Wenn Wissen in 50.000 Seiten steckt: Wie Prokon kritische Infrastruktur mit KI sicherer macht

Prokon automatisiert technische Fehleranalysen in der Windkraft-Instandhaltung. Das Ergebnis: präzisere Diagnosen, deutlich weniger Anfahrten und ein Team, das sich auf die Fälle konzentrieren kann, die wirklich Erfahrung brauchen.

„Mit octonomy reduzieren wir unsere Anfahrten um 50 Prozent. Das System gibt uns die Sicherheit, die wir in der kritischen Infrastruktur brauchen.“

Dr. Yousef Farschtschi

Bereichsleiter IT und Digitales | Prokon

Über Prokon

Prokon erzeugt rund ein Prozent des deutschen Stroms und ist damit Deutschlands größte Energiegenossenschaft. In vier europäischen Ländern entwickelt, baut und betreibt das Unternehmen Onshore-Windkraftanlagen. Der produzierte Strom wird an den Märkten verkauft und über ein eigenes B2C-Geschäft direkt an Verbraucherinnen und die über 50.000 Genossenschaftsmitglieder geliefert.

Auf einen Blick

Ausgangslage

77 Windparks, 20 verschiedene Anlagengenerationen, 2.600 technische Dokumente mit über 50.000 Seiten. Wenn eine Anlage ausfällt, zählt jede Minute. Techniker fahren oft mehrfach zur selben Anlage, weil Diagnosen vor Ort getroffen werden müssen und das relevante Wissen nicht greifbar ist. Durchschnittlich sechs Anfahrten pro Störung bedeuten: hohe Kosten, lange Stillstandzeiten, physische Belastung für das Team.

Was Prokon gemacht hat

Integration der octonomy KI-Plattform in Microsoft Dynamics Field Service. Das System analysiert Fehlercodes, verknüpft Monitoring-Daten mit Herstellerdokumentation und erstellt konkrete Handlungspläne. Disponenten und Techniker bekommen präzise Diagnosen, bevor sie zur Anlage fahren.

Hören Sie selbst, was Dr. Yousef Farschtschi zum Vorgehen sagt:

Ergebnis

Halbierte Anfahrten, 25 Prozent schnellere Problemlösung vor Ort, messbar höhere Anlagenverfügbarkeit. Das technische Team arbeitet fokussierter, die Belastung sinkt spürbar.

Herausforderung: Wenn jede Entscheidung zählt

Prokon betreibt kritische Infrastruktur. Jeder Fehler in der Diagnose kann Schäden im sechsstelligen Bereich verursachen. Wenn eine Komponente falsch behandelt wird und ein Kranrückbau nötig wird, sprechen wir von Millionenkosten.

Das Problem ist nicht mangelnde Kompetenz. Die Techniker sind hochqualifiziert, viele haben Elektrotechnik oder Maschinenbau studiert. Das Problem ist Komplexität. 20 verschiedene Anlagen-Generationen bedeuten 20 verschiedene Systeme mit unterschiedlichen Fehlercodes, verschiedenen Herstellern, verschiedenen Handbüchern. Wissen liegt verteilt in Dokumenten, Monitoring-Daten, Erfahrungswerten des Second-Level-Supports.

Wenn ein Fehlercode auftritt, müssen Techniker hunderte Kilometer fahren, bei älteren Anlagen ohne Aufzug hochklettern und dann vor Ort entscheiden: Welche Komponente ist betroffen? Welche Messungen sind nötig? Welches Equipment brauche ich? Oft fehlt ein Teil, oft ist die erste Diagnose unvollständig. Dann kommt die zweite Anfahrt. Und manchmal die dritte.

Standard-KI-Lösungen scheitern hier. Sie geben unsichere Antworten, können keine mehrstufigen Analysen durchführen und halluzinieren im Zweifel. In der kritischen Infrastruktur keine Option.

Ziele: Schneller, präziser, ohne zusätzliches Risiko

Prokon wollte drei Dinge erreichen:

  1. Weniger Anfahrten durch bessere Vorbereitung. Jede vermiedene Fahrt spart Kosten, erhöht die Verfügbarkeit und schont das Team.
  2. Verlässliche Diagnosen ohne Halluzinationen. Wenn das System etwas nicht weiß, muss es das klar kommunizieren, statt zu raten.
  3. Skalierung über Ländergrenzen. Polen, Finnland, Spanien stehen auf der Roadmap. Die Lösung muss mehrsprachig funktionieren, ohne dass jedes Mal neu implementiert werden muss.

Lösung: Technisches Reasoning statt einfacher Antworten

octonomy arbeitet nicht mit simplen Keyword-Suchen oder vordefinierten Entscheidungsbäumen. Das System führt echte Analysen durch. Es nimmt einen Fehlercode, vergleicht ihn mit aktuellen Monitoring-Daten, durchsucht relevante Handbücher und leitet Schritt für Schritt her, welche Komponenten betroffen sein könnten.

Für Prokon bedeutet das: Ein Techniker bekommt keinen allgemeinen Hinweis wie „prüfen Sie die elektrische Anlage“, sondern einen strukturierten Diagnoseplan. Welche Spannung muss an welchem Bauteil gemessen werden? Welche Komponenten kommen als Fehlerquelle in Frage? Welche Tools werden gebraucht?

Was die Lösung konkret leistet

  • Mehrstufige Fehleranalyse: Das System kombiniert Informationen aus verschiedenen Quellen und denkt in logischen Schritten. Ähnlich wie ein erfahrener Techniker, der verschiedene Möglichkeiten durchgeht und eingrenzt.
  • Nahtlose Integration: Anbindung an Microsoft Dynamics Field Service und Monitoring-Systeme erfolgte über APIs. Die bestehende IT-Infrastruktur blieb unverändert.
  • 95 Prozent Genauigkeit: Standard-LLMs liegen bei komplexen technischen Fragen oft unter 40 Prozent. octonomy erreicht 95 Prozent, weil das System strukturiert arbeitet und nur auf geprüfte Quellen zugreift.
  • Compliance ohne Kompromisse: Made in Germany, DSGVO-konform, EU AI Act-ready. Für kritische Infrastruktur ein Muss, kein Nice-to-have.

Umsetzung: Zehn Tage bis zu ersten Ergebnissen

Prokon wählte den pragmatischen Weg. Kein monatelanges Projekt, sondern schneller Test mit klarem Fokus. Nach dem ersten Gespräch dauerte es zwei Wochen, bis alle relevanten Stakeholder eingebunden waren. Die Machbarkeitsstudie mit messbaren Ergebnissen war nach zehn Tagen abgeschlossen.

Das Feedback aus dem technischen Service übertraf die Erwartungen. Ein Betriebsrat aus dem Team sagte: „Yousef, uns braucht man bald nicht mehr so oft.“ Gemeint war nicht Jobverlust, sondern Entlastung. Weniger Stress, weniger unnötige Fahrten, mehr Fokus auf die Fälle, die wirklich Expertise brauchen.

Technisches Setup

  • Integration: Microsoft Dynamics Field Service als zentrale Plattform, direkt im Workflow von Disponenten und Technikern
  • Datenquellen: Monitoring-Systeme der Windkraftanlagen, 2.600 Herstellerdokumente, interne Prozessdokumentation, Erfahrungswerte des Second-Level-Supports
  • Rollout: Start mit Testgruppe im deutschen Markt, parallele produktive Testphase, iterative Erweiterung basierend auf Feedback
  • Zeitrahmen: Machbarkeitsstudie zehn Tage, erste produktive Nutzung innerhalb von sechs Wochen

Sie wollen den technischen Service automatisieren, ohne Kompromisse bei der Sicherheit?

In einem kurzen Gespräch identifizieren wir gemeinsam den ersten Use Case mit klarer ROI-Perspektive.