Reliability Engineer Instandhaltung, MTTR, Ausfallanalyse, Statistik, SAP PM, Agentic AI
Llamazing Digital Engineering GmbH
Ansprechpartner: Björn Froese
BerlinBrandenburg, Deutschland
Endkundenprojekt
ITSix SigmaComputerized Maintenance Management SystemFmeaR (Programmiersprache)Ibm MaximoPythonInstandhaltungPredictive ModellingReliability Centered MaintenanceSAP PMWahrscheinlichkeit und StatistikMttrBeschreibung
Für Agentic-AI-Vorhaben in der industriellen Fertigung suchen wir erfahrene Reliability Engineers aus der Instandhaltung (m/w/d) für unseren Expertenpool.
Ein typisches Vorhaben sieht so aus:
Ausgangslage
Ein Fertigungsunternehmen will Störungen in der Produktion mit einem agentischen Workflow bearbeiten. Fällt eine Maschine aus, tragen KI-Agenten Informationen aus MES, Produktionsplanung, Instandhaltung und Dokumentation zusammen, bewerten Handlungsoptionen (z. B. Reparatur abwarten oder Aufträge auf eine Alternativmaschine verlagern) und legen sie den verantwortlichen Rollen zur Freigabe vor. Erst nach menschlicher Freigabe werden Wartungsauftrag und Umplanung in den Zielsystemen ausgeführt. Entscheidungsrelevante Zahlen kommen aus nachvollziehbaren Regeln, nicht aus dem Sprachmodell; jeder Schritt ist unterbrechbar, wiederaufnehmbar und lückenlos protokolliert. Sie liefern die fachliche und statistische Grundlage: Wie lange dauert eine Reparatur realistisch, wie sicher ist diese Schätzung, und nach welchen Regeln werden Optionen zugelassen oder ausgeschlossen.
Aufgaben
- Regeln für die Reparaturzeitschätzung aus der Störungshistorie entwickeln (vergleichbare Fälle, Ersatzteil- und Personalverfügbarkeit) inklusive Unsicherheitsband und Standardannahmen bei fehlender Historie
- Kennzahlen wie MTTR und MTBF und deren Aussagekraft bei wenigen Fällen bewerten
- Regeln für zulässige Handlungsoptionen und Ausschlüsse mit den Fachrollen aus Instandhaltung und Produktionsplanung abstimmen
- Realistische Störungsfälle und Datensätze für Tests und Vorführungen erarbeiten
- Ergebnisse der Agenten fachlich prüfen und Abnahmekriterien mitformulieren
- Später: Kennzahlen zur Nutzenmessung (z. B. Zeit von Störungsmeldung bis Maßnahme) vorschlagen
Muss
- mindestens 5 Jahre Erfahrung in Instandhaltung, Reliability Engineering oder Anlagenmanagement in der Fertigung
- sichere Anwendung statistischer Methoden auf Ausfall- und Reparaturdaten (z. B. Verteilungen, Konfidenz- oder Vorhersageintervalle, Weibull-Analyse)
- Erfahrung mit Instandhaltungsdaten aus einem CMMS oder ERP (z. B. SAP PM, IBM Maximo)
- Deutsch fließend, Englisch gut
Wünschenswert
- Methoden wie RCM, FMEA, RCA
- Python oder R für Datenauswertungen
- Kenntnisse in Produktionsplanung und Feinplanung
- Erfahrung mit Predictive-Maintenance- oder Digitalisierungsprojekten
- Zertifizierung als CMRP oder Six Sigma Green/Black Belt
Rahmen
- Einsatz: überwiegend remote, gelegentliche Termine vor Ort in Berlin/Brandenburg
- Dauer: typischerweise 3 bis 6 Monate, Verlängerung möglich
- Start: projektabhängig, ab Q1 2027
Bewerbung
Bitte beantworten Sie kurz:
- In welcher Fertigung haben Sie zuletzt Ausfall- und Reparaturdaten ausgewertet (Branche, Anlagen, Methoden, Ergebnis)?
- Wie würden Sie eine Reparaturzeit mit Unsicherheitsband schätzen, wenn es für eine Maschine nur wenige vergleichbare Störfälle gibt?
- Wie hoch ist Ihr Stundensatz, welchen Umfang pro Woche können Sie anbieten und ab wann sind Sie verfügbar?
Bei E-Mail-Kommunikation bitte die Projekt-ID dieser Anzeige angeben. Telefonische Kontaktaufnahme bitte nur nach vorheriger Terminvereinbarung.