigt FMEA mit KI vorbereiten. Die Wahl der Methode richtet sich nach Schaden und Häufigkeit.

Ein Beispiel aus der Praxis

Ein erfundenes Beispiel: In einer Druckerei in Winterthur werden immer wieder Visitenkarten mit falscher Telefonnummer geliefert. Frau Müller, die für die Qualität zuständig ist, korrigiert jedes Mal und entschuldigt sich beim Kunden.

Vorher hätte sie die Schuld beim Grafiker gesucht. Nachher sammelt sie 14 Fälle, und das Team bildet ein Diagramm. Die 5-Why-Kette zeigt: Telefonnummern werden von Hand aus E-Mails übertragen, und es gibt keine Gegenkontrolle. Der Betrieb führt eine Rückfrage per Korrekturabzug ein. In den folgenden zwei Monaten tritt der Fehler nicht mehr auf.

So hilft Ihnen Alpasana

Die KI-Praxiskurse von absofort behandeln unter anderem Excel, Datenverständnis und Dashboards sowie Claude mit Projektstruktur, Prompt-Bibliothek, Qualitätsprüfung und Einsatzregeln. So üben Sie, Daten zu ordnen, Muster zu erkennen und KI-Vorschläge sorgfältig zu prüfen.

Ein KI-Lerncoach begleitet das Lernen. Die Analyse Ihrer eigenen Fehler führen Sie selbst durch, mit den Beteiligten in Ihrem Betrieb.

Häufige Fragen

Wie viele Warum-Fragen sind genug?

Meist drei bis fünf, aber die Zahl ist nicht entscheidend. Hören Sie auf, wenn Sie bei einer Ursache angekommen sind, die Sie beeinflussen können und die Sie belegen können.

Kann die KI die Ursache selbst finden?

Sie kann Hypothesen und Fragen liefern, aber sie kennt Ihre Abläufe nicht. Die Ursache bestätigen Sie mit Daten. Ein Beispiel, wie Daten dabei helfen: Qualitätsdaten auswerten.

Was, wenn es mehrere Ursachen gibt?

Das ist häufig. Priorisieren Sie nach Wirkung und Aufwand und beginnen Sie mit der wirksamsten. Danach messen Sie erneut.