Referenzen
Siemens
Predictive Analytics Partner für Predictive Services
T-Systems
Vorausschauende Qualitätssteuerung
Deutsche Bahn
Totalschaden durch vorausschauende Wartung vermeidbar
EnBW: Volles Potential der Ökostrom-Nutzung
Innovative analytische Verfahren ermöglichen zukunftsweisende Ökostrom-Lösungen
BASF: Kapazitätsplanung
Kapazitätsplanung: 5 – 10 % Kostenreduktionspotenzial
SAP
Der 1. reine Predictive Analytics-Partner in Deutschland
Bosch
Vorausschauende Qualitätsanalysen in der Produktion
Opel
Selbstlernende Prognosen zur Optimierung des Kraftwerkbetriebes und der Stromvermarktung
Knauf
Ursachenforschung und Optimierung der Qualitätsparameter in der Produktion
ZF
Selbstlernende KI verbessert Produktionsqualität in komplexer Variantenverarbeitung: 20% schneller Fehler finden
Polizei
Aufdeckung von Kommunikationsmustern in der Bandenkriminalität
EVO: Maschinensteuerung
Wärmerückgewinnung spart 25 % der Energie ein
NTT Facilities
Ausfallprognose für kritische Klimaanlagensysteme
LG: Vorausschauendes Klimatisieren
Adaptive Hotellösung zur Reduzierung der Energiekosten
RES-COM
Forschungsprojekt Industrie 4.0
Dillinger Hütte
Energie-Bedarfsanalyse
Koehler Paper Group
Vorausschauende Qualitätsanalysen in der Produktion
Stadtwerke Saarlouis: Prognose Erneuerbarer Energie
Flexible und präzise Prognose trotz starker Volatilität
Bartz Werke
Reduzierung Energieressourcen in der Gusstechnik
Bundesministerium für Bildung und Forschung
Forschungsprojekt Industrie 4.0
Saarstahl
Logistikoptimierung
Netzwerke Saarlouis: Gas-Regelenergie
Doppelt so genau wie State of the Art-Lösungen
Wittenstein
Vorausschauende Wartung
DFKI
Forschungsprojekt Industrie 4.0
Hager Group
Vorausschauende Energieflusssteuerung
DesigNetz
Das Betriebssystem für die Energiewende
Mobil saar
Forschungsprojekt Mobility 4.0
CyProS
Forschungsprojekt Industrie 4.0
bpE
Prozessanalysen
Guided AB
Vorausschauende und selbstlernende Hausautomatisierung
Bundesministerium für Verkehr, Bau und Stadtentwicklung
Forschungsprojekt Industrie 4.0
Vicar
Kundenanalyse und -empfehlung
Dank selbstlernender Künstlicher Intelligenz hat sich unsere Standardsoftware in unterschiedlichen Branchen bewiesen und verbessert einerseits die Ergebnisse unserer Kunden. Andererseits werden laufende Kosten deutlich reduziert, da notwendige Änderungen aufgrund veränderter Prozesse automatisch von der Selbstlernalgorithmik erlernt werden, so dass kein Data Scientist im operativen Betrieb Hand anlegen muss.