Referenzen

Ausgewählte Projekte, die zeigen, wie KI und Automatisierung in unterschiedlichen Branchen wirken. Namen wurden auf Wunsch der Auftraggeber anonymisiert.

Automatisierte Qualitätsprüfung in der Fertigung

Maschinenbau · Mittelstand · Hessen

Ausgangslage

Ein Hersteller von Präzisionsteilen führte die visuelle Endkontrolle manuell durch. Bei steigenden Stückzahlen stieg die Fehlerquote, und erfahrene Prüfer wurden zum Engpass.

Vorgehen

AllCo-Ai installierte Kameras an zwei Produktionslinien und trainierte ein Convolutional Neural Network auf über 12.000 annotierten Bildern. Das System klassifiziert Oberflächenfehler in Echtzeit und markiert auffällige Teile für eine Stichprobenprüfung.

Ergebnis

Die Fehlererkennungsrate stieg von 91 % auf 97,4 %. Die manuelle Prüfzeit pro Schicht sank um 3,5 Stunden. Das System läuft seit 14 Monaten produktiv und wurde auf eine dritte Linie ausgeweitet.

Intelligente Rechnungsverarbeitung im Finanzwesen

Finanzdienstleistung · 120 Mitarbeitende · Frankfurt

Ausgangslage

Die Buchhaltung bearbeitete monatlich über 2.800 Eingangsrechnungen manuell. Positionen wurden abgetippt, Kontierungen vorgeschlagen und Freigaben per E-Mail eingeholt — ein zeitaufwändiger Prozess mit hoher Fehleranfälligkeit.

Vorgehen

Wir entwickelten eine Pipeline zur OCR-Extraktion, semantischen Zuordnung von Positionen zu Sachkonten und regelbasierten Freigabe-Workflows. Ausnahmefälle werden automatisch an die zuständigen Sachbearbeiter weitergeleitet.

Ergebnis

78 % der Rechnungen werden vollautomatisch verarbeitet. Die durchschnittliche Bearbeitungszeit pro Rechnung sank von 8,2 auf 1,4 Minuten. Die Fehlerquote bei Kontierungen reduzierte sich um 62 %.

Prognosemodell für Lagerbestände

Großhandel · Lebensmittel · Süddeutschland

Ausgangslage

Ein Lebensmittelgroßhändler kalkulierte Bestellmengen primär auf Basis historischer Durchschnittswerte. Saisonale Schwankungen und kurzfristige Nachfragespitzen führten regelmäßig zu Überbeständen oder Fehlmengen.

Vorgehen

AllCo-Ai baute ein Zeitreihenmodell auf Basis von drei Jahren Absatzdaten, Wetterinformationen und Kalenderereignissen. Das Modell liefert tägliche Bestellempfehlungen für 340 Artikelgruppen und integriert sich in das bestehende ERP-System.

Ergebnis

Überbestände sanken um 23 %, Fehlmengen um 31 %. Der Einkauf konnte zwei Vollzeitstellen in analytische Aufgaben umwidmen statt manueller Kalkulation.

Schadenklassifikation in der Versicherung

Versicherung · Schadenbearbeitung · Rhein-Main

Ausgangslage

Bei eingehenden Schadenmeldungen mussten Sachbearbeiter Fotos, Gutachten und Freitextbeschreibungen manuell kategorisieren, um den Fall der richtigen Abteilung zuzuordnen. Die durchschnittliche Eingangszeit betrug 45 Minuten pro Vorgang.

Vorgehen

Wir trainierten ein multimodales Klassifikationsmodell auf Text- und Bilddaten historischer Schadenfälle. Das System schlägt Kategorie, Dringlichkeit und zuständige Abteilung vor — der Sachbearbeiter bestätigt oder korrigiert.

Ergebnis

Die Klassifikationsgenauigkeit liegt bei 94,1 %. Die Eingangszeit pro Vorgang sank auf 12 Minuten. In der Spitzenzeit nach Unwetterereignissen konnte die Bearbeitungskapazität ohne zusätzliches Personal um 40 % gesteigert werden.

Ähnliche Herausforderung?

Erzählen Sie uns von Ihrem Anwendungsfall — wir prüfen, ob und wie wir helfen können.

Projekt besprechen