.svg)
Mit einer mobilen FIN‑Erkennung und einer umfassenden LLM‑Evaluierung unterstützt AMAI die AVAG Holding SE dabei, Prozesse zu beschleunigen und ihre KI‑Strategie auf ein sicheres technisches Fundament zu stellen.
Herausforderung
Die AVAG Holding stand vor zwei zentralen Herausforderungen der digitalen Transformation: Zum einen die Optimierung eines alltäglichen, aber fehleranfälligen Prozesses in den Autohäusern – der manuellen Erfassung von Fahrgestellnummern (FIN). Zum anderen die strategische Frage, wie moderne Sprachmodelle (LLMs) gewinnbringend und sicher in die Unternehmens-IT integriert werden können, um zukünftige Automatisierungspotenziale zu erschließen. Gesucht war ein pragmatischer Technologiepartner, der schnell und ohne Umwege handfeste Prototypen und fundierte technische Empfehlungen liefern kann.
Lösung
In enger, partnerschaftlicher Zusammenarbeit entwickelten wir zwei maßgeschneiderte KI-Anwendungen, die direkt auf die Bedürfnisse der AVAG zugeschnitten sind:
- Prototyp zur FIN-Erkennung: Wir konzipierten und implementierten eine schlanke Web-Anwendung, die es den Mitarbeitern im Autohaus ermöglicht, die FIN eines Fahrzeugs einfach mit dem Smartphone abzufotografieren. Eine intelligente Pipeline aus OCR-Technologie (PaddleOCR) und spezifischen Nachverarbeitungsalgorithmen extrahiert die 17-stellige Nummer aus dem Bild, validiert sie automatisch auf das korrekte Format und gibt sie zur weiteren Verwendung aus.
- Strategische LLM-Evaluierung: Um die Potenziale von Large Language Models für die AVAG greifbar zu machen, führten wir eine detaillierte technische Analyse durch. Mittels Lasttests verglichen wir Self-Hosting-Ansätze mit Cloud-Lösungen (Azure OpenAI) und demonstrierten am konkreten Anwendungsfall der automatisierten E-Mail-Generierung für auslaufende Leasingverträge die Leistungsfähigkeit der Technologie. Das Ergebnis ist eine klare, datengestützte Empfehlung für die zukünftige KI-Strategie der AVAG.
Kernfunktionen
- Mobile Erfassung von Fahrgestellnummern direkt am Fahrzeug mittels Fotofunktion.
- Automatische Texterkennung (OCR), optimiert für die Erkennung auf Fahrzeugscheiben.
- Intelligente Nachverarbeitung zur Korrektur typischer OCR-Fehler (z.B. Buchstabe "O" statt Ziffer "0") und Validierung der FIN-Struktur.
- Fundierte Lasttests zum Vergleich verschiedener LLM-Hosting-Optionen für eine robuste Infrastruktur.
- Automatisierte Generierung von qualitativ hochwertigen, personalisierten Texten wie E-Mail-Ansprachen für Kunden.
Vorteile für AVAG
- Erhebliche Zeitersparnis und Reduzierung von manuellen Eingaben für die Mitarbeiter im Autohaus.
- Minimierung von Erfassungsfehlern und dadurch eine Steigerung der Datenqualität in nachgelagerten Systemen.
- Klare, technische Entscheidungsgrundlage für den strategischen Einsatz von LLMs im Unternehmen.
- Demonstration konkreter Automatisierungspotenziale, z.B. in der Kundenkommunikation, zur Entlastung des Personals.
- Schnelle und agile Umsetzung von der Idee zum funktionierenden Prototyp, der von den Endanwendern sehr positives Feedback erhielt.
Ausblick
Nach der äußerst erfolgreichen Testphase des FIN-Erkennungsprototyps plant die AVAG den unternehmensweiten Roll-out in den Autohäusern. Die gewonnenen Erkenntnisse aus der LLM-Evaluierung bilden die Basis für die schrittweise Einführung von KI-gestützter Textgenerierung, beginnend mit der automatisierten Erstellung von Folgeangeboten für Leasingkunden. Beide Anwendungsfälle haben das Potenzial, zukünftig noch tiefer in bestehende Kernprozesse integriert zu werden und die Effizienz im gesamten Unternehmen weiter zu steigern.
Kundenfeedback
“Die Zusammenarbeit mit AMAI war für uns ein echter Gewinn: Schnelle, unkomplizierte Umsetzung, absolut professionelles Auftreten und beeindruckend tiefes Fachwissen. Besonders schätze ich die sehr gute Kommunikation – auf Augenhöhe, transparent und immer lösungsorientiert. So sieht für mich partnerschaftliche und effiziente Zusammenarbeit aus.”
Bernd Ottens
Chief Information Officer bei AVAG Holding SE
