KI-ULTRA
Fallberichte
Hier finden Sie Fallbeispiele aus den Organisationen, die als Unternehmenslabore am Projekt KI-ULTRA teilgenommen haben.
Fallberichte
29 Unternehmen wurden im Rahmen der Feldforschungsphase von KI-ULTRA bei einem KI-Einführungs-projekt begleitet. Dabei wurden über einen Zeitraum von 6 bis 18 Monaten immer wieder Gespräche geführt, unterschiedliche Stakeholder befragt, gemeinsame Workshops zu wichtigen KI-Themen durchgeführt und so eine tiefgehende ethnographische Begleitung des Einführungsprojekts erreicht. Im Rahmen dieser Feld-forschung entstanden Fallstudien aus den einzelnen Unternehmen, die als wertvolle „Best-Practice“ ebenso wie als „Lessons Learned“ für andere Unternehmen dienen können. Stöbern Sie durch die einzelnen Berichte und lassen Sie sich inspirieren!
29 Unternehmen wurden begleitet
Dauer der Begleitung: 6-18 Monate
Entstanden sind wertvolle Best Practices!
Stöbern Sie jetzt durch die Fallberichte!
Alle Angebote dieser Website sind kostenfrei!
Eine Auswahl spannender Fallberichte
GEBERIT
Automatisierung in der Bearbeitung von Kundenanfragen
Unternehmen: GEBERIT Deutschland
Ort: Pfullendorf
Anzahl der Mitarbeitenden: ca. 1.930
Gründungsjahr: 1874
Branche: Sanitär
GEBERIT
Automation in the processing of customer inquiries
Company: GEBERIT Germany
Location: Pfullendorf
Number of employees: approx. 1,930
Year of foundation: 1874
Industry: Sanitary
Ausgangssituation
Beim europäischen Marktführer für Sanitärprodukte GEBERIT gehen im Kundenservice jährlich mehr als eine Million E-Mail-Anfragen ein. Der Aufwand, um allen Anfragen zeitnah gerecht zu werden, ist hoch, denn sie müssen vor der Bearbeitung an die passenden Ansprechpartner*innen weitergeleitet werden. Das passierte bisher manuell und soll zukünftig automatisiert erfolgen.
Lösungsansatz
Als erster Schritt sollen eingehende Anfragen automatisch an die richtigen Ansprechpersonen weitergeleitet werden, damit dieser Schritt für die Service-Teams weitestgehend entfällt. In einer weiteren Entwicklungsstufe ist geplant, Standardanfragen automatisiert zu beantworten, damit sich die Mitarbeitenden auf die komplexeren Anfragen konzentrieren können.
Beteiligte Interessensgruppen
- Kund*innenservice
- Marketingabteilung
- IT-Abteilung
- Externere Dienstleistende
Technologie
Für den ersten Teil der Lösung – die automatische Weiterleitung von E-Mails an die richtige Ansprechperson – wurde eine Klassifikationslösung implementiert. Dafür wurden ca. 150.000 E-Mails regelbasiert kategorisiert. In einem weiteren Schritt wurden mehrere Tausend E-Mails manuell durch die Mitarbeitenden klassifiziert, um sie als verbesserte Trainingsdaten nutzen zu können. Anschließend werden die E-Mails auf ihre Inhalte hin markiert. Auf dieser Basis soll ein großes, generatives Sprachmodell trainiert werden, um eine automatisierte Beantwortung zu ermöglichen.
Herausforderungen
Softwareproduktion ist nicht das Kerngeschäft von Geberit, weshalb der Mehrwert der angestrebten Lösung sichtbar aufgezeigt werden muss, um interne Widerstände abzubauen. Damit einhergehend waren zum Start des Projektes die personellen Ressourcen für die Umsetzung nur begrenzt verfügbar. Das Verständnis und die Akzeptanz für die Gründe der Kennzeichnung von Daten waren gering ausgeprägt.
Ergebnis
Die 1. Phase der automatisierten Weiterleitung von E-Mails wurde sehr erfolgreich umgesetzt. Dabei wurde die Anwendung positiv von der Geschäftsleitung aufgenommen, so dass im folgenden Jahr eine weitere Stelle geschaffen wurde, um die KI-Themen weiter voranzubringen.
Learnings
Um KI in neuen Bereichen zu etablieren, müssen relevante Stakeholder davon überzeugt werden, der Technologie Vertrauen entgegenzubringen und Ressourcen freizugeben. Kommunikation und Transparenz sind dabei zentrale Erfolgsfaktoren. Dadurch sind erste Projekte zwar besonders herausfordernd. Greifbare Erfolge schaffen es jedoch schnell, die meisten zu überzeugen. Für die weitere Ausbaustufe hat der Hype um ChatGPT zusätzlich viele Hürden abgebaut.
Initial situation
GEBERIT, the European market leader for sanitary products, receives more than one million email inquiries every year in its customer service department. The effort required to deal with all inquiries promptly is high, as they have to be forwarded to the right contact person before they can be processed. This was previously done manually and will be automated in future.
Solution approach
As a first step, incoming inquiries are to be automatically forwarded to the right contact person so that this step is largely eliminated for the service teams. In a further development stage, the plan is to answer standard inquiries automatically so that employees can concentrate on the more complex inquiries.
Stakeholders involved
- Customer service
- Marketing department
- IT department
- External service providers
Technology
A classification solution was implemented for the first part of the solution – the automatic forwarding of emails to the correct contact person. Around 150,000 emails were categorized based on rules. In a further step, several thousand emails were classified manually by employees so that they could be used as improved training data. The emails are then marked according to their content. On this basis, a large, generative language model is to be trained to enable an automated response.
Challenges
Software production is not Geberit’s core business, which is why the added value of the desired solution must be clearly demonstrated in order to overcome internal resistance. As a result, the human resources available for implementation were limited at the start of the project. There was little understanding and acceptance of the reasons for labeling data.
Result
The first phase of automated e-mail forwarding was implemented very successfully. The application was positively received by the management, so that an additional position was created the following year to further advance the AI topics.
Learnings
In order to establish AI in new areas, relevant stakeholders must be convinced to trust the technology and release resources. Communication and transparency are key success factors here. This makes initial projects particularly challenging. However, tangible successes quickly convince most people. The hype surrounding ChatGPT has also removed many hurdles for the next stage of expansion.
