Leistungen / Services / Case Studies / Preise

Problem:
Wenn erfahrene Mitarbeiter das Unternehmen verlassen, geht mit ihnen oft jahrzehntelanges Prozess- und Produktionswissen verloren – unstrukturiert, undokumentiert, unwiederbringlich.

Lösung:
Wir begleiten Sie beim systematischen Aufbau eines KI-gestützten Wissensmanagements: von der Erfassung und Strukturierung bestehenden Wissens bis zur Einführung von RAG-Systemen (Retrieval-Augmented Generation), die Ihr Dokumentenwissen für alle Mitarbeiter durchsuchbar und nutzbar machen.

Typische Anwendungsfälle:

• - Internes Wissensportal mit KI-Suche über technische Dokumente, Handbücher, Prüfberichte
• - Onboarding neuer Mitarbeiter auf Basis strukturierter Wissensbasen
• - Automatisierte Qualitätsdokumentation und Fehlerwissensmanagement
• - KI-gestützter interner Chatbot für Produktions- und Prozessfragen

Technologie:
Lokal betriebene RAG-Systeme (offline, DSGVO-konform) · LLM-Integration · Vektordatenbanken (ChromaDB, Weaviate) · Automatisierte Dokumentenklassifikation

Problem:
Qualitätsprobleme treten auf – aber die Ursachen bleiben unklar. Rezepturentscheidungen basieren auf Erfahrung statt auf Daten. Ausschuss und Nacharbeit kosten Geld, das nicht sein müsste.

Lösung:
Prädiktive ML-Systeme lernen aus Ihren historischen Produktionsdaten statistische Zusammenhänge, die kein Mensch intuitiv erkennen würde. Das Ergebnis: Qualitätsvorhersagen vor der Produktion, Optimierungsempfehlungen für Prozessparameter und frühe Warnsignale bei drohenden Abweichungen.

Typische Anwendungsfälle:

• - Vorhersage von Haftungs-, Viskositäts- oder Festigkeitswerten bei neuen Rezepturen
• - Reduzierung von Ausschuss durch Prozessparameteroptimierung
• - Vorausschauende Wartung (Predictive Maintenance)
• - Anomalieerkennung in Prüf- und Messdaten

Voraussetzungen:
Mindestens 200–500 historische Datensätze · Strukturierte Datenerfassung (SAP, MES, Prüfsysteme) · Klar definierte Zielgröße

Problem:
Wachsende Variantenvielfalt, unklare Produktstrukturen, ineffiziente Lieferantenbeziehungen und mangelnde Prozessstandardisierung bremsen Mittelständler aus – und machen Skalierung teuer.

Lösung:
Das TMCO-Framework (Target-Model for Complexity Optimization) ist ein strukturierter Beratungsansatz, der fünf Hebel gleichzeitig adressiert: Produktstandardisierung, Variantenmanagement, Lieferantenmanagement, Lean-Produktion und vertriebsseitige Komplexitätssteuerung.

Die fünf TMCO-Säulen:

1. Produktstandardisierung Aufbau modularer Produktstrukturen (M-BOM, funktionale Baugruppen, Plattformen) zur Reduktion interner Variantenvielfalt bei gleichbleibender Marktflexibilität.

2. Variantenmanagement Systematische Analyse und Steuerung der Produktvarianten – von der Kundensicht bis zur Stückliste. Konfigurierbare Strukturen statt Einzellösungen.

3. Lieferantenmanagement Lieferantenqualifikation, -entwicklung und -konsolidierung nach VDA2, PPAP und internationalen Standards. Globale Beschaffungsstrategien mit Fokus auf Qualität und Versorgungssicherheit.

4. Lean-Produktion Einführung und Weiterentwicklung von Lean-Methoden: Kanban, 5S, SMED, TPM, Heijunka, Shopfloor Management, Wertstromanalyse und kontinuierliche Verbesserung (KVP).

5. Vertriebsseitige Komplexitätssteuerung Abstimmung von Vertriebsstrukturen und Angebotsprozessen mit der internen Produktlogik – damit keine unnötige Komplexität durch kundenindividuelle Sonderlösungen entsteht.

Typische Projektergebnisse:

• - Reduktion der internen Variantenanzahl um 30–60 %
• - Durchlaufzeitverkürzung in der Fertigung
• - Senkung der Qualitätskosten
• - Verbesserung der Lieferantenbewertungen und -zuverlässigkeit
  
  

Branche:
Lacke & Beschichtungen

Ausgangssituation:
15 Jahre Rezepturdokumentation, Prüfberichte und Reklamationshistorien lagen unstrukturiert in PDFs und Word-Dateien. Mit dem bevorstehenden Renteneintritt mehrerer Schlüsselpersonen drohte massiver Wissensverlust.

Vorgehen:
Aufbau eines RAG-basierten Wissensportals. Alle bestehenden Dokumente wurden indexiert und durch semantische Suche durchsuchbar gemacht. Das System läuft vollständig lokal – ohne Cloud-Anbindung, DSGVO-konform.

Ergebnis:

• - Produktionsmitarbeiter und neue Kollegen finden Antworten auf technische Fragen direkt im System – mit Quellenangabe aus dem Originaldokument
• - Wissen, das vorher nur in einzelnen Köpfen existierte, ist dauerhaft zugänglich
• - Onboarding-Zeiten für neue Mitarbeiter signifikant reduziert

Branche:
Aluminiumherstellung

Ausgangssituation: 30 Jahre Dokumentation von Zusammensetzungen, physikalischen Parameter und Herstellungsparameter in Form von Prüfberichten, Messprotokollen, Analysen in Form von Excel-, Word-Dateien und PDFs.. Zum Einen standen mehrere Personen vor der Rente, zum Anderen sollte die Geschwindigkeit der Beantwortung von Anfragen und in der Entwicklung verbessert werden.

Vorgehen:
Aufbau eines ML-System auf Basis der vorhandenen Daten. Dazu wurden zum einen die vorhandenen Standardwerte aus der Literatur und die vorhandenen, werksinternen Daten in einer Datenbank konsolidiert und das System damit angelernt. Das ML-System wurde dann in mehreren Schleifen bezüglich der Genauigkeit der Ergebnisse verbessert und die Ergebnisse in Rahmen von Versuchsreihen validiert. Das System läuft vollständig lokal-ohne Cloud-Anbindung. DSGVO-konform.

Ergebnis:

 - Die Anwendungstechniker haben eine Datenbank, mit der Sie Kundenanfrage sofort beantworten können. Wodurch Kundenanfragen deutlich schnelle und mit höherer Qualität beantwortet werden können,
 - Die Entwicklung ermittelt mit dem System neue Parameter für neue Materialien und füttert mit den Ergebnissen die KI. Neue innovative Werkstoffe und Werkstoffeigenschaften wurden damit möglich.
 - Die Einarbeitung neuer Mitarbeiter erfolgt schneller und mit höherer Qualität
A

Branche:
Energieanlagenbau

Unternehmensgröße: 1.200 Mitarbeiter, 240 Mio. € Umsatz

Ausgangssituation:
Wachsender Auftragseingang bei gleichzeitig ineffizienter Fertigungsstruktur, hohen Qualitätskosten (ca. 5 % vom Umsatz) und mangelnder Prozessstandardisierung.

Vorgehen:
Vollständiger Umbau von 30.000 m² Fertigungsfläche nach Lean-Produktionsprinzipien – bei laufendem Betrieb. Einführung von Kanban, Heijunka, 5S, Milk-Runs und Managementboards. Aufbau eines werksweiten Fehlerrückmeldesystems. Implementierung eines integrierten Managementsystems (ISO 9001, ISO 14001, ISO 18001, ISO 50001).

Ergebnisse:

• - Umsatzsteigerung von 140 auf 240 Mio. € bei stabiler Mitarbeiterzahl
• - Reduktion der Qualitätskosten von 5 % auf unter 1 %
• - Deutliche Verkürzung der Durchlaufzeiten
• - Erfolgreiche Einführung von 9 Montagelinien nach Lean-Standard