Was unsere Kunden über die Zusammenarbeit sagen und welche messbaren Ergebnisse unsere Projekte liefern.
Wir arbeiten mit Unternehmen unterschiedlicher Grösse zusammen. Vom Zwei-Personen-Startup bis zum mittelständischen Industriebetrieb. Hier berichten einige unserer Kunden von ihren Erfahrungen.
Wir hatten einen Berg an Rechnungen, die manuell abgeglichen werden mussten. Das Team von Evolve with AI hat uns ein Modell gebaut, das 94 % der Rechnungen automatisch zuordnet. Mein Buchhaltungsteam spart jetzt rund 15 Stunden pro Woche. Die Zusammenarbeit war unkompliziert, und der Prototyp stand nach drei Wochen.
Als kleines Software-Startup hatten wir nicht die Ressourcen, um selbst ein ML-Team aufzubauen. Evolve with AI hat für uns ein Empfehlungssystem entwickelt, das die Conversion-Rate unserer App um 23 % gesteigert hat. Besonders gut: Sie haben uns erklärt, warum bestimmte Ansätze nicht funktioniert hätten, statt einfach das Teuerste zu verkaufen.
In unserem Spital wollten wir die Wartezeiten in der Notaufnahme besser prognostizieren. Das Modell von Evolve with AI berücksichtigt Wochentag, Wetter, saisonale Muster und historische Patientenzahlen. Die Prognosegenauigkeit liegt bei etwa 87 %, und wir können das Personal jetzt gezielter einteilen. Ein Stern Abzug, weil die Dokumentation am Anfang etwas dünn war, das wurde aber nachgebessert.
Unser Produktionsbetrieb hatte ein Ausschussproblem bei Kunststoffteilen. Die Kamera-Lösung von Evolve with AI erkennt Fehler in der Oberfläche, die das menschliche Auge bei Bandgeschwindigkeit übersieht. Die Ausschussrate ist von 4,2 % auf 1,1 % gesunken. Das hat sich innerhalb von fünf Monaten amortisiert.
Ich habe am halbtägigen KI-Workshop teilgenommen, weil ich wissen wollte, ob maschinelles Lernen für unseren Online-Shop sinnvoll ist. Nach vier Stunden hatte ich einen klaren Plan: welche Daten wir sammeln müssen, welches Modell realistisch ist und was es kosten würde. Kein Verkaufsgespräch, sondern echte Beratung.
Zahlen sagen mehr als Versprechen. Hier zwei Projekte, bei denen wir die Ergebnisse offenlegen dürfen.
Rheinwerk erhält monatlich über 3 000 Eingangsrechnungen von mehr als 200 Lieferanten. Die manuelle Zuordnung zu Bestellungen dauerte im Schnitt 2,5 Minuten pro Rechnung. Wir haben ein NLP-Modell trainiert, das Rechnungstexte mit offenen Bestellungen abgleicht. Das Modell läuft auf der bestehenden Azure-Infrastruktur von Rheinwerk und verarbeitet eine Rechnung in unter drei Sekunden.
Die 6 % der Rechnungen, bei denen das Modell unsicher ist, werden dem Buchhaltungsteam zur manuellen Prüfung vorgelegt. So bleibt die Fehlerquote bei null, während 94 % vollautomatisch laufen.
Bei Kunststoff Wenger laufen pro Schicht rund 8 000 Spritzgussteile über das Band. Oberflächenfehler wie Kratzer, Einschlüsse oder Farbabweichungen wurden bisher stichprobenartig geprüft. Wir haben vier Industriekameras installiert und ein Bilderkennungsmodell auf Basis von YOLOv8 trainiert, das jedes einzelne Teil in Echtzeit bewertet.
Die Trainingsdaten bestanden aus 12 000 Bildern, die wir über sechs Wochen direkt an der Linie aufgenommen haben. Das Modell erreicht eine Erkennungsrate von 98,3 % bei einer Fehlalarmquote von unter 0,5 %. Fehlerhafte Teile werden automatisch ausgeschleust, bevor sie verpackt werden.
Erzählen Sie uns, wo der Schuh drückt. Wir schauen uns Ihre Situation an und sagen Ihnen ehrlich, ob und wie KI helfen kann.
Jetzt anfragen