Kundenerfolge

Wie die ANWR Group mit KI automatisch Produktbilder verschlagwortet

Auf einen Blick

  • KI-gestützte Bilderkennung identifiziert zuverlässig die Eigenschaften von Produkten
  • Manuelle Aufwände und Fehlerquoten werden deutlich gesenkt
  • Spezielles Vorgehen verringert massiv den Aufwand bei der Entwicklung

Die Geschäftssituation unseres Kunden

Künstliche Intelligenz (KI) ermöglicht Prozessautomatisierungen, die den Menschen zwar nicht ersetzen können, ihm aber viele Routineaufgaben abnehmen. Ein herausragendes Beispiel ist unsere KI-Lösung für die ANWR Group, europaweit eine der führenden Handelskooperationen für Bekleidung und unter anderem Betreiber des Shopping-Portals „schuhe.de“. Ursprünglich waren die Mitarbeiter des Unternehmens gefordert, die Merkmale von Produkten laufend manuell zu erfassen, um dem Kunden bei der Produktsuche erforderliche Filtermöglichkeiten – etwa nach Schuhtyp, Marke oder Farbe – bieten zu können. Diese Vorgehensweise ist nicht nur zeitintensiv, sondern auch fehleranfällig – insbesondere, wenn zum Saisonwechsel eine Vielzahl neuer Produkte erscheinen.

Daher haben wir eine KI-gestützte Bilderkennung für Schuhe entwickelt, die eintreffende Ware allein auf Basis der Produktfotos automatisch verschlagwortet. Hierbei wurde eine Vorgehensweise gewählt, die einerseits Aufwand einspart und andererseits zu ausgezeichneten Analyseergebnissen führt.

Alexander Hock, Geschäfdtführer der ANWR Media GmbH

„KI ist sicherlich ein komplexes Thema. Mit ORAYLIS an unserer Seite haben wir aber schnell bemerkenswerte Ergebnisse erzielt.“ – Alexander Hock, Geschäftsführer ANWR Media GmbH

Die Lösung für unseren Kunden

Grundlage für unser Modell zur Bilderkennung bildet ein neuronales Netzwerk, das wir mit entsprechenden Bilddaten trainiert haben. Eine solche Trainingsphase kann selbst auf spezialisierter Hardware einige Wochen oder sogar Monate in Anspruch nehmen – wenn man bei null anfängt.

Deshalb haben wir auf ein vortrainiertes Bilderkennungsmodell zurückgegriffen und dieses auf die Ansprüche der ANWR Group zugeschnitten. So haben wir zunächst die vorhandenen Schlagworte auf die Kategorien, Farben und weiteren Eigenschaften des Shopping-Portals angepasst. Dem folgten mehrere Testphasen, in denen das Modell feinjustiert wurde. Durch dieses Vorgehen konnten wir einen Großteil des Trainingsaufwandes einsparen.

Wie aus Daten neue Werte werden

Grundsätzlich zeigt das Projekt, dass selbst komplexe KI-Anwendungen nicht zwingend hohe Aufwände erfordern müssen. Der ANWR Group steht trotz der extrem kurzen Trainingsphase ein hochspezialisiertes Modell für die Bilderkennung zur Verfügung, das bei der Verschlagwortung von Produkten massiv Zeit einspart. Dabei ermittelt das Modell die Produkteigenschaften inzwischen mit erstaunlicher Präzision. Die Fehlerquote ist mittlerweile geringer, als bei der manuellen Erfassung. Und: Die Bilderkennung ist nicht auf professionelle Produktfotos beschränkt. Sie funktioniert ebenso bei selbstgeschossenen Smartphone-Fotos.

turn your data into value.

Auf einen Blick

  • KI-gestützte Bilderkennung identifiziert zuverlässig die Eigenschaften von Produkten
  • Manuelle Aufwände und Fehlerquoten werden deutlich gesenkt
  • Spezielles Vorgehen verringert massiv den Aufwand bei der Entwicklung
Jens Kröhnert
turn your data into value

Lassen Sie uns loslegen!

Wollen auch Sie Künstliche Intelligenz nutzen, um mit weniger Aufwand viel mehr erreichen zu können?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten

Kundenerfolge

Predictive Policing: So werden Verbrecher mit Künstlicher Intelligenz gejagt

Auf einen Blick

  • KI-Lösung entlastet knappe Personalressourcen der Polizei
  • Verbrechensschwerpunkte werden vorausschauend identifiziert und Einsatzkräfte gezielt gesteuert
  • Erfolgsquoten sind deutlich höhere als bei erfahrungsbasierten Vorgehensweisen

Die Ausgangssituation unseres Kunden

Künstliche Intelligenz (KI) kann praktisch in jedem Bereich die Abläufe effizienter gestalten und dadurch menschliche Aufwände massiv reduzieren. Beispielsweise haben wir für die Polizeidirektion einer der größten Städte Deutschlands eine KI-Lösung zur Vorhersage von Verbrechen – dem sogenannten Predictive Policing – entwickelt. Wie in ganz Deutschland hatte auch diese Stadt mit viel zu knappen Personalressourcen zu kämpfen, um die steigenden Einbruchszahlen durch organisierte Banden in den Griff zu bekommen. Polizeistatistische Methoden zur Identifikation von spezielle Gefahrengebiete konnten dabei kaum Abhilfe schaffen, da sie die umfangreich vorhandene Falldaten nahezu ungenutzt ließen.

Die Lösung für unseren Kunden

Der Aufbau unserer Lösung zeigt, dass für die Entwicklung von KI-Anwendungen nicht zwangsläufig hohe Investitionen in neue Technologien erforderlich sind. Da die IT-Infrastruktur der Polizeidirektion im Kern schon aus Microsoft-Technologien bestand, haben wir einfach den bereits vorhandenen SQL Server als Basis genutzt. Mit den Analysis Services haben wir eine individuelle Prognosesoftware aufgebaut, die direkt auf die polizeiinternen Datenbestände zugreift, wie z.B. Falldetails oder geografische und demografische Daten. Die Reporting Services dienten der Erstellung eines leicht zu bedienenden Prognosewerkzeuges sowie einer Prognosegütebestimmung. Ein spezielles Klassifizierungsverfahren identifiziert schließlich die Quadranten mit der höchsten Einbruchswahrscheinlichkeit und stellt diese auf einer Übersichtskarte in Power BI farblich dar. Die resultierenden Prognosen werden täglich automatisiert erstellt und an alle Polizeidirektoren der Stadt verteilt.

Wie aus Daten neue Werte werden

Mit den vielfältigen Polizeidaten als Basis leistet die Prognosesoftware einen effektiven Beitrag zur Vorbeugung von Wohnungseinbrüchen durch Intensivtäter. Aktuell wird eine bis zu siebenfach bessere Vorhersage künftiger Einbrüche gegenüber den bisherigen, erfahrungsbasierten Vorgehensweisen erzielt. Die Einsatzkräfte der Polizei zeigen in den identifizierten Gefahrengebieten gezielt Präsenz. Auf diese Weise werden potenzielle Täter abgeschreckt und Anwohner für mögliche Folgetaten sensibilisiert. Da die genutzten Daten laufend durch neue Erkenntnisse ergänzt werden, lernt das System weiter hinzu und liefert immer genauere Erkenntnisse. Ebenso erweist sich die neue Lösung als effizienter Speicher langjähriger Polizeierfahrung. Nicht zuletzt lässt sich die Prognosesoftware von Seiten der Polizei eigenhändig warten und auch auf andere Deliktfelder ausweiten.


turn your data into value.

Auf einen Blick

  • KI-Lösung entlastet knappe Personalressourcen der Polizei
  • Verbrechensschwerpunkte werden vorausschauend identifiziert und Einsatzkräfte gezielt gesteuert
  • Erfolgsquoten sind deutlich höhere als bei erfahrungsbasierten Vorgehensweisen
Dirk Ohligschläger
turn your data into value

Lassen Sie uns loslegen!

Wollen auch Sie KI-Anwendungen für Ihre individuellen Aufgabenstellungen nutzen, um mit weniger Aufwand viel mehr erreichen zu können?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten

Kundenerfolge

Wie ein Energieversorger Kundenabwanderungen verhindert

Auf einen Blick

  • Datenbasiertes Churn-Modell bildet Kundenverhalten in der Zukunft ab
  • Potenzielle Wechselkandidaten werden automatisch erkannt
  • Modell optimiert sich selbstständig durch Künstliche Intelligenz und Machine Learning

Die Geschäftssituation unseres Kunden

Der Markt für Energieversorger ist von einem ähnlichen Leistungs- und Qualitätsniveau der Anbieter sowie sehr geringen Wechselbarrieren für die Verbraucher geprägt. Entsprechend hoch ist die Bereitschaft eines Anbieterwechels. Die Unternehmen reagieren auf diese sinkende Kundenloyalität mit dem sogenannten Churn Management, wobei „Churn“ ein englisches Kunstwort ist, das sich aus „Change“ (Wechsel, Veränderung) und „Turn“ (umschwenken) zusammensetzt. Es geht also um Maßnahmen, die eine Kundenabwanderung verhindern.

Dabei kann der umfassende Einsatz von Daten den Erfolg beachtlich steigern, während die Aufwände sinken. Das zeigt das Beispiel eines unserer Kunden. Frühzeitig haben wir für den inzwischen etablierten Markteinsteiger ein lernendes Churn-Modell aufgesetzt, dass nicht nur potenzielle Wechselkandidaten zuverlässig ermittelt. Gleichzeitig stellt es sicher, dass die zu den Produkten passenden Kunden angesprochen werden.

Die Lösung für unseren Kunden

Das Modell lebt von der Verknüpfung vielfältiger Quellen und Variablen auf einer modernen, digitalen Plattform. Ziel ist es, jeden Kunden möglichst exakt abzubilden. So fließen in das Modell vorhandene Kundenfeedbacks aus dem Call Center und aus Marketingaktionen ein. Ebenso werden die jeweiligen Verbrauchsdaten hinzugezogen, da auch ein unpassender Tarif für Unzufriedenheit sorgen kann. Zudem kommen Informationen zur Wirtschaftlichkeit des Vertrages. Alle diese Daten werden mit Preisvergleichsportalen abgeglichen – heißt: Gibt es Konkurrenztarife, die für den Kunden interessanter sein könnten? Und: Wie steht das Unternehmen überhaupt in einzelnen Tarif-Segmenten gegenüber dem Wettbewerb da?

Weitere Informationen liefern Aktionen wie „Kunden werben Kunden“. Denn aktive „Werber“ gelten als verhältnismäßig sicher. Gleiches gilt für die Angeworbenen. Im Gegenzug steigt bei der Abwanderung solcher Meinungsführer die Gefahr, dass andere Kunden mitziehen. Nicht zuletzt werden externe Quellen einbezogen, wie die Bevölkerungsdichte und Marktdurchdringung in bestimmten PLZ-Gebieten. Beispielsweise wandern in Regionen mit geringer Bevölkerungsdichte und Durchdringung schneller Kunden durch die Empfehlungen von Nachbarn ab.

Wie aus Daten neue Werte werden

Auf dieser Grundlage gibt das Churn-Modell selbstständig zu jedem profitablen Kunden mit potenziellen Wechselabsichten rechtzeitig eine Warnmeldung. Entsprechend kann der Anbieter mit individuell zugeschnittenen Marketingmaßnahmen gezielt – und meist auch erfolgreich – gegensteuern.

Das Besondere an dem Modell ist, dass es sich durch Künstliche Intelligenz und Machine-Learning-Funktionen fortlaufend optimiert und veränderten Rahmenbedingungen anpasst. Ausgangpunkt bilden dabei die vorhandenen Daten aus Vertragsverlängerungen und Vertragskündigungen. Dieses „Lernmaterial“ wird kontinuierlich nach Gesetzmäßigkeiten und Mustern durchsucht. Mit der Zeit kristallisieren sich relevante Variablen heraus, wie z.B. eine Unzufriedenheit mit Preisen oder etwa bestimmten Serviceleistungen. Auch der ideale Zeitpunkt für die Ansprache des Wechselkandidaten lässt sich auf diese Weise ermitteln.


turn your data into value.

Auf einen Blick

  • Datenbasiertes Churn-Modell bildet Kundenverhalten in der Zukunft ab
  • Potenzielle Wechselkandidaten werden automatisch erkannt
  • Modell optimiert sich selbstständig durch Künstliche Intelligenz und Machine Learning
Jens Kröhnert
turn your data into value

Lassen Sie uns loslegen!

Möchten auch Sie Ihre Daten nutzen, um Ihre Kunden zu begeistern und langfristiger zu binden?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten

Kundenerfolge

Wie Sie mit Echtzeitdaten Ihre Produktion effizienter gestalten

Auf einen Blick

  • Hersteller von Spezial-Pumpen überwacht seine gesamte Fertigung in Echtzeit
  • Unternehmen, Kunden und Mitarbeiter profitieren von mehr Transparenz und verbesserten Abläufen
  • Lösung verbindet lokales SAP ERP mit Diensten in der Azure Cloud

Die Geschäftssituation unseres Kunden

Produktionsprozesse müssen ein Höchstmaß an Effizienz aufweisen, damit Unternehmen im globalen Wettbewerb bestehen können. Das hat auch einer unserer Industriekunden erkannt, der weltweit führend in der Herstellung von Spezial-Pumpen ist. Gemeinsam haben wir ein auf Echtzeitdaten basierendes Monitoring seiner gesamten Produktionsstrecke umgesetzt und dadurch eine Vielzahl an Verbesserungen erzielt. Denn: Bis zu diesem Zeitpunkt waren weder der Produktionsstatus noch die Fortschritte eines Auftrages nachvollziehbar. Die fertige Ware erreichte den Versand meist ohne Vorankündigung.

Die Lösung für unseren Kunden

Der Produktionsprozess unseres Kunden sieht vor, dass die kommissionierten Einzelteile einer Pumpe auf einem Transportwagen von einer Fertigungszelle zur nächsten geschoben werden. Bei unserer Lösung erhält jeder Wagen einen eigenen RFID-Tag, der mit dem betreffenden Auftrag verknüpft ist. Die einzelnen Fertigungszellen sind mit entsprechenden RFID-Gates ausgestattet. Den resultierenden Datenstrom verarbeiten wir über eine Echtzeitstrecke, die auf Diensten der Microsoft Azure Cloud basiert: Ein Azure Event Hub nimmt die Daten entgegen und verteilt sie weiter. Über Azure Stream Analytics werden die Daten dann in Echtzeit analysiert. Zudem haben wir ein lokales SAP ERP mit qualitätsgesicherten Referenzdaten angebunden. Erst durch die Verknüpfung mit den SAP-Daten erhalten die Erkenntnisse aus den Echtzeitinformationen eine konkrete Aussagekraft. Visualisiert werden die Daten schließlich über ein Echtzeit-Monitoring-Dashboards in Power BI.

Wie aus Daten neue Werte werden

Das datengetriebene Echtzeit-Monitoring erzeugt bei unserem Kunden auf ganz unterschiedlichen Ebenen neue Werte. Der Status quo jeder einzelnen Pumpe lässt sich nun genau nachvollziehen. Ebenso können sich die Verantwortlichen in Echtzeit einen Überblick über aller laufenden Aufträge verschaffen. In der Folge lassen sich die verschiedenen Produktionsschritte sehr viel genauer aufeinander abstimmen. Beispielsweise ist die Effizienz der Mitarbeiter in den Fertigungszellen deutlich gestiegen, da diese jetzt frühzeitig über kommende Aufträge informiert werden. Und selbstverständlich zeigen sich auch die Kunden des Unternehmens deutlich zufriedener: Sie erhalten sehr viel genauere Auskünfte zum Stand und dem Liefertermin ihrer Ware.


turn your data into value.

Auf einen Blick

  • Hersteller von Spezial-Pumpen überwacht seine gesamte Fertigung in Echtzeit
  • Unternehmen, Kunden und Mitarbeiter profitieren von mehr Transparenz und verbesserten Abläufen
  • Lösung verbindet lokales SAP ERP mit Diensten in der Azure Cloud
Jens Kröhnert
turn your data into value

Lassen Sie uns loslegen!

Möchten auch Sie Ihre Daten in Echtzeit analysieren, um Geschäftsabläufe und Produktionsprozesse effektiver und kundenfreundlicher zu gestalten?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten

Kundenerfolge

So können Mobilfunkanbieter die Umsätze von neuen Verträgen vorhersagen

Auf einen Blick

  • Ein einfaches Prognosemodell macht die Erfolgserwartungen von Neuabschlüssen und Vertragsverlängerungen transparent
  • Abweichungen zu tatsächlichen Ergebnissen belaufen sich auf maximal zwei Prozent
  • Auch der Erfolg neuer Produkte sowie Kannibalisierungseffekte lassen sich frühzeitig erkennen

Die Geschäftssituation unseres Kunden

Die Bewertung der Sales Performance ist für Mobilfunkanbieter seit jeher eine besondere Herausforderung: Normalerweise können die Umsätze und Deckungsbeiträge aus Neuabschlüssen und Vertragsverlängerungen erst nach einigen Monaten genau beziffert werden. Konkrete Umsatzzahlen für anstehende Vertragslaufzeiten sind allein deswegen schwer einzuschätzen, weil Kunden in diesem Zeitraum oftmals den Tarif ändern oder ergänzende Optionen wahrnehmen. Gleichzeitig werden Vertriebserfolge in vielen Fällen fehlerhaft eingeschätzt und honoriert.

Mehr Transparenz und Planungssicherheit wünschte sich daher einer unserer Kunden, ein in Deutschland führender Mobilfunkanbieter. Wir haben für ihn mit verhältnismäßig einfachen Mitteln ein Predictive- bzw. Prognosemodell entwickelt, das die gewünschten Zahlen zuverlässig vorhersagt.

Die Lösung für unseren Kunden

Der Anbieter verfügt über einen umfangreichen Datenpool zum Nutzungsverhalten und damit den Deckungsbeiträgen seiner Kunden. Eine Vorhersage dieser Größen ist dennoch nicht ganz so einfach, da sich das Verhalten bei Vertragsbeginn eher variabel gestaltet und erst nach einigen Monaten stabilisiert. Zudem zeigen sich – abhängig von der jeweiligen Region sowie dem Vertriebskanal – auch Unterschiede zwischen den Kunden.

Diese vielfältigen Detaildaten haben wir genutzt, um darauf unser Prognosemodell aufzubauen. Dafür genügte ein relativ einfaches technisches Set-up. Die gesamte Lösung basiert auf einem schon vorhandenen Microsoft SQL Server sowie den Analysis und Reporting Services. Im Kern wendet das Modell Durchschnittsrechnungen auf ähnliche Kundendaten an und gibt daraufhin einen entsprechenden Deckungsbeitrag aus.

Wie aus Daten neue Werte werden

Trotz des einfachen Aufbaus liefert das Prognoseverfahren direkt zum Abschluss eines Vertrages sehr genaue Einschätzungen der künftigen Umsätze. Ebenso lässt sich die Sales Performance bereits am Folgetag stabil bewerten. Die Abweichungen zu den tatsächlichen Ergebnissen belaufen sich auf maximal zwei Prozent. Dadurch kann unser Kunde auch den Erfolg oder Misserfolg neuer Produkten frühzeitig erkennen und unmittelbar nachjustieren. Zudem lassen sich Kannibalisierungseffekte über unterschiedliche Vertriebskanäle hinweg sehr schnell identifizieren.


turn your data into value.

Auf einen Blick

  • Ein einfaches Prognosemodell macht die Erfolgserwartungen von Neuabschlüssen und Vertragsverlängerungen transparent
  • Abweichungen zu tatsächlichen Ergebnissen belaufen sich auf maximal zwei Prozent
  • Auch der Erfolg neuer Produkte sowie Kannibalisierungseffekte lassen sich frühzeitig erkennen
Jens Kröhnert
turn your data into value

Lassen Sie uns loslegen!

Möchten auch Sie Ihre Daten nutzen, um Ihr Geschäft zu optimieren und neue Werte zu erschließen?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten

Kundenerfolge

Handel: So optimieren Sie Ihre Werbeausgaben

Auf einen Blick

  • Modell zur Werbeerfolgskontrolle misst die Ergebnisse von Marketingaktionen
  • Erkenntnisse ermöglichen optimalen Artikelmix für Maßnahmen
  • Erfolg von geplanten Aktionen lässt sich mittels Kennzahlen vorhersagen

Die Geschäftssituation unseres Kunden

„Ich weiß, die Hälfte meiner Werbung ist hinausgeworfenes Geld. Ich weiß nur nicht, welche Hälfte.“ – Die viel zitierte Weisheit von Henry Ford hat für den Handel nichts an Aktualität eingebüßt. Im Gegenteil: Aufgrund gesättigter Märkte ist die Branche vor allem damit beschäftigt, sich mittels massiver Werbeaktionen gegenseitig Kunden streitig zu machen. Inzwischen entfällt ein Gros der Marketingausgaben von Handelsunternehmen auf diesen Posten – Tendenz weiterhin steigend.

Anders als Henry Ford können die Retailer heutzutage allerdings mit Hilfe ihrer Daten den Anteil der fehlinvestierten Werbegelder relativ genau bestimmen und gezielt reduzieren. So haben wir für ein großes deutsches Handelsunternehmen ein Modell zur Werbeerfolgskontrolle entwickelt, das genau dies ermöglicht.

Die Lösung für unseren Kunden

Technologisch basiert das Modell auf einer sehr leistungsfähigen Microsoft-Plattform. Mit Hilfe der Lösung kann unser Kunde zunächst für jeden seiner Artikel die Baseline Sales pro Tag und Filiale speichern und kalkulieren. Diese Normalwerte werden dann den Umsätzen in einem Aktionszeitraum gegenübergestellt. Aus der Differenz resultiert der Umsatz, der mit der jeweiligen Werbemaßnahme erzielt wurde – nachvollziehbar bis auf Bon-Ebene und für jeden einzelnen Artikel. Ebenso wird gemessen, ob ein Aktionsartikel Mitnahmeeffekte fördert.

Wie aus Daten neue Werte werden

Unser Kunde kann jetzt den Erfolg seiner Werbung detailliert bewerten. Bei jeder Aktion lassen sich die Topseller, Mitläufer und Ladenhüter genau identifizieren und im System hinterlegen. Auch eine kombinierte Betrachtung der unterschiedlichen Werbekanäle ist möglich. Zudem werden externe Quellen, wie etwa Wettbewerbs-, Wetter- oder demografische Daten hinzugezogen.

Alle diese Erkenntnisse gehen schließlich in einen Index ein, der mittels definierter Kennzahlen bereits bei der Planung von Aktionen – wie etwa einem Angebotsprospekt – den zu erwartenden Erfolg misst. Fällt die Bewertung negativ aus, kann unser Kunde entsprechend nachjustieren. So lässt sich für jedes Werbemedium und jeden Kanal der optimale Artikelmix definieren, wobei auch Kannibalisierungseffekten vorgebeugt wird.


turn your data into value.

Auf einen Blick

  • Modell zur Werbeerfolgskontrolle misst die Ergebnisse von Marketingaktionen
  • Erkenntnisse ermöglichen optimalen Artikelmix für Maßnahmen
  • Erfolg von geplanten Aktionen lässt sich mittels Kennzahlen vorhersagen
Jens Kröhnert
turn your data into value

Lassen Sie uns loslegen!

Möchten auch Sie Ihre Daten nutzen, um Ihre Werbegelder optimal zu investieren?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten

Kundenerfolge

Mobilfunk: So begeistern Sie Ihre Kunden mit maßgeschneiderten Angeboten

Auf einen Blick

  • Digitaler „Interaction Advisor“ unterstützt Mitarbeiter bei Verkaufsgesprächen
  • System liefert automatisch Handlungsleitfaden und individuelle Produktvorschläge
  • Maßgeschneiderte Angeboten begeistern Kunden und optimieren Deckungsbeiträge

Die Geschäftssituation unseres Kunden

Mobilfunkanbieter stehen in einem Zwiespalt: Einerseits müssen einzelne Verträge einen möglichst hohen Deckungsbeitrag erzielen. Andererseits gilt es, den Verbraucher mit attraktiven Angeboten zu begeistern und langfristig zu binden. Das Beispiel eines unserer Kunden zeigt, wie sich diese scheinbar widersprüchlichen Anforderungen durch den gezielten Einsatz von Daten effektiv miteinander verbinden lassen. Wir haben mit Microsoft-Technologien ein System aufgebaut, das auf Basis umfassender Kunden- und Tarif-Informationen automatisch Angebote definiert, von denen das Unternehmen wie auch seine Kunden gleichermaßen Vorteile haben.

Die Lösung für unseren Kunden

Bei unserer Lösung handelt es sich um einen sogenannten Interaction Advisor in der Kontaktmaske des unternehmensweiten CRMs. Er liefert den Hotline- und Shop-Agenten im direkten Kundenkontakt alle wichtigen Informationen zur jeweiligen Kaufhistorie und dem aktuellen Vertragswert. Gleichzeitig erhält der Verkäufer einen Handlungsleitfaden sowie eine Auswahl individueller Produkt- und Lösungsvorschläge mit exakten Deckungsbeitragsprognosen. Dabei greift das System auf hunderte von vordefinierten Tarif- und Optionskombinationen zurück. Ebenso werden mögliche Verhandlungsspielräume sowie die Prämierung des Agenten bei erfolgreichen Vertragsabschlüssen bzw. -verlängerungen berücksichtigt.

Wie aus Daten neue Werte werden

Durch die bereitgestellten Informationen kann der Verkäufer den Kunden viel besser beraten und mit maßgeschneiderten Angeboten auf dessen individuelle Bedürfnisse eingehen. Der Kunde fühlt sich persönlich angesprochen und bei dem Anbieter gut aufgehoben. Dadurch trägt das neue System zu einer höheren Kundenzufriedenheit und Kundenbindung bei. Gleichzeitig leistet die Lösung einen effektiven Beitrag zum Churn Management. Und schließlich profitiert das Unternehmen von optimierten Deckungsbeiträgen.


turn your data into value.

Auf einen Blick

  • Digitaler „Interaction Advisor“ unterstützt Mitarbeiter bei Verkaufsgesprächen
  • System liefert automatisch Handlungsleitfaden und individuelle Produktvorschläge
  • Maßgeschneiderte Angeboten begeistern Kunden und optimieren Deckungsbeiträge
Jens Kröhnert
turn your data into value

Lassen Sie uns loslegen!

Möchten auch Sie Ihre Kunden mit individuellen Angeboten begeistern, aus denen Sie als Unternehmen einen größtmöglichen Nutzen ziehen?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten

Kundenerfolge

Verlag steigert seine Auflagen mit datengestützten Prognosen

Auf einen Blick

  • Prognose-Modell sagt Kampagnenerfolge zu jeder Aktionsstufe zuverlässig voraus
  • Relevante Kennzahlen lassen sich gezielt steuern
  • Auflagenzahlen und Umsätze werden nachhaltig gesteigert

Die Geschäftssituation unseres Kunden

Der digitale Wandel ist für Verlage nicht immer eine Gefahr – er eröffnet auch viele Chancen. Denn gut gepflegte Datenbestände lassen sich mit modernen Analyseplattformen in vollkommen neue Werte für das Geschäft ummünzen. So haben wir für ein großes Verlagshaus ein Prognosemodell aufgesetzt, das branchenrelevante Kennzahlen – wie Haltbarkeiten, Wandlungsquoten oder Auflagen – zu jeder Stufe einer Vertriebsaktion zuverlässig ermittelt. Normalerweise geschieht dies erst im Nachhinein zu definierten Zeitpunkten. So liegen die Ergebnisse von Kampagnen oftmals erst nach mehreren Monaten vor. Es bleibt also kaum eine Möglichkeit, den Erfolg von laufenden Aktionen gezielt zu beeinflussen.

Die Lösung für unseren Kunden

Unser Prognosemodell kombiniert vorhandene Auftrags-, Kunden- und Kampagnendaten in jeder Kampagnenphase auf unterschiedliche Weise und reichert diese mit weiteren Informationen an. Schon im Planungsstadium einer Maßnahme lassen sich auf Basis von Angeboten, Werbemedien, Prämieninformationen und saisonalen Faktoren erste Aussagen zu Responsequoten, Wandlungsverhalten und resultierenden Auflagen treffen. Diese Erkenntnisse werden mit jeder weiteren Aktionsstufe verfeinert. So kommen bei der Adressselektion allgemeine Informationen über die Kunden hinzu, wie zum Beispiel Geo-Daten oder spezielle Interessen. Mit Kampagnenbeginn kann schließlich das konkrete Kundenverhalten einbezogen werden, wie etwa das digitale Nutzungsverhalten, Zahlungsinformationen oder die Interaktion mit dem Kundenservice. Das Modell passt seine Vorhersagen somit kontinuierlich den aktuellen Entwicklungen an.

Wie aus Daten neue Werte werden

Unser Kunde kann mit dem Prognosemodell den Erfolg seiner Kampagnen anhand signifikanter Kennzahlen jederzeit zuverlässig vorhersagen. Das eröffnet die Möglichkeit, bei Bedarf einzugreifen und die Maßnahmen nachzujustieren – mit entsprechend positiven Effekten auf die relevanten Kennzahlen bzw. die konkreten Auflagen. Darüber hinaus sind kurz- und mittelfristige Erlösprognosen, Cashflow-Erwartungen und Vorhersagen zu Kündigungen möglich. Und was ganz entscheidend ist: Erstmals können langfristige Ziele, wie die Verbesserung von Wandlungsquoten, Haltbarkeitskurven und Bezahlquoten, gezielt gesteuert werden.


turn your data into value.

Auf einen Blick

  • Prognose-Modell sagt Kampagnenerfolge zu jeder Aktionsstufe zuverlässig voraus
  • Relevante Kennzahlen lassen sich gezielt steuern
  • Auflagenzahlen und Umsätze werden nachhaltig gesteigert
Jens Kröhnert
turn your data into value

Lassen Sie uns loslegen!

Wollen auch Sie Ihre Daten nutzen, um den Erfolg Ihrer Vertriebsaktionen gezielt zu steuern und zu steigern?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten

Kundenerfolge

Predictive Maintenance: Maschinenbauer begeistert Kunden mit KI-basierten Prognosen

Auf einen Blick

  • Hersteller von Verpackungsanlagen wertet seine Produkte durch datenbasierte Services auf
  • KI-gestützte Prognosen sagen Maschinenstillstände und -defekte zuverlässig voraus
  • Effizienzsteigerungen reichen von der Lagerhaltung bis zur Gesamtproduktivität

Die Geschäftssituation unseres Kunden

Im globalen Wettbewerb sind effiziente Produktionsprozesse ein entscheidender Erfolgsfaktor. Vor diesem Hintergrund bietet die Digitalisierung den Herstellern von Maschinen und Fertigungslinien viele Chancen, ihre Kunden mit datenbasierten Services aus dem Bereich der Künstlichen Intelligenz (KI) zu begeistern. Beispielsweise haben wir für einen weltweit agierenden Maschinenbauer Prognoseszenarien für Predictive Maintenance – also der vorausschauenden Wartung und Instandhaltung – umgesetzt, die die Effizienz der gefertigten Anlagen maßgeblich erhöhen.

Zielsetzung unseres Kunden war es:

  • Maschinenstillstände zu verhindern
  • Maschinenschäden auszuschließen
  • Ausfallzeiten zu minimieren
  • Typische Störfälle zu identifizieren
  • Wartungsintervalle zu optimieren
  • Die Produktivität zu verbessern

Die Lösung für unseren Kunden

Ausgangspunkt für unsere datenbasierten Prognoseservices bilden historische wie auch aktuelle Maschinendaten. Auf dieser Basis wird ein Prognosemodell aufgesetzt und laufend verbessert:

  1. Wir sammeln laufend die Sensordaten der Maschinen
  2. Wir ergänzen aktuelle Messwerte durch qualitätsgesicherte Stammdaten
  3. Wir generieren Diagnosedaten zu Maschinenproblemen
  4. Wir trainieren ein Machine-Learning-Modell auf Basis der Diagnosedaten
  5. Wir gleichen unsere Algorithmen zur Optimierung laufend mit Echtzeitdaten ab

Wie aus Daten neue Werte werden

Durch den Einsatz unseres KI-basierten Prognosemodells können die Maschinenbetreiber etwaigen Störfällen und Defekten gezielt vorbeugen. Die Verfügbarkeit der im Einsatz befindlichen Anlagen hat sich dadurch deutlich verbessert. Doch auch unser Kunde profitiert von den Optimierungen bei seinen Kunden: Prüfkosten und aufwendige Rückrufaktionen werden vermieden, die Gewährleistungskosten sinken erheblich. Gleichzeitig hat sich die Kundenzufriedenheit und -bindung erhöht.

Die Verbesserungen für alle Beteiligten in konkreten Zahlen:

  • Maschinendefekte und -ausfälle werden zu 75% vorausschauend erkannt
  • Stillstandszeiten sind um 50 bis 80% gesunken
  • Wartungskosten haben sich um 50 bis 80% verringert
  • Gewährleistungskosten wurden um über 50% gesenkt
  • Lagerhaltungskosten reduzieren sich um 20 bis 30%
  • Ausgaben für Überstunden haben sich um 20 bis 50% verringert
  • Die Gesamtproduktivität wurde um 20 bis 30% gesteigert


turn your data into value.

Auf einen Blick

  • Hersteller von Verpackungsanlagen wertet seine Produkte durch datenbasierte Services auf
  • KI-gestützte Prognosen sagen Maschinenstillstände und -defekte zuverlässig voraus
  • Effizienzsteigerungen reichen von der Lagerhaltung bis zur Gesamtproduktivität
Jens Kröhnert
turn your data into value

Lassen Sie uns loslegen!

Wollen auch Sie Ihre Daten nutzen, um die Effizienz Ihrer Produkte nachhaltig zu steigern und Ihre Kunden mit datenbasierten Services zu binden?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten

Kundenerfolge

Digitaler Wandel in der Heiztechnik: So werden Störfälle vorhergesagt und Verbrauchskosten gesenkt

Auf einen Blick

  • Cloud-Lösung ermöglicht laufendes Monitoring von Heizungsdaten
  • Prognoseszenarien sorgen für zuverlässigeren Betrieb und weniger Ausfälle
  • Intelligente Heizungssteuerung senkt die Kosten für den Verbraucher

Die Geschäftssituation unseres Kunden

Was alles machbar ist, wenn Datenbestände konsequent genutzt werden, demonstriert ein international führender Hersteller für Heizsysteme. Seit jeher konnten Heizungsmonteure als direkte Kunde des Herstellers nur reaktiv handeln. Anlagendefekte ließen sich erst erkennen, wenn Sie auftraten. Und auch die erforderlichen Ersatzteile waren in der Regel nicht griffbereit, was einen hohen Aufwand für den Monteur sowie kalte Nächte auf Seiten des Heizungsnutzers zur Folge hatte.

Gemeinsam mit ORAYLIS wollten die Verantwortlichen nun den digitalen Wandel des Unternehmens angehen und durch ein laufendes Monitoring der umfangreichen Heizungsdaten neue Werte auf unterschiedlichen Ebenen schaffen. Zielsetzung war es einerseits, dem Heizungsmonteur vorausschauende Maßnahmen zu ermöglichen und Wartungsintervalle zu optimieren. Andererseits sollten die Einstellung der Heizungen verbessert und schließlich die Verbrauchskosten für den Nutzer nachhaltig gesenkt werden.

Die Lösung für unseren Kunden

Kern unserer Lösung ist eine flexibel skalierbare Plattform in der Microsoft Azure Cloud. Eine langfristige Hardware-Lösung im unternehmenseigenen Rechenzentrum wäre aufgrund des hohen Datenaufkommens kaum kalkulierbar gewesen. Auf der Cloud-Plattform wird der kontinuierliche Strom an Betriebs-, Konfigurations- und Statusdaten der Heizungsanlagen gesammelt und mit bereits vorhandenen Anlagendaten abgeglichen. Die Erkenntnisse werden zunächst in einem Echtzeit-Dashboard dargestellt, sodass der Hersteller Unregelmäßigkeiten sofort erkennen und proaktiv eingreifen kann. Gleichzeitig werden typische Verbrauchsmuster identifiziert, etwa zur Nutzung von warmem Wasser oder der Heizung als solcher. Auf dieser Grundlage lassen sich Aktivitäts- und Ruhephasen der Anlagen intelligent steuern. Nicht zuletzt trainieren wir Prognosemodelle mit den aktuellen und historischen Daten. Diese treffen nicht nur zunehmend zuverlässige Aussagen über den zu erwartenden Verbrauch. Ebenso werden dem Service-Techniker automatisch Vorhersagen zu Störungsfällen und einzelnen Verschleißteilen inklusive Handlungsempfehlungen auf sein Handy geliefert.

Wie aus Daten neue Werte werden

Von den vielfältigen Möglichkeiten, die unsere Cloud-Lösung eröffnet, profitieren alle Beteiligten:

Verbraucher

  • Die datenbasierte, automatisierte Steuerung der Anlagen spart bis zu 20 Prozent an Kosten
  • Laufendes Monitoring der Heizungsdaten sorgt für einen verlässlichen Anlagenbetrieb

Monteur

  • Positionierung als moderner Dienstleister, der einen reibungslosen Betrieb gewährleistet
  • Massive Einsparung von Zeit und Aufwand durch intelligente Lieferketten

Hersteller

  • Positionierung als technologischer Innovationstreiber und Branchenvorreiter im Heizungsgeschäft
  • Monteure und Verbraucher entscheiden sich verstärkt für die Produkte des Herstellers und bleiben ihnen treu


turn your data into value.

Auf einen Blick

  • Cloud-Lösung ermöglicht laufendes Monitoring von Heizungsdaten
  • Prognoseszenarien sorgen für zuverlässigeren Betrieb und weniger Ausfälle
  • Intelligente Heizungssteuerung senkt die Kosten für den Verbraucher
Jens Kröhnert
turn your data into value

Lassen Sie uns loslegen!

Wollen auch Sie die Chancen der Digitalisierung ergreifen und sich von Ihren Wettbewerbern mit datengetriebenen Services abheben?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten

Kundenerfolge

Bäckerei trifft zuverlässige Prognosen mit anonymen Kundendaten

Auf einen Blick

  • KI-gestütztes Churn-Modell basiert allein auf anonymisierten Daten zum Kaufverhalten
  • Controlling kann die Abwanderung von Kunden zuverlässig vorhersagen
  • Lösung ließ sich schnell und wirtschaftlich mit den Diensten der Azure Cloud aufbauen

Die Geschäftssituation unseres Kunden

Um mit Künstlicher Intelligenz (KI) zuverlässige Prognosen zum Verhalten Ihrer Kunden treffen zu können, bedarf es nicht zwangsläufig einer Unmengen an Daten. Auch mittelständische Unternehmen mit verhältnismäßig überschaubaren Datenbeständen können sich diese spannenden Möglichkeiten der Digitalisierung erschließen. Das zeigt unser Vorgehen bei einer deutschen Bäckerei-Kette: Das Unternehmen arbeitet mit anonymen Kundenkarten, die vor allem Rabattvorteile bieten. Tatsächlich werden die 350.000 aktiven Karten bei etwa 60 Prozent aller Einkäufe genutzt. Allein auf Basis dieser Daten zum Kaufverhalten, haben wir nunmehr ein sogenanntes Churn-Modell trainiert, das eine potenzielle Abwanderung von Kunden frühzeitig erkennt.

Die Lösung für unseren Kunden

Um unser KI-gestütztes Prognosemodell aufzubauen, haben wir zunächst den typischen „Abwanderer“ definiert: Kunden, die drei Monate lang bei der Bäckerei-Kette gekauft haben und dann drei Monaten nicht mehr. Mit dieser Vorgabe sowie der Kaufhistorie aus den Kundenkarten wurde dann das Modell trainiert.

Unser Vorgehen im Überblick:

  • Wir trainieren ein Modell mit der Advanced-Analytics-Komponente des SQL Servers in der Azure Cloud
  • Über einen längeren Zeitraum vergleichen wir die Analysen des Modells mit dem Kaufverhalten der Kunden
  • Wir überführen die Analyseergebnisse in das vorhandene Business Intelligence (BI) System
  • Über eine Self-Service-Anwendung stellen wir die Ergebnisse dem Controlling bereit
  • Mittels neuer Daten verfeinern wir laufend die Klassifizierung

Wie aus Daten neue Werte werden

Der beschriebene Lösungsaufbau ermöglicht es auf wirtschaftliche Weise, das Verhalten der Kunden zuverlässig zu analysieren.

Die Vorteile im Überblick:

  • Das Controlling kann Abwanderungstendenzen von Kunden zuverlässig vorhersagen.
  • Die Betrachtung einzelner Kunden ermöglicht individuelle Marketingmaßnahmen, z.B. spezielle Gutscheine.
  • Selbst kleine Veränderungen im Kaufverhalten werden frühzeitig erkannt, sodass ein schnelles Gegensteuern möglich ist.
  • Erwartete Umsatzeinbußen durch Kündigungen können nach Region, Filiale und Zeitraum analysiert werden.
  • Auch übergeordnete Entwicklungen lassen sich erkennen, etwa wenn der Wettbewerb eine spezifische Region zunehmend durchdringt.
  • Durch den Einsatz von Cloud-Komponenten kann die Lösung schnell und kostengünstig aufgesetzt und erweitert werden.


turn your data into value.

Auf einen Blick

  • KI-gestütztes Churn-Modell basiert allein auf anonymisierten Daten zum Kaufverhalten
  • Controlling kann die Abwanderung von Kunden zuverlässig vorhersagen
  • Lösung ließ sich schnell und wirtschaftlich mit den Diensten der Azure Cloud aufbauen
Jens Kröhnert
Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten