Was unsere Kunden über die AI software sagen

Wir lassen lieber unsere Kunden sprechen. Hier finden Sie Stimmen aus realen Projekten, mit konkreten Zahlen und ehrlichen Einschätzungen.

Erfahrungsberichte

★★★★★
Die Dokumentenverarbeitung spart unserem Buchhaltungsteam etwa 12 Stunden pro Woche. Vorher hat eine Person fast zwei Tage damit verbracht, Rechnungsdaten manuell ins System zu tippen. Jetzt prüft sie nur noch die Ergebnisse und korrigiert gelegentlich einen Betrag. Die Fehlerrate ist tiefer als bei der manuellen Eingabe.
Claudine Reber
Claudine Reber
Leiterin Finanzen, Médisol SA, Genf
★★★★★
Wir hatten vorher ein Prognosemodell von einem grossen Beratungshaus. Es war teuer und ungenau. Das Modell von Aicommitment läuft auf unserem eigenen Server, die Vorhersagegenauigkeit liegt bei 91 % auf Wochenbasis. Unsere Lagerhaltungskosten sind im ersten Halbjahr um 22 % gesunken.
Marco Thalmann
Marco Thalmann
COO, Berger Lebensmittel AG, Bern
★★★★☆
Das Dashboard hat die Art verändert, wie unser Vorstand Entscheidungen trifft. Früher diskutierten wir über Excel-Tabellen mit 200 Zeilen. Jetzt sehen alle vier Kennzahlen auf einen Blick, und die Daten sind maximal eine Stunde alt. Einen Stern Abzug, weil die Einführungsphase etwas holprig war, aber das Team hat schnell nachgebessert.
Leila Amrein
Leila Amrein
Geschäftsführerin, Vario Consulting, Zürich
★★★★★
Wir nutzen die Software seit 14 Monaten für die automatische Klassifizierung eingehender E-Mails. Pro Tag kommen bei uns rund 400 Anfragen rein. Die Software leitet 85 % davon korrekt an die richtige Abteilung weiter. Die restlichen 15 % landen in einer Warteschlange zur manuellen Prüfung. Vorher mussten drei Personen den ganzen Tag sortieren.
Niklaus Grunder
Niklaus Grunder
Leiter Kundendienst, TelcoPlus, Basel
34 Abgeschlossene Projekte
96,4 % Durchschnittliche Genauigkeit
85 % Projekte noch in Produktion
4 Wochen Bis zum ersten Prototyp

Fallstudie: Berger Lebensmittel AG

Lager der Berger Lebensmittel AG

Ausgangslage

Berger Lebensmittel produziert Fertiggerichte für den Detailhandel. Die Nachfrage schwankt stark, abhängig von Wochentag, Saison und Wetter. Bis 2023 plante das Unternehmen die Produktion auf Basis von Erfahrungswerten und einer einfachen Tabelle. Das führte regelmässig zu Überproduktion, die entweder verramscht oder entsorgt werden musste.

Was wir gemacht haben

Wir haben drei Jahre Verkaufsdaten mit Wetterdaten und Kalenderinformationen kombiniert und ein Prognosemodell trainiert. Das Modell liefert jeden Sonntagabend eine Produktionsempfehlung für die kommende Woche, aufgeschlüsselt nach Produktgruppe. Die Berechnung läuft auf einem lokalen Server im Werk, die Daten verlassen das Firmengelände nicht.

Ergebnis nach sechs Monaten

-22 % Lagerhaltungskosten
-31 % Lebensmittelabfall
91 % Prognosegenauigkeit

Warum Kunden bei uns bleiben

Von den 34 Projekten, die wir seit 2021 abgeschlossen haben, laufen 29 heute noch in Produktion. Fünf wurden eingestellt, weil sich die Geschäftsstrategie des Kunden geändert hat. Kein einziges Projekt wurde wegen technischer Mängel beendet.

Was Kunden in Gesprächen am häufigsten nennen: Wir liefern den Prototyp schnell, und er funktioniert bereits mit echten Daten. Kein Mockup, kein Klickdummy, sondern ein Stück Software, das eine reale Aufgabe erledigt. Wenn der Prototyp zeigt, dass der Ansatz nicht funktioniert, sagen wir das offen. In zwei Fällen haben wir Kunden davon abgeraten, weiterzumachen, weil die Datenqualität für ein zuverlässiges Modell nicht ausgereicht hätte.

Nach der Lieferung sind wir erreichbar. Unser Support reagiert innerhalb von vier Stunden während der Geschäftszeiten. Bei Kunden mit SLA-Vertrag garantieren wir eine Reaktionszeit von zwei Stunden, auch am Wochenende.

Wenn Sie sich selbst ein Bild machen möchten, vereinbaren Sie ein unverbindliches Gespräch. Wir stellen gerne den Kontakt zu einem bestehenden Kunden her, der Ihnen aus erster Hand berichten kann.

Unverbindlich anfragen