Ausgewählte Projekte aus Fertigung, Automotive, Versorgung und öffentlichem Sektor – jeweils mit einer konkreten Herausforderung und einem messbaren Ergebnis.
Automatisiertes Power-BI-Reporting zur Händlerleistung
Berichte, die sich selbst erstellen und versenden
Unternehmensweite Reporting-Architektur
Datenanalyse & Reporting
Herausforderung: Interne Systeme und externe Quellen wie Lieferanten und Social Media lieferten widersprüchliche Zahlen. Das Management benötigte eine verlässliche Datenbasis für das Reporting.
Lösung: Eine mehrschichtige Reporting-Architektur: Eine Harmonisierungsschicht speist ein zentrales Data Warehouse, das eine Power-BI-Präsentationsschicht bedient. Ein Datenkatalog mit KPI-Definitionen und Harmonisierungsregeln steuert die Datenqualität.
So funktioniert es:
- Quellen
Interne Systeme (1–n) und externe Quellen (Lieferanten, Social Media)
- Harmonisierungsschicht
Mapping-Tabellen übersetzen Quellcodes in gemeinsame Definitionen
- Data Warehouse
Zentraler, konsistenter Speicher für alle Reporting-Daten
- Präsentationsschicht
Power-BI-Berichte und -Dashboards
- Governance
Datenkatalog als „Regelwerk“: Datenbestände, KPI-Definitionen, Harmonisierungsregeln, Mapping-Tabelle
Ergebnisse:
Daten sind korrekt und vollständig
Daten sind verfügbar, wenn Entscheidungen fallen
Daten sind über alle Berichte hinweg konsistent
Technologien: Data Warehouse, Power BI, Datenkatalog
Schnellere Datenbereitstellung mit KI-gestütztem Engineering
KI-Lösungen & Befähigung
Herausforderung: Häufige Änderungen an Datenpipelines, Transformationsregeln und Geschäftslogik bremsen die Umsetzung. Übernommenen Code zu verstehen, Fehler zu beheben und Dokumentation aktuell zu halten, kostet zusätzlich wertvolle Engineering-Zeit.
Unser Ansatz: Bestehende Notebooks, SQL und Transformationslogik werden KI-gestützt analysiert; wiederkehrende Workflow- und ETL-Änderungen beschleunigt; Debugging, Ursachenanalyse und Dokumentation unterstützt. Validierung, Tests und Freigabe bleiben in der Verantwortung der Engineers.
Grundsatz: KI unterstützt die Umsetzung; die Verantwortung für Qualität und Freigabe bleibt bei den Engineers.
So funktioniert es:
Änderungsanforderung
KI-Analyse von Notebooks, SQL und Abhängigkeiten
KI-gestützter Entwurf der ETL- und Logikänderungen
Validierung und Tests durch Engineers
Release
Ergebnisse:
- 70 % schnellere Workflow-Anpassungen
60 Databricks-Workflow-Änderungen: von 5 auf 1,5 Tage
- 50 % schnellere Dokumentation
technische Dokumentation: von 4 auf 2 Stunden
- 50 % schnellere Logikanalyse
Rückverfolgung der Geschäftslogik: von 3 auf 1,5 Tage
Technologien: Databricks, Databricks Genie AI, SQL, Python, GitHub Copilot
KI-gestützte Power-BI-Entwicklung mit GitHub Copilot
KI-Lösungen & Befähigung
Herausforderung: Das Reporting entwickelt sich ständig weiter. Änderungen an semantischen Modellen, DAX-Measures, Berichtsseiten, Filtern und Dokumentation machen jede Iteration langsam und erhöhen das Risiko von Inkonsistenzen.
Unser Ansatz: GitHub Copilot wird mit Power-BI-Projektdateien (PBIP) eingesetzt, um Berichts- und Modellstruktur zu verstehen; DAX-, Power-Query- und Modelländerungen werden entworfen und verfeinert; Berichtsseiten, Visuals, Filter und Dokumentation werden KI-gestützt angepasst; Berechnungen, Daten, Benutzerfreundlichkeit und Berechtigungen werden vor dem Release validiert.
Grundsatz: GitHub Copilot beschleunigt die Erstellung; Power-BI-Spezialisten verantworten Design, Validierung und Freigabe.
So funktioniert es:
Fachliche Anforderung
GitHub Copilot auf Power-BI-Projektdateien
Modell- und DAX-Änderungen
Berichts- und UX-Anpassungen
Validierung und Freigabe durch Entwickler
Ergebnisse:
- Schnellere Iteration
kürzerer Weg von der Änderungsanfrage zum prüffähigen Bericht
- Konsistente Umsetzung
wiederverwendbare Standards für Measures, Visuals und Dokumentation
- Kontrollierte Freigabe
menschliche Prüfung von Daten, Logik, Sicherheit und Benutzererlebnis
Technologien: Power BI (PBIP-Projektdateien), DAX, Power Query, GitHub Copilot, Git
Supplier Hub: lauffähige Lösung in drei Tagen
Anwendungsentwicklung
Herausforderung: Lieferanteninformationen waren über mehrere Quellen verteilt und wurden manuell bearbeitet. Die Fachbereiche brauchten einen klaren, praktischen Zugang zu den Daten und eine schnelle Validierung des Prozesses.
Was wir geliefert haben: Wir haben die Anforderung in einen fokussierten Anwendungsfall und Nutzerfluss übersetzt, an einem Tag einen KI-gestützten Prototyp der Webanwendung erstellt, Daten angebunden und die zentrale Geschäftslogik umgesetzt und die Lösung mit den Stakeholdern validiert – eine lauffähige Lösung in drei Tagen.
Funktionen: Lieferantenübersicht mit offenen Anfragen, Onboarding, aktiven Lieferanten und offenen Punkten; Lieferanten-Lebenszyklus von der Anfrage bis zum aktiven Lieferanten; Lieferantenverzeichnis, Verträge und Kataloge.
So funktioniert es:
Fachliche Anforderung
Klickbarer Prototyp in 1 Tag
Datenanbindung und Geschäftslogik
Validierung mit Stakeholdern
Lauffähige Lösung
Ergebnisse:
- 1 Tag
interaktiver Prototyp für frühes Stakeholder-Feedback
- 3 Tage
lauffähige Lösung mit Oberfläche, Datenanbindung und Geschäftslogik
- KI + Mensch
KI beschleunigte die Umsetzung; Fachleute validierten die Lösung
Technologien: KI-gestützte Entwicklung, Webanwendung
GenAI-Wissensassistent für ein Fertigungsunternehmen
KI-Lösungen & Befähigung
Kunde & Anforderung: Ein Fertigungsunternehmen, das KI-gestützte Plattformen für Wissensmanagement, Zusammenarbeit und Automatisierung nutzt. Ziel: sicherer Zugriff auf Unternehmensdaten, automatisierte Workflows über Microsoft 365 und datenbasierte Entscheidungen.
Herausforderungen: Über Systeme verteilte Daten machten den Zugriff langsam und ineffizient; die Nachvollziehbarkeit war ohne klare Quellen eingeschränkt; Sicherheitsvorgaben schlossen generische KI-Tools aus; viele Werkzeuge führten zu Kontext- und Produktivitätsverlust.
Lösung: GenAI-gestützte Wissenssuche in natürlicher Sprache über alle Unternehmensdaten; eine Dialogoberfläche für die Arbeit mit Microsoft 365; Sicherheit auf Unternehmensniveau für eine regelkonforme KI-Nutzung; integrierte Quellenangaben für Transparenz und Vertrauen.
So funktioniert es:
- Nutzer
Mitarbeitende stellen Fragen in natürlicher Sprache
- Chat-Oberfläche
eine zentrale Dialogoberfläche
- Backend & Kontext
ruft relevante Unternehmensinhalte ab (RAG) und bereitet den Kontext auf
- Unternehmensdaten · Microsoft 365
Dokumente, Seiten und Daten, die der Nutzer sehen darf
- LLM-Schicht · Azure OpenAI
erzeugt die Antwort mit Quellenangaben
- Zugriffskontrolle
Azure-Tenant, Berechtigungen und Audit-Trail über den gesamten Ablauf
Ergebnisse:
- 65–75 %
Effizienzgewinn: schnellere Dokumentensuche und Antwortzeit
- 40 %
Produktivität: weniger manueller Aufwand, schnellere Umsetzung
- 100 %
sicher: prüfbare Entscheidungsunterstützung
Technologien: Azure OpenAI, Microsoft 365, Azure, Python, FastAPI, RAG
Management-Dashboard für den Betrieb
Datenanalyse & Reporting
Zweck: Eine Management-Momentaufnahme der Quartalsleistung über alle Funktionsbereiche: Lieferungen, Auftragsbestand und Bestand in einer Ansicht.
Welche Fragen es beantwortet: Wie viel wurde in diesem Quartal geliefert und was ist noch offen; welcher Umsatz ist gefährdet und was wurde geliefert; Liefertreue gegenüber Plan (geplantes Datum versus Kundenwunschtermin).
Nutzen für das Management: Verknüpft operatives Volumen, Umsatzwirkung und Bestandsposition – Umsetzungslücken werden sichtbar und Prioritäten schneller gesetzt.
So funktioniert es:
- Filter
Produkttyp, Lager, Funktionsbereich, Produktmodell, Kanal, Kunde, Zeitraum
- Lieferungen & Bedarf
Quartalsprognose vs. Ist, Auftragsbestand, Bedarf
- Servicegrad
Kundenwunschtermin eingehalten, Standardlieferzeit eingehalten, gegenüber einem Ziel von 90 %
- Geschäftsleistung
Auftragseingang, Umsatz und Auftragsbestand, Quartals- und Jahres-Ist
- Bestand
Rohmaterial, Work in Progress, Fertigware, unterwegs
- Währung
Umschaltung zwischen € und $
Ergebnisse:
Lieferungen, Auftragsbestand, Servicegrad, Geschäftsleistung und Bestand auf einer Seite
Umsetzungslücken auf einen Blick sichtbar
Schnellere Priorisierung in Quartalsreviews
Technologien: Power BI
Kundenfeedback-Analyse auf der Microsoft Power Platform
Prozessberatung & Automatisierung
Herausforderung: Kundenfeedback wurde manuell über mehrere Kanäle gesammelt und in uneinheitlichen Formaten wie Excel abgelegt. Die Auswertung war langsam, lückenhaft und schwer umsetzbar.
Lösung: Ein System auf Basis der Power Platform, das Feedback aus allen Kanälen zentralisiert, in modellgesteuerten Anwendungen strukturiert und in Power BI auswertet – für datenbasierte Entscheidungen und die kontinuierliche Verbesserung von Produkten und Services.
So funktioniert es:
Kanäle: WhatsApp, Social Media, E-Mail, SMS und Telefon
Automatisierte Zusammenführung mit Power Automate
Strukturierte Feedback-Datensätze in modellgesteuerten Apps (Dynamics 365 / Power Apps)
Analyse und Reporting in Power BI
Ergebnisse:
- ca. 30 Std. pro Woche
eingespart durch automatisierte Zusammenführung aller Kanäle
- Eine Sicht
auf alle Kundeneinblicke für bestmöglichen Service
- Schnellere Reaktion
höhere Servicequalität bei neuen Kundenbedürfnissen
Technologien: Microsoft Dynamics 365, Power Apps, Power Automate, Power BI
AquaPredict: Wasserbedarfsprognose für 14 Tage für Kommunen
Bedarfsprognose & Planung
Zweck: AquaPredict nutzt historischen Wasserbedarf und Wetterprognosen, um den kommunalen Wasserbedarf 14 Tage im Voraus vorherzusagen.
Umfang: Historische tägliche Verbrauchsdaten und Wetterprognosen werden automatisch im Prognosemodell verarbeitet. Die Ergebnisse erscheinen im Dashboard und werden per E-Mail-Alarm versendet.
So funktioniert es:
- Historische Bedarfsdaten
täglicher Wasserbedarf für das Modelltraining
- Integration von Wetterprognosen
Temperatur- und Prognosedaten automatisch eingebunden
- Bedarfsprognose für 14 Tage
Prognose 14 Tage im Voraus
- Schwellenwert-Überwachung
Prognose wird mit definierten Bedarfsgrenzen verglichen
- E-Mail-Alarme
automatische Prognoseberichte und Frühwarnungen
- Dashboard & Analysen
Prognose, Trends und Alarme in einer Ansicht
Ergebnisse:
14 Tage Sicht auf den erwarteten Wasserbedarf
Frühwarnung bei erhöhtem oder kritischem Bedarf
Bessere Planung mit weniger manueller Überwachung
Technologien: Python, Machine-Learning-Prognosemodell, Wetterdaten-API, Dashboard, E-Mail-Alarmierung
Plattform für den Digitalen Produktpass
Digitaler Produktpass
Zweck: Wir unterstützen Unternehmen dabei, Digitale Produktpässe zu erstellen und zu verwalten, um EU-Vorgaben (ESPR) zu erfüllen und die Kreislaufwirtschaft voranzubringen.
Herausforderung: Neue EU-Vorgaben verlangen transparente Produktdaten; Produktinformationen sind über Systeme verteilt; Datensammlung und Passerstellung sind manuell und zeitaufwendig; Lebenszyklus, Umweltwirkung und Nachhaltigkeit sind schwer nachzuverfolgen.
So funktioniert es:
- Datenquellen
ERP/PLM, Lieferanten, Produktion, Zertifikate
- 1. Datenintegration
Daten erfassen und validieren
- 2. Datenmanagement
zentralisieren und standardisieren
- 3. Digitaler Produktpass
strukturierter DPP mit allen erforderlichen Attributen
- 4. QR-Code
eindeutiger Code für Zugriff und Teilen
- 5. Analytics
Dashboards und Berichte
- Ausgabe
DPP-Portal, QR-Zugang, Kundenansicht, Compliance, Nachhaltigkeit
Ergebnisse:
EU-Konformität mit der ESPR und künftigen Vorgaben
Eine verlässliche Quelle für Produktdaten über den Lebenszyklus
Durchgängige Rückverfolgbarkeit
Unterstützung von Wiederverwendung, Reparatur und Recycling
Schnellere Markteinführung durch automatisierte Prozesse
Technologien: ERP-/PLM-Integration, QR-Codes, Microsoft Azure, Power BI
Automatisierte Bestellbearbeitung in SAP
Prozessberatung & Automatisierung
Herausforderung: Bestellungen kamen per E-Mail und als Excel-Dateien und wurden manuell in SAP erfasst. Das kostete Zeit und führte zu Erfassungsfehlern.
Lösung: Ein automatisierter Workflow liest eingehende Bestellungen aus E-Mails und Excel-Anhängen, prüft die Daten und legt die Aufträge in SAP an. Ausnahmen werden zur Prüfung an einen Sachbearbeiter weitergeleitet.
So funktioniert es:
Bestellpostfach überwachen und Anhänge extrahieren
Bestelldaten auslesen und den SAP-Feldern zuordnen (Kunde, Material, Menge, Liefertermin)
Prüfung gegen Stammdaten und Geschäftsregeln
Auftrag in SAP anlegen per Schnittstelle oder RPA
Ausnahmeliste, Protokollierung und Statusreporting
Ergebnisse:
- 70 %
weniger manuelle Erfassungszeit
- 95 %
Verbesserung der Datengenauigkeit
Technologien: SAP, RPA, Excel
Crashsimulation für Batteriegehäuse
Engineering: Designvalidierung & Simulation
Herausforderung: Batteriegehäuse müssen die Zellen bei einer Kollision schützen. Physische Crashtests sind teuer und erfolgen spät in der Entwicklung.
Lösung: Virtuelle Crashsimulationen decken Schwachstellen frühzeitig auf. Geometrie und Material werden in mehreren Iterationen verbessert, bevor physische Prototypen entstehen.
So funktioniert es:
CAD-Aufbereitung und Vernetzung (HyperMesh)
Materialmodelle, Randbedingungen und Crash-Lastfälle gemäß Anforderungen
Crashsimulation
Auswertung von Intrusion, Verformung und Spannungen
Konstruktionsiterationen und Empfehlungsbericht
Ergebnisse:
Maximale Sicherheit und maximaler Schutz bei einer Kollision
Kürzere Entwicklungszeit
Geringere Entwicklungskosten durch weniger physische Prototypen
Technologien: HyperMesh, CATIA
FAQ-Chatbot mit Antworten rund um die Uhr
KI-Lösungen & Befähigung
Herausforderung: Das Support-Team verbrachte viel Zeit mit immer gleichen Fragen, und Kunden mussten außerhalb der Geschäftszeiten warten.
Lösung: Ein KI-gestützter Chatbot beantwortet häufige Fragen sofort und rund um die Uhr und übergibt bei Bedarf an einen Mitarbeiter.
So funktioniert es:
Wissensbasis aus FAQs und Dokumenten
Sprachmodell mit Abruf freigegebener Inhalte
Integration in die Website
Übergabe an einen Mitarbeiter bei komplexen Anliegen
Auswertung unbeantworteter Fragen zur Verbesserung der Inhalte
Ergebnisse:
Support rund um die Uhr
Höhere Kundenzufriedenheit
Entlastung des Support-Teams
Online-Dashboard für EU-Studiengänge
Datenanalyse & Reporting
Herausforderung: Daten zu Studiengängen an EU-Hochschulen waren komplex und schwer vergleichbar.
Lösung: Ein interaktives Online-Dashboard visualisiert die Daten und ermöglicht es, Studiengänge zu filtern, zu vergleichen und Erkenntnisse zu gewinnen.
So funktioniert es:
Datenerhebung und -konsolidierung
Gemeinsames Datenmodell für Studiengänge, Hochschulen und Länder
Interaktives Web-Dashboard mit Filtern
Veröffentlichung für den Online-Zugriff
Ergebnisse:
Komplexe Daten klar visualisiert
Wertvolle Erkenntnisse zur Optimierung von Studiengängen
Automatisiertes Power-BI-Reporting zur Händlerleistung
Datenanalyse & Reporting
Herausforderung: Händlerberichte wurden manuell erstellt und verteilt – das war langsam und verzögerte Entscheidungen.
Lösung: Erstellung und Verteilung der Berichte sind mit Power BI automatisiert. Jeder Händler erhält aktuelle, datenbasierte Einblicke in Leistung und Effizienz.
So funktioniert es:
Automatisierte Datenextraktion aus den Quellsystemen
Power-BI-Dataset mit Händler-KPIs
Geplante Aktualisierung
Zeilensicherheit, damit jeder Händler nur eigene Daten sieht
Automatische Verteilung per Abonnement oder Export
Ergebnisse:
Keine manuelle Berichtserstellung
Deutlich bessere Händlerleistung und Effizienz
Technologien: Power BI
Intelligente Außendienstplanung
Bedarfsprognose & Planung
Herausforderung: Die Außendienstplanung erfolgte manuell – mit langen Fahrwegen, ungleicher Auslastung und hohen Betriebskosten.
Lösung: Ein Planungstool nutzt Echtzeit-Analysen, um Routen zu planen, Techniker zuzuweisen und Ressourcen zu verteilen.
So funktioniert es:
Daten zu Aufträgen, Technikerqualifikationen und Standorten
Optimierung von Zuweisung und Routen
Echtzeit-Aktualisierung bei Auftragsänderungen
Dashboard für Disponenten
Ergebnisse:
Geringere Betriebskosten
Höhere Serviceeffizienz
Optimierte Routen, Technikereinsätze und Ressourcenzuweisung