*Alle Beispiele sind Fälle unserer Kunden, die wir anonymisiert haben.
Prozessoptimierung – wenn Ihnen die Daten über dem Kopf zusammenbrechen
Herausforderung
Ein Kunde aus dem Finanzbereich verfügt über viele Tausend Personen- und Adressdaten. Seine Aufgabe: prüfen, ob alles stimmt. Dafür nutzten seine Sachbearbeiter bislang Excel-Tabellen, womit sie aufgrund der Datenmenge allmählich an ihre Grenzen stießen. Das Team war von der Masse überfordert, neue Fehler schlichen sich ein. Der Prozess drohte, den gesamten Workflow zu behindern.
Lösung
Für einen höheren Durchsatz, also die Verarbeitung von Daten innerhalb eines bestimmten Zeitraums, entwickelten und implementierten wir einen softwaregestützten Prozess. Damit lief der Prüfprozess ab sofort komplett maschinell. Sämtliche Fehler wurden innerhalb kurzer Zeit auf einem intuitiven Webinterface angezeigt. Die Sachbearbeiter behoben diese Fehler dann schnell und zielsicher. Was das am Ende an Einsparungen brachte, ließ sich buchhalterisch klar nachweisen.
Crawling – für zuverlässige, maschinelle Auftragsrecherche
Herausforderung
Ein Kunde aus der Baubranche war auf der Suche nach Aufträgen. Um sich die nötige Zahl an Bauausschreibungen anzusehen und zu beurteilen, fehlte es jedoch an Zeit und der Wettbewerber war möglicherweise schon einen Schritt voraus.
Lösung
Wir entwickelten einen Crawler, der im Internet täglich relevante Quellen absucht und sämtliche Ausschreibungen abspeichert. Über Filter und selbstlernende Algorithmen wählt das Programm von nun an die besten Ausschreibungen aus und zeigt sie dem Vertriebsspezialisten in einer modernen Ansicht an. Ein klarer Vorteil, der den Wettbewerb weit hinter sich lässt.
Process Mining – kleiner Aufwand, große Erleichterung
Herausforderung
Ein Maschinenbauunternehmen verließ sich über einen Zeitraum von 20 Jahren auf seine App, die täglich hunderte Maschinen überwachte und dabei eine halbe Million Messwerte verarbeitete. Schließlich lief der Support aus und die App konnte nicht mehr weiterentwickelt werden. Wenn die App ausfällt, können nicht nur die Maschinen nicht mehr überwacht werden; im Zeitalter von Predictive Maintenance verliert das Unternehmen die Grundlage für eine intakte Datenlage und damit die wertvollste Ressource für vorbeugende Instandhaltungsstrategien.
Lösung
Wir entwickelten das bestehende System schrittweise neu und implementierten eine Webanwendung, die problemlos große Datenmengen verarbeitet und visualisiert. Die App baut zum Einstieg initial auf dem System auf und wird es zukünftig komplett modernisieren und damit ablösen. So konnte das Unternehmen als zunächst technischer Nachzügler auf die Überholspur ins digitale Zeitalter wechseln.
Dashboards – Aufgaben und finanziellen Nutzen im Blick
Herausforderung
Der CFO eines mittelständischen Unternehmens wusste, dass es eine Vertriebs-, Marketing- und Bestandskundenabteilung gab. Er war jedoch nicht genau darüber im Bilde, was die jeweiligen Teams eigentlich tun und wie das Ganze konkret zum Geschäftserfolg beiträgt.
Lösung
Wir entwickelten ein Dashboard, das auf alle verfügbaren Datenquellen, wie CRM-System, Website, Online-Werbung und Umsatzdaten zugreift. Es kann diese visualisieren und in Zusammenhang setzen. Damit repräsentiert es alle wichtigen Aktivitäten sämtlicher Abteilungen in Echtzeit und kann finanzielle Vergleiche anstellen.
Human in the Loop – Mensch und Maschine arbeiten Hand in Hand
Herausforderung
Ein Versicherungsunternehmen erhielt täglich bis zu 5000 standardisierte Dokumente, die abgetippt werden mussten. Man versuchte es mit automatisierter Texterkennung. Dieses Vorgehen dauerte am Ende aber länger, da viele Texte trotzdem noch nachbearbeitet werden mussten.
Lösung
Die Antwort lautete Machine Learning. Wir konnten ein System etablieren, dass die Struktur der Dokumente maschinell erkennt und den Text extrahiert, um ihn dann zu verarbeiten. Es kann dann quasi selbst entscheiden, an welcher Stelle ein Sachbearbeiter noch einmal die Richtigkeit überprüfen muss. Damit lernt das System dann fürs nächste Mal und der Prozess wird immer automatisierter.
KI–Recommender – die Maschine empfiehlt
Herausforderung
Die Sales-Abteilung einer B2B-Software-Firma verfügte über eine breite Palette an Produkten. Bei der großen Auswahl fiel es den Vertriebsmitarbeitern schwer, die richtigen Produkte für das Upselling zu empfehlen, welches dadurch natürlich beeinträchtigt wurde.
Lösung
Wir stellten jedem Vertriebsmitarbeiter seinen persönlichen Berater in Form eines KI-basierten Recommendation-Systems zur Seite, das alle verfügbaren Daten über Kunden und Produkte verarbeiten kann und ihnen das passende Produkt für jeden Kunden vorschlägt. Hier verbarg sich enormes Potenzial für die Upselling-Quote, die mit dieser Maßnahme signifikant stieg.
