Stadler zählt zu den führenden Herstellern von Schienenfahrzeugen. Das Unternehmen mit Sitz im schweizerischen Bussnang baut Züge, Straßenbahnen und Lokomotiven, die 30 Jahre und länger im Einsatz sind. Jeder Kundenauftrag ist ein Unikat, mit eigenen Lieferanten, Spezifikationen und Zeichnungen.
Herausforderung
Ein Zug bleibt 30 Jahre und länger im Einsatz. Fällt nach Jahren ein Bauteil aus, ist oft nur eine Serien- oder Materialnummer bekannt. Allein im After-Sales kommen pro Kunde mehr als 100.000 Dokumente und Millionen strukturierter Datensätze zusammen. Die Antwort auf eine Serviceanfrage muss aus mehreren Systemen und IT-Generationen zusammengesetzt werden:
- In mehreren archivierten Infor-Systemen nachsehen, welcher Artikel und welcher Lieferant dahinterstehen.
- Den Kundenauftrag finden und klären, welche Fahrzeuge und Serien betroffen sind.
- In SharePoint Spezifikation, Zeichnung, Stückliste und Lieferantendokumente suchen, bei über 30.000 Dokumenten pro Projekt.
- Daraus die Wartungsmaßnahme ableiten, mit Servicehandbuch, Lieferantenanweisungen und Expertenwissen.
Das kostete rund einen halben Tag pro Serviceanfrage und Ingenieur. Das Wissen war vorhanden, aber über Jahrzehnte, Systeme und Formate verteilt, und jede Suche begann bei null.
Lösung
Gemeinsam mit Stadler und JiVS hat Genow den Service Recall Agent aufgebaut. Der Serviceingenieur stellt seine Frage in natürlicher Sprache. Der Agent zerlegt sie, fragt Materialstamm und Einkaufsdaten im JiVS-Archiv sowie die Projektbibliothek in SharePoint parallel ab, prüft jede Teilantwort und fasst das Ergebnis mit Quellenangaben zusammen.
Der Frontscheinwerfer an einem FLIRT muss getauscht werden. Welcher Artikel, welcher Lieferant, und was müssen wir prüfen?
- JiVS Materialstamm Artikel und Lieferant gefunden
- JiVS Einkauf Preishistorie und Lieferzeit
- SharePoint Projekt Datenblatt, Zeichnung, Stückliste
- Empfehlung Was zu prüfen und zu tauschen ist, jede Aussage belegt
Die Grundlage ist die Genow Context Engine. Sie lernt, wie Stadler spricht und denkt:
- Sie erkennt, worum es in jedem Archivdatensatz und jedem Dokument geht.
- Sie führt Artikel, Lieferant, Projekt und Fahrzeug über JiVS und SharePoint hinweg zu einer Identität zusammen.
- Sie kennt Abkürzungen und Teilebezeichnungen, auf Deutsch und Englisch.
- Sie versteht die Zusammenhänge vom Material über den Einbauort bis zum Projekt und zur Zeichnung.
Bei jeder Abfrage gelten die Berechtigungen aus Entra ID und den Quellsystemen. Jeder Schritt wird protokolliert.
Warum Genow?
Frühere Machbarkeitsstudien stießen an ihre Grenze, sobald strukturierte Archivdaten und unstrukturierte Dokumente in eine Antwort zusammenfließen sollten. Genow verbindet beides: Die Context Engine verknüpft Datensätze aus JiVS mit Zeichnungen und Spezifikationen aus SharePoint, und jede Aussage verweist auf ihre Quelle. Damit wird auch Wissen aus abgelösten Systemen wieder nutzbar.
„Agentic AI hat sich in den letzten zwei Jahren enorm weiterentwickelt. Heute lassen sich auch mit Altdaten starke Ergebnisse erzielen. Unser Rat: klein anfangen und Schritt für Schritt weitere Anwendungsfälle und Daten ergänzen.“
So gelang die Umsetzung
Innerhalb von nur 10 Wochen wurde der Service Recall Agent aufgesetzt: Anwendungsfälle und Datenzugang klären, Agenten einrichten und anbinden, dann gemeinsam mit dem Serviceteam testen und optimieren. Im November 2026 haben Stadler, JiVS und Genow den Service Recall Agent auf der SAP NOW AI Tour in Zürich live gezeigt.
Ergebnisse
Mit Genow erhält der Serviceingenieur in Sekunden, was er für die nächste Maßnahme braucht: Einbauorte und betroffene Serien, Artikel, Lieferant und Preishistorie, Spezifikation, Zeichnung und Stückliste, dazu eine klare Empfehlung, was zu prüfen und zu tauschen ist.
- Sekunden statt eines halben Tags pro Serviceanfrage
- Über 80 % schnellerer Zugriff auf Informationen im Servicealltag
- 100.000+ Dokumente pro Kunde und Millionen Datensätze, an einer Stelle durchsuchbar
- 10 Wochen Einrichtungszeit
- Jede Aussage belegt, das Original ist einen Klick entfernt
Archivierte Daten aus abgelösten Systemen fließen so zurück in die tägliche Arbeit, statt ungenutzt im Archiv zu liegen.
Ausblick
Stadler testet die Lösung weiter und baut sie Schritt für Schritt aus. Auf demselben Archiv sollen weitere Agenten für Materialstamm, Einkauf sowie Lager und Logistik entstehen. Für den Enterprise-Rollout kommen SAP-Daten, unstrukturierte Dokumente aus JiVS und weitere Kundenprojekte hinzu.
Über Jahrzehnte aufgebautes Wissen ist für Stadler ein Wettbewerbsvorteil. Mit Genow wird es dort nutzbar, wo es gebraucht wird: in der Antwort auf die nächste Serviceanfrage.