Ausgewählte Projekte
Vier Arbeitsfelder, konkrete Ergebnisse
Anomalieerkennung in Sensordaten
Für einen Berliner Fertigungsbetrieb haben wir ein Modell entwickelt, das Abweichungen in Echtzeit-Sensordatenströmen erkennt. Die Lösung arbeitet mit einem LSTM-Netz und wurde direkt in die bestehende SCADA-Infrastruktur integriert.
Automatische Dokumentenklassifizierung
Eine Kanzlei benötigte ein System, das eingehende juristische Schriftsätze automatisch kategorisiert und den zuständigen Sachbearbeitern zuweist. Wir setzten ein feinabgestimmtes BERT-Modell ein, das mit 8.400 annotierten Dokumenten trainiert wurde.
Interaktives Analyse-Dashboard
Ein Einzelhandelsunternehmen wollte Filialleistungen vergleichbar machen. Das Dashboard aggregiert Verkaufs-, Lager- und Personaldaten aus fünf Quellsystemen und stellt sie in einer einheitlichen Oberfläche dar. Aktualisierung erfolgt stündlich.
Nachfrageprognose für Logistik
Für einen regionalen Logistikdienstleister erstellten wir ein Prognosemodell, das Lieferaufkommen 14 Tage im Voraus schätzt. Als Grundlage dienen historische Auftragsdaten, Wetterdaten und lokale Veranstaltungskalender.
KI-Modelle scheitern häufiger an schlechten Daten als an fehlerhaften Algorithmen.
Was wir in Projekten gelernt haben
Hinter jedem abgeschlossenen Projekt stecken Entscheidungen, die man beim nächsten Mal anders trifft. Hier sind drei Erkenntnisse, die unsere Arbeitsweise dauerhaft geprägt haben.
- 1 Frühzeitige Stakeholder-Einbindung verhindert, dass Modelle gebaut werden, die niemand versteht oder einsetzt. Wir führen daher bereits in der Konzeptphase Workshops mit den späteren Anwendern durch.
- 2 Baseline zuerst. Bevor ein komplexes Modell entsteht, prüfen wir, was ein einfaches Regelwerk oder eine lineare Regression leistet. Das spart Zeit und schärft das Verständnis für das eigentliche Problem.
- 3 Monitoring nach dem Deployment ist kein optionaler Schritt. Datendrift kann Modelle innerhalb weniger Monate unbrauchbar machen, wenn niemand hinschaut.
„Das Analyse-Dashboard hat uns gezeigt, wie viel Potenzial in unseren eigenen Daten steckte. Bixelon hat nicht einfach ein Tool geliefert, sondern uns durch den gesamten Prozess begleitet – von der Datenerhebung bis zur Schulung unserer Mitarbeitenden."
aus 94 Rückmeldungen
Projekte, die sich an realen Anforderungen messen
Seit der Gründung 2016 arbeitet Bixelon mit Unternehmen aus dem Berliner Raum und darüber hinaus. Die hier gezeigten Projekte decken ein breites Spektrum ab — von schnellen Pilotvorhaben bis zu mehrmonatigen Entwicklungsprojekten mit festen Integrationspunkten in bestehende Systeme.
Jedes Projekt wird nach Abschluss intern dokumentiert und ausgewertet. Was funktioniert hat, fließt in unsere Methodik ein. Was nicht funktioniert hat, auch.