Leistung
Ein klar abgegrenzter, EAM-unabhängiger Pilot für Wissensabruf, Dokumentenextraktion, Klassifizierung, Zusammenfassung, Anomalieerkennung, Prognosen oder Entscheidungsunterstützung. Ausgangspunkt sind der reale Arbeitsablauf und eine messbare Vergleichsbasis. Danach prüfe ich Qualität, Fehlerbilder, Verantwortung und Integration – nicht bloss, ob eine Demo beeindruckt.
Ausgangslage
Die Leistung ist sinnvoll, wenn sich das Thema anhand realer Systeme, Berichte, Datenbeispiele oder täglicher Abläufe konkret prüfen lässt.
Repräsentative Anfragen messen die Weiterleitungsqualität je Kategorie, Sprache und schwierigem Randfall. Fälle mit geringer Sicherheit gehen in eine Prüfliste, statt automatisch weitergeleitet zu werden.
Ein klares Zielschema und Nachweise auf Feldebene machen die Extraktion prüfbar. Unübersichtliche Layouts, fehlende Werte und widersprüchliche Inhalte werden einbezogen, damit unsichere Ergebnisse markiert werden.
Der Wissensabruf wird auf Quellenabdeckung, Berechtigungen, nachvollziehbaren Kontext und die Fähigkeit zum bewussten Nicht-Antworten geprüft. Der Assistent soll Entscheidungen unterstützen, ohne unbelegte Aussagen als Fakten auszugeben.
Wiederkehrende Berichte werden anhand einer festen Vergleichsstruktur geprüft. Abweichungen, fehlende Angaben und unsichere Zusammenfassungen bleiben für die menschliche Freigabe sichtbar.
Beschriftete Druckverläufe zeigen, wie normaler Verbrauch und Pumpenstarts aussehen. Der Pilot misst, ob kleinere anhaltende Abweichungen früh erkannt werden, ohne eine unbrauchbar hohe Fehlalarmrate zu erzeugen.
Vor der Bewertung werden geeignete Kamerapositionen, Bildqualität und sichtbare Prüfkriterien festgelegt. Unsichere oder sicherheitsrelevante Befunde verbleiben bei einer qualifizierten menschlichen Prüfung.
KI- und ML-Projekte
Die Beispiele reichen von Druck- und Kameradaten über EAM-Logfiles und Textunterstützung bis zu Excel und scorebasierter Einsatzplanung. Die beiden physischen Projekte zeige ich ausführlicher.
Machine Learning für Zeitreihen
Bei normalem Wasserverbrauch sank der Leitungsdruck zunächst ab, bis die Pumpe wieder anlief und ihn aufbaute. Die Aufgabe bestand darin, diesen normalen Zyklus von länger anhaltenden Druckabweichungen zu unterscheiden, die auf kleine Lecks hindeuteten.
Ein Modellhinweis diente nur als Anlass zur Prüfung – nicht als Ersatz für die Kontrolle der Leitung.
Eigenes Projekt · weiterhin aktiv · heute in leicht angepasster Form
Computer Vision
Eine bodennahe Kamera erfasste die Hufe von Pferden, während sie durch einen Stallgang liefen. Das System analysierte die Aufnahmen und markierte sichtbare Auffälligkeiten oder mögliche Verletzungsanzeichen zur menschlichen Prüfung.
Nur eine Unterstützung bei der Vorsortierung: Eine markierte Aufnahme ist keine tierärztliche Diagnose und muss fachkundig beurteilt werden.
Das Video zeigt den frühen Testaufbau, bevor die Kamera fest installiert wurde.
Eigenes Projekt · weiterhin aktiv · heute in leicht angepasster Form
Weitere Anwendungen
Diese Projekte zeigen, wie sich KI und datenbasierte Empfehlungen direkt in bestehende Werkzeuge einbinden lassen, ohne für jeden Anwendungsfall eine neue Plattform zu schaffen.
EAM · KI-gestützte Loganalyse
Attune-EAM-Logfiles werden automatisch eingelesen und relevante Einträge als Hinweise für die weitere Untersuchung im Dashboard angezeigt.
EAM · Textassistenz
Eine schlanke KI-Hilfe verbessert kurze Beschreibungen und Notizen direkt in EAM und liefert einen klareren Formulierungsvorschlag.
Excel · KI-Agent
Der KI-Agent ist in die Seitenleiste von Excel eingebunden und unterstützt direkt im bestehenden Arbeitsblatt. Er ist weiterhin im Einsatz und wird laufend verbessert.
In Betrieb · wird laufend weiterentwickelt
Demo des KI-Agenten in Excel ansehen (öffnet YouTube in einem neuen Fenster)EAM · Entscheidungsunterstützung
Für mögliche Zuordnungen von Mitarbeitenden und Aufgaben berechnet das System anhand festgelegter Kriterien Scores und empfiehlt eine passende Besetzung in HxGN EAM.
Fokus
Der Leistungsumfang bleibt nah an den Systemen, Daten und Abläufen, die das Tagesgeschäft beeinflussen.
Prozess
Die Arbeit kommt schneller voran, wenn das erste Gespräch mit echten Beispielen beginnt und nicht nur mit einer allgemeinen Beschreibung.
Arbeitsablauf, Entscheidung, Vergleichsbasis und Abbruchkriterien definieren
Repräsentative Daten oder Dokumente und einen Testsatz vorbereiten
Den kleinsten sinnvollen Piloten entwickeln
Normale, schwierige und fehlerhafte Fälle bewerten
Leitplanken, Verantwortung und Integrationsoptionen dokumentieren
Entscheiden, ob der Pilot produktionsreif gemacht, integriert, neu zugeschnitten oder gestoppt wird
Geeignet für
Klare Grenzen halten den Auftrag wirtschaftlich und sorgen dafür, dass sich das Ergebnis sauber übergeben lässt.
Verwandte Leistungen
EAM, Schnittstellen sowie angewandte KI und ML können getrennt beauftragt werden. Verbindet ein realer Ablauf mehrere Bereiche, können die Leistungen sinnvoll kombiniert werden.
Schicken Sie den aktuellen Engpass, einige Beispiele und den geschäftlichen Kontext. Dann klären wir, welche Verbesserung sinnvoll ist – und was besser unverändert bleibt.