Auf einen Blick
- 1.In den ausgewerteten Entwürfen gingen Details an bestimmten, wiedererkennbaren Stellen der Aufnahme verloren. Nicht gleichmäßig über das ganze Video.
- 2.Das deutlichste Muster: lange Phasen stiller Arbeit. In einer 11-minütigen Aufnahme fielen vier stille Passagen von 27 bis 53 Sekunden genau auf die Arbeit im Inneren der Maschine. Der Entwurf machte daraus einen einzigen Schritt.
- 3.Aufnahmen in der Muttersprache des Technikers lieferten saubere Transkripte. In der Zweitsprache gingen Fachbegriffe verloren.
- 4.Gespräche vor der Kamera waren der schwächste Input: Fragen und Vermutungen landeten im Entwurf.
- 5.Eine Lücke lag bei uns: Eine Einstellung, die als Zahl laut genannt wurde, fehlte im Entwurf. Das ist ein Mangel, und so behandeln wir es auch.
Erkenntnisse aus einem zweisprachigen Pilot mit dem Field-Service-Team eines internationalen Recycling-Konzerns in Kanada. Wir haben jeden Entwurf Zeile für Zeile mit seiner Aufnahme abgeglichen. Die meisten fehlenden Details gehen auf eine Handvoll Momente in der Aufnahme zurück. Und eine Lücke lag bei uns.
Gegen Ende des Pilots stellte uns der Methodenverantwortliche des Teams eine Frage, mit der wir nicht gerechnet hatten: „Is there anything Soperion cannot do?“ Ja, das gibt es. Soperion kann nicht riechen. Und es kann nichts beschreiben, was in einer Aufnahme weder gezeigt noch gesagt wird. Wo diese zweite Grenze in der Praxis verläuft, zeigt dieser Artikel.
So sind wir vorgegangen
Vorweg: Das ist ein Pilot, keine Studie. Rund zwanzig Servicetechniker, die Anlagen bei Kunden vor Ort warten, haben im Juli und August 2026 Abläufe mit dem Smartphone aufgenommen, auf Französisch und Englisch. Einige hatten unsere Aufnahme-Schulung durchlaufen. Andere waren erst nach einer Umstrukturierung ins Team gekommen und kannten sie nicht.
Das Team hat den Pilot sehr positiv aufgenommen, die Arbeit wurde spürbar leichter. Gerade deshalb haben wir genau hingeschaut, wo die Entwürfe noch zu kurz griffen.
Für diesen Artikel haben wir die sechs praktischen Abläufe aus der letzten Phase des Pilots ausgewertet. Außen vor blieben zwei Büroabläufe (am Bildschirm, ein anderer Weg) und die ersten Uploads: Die waren fast ohne Kommentar und hätten über die Plattform nichts ausgesagt. Bei allen sechs haben wir Transkript und Entwurf nebeneinandergelegt, an jeder Abweichung ins Video geschaut und notiert, was fehlte, was falsch war und woran es lag.
Die Abläufe sind sehr verschieden. Eine Reinigungsroutine ist kein Motortest. Deshalb vergleichen wir weder Schrittzahlen untereinander, noch ziehen wir eine statistische Linie durch sechs Punkte. Was wir sagen können: an welcher Stelle der jeweiligen Aufnahme der Entwurf Details verloren hat.
| Ablauf | Sprache | Länge | Sprechanteil | Wo der Entwurf Details verlor |
|---|---|---|---|---|
| Reinigungsroutine | EN | 6:01 | 83 % | Wenig; einige Bildschirmschritte im Bild nicht lesbar |
| Füllstandsüberwachung | EN | 3:33 | 88 % | Erklärungen wurden zu Schritten (Frage-Antwort-Format) |
| Riemenwechsel | EN | 11:29 | 52 % | Vier stille Passagen in der Maschine; Bauteilname falsch verstanden |
| Motor-Drehrichtungstest | FR | 7:05 | 55 % | Ein gesprochener Wert fehlt; eine Korrektur falsch aufgelöst |
| Sensorkalibrierung | FR | 5:58 | 59 % | Erster Durchgang doppelt aufgenommen; Entwurf nimmt korrekt den zweiten |
| Stau beseitigen | EN | 0:52 | 82 % | Voraussetzung („Tür schließen“) fehlt |
Stille Arbeit hinterlässt im Entwurf keine Spur
Der Riemenwechsel ist das deutlichste Beispiel. Der Ablauf hat einen einfachen Teil (Gerät öffnen, Abdeckungen abnehmen) und einen schwierigen im Inneren der Maschine, wo die alte Führung heraus- und die neue hineinkommt. Den einfachen Teil hat der Techniker kommentiert. Beim schwierigen war er konzentriert. Ergebnis: vier stille Passagen von 27 bis 53 Sekunden.
Der Entwurf bildet genau das ab. Öffnen und Abdeckungen werden zu einzelnen, gut beschriebenen Schritten. Die Arbeit in der Maschine, immerhin zweieinhalb Minuten, wird zu einem einzigen Schritt.
Das hat einen einfachen Grund. Ein Video-to-SOP-System arbeitet mit zwei Quellen gleichzeitig: Bild und Sprache. Das Bild zeigt, dass sich Hände in der Maschine bewegen. Es zeigt selten, welches Teil zuerst gelöst wird, in welche Richtung und warum. Ohne Sprache erkennt das System zwar, dass etwas passiert, aber nicht, wo ein Handgriff endet und der nächste beginnt. Also fasst es alles zusammen.
Das Team hat es am Ende des Pilots selbst so formuliert: Lange Arbeiten wirkten „dünn“ im Vergleich zu kurzen. Wir sehen es so: Dünn sind die stillen Passagen, nicht die langen Videos.
Was hilft: Sagen Sie, was Sie tun, während Sie es tun. Braucht ein Handgriff volle Konzentration, pausieren Sie die Aufnahme, erledigen den Schritt und wiederholen ihn dann mit Kommentar vor der Kamera. Oder Sie beschreiben ihn direkt danach, solange die Hände noch am Teil sind.
Der Wert, der genannt wurde und dann fehlte
Dieser Fehler geht auf unsere Kappe. Beim Motor-Drehrichtungstest schließt der Techniker einen Tester an und stellt ihn vor dem Start ein. Die Aufnahme, aus dem Französischen übersetzt:
„Einen von beiden einstecken, darauf achten, dass der Tester auf 45 steht. Die Einstellung ist sehr empfindlich. Und los.“
Im Entwurf stand:
Empfindlichkeit einstellen und Test starten. Potentiometer drehen, um die Empfindlichkeit einzustellen.
Richtig wäre gewesen:
Tester auf 45 stellen und Test starten. Die Einstellung ist sehr empfindlich. Vor dem Start prüfen.
Falsch ist der Entwurf nicht. Aber wertlos, denn die Zahl war der eigentliche Schritt. Genau an dieser Stelle, sagte uns das Team, ist sein Vertrauen in die Entwürfe gekippt: Wer einmal einen fehlenden Wert findet, legt ab da jedes Video neben jeden Entwurf. Und die Zeitersparnis ist weg.
Ein gesprochener Wert darf nie davon abhängen, ob der Prüfer gerade aufpasst. Jede Zahl aus der Aufnahme muss entweder im Entwurf stehen oder als fehlend markiert sein. Diese Prüfung gehört in die Software, nicht in die Durchsicht.
Wenn sich der Sprecher korrigiert
In derselben Aufnahme sagt der Techniker zuerst, der zweite Motor drehe richtig herum. Ein paar Minuten später kommt er mit einem Kollegen zum Schluss, dass das nicht stimmt, und erklärt, warum. Der Entwurf hat die Qualitätsprüfung auf der ersten Aussage aufgebaut.
Wer arbeitet, korrigiert sich. Das ist normal und sogar hilfreich. Ein Entwurf sollte dann beide Aussagen mit Zeitstempel zeigen und die Entscheidung dem Prüfer überlassen. Diesen Fehler und vier weitere beschreiben wir in fünf KI-Fehler, die Prüfer beim Überfliegen übersehen.
Nehmen Sie in der Sprache auf, in der Sie denken
Die beiden französischen Aufnahmen kamen mit Transkripten zurück, die kaum Korrektur brauchten. Bei mehreren englischen Aufnahmen französischsprachiger Techniker sah das anders aus: Ein Bauteilname wurde auf vier verschiedene Arten transkribiert, keine davon richtig. Der Fehler zog sich bis in den Schritttext und die Werkzeugliste.
Spracherkennung ist bei flüssiger Sprache in jeder großen Sprache sehr gut. Bei Fachbegriffen mit einem Akzent, mit dem sie nicht rechnet, wird sie deutlich schwächer. Für zweisprachige Teams heißt das, auch wenn es zunächst überrascht: Nehmen Sie in Ihrer Muttersprache auf und lassen Sie die Plattform die zweite Sprache erzeugen. Ein sauberer französischer Entwurf, ins Englische übersetzt, ergibt besseres Englisch als das Transkript eines holprigen Englisch. Mehr dazu in Multilinguale Arbeitsanweisungen.
Gespräche sind keine Anweisungen
Zwei Aufnahmen waren Gespräche: Einer arbeitet, der andere fragt. „Wie oft musst du das reinigen?“ „Jeden Tag.“ In einer Schulung lernt man so gut. Für ein System, das aus Sprache Arbeitsschritte macht, ist das mehrdeutiger Input. Aus einer Frage kann ein Schritt werden. Und die Antwort auf ein Gedankenspiel („wenn er andersherum drehen würde, müsstest du die Drähte tauschen“) liest sich plötzlich wie eine Anweisung für etwas, das nie passiert ist.
Stehen zwei Leute vor der Kamera, klären Sie vorher, wer erklärt und wer filmt. Fragen gehören in die Pause.
Was gut funktioniert hat
Die französische Kalibrierung kam fast freigabereif zurück. Die Kamera war nah am Bildschirm, der Kommentar lief durchgehend, und der Referenzwert, den der Techniker für ein gutes Ergebnis nannte, landete in der Qualitätsprüfung. Auch einen Fehlstart hat das System richtig erkannt: Der erste Durchgang war doppelt aufgenommen, und der Entwurf begann mit dem zweiten.
Die Reinigungsroutine hat Praxiswissen eingefangen, das in keinem Handbuch steht: dass ein Reinigungszyklus normalerweise fünf bis zehn Minuten dauert und ein deutlich kürzerer im Verlauf ein Warnsignal ist. Genau für dieses Wissen nehmen Teams ihre Abläufe überhaupt auf.
Was wir daraufhin geändert haben
1. Gesprochene Werte sind Belege. Wird ein Wert in der Aufnahme genannt und fehlt im Entwurf, ist das ein Mangel, keine Stilfrage.
2. Jeder Pilot hat jetzt nach den ersten drei bis fünf SOPs eine gemeinsame Durchsicht, mit den Leuten, die aufgenommen haben, Entwurf neben Video. Jedes Muster aus diesem Artikel war schon in den ersten Entwürfen zu sehen. Wie wir Pilots heute aufsetzen, beschreiben wir in warum SOP-Pilots ohne Entscheidung enden.
3. Neue Teammitglieder bekommen die Aufnahme-Schulung live. Eine Schulung von vor zwei Monaten übersteht keinen Wechsel im Team.
4. Vertrauliche Inhalte lassen sich jetzt schwärzen. Aus dem Feedback des Pilot-Teams ist eine neue Schwärzen-Funktion in Soperion entstanden: Was im Bild zu sehen ist, aber nicht in die SOP gehört, lässt sich schwärzen.
Häufig gestellte Fragen
- Ergibt ein längeres Video eine detailliertere SOP?
- Nicht automatisch. In diesem Pilot folgte das Detail dem Kommentar: Wo der Techniker erklärte, was er tat, entstanden einzelne, detaillierte Schritte. Lange stille Passagen wurden zu einem groben Schritt.
- Sollte ein zweisprachiges Team auf Englisch aufnehmen, um englische SOPs zu bekommen?
- Nein. Aufnehmen in der Sprache, in der der Techniker denkt, und die andere Sprache von der Plattform erzeugen lassen. Transkripte in der Muttersprache waren sauber, in der Zweitsprache gingen Fachbegriffe verloren.
- Können zwei Personen einen Ablauf gemeinsam vor der Kamera erklären?
- Ja, wenn einer erklärt und der andere filmt. Fragen und Diskussionen gehören in eine Aufnahmepause. Eine Frage vor laufender Kamera kann sonst als Arbeitsschritt enden.
- Was sollte man beim Aufnehmen unbedingt laut sagen?
- Werte: Einstellungen, Drehmomente, Abstände, Grenzwerte. Das sind die Details, die ein Bild nicht transportiert, und das Erste, was ein Prüfer kontrolliert.