Referenzen

Referenzen & Erfolgsgeschichten

Von der Fertigung bis zum Gesundheitswesen — entdecken Sie, wie wir Unternehmen in ganz Deutschland mit maßgeschneiderter Software unterstützen.

Referenzen

Unsere Erfolgsgeschichten

Erfahren Sie, wie wir Unternehmen mit maßgeschneiderter Software zum Erfolg verholfen haben.

Gesundheitswesen & MedTech

KI-Dokumentenverarbeitung im Gesundheitswesen — 12.000 Patientenakten pro Monat automatisiert

Ein Klinikverbund mit drei Standorten in der Rhein-Main-Region verarbeitete monatlich über 12.000 eingehende Dokumente: Befundberichte externer Ärzte, Laborergebnisse, Versicherungsanfragen, Überweisungen und Entlassungsbriefe. Der gesamte Prozess war papierbasiert. Medizinische Fachangestellte scannten die Dokumente ein, klassifizierten sie manuell nach Dokumenttyp und Fachabteilung und ordneten sie den richtigen Patientenakten zu — ein Prozess, der pro Dokument durchschnittlich 4,5 Minuten dauerte. Bei 12.000 Dokumenten pro Monat bedeutete das: Über 900 Arbeitsstunden nur für Dokumentensortierung. Drei Vollzeitkräfte, die nichts anderes taten als Papiere zu scannen, zu lesen und zuzuordnen. Und trotzdem lag die Fehlerquote bei 6,2% — falsch zugeordnete Befunde, übersehene Laborwerte, verspätete Versicherungsantworten. In einem klinischen Umfeld können solche Fehler patientenrelevant sein. Das Krankenhausinformationssystem (KIS) bot zwar eine OCR-Funktion, doch die erkannte medizinische Fachbegriffe und handschriftliche Anmerkungen nur unzureichend. Zudem fehlte jede Intelligenz bei der Zuordnung: Das System konnte Text erkennen, aber nicht verstehen, was es liest. Die IT-Abteilung hatte bereits einen Anbieter für „KI-gestützte Dokumentenerkennung" evaluiert, doch dessen Standardprodukt konnte die spezifischen Dokumentformate der Zuweiser und die komplexe Zuordnungslogik des Klinikverbunds nicht abbilden.

PythonFastAPI

PyTorchTesseract OCRspaCy

Mehr erfahren

Logistik & Supply Chain

KI-gestützte Routenoptimierung — Wie ein Logistikdienstleister 28% Kraftstoffkosten einspart

Ein Hamburger Logistikdienstleister mit 500 Mitarbeitern und einer Flotte von 120 Fahrzeugen stand vor einem wachsenden Problem: Die Routenplanung für die täglichen Auslieferungen im norddeutschen Raum erfolgte weitgehend manuell. Drei erfahrene Disponenten planten jeden Morgen zwischen 4:00 und 6:00 Uhr die Touren für den Tag — basierend auf Erfahrung, Bauchgefühl und einer veralteten Planungssoftware aus den 2000er-Jahren, die weder Echtzeitverkehrsdaten noch dynamische Zeitfenster der Empfänger berücksichtigen konnte. Die Folgen waren messbar: Durchschnittlich 23% der gefahrenen Kilometer waren „Leerfahrten" oder suboptimale Umwege. Kraftstoffkosten von über 2,4 Millionen Euro pro Jahr fraßen die ohnehin dünnen Margen im Logistikgeschäft auf. Hinzu kam die Unzuverlässigkeit: 18% der Zustellungen lagen außerhalb des vereinbarten Zeitfensters — was zu Vertragsstrafen und wachsender Unzufriedenheit der Auftraggeber führte. Ein Wettbewerber hatte kürzlich auf eine KI-gestützte Lösung umgestellt und begann aggressiv Kunden abzuwerben. Die Geschäftsführerin erkannte: Ohne digitale Routenoptimierung würde das Unternehmen innerhalb von zwei Jahren nicht mehr wettbewerbsfähig sein.

Fertigung & Maschinenbau

Digitalisierung der Produktionsplanung — Wie ein Maschinenbauer 480.000 € Planungsverluste pro Jahr eliminierte

Es war ein Donnerstagnachmittag im Oktober, als der Betriebsleiter zum dritten Mal in dieser Woche einen Kunden anrufen musste, um eine Lieferverzögerung zu erklären. Der Grund: Ein Fertigungsauftrag für eine CNC-Fräskomponente war in der Planung untergegangen — buchstäblich. Er steckte in Zeile 4.738 einer Excel-Tabelle, die seit acht Jahren als „Produktionsplanungssystem" diente. Niemand hatte den Auftrag rechtzeitig in die Maschinenbelegung eingepflegt. Das war kein Einzelfall. Bei einem mittelständischen Maschinenbauer aus Bayern mit 480 Mitarbeitern, 3 Produktionshallen und über 60 CNC-Maschinen war die gesamte Fertigungsplanung in einem Geflecht aus Excel-Dateien, E-Mail-Ketten und dem Wissen einzelner Personen organisiert. Der Hauptplaner — ein erfahrener Mitarbeiter, seit 22 Jahren im Unternehmen — hatte sein eigenes System: farbcodierte Zellen, handgeschriebene Notizen am Monitor und ein Gedächtnis, das besser funktionierte als jede Software. Solange er da war. Als er drei Wochen krankheitsbedingt ausfiel, brach die Planung zusammen. Aufträge wurden doppelt eingeplant, Materialbestellungen gingen zu spät raus, Maschinen standen leer während andere überlastet waren. In diesen drei Wochen entstanden Kosten von über 95.000 € — durch Konventionalstrafen, Expresslieferungen von Material und Überstunden im Drei-Schicht-Betrieb. Die Geschäftsführung rechnete nach: Planungsfehler kosteten das Unternehmen durchschnittlich 120.000 € pro Quartal — fast eine halbe Million Euro im Jahr. Nicht durch spektakuläre Einzelfehler, sondern durch die Summe kleiner Reibungsverluste: ein vergessener Auftrag hier, eine falsche Maschinenpriorität dort, eine Materialbestellung, die einen Tag zu spät ausgelöst wird. Zwei Digitalisierungsversuche waren bereits gescheitert. Der erste Anlauf mit einem großen ERP-Anbieter endete nach 14 Monaten Implementierung und 280.000 € Investition in einem System, das die Mitarbeiter schlicht nicht nutzten — zu komplex, zu weit weg von ihren realen Abläufen. Der zweite Versuch mit einer spezialisierten MES-Software scheiterte an der Integration: Das System konnte nicht mit dem bestehenden ERP (proAlpha) kommunizieren, und die versprochenen Schnittstellen funktionierten nur auf dem Papier. Nach 8 Monaten wurde auch dieses Projekt eingestellt. Als wir zum ersten Gespräch eingeladen wurden, war die Skepsis greifbar. Der Geschäftsführer sagte es direkt: „Wir haben zweimal sechsstellig verbrannt. Wenn Sie hier scheitern, digitalisieren wir die Planung nie."

Themepark Genius — KI-gestützte Besucherplanung für Freizeitparks

Jeder, der schon einmal einen Freizeitpark besucht hat, kennt das Problem: Man steht 45 Minuten für eine Attraktion an, nur um festzustellen, dass drei Fahrgeschäfte weiter praktisch keine Schlange gewesen wäre. Der durchschnittliche Parkbesucher verbringt bis zu 40% seiner Zeit mit Warten — nicht mit Erleben. Bisherige Park-Apps boten bestenfalls statische Informationen: aktuelle Wartezeiten, Öffnungszeiten, Lagepläne. Reaktiv statt prädiktiv. Was komplett fehlte, war eine intelligente Schicht, die nicht nur zeigt, was gerade passiert, sondern vorhersagt, was in den nächsten Stunden passieren wird. Themepark Genius hatte genau diese Vision: Eine Plattform, die Freizeitparkbesuche mit Machine Learning grundlegend transformiert. Aus historischen Besucherdaten, Wetterprognosen, Ferienkalendern, Feiertagen und Echtzeit-Verkehrsdaten rund um den Park sollten präzise Andrangs- und Auslastungsanalysen entstehen — nicht als Dashboard für Parkbetreiber, sondern als handlungsbare Empfehlung direkt auf dem Smartphone des Besuchers. Die Herausforderung war mehrdimensional: Es brauchte ein Team, das sowohl die komplexe datengetriebene Backend-Infrastruktur mit Zeitreihenmodellen beherrscht als auch die nutzerorientierten Frontends — eine performante Website für SEO und organisches Wachstum und eine native iOS-App für das Parkerlebnis vor Ort — aus einer Hand entwickeln kann. Zwei vorherige Anläufe mit separaten Dienstleistern für ML und App-Entwicklung waren an mangelnder Integration gescheitert.

Ihr Projekt könnte die nächste Erfolgsgeschichte sein.

Lassen Sie uns gemeinsam herausfinden, wie wir Ihr Unternehmen mit maßgeschneiderter Software voranbringen können.