Alle Case Studies

RFP Prozessautomatisierung mit GenAI in der Elektronikfertigung

Auf einen Blick:

Branche: Elektronik
Projektziel: Automatische Klassifizierung und Sortierung technischer Kundendokumente mittels GenAI
Tools: Llama4, Python

Die Herausforderung des Kunden

Zum Projektstart lief die Dokumentensortierung bei einem mittelständischen Elektronikfertiger vollständig manuell ab, sodass Mitarbeitende jede angelieferte Datei einzeln öffnen und prüfen mussten. Anschließend ordneten sie die Dokumente einer Klasse zu und verschoben sie in die passenden Unterordner, wodurch viel Zeit gebunden wurde.

Mit steigender Projektanzahl nahm die Menge technischer Kundendokumente weiter zu, weshalb der Aufwand ebenfalls wuchs. Dadurch wurde der Prozess nicht nur zeitintensiv, sondern auch anfällig für Fehler, während qualifizierte Fachkräfte zunehmend einfache Routinetätigkeiten übernehmen mussten.

Gleichzeitig suchte das Unternehmen eine Lösung, die schneller arbeitet und verschiedene Dateiformate zuverlässig erkennt, damit der Projektstart effizienter wird. Zudem sollte die Lösung On Premise laufen, sensible Daten schützen und flexibel an neue Dokumentenklassen angepasst werden können, sodass sie langfristig nutzbar bleibt.

Vor diesen Herausforderungen stand unser Kunde

Hoher manueller Aufwand

Mitarbeitende mussten alle angelieferten Dokumente manuell prüfen, klassifizieren und in passende Ordner verschieben. Ein zeitintensiver und repetitiver Prozess.

Uneinheitliche Dokumentenstruktur

Es gibt unterschiedliche Dateiformate und uneinheitliche Benennungen, auch nach der Zuordnung. Eine Standardisierung kann auch weitere Prozesse beschleunigen.

Fehlende Skalierbarkeit

Mit der steigenden Anzahl von Projekten und Dokumenten wächst der Aufwand proportional. Ohne Automatisierung wäre eine zukunftsfähige Skalierung daher nicht möglich.

Unser Lösungsansatz

Wir haben eine eigene KI-Lösung zur automatischen Dokumentenklassifikation entwickelt, die auf einem lokal betriebenen Llama-4-Modell läuft und sich direkt in die bestehende On-Premise-Infrastruktur einfügt. Das System analysiert angelieferte Kundendokumente automatisch, ordnet sie klaren Klassen zu und bereitet sie strukturiert vor. Dadurch können Mitarbeitende schneller in Projekte starten.

Zunächst bauten wir das Klassifikationsmodell auf und testeten es mit realen Dokumenten, um eine hohe Genauigkeit zu erreichen. Anschließend integrierten wir die Dokumentenverarbeitung, sodass das System verschiedene Dateiformate versteht und Inhalte zuverlässig ausliest.

Abschließend entwickelten wir ein einfaches Web-Tool, über das Mitarbeitende ZIP-Dateien hochladen und vorsortiert zurückerhalten, während das System im Hintergrund arbeitet. So entsteht eine Lösung, die Zeit spart, Daten schützt und sich bei Bedarf weiter ausbauen lässt.

Wie gehen wir dabei vor?

1.

Modellentwicklung mit GenAI

Zunächst wurde ein Klassifikationsmodell auf Basis von Llama 4 und DSPy aufgebaut und getestet. Ziel war es, unterschiedliche Dokumenttypen zuverlässig den definierten Klassen zuzuordnen.

2.

Dokumentenverarbeitung und Logik

Anschließend wurde Apache Tika integriert, um Inhalte aus verschiedenen Dateiformaten zu extrahieren und dem Modell bereitzustellen. Zusätzlich flossen Dateipfade, Referenzdateien und eine zentrale YAML Konfiguration in die Entscheidungslogik ein.

3.

Backend und On Premise Deployment

Zum Abschluss wurde ein Python Backend entwickelt, das ZIP Dateien entgegennimmt, automatisch verarbeitet und vorsortiert zurückgibt. Die gesamte Lösung wurde containerisiert mit Podman betrieben und läuft vollständig On Premise mit dedizierter GPU Kapazität.

Unsere Lösung

Die Architektur zeigt einen On-Premise Datenfluss zur automatisierten Klassifizierung technischer Dokumente. Eingehende Dokumente werden über eine Web App entgegengenommen, in einem Docker-Container verarbeitet und mit Apache Tika extrahiert. Das Klassifizierungsmodell arbeitet dabei vollständig server-intern zusammen mit einem lokal gehosteten Llama-Modell und legt die Ergebnisse strukturiert in kategorisierten Ordnern ab.

Die Ergebnisse des Use Case:

Automatisierte Dokumentenklassifikation

Das Tool sortiert ZIP-Dateien automatisch in die richtigen Klassen und ersetzt den bisherigen manuellen Aufwand.

60 % Zeitersparnis

Verarbeitung großer Dokumentenmengen dauert nur noch wenige Minuten statt bisher mehrere Stunden.

Nutzerfreundliches On-Premise-Tool

Mitarbeitende können einfach ZIP-Dateien im UI hochladen und eine vorsortierte ZIP herunterladen, sicher und effizient.

Vinzent Wuttke

Geschäftsführer

Lassen Sie uns sprechen und Ihr Potenzial entdecken.

Ob und wie künstliche Intelligenz Ihnen weiterhelfen kann, können Sie in einem ersten, unverbindlichen Gespräch mit uns herausfinden.

In diesem Gespräch erfahren Sie:

Wie Ihr Use-Case technisch am besten umgesetzt werden kann
Wie wir maximal sicher mit Ihren Kundendaten umgehen
Wie lange wir für die Umsetzung benötigen und wie ein konkreter Projektplan aussehen könnte

Jetzt Erstgespräch vereinbaren