top of page
Logo rwQuantical (QUANTICAL)
icons.png

Ergebnis

  • Reduktion des Prüfaufwands um 86%

  • Deutliche Verkürzung der Bearbeitungszeiten bei Kundenanfragen

  • Höhere Konsistenz und Qualität der Antworten durch automatisierte, nachvollziehbare Abgleiche

icons.png

Technologien & Methoden

  • Retrieval-Augmented-Generation (RAG)

  • Topical Chunking

  • KI-basierte Matching-Algorithmen

  • Microsoft Azure

icons.png

Vorgehen

  • Analyse bestehender Prüfprozesse und Definition der relevanten technischen Anforderungen

  • Konzeption einer skalierbaren KI-Plattform für den automatisierten Anforderungsabgleich

  • Implementierung eines RAG-Modells zur kontextbezogenen Interpretation der Dokumente

  • Entwicklung von Topical-Chunks für präzise thematische Segmentierung

  • Automatisierung des Delta-Matchings zwischen Anfrage und Standardkatalog

  • Aufbau eines validierten Prüfergebnisses als finaler Input für die Ingenieurabteilung

icons.png

Herausforderung

  • Hoher manueller Aufwand bei der technischen Prüfung umfangreicher Kundenanfragen

  • Fehlende Standardisierung im Abgleich zwischen Anfragedokumenten und bestehenden Produktkatalogen

  • Lange Durchlaufzeiten aufgrund komplexer technischer Spezifikationen

  • Notwendigkeit, Abweichungen („Deltas“) zuverlässig und nachvollziehbar zu identifizieren

Engineer-Requirements-Matching-KI

Entwicklung einer KI-Plattform zur automatisierten Prüfung technischer Kundenanforderungen und zum präzisen Abgleich mit Standardkatalogen.

KI-basiertes Requirements Matching

RAG
KI
Micorosft Azure
bottom of page