← ALLE PROJEKTE

Datenabgleich über mehrere Quellen mit KI

Automatisierte Datenabstimmungslösung, die APIs nutzt und KI-Modelle anpasst, um Workflows in Vertrieb, Beschaffung und Banking effizienter zu gestalten.

KUNDE
Mappr
BRANCHE

KI-Datenlösung

Website
http://www.triebwerk.ai/products/mappr-datamatching
↗
FOKUS
Produktivität
·
Automatisierung
Mappr
Prozess

01

Marktanalyse &
Interviews

Wir analysierten Marktbedürfnisse und befragten Knowledge Manager.  

02

MVP
Scope

Wir haben den Funktionsumfang für das MVP definiert und die Prioritäten für Design und Entwicklung festgelegt

03

Design & 
Testing

Wir haben die erste Iteration entworfen und interviewbasierte Tests im Team und mit Testnutzern durchgeführt.

04

Entwicklung & Markteinführung

Wir haben das MVP mit den Kernfunktionen entwickelt und die Website gelauncht.

Prozess

01

Recherche &
Business Model

Wir analysierten Marktbedürfnisse, Kundenprobleme und entwickelten ein Geschäftsmodell.

02

Feature Scope
& Wireframes

Definition von High-Priority Funktionen in Zusammenarbeit mit Stakeholdern und Erstellung von Wireframes

03

MVP Design
& Entwicklung

Design einer benutzerfreundlichen Oberfläche, und Entwicklung  des Backends.

04

Rollout
& Kundenfeedback

Einführung des MVPs mit Pilotkunden, deren Feedback zur Produktverfeinerung und Funktionsvalidierung genutzt wurde.

Prozess

01

Erstforschung

Benutzer- und Stakeholderforschung durch die Verwendung von Personas, User Journey Maps und Interviews.

02

Geschäftsmodellierung

Definition der Wertschöpfung, Geschäftsmodell und Planung.

03

Umfang & Prototyping

Definition des Funktionsumfangs für das MVP, Spezifikation der Funktionalität und Sammlung von Feedback

04

Technische Machbarkeit

Technische Machbarkeit, Aufwandseinschätzung und Implementierungsplanung

Prozess

01

Nutzerinterviews

Durchführung von Interviews mit Fachleuten, um Schmerzpunkte in den manuellen Arbeitsabläufen zu identifizieren

02

Prototyping

Entwurf der ersten Prototypen zur Validierung des Konzepts

03

Usability Testing

Durchführung von Interviews zur Sammlung von Feedback und Identifizierung von Problemen

04

Implementierung

Entwicklung eines MVP und Veröffentlichung für den ersten Nutzer, um Feedback zu sammeln

Herausforderungen

✕ Manuelle Datenabstimmung über verschiedene Systeme

Mitarbeiter verbrachten übermäßig viel Zeit mit der Verarbeitung unstrukturierter Texte aus komplexen Dokumenten, die oft bis zu 300 Seiten lang waren.

‍

✕ Häufige Fehler bei der Datenverarbeitung führten zu Ineffizienzen.

Hohe Genauigkeitsanforderungen unter engen Fristen führten zu häufigen Fehlern und verpassten Chancen. Bis zu 30 % der Unternehmen wurden aufgrund von Fehlern von Ausschreibungen disqualifiziert.
‍

✕ Fragmentierte und inkonsistente Datenformate

Obwohl GAEB-Formate zunehmend verwendet werden, bleiben viele Dokumente in inkonsistenten PDF-Formaten, was die manuelle Zuordnung mühsam macht.

‍

✕ Skalierungsprobleme bei wachsender Datenkomplexität

Das Fehlen strukturierter Trainingsdaten behinderte anfangs die Anwendung von Machine-Learning-Modellen.

Automatisierte Datenabstimmungslösung, die APIs nutzt und KI-Modelle anpasst, um Workflows in Vertrieb, Beschaffung und Banking effizienter zu gestalten.

Lösung

✓ Automatisierter Datenabgleich

KI analysiert Ausschreibungsdokumente, um Artikel zu empfehlen, die den jeweiligen Anforderungen entsprechen, sortiert nach Relevanzwahrscheinlichkeit, damit Mitarbeiter schnellere, fundierte Entscheidungen treffen können.

‍

✓ Intuitive Benutzeroberfläche, die an die Markenidentität des Unternehmens angepasst werden kann

Wir haben eine intuitive und benutzerfreundliche Oberfläche entwickelt, die wir mit echten Nutzern getestet haben. Der Stil der Oberfläche kann leicht an die Markenidentität eines Unternehmens angepasst werden.
‍

✓ Erhöhte Genauigkeit und Lernfähigkeit

Mappr nutzt Abgleich und Reinforcement Learning für präzise Empfehlungen. Benutzerfeedback trainiert die ML-Modelle. Hohe Genauigkeitsanforderungen unter Zeitdruck führten zu Fehlern und verpassten Chancen.

‍

✓ Anpassungsfähigkeit für spezifische Anwendungsfälle

Maßgeschneiderte Abgleichskriterien und Workflows sorgen für Flexibilität und Anpassung an spezifische Geschäftsanforderungen.

Mappr hat die Expertise von triebwerk.ai in Breite und Tiefe für den Aufbau eines MVP gezeigt. Ohne das großartige Tech-Team wäre die Anwendung fortschrittlicher Machine Learning Frameworks für Natural Language Processing nicht machbar gewesen.

Dennis Dümer

Dennis Dümer

Head of Residential Pre-Sales and Quotation Center @ Viessmann Climate Solutions SE