Generative AI: Vom Use Case zum Erfolgsprojekt
Wie Sie Herausforderungen mithilfe von Generative AI lösen.

Künstliche Intelligenz: Use Cases für den erfolgreichen Einsatz

Es ist längst mehr als ein Hype: Künstliche Intelligenz, insbesondere Generative KI (engl. GenAI) entwickelt sich in rasanter Geschwindigkeit weiter. Während die Möglichkeiten täglich steigen, müssen Unternehmen strategische Entscheidungskompetenz zeigen: Es gilt, genau die GenAI Projekte auszuwählen, die sowohl einen Business Value haben sowie Herausforderungen hinsichtlich Datenschutz, Kosten und Aufwand standhalten.

Über Fachbereiche und Branchen hinweg bringen wir GenAI für unterschiedliche Anwendungsfälle in den Einsatz. Entdecken Sie auf dieser Seite aktuelle Projekte, die wir für Kunden oder intern bereits umgesetzt haben. Lassen Sie sich inspirieren, bei welchen Herausforderungen GenAI konkrete Lösungen liefern kann.

Generative AI einsetzen: In 5 Schritten zu Ihrem Use Case 

 

Download

Welche Herausforderung treibt Sie um?

INHOUSE GPT

GPT im eigenen Unternehmen einsetzen

Details

 

Herausforderungen

Wer KI im eigenen Unternehmen einsetzen möchte, steht vor vielen Herausforderungen:

 

Schutz sensibler Daten gewährleisten

GPT auf Bedürfnisse des Unternehmens anpassen

Kostenbewusst agieren

 

Lösung

Mit einer eigenen KI-Corporate-Lösung inkl. Infrastruktur können sich Unternehmen datenschutzkonform, kostenbewusst und unabhängig von Diensleistern aufstellen.

Durch Kombination einer Open-Source-Chat-Lösung mit einem RAG-Setup (KI gestützte Wissensdatenbank) sowie Tool/Agenten-Erweiterungen mit Anbindung der aktuell besten LLM-Systeme, schaffen wir die ideale Grundlage für ein unternehmenseigenes GPT-Setup.

 

Mehrwert

  • Unabhängigkeit gegenüber der klassischen ChatGPT-Lösung von OpenAI

  • Kosteneinsparung: Pay-As-You-Go und keine mtl. Abo-Gebühren bei Nicht-Nutzung

  • Datenschutzkonforme Lösung: Services laufen inHouse bzw. LLMs in eigenem Netzwerk (Azure, AWS, GCP, ..)

  • Single-Sign-On mit Anbindung des zentralen Benutzerdiensts

  • Erweiterbarkeit/Integration über serverseitige Plugins und ggf. Assistants/GPTs

KI-Wissensmanagement

Unternehmenswissen zugänglich machen

Details

 

Herausforderungen

In einer Welt, die sich ständig weiterentwickelt und in das Wissen exponentiell wächst, stehen Unternehmen vor der Herausforderung, dieses Wissen effizient zu organisieren.

 

Schnell die passenden Inhalte im Unternehmen suchen und finden

Wissen aktuell halten

Intuitive und personalisierte Nutzererlebnisse zu schaffen

 

Lösung

Mit dem AI Insight Hub haben wir ein Tool für KI-gestütztes Wissensmanagement entwickelt. Per Browser-Plugin wird eine Suchleiste eingeblendet und ermöglicht direkten Zugang zu Ihrem Wissen. Die KI unterstützt bei der personalisierten Suche und schneidet die Antworten auf die Bedürfnisse des Nutzers zu. Die Lösung kann dabei in verschiedenen Cloud/ onPremise-Setups installiert werden.

 

Mehrwert

  • Zentraler Zugriff auf Unternehmens-Wissen
  • Leistungsstarke Suchfunktionen mit persönlichem Kontext für den Suchenden: Inhalte und Ansprechpartner werden nach persönlichen Kontext des Nutzers (Region, Rolle, Fähigkeiten) individuell zur Verfügung gestellt
  • Nahtlose Integration in bestehende Dokumentations- und Austausch-Systeme
  • Kostentransparent durch Pay-per-Use-Kostenmodell
  • Sicherheit und Datenschutz gewährleistet

AI Code Review

Codequalität verbessern

Details

 

Herausforderungen

Code-Reviews sind im Entwicklungsprozess ein notwendiger und sinnvoller Arbeitsschritt, um die Codebasis in einem Produkt/Service gemeinsam im Team qualifiziert zu entwickeln.

 

Qualifizierte Code-Reviews sind zeitintensiv 

Anforderungen an Security, Wartbarkeit, Performance, Design/UX  

Aus Zeitmangel kommt es in Dev-Teams zu Bottlenecks

 

Lösung

Der Code-Reviewer ist ein automatisiertes Tool, mit dem Ziel, Merge Requests (MRs) auf GitLab umfassend zu überprüfen.

  • Code-Reviews in definierten Bereichen wie z.B. Security, Wartbarkeit, Performance, UX, Design-Patterns, Code-Style-Guidelines mit einer Approval-Empfehlung
  • Die Lösung unterstützt dabei die Code-Qualitätssicherung, ersetzt diesen Arbeitsschritt nicht.
  • Integration in Pipelines kann je nach Kundenumgebung mit verschiedenen Optionen erfolgen

 

Mehrwert

  • Gesteigerte Effizienz im Entwicklungs-Prozess

  • Hohe Code-Qualität durch eine automatisierte, regelmäßige Review-Prozesse

Campaign Generator

Automatisiert Marketing-Content erstellen

Details

 

Herausforderungen

Das Erstellen von Marketing-Kampagnen und zielgruppengerechten Content ist zeit- und ressourcenaufwendig.

 

Pains & Gains der Zielgruppe oft recherchebedürftig

Kampagnen-Assets müssen genau auf das Thema und Zielgruppe abgestimmt sein

Oft werden Agenturen beauftragt, die mit hohen Kosten verbunden sind

 

Lösung

Mit dem AI Campaign Generator werden automatisiert Kampagneninhalte erstellt:

  • Content-Erstellung unter Einbezug der Bedürfnisse der Zielgruppe sowie der Brand Guidelines: Landingpages, Posts, Ad Copies uvm.
  • Low-Code-Tool: Einfache Bedienung, es sind keine Entwickler-Kenntnisse notwendig

  • Features: Internetsuche, GPT-Nutzung, Möglichkeit eigene Ressourcen (z.B. Leistungsportfolio) zu hinterlegen

 

 

Mehrwert

  • Zeit- und Ressourcen-Ersparnis

  • Mehr Kampagnen in kürzerer Zeit

  • Effiziente Content-Erstellung auf Knopf-Druck

LinkedIn Crawling Assistant

LinkedIn Konkurrenz beobachten

Details

 

Herausforderungen

LinkedIn ist eine der wichtigsten Plattformen, um B2B-Kunden zu erreichen. Die Inhalte auf der Plattform bieten wertvolle Insights dazu, was den Markt bewegt.

 

Monitoring von Themen & Trends

Kanäle der Wettbewerber jederzeit im Blick behalten

Überblick über schnelllebige Informationen 

 

Lösung

Mit GenAI wurde eine Anwendung geschaffen, die öffentlich zugängliche Social-Media-Inhalte von z.B. Wettbewerbern analysiert. Die Anwendung ist nutzerfreundlich und ohne Fachwissen nutzbar, z.B. als in Microsoft Teams eingebundener Chatbot. 

 

Mehrwert

  • Umfassender Überblick über LinkedIn-Aktivitäten der Wettbewerber

  • Insights in Sekundenschnelle ohne Rechercheaufwand

  • Interaktion mit den Inhalten über ein nutzerfreundliches Chat-Interface

  • Es wird keine spezielle Software oder weitere Tools benötigt

qbs.ai

Strategie-Beratung automatisieren

Details

 

Herausforderungen

In der frühen strategischen Beratungsphase stehen Consultans häufig vor mehreren Herausforderungen:

 

Markt, Innovationen und Trends müssen umfassend recherchiert werden

Hoher manueller Zeitaufwand für Recherche

Kostenintensive Phase für Beratung und Kunde

 

Lösung

Mit qbs.ai ist ein Service entstanden, der Strategie-Recherchen automatisiert. Die Anwendung hilft Unternehmen, die für sie relevantesten unternehmerischen Potenziale zu identifizieren und auszubauen.

  • Basiert auf dem Wissen von GPT-4 und generiert automatisiert Antworten, die zu den ausgewählten Filterkriterien (z.B. Branche oder Strategie) passen

  • Inkl. agentenbasierter Internetrecherche für aktuelle, weiterführende Links

  • UX-optimierte Webapp mit detailliert ausgearbeitetem responsivem UX-Konzept

 

Mehrwert

  • Effizienz und Kosteneinsparung in der frühen strategischen Phase​

  • Automatisierte Verarbeitung und Bereitstellung einer KI-generierten Wissensdatenbank für weiterführende Auswertungen​

  • Intuitive App führt KI Know-How, exzellentes Software Engineering und UI-Expertise zusammen

Fashion Assistant

Beratung beim Online-Shopping

Details

 

Herausforderungen

Breuninger ist ein Einzelhandelsunternehmen für Mode und Lifestyle im Premium- und Luxussegment in Deutschland. Um gute Kundenbetreuung und fachkundige Beratung vom stationären Handel in seine Online-Vertriebskanäle zu übertragen, sucht das Unternehmen nach neuen Möglichkeiten, seinen Kund*innen hochwertige und personalisierte Nutzererlebnisse zu bieten.

 

Der Trend geht zum Online-Shopping

Der Einzelhandel muss seine digitalen Vertriebskanäle ausbauen

Sinkende Kundenzufriedenheit, da fehlende persönliche Beratung

 

Lösung

Für Breuninger haben wir einen KI-basierten Shopping-Assistenten entwickelt.

  • Kund:innen können sich beim Online-Einkauf per Chat beraten lassen
  • Suche und Auswahl der Produkte lassen sich so optimieren
  • Produktkombinationen finden, die dem Kunden als Outfit-Vorschlag präsentiert werden

Mit einem schnellen Proof of Concept schafft das Projektteam die Basis für den Einsatz von Large Language Models (LLM) im Unternehmen.

 

Mehrwert

  • Personalisierte Beratung: Der digitale Shopping-Assistent kann auf die individuellen Wünsche der Benutzer:innen eingehen, um maßgeschneiderte Empfehlungen zu geben.
  • Zeitersparnis: Durch die effiziente Produktsuche und -auswahl erleichtert der Assistent den Online-Shopping-Prozess, was zu einer Zeitersparnis führt.
  • Stärkung der Kundenbindung: Durch die personalisierte User Experience und kontinuierliche Interaktion kann der digitale Shopping-Assistent die Kundenbindung in den digitalen Vertriebskanälen stärken.
  • Innovative Technologie: Die von iteratec entwickelte Lösung liefert einen Proof of Concept für den Einsatz von LLMs im Unternehmen.

NutriScan

Inhaltsstoffe bei Lebensmitteln verstehen

Details

 

Herausforderungen

Die Auswahl an Produkten im Lebensmittelhandel steigt an, und damit auch die Herausforderungen beim Einkauf:

 

Lebensmittel werden immer stärker verarbeitet und mit Zusatzstoffen versehen

Die Einordnung von Inhaltsstoffen fällt den meisten Kunden schwer

Gesunde und nachhaltige Lebensmittel sollen schnell identifiziert werden können

 

Lösung

Mit der “NutriScan Mobile App” können Etiketten von Lebensmitteln fotografiert werden, um die wichtigsten Infos zu den Inhaltsstoffen inkl. Konsumempfehlung zu erhalten.

  • Bildaufnahmen werden in eine strukturierte Informationsdarstellung gebracht
  • Über KI-Modelle werden diese analysiert, klassifiziert und bewertet
  • Verständliche Aufbereitung in einer Mobile-App-Lösung mit Konsumempfehlung, Risikobewertung und einer Detail-Ansicht der Zutaten und Nährwertinformationen.

 

Mehrwert

  • Klare und verständliche Risikobewertungen mit Konsumempfehlungen

  • Etiketten können schnell und einfach mit dem Handy abfotografiert werden

  • Mobile Lösung mit direkter Empfehlung beim Einkauf

LLM Scientist

Neuartige Materialien finden ohne Fachkenntnisse

Details

 

Herausforderungen

Die Erforschung neuer Materialien, wie z.B. Betonrezepturen, ist nicht nur zeitintensiv sondern auch umweltbelastend:

 

 

Die Betonindustrie trägt zu 8% des globalen CO2 Ausstoßes bei.

Umweltfreundlichere Alternativen zu finden ist zeit- und kostspielig.

Beton-Entwicklung erforderte spezielle Fachkenntnisse

 

Lösung

Mit der Anwendung SLAMD lassen sich bei der Rezeptur-Forschung Kosten und Zeit einsparen.

  • Machine Learning & GenAI helfen dabei, qualitative Vorhersagen für vielversprechende Betonrezepturen zu treffen

  • Mittel Chatoberfläche in SLAMD wird der Nutzer intuitiv und ohne Fachkenntnisse durch den Prozess geleitet

  • Kosten-und lizenzfreies Open-Source-Tool für Forschung und Industrie

 

SLAMD Explained: AI-Powered Sustainable Materials Design (4:31)

 

Mehrwert

  • Schneller und günstiger zu umweltfreundlicherem Beton

  • Intuitive und vereinfachte Nutzerführung durch Chat in natürlicher Sprache

  • Prototyp für eine Vielzahl weiterer Anwendungsfälle in Bereichen wie Materialwissenschaften, Chemie und Produktion

Ihr Ansprechpartner

Sie haben ein konkretes Anliegen oder Fragen zum Einsatz von GenAI in Ihrem Unternehmen? Buchen Sie sich gerne einen Gesprächstermin.

Jens Werschmöller, Lead Generative AI-Team

Jetzt Termin vereinbaren