FranKI: Wenn KI auf echte Unternehmensdaten trifft: Ein Praxisbericht aus dem Mittelstand

Das Online-Format FranKI bringt KMU, KI-Start-ups, etablierte Unternehmen und Expert*innen unkompliziert zusammen. Im Mittelpunkt stehen praxisnahe Anwendungen und konkrete Erfahrungen aus dem Unternehmensalltag.

In diesem FrankKI zeigt Michael Hundt, wie sich HUNDT Elektrosysteme vom traditionsreichen Familienunternehmen zu einem digital vernetzten und datenbasiert arbeitenden Mittelständler entwickelt hat. Das Unternehmen ist seit 1897 in der Elektrotechnik tätig und plant und fertigt unter anderem komplexe Energieverteilungen und Schaltanlagen.

Ausgangspunkt des KI-Projekts war ein alltäglicher Engpass: Die Bearbeitung umfangreicher Leistungsverzeichnisse bindet viele Stunden hoch qualifizierter Fachkräfte. Unterschiedliche Formate wie GAEB, PDF oder Excel, uneinheitliche Produktdaten und betriebliches Wissen in den Köpfen erfahrener Mitarbeitender machen die Kalkulation aufwendig und fehleranfällig.

Agenda

Den Ausgangspunkt bildete ein Problem, das viele Mittelständler kennen: Die Bearbeitung umfangreicher Leistungsverzeichnisse bindet wertvolle Stunden hoch qualifizierter Fachkräfte. Unterschiedliche Formate wie GAEB, PDF oder Excel, uneinheitliche Produktdaten und Wissen, das nur in den Köpfen erfahrener Mitarbeitender existiert, machen die Kalkulation aufwendig und fehleranfällig.

Mit der KI-gestützten Angebotsplattform Calcutron hat HUNDT genau hier angesetzt und den Kalkulationsprozess Schritt für Schritt neu gedacht: Ausschreibungen werden eingelesen, Positionen und Mengen strukturiert, passende Produkte vorgeschlagen und Kalkulationsdaten zusammengeführt – und das bei voller Kontrolle durch den Menschen, der an den entscheidenden Stellen prüft, korrigiert und genehmigt. Calcutron ist aus der gemeinsamen Forschung von HUNDT, Fraunhofer IIS und der Universität Bamberg entstanden.

Freuen Sie sich auf einen ehrlichen Blick hinter die Kulissen – inklusive der Herausforderungen, die bei einer KI-Einführung wirklich zählen:

• uneinheitliche und unvollständige Ausgangsdaten
• die Verbindung von KI mit realen Produkt- und Katalogdaten
• der Umgang mit fehlerhaften oder erfundenen Ergebnissen
• die Überführung von Erfahrungswissen in nachvollziehbare Regeln
• Akzeptanz und Verantwortlichkeiten im Unternehmen
• Datenschutz, Schnittstellen und die Vermeidung technischer Abhängigkeiten

Nehmen Sie mit, warum erfolgreiche KI-Projekte nicht mit der Auswahl eines Tools beginnen, sondern mit einem klar definierten betrieblichen Problem. Der Praxisbericht liefert konkrete Anhaltspunkte, wie Sie geeignete Anwendungsfälle für Ihr eigenes Unternehmen auswählen, Ausgangswerte messen, Daten und Regeln ordnen, fachliche Freigaben einbauen und zunächst in einem überschaubaren Bereich pilotieren.