
Anlagenkapazität ohne Hardware-Investition
Ingredion brauchte datengetriebene Vorhersagen für optimale Reaktionszeiten. Präzise Prognosen über alle Produktionsbedingungen steigerten die Kapazität in einem halben Jahr um bis zu 10 %.
- Kunde
- Ingredion
- Branche
- Lebensmittel- & Prozessindustrie
- Projektdauer
- 6 Monate
Reaktionszeiten in der Produktion wurden von Mitarbeitern auf Basis von Erfahrung, Laboranalysen und Excel-Daten gesteuert. Die manuelle Steuerung neigte dazu, defensiv zu reagieren – das Produkt sollte auf keinen Fall zu kurz reagieren. Das bremste die Anlagenkapazität aus und trieb den Energieverbrauch nach oben.
Wir entwickelten ein KI-gestütztes Assistenzsystem, das die optimalen Reaktionszeiten für jeden Batch vorhersagt. Dazu integrierten wir Prozessdaten, Laborwerte und historische Chargendaten in einem gemeinsamen Modell und setzten es als Entscheidungshilfe direkt an der Anlage um.
- Präzise Vorhersagen der optimalen Reaktionszeiten über alle Produktionsbedingungen
- Erhöhung der Anlagenkapazität um bis zu 10 % ohne neue Hardware
- Senkung des spezifischen Energieverbrauchs durch kürzere, optimale Reaktionszeiten
- Entlastung der Anlagenfahrer durch datenbasierte Empfehlungen





Ergebnisse
+10 %
mehr Anlagenkapazität
6 Monate
Time-to-Value
gesenkt
Energieverbrauch
Weitere Success Stories

KI-Assistent für geführte Reparatur
In nur zwei Monaten ein MVP für geführte Reparatur plus automatische Angebotserstellung. Der Assistent schlägt Technikern direkt in der Service-Software mit 90 % Genauigkeit das Vorgehen vor.

Data Lakehouse als zentrale Intelligence-Plattform
SAP-, Salesforce-, Produktions- und Sensordaten nach Databricks überführt — eine zentrale Datenplattform für AI, BI und GenAI Use-Cases vieler Data-Teams.

Next-Best-Action Marketing im Telko-Konzern
Data-Science-gestützte Steuerung von Call-Centern und Vertriebsaktivitäten: 20 % mehr Anrufannahme und je nach Produkt 2–15 % mehr Umsatz.

KI-getriebene Glasfaser-Gebietsausbauplanung
Ein Planungstool, das optimale Ausbaugebiete identifiziert und Ausbaukosten sowie Umsatzprognosen datengetrieben und erklärbar vorhersagt.
