Bei einer Reklamation zaehlt Zeit. Nicht nur, weil Kunden eine Antwort erwarten. Sondern weil jede Stunde Unsicherheit interne Sperrungen, Zusatzpruefungen, Eskalationen und Managementaufmerksamkeit erzeugt.
Viele Unternehmen haben die Daten. Aber sie haben sie nicht in einer Form, die schnell zu einer Entscheidung fuehrt.
Rueckverfolgbarkeit ist kein Archiv
Traceability wird oft als Nachweis verstanden: Welche Charge, welches Material, welche Anlage, welcher Pruefschritt?
Das ist wichtig. Aber im Ernstfall reicht es nicht. Das Team muss auch verstehen, welche Prozessbedingungen relevant waren, ob andere Lose betroffen sein koennten und welche Hypothesen plausibel sind.
Ein Archiv beantwortet: Was war verbunden?
Gute operative Traceability beantwortet: Was davon ist entscheidungsrelevant?
Die typische Sucharbeit
Nach einer Reklamation beginnen Teams Daten zusammenzuziehen: MES, ERP, Historian, Labor, Pruefberichte, Schichtnotizen, Wartungsdaten, Materiallose. Oft entsteht eine manuelle Timeline in Excel.
Diese Arbeit ist langsam und fehleranfaellig. Noch wichtiger: Sie bindet genau die Menschen, die auch die Ursachenarbeit fuehren sollten.
Was AI hier leisten kann
AI kann helfen, relevante Zeitfenster, Parameter, Vergleichslose und Muster schneller zu priorisieren. Sie kann Auffaelligkeiten sichtbar machen, die in manueller Suche leicht untergehen.
Aber sie sollte nicht die Entscheidung ersetzen. In regulierten und qualitaetskritischen Umgebungen bleibt die Verantwortung bei qualifizierten Personen. Jidokai muss deshalb als Entscheidungsunterstuetzung erzaehlt werden: schneller, strukturierter, nachvollziehbarer.
Lean-Frage: Was passiert danach?
Wenn die Ursache plausibel ist, beginnt die eigentliche Verbesserung. Wird ein Standard geaendert? Braucht es Change Control? Muss ein Prozessfenster angepasst werden? Welche Teams werden geschult? Welche Fruehwarnung verhindert Wiederholung?
Traceability ohne Lernen ist nur bessere Vergangenheitsverwaltung.
Fazit
Bei Reklamationen geht es nicht nur darum, Daten zu finden. Es geht darum, aus Daten schnell eine saubere Entscheidung und eine robuste Gegenmassnahme zu machen.