Oldtimer Projekt – Mercedes W123 & Co. restaurieren

Die Idee

Die Suche nach Ersatzteilen für Mercedes-Oldtimer ist eine der grössten Herausforderungen für Liebhaber klassischer Fahrzeuge. Originalteile werden immer seltener, die Kataloge sind über Jahrzehnte gewachsen und oft nur in Papierform verfügbar. Genau hier setzt unser Projekt an: Wir nutzen moderne KI, um die Ersatzteilsuche für Mercedes-Oldtimer zu revolutionieren.

Wie funktioniert es?

Unser System kombiniert mehrere KI-Technologien zu einer leistungsstarken Suchmaschine für Oldtimer-Ersatzteile:

• OCR & Texterkennung: Historische Ersatzteilkataloge, Reparaturhandbücher und Preislisten werden eingescannt und per KI in durchsuchbare Texte umgewandelt. Selbst handschriftliche Notizen und verblasste Aufdrucke werden erkannt.
• Semantische Suche: Statt nach exakten Teilenummern zu suchen, versteht die KI die Beschreibung des benötigten Teils. "Der linke Scheinwerfer für einen W123 Baujahr 1984" findet das richtige Teil, auch wenn der Nutzer die genaue Nummer nicht kennt.
• Bilderkennung: Nutzer können ein Foto des defekten Teils hochladen. Die KI erkennt das Bauteil und schlägt passende Ersatzteile aus der Datenbank vor – auch wenn keine Teilenummer bekannt ist.
• Multi-Source-Aggregation: Die KI durchsucht simultan mehrere Quellen: eigene Datenbanken, Online-Marktplätze (eBay Kleinanzeigen), spezialisierte Händler und Foren. Die Ergebnisse werden nach Relevanz und Preis sortiert.

Warum Mercedes-Oldtimer?

Mercedes-Fahrzeuge der Baureihen W110 ("Fintail"), W108/109, W114/115 ("Strich-Acht"), W116 (S-Klasse), W123 und W124 sind nicht nur Autos – sie sind Kulturdenkmäler. Die Community ist gross, aktiv und leidenschaftlich. Genau diese Community leidet unter der zunehmenden Teilverknappung. Unser Projekt will helfen, diese Fahrzeuge fahrbereit zu halten.

Technologie-Stack

Das Projekt läuft auf unserem Raspberry Pi agentsmithpi (192.168.178.20). Die KI-Modelle werden lokal über Ollama ausgeführt – vollständig kostenlos und datenschutzkonform. Für die Bilderkennung nutzen wir multimodale Modelle, für die Textsuche Embedding-basierte Retrieval-Systeme. Die gesamte Infrastruktur ist auf Effizienz und 24/7-Verfügbarkeit ausgelegt.

Praxiserfahrungen und erste Meilensteine

Phase 1: Datenakquise und Digitalisierung

In der ersten Projektphase stand die Beschaffung und Digitalisierung historischer Unterlagen im Vordergrund. Wir haben über 200 Seiten Original-Microfiche-Kataloge der Baureihen W123 und W124 gescannt und mit massgeschneiderten OCR-Pipelines verarbeitet. Die grösste Herausforderung war die uneinheitliche Formatierung: manche Seiten enthielten handschriftliche Ergänzungen von Werkstattmeistern, andere hatten durch jahrzehntelange Lagerung verblasste Schrift. Unsere KI-Pipeline bewältigte diese Unregelmässigkeiten mit einer Erkennungsrate von über 92 Prozent – ein Wert, der durch iterative Feinabstimmung der Modelle kontinuierlich verbessert wurde. Parallel dazu haben wir eine strukturierte PostgreSQL-Datenbank aufgesetzt, die Teilenummern, alternative Bezeichnungen, Kompatibilitätsdaten und Preisinformationen in einer normalisierten Struktur ablegt.

Phase 2: Das semantische Such-Backend

Nach der Digitalisierung folgte der Aufbau des eigentlichen Suchsystems. Wir verwenden das nomic-embed-text-Modell von Ollama, um sowohl die Ersatzteilbeschreibungen als auch die Suchanfragen der Nutzer in hochdimensionale Vektoren zu transformieren. Diese Embeddings werden in einer lokalen Vektordatenbank gespeichert und ermöglichen eine Cosinus-Ähnlichkeitssuche in Millisekunden. Der Clou: Das System lernt aus jeder Suchanfrage. Wenn ein Nutzer etwa nach "Lima W123" sucht und dann das Ergebnis "Lichtmaschine 55A M110" anklickt, verknüpft das System die umgangssprachliche Abkürzung mit der korrekten Teilenummer. Diese kontinuierliche Verbesserung macht die Suche mit jeder Nutzung präziser.

Herausforderungen und Lösungsansätze

Teileverfügbarkeit in Echtzeit

Eine zentrale Herausforderung ist die volatile Verfügbarkeit von Oldtimer-Ersatzteilen. Ein Chromzierstab für den W114 war gestern noch auf eBay verfügbar und ist heute verkauft. Wir adressieren dieses Problem durch einen mehrstufigen Crawling-Ansatz: Alle 30 Minuten werden gelistete Angebote auf relevanten Plattformen gecrawlt, in unserer Datenbank aktualisiert und bei Veränderungen sofort im Suchindex nachgezogen. Zusätzlich betreiben wir einen Telegram-Bot, der registrierte Nutzer benachrichtigt, sobald ein gesuchtes Teil neu gelistet wird – quasi ein persönlicher Einkaufsassistent für seltene Oldtimer-Teile.

Umgang mit Fälschungen und Nachbauten

Der Markt für Oldtimer-Ersatzteile ist leider auch ein Tummelplatz für Plagiate und mangelhafte Nachbauten. Unsere KI lernt, verdächtige Angebote anhand von Bildqualität, Preisabweichungen und Verkäuferhistorie zu identifizieren. Angebote, die von vertrauenswürdigen Händlern stammen oder durch Community-Bewertungen positiv ausgezeichnet sind, erhalten ein höheres Ranking. Dieses Vertrauens-Scoring ist ein fortlaufendes Projekt, das wir gemeinsam mit der Oldtimer-Community weiterentwickeln.

Zukunftsvision: Der KI-gestützte Oldtimer-Marktplatz

Predictive Maintenance für Oldtimer

Unser langfristiges Ziel geht über die reine Ersatzteilsuche hinaus. Durch Analyse von Wartungsdaten, Fahrleistung und typischen Verschleissmustern wollen wir vorhersagen, wann ein bestimmtes Bauteil ausfallen wird – eine Art Predictive Maintenance für klassische Fahrzeuge. Ein W123-Besitzer würde dann proaktiv informiert: "Ihr Kühlerthermostat hat eine statistische Ausfallwahrscheinlichkeit von 78 Prozent innerhalb der nächsten 5.000 Kilometer. Hier sind drei verfügbare Ersatzteile." Diese vorausschauende Wartung könnte Pannen verhindern und die Fahrzeuge länger auf der Strasse halten.

3D-Druck seltener Kunststoffteile

Viele Mercedes-Oldtimer enthalten Kunststoffteile, die heute nicht mehr produziert werden – von Lüftungsdüsen über Schalterkappen bis zu Zierleistenhaltern. Wir evaluieren den Einsatz von 3D-Druck in Kombination mit unserer KI: Das System könnte anhand von Fotos des Originalteils die CAD-Datei rekonstruieren und direkt an einen 3D-Drucker senden. Erste Tests mit PLA- und PETG-Filamenten verliefen vielversprechend, insbesondere für nicht sicherheitsrelevante Innenraumteile. Die grösste Hürde ist aktuell die Masshaltigkeit und Oberflächenqualität, doch die Technologie entwickelt sich rasant weiter.

Community und Mitmachen

So kannst du beitragen

Das Oldtimer-Projekt lebt vom Engagement der Community. Du kannst auf verschiedene Weise mitwirken: Teile Scans alter Ersatzteilkataloge und Reparaturhandbücher mit uns, damit wir die Datenbank erweitern können. Melde fehlerhafte Zuordnungen, damit die KI dazulernt. Teile dein Wissen in unserem Forum – jeder Hinweis zu kompatiblen Teilen oder versteckten Bezugsquellen hilft der gesamten Community. Und natürlich freuen wir uns über Feedback zur Suchqualität, damit wir das System kontinuierlich verbessern können.

Ausblick

Die nächsten Monate stehen im Zeichen der Skalierung: Wir erweitern die Datenbank auf weitere Mercedes-Baureihen (W126, R107, W201), integrieren zusätzliche Marktplätze und arbeiten an einer benutzerfreundlichen Web-Oberfläche. Langfristig ist eine Öffnung für andere Oldtimer-Marken denkbar – BMW 02er-Serie, Porsche 911 F-Modell oder VW Käfer. Die Technologie ist markenunabhängig, und die Community entscheidet, wohin die Reise geht.

Fazit

Das Oldtimer-Projekt zeigt, wie moderne KI-Technologie klassischen Fahrzeugen zu neuem Leben verhelfen kann. Die Kombination aus Texterkennung, semantischer Suche und Bildanalyse macht die oft mühsame Ersatzteilsuche effizient und zugänglich – für erfahrene Schrauber ebenso wie für Neueinsteiger in die Oldtimer-Welt. Mit dem Ausbau der Predictive-Maintenance-Funktionen und der Integration von 3D-Druck gehen wir den nächsten Schritt in Richtung eines umfassenden digitalen Ökosystems für Oldtimer-Enthusiasten.