KI-basierte Softwarelösungen
Im Folgenden findest du eine rein subjektive Auswahl an KI-basierten Softwarelösungen, die jeweils Potenziale in den Bereichen Operational Excellence, Customer Centricity und Employee Engagement bieten. Die Liste basiert auf aktuellen Einschätzungen und Erfahrungen, ist aber weder vollständig noch allgemeingültig. Bitte beachte, dass der Erfolg der Anwendung stark von deinem individuellen Kontext abhängt – eine Garantie kann daher nicht gegeben werden. Ebenso übernehme ich keine Haftung für die Wirksamkeit oder Richtigkeit der genannten Tools.
Operational Excellence
Operational Excellence bezeichnet die kontinuierliche Verbesserung von Prozessen, Systemen und Strukturen mit dem Ziel, höchste Effizienz, Qualität und Verlässlichkeit in der täglichen Leistungserbringung zu erreichen. Es geht darum, Ressourcen optimal zu nutzen, Fehler zu minimieren und klare Standards zu etablieren, um Wettbewerbsvorteile durch exzellente operative Abläufe zu sichern. Am Ende ist operative Excellence die Basis für Kundenorientierung (Customer Centricity) und die Attraktivität als Arbeitgeber (Employee Engagement).
Hypatos (Rechnungserfassung und Zahlungsvorbereitung)
Eckdaten: Gegründet: 2018, Sitz: Berlin; Stärke: Automatisierung von Finanzprozessen; namhaften Investoren wie SoftBank
​
Use Cases:
-
Die Automatisierung der Rechnungsverarbeitung dank Extraktion, Validierung, Abgleich, Buchung und Freigabe
-
Dokumentenklassifizierung dank automatischer Kategorisierung
-
Zahlungsvorbereitung: Die Lösung kann Zahlungsdaten extrahieren, validieren und automatisch Zahlungsvorschläge generieren
​
​Vorteile:
-
Automatisierung manueller Finanzprozesse
-
Fehlerreduktion dank KI-basierter Datenverarbeitung
-
Skalierbarkeit und nahtlose Integration in bestehende Systeme
​
KI-Methoden:
-
Deep Learning-Modelle und NLP-Techniken
-
Pre-Trainings mit vielen branchenrelevanten Daten
iPSoft / Amelia (Chatbot, Kundenanfragen)
Eckdaten: Gegründet: 1998; Sitz: New York, USA; Stärke: Automatisierungslösung Amelia
​
Use Cases:
-
Amelia ist ein fortschrittlicher digitaler Mitarbeiter, der natürliche Sprache versteht und menschenähnliche Interaktionen bietet. Sie kann in verschiedenen Branchen und Funktionen eingesetzt werden, von Kundenservice bis hin zu IT-Support und HR.
-
1Desk ist eine Plattform zur Automatisierung von End-to-End-Geschäftsprozessen, die sowohl digitale als auch menschliche Arbeitskräfte integriert
​
​Vorteile:
-
Automatisierte Beantwortung von Kundenanfragen, Unterstützung bei häufig gestellten Fragen, Verwaltung von Kundenkonten. 24/7 Verfügbargeit und verbesserte Kundenzufriedenheit.
-
Automatisierung wiederkehrender Geschäftsprozesse wie Rechnungsbearbeitung, Bestellabwicklung und Berichterstellung. Automatisierung von IT-Operations und Netzwerk-management.
​
KI-Methoden:
-
Natural Language Processing (NLP): Ermöglicht Amelia, natürliche Sprache zu verstehen und menschenähnliche Gespräche zu führen.
-
Machine Learning (ML): Modelle werden trainiert, um laufend aus Interaktionen und Daten zu lernen und sich zu verbessern.
-
Cognitive AI: Einsatz von kognitiven Fähigkeiten, um komplexe Aufgaben zu verstehen und zu bearbeiten, die typischerweise menschliches Denken erfordern.
-
Robotic Process Automation (RPA): Vollautomatische End-to-End-Bearbeitung von Geschäftsprozessen.
Insiders (Dokumentenverarbeitung)
Eckdaten: Gegründet: 1998, von ehemaligen Mitarbeitern des Deutschen Forschungs-zentrums für Künstliche Intelligenz (DFKI); Sitz: Kaiserslautern; Stärke: KI-gestützte Automatisierung von Geschäftsprozessen
​
Use Cases:
-
Rechnungen, Verträge, Formulare, Lieferscheine
-
Eingangsmanagement & Posteingangs-digitalisierung: digitale Verarbeitung eingehender Briefe, E-Mails und Anhänge
-
Omnichannel-Response-Management: automatische Bearbeitung, Beantwortung von Kundenanfragen über verschiedene Kanäle (E-Mail, Chat, Webformulare)
-
Dunkelverarbeitung: automatische Fallbearbeitung ohne manuellen Eingriff (z. B. in Versicherungen und Banken)
-
KI-gestützte Extraktion & Klassifikation: intelligente Datenanalyse und Weiterleitung an nachgelagerte Systeme (z. B. ERP, CRM
​
​Vorteile:
-
Automatisierte Verarbeitung, Zeitersparnis, Kostensenkung
-
Interoperabilität, Skalierbarkeit, Anpassungsfähigkeit
-
Verbesserte Kundenerfahrung
​
KI-Methoden:
-
Deep Learning-Modelle und NLP-Techniken
-
Computer Vision: Anwendung: Erkennung von Layouts, Tabellen oder Handschriften in Dokumenten.
-
Robotic Process Automation (RPA): Vollautomatische End-to-End-Bearbeitung von Geschäftsprozessen.
Canva (Automatisierung von Marketing Prozessen)
Eckdaten: Gegründet: 2013; Sitz: Perth, Australien; Stärke: Webbasierte Grafikdesign-Plattform
​
Use Cases:
-
Erstellung von Social-Media-Grafiken, Präsentationen und Websites - ohne umfangreiche Designkenntnisse
-
Gestaltung von Marketing-Materialien wie Flyern und Postkarten4
-
Bearbeitung von Fotos und Videos
-
Kollaboratives Arbeiten an Designprojekten
​
​Vorteile:
-
Benutzerfreundlichkeit: Einfache Bedienung auch für Anfänger
-
Vielseitigkeit: Breites Spektrum an Designmöglichkeiten
-
Kollaboration: Einfache Zusammenarbeit im Team
-
Kosteneffizienz: Umfangreiche Funktionen auch in der kostenlosen Version
-
Webbasiert: Zugriff von überall mit Internetverbindung
​
KI-Methoden:
-
Magic Edit: Hinzufügen, Austauschen oder Anpassen von Elementen in Fotos
-
Magic Eraser: Entfernen unerwünschter Elemente aus Bildern
-
Magic Write: KI-gestützter Text-generator
-
AI Image Generator: Erstellung von Bildern aus Textbeschreibungen
Plytics (Patentanalyse, IP-Marktbeobachtung)
Eckdaten: Gegründet: 2014 (seit 2022 LexisNexis); Sitz: Berlin; Stärke: Plattform für Markt-/Technologieanalysen mit Fokus auf Intellectual Property (IP) und Standardisierung
​
Use Cases:
-
Identifikation von Mustern in Technologietrends, Innovationen und Marktbewegungen.
-
Automatische Kategorisierung von Patenten und Standards in Branchen und Technologien.
-
Wettbewerbsanalyse (Competitve Intelligence)
-
Vermeidung von Patentverletzungen (Compliance)
-
Fusions- und Übernahmeanalysen
​
​Vorteile:
-
Zugriff auf Datenquellen betr. Patenten, Standards, Lizenzen, wissenschaftlichen Publikationen und Unternehmen.
-
Integration von Echtzeitdaten aus internationalen Patentämtern (z. B. WIPO, USPTO, EPO).
-
Zugriff auf Daten von Standard-isierungsgremien wie ETSI oder IEEE.
​
KI-Methoden:
-
Verwendung von Machine Learning und Natural Language Processing (NLP) zur Analyse großer Datenmengen.
Siemens Opcenter (Produktionsplanung)
Eckdaten: Auch in Kombination mit Übernahme von Altair Engineering für ca. 10.6 Mrd. USD.
​
Use Cases:
-
Siemens Opcenter (ehemals SIMATIC IT) ist eine umfassende Lösung für das Produktionsmanagement, um Produktions-prozesse zu optimieren, Produktionspläne in Echtzeit anzupassen und die Zusammenarbeit in der Lieferkette zu verbessern.
-
Automatisierung: Die Software ermöglicht die Automatisierung von Prozessen (inkl. Audit-Dokumentation).
-
Lieferantenmanagement: Spezielle Tools zur objektiven Bewertung und Überwachung von Lieferanten.
​
​Vorteile:
-
Echtzeit-Produktionsplanung und –steuerung
-
Verbesserte Ressourcennutzung und Reduzierung von Produktionsengpässen
-
Gute Produktgenealogie
-
Effektive Rückverfolgbarkeit von Materialien
-
Qualitätsaudits, Lieferanten-bewertung und Fehlermöglich-keits- und Einflussanalyse (FMEA)
-
Standardkonformität: Einhaltung wichtiger Industriestandards wie VDA, IATF 16949:2016, ISO 9001 und ISO 14001
​
KI-Methoden:
-
Ein digitaler Zwilling ist eine virtuelle Nachbildung der realen Produktionsumgebung, die mit Echtzeitdaten gespeist wird.
-
Simulationen, um verschiedene Produktionsszenarien zu testen und die besten Lösungen für spezifische Herausforderungen (z. B. Maschinenausfälle oder Nachfragespitzen) zu finden.
-
NLP bei der Analyse von Produktionsdokumentation und Kommunikation zwischen verschiedenen Systemen und Menschen zum Einsatz.
​​
Sonstiges:
-
Alternativen: SAP Integrated Business Planning (IBP), Microsoft Dynamics 365 Supply Chain Management
Llamasoft (Supply Chain Planung)
Eckdaten:
Gegründet: 2003, seit 2020 Coupa Software; Sitz: Ann Arbor, Michigan, USA; Stärke: cloud-basierte SW zur Verbesserung der Lieferketten
​
Use Cases:
-
Netzwerkdesign & Greenfield-Analyse: Optimierung und Neugestaltung von Logistiknetzwerken zur Kostenreduktion und Standortplanung
-
Bestandsoptimierung: Analyse und Festlegung optimaler Lager- und Sicherheitsbestände zur Reduzierung von Kapitalbindung und Lieferengpässen
-
Transport- und Routenoptimierung: Planung effizienter Transportwege zur Minimierung von Kosten, Emissionen und Leerfahrten
-
Produktions- und Kapazitätsplanung: Simulation und Steuerung von Produktionsprozessen zur optimalen Ressourcenauslastung und Vermeidung von Engpässen
-
Szenarioplanung & Risikomanagement: Erstellung digitaler Zwillinge zur Bewertung von Risiken und Entwicklung robuster Lieferkettenstrategien
​
​Vorteile:
-
Optimierung der gesamten Lieferkette und Kostensenkung
-
Szenarioplanung und Risikomanagement
-
Verbesserung der Servicelevels und Bestandsoptimierung
​
KI-Methoden:
-
Digitaler Zwilling der Lieferketten als Basis für Simulationen
-
Neuronale Netze zur Analyse unstrukturierter Daten und komplexer Mustererkennung
-
Natural Language Processing (NLP) zur Analyse von Lieferantenkommunikation (eMails, Dokumente) und Trends (Marktberichte etc.)
​
Sonstiges:
-
Alternativen: SAP Integrated Business Planning (IBP), IBM Waton Supply Chain, DataRobot, ThroughPut AI
Senseye PdM by Siemens (Predictive Maintenance)
Eckdaten: Senseye Predictive Maintenance ist eine führende cloud-basierte und KI-gestützte Lösung für vorausschauende Instandhaltung:
​
Use Cases:
-
Vorhersage von Maschinen- und Anlagenausfällen
-
Automatisierte Wartungsplanung basierend auf Maschinenzustand
-
Analyse von Anomalien und Verschleißmustern in Echtzeit
-
Identifikation ineffizienter Maschinen für Energie- oder Produktionsoptimierung
​
​Vorteile:
-
Keine Data Scientists notwendig: vollautomatisierte Analyse & Modellierung
-
Schnelle Integration in bestehende Sensorik und IT-Infrastruktur (Plug & Play)
-
Skalierbar auf tausende Maschinen gleichzeitig – ideal für große Produktionsanlagen
-
Health Scores und Remaining Useful Life (RUL)-Schätzungen pro Asset
-
Erkannter ROI in weniger als 3 Monaten laut Herstellerangaben
-
Anwenderfreundlich für Wartungs- und Produktions-teams (nicht nur für IT)
​
KI-Methoden:
-
Zeitreihenanalyse (multivariate Sensordaten)
-
Anomalieerkennung mittels Machine Learning (unsupervised learning, z. B. Clustering, statistische Modelle)
-
Predictive Modeling zur Berechnung der „Remaining Useful Life“ (häufig Regressionsmodelle, ensemble methods)
-
Transfer Learning, um Modelle auf neuen Maschinen schnell nutzbar zu machen
Legly (Online-Vertragsprüfung)
Eckdaten: Gegründet: 2020; Sitz: Malmö und Stockholm, Schweden; Stärke: KI-gestützte Vertragsprüfung für Firmen und Anwaltskanzleien etc
​
Use Cases:
-
Vertragsprüfung vor Unterzeichnung: Legly hebt potenzielle Deal-Breaker und fehlende Klauseln hervor, basierend auf den individuellen Präferenzen des Nutzers.
-
Analyse und Nachverfolgung von Verträgen: Die Software ermöglicht eine intelligente Suche und bietet eine visuelle Übersicht über den gesamten Vertragsbestand, was die Verwaltung erleichtert.
-
Integration in bestehende Systeme: Extrahierte Metadaten können genutzt werden, um Systeme wie CLM (Contract Lifecycle Management), CRM (Customer Relationship Management) und SRM (Supplier Relationship Management) zu befüllen.
​
​Vorteile:
-
Schnelligkeit und Effizienz: Durch den Einsatz von KI liest Legly Verträge in Sekunden-schnelle und liefert Einblicke in Risiken und Chancen.
-
Benutzerfreundlichkeit: Die Software ist sowohl über ein Online-Dashboard als auch über APIs zugänglich, was eine flexible Integration in bestehende Arbeitsabläufe ermöglicht.
-
Risikominimierung: Legly dient als zusätzliches Paar Augen, das das Risiko verringert, zentrale Punkte in Verträgen zu über-sehen.
​
KI-Methoden:
-
Natural Language Processing (NLP).
Scalera (Ausschreibungsassistent für Bauunternehmen)
Eckdaten: Gegründet: 2023; Sitz: Zürich, Schweiz; Stärke: Optimierung von Prozessen in Bauunternehmen
​
Use Cases:
-
Automatisierte Analyse von Ausschreibungsunterlagen
-
Projektkostenkalkulation: präzise Kostenschätzungen für Bauprojekte basierend auf historischen Daten.​
-
Risikobewertung: dank vergangener Projektdaten und aktueller Markt-bedingungen
-
Optimierung der Ressourcenplanung Personal und Materialien, um Engpässe zu vermeiden.
​
​Vorteile:
-
Branchenspezialisierung: Fokus auf mittelständische Bauunternehmen.​
-
Benutzerfreundlichkeit: Intuitive Plattform, die ohne große Schulung genutzt werden kann.​
-
Schnelle Implementierung: Schnelle Integration in bestehende Systeme und Prozesse.​
-
Kosteneffizienz: Reduzierung von Zeit- und Kostenaufwand im Ausschreibungsprozess.​
-
Innovationskraft: Einsatz neuester KI-Technologien für kontinuierliche Prozessver-besserungen.​
KI-Methoden:
-
Branchenspezialisierung: Fokus auf mittelständische Bauunternehmen.​
-
Benutzerfreundlichkeit: Intuitive Plattform, die ohne große Schulung genutzt werden kann.​
-
Schnelle Implementierung: Schnelle Integration in bestehende Systeme und Prozesse.​
-
Kosteneffizienz: Reduzierung von Zeit- und Kostenaufwand im Ausschreibungsprozess.​
-
Innovationskraft: Einsatz neuester KI-Technologien für kontinuierliche Prozessverbesserungen.​
Asana (Projektmanagement)
Eckdaten: Gegründet: 2008 von den ehemaligen Facebook-Mitarbeitern Dustin Moskovitz und Justin Rosenstein; Sitz: San Francisco, USA; Stärke: mehrmals für seine Top-Kultur ausgezeichnet
​
Use Cases:
-
Automatisierung von repetitiven Aufgaben, wie das Zuweisen von Aufgaben basierend auf früheren Projekten und Teammitglieder.
-
Prognose von Projektverläufen: Vorhersage von Fortschritten, Engpässen und möglichen Verzögerungen.
-
Optimierung der Ressourcenzuweisung: Prüfung von Kompetenzen und Verfügbarkeit.
-
Intelligente Benachrichtigungen: relevante Benachrichtigungen basierend auf der Dringlichkeit und Priorität der Aufgaben.
-
Feedback und automatischen Zusammenfassungen von Meetings
​
​Vorteile:
-
Effiziente Aufgabenverwaltung: Organisieren und verfolgen von Aufgaben und Projekten.
-
Echtzeit-Kollaboration: Nahtlose Zusammenarbeit und Kommunikation im Team.
-
Automatisierung: Workflow-Automatisierungen zur Reduzierung manueller Arbeit.
-
Integration: Einbindung mit zahlreichen Drittanbieter-Tools wie Slack und Google Drive.
-
Transparenz: Klare Übersicht über Projektfortschritte und Verantwortlichkeiten.
​
KI-Methoden:
-
Benutzerdefinierte Regeln, mit denen Benutzer Workflows automatisieren.
-
Maschinelles Lernen (ML): Für Funktionen wie Vorschläge, Priorisierung von Aufgaben und verbesserte Suche nutzt Asana maschinelles Lernen.
-
Elasticsearch: Zur schnellen und effizienten Suche setzt Asana Elasticsearch ein, eine verteilte, RESTful-Such- und Analyse-Engine.
-
RESTful API: Integration mit anderen Anwendungen, wie Slack, Google Drive u.v.a.
​
Sonstiges:
-
Alternativen: Jira, Monday.com sowie https://rickleai.com/
make.com (visuelle Automatisierungsplattform)
Eckdaten: Make.com (ex Integromat, CZ, seit 2020 bei Celonis; Stärke: Eine visuelle Automatisierungsplattform, die es Nutzern ermöglicht, Anwendungen und Dienste ohne Programmierkenntnisse miteinander zu verbinden und Arbeitsabläufe zu automatisieren
​
Use Cases:
-
Automatisierte E-Mail-Marketing-Kampagnen
-
Integration Projektmanagement-Tools
-
Synchronisierung zwischen Plattformen
-
Optimierung von Produktauflistungen in E-Commerce-Systemen
​
​Vorteile:
-
Intuitive Drag-and-Drop-Oberfläche zur Erstellung komplexer Workflows
-
Nahtlose Integration von über 1.000 Apps, wie Gmail, Slack, Salesforce und Dropbox
-
Dauerhaft kostenlose Lizenz für Einzeluser zum Kennenlernen bzw. aktiven Einsetzen
​
KI-Methoden:
-
Make.com integriert unter-schiedliche KI-Modelle, insbesondere GPT-4 von OpenAI, um fortschrittliche Automatisierungen zu ermöglichen.
​
Sonstiges:
-
Alternative u.a. Zapier (https://zapier.com/) sowie aus Deutschland n8n (https://n8n.io)
Anthropic (Automatisierung von Kundenanfragen, Prozessen)
Eckdaten: Gegründet: 2021 von ehemaligen OpenAI-Mitarbeitern; Sitz: San Francisco, USA; Investoren: Amazon (8 Mrd. USD), Google; Stärke: Sprachmodell "Claude" verfolgt einen starken Fokus auf Sicherheit, Ethik u. Transparenz (sog. "Constitutional AI“)
​
Use Cases:
-
Kundenservice: Anfragen und Antworten
-
Content-Erstellung: Blogs, Artikel, Flyer etc.
-
Bildungssektor: personalisierte Lernhilfen und Tutoren, die auf die individuellen Bedürfnisse der Schüler eingehen
-
Gesundheitswesen: Unterstützung bei der Patientenbetreuung durch automatisierte Systeme, die medizinische Anfragen verstehen und beantworten
-
Unternehmenskommunikation: Optimierung der internen Kommunikation durch KI-gesteuerte Systeme, die in der Lage sind, Informationen effizient zu verwalten und zu verteilen
​
​Vorteile:
-
Erhöhte Effizienz: Kosteneinsparungen, Zeitersparnis, konsistente Qualität
-
Kundenzufriedenheit
-
kreative Unterstützung
​
KI-Methoden:
-
Natural Language Processing (NLP)
-
Machine Learning (ML)
-
Reinforcement Learning from Human Feedback (RLHF)
PrimeLegal (juristische Fachberatung)
Eckdaten: Gegründet: 2001 durch Michael Friedmann; Sitz: Hannover; Stärke: kommt aus der klassischen Rechtsberatung
​
Use Cases:
-
Anwaltskanzleien: Effizienzsteigerung bei Recherche, Bewertung und Erstellung von Schriftsätzen und Verträgen mit Zeitersparnissen von bis zu 85 %
-
Rechtsabteilungen: Automatisierte Bearbeitung von Compliance- und Datenschutzfragen sowie Erstellung juristischer Dokumente aus internen Datenquellen
-
Gerichte & Verwaltung: Anonymisierung sensibler Daten in Dokumenten unter Beibehaltung relevanter Zitate aus Rechtsprechung und Literatur
​
​Vorteile:
-
Hohe Effizienzgewinne: Zeitersparnis von 30 % bis 85 % je nach Anwendungsfall
-
Datenschutzkonformität: Einhaltung der DSGVO und berufsrechtlicher Vorgaben durch integrierte Anonymisierung und Datenhaltung in der EU
-
Flexibilität: Möglichkeit, zwischen verschiedenen LLMs zu wählen und eigene Prompts zu erstellen
-
Benutzerfreundlichkeit: Bereit-stellung von Texten in Fachsprache oder laienverständlicher Sprache ohne zusätzlichen Redigieraufwand
​
KI-Methoden:
-
Semantische juristische Suche: Vortrainiert mit über 900 Mio. Tokens, um präzise und kontext-bezogene Ergebnisse zu liefern
-
Integration leistungsfähiger Sprachmodelle (LLMs): Nutzung verschiedener LLMs für optimale Resultate, unterstützt durch eine umfangreiche Prompt-Bibliothek
-
Anonymisierungstechnologie: Entfernung personen-bezogener Daten aus Texten, wobei wichtige juristische Informationen erhalten bleiben
Testim (Testverfahren bei Software-Releases und Updates)
Eckdaten: Gegründet: 2014; Sitz: San Francisco, USA (Tel Aviv, Berlin); Stärke: Crowd-Testing Web-, Mobile- und IoT-Anwendungen via globale Community von über 400.000 Freelance-Testern
​
Use Cases:
-
Unternehmen, die regelmäßig neue Software-Releases oder Updates veröffentlichen, müssen sicherstellen, dass bestehende Funktionalitäten nicht beeinträchtigt werden. Testim.ai automatisiert Regressionstests, indem es bestehende Testfälle erkennt, sie automatisch aktualisiert und auf neue Versionen der Software anwendet.
-
Self-Healing Tests: Wenn sich die Anwendung ändert (z. B. durch Änderungen an der Benutzeroberfläche oder APIs), passt die KI die Testfälle automatisch an, ohne dass der Entwickler manuell eingreifen muss
​
​Vorteile:
-
Zeit- und Kostenersparnis
-
Skalierbarkeit – größere Testabdeckung
-
Markteinführungszeit
​
KI-Methoden:
-
Natural Language Processing (NLP): Ermöglicht die Erstellung von Testfällen auf Basis natürlicher Sprache und Benutzerverhalten.
-
Computer Vision: Erkennt Änderungen in der Benutzeroberfläche und stellt sicher, dass sie funktional und optisch korrekt sind.
-
Predictive Analytics: Die KI analysiert vergangene Testergebnisse, die Häufigkeit von Fehlern und die kritischen Pfade innerhalb der Anwendung, um die Reihenfolge der Tests zu optimieren.
Vizcom (Innovationsprozess vom Sketch bis CAD)
Eckdaten: Gegründet: 2021; Sitz: San Francisco, USA; Stärke: KI- Design-software spezialisiert; Finanzen: 2024 eine Series-A-Finanzierung in Höhe von 20 Mio USD unter der Leitung von Index Ventures
​
Use Cases:
-
Echtzeit-Skizzenverarbeitung: Die AI kann eine einfache Handskizze in ein detailliertes 3D-Rendering umwandeln, wodurch Designer sofort Feedback über ihre Entwürfe erhalten.
-
Verbesserte Visualisierung: Durch die KI-gestützte Echtzeitbearbeitung ermöglicht Vizcom eine schnelle Erstellung von Prototypen, um so Designvarianten schnell zu visualisieren und zu bewerten.
-
Kollaborationstools: Vizcom ermöglicht es Teams, simultan an Projekten zu arbeiten und KI-gestützte Tools zur Verbesserung und Verfeinerung von Designs zu nutzen.
​
​Vorteile:
-
Beschleunigung des Designprozesses
-
Kosteneffizienz
-
Verbesserte Kreativität und Zusammenarbeit
-
Reduzierte Markteinführungszeit
​
KI-Methoden:
-
Generative Adversarial Networks (GANs): Zur Erzeugung realistischer 3D-Modelle aus einfachen 2D-Skizzen.
-
Convolutional Neural Networks (CNNs): Zur Analyse von Bilddaten und für die Mustererkennung in Design-Entwürfen.
-
Reinforcement Learning (RL): Für die kontinuierliche Verbesserung von Entwürfen und die Anpassung an die individuellen Anforderungen des Benutzers.
Celonis (Process Mining und Ursachenanalyse)
Eckdaten: Gegründet: 2011; Firmensitz: München, Deutschland (mit globalen Büros, z. B. in New York); Stärke: Celonis ist führend in der Process Mining-Technologie und ermöglicht es Unternehmen, ihre Geschäftsprozesse datenbasiert in Echtzeit zu analysieren und zu optimieren.
​
Use Cases:
-
Order-to-Cash-Optimierung (z. B. schnellere Rechnungsstellung und geringere Zahlungsausfälle)
-
Procure-to-Pay-Prozesse verbessern (z. B. Vermeidung von Maverick Buying und Lieferverzögerungen)
-
Supply Chain Management analysieren und stabilisieren
-
Rechnungsverarbeitung automatisieren und Fehler aufdecken
-
Customer Service-Prozesse beschleunigen und transparenter gestalten
​
​Vorteile:
-
Echtzeit-Analysen auf Basis von ERP- und anderen Systemdaten (SAP, Oracle, Salesforce etc.)
-
Execution Management System (EMS) zur aktiven Prozesssteuerung, nicht nur Analyse
-
Tief integrierte Konnektoren für nahezu alle Unternehmenssysteme
-
Action Flows und automatisierte Handlungsempfehlungen
-
Starke Partner-Ökosysteme (SAP, ServiceNow, IBM u. a.)
​
KI-Methoden:
-
Machine Learning zur Mustererkennung und Vorhersage von Prozessabweichungen
-
Natural Language Processing (NLP) zur Analyse unstrukturierter Daten (z. B. E-Mails, Tickets)
-
KI-gestützte Root Cause Analysis zur automatisierten Ursachenanalyse
-
Recommendation Engines zur Entscheidungsunterstützung in Echtzeit
-
Predictive Analytics zur Vorhersage zukünftiger Prozessprobleme oder Engpässe
UiPath (Robotic Process Automation, Task- und Process Mining)
Eckdaten: Gegründet: 2005; Firmensitz: New York City, USA (ursprünglich aus Bukarest, Rumänien); Stärke: UiPath ist führend im Bereich Robotic Process Automation (RPA) und bietet eine umfassende Plattform zur Automatisierung repetitiver, regelbasierter Geschäftsprozesse in Kombination mit KI.
​
Use Cases:
-
Automatisierung von Backoffice-Prozessen wie Buchhaltung, Personalwesen oder Beschaffungswesen
-
Verarbeitung und Klassifizierung eingehender E-Mails und Dokumente (z. B. Rechnungen, Bestellungen)
-
End-to-End-Automatisierung im Kundenservice (z. B. Ticketbearbeitung, Antwortvorschläge)
-
Compliance- und Audit-Tasks automatisieren, z. B. durch Log-Analyse und Reporting
-
IT-Automatisierung, z. B. User-Management, Passwort-Rücksetzungen, Systemüberwachungen
​Vorteile:
-
Umfassende End-to-End-Automatisierungsplattform mit Integration von RPA, Process Mining, Low-Code und KI
-
Große Community und Marktplatz („UiPath Marketplace“) mit tausenden vorgefertigten Automatisierungsbausteinen
-
Starke Integration mit bestehenden Unternehmenssystemen wie SAP, Salesforce, Microsoft 365
-
Intuitive, visuelle Entwicklungsumgebung für Citizen Developer und professionelle Entwickler
-
Kombination aus attended und unattended Bots mit zentralem Orchestrator für volle Steuerbarkeit
​
KI-Methoden:
-
Computer Vision zur Erkennung von Benutzeroberflächen und UI-Elementen, auch in dynamischen Umgebungen
-
Natural Language Processing (NLP) zur Verarbeitung von Text und Sprache, etwa bei Chatbots oder E-Mail-Verständnis
-
Machine Learning zur Klassifizierung und Vorhersage, z. B. bei Dokumenten oder Kundenanfragen
-
Dokumentenverständnis (Document Understanding) mit OCR, semantischer Analyse und KI-Modellen
-
Verwendung von KI-gestützten Empfehlungen im Task Mining und Process Mining zur Identifikation von Automatisierungspotenzialen
Customer Centricity
Customer Centricity stellt den Kunden konsequent in den Mittelpunkt aller unternehmerischen Aktivitäten. Produkte, Dienstleistungen und Prozesse werden darauf ausgerichtet, die Bedürfnisse und Erwartungen der Kunden besser zu verstehen und zu erfüllen. Ziel ist es, langfristige Kundenbindung, hohe Zufriedenheit und ein positives Markenerlebnis zu schaffen.
Orange3 (Datenvisualisierung und Analyse)
Eckdaten: Entwickelt an der Universität Ljubljana (SLO), speziell dort vom Bioinformatics Laboratory; Stärke: Open-Source (mit wachsender Community, Sicherheits-Überwachung und Integration anderer Open-Source Tools); breite Anwendung im Bildungsbereich (Schulen und Hochschulen)
​
Use Cases:
-
Datenexploration und –visualisierung (z.B. für Auswertung von F&E Forschungen)
-
Klassifikation von Texten, Bildern oder Kundenbewertungen (dank k-Nearest Neighbors, Entscheidungsbäume, Random Forests, Support Vector Machines)
-
Vorhersagen dank Regressionsmodellen (z.B. lineare Regression oder Random Forest Regression
​
​Vorteile:
-
Vielfältige Analyse- und Visualisierungsmöglichkeiten
-
Benutzerfreundliche grafische Benutzeroberfläche (GUI) über den gesamten Workflow einer Datenverarbeitung
-
Integration von maschinellem Lernen
​​
​
Zoho CRM + Zia AI (Kundenverständnis und Prognosen)
Eckdaten: Gegründet: 1996; Sitz: Indien (plus Austin, USA); Stärke: privat geführt, unabhängig mit weltweit über 100 Millionen Nutzenr in mehr als 150 Ländern
​
Use Cases:
-
Zoho CRM ist eine umfassende CRM-Lösung für Vertrieb, Marketing und Kundendienst
-
Lead- & Deal-Priorisierung (inkl. Scores für Abschlusswahrscheinlichkeiten)
-
Zia (Zoho Intelligent Assistant) ist die integrierte KI von Zoho, die Daten analysiert, Muster erkennt und Handlungsempfehlungen gibt, wie z.B.:
-
Dynamische Verkaufsprognosen, Trendanalysen, KPI-Alerts, proaktive Empfehlungen & Anomalieerkennung
- Zia analysiert Kunden-E-Mails, erkennt Stimmungen, Absichten und kritische Inhalte (z. B. Kündigungsandrohungen)
​​
​Vorteile:
-
Schnelle Implementierung: Kein Data-Science-Team nötig, out-of-the-box verfügbar
-
Niedrige Einstiegskosten: V.a. attraktiv für KMU mit begrenztem Budget; weniger für Großuntern. (da kaum komplexere Journeys)
-
Intuitive Benutzeroberfläche
-
Hohe Anpassbarkeit: Workflow-Automation, API-Zugriff, Low-Code-Umgebung
-
Modular erweiterbar: Integration mit Zoho One (ERP, Marketing, Helpdesk, Finance etc.)
-
Datenschutzfreundlich: DSGVO-konform, europäische Serveroptionen verfügbar
​
KI-Methoden:
-
Machine Learning: Lead-Scoring, Prognosemodelle, Anomalieerkennung
-
Natural Language Processing (NLP): E-Mail-Analyse, Chat-Verständnis, Intent-Detection
-
Stimmungsanalyse (Sentiment Analysis): Erkennung positiver/ negativer Kundenstimmungen
-
Anomaly Detection (Outlier Detection): Frühwarnsystem für unerwartete Datenentwicklungen
-
Spracherkennung (Speech-to-Text): Voice-basierte Interaktion (z. B. via App)
Salesforce Einstein (Kundenveständnis und -segmentierung)
Eckdaten: Gegründet: 1999 von Marc Benioff; Sitz: San Francisco, USA; Stärke: cloudbasiertes CRM mit weltweit über 150.000 Kunden und einem Umsatz von ca. 26 Mrd. USD
​
Use Cases:
-
Kundensegmentierung basierend auf Verhalten, Kaufhistorie und Interaktionen
-
Lead Scoring: Vorhersage, welche Leads mit hoher Wahrscheinlichkeit konvertieren
-
Next Best Action / Next Best Offer: KI-generierte Empfehlungen für Vertrieb & Marketing
-
Churn Prediction: Erkennung abwanderungsgefährdeter Kunden
-
Personalisierte Customer Journeys (z. B. in der Marketing Cloud)
-
Sales- und Service-Automatisierung mit intelligenter Priorisierung
​
​Vorteile:
-
Nahtlose Integration in das Salesforce-Ökosystem (CRM, Marketing, Service, Commerce)
-
Out-of-the-box KI-Funktionen – keine Programmierkenntnisse nötig
-
Echtzeit-Insights direkt im Workflow (z. B. Lead View, Opportunity View)
-
Transparente Modelle mit Erklärbarkeit („Warum ist dieser Lead vielversprechend?“)
-
Automatisierung über alle Kanäle hinweg (z. B. E-Mail, App, Web, Vertrieb)
-
Datenschutz & Compliance
​
KI-Methoden:
-
Supervised Learning für Lead-Scoring, Churn, Upsell-Prognosen
-
Klassifikationsmodelle (z. B. Entscheidungsbäume, Gradient Boosting)
-
Clusteranalyse & Segmentierung (unsupervised learning)
-
Natural Language Processing (NLP) für E-Mail-Analyse, Chatbots & Service-Tickets
-
Recommendation Engines basierend auf Kundenverhalten & Ähnlichkeitsanalysen
-
Explainable AI (XAI) für Transparenz der Modelle
Figma.com (Design- und Prototyping-Plattform)
Eckdaten: Gegründet: 2012; Sitz in San Franciso, USA; StarkÄ™: cloudbasierte Design- und Prototyping-Plattform für agile, kundenzentrierte Produktentwicklung
​
Use Cases:
-
UI/UX-Design: Erstellung von Benutzeroberflächen für Web- und Mobilanwendungen.
-
Prototyping: Interaktive Prototypen zur Visualisierung von Benutzerflüssen.
-
Design-Systeme: Verwaltung und Anwendung konsistenter Designrichtlinien.
-
Entwicklerübergabe: Nahtlose Zusammenarbeit zwischen Design- und Entwicklungsteams.
​​
​Vorteile:
-
Keine Installation erforderlich: Figma läuft vollständig im Browser.​
-
Web-basiertes Design-Tool für UI/UX
-
Wird von vielen Design-Teams genutzt; einfache Zusammenarbeit im Team mit Echtzeit-Feedback und Kommentarfunktionen
-
Eignet sich auch für interaktive Prototypen
-
Man kann z. B. Buttons klicken, durch Screens „navigieren“
-
Keine Programmierkenntnisse nötig
​
KI-Methoden:
-
NLP wird für automatische Texterstellung, Übersetzung und Umbenennung von Ebenen eingesetzt
-
Computer Vision unterstützt Funktionen wie Hintergrundentfernung und visuelle Ähnlichkeitssuche
-
Generative KI (z. B. GPT-4) erzeugt komplette UI-Designs aus Text-Prompts („Make Designs“)
-
Multimodale Modelle kombinieren Text und Bild, z. B. bei Designgenerierung aus Beschreibungen
-
Pattern Recognition hilft bei Layoutvorschlägen und konsistenter Benennung von Elementen
-
Translation & Tone Detection sorgen für passende Sprache und Tonalität direkt im Design
-
Reinforcement Learning verbessert Vorschläge durch Nutzerfeedback laufend
​
Sonstiges:
-
Für fortgeschrittene Teams, oder wenn jemand etwas Design-Affinität hat, gibt es die Alternative: Balsamiq (https://balsamiq.com/)
Chatbase (No-Code-Plattform für KI-gestützte Chatbots, Prompt-Management Plattform; Middleware für GenAI)
Eckdaten: Gegründet 2023 von dem Softwareingenieur Yasser ElsaidSitz in Toronto; innerhalb von 12 Monaten Jahresumsatz von 3 Millionen US-Dollar und über 9.000 Unternehmen in mehr als 140 Ländern
​
Use Cases:
-
Kundenservice
-
Lead-Generierung
-
interne Wissensdatenbanken
-
personalisierte KI-Assistenten
​​
​Vorteile:
-
Mit Chatbase können Chatbots auf Basis von ChatGPT, Claude, Gemini etc. erstellt werden, die auf individuellen Daten eines Anwenders basieren
-
Dies ermöglicht eine effiziente und personalisierte Kunden-kommunikation, ohne dass technisches Fachwissen (z.B. Programmierkenntnisse) erforderlich ist
​
KI-Methoden:
-
Chatbase unterstützt verschiedene fortschrittliche KI-Modelle, darunter OpenAI's GPT-4o und Anthropic's Claude 3.7 Sonnet
-
Diese Modelle ermöglichen komplexe Problemlösungen, mehrsprachige Unterstützung und empathische Kommunikation, wodurch die Chatbots vielseitig einsetzbar sind
​
Sonstiges:
-
​Wenn du Daten bei Chatbase hochlädst – etwa PDFs, Webseiten oder interne Dokumente – behältst du als Nutzer die vollständigen Eigentumsrechte an diesen Inhalten. Chatbase erhält lediglich eine nicht-exklusive, weltweite, gebührenfreie Lizenz, um deine Daten ausschließlich zur Bereitstellung des Dienstes zu nutzen, zu verarbeiten und anzuzeigen
-
Chatbase verpflichtet sich, deine Daten nicht zur Schulung oder Verbesserung seiner KI-Modelle zu verwenden. Dies bedeutet, dass deine Inhalte nicht in das Training zukünftiger Modelle einfließen.
-
Daten werden in den USA speichert. Obwohl die USA nicht über einen von der EU anerkannten Angemessenheitsbeschluss verfügen, bietet Chatbase geeignete Schutzmaßnahmen gemäß Artikel 46 der DSGVO, wie Standardvertragsklauseln, um ein angemessenes Datenschutzniveau zu gewährleisten.
Employee Engagement
Employee Engagement beschreibt das emotionale Commitment und die aktive Beteiligung von Mitarbeitenden an der Unternehmensmission. Engagierte Mitarbeitende identifizieren sich mit ihren Aufgaben, bringen sich proaktiv ein und tragen maßgeblich zur Innovationskraft und Leistungsfähigkeit des Unternehmens bei. Voraussetzung dafür sind sinnstiftende Arbeit, Wertschätzung und gute Führung.
Axonify (Lernmanagement-System)
Eckdaten: Gegründet: 2011; Sitz: Waterloo, Ontario, Kanada; Stärke: Microlearning- und Gamification-Lösungen
​
Use Cases:
-
Schulung und Weiterbildung von Mitarbeitern ohne festen Arbeitsplatz, insbesondere im Einzelhandel, in der Fertigung und Logistik
-
Verbesserung der Mitarbeiterproduktivität und des Engagements
-
Unterstützung bei der digitalen Transformation von Unternehmen
-
Verbesserung der Arbeitssicherheit und Reduzierung von Unfällen
​
​Vorteile:
-
Hohe Engagement-Rate: 83% der Nutzer loggen sich 2-3 Mal pro Woche ein
-
Effektives Microlearning: Kurze, fokussierte Lerneinheiten von 3-5 Minuten
-
Gamification: Spielerische Elemente zur Motivation
-
Integrierte Kommunikationstools: Informationsaustausch in Firma
-
Datengesteuerte Erkenntnisse: Messung des ROI und der Auswirkungen auf Geschäfts-ergebnisse
-
Flexibilität: Einsetzbar als Cloud-, Hybrid- oder On-Premise-Lösung
​
KI-Methoden:
-
Adaptives Microlearning: Personalisierte Lernpfade basierend auf individuellem Fortschritt
-
Intelligente Verstärkung: KI-gesteuerte Wiederholung wichtiger Inhalte
-
Wissenslückenanalyse: Identifizierung von Bereichen, in denen Mitarbeiter zusätzliche Schulung benötigen
-
KI-gestützter Assistent: Bereitstellung von Antworten und Informationen im Arbeitsablauf
Visier (Leistungs-, Trend- und Risikoanalyse im HR Controlling)
Eckdaten: Gegründet: 2010; Sitz: Vancouver, Kanada; Stärke: cloudbasierte People-Analytics- und Workforce-Planning-Lösungen; Wert über 1 Milliarde US-Dollar
​
Use Cases:
-
Datengestütztes HR-Controlling und Planung
-
Mitarbeiterbindung dank Leistungs- und Risikoanalyse und Talentmanagement
-
Personalkosten-Management
-
Compliance und regulatorische Berichterstattung
​
​Vorteile:
-
Automatisiert viele HR-Prozesse und reduziert manuelle Arbeit
-
Tiefgreifende Erkenntnisse in Personaltrends und -leistung
-
Compliance-Unterstützung: Erleichtert die Erstellung von Berichten für regulatorische Anforderungen wie EU CSRD ESRS S1
-
Kosteneinsparungen: "293%“ ROI innerhalb von 5 Jahren
-
Wenn richtig genutzt: Erhöhung der Mitarbeiterzufriedenheit
​
KI-Methoden:
-
Machine Learning um Muster in den HR-Daten zu erkennen
-
Natural Language Processing (NLP): Analyse unstrukturierter Daten aus Mitarbeiterfeedback, Umfragen, etc.
-
Predictive Analystics: Vorhersage von Burnout, Kündigungen, Engpässen etc.
-
Vergleichsanalyse: Vergleich der eigenen Kennzahlen mit branchenüblichen Benchmarks zur Leistungseinschätzung
-
KI-gestützter digitaler Assistent namens „Vee“
Integrator (Enterprise-Search- und Wissensmanagement)
Eckdaten: Gegründet: 1993; Sitz: Dresden; Stärke: Search- und Wissensmanagement
​
Use Cases:
-
Übergreifende Suche: Nutzer können gleich-zeitig in verschiedenen Datenquellen wie E-Mails, Intranets, CRM- und ERP-Systemen suchen.​
-
Valide Informationen: INTERGATOR AI liefert präzise Antworten, indem es ausschließlich unternehmensinterne Daten und Dokumente durchsucht, ohne externe, potenziell unzuverlässige Quellen einzubeziehen.​
​
​Vorteile:
-
Prozessoptimierung
-
Entscheidungsoptimierung
-
Zugriffsrechte-Management: Die Software berücksichtigt bestehende Zugriffsrechte, sodass Nutzer nur auf Informationen zugreifen können, für die sie berechtigt sind.​
​
KI-Methoden:
-
Neuronale Suchverfahren: Diese ermöglichen eine kontext-sensitive und semantische Suche, die über einfache Stichwortsuchen hinausgeht.​
-
Deep Learning: Durch den Einsatz von Deep-Learning-Algorithmen kann die Software komplexe Zusammenhänge in Daten erkennen und relevante Ergebnisse liefern.​
-
Natural Language Processing (NLP): Die Verarbeitung natürlicher Sprache erlaubt es Nutzern, in alltäglicher Sprache zu suchen und dennoch präzise Ergebnisse zu erhalten.​
Shyftplan (Schichtplanung)
Eckdaten: Gegründet: 2013 in Berlin
​
Use Cases:
-
Automatisierte Schichtplanung: Das System erstellt Schichtpläne unter Berücksichtigung von Verfügbarkeiten, Qualifikationen, gesetzlichen Vorschriften, Ruhezeiten etc.
-
Ersatz bei kurzfristigen Ausfällen: Wenn Mitarbeitende kurzfristig ausfallen oder zusätzlicher Bedarf entsteht, kann die Planung automatisch angepasst werden, um Lücken zu füllen.
-
Integration von Mitarbeiterwünschen & Tauschfunktionen: Mitarbeitende können Präferenzen angeben, Schichten tauschen, sich auf freie Schichten bewerben etc. Das System berücksichtigt diese Wünsche bei der Planung.
-
Bedarfsplanung und Prognose (Demand Forecasting): Durch historische Daten und Prognosemodelle lässt sich der Personalbedarf für kommende Perioden abschätzen.
-
Qualifikationsmanagement & Skill Matching: Das System berücksichtigt Qualifikationen der Mitarbeitenden (z. B. Schulungen, Zertifikate) und weist sie entsprechend passenden Schichten zu.
​
​Vorteile:
-
Verbesserte Mitarbeiterzufriedenheit: Durch Einbindung von Präferenzen, Transparenz und faire Verteilung der Schichten wird die Akzeptanz erhöht (z. B. laut Siemens-Energy-Referenz: 98 % Zufriedenheit).
-
Skalierbarkeit & Komplexitätsmanagement: Das System kann tausende Mitarbeiter und komplexe Mehrschichtsysteme handhaben.
-
Compliance & Rechtssicherheit: Arbeitszeitgesetze, Ruhezeiten, Tarifverträge und andere Regelwerke können automatisch berücksichtigt werden.
-
Dynamische Anpassbarkeit: Eingriffe bei kurzfristigen Änderungen, Ausfällen, Tauschwünschen etc. sind möglich, ohne das gesamte System neu aufsetzen zu müssen.
-
Integration & Datenvernetzung: Schnittstellen zu HR-Systemen (z. B. SAP, Personio) erlauben Datenabgleich (Fehlzeiten, Qualifikationen etc.).
-
Verbesserte Planungsqualität: Optimierte Ressourcennutzung, Verringerung von Unter- und Überbesetzung, weniger manuelle Fehler.
​
KI-Methoden:
-
Heuristische / Metaheuristische Verfahren: Für große Instanzen werden Heuristiken eingesetzt (z. B. genetische Algorithmen, Tabu Search, Simulated Annealing) zur schnelleren Lösung nahe-optimaler Pläne.
-
Constraint Programming: Für die Einhaltung vieler Nebenbedingungen (Arbeitszeitgesetze, Qualifikationen, Präferenzen) ist CP eine gängige Methode.
-
Machine Learning / Prognosemodelle: Für die Bedarfsplanung / Nachfragevorhersage könnten ML-Modelle (Zeitreihenanalyse, Regressionsmodelle, neuronale Netze) eingesetzt werden, um zukünftige Personalanforderungen basierend auf historischen Daten zu prognostizieren.
-
Feedback-Schleifen & Lernen aus Ergebnissen: Durch Analyse realer Abweichungen von geplanten Schichten zu Ist-Daten kann das System lernen und zukünftige Planungen verbessern (Adaptive Planung).
​
Alternativen:
https://planerio.de (v.a. für Schichtplanung in Produktion und Medizin, inkl. ROI aus Lohndaten)