Wir haben Ai Value Forge beauftragt, unsere Eingangsrechnungen automatisch zu klassifizieren und den richtigen Kostenstellen zuzuordnen. Nach sechs Wochen lief das System. Seitdem spart unsere Buchhaltung rund 15 Stunden pro Woche. Die Zusammenarbeit war unkompliziert, die wöchentlichen Updates hilfreich.
Die Absatzprognosen, die Ai Value Forge für uns gebaut hat, treffen in 91 % der Fälle. Unsere Überbestellungen sind um 18 % zurückgegangen, und wir werfen weniger Ware weg. Das Modell läuft seit über einem Jahr stabil, und das Nachtraining einmal pro Monat funktioniert problemlos.
Unser Chatbot beantwortet jetzt 70 % der Kundenanfragen ohne menschliches Eingreifen. Die restlichen 30 % werden korrekt an die richtige Abteilung weitergeleitet. Einziger Kritikpunkt: Die initiale Datenaufbereitung hat länger gedauert als erwartet, weil unsere interne Dokumentation lückenhaft war. Das lag aber an uns, nicht am Team von Ai Value Forge.
Als kleines Ingenieurbüro mit zwölf Mitarbeitenden hatten wir Bedenken, ob KI für uns überhaupt sinnvoll ist. Ai Value Forge hat uns ein schlankes System gebaut, das Baustellenfotos automatisch kategorisiert und den richtigen Projektordnern zuordnet. Das spart uns pro Woche etwa vier Stunden Verwaltungsarbeit. Für ein Büro unserer Grösse ist das viel.
Die Müller Transport AG in Bern verarbeitet wöchentlich rund 800 Eingangsrechnungen. Vor unserem Projekt wurden diese manuell gelesen, den Kostenstellen zugeordnet und ins ERP-System eingetragen. Zwei Mitarbeitende verbrachten zusammen 30 Stunden pro Woche damit.
Wir haben ein Textklassifizierungsmodell trainiert, das die Rechnungen anhand von Absender, Betrag und Freitext den korrekten Kostenstellen zuordnet. Die Genauigkeit liegt bei 96 %. Bei den verbleibenden 4 % markiert das System die Rechnung zur manuellen Prüfung. Ergebnis: 15 Stunden weniger manuelle Arbeit pro Woche.
FreshMarkt betreibt 14 Filialen in der Zentralschweiz. Das Problem: Frischprodukte haben eine kurze Haltbarkeit. Zu viel bestellt bedeutet Lebensmittelverschwendung, zu wenig bedeutet leere Regale und unzufriedene Kunden.
Wir haben ein Prognosemodell gebaut, das auf Basis von Verkaufsdaten, Wetter, Feiertagen und lokalen Veranstaltungen den Absatz pro Filiale und Produktgruppe auf Wochenbasis vorhersagt. Nach sechs Wochen Training erreichte das Modell eine Genauigkeit von 91 %. Die Überbestellungen gingen um 18 % zurück, der Foodwaste sank messbar.
Ein Überblick über das, was wir seit 2021 erreicht haben.
Abgeschlossene Projekte
Aktive Wartungsverträge
Durchschnittliche Modellgenauigkeit
Mediane Projektdauer (Pilot)
Beschreiben Sie uns Ihre Situation. Wir prüfen kostenlos, ob und wie KI Ihnen helfen kann, und melden uns innerhalb von 48 Stunden.
Anfrage senden