{"id":1294,"date":"2025-04-29T14:33:29","date_gmt":"2025-04-29T14:33:29","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/ergebnisse-ki-ultra\/?post_type=fallberichte&p=1294"},"modified":"2025-08-20T15:39:08","modified_gmt":"2025-08-20T15:39:08","slug":"siemens-ag-nano-prediction-app","status":"publish","type":"fallberichte","link":"https:\/\/websites.fraunhofer.de\/ergebnisse-ki-ultra\/fallberichte\/siemens-ag-nano-prediction-app","title":{"rendered":"Siemens AG\u00a0Nano Prediction App"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Eine Auswahl spannender Fallberichte<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Ein\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tX<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Siemens AG<\/span><\/b>\u00a0
Nano Prediction App<\/span><\/b>\u00a0<\/span><\/h1>

\u00a0<\/span><\/p>

Siemens AG<\/span><\/b>\u00a0<\/span><\/p>

Ort<\/span><\/b>: Karlsruhe<\/span>\u00a0<\/span><\/p>

Anzahl der Mitarbeitenden<\/span><\/b>: 311.000<\/span>\u00a0<\/span><\/p>

Gr\u00fcndungsjahr<\/span><\/b>: 1847<\/span>\u00a0<\/span><\/p>

Branche<\/span><\/b>: Maschinenbau \/ Finanzen<\/span>\u00a0<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Zwei\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Ausgangssituation<\/span><\/b>\u00a0<\/span><\/p>

Im Bereich Business Excellence der Siemens AG, die sich haupts\u00e4chlich mit Optimierung von (Finance) Prozessen befasst, wurde im Projektzeitraum von KI-ULTRA die Nano Prediction (Vorhersage) App ausgerollt. Sie ist eine \u00bbKI aus dem Koffer\u00ab und besonders, weil sie f\u00fcr verschiedene Anwendergruppen im Gesch\u00e4ftsbereich individuell nutzbar sein soll. Die Nano Prediction App wird von den Mitarbeitenden als Werkzeug zur Unterst\u00fctzung bei ihren Planungst\u00e4tigkeiten eingesetzt, indem sie jeweils mit den relevanten Daten gef\u00fcttert wird und dann Vorhersagen ausgibt.\u00a0<\/span>\u00a0<\/span><\/p>

Eine der gr\u00f6\u00dften Schwierigkeiten besteht darin, die Nano Prediction App effektiv zu skalieren und bestm\u00f6glich in bestehende Prozesse zu integrieren.\u00a0\u00a0<\/span>\u00a0<\/span><\/p>

\u00a0<\/span><\/p>

L\u00f6sungsansatz<\/span><\/b>\u00a0<\/span><\/p>

Um die Skalierung und effektive Nutzung herbeizuf\u00fchren, ist eine kontinuierliche Einbindung aller potenziellen User elementar.\u00a0<\/span>\u00a0<\/span><\/p>

Durch die Gr\u00fcndung einer User-Community mithilfe digitaler Tools zur Erstellung eigener sozialer Netzwerke (in diesem Fall: Microsoft Yammer) werden die Benutzenden auch \u00fcber die Erstentwicklung hinaus eingebunden und k\u00f6nnen nach eigenem Ermessen Feedback geben sowie Bedarfe anmelden. Die Community wird von den Entwickler*innen begleitet.\u00a0<\/span>\u00a0<\/span><\/p>

Zus\u00e4tzlich wird ein selbstentwickeltes Fragebogeninstrument eingesetzt, um zu pr\u00fcfen, inwieweit die App den Anspr\u00fcchen gen\u00fcgt.\u00a0<\/span>\u00a0<\/span><\/p>

\u00a0<\/span><\/p>

Beteiligte Interessensgruppen<\/span><\/b>\u00a0<\/span><\/p>

Entwickler*innen und Benutzende sind im direkten Austausch \u00fcber die Community-Plattform.<\/span>\u00a0<\/span><\/p>

\u00a0<\/span><\/p>

Technologie<\/span><\/b>\u00a0<\/span><\/p>

Die Nano Prediction App ist eine intern entwickelte Software, die Mitarbeitenden bei Siemens bereits dabei hilft, genaue Prognosen zu erstellen. Sie ist eine lokale Vorhersageanwendung, die ohne technische oder Programmierkenntnisse genutzt werden kann. Es sind keine Konten\/Rollen oder Cloud-Verbindungen erforderlich. Die App nutzt modernste Vorhersage- und KI-Methoden. Die Nutzer*innen sind in der Lage, schnell ein Gef\u00fchl f\u00fcr die Daten zu bekommen und eine Vorhersage auf Basis der eigenen Daten zu treffen. Dar\u00fcber hinaus ist die App f\u00e4hig, verschiedene Algorithmen\/Methoden zu ber\u00fccksichtigen, um ein bestm\u00f6gliches Vorhersageergebnis zu erzielen.<\/span>\u00a0<\/span><\/p>

\u00a0<\/span><\/p>

Herausforderungen<\/span><\/b>\u00a0<\/span><\/p>

Eine Herausforderung ist die Gr\u00f6\u00dfe der Benutzendengruppe (ca. 200 Mitarbeitende). Durch den Self-Service-Ansatz der Nano Prediction App l\u00e4sst sich nur schwer nachvollziehen, wie diese verwendet wird: Frequenz, Integration in Prozesse, Probleme, etc. lassen sich bei der Gr\u00f6\u00dfe der Gruppe (mehr als 200 Personen) nur noch indirekt \u00fcber Umfragen, stichprobenhafte UX-Tests und Interviews pr\u00fcfen.<\/span>\u00a0<\/span><\/p>

Ergebnis<\/span><\/b>\u00a0<\/span><\/p>

Es wurden folgende UX-Methoden eingesetzt, um User-Feedback in die Weiterentwicklung einflie\u00dfen zu lassen:\u00a0<\/span>\u00a0<\/span><\/p>