Ersatzteil per Foto: Wie ein KI-Agent defekte Bauteile erkennt und den Warenkorb füllt

Ein Instandhalter steht vor einer stillstehenden Anlage, Baujahr 1998. Das defekte Ventil hat keine lesbare Nummer mehr, das Typenschild der Maschine ist verölt. Er macht ein Foto, schickt es per WhatsApp an den Hersteller und wartet. Im Innendienst sucht jemand in Explosionszeichnungen, ruft zurück, fragt nach weiteren Fotos. Bis die Bestellung steht, vergeht oft ein halber Tag, manchmal mehr.

Bei Bosch im Werk Blaichach dauerte die Suche nach einem Ersatzteil laut einem Bericht des Fachmagazins Produktion im Schnitt 9,5 Minuten, bei schwierigen Fällen über zwei Stunden in SAP, Stücklisten und Zeichnungen. Mit einer App, die Teile per Foto erkennt, sank sie auf unter zwei Minuten. Das war 2022, und die Technik hat sich seitdem erheblich weiterentwickelt.

Heute lässt sich die gesamte Kette automatisieren: Ein KI-Agent nimmt das Foto per WhatsApp oder Web-Chat entgegen, grenzt die Suche über Typenschild und Stückliste ein, erkennt das Teil, prüft Preis und Bestand im ERP und legt es direkt in den Warenkorb des Kunden. Der Kunde muss nur noch bestätigen. Dieser Leitfaden zeigt, wie das funktioniert, welche Daten Sie dafür brauchen und wo die Grenzen liegen.

Warum die Ersatzteilsuche Geld kostet

Das Ersatzteilgeschäft ist für viele Maschinen- und Anlagenbauer die profitabelste Sparte. McKinsey beziffert die durchschnittliche EBIT-Marge im Aftermarket-Service auf rund 25 %, bei Neumaschinen auf rund 10 %. Laut Bain machen Ersatzteile mehr als die Hälfte des Serviceumsatzes von Industrieherstellern aus.

Gleichzeitig ist die Identifikation des richtigen Teils oft der Engpass:

• Ältere Anlagen: Maschinen laufen 30 bis 40 Jahre, Typenschilder sind verschmutzt, Teilenummern abgerieben.
• Ähnliche Varianten: Dichtungen, Ventile oder Klemmen unterscheiden sich oft nur in Details, die auf einem Foto kaum zu erkennen sind.
• Wissen in wenigen Köpfen: Wer welches Teil an der Form erkennt, ist häufig eine Handvoll erfahrener Mitarbeitender im Innendienst.
• Zweitanfahrten: Fehlende oder falsche Ersatzteile gelten im technischen Kundendienst als häufigster Grund für einen zweiten Einsatz beim Kunden.

Die Kunden erwarten zudem Selbstbedienung. Laut Gartner (März 2026) bevorzugen 67 % der B2B-Einkäufer einen Kauf ohne Vertriebsmitarbeiter. Im B2B-Marktmonitor 2026 von ECC Köln und IFH sehen 67 % der befragten Führungskräfte KI-gestützte Produktsuche als wichtigen Hebel, 65 % würden KI-Agenten begrüßen, die Preisanfragen selbstständig beantworten.

Die Kette im Überblick: vom Foto bis zum Warenkorb

Auf dem Markt gibt es Lösungen für einzelne Schritte: Anbieter für Bildsuche, Messenger-Plattformen, B2B-Shops mit Ersatzteilkatalog. Der KI-Agent ist das Bindeglied, das diese Schritte zu einem durchgängigen Ablauf verbindet.

Wie bereit sind Ihre Daten?

Ob und wie schnell sich ein solcher Agent umsetzen lässt, hängt vor allem von Ihren Daten ab. Der Check zeigt Ihnen in zwei Minuten Ihren Bereitschaftswert und den sinnvollsten Einstieg.

Schritt 1: Der Eingangskanal

WhatsApp

WhatsApp ist für viele Servicetechniker und Instandhalter der natürlichste Weg, ein Foto zu verschicken. Laut Bitkom nutzen 87 % der Deutschen ab 16 Jahren privat Messenger wie WhatsApp. Für den Einsatz im Unternehmen gelten aber eigene Regeln:

• Business-Plattform statt App: Für einen automatisierten Agenten brauchen Sie die WhatsApp Business Platform (Cloud API), meist über einen Anbieter. Die normale WhatsApp-Business-App ist dafür weder technisch noch datenschutzrechtlich geeignet. Bei der Cloud API ist Meta Auftragsverarbeiter, für Kunden in der EU gilt ein Zusatz zur Datenübermittlung.
• KI-Regeln von Meta: Seit dem 15. Januar 2026 schließt Meta Anbieter allgemeiner KI-Assistenten von der Plattform aus. Unternehmen, die KI für ihren eigenen Kundenservice nutzen, etwa für Ersatzteilanfragen, sind davon nicht betroffen. Metas Richtlinie verlangt aber einen schnellen, klaren Weg zu einem Menschen, etwa per Übergabe an einen Mitarbeiter, Telefonnummer oder Formular.
• 24-Stunden-Fenster: Freie Antworten sind nur innerhalb von 24 Stunden nach der letzten Kundennachricht erlaubt, danach nur freigegebene Vorlagen.
• Kosten: Seit Juli 2025 rechnet Meta pro Nachricht ab. Laut Metas Preisdokumentation sind Servicenachrichten seit Herbst 2026 nur noch bis zu einem monatlichen Kontingent kostenlos. Prüfen Sie die aktuellen Konditionen vor dem Start.
• Bilder: Fotos kommen als JPEG, PNG oder WebP mit bis zu 5 MB an und lassen sich per Schnittstelle abrufen.

Web-Chat im Shop

Ein Chat-Fenster im eigenen Shop oder Kundenportal ist die robustere Alternative: kein Plattformrisiko, eigene Regeln für Datenspeicherung, und der Kunde ist meist schon angemeldet. Damit sind Kundennummer, Preisliste und installierte Maschinen sofort bekannt. Viele Unternehmen bieten beides an: WhatsApp für den Techniker vor Ort, Web-Chat für den Einkäufer am Schreibtisch.

Schritt 2: Eingrenzen über Typenschild und Stückliste

Dies ist der wichtigste und am häufigsten übersehene Schritt. Statt ein Foto gegen den gesamten Katalog mit zehntausenden Teilen abzugleichen, fragt der Agent zuerst: In welcher Maschine steckt das Teil?

So läuft das ab:

1. Der Agent bittet um ein Foto des Typenschilds, falls nicht schon vorhanden.
2. Er liest Seriennummer oder Maschinennummer per Texterkennung aus. Moderne multimodale KI-Modelle sind darin sehr stark, auch bei schrägen oder teilweise verschmutzten Schildern. QR- oder Data-Matrix-Codes sind noch zuverlässiger.
3. Er sucht die Maschine im ERP bzw. in der Liste der beim Kunden installierten Maschinen (Installed Base).
4. Er lädt die Stückliste genau dieser Maschine, idealerweise mit Explosionszeichnung.

Aus zehntausenden Kandidaten werden so wenige Dutzend. Genau das macht den Unterschied in der Trefferquote, wie der nächste Abschnitt zeigt. Festo bietet im eigenen Ersatzteilkatalog bereits eine Fotosuche, die Typenschild und Data-Matrix-Code ausliest. Auch Anbieter wie nyris beschreiben das Eingrenzen über die Stückliste als zentralen Baustein.

Schritt 3: Das Teil erkennen

Bildsuche mit Embeddings

Die bewährte Technik für die Teileerkennung ist die visuelle Suche: Ein Modell rechnet jedes Bild in einen Zahlenvektor um (ein „Embedding“). Ähnlich aussehende Teile liegen im Vektorraum nah beieinander. Das Foto des Kunden wird ebenfalls umgerechnet und mit den Vektoren aller Katalogbilder verglichen.

Wie gut ist das? Allgemeine Bildmodelle sind bei Industrieteilen erstaunlich schwach. In einem im März 2026 veröffentlichten Vergleichstest, den der Anbieter nyris erstellt hat, fand ein frei verfügbares Spitzenmodell (Meta DINOv3) bei Clips und Steckverbindern nur in 26 % der Fälle das richtige Teil auf Platz 1, das spezialisierte Modell von nyris in 63 %. Laut nyris steigt die Gesamtgenauigkeit erst durch Texterkennung, Filter und Eingrenzung über die Stückliste auf über 90 %. Ein unabhängiger Forschungsbenchmark (ILIAS, CVPR 2025) kommt grundsätzlich zum selben Schluss: Die Wiedererkennung eines ganz bestimmten Objekts unter vielen ähnlichen ist für allgemeine Modelle „weit von gelöst“.

Das bestätigt, warum Schritt 2 so wichtig ist: Je kleiner der Suchraum, desto sicherer der Treffer.

Multimodale KI-Modelle

Modelle wie GPT, Claude oder Gemini können Bilder verstehen und darüber sprechen. Für Ersatzteile sind sie stark und schwach zugleich:

Studien zur feinkörnigen Bilderkennung zeigen, dass multimodale Sprachmodelle bei sehr ähnlichen Objekten hinter spezialisierten Modellen liegen. Die Herstellerdokumentationen von OpenAI und Anthropic nennen kleine, gedrehte oder unscharfe Bilder ausdrücklich als Schwachstelle.

Die richtige Architektur kombiniert beides: Die multimodale KI führt den Dialog, liest Typenschilder und beschreibt das Teil. Die spezialisierte Bildsuche findet die exakte Teilenummer im eingegrenzten Katalog. Der Agent orchestriert beides.

Training mit CAD-Daten statt Tausender Fotos

Klassisch braucht eine Bildsuche viele Fotos pro Teil. Laut Erfahrungsberichten aus der Praxis sind es je nach Verfahren etwa 100 bis 500 Aufnahmen aus verschiedenen Winkeln. Bosch hat dafür eigens eine „Digitalisierungsmaschine“ für 360-Grad-Aufnahmen gebaut und rund 20.000 von 30.000 Teilen eingelernt.

Die Alternative: Trainingsbilder aus CAD-Modellen erzeugen. Aus den Konstruktionsdaten werden fotorealistische Ansichten gerendert, auf Wunsch mit simuliertem Verschleiß, Schmutz und schlechtem Licht. Forschungsarbeiten aus den Jahren 2024 bis 2026 zeigen, dass Modelle, die überwiegend mit solchen synthetischen Bildern trainiert und mit wenigen echten Fotos ergänzt wurden, Industrieteile zuverlässig erkennen können. Anbieter wie nyris und Synthavo bieten das als Dienstleistung an.

Für viele Maschinenbauer ist das der entscheidende Vorteil: Die CAD-Daten der eigenen Teile liegen ohnehin vor. Wo Teile nicht fotografierbar sind, etwa weil sie zu groß sind oder schon verbaut, ist das sogar der einzige Weg. Bei Bosch konnten rund 10.000 der 30.000 Teile nicht gescannt werden.

Schritt 4: Rückfrage, Bestätigung und Übergabe an Menschen

Ein guter Agent bestellt nie auf Verdacht. Bewährt hat sich folgender Ablauf:

• Sicherer Treffer: Der Agent zeigt das erkannte Teil mit Katalogbild, Teilenummer und Bezeichnung und fragt: „Ist es dieses Teil?“
• Mehrere Kandidaten: Der Agent zeigt die drei bis fünf wahrscheinlichsten Teile mit Bild nebeneinander und lässt den Kunden wählen, oder er fragt gezielt nach: „Hat das Ventil einen Anschluss mit Gewinde oder mit Flansch?“, „Können Sie den Außendurchmesser messen?“
• Unsicher: Liegt kein Kandidat über einer festgelegten Schwelle, übergibt der Agent an den Innendienst, mit allen Fotos, der erkannten Maschine und den Vorschlägen. Der Mitarbeitende muss nicht von vorn anfangen.

Ein Beispiel, wie der Dialog im Chat aussehen kann:

Kunde: (Foto eines defekten Ventils) Brauche das hier, Anlage steht. Agent: Danke. Damit ich das richtige Teil finde: Können Sie ein Foto vom Typenschild der Maschine schicken? Kunde: (Foto Typenschild) Agent: Ich habe Ihre Maschine gefunden: Abfüllanlage Baureihe X, Seriennummer 4711, Baujahr 2009. In dieser Maschine kommen zwei passende Ventile in Frage. (zwei Bilder) Welches ist es? Kunde: Das linke. Agent: Magnetventil 24 V, Teilenummer 12-345. Ihr Preis: 186,40 €, vorrätig, Versand heute. Ich habe es in Ihren Warenkorb gelegt. (Link) Soll ich auch die passende Dichtung hinzufügen?

Für sicherheitsrelevante Teile sollten Sie zusätzlich eine Prüfung durch eine Fachkraft vorsehen, bevor die Bestellung ausgelöst wird.

Schritt 5: Abgleich mit dem ERP

Bevor das Teil im Warenkorb landet, prüft der Agent im ERP:

• Kundenspezifischer Preis nach Preisliste, Rahmenvertrag oder Rabattstaffel
• Bestand und Lieferzeit, gegebenenfalls aus mehreren Lagern
• Nachfolgeteil, wenn das erkannte Teil abgekündigt ist
• Zubehör und Verschleißsets, die typischerweise mitgetauscht werden, etwa Dichtungen

Der Agent liest dafür nur. Er ändert keine Daten im ERP. Wie sich auch ältere ERP-Systeme ohne moderne Schnittstelle anbinden lassen, zeigt unser Leitfaden KI im ERP nachrüsten mit n8n.

Schritt 6: Der Warenkorb

Der letzte Schritt ist der, der aus einer guten Antwort einen Umsatz macht: Das Teil landet direkt im Warenkorb. Je nach Shop-System funktioniert das unterschiedlich:

Wichtig: Der Agent befüllt den Warenkorb, bestellen muss der Kunde selbst. So bleibt die Verantwortung für die Bestellung beim Kunden, und Fehlbestellungen durch falsch erkannte Teile werden vor dem Kauf abgefangen. Neue Standards für Einkäufe durch KI-Agenten, etwa das Agentic Commerce Protocol von OpenAI und Stripe oder das Universal Commerce Protocol von Google, sind für den B2B-Ersatzteilhandel im Mittelstand derzeit noch nachrangig.

Anbieter oder eigener Aufbau?

In der Praxis ist die Kombination häufig: Ein spezialisierter Anbieter liefert die Bilderkennung, der eigene Agent verbindet sie mit Kanal, ERP und Shop. Die Anbieter selbst nennen hohe Trefferquoten, etwa nyris 99,3 % auf einem Datensatz von DMG MORI oder Synthavo über 98 %. Das sind Herstellerangaben, unabhängige Vergleichstests gibt es bisher nicht. Testen Sie deshalb immer mit Ihren eigenen Teilen und echten Kundenfotos.

Was kostet das?

Die Kosten setzen sich aus mehreren Bausteinen zusammen:

• Bilderkennung: Spezialisierte Anbieter veröffentlichen kaum Preise. Quanos, Anbieter von Software für Ersatzteilkataloge, nennt für die visuelle Suche 0,36 € pro Teil und Jahr.
• Trainingsdaten: Fotografieren vorhandener Teile oder Erzeugen von Bildern aus CAD-Daten, einmalig je Teil
• KI-Modell für Dialog und Typenschilderkennung: nach Verbrauch, meist wenige Cent pro Anfrage
• WhatsApp: Gebühren pro Nachricht über einen Anbieter der Business Platform
• Integration: Anbindung an ERP und Shop, Aufbau des Agenten, Pilotphase
• Betrieb: Pflege neuer Teile, Auswertung von Fehlzuordnungen, Updates

Dem gegenüber stehen die Einsparungen: weniger Zeit im Innendienst pro Anfrage, weniger Fehlbestellungen und Zweitanfahrten und mehr Bestellungen über den Shop statt über Telefon und E-Mail. Ab welchem Anfragevolumen sich ein KI-Agent im Service generell rechnet, zeigt unser Artikel Ab welcher Ticketzahl lohnt sich ein KI-Chatbot?.

Recht: Was Sie beachten müssen

• KI-Kennzeichnung: Seit dem 2. August 2026 müssen KI-Systeme, die direkt mit Menschen interagieren, als solche erkennbar sein (Art. 50 Abs. 1 EU AI Act). Ein kurzer Hinweis zu Beginn des Chats genügt. Mehr in unserer EU-AI-Act-Checkliste.
• Datenschutz: Auftragsverarbeitungsverträge mit WhatsApp bzw. dem Messenger-Anbieter und jedem KI-Dienst, Datenschutzhinweis im Chat, Metadaten aus Fotos entfernen, Löschfristen festlegen.
• Geschäftsgeheimnisse: CAD-Daten und Stücklisten sind wertvoll. Klären Sie vertraglich, dass Anbieter sie nicht für eigene Zwecke oder das Training allgemeiner Modelle nutzen.
• Haftung: Bei einem falsch zugeordneten Teil greift meist das Vertragsrecht, also Falschlieferung oder Beratungsfehler. Die neue EU-Produkthaftungsrichtlinie, die bis 9. Dezember 2026 in nationales Recht umzusetzen ist, erfasst künftig auch Software und KI-Systeme, allerdings nur für Personen- und Sachschäden. Die Bestätigung durch den Kunden vor der Bestellung und eine Fachkraft-Prüfung bei sicherheitsrelevanten Teilen sind deshalb auch rechtlich sinnvoll.

Pilot in 30 bis 60 Tagen

1. Baureihe wählen: eine Maschinenbaureihe mit vielen Ersatzteilanfragen und guter Datenbasis.
2. Daten vorbereiten: Stücklisten je Seriennummer, Teilestammdaten, CAD-Daten oder Fotos der 500 bis 1.000 wichtigsten Teile.
3. Testset bauen: 50 bis 100 echte Fotos aus vergangenen Kundenanfragen mit bekannter richtiger Teilenummer.
4. Erkennung testen: Trefferquote auf Platz 1 und unter den ersten drei Vorschlägen messen, mit und ohne Eingrenzung über die Stückliste.
5. Kette verbinden: Kanal, Agent, ERP-Abfrage, Warenkorb. Zunächst nur für eine Pilotgruppe von Kunden.
6. Messen: Zeit bis zum Warenkorb, Quote der Übergaben an den Innendienst, Fehlzuordnungen, Bestellwert pro Anfrage.

Checkliste: Ihr Weg zum Ersatzteil-Agenten

Häufig gestellte Fragen

Fazit: Der Agent verbindet, was bisher getrennt ist

Die Bausteine für die Ersatzteilerkennung per Foto gibt es seit Jahren: Bildsuche, Texterkennung, Ersatzteilkataloge, B2B-Shops. Neu ist, dass ein KI-Agent sie zu einem durchgängigen Ablauf verbindet, vom Foto im Chat bis zum vorbefüllten Warenkorb, mit Rückfragen, ERP-Abgleich und Übergabe an Menschen, wenn es nötig ist.

Der Schlüssel zum Erfolg liegt dabei weniger im KI-Modell als in den Daten: Wer weiß, welche Stückliste in welcher Maschine steckt, grenzt die Suche so stark ein, dass die Erkennung sicher wird. Wer CAD-Daten hat, kann die Bilderkennung ohne aufwendige Fotoshootings trainieren. Und wer den Kunden die Bestellung selbst bestätigen lässt, gewinnt Geschwindigkeit, ohne Fehlbestellungen zu riskieren.