liveIm Einsatz
liveIm EinsatzJede Anwendung auf dieser Seite ist entwickelt, in Betrieb und hat eine eigene Startseite. Öffnen Sie sie direkt – oder lesen Sie zuerst, welches Problem sie löst.
liveIm Einsatz
liveIm EinsatzHandwerk & Dienstleistung
Zugang auf Anfrage
liveDemonstrator
liveDemonstrator
liveDemonstrator
liveDemonstrator
liveKundenprojektForschung & Entwicklung
Startseite frei · App mit Login
liveDemonstratorIT & Softwareentwicklung
Zugang auf Anfrage
Eine Auswahl aus über 15 umgesetzten Daten- und KI-Projekten in Industrie, Finanzwesen und Konzernumfeld – aus meiner Zeit als Berater, Architekt und Engineer sowie als Selbstständiger.
Ausgangslage
Betriebs-, Sensor- und Wartungsdaten lagen verteilt in SAP-nahen und weiteren Systemen. Drohende Maschinenausfälle wurden erst bemerkt, wenn es zu spät war.
Umsetzung
Durchgängige Verarbeitungskette von der Datenquelle über Feature Engineering und Modellbewertung bis zur Bereitstellung der Prognosen in Analyse- und Reporting-Oberflächen.
Ergebnis
Fachanwender sehen Ausfallrisiken priorisiert und können Wartungsmaßnahmen gezielt planen statt reaktiv zu handeln.
Ausgangslage
Geschäftsdaten aus mehreren operativen Systemen wurden manuell exportiert und abgeglichen. Kennzahlen unterschieden sich je nach Abteilung.
Umsetzung
Cloudbasierte Analyseplattform mit automatisierten ETL/ELT-Prozessen, einem konsistenten Datenmodell und Dashboards bzw. Self-Service-Analytics für mehrere Fachbereiche.
Ergebnis
Ein gemeinsames Datenmodell als Grundlage für Reporting – mit wiederverwendbaren Pipelines, geprüfter Datenqualität und nachvollziehbarem Betrieb.
Ausgangslage
Mehrere Fachbereiche wollten KI in ihre Content- und Freigabeprozesse integrieren – ohne für jeden Anwendungsfall eine eigene Infrastruktur aufzubauen.
Umsetzung
Mitwirkung an Konzeption und Entwicklung einer zentralen Plattform mit wiederverwendbaren Funktionen für Modellzugriff, Prompt-Verwaltung, strukturierte Ausgaben und Datenintegration – inklusive Skalierung, Zugriffskontrolle und Monitoring.
Ergebnis
Fachbereiche nutzen GenAI-Funktionen über eine gemeinsame, kontrollierte Plattform statt über isolierte Einzellösungen.
Ausgangslage
Mitarbeitende suchten Antworten zu Verträgen, Richtlinien und Arbeitsunterlagen manuell in vielen Dokumenten – mit hohem Zeitaufwand und Unsicherheit.
Umsetzung
RAG-Anwendung mit Dokumentenimport, semantischer Suche, Berechtigungen, Quellenanzeige und Modellrouting. Modelle laufen lokal über Ollama oder flexibel über LiteLLM.
Ergebnis
Kompakte Antworten mit direkt angezeigten Fundstellen – sensible Dokumente bleiben auf kontrollierter Infrastruktur.
Ausgangslage
Umfangreiche, teilweise unstrukturierte Dokumente mussten für Reporting- und Prüfprozesse manuell gelesen, eingeordnet und übertragen werden.
Umsetzung
Extraktion und Klassifikation relevanter Inhalte mit verlässlichen strukturierten Ausgaben, Validierungsregeln und Rückverweis auf die ursprüngliche Dokumentstelle – integriert in eine bestehende Azure-Umgebung.
Ergebnis
Strukturierte, geprüfte Daten für nachgelagerte Prozesse – jede Angabe bleibt bis zur Fundstelle im Dokument nachvollziehbar.
Ausgangslage
Datenintensive Risiko- und Szenarioberechnungen mussten aus unterschiedlichen Markt-, Bestands- und Referenzdaten nachvollziehbar durchgeführt werden.
Umsetzung
Technische Architektur für reproduzierbare Simulationsläufe mit aufbereiteten Eingangsdaten, strukturierter Ergebnisspeicherung und Analyse durch Fachanwender.
Ergebnis
Nachvollziehbare Berechnungsstände und verlässliche Datenqualität als Grundlage für Entscheidungen im regulierten Umfeld.
Kundennamen werden aus Vertraulichkeitsgründen nicht genannt. Die Abläufe sind vereinfacht dargestellt.
Ihr Vorhaben ähnelt einem dieser Projekte?
Darüber sprechenBeschreiben Sie kurz Ihr Vorhaben – Sie erhalten innerhalb von 24 Stunden (werktags) eine persönliche Einschätzung.