Ein gro\u00dfer europ\u00e4ischer Hersteller von Sonderanfertigungen k\u00e4mpfte mit einem langsamen, m\u00fchsamen Angebotsprozess f\u00fcr eingehende Auftr\u00e4ge und Angebotsanfragen (RFQs). Die Ursache lag in der gro\u00dfen Vielfalt der Eingabeformate, die von sauberen, mit spezieller Software generierten PDF‑Dateien bis hin zu Fotos von handschriftlichen Notizen und Skizzen reichten.<\/p>\n\n\n\n
Das Verstehen, Interpretieren und Eingeben von Auftragsparametern in das System war sehr zeitaufw\u00e4ndig und erforderte viel Erfahrung. Infolgedessen hingen Durchsatz und Lieferzeit stark von der Verf\u00fcgbarkeit der wichtigsten Mitarbeiter ab.<\/p>\n\n\n\n
Die gr\u00f6\u00dfte Herausforderung bestand darin, bei der Extraktion der Auftragsparameter, die in die Hunderte gehen k\u00f6nnen, eine hohe Genauigkeit zu erreichen und gleichzeitig die L\u00f6sung bei unterschiedlicher Eingabequalit\u00e4t stabil zu halten.<\/p>\n\n\n\n
Wir haben eine L\u00f6sung entwickelt, die auf multimodalen KI‑Algorithmen basiert. Das System erkennt Text, einschlie\u00dflich handgeschriebenen Text in mehreren Sprachen, analysiert technische Zeichnungen, indem es ihren Typ klassifiziert, und extrahiert automatisch Parameter.<\/p>\n\n\n\n
Das System kombiniert mehrere Komponenten, darunter direkte Integrationen mit multimodalen Modell-APIs (OpenAI), fortgeschrittenes Prompt-Engineering und fein abgestimmte Computer-Vision-Modelle zur Erkennung von Details in den Eingaben und zur Klassifizierung von Zeichnungsarten.<\/p>\n\n\n\n
Die Ergebnisse werden verarbeitet und als JSON an das Auftragserfassungssystem geliefert, das sich nahtlos in die bestehende Infrastruktur des Unternehmens integriert.<\/p>\n\n\n\n
Die L\u00f6sung reduziert die Zeit f\u00fcr die Auftragsbearbeitung erheblich, verbessert die Genauigkeit der Dateneingabe und entlastet die Mitarbeiter, damit sie sich auf h\u00f6herwertige Aufgaben konzentrieren k\u00f6nnen.<\/p>","protected":false},"excerpt":{"rendered":"
Problem A large European manufacturer producing custom-made products struggled with a slow, tedious quotation process for incoming orders and RFQs. The root cause was the wide variety of input formats, ranging from clean PDFs generated by specialized software to photos of handwritten notes and sketches. Understanding, interpreting, and entering order parameters into the system was […]<\/p>\n","protected":false},"featured_media":0,"template":"","meta":{"_acf_changed":true},"class_list":["post-2262","case-study","type-case-study","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/case-study\/2262","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/case-study"}],"about":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/types\/case-study"}],"wp:attachment":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/media?parent=2262"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}