Im Jahr 2024 rief Stellantis rund 1,23 Millionen Ram-1500-Pickups zurück, nachdem ein Softwarefehler im Antiblockiersystem festgestellt worden war, der zur Deaktivierung der elektronischen Stabilitätskontrolle führen konnte.
Was diesen Fall so interessant macht, ist nicht nur die Tatsache, dass Software eine Rolle spielte. Es geht vielmehr darum, wie schwierig es sein kann, Probleme bei modernen Fahrzeugen richtig zu diagnostizieren. Die Symptome können auf Hardware, Software oder Wechselwirkungen zwischen den Systemen hindeuten, und eine falsche Diagnose kann zu unnötigen Reparaturen führen, bevor die eigentliche Ursache geklärt ist.
Die allgemeine Erkenntnis betrifft nicht diesen speziellen Mangel. Es geht vielmehr um die Zeit, die benötigt wird, um Fahrzeugdaten in fundierte Maßnahmen umzusetzen.
Das Interessante an dieser Geschichte ist nicht der technische Defekt. Es ist die Zeitspanne zwischen den ersten Anzeichen eines Problems und dem Zeitpunkt, an dem das Unternehmen über genügend Erkenntnisse verfügt, um flottenweit entsprechende Maßnahmen zu ergreifen.
Nennen wir es Qualitätslatenz.
Da Fahrzeuge zunehmend auf Software, Elektronik, Netzwerke und vernetzte Dienste angewiesen sind, könnte die Verringerung dieser Latenz zu einer der wichtigsten Maßnahmen werden, mit denen Automobilhersteller Qualitätsproblemen zuvorkommen können – indem sie Probleme frühzeitig beheben, bevor sie zu Gewährleistungsansprüchen, Serviceaktionen und Rückrufaktionen eskalieren, die Millionen von Dollar kosten können.
Das Problem ist nicht ein Mangel an Daten
Moderne Fahrzeuge generieren enorme Datenmengen. Telematik- und Standortdaten. Fehlercodes (DTCs). Signale und Protokolle aus verschiedenen Bereichen der Steuergeräte. Software- und Konnektivitätsdaten. Statistiken auf Netzwerk- und Busebene.
Auch Ingenieurunternehmen verfügen über eine Fülle von Informationen: Spezifikationen, Anforderungen, Systeme zur Nachverfolgung von Problemen, frühere Untersuchungen, Fehlerbaumanalysen, Wartungsunterlagen und Gewährleistungsansprüche sowie jahrzehntelang gesammeltes Fachwissen.
Wenn jedoch etwas schiefgeht, verbringen Ingenieure immer noch viel Zeit damit, die relevanten Beweise zu finden, festzustellen, was fehlt, Ereignisse systemübergreifend miteinander in Zusammenhang zu bringen und herauszufinden, was das Symptom tatsächlich verursacht hat.
Ein Problem bei einem Infotainment-Display kann seinen Ursprung in einem Steuergerät, einem Software-Dienst, der Netzwerkkommunikation oder ganz woanders haben. Der Ort, an dem ein Problem auftritt, ist nicht mehr unbedingt der Ort, an dem es entstanden ist.
Die aussagekräftige Qualitätskennzahl ist also nicht einfach die Menge an Daten, die ein OEM erfassen kann. Es geht vielmehr darum, wie schnell das Unternehmen die richtigen Informationen in fundierte Maßnahmen umsetzen kann – und je schneller dies geschieht, desto geringer sind die Kosten für die Behebung des Problems
Latenz tritt überall auf
Der Rückruf von Stellantis wegen des ESC verdeutlicht die Verzögerung bei der Ursachenfindung: die Zeitspanne zwischen der Feststellung eines Problems und dem korrekten Verständnis seiner zugrunde liegenden Ursache. Doch das ist nur eine Form davon.
Außerdem gibt es eine Latenz bei der Ermittlung des Umfangs: Wie lange dauert es, bis genau festgestellt werden kann, welche Fahrgestellnummern, Konfigurationen, Teile oder Softwareversionen tatsächlich betroffen sind?
Es gibt Reaktionsverzögerung: Wie schnell kann eine bekannte Fehlersignatur zu Überwachungs- oder Diagnoseinformationen werden, mit denen ähnliche Zustände an anderer Stelle erkannt werden können?
Und es gibt Wissenslatenz: Wie lange dauert es, bis das, was ein Entwicklerteam lernt, für das nächste Programm von Nutzen ist – oder ob dieses Wissen überhaupt den Weg dorthin findet.
Fünf aktuelle Rückrufaktionen, die in unserem neuen Whitepaper untersucht wurden: Der Wandel hin zu kontinuierlicher Qualität, veranschaulichen diese verschiedenen Formen der Latenz. Verschiedene Hersteller. Verschiedene Systeme. Verschiedene technische Ursachen. Doch immer wieder dasselbe Problem: eine Verzögerung zwischen dem Zeitpunkt, zu dem die für Maßnahmen erforderlichen Informationen vorliegen, und dem Zeitpunkt, zu dem das Unternehmen darauf reagieren kann.
Je später man davon erfährt, desto teurer wird das Problem.
Die Latenzzeit spielt eine Rolle, da sich die wirtschaftlichen Auswirkungen eines Defekts im Laufe des Lebenszyklus eines Fahrzeugs drastisch verändern.
Wird während der Entwicklung ein Problem entdeckt, bestehen die Kosten hauptsächlich aus Entwicklungszeit, Tests und möglicherweise Auswirkungen auf den Zeitplan.
Wird dasselbe Problem erst entdeckt, nachdem bereits Tausende von Fahrzeugen ausgeliefert wurden, ist die technische Behebung möglicherweise nicht schwieriger. Doch nun muss sich das Unternehmen mit Händlern, Gewährleistungsansprüchen, Ersatzteilen, der Kundenkommunikation, der Logistik, der Berichterstattung an die Aufsichtsbehörden und möglicherweise einem Rückruf auseinandersetzen.
Die Behebung des Defekts wurde nicht unbedingt teurer . Er wurde teurer, weil es länger dauerte, ihn zu verstehen und entsprechende Maßnahmen zu ergreifen.
Das legt eine andere Herangehensweise an die Fahrzeugqualität nahe: Anstatt einzelne Untersuchungen zu optimieren, sollte man die Distanz zwischen den folgenden Schritten systematisch verringern: Erkennen → Verstehen → Beheben & Eindämmen → Vorbeugen → Lernenverringern.
Das ist der Grundgedanke hinter kontinuierlicher Qualitätsverbesserung.
Je weiter man stromaufwärts geht, desto mehr ändern sich die wirtschaftlichen Rahmenbedingungen
Eine Verkürzung der Latenzzeit nach dem SOP kann Felduntersuchungen beschleunigen und deren Auswirkungen begrenzen. Es gibt jedoch noch eine größere Chance: die gleichen Funktionen bereits im Vorfeld einzusetzen.
Bei der Fahrzeugvalidierung kann es vorkommen, dass ein sporadisch auftretendes Problem nur einmal auftritt und dann wieder verschwindet. Wenn die Ingenieure zum Zeitpunkt des Auftretens nicht die richtigen Signale oder Protokolle erfasst haben, müssen sie den Zustand möglicherweise nachstellen, um weitere Nachweise zu sammeln.
Was wäre, wenn die Untersuchung angepasst werden könnte, solange das Fahrzeug und der Fehlerzustand noch verfügbar sind?
Im Nissan Technical Centre Europe (NTCE) testet „ Sonatus “ die gezielte, ereignisgesteuerte Erfassung von Fahrzeugdaten sowie die Analyse mithilfe von „ AI “, um genau dies zu erreichen. Erste Ergebnisse zeigen, dass sich die manuelle Datenzusammenführung von 2–4 Stunden auf unter 5 Minuten, die Erkennung von Anomalien von 4–8 Stunden auf 10–15 Minuten und die Ursachenanalyse sowie die Berichterstellung von 1–2 Tagen auf unter eine Stunde verkürzt haben. Das Programm zielt darauf ab, End-to-End-Untersuchungen, die zuvor bis zu zwei Wochen dauerten, innerhalb von zwei Tagen abzuschließen. Diese Ergebnisse sind vorläufig, zeigen jedoch, was geschieht, wenn sich der Zeitaufwand zwischen Beobachtung, Kontextgewinnung und technischem Verständnis deutlich verkürzt.
Und das ist wichtig, denn jedes Problem, das vor der SOP behoben wird, vermeidet ganze Kategorien von Folgekosten.
Jetzt wird das Fahrzeug mit Intelligenz ausgestattet
Es gibt noch einen dritten Schritt.
Wenn die Technik einmal ein Ausfallmuster, ein Verschleißmuster oder eine Diagnosemethode validiert hat, warum sollte dieses Wissen dann in einem technischen System verbleiben? Stattdessen kann es zu einer Intelligenz werden, die im Fahrzeug läuft.
Eine validierte Anomaliesignatur kann zu einem neuen Überwachungsinstrument werden. Ein Verschlechterungsmuster kann als Frühwarnindikator dienen. Wenn etwas Ungewöhnliches auftritt, kann das Fahrzeug dabei helfen, genau die Informationen zu erfassen, die für die Untersuchung des Vorfalls erforderlich sind.
Nun fließen Informationen in beide Richtungen: Fahrzeuge liefern Erkenntnisse für die Entwicklung, und die Entwicklung sorgt dafür, dass Fahrzeuge das nächste Problem besser erkennen können. Das Fahrzeug ist nicht mehr nur eine Quelle für Daten. Es wird zu einem aktiven Akteur im Qualitätsprozess.
Mit dem „ Sonatus “ (Fastlane™ Platform) lässt sich „Continuous Quality“ in drei verschiedenen Phasen des Fahrzeuglebenszyklus etablieren. Vor dem Produktionsstart (SOP) können Automobilhersteller diesen Ansatz in die Fahrzeugprüfung und -validierung einbringen, um Probleme bereits vor der Auslieferung der Fahrzeuge zu erkennen und zu beheben. Nach dem Produktionsstart (SOP) können sie auf der Grundlage bestehender Produktionsdaten und Arbeitsabläufe Probleme im Feld schneller untersuchen und eindämmen. Und bei zukünftigen Fahrzeugplattformen können sie die Intelligenz aus dem „ Fastlane Platform “ direkt in das Fahrzeug integrieren und so ein kontinuierliches Lernsystem schaffen, das die Beobachtungen der Fahrzeuge mit den Erkenntnissen und Maßnahmen der Entwicklungsabteilung verknüpft.
Qualität vorantreiben
AI wird bei diesem Wandel eine wichtige Rolle spielen. Es kann Muster erkennen, Belege miteinander in Zusammenhang bringen, über verschiedene technische Bereiche hinweg Schlussfolgerungen ziehen, feststellen, welche Informationen fehlen, und dabei helfen, die nächsten Schritte zu koordinieren.
Der Wettbewerbsvorteil, den AI bieten wird, ist Zeit: die Verkürzung der Zeitspanne zwischen dem Erkennen eines Problems, dem Verstehen desselben, dem Ergreifen von Maßnahmen und der Nutzung der gewonnenen Erkenntnisse für das nächste Mal. Denn das beste Problem ist nicht einfach das, das man schnell löst. Es ist das, aus dem man früh genug lernt, sodass man es nicht noch einmal lösen muss.
Lesen Sie das neue Whitepaper „ Sonatus “, „The Shift to Continuous Quality“, das Forschungsergebnisse und Analysen von Frost & Sullivan enthält, um das „Continuous Quality“-Framework, Erkenntnisse aus fünf aktuellen Rückrufaktionen, erste praktische Erfahrungen mit dem NTCE sowie die modellierten wirtschaftlichen Auswirkungen einer früheren Einbindung von Qualitätsdaten in den Fahrzeuglebenszyklus zu beleuchten.