< Zurück zu Projekte

ÖAMTC Smarte Prognosen für die Pannenhilfe

In enger Zusammenarbeit mit unserem Kunden implementierte sclable KI-gestützte Prognosen für Wartezeiten, um durch nahtlose Workflow-Integration und Echtzeit-Einblicke manuellen Aufwand zu reduzieren, die Genauigkeit zu erhöhen und die Effizienz zu steigern.
Mobilitätsdienstleistungen Service Design KI Workflow Intelligence Customer Experience
Sektor

Mobilitätsdienstleistungen

Kunde

ÖAMTC

Services

Workflow Intelligence,
Data Science,
Service Design,
Customer Experience

Wartezeit ist einer der entscheidendsten Faktoren für nachhaltige Kundenzufriedenheit, besonders in Ausnahmesituationen wie einer Panne. Dieser Use Case zeigt, wie sich ein kritischer Hebel gezielt und intelligent digitalisieren lässt, ohne den gesamten Prozess neu aufzusetzen.

Mit Workflow Intelligence entstand eine nahtlos integrierte Lösung, die echten Mehrwert schafft für Mitglieder, Mitarbeitende und operative Entscheidungen.

Überzeugt von unserem Ansatz? Buchen Sie ein 30-minütiges Gespräch

Pannenhelfer repariert ein liegengebliebenes Auto neben einem Servicefahrzeug und zeigt KI-gestützte Wartezeitprognosen sowie effiziente Abläufe im Mobilitätsservice.

Die Herausforderung

In der Disposition der ÖAMTC Pannenhilfe wurden die prognostizierten Wartezeiten für Mitglieder manuell eingepflegt. Das war einerseits aufwändig für die Mitarbeiter:innen im Dienst. Andererseits war die Auskunft zum genauen Eintreffen der Pannenhilfe nicht immer punktgenau.

Der ÖAMTC wollte diesen Prozess durch KI für die Mitarbeiter:innen vereinfachen und alle Informationen um die Wartezeit präzisieren.

Unsere Lösung

Gemeinsam mit dem ÖAMTC entwickelten wir ein KI-Modell zur präziseren Vorhersage der Wartezeit. Der Fokus lag auf einem konkreten Teilprozess statt auf dem gesamten System. So konnten wir schnell Ergebnisse mit messbaren Mehrwert erzielen und die Lösung dennoch in den Gesamtablauf integrieren.

Nach einem erfolgreichen Proof of Concept werden nun in Phase 2 gezielt neue Datenpunkte im Echtbetrieb erhoben, um das Modell iterativ zu verbessern. Ein begleitendes Dashboard macht die Performance jederzeit nachvollziehbar.

Workflow Intelligence in Action: KI-gestützter Prozess in der Pannenhilfe, von der Entgegennahme der Meldung bis zur Reparatur, inklusive Abwicklung und Wartezeitprognose.

Was wir gemeinsam erreicht haben

Prognosegenauigkeit

Besser informierte Mitglieder durch präzisere Wartezeiten.

Flotteneffizienz

Noch mehr Effizienz bei der Planung und Durchführung der Einsätze.

Transparenz

Performance der Modelle wird über Dashboards in Echtzeit messbar gemacht.

Prozessverständnis

Tiefer Einblick in operative Abläufe und relevante Datenpunkte.

So sind wir vorgegangen

Phase 1

Problemverständnis

Interdisziplinärer Projektstart mit Teams aus Callcenter und Disposition, um Prozesse und Datenquellen genau zu erfassen.
Phase 2

Datenanalyse und Modellierung

Historische Daten wurden analysiert, aufbereitet und für erste KI-Modelle genutzt. Proof of Concept mit internem Test.
Phase 3

Integration und erster Live-Test

Einbindung in die IT-Systeme des ÖAMTC. Modelle wurden im Betrieb getestet und Rückschlüsse für die Weiterentwicklung gezogen.
Phase 4

Echtzeitdaten sammeln

Gezielte Erhebung fehlender Datenpunkte im laufenden Betrieb, die für genauere Prognosen nötig sind.
Phase 5

Modellverfeinerung

Bestehende Modelle werden mit neuen Daten optimiert und um zusätzliche Features ergänzt.
Phase 6

Monitoring und Dashboards

Einführung von Performance-Dashboards zur Beobachtung der Modellgenauigkeit im Echtzeitbetrieb.
Start
Ende
Erfahren Sie mehr über dieses Projekt Buchen Sie ein 30-minütiges Gespräch