KI-Automatisierung für Produktionsbetriebe

Das hängt vom Anwendungsfall ab, und wir messen es, bevor etwas live geht. Bei Klassifikation eingehender Nachrichten liegen gut gebaute Systeme regelmäßig über neunzig Prozent. Entscheidend ist nicht die Quote allein, sondern was bei einem Fehler passiert — deshalb bauen wir immer eine Prüfschwelle ein.

Nein. Anders als beim klassischen maschinellen Lernen reichen für die meisten Anwendungsfälle ein paar Dutzend gute Beispiele, weil das Sprachmodell die Sprachkompetenz schon mitbringt.

Das ist der einzige sinnvolle Weg. Ein Anwendungsfall, acht Wochen, messbares Ergebnis. Was danach kommt, entscheidet ihr auf Basis dessen, was ihr gesehen habt.

Die meisten betrieblichen Anwendungsfälle fallen in die Kategorie mit geringem Risiko und lösen vor allem Transparenzpflichten aus. Wo Kunden direkt mit dem System sprechen oder KI-generierte Inhalte veröffentlicht werden, kennzeichnen wir das. Bei Anwendungen im Personalbereich schauen wir genauer hin, dort gelten strengere Regeln.

Nein. Wir nutzen ausschließlich Zugänge, bei denen Training mit Kundendaten vertraglich ausgeschlossen ist, und verarbeiten in der EU. Bei besonders sensiblen Daten setzen wir Modelle ein, die auf eurer eigenen Infrastruktur laufen.

Ja. Der größte Teil der Verluste entsteht nicht an der Maschine, sondern zwischen den Systemen — Auftragsdaten, Rückmeldungen, Versandinformationen. Das lässt sich unabhängig vom Maschinenpark verbessern.

Für viele gibt es Nachrüstlösungen zur Erfassung von Laufzeit und Stillstand. Ob sich das rechnet, hängt vom Engpass ab — wenn die Maschine nicht der Engpass ist, bringt die Erfassung wenig.

Das hängt an drei Zahlen: wie oft der betroffene Ablauf vorkommt, wie lange er dauert und was eine Stunde bei euch kostet. Bei Produktionsbetrieben ist der Ansatzpunkt meist Datenübergabe zwischen ERP, Fertigung und Versand. Wir rechnen das vor dem Angebot mit euren Zahlen durch — und sagen es, wenn es sich nicht lohnt.