Schnellere KI-gest\u00fctzte Zuordnung von Anforderungen<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t Von Gesch\u00e4ftsanforderungen und POCs bis zu produktionsreifen KI-L\u00f6sungen<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t KI im Engineering und in industriellen Abl\u00e4ufen eingesetzt<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t KI auf die Schiene bringen: Expleo unterst\u00fctzte einen weltweit f\u00fchrenden Anbieter von Schienenverkehrssystemen beim Aufbau und bei der Skalierung einer \u201eAI-Factory\u201c. Sie \u00fcberf\u00fchrt vielf\u00e4ltige Gesch\u00e4ftsanforderungen in produktionsreife KI-L\u00f6sungen, steigert die Effizienz, beschleunigt komplexe Prozesse und verbessert die Qualit\u00e4t sowie die Zug\u00e4nglichkeit von Informationen im gesamten Unternehmen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Unser Kunde ist ein weltweit f\u00fchrender Anbieter von Schienenverkehrssystemen, der Schienenfahrzeuge, Signaltechnik und integrierte Mobilit\u00e4tsl\u00f6sungen entwickelt und liefert. Seine komplexen, Engineering-intensiven Aktivit\u00e4ten umfassen \u00fcber den gesamten Projektlebenszyklus hinweg gro\u00dfe Mengen technischer Daten und Anforderungen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Der Kunde wollte KI im gesamten Unternehmen nutzen und eine wachsende Zahl von Gesch\u00e4ftsanforderungen aus verschiedenen Abteilungen in zuverl\u00e4ssige, produktionsreife L\u00f6sungen \u00fcberf\u00fchren. Diese Anforderungen betrafen komplexe, zeitaufwendige T\u00e4tigkeiten wie Ausschreibungs- und Anforderungsmanagement, den Zugriff auf technisches Wissen, das Testreporting und die Produktionsabl\u00e4ufe.<\/p> Die Herausforderung ging \u00fcber die Entwicklung einzelner KI-Tools hinaus. Der Kunde ben\u00f6tigte ein skalierbares Delivery-Modell, mit dem sich neue Anwendungsf\u00e4lle bewerten, ihr Nutzen nachweisen, die vielversprechendsten L\u00f6sungen entwickeln und industrialisieren sowie in bestehende Systeme und Prozesse integrieren lassen \u2013 ohne die vorhandene IT-Landschaft zu ersetzen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Expleo etablierte eine skalierbare \u201eAI-Factory\u201c, in der KI-Ingenieure, Business-Analysts, Tech-Leads und Architektur-Experten in agilen Teams zusammenarbeiten. In enger Partnerschaft mit den internen Teams des Kunden unterst\u00fctzen die Expleo-Teams den gesamten KI-Lebenszyklus \u2013 von der Bewertung der Gesch\u00e4ftsanforderungen und POCs \u00fcber die individuelle Entwicklung und Integration bis hin zur Bereitstellung und \u00dcberwachung produktionsreifer L\u00f6sungen.<\/p> Die Teams vereinen Expertise in generativer KI und LLMs, RAG- und agentischen Architekturen, Machine-Learning und Deep-Learning, Data-Engineering, der Entwicklung propriet\u00e4rer Modelle sowie Cloud-Architektur. Dieses flexible Partnerschaftsmodell erm\u00f6glicht es Expleo, unterschiedliche Anwendungsf\u00e4lle parallel zu bearbeiten und sich an ver\u00e4nderte Priorit\u00e4ten anzupassen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t Die AI Factory hat es unserem Kunden erm\u00f6glicht, mehrere KI-L\u00f6sungen zu entwickeln und einzusetzen:<\/p> Der Umfang der Partnerschaft ist mit wachsendem Vertrauen und steigender Nachfrage gewachsen. Die 2024 gestartete \u201eAI-Factory\u201c beim Kunden wurde auf acht parallel arbeitende Teams ausgebaut, die eine sich kontinuierlich weiterentwickelnde Pipeline von KI-Anwendungsf\u00e4llen aus unterschiedlichen Unternehmensbereichen bearbeiten.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Die AI Factory hilft unserem Kunden, Prozesse zu beschleunigen, manuellen Aufwand zu reduzieren und die Qualit\u00e4t sowie Zug\u00e4nglichkeit von Informationen zu verbessern. Die KI-gest\u00fctzte Zuordnung von Anforderungen kann einen Prozess, der f\u00fcr erfahrene Ingenieure zuvor mehrere Wochen dauerte, auf wenige Tage verk\u00fcrzen. Gleichzeitig erleichtern Wissensassistenten den Zugriff auf internes Know-how. In der Fertigung k\u00f6nnen Mitarbeitende dank Spracheingabe Probleme direkt melden, ohne Informationen in eine Anwendung eintippen zu m\u00fcssen. Zugleich lassen sich gewonnene Erkenntnisse besser erfassen und wiederverwenden.<\/p> Die \u201eAI-Factory\u201c bietet einen wiederholbaren Rahmen, um KI-Potenziale zu nutzen. Neue Ideen k\u00f6nnen mithilfe von POCs schnell bewertet und anschlie\u00dfend industrialisiert werden, sobald Nutzen und Machbarkeit nachgewiesen sind. Nach der Bereitstellung werden Nutzung, Leistung, Nutzerfeedback und Betriebskosten \u00fcberwacht \u2013 einschlie\u00dflich des Token- und Ressourcenverbrauchs von LLMs. Damit entsteht die Grundlage, den Mehrwert zu verfolgen und die L\u00f6sungen kontinuierlich zu optimieren.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t Ja. Das AI-Factory-Modell eignet sich insbesondere f\u00fcr Unternehmen mit komplexen Engineering- oder Industrieprozessen, gro\u00dfen und verteilten Wissensbest\u00e4nden, dokumentenintensiven Abl\u00e4ufen und erheblichen Mengen technischer Daten. Es bietet Unternehmen eine skalierbare und flexible KI-Kompetenz, die auf ver\u00e4nderte Priorit\u00e4ten reagieren kann und gleichzeitig einen klaren Fokus auf Akzeptanz, Kostenkontrolle und Return on Investment legt.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t We deliver specialised signalling covering all V-model activities, while working with both signalling manufacturers and operators.<\/p><\/div><\/span> <\/div>\r\n \r\n End-to-end\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
Im gro\u00dfen Ma\u00dfstab<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
Wer ist der Kunde?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
Was war die Herausforderung?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
Wie sah die L\u00f6sung von Expleo aus?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
Wie hat diese L\u00f6sung geholfen?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
Welche Ergebnisse wurden erzielt?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
K\u00f6nnte dieses Modell auch f\u00fcr mich funktionieren?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\r\n Signalling <\/h2>\r\n