Künstliche Intelligenz erschließt zusätzliche Gewinnquellen im Aftersales

„Aurelis Consulting – sind das nicht die automobilen Marktforscher?“ Mag nun die eine oder andere Werkstatt fragen … Ja, generell ist Aurelis für Ihre jährlichen Studien bekannt, zum Beispiel zu wiederaufbereiteten Ersatzteilen oder zum Flottengeschäft. Was allerdings die Wenigsten wissen ist, dass Aurelis als einer der ersten Firmen in die künstliche Intelligenz im Aftersales investiert hat. Nach einer Forschungs- und Entwicklungsphase stellte Aurelis im Jahr 2018 bahnbrechende Prototypen in mehreren Bereichen vor, die nun in den Folgejahren zu praxistauglichen Softwarelösungen gereift sind.

Die Prototypen für komplett neue, vorher unbekannte Algorithmen und bahnbrechende Software wurden im Rahmen eines Forschungs- und Entwicklungsprojektes mit dem Europäischen Fonds für Regionale Entwicklung (EFRE) ausgearbeitet.

Doch der Weg von der Idee zum Prototyp und dann hin zu späteren Softwarelösungen war keineswegs einfach. Hier stellen wir ein paar Beispiele vor, wie Autohersteller und Händler konkret Gewinnsteigerungen im Aftersales mit den Aurelis Softwarelösungen erzielen können.

Beispiel 1: Sicherung von Kundenbindung (Customer Service Retention Analysis)

Mit Hilfe von neuronalen Netzwerken ist es Aurelis gelungen greifbar vorherzusagen, welche Kunden im Service- und Reparaturgeschäft in den nächsten Wochen illoyal werden könnten. Weiterhin erkennt die künstliche Intelligenz, bei welchen Kunden eine Kommunikation oder ein Sonderangebot sich eignen, um die Kunden loyal zu halten. Somit können Serviceleiter nun ganz gezielte Marketingaktionen starten, lange bevor Kunden abwandern. „Das spart enorm viel Geld, weil es immer effizienter ist, einen existierenden Kunden zu behalten, als einen neuen Kunden anzuziehen. Selbst erfahrene Marketingexperten können niemals so treffgenau agieren.“

Beispiel 2: Wettbewerbspreise (Smart Webcrawler)

Webcrawling ist sicherlich vielen Lesern bekannt – hier gibt es schon seit Jahren branchenübergreifende Lösungen. Jedoch gab es bisher keine „intelligente“ Lösung im Aftersales. Wo bisherige Webcrawler nur Daten sammelten, ist der von Aurelis Consulting entwickelte Software-Prototyp in der Lage, Wettbewerbspreise für Ersatzteile und Serviceleistungen auch ohne Fehler abzufragen. Das bedeutet, dass später so gut wie keine weitere Nacharbeit notwendig ist, um die Daten zu nutzen. Bisher mussten die Daten der Wettbewerber immer aufwendig händisch gesäubert werden. Des Weiteren ermöglicht die künstliche Intelligenz eine Klassifizierung nach Qualitätsstufen von Ersatzteilangeboten sowie, ob es sich um ein Einzelteil, ein Zusammenbau oder einen Satz handelt. „Von einer zehnprozentigen Fehlerrate in den Daten bis auf fast null zu kommen, ist schon eine Leistung“, sagt hier Claudius Boschon, der Vertriebsleiter von Aurelis stolz.

Beispiel 3: Preisgestaltung (Guidance Line Generation)

Welcher Automobilhersteller oder Betrieb ärgert sich nicht über die Komplexität der Preisgestaltung im Ersatzteilwesen? Immer wieder kommen Neuteile, Interpretationen oder einfach Wettbewerbsaktionen. So viele Ersatzteile müssen so schnell angepasst werden, dass man eigentlich gar nicht mehr nachkommen kann. Aurelis Consulting hat als Experte für Preisgestaltung von Ersatzteilen eine Software zur Unterstützung gestresster Pricing-Abteilungen geschaffen. „Teilweise sind die Algorithmen so modern, dass man sie noch gar nicht in Lehrbüchern finden kann. Beschreibungen findet man höchstens in Dissertationen an der Universität …, wenn überhaupt“, sagt Stephan Brackertz mit einem stolzen Lachen, Partner bei Aurelis und Mitentwickler der Software. „Wir haben uns hierzu extra zwei Universitätsprofessoren mit ins Team genommen, um die Algorithmen zu bewerten“. In der Praxis schlagen sich die Algorithmen so gut, dass eine erhebliche Gewinnsteigerung aus den Vorschlägen resultiert.

Beispiel 4: Universalprüfung von Daten auf Plausibilität (Anomaly Detection)

Neben den vorherigen Beispielen, die sehr spezifischen Anwendungsbereiche haben, hat Aurelis auch ein Prototyp für eine universelle Prüfung von Daten auf Plausibilität erschaffen. Aufgrund von komplexen Algorithmen und künstlicher Intelligenz erkennt die Software, ob in einem Datensatz Fehler vorhanden sind und lokalisiert dann diese Fehler im Datensatz. Schon lange haben Betriebsleiter keine Zeit mehr, lange Datenlisten wie Ersatzteilbestellungen, Bestandsprüfungen, Preislisten oder Kundendaten auf Fehler zu prüfen. Mit der Software von Aurelis sparen sich Betriebe wertvolle Zeit und Nerven.