Mission ControlIhr Projekt live mitverfolgen, vom Kickoff bis zur Übergabe Meine CrewIhre Rollen je Projekt0 WarenkorbIhre Auswahl, die Checkliste und der Weg zur Kasse0 AnmeldenMit Ihrem Zugangscode zu Aufträgen und gespeicherten Plänen
Portfolio · KI-Idee

Reklamations-Radar

Alle Beschwerden der letzten Jahre ausgewertet: welche Baugruppe, welcher Lieferant, welches Muster — bevor der Serienfehler teuer wird. Für Qualitätsverantwortliche, die Muster sehen wollen.

Was es kostet.

MVP-Festpreis netto

6.390 € MVP-Festpreis

Vollausbau ab 77.000 € — Richtwert. Der MVP-Preis ist fest, der Vollausbau eine Ab-Größe. Der MVP-Festpreis ist ein Kennenlernpreis: Er liegt bewusst unter dem, was die Stunden dieses Plans kosten.

Alle 42 Angebote ansehen →

Zwölf Schwerpunkte.

Vorne Einkauf, hinten Technik

  1. 7 Kunde
  2. 9 Produkt
  3. 5 Abläufe
  4. 2 Vertrieb
  5. 4 Mitarbeiter
  6. 8 Service
  1. 8 KI-Anteil
  2. 2 Echtzeit
  3. 7 Schnittstellen
  4. 8 Datenmenge
  5. 1 Mobil
  6. 6 Cloud

Technik: KI-Anteil 8 · Echtzeit 2 · Schnittstellen 7 · Datenmenge 8 · Mobil 1 · Cloud 6

Ein niedriger Wert heißt: hier liegt der Schwerpunkt nicht. Er heißt nicht „schlecht“. Sicherheit, Wartbarkeit, Verfügbarkeit, Übergabe und Termintreue stehen auf keiner dieser Skalen — die sind bei jedem unserer Vorhaben gleich. Deshalb ist das Gerüst bei jedem Siegel dasselbe.

Der Plan dazu.

Vorab gerechnet
Ihr erster Prototyp · Festpreis netto
6.390 €
Prototyp Aufwand 58 / 100 · ca. 6 Wochen

So haben wir Sie verstanden

Ein interner Prototyp soll historische Beschwerdedaten auswerten und Muster nach Baugruppe, Lieferant und Fehlerbild sichtbar machen.

Was der Prototyp enthält

Import eines repräsentativen Beschwerdedatensatzes, Auswertung nach Baugruppe/Lieferant/Muster mit einfacher Filteroberfläche.

Aufwands-Meter — 100 heißt maximaler Aufwand und maximaler Preis, keine Note.

Altdaten unklarer Herkunft plus KI-Texterkennung für Freitext-Beschwerden treiben den Aufwand

Danach: Vollausbau

Vollausbau ab 77.000 € · indikativ bis 100.000 € · 6 Wochen · Team aus 3

Komponenten

  • Datenimport & Aufbereitung Altdaten6,25 PT
  • Datenmodell & Datenbank3,5 PT
  • Auswertungslogik (Muster/Häufungen)4,75 PT
  • Weboberfläche mit Filtern & Auswertungsansichten5,25 PT
  • KI-gestützte Texterkennung Beschwerdefreitext5,25 PT

Besetzung

  • Senior Developer (Senior .NET-Entwickler)
  • Lead Developer (Lead .NET-Entwickler)
  • Inventive Engineer (Architektur)

Annahmen hinter dem Preis

  • Beschwerdedaten liegen in strukturierter oder halbstrukturierter Form (z. B. Excel/CSV/Datenbank-Export) vor
  • Ein einzelner Anwendungsfall (Musterauswertung) reicht für den Prototyp
  • Nutzerkreis ist intern und klein (keine komplexe Rechteverwaltung nötig)

Was wir zu Beginn klären

  • In welchem Format und System liegen die Beschwerdedaten aktuell vor?
  • Wie viele Datensätze/Jahre sollen ausgewertet werden?
  • Gibt es bereits strukturierte Felder (Baugruppe, Lieferant) oder nur Freitext?

Der Fahrplan — was in welcher Woche fertig ist

0
0
0
0
0
  1. Woche 1 Kickoff Abstimmung, Zugänge, Feinschnitt des Umfangs
  2. Woche 2 Datenimport & Aufbereitung Altdaten 6,25 PT
  3. Woche 3 Datenmodell & Datenbank 3,5 PT
  4. Woche 4 Auswertungslogik (Muster/Häufungen) 4,75 PT
  5. Woche 5 Weboberfläche mit Filtern & Auswertungsansichten 5,25 PT
  6. Woche 5 KI-gestützte Texterkennung Beschwerdefreitext 5,25 PT
  7. Woche 6 Abnahme Übergabe nach Abnahme und Restzahlung

Verstärkung: Köpfe auf Abschnitte legen

  • 1 Woche früher, Abnahme in Woche 5 statt 6: „Datenmodell & Datenbank“ +1 Senior Developer (Senior .NET-Entwickler), „KI-gestützte Texterkennung Beschwerdefreitext“ +1 Tester · +110 €
  • 2 Wochen früher, Abnahme in Woche 4 statt 6: „Datenimport & Aufbereitung Altdaten“ +1 Senior Developer (Senior .NET-Entwickler), „Datenmodell & Datenbank“ +1 Senior Developer (Senior .NET-Entwickler), „Auswertungslogik (Muster/Häufungen)“ +1 Senior Developer (Senior .NET-Entwickler), „KI-gestützte Texterkennung Beschwerdefreitext“ +1 Tester · +250 €
  • 3 Wochen früher, Abnahme in Woche 3 statt 6: „Datenimport & Aufbereitung Altdaten“ +3 Senior Developer (Senior .NET-Entwickler), „Datenmodell & Datenbank“ +2 Senior Developer (Senior .NET-Entwickler), „Auswertungslogik (Muster/Häufungen)“ +2 Senior Developer (Senior .NET-Entwickler), „Weboberfläche mit Filtern & Auswertungsansichten“ +2 Senior Developer (Senior .NET-Entwickler), „KI-gestützte Texterkennung Beschwerdefreitext“ +2 Tester · +550 € hilft am meisten

Legen Sie Köpfe auf die Abschnitte, die schneller fertig werden sollen: dieselben Stunden, mehr Köpfe, weniger Wochen — wie bei den Tempopaketen, ein Kopf mehr +5 %, zwei +8 %, drei +10 %, vier +12 % auf den Anteil des Abschnitts am MVP-Festpreis. Entwickler kommen nicht auf Abschnitte, die andere zusammenführen, und nicht auf, was erst im letzten Drittel beginnt — dort macht ein weiterer Entwickler ein Projekt langsamer. Auf den letzten Abschnitt vor der Abnahme legen Sie stattdessen Tester. Wer die Köpfe sind, wählen wir.

Lastenheft und Pflichtenheft

Ziel Beschwerdemuster der letzten Jahre sind nach Baugruppe, Lieferant und Fehlerbild auswertbar, bevor Serienfehler entstehen.

Lösungsweg Ein zentrales System importiert und strukturiert Beschwerdedaten, nutzt KI zur Freitextauswertung und stellt Muster über eine filterbare Weboberfläche dar.

  1. Was gefordert istDas System muss vorhandene Beschwerdedaten aus den letzten Jahren importieren und aufbereiten können.
    Wie wir es umsetzenImport historischer Daten via Batch-Verarbeitung aus bereitgestellten Dateien in SQL Server
  2. Was gefordert istDas System muss Beschwerden nach Baugruppe, Lieferant und Muster kategorisieren können.
    Wie wir es umsetzenRelationales Datenmodell mit EF Core für Baugruppe, Lieferant, Muster
  3. Was gefordert istDas System muss Häufungen und Auffälligkeiten sichtbar machen.
    Wie wir es umsetzenSQL-basierte Auswertungslogik zur Häufigkeits- und Musteranalyse
  4. Was gefordert istDas System muss eine Filter- und Auswertungsoberfläche für interne Nutzer bereitstellen.
    Wie wir es umsetzenASP.NET Core MVC mit Razor Views für Filter- und Auswertungsansichten
  5. Was gefordert istDas System muss Freitext-Beschwerden automatisiert inhaltlich erfassen und zuordnen können.
    Wie wir es umsetzenKI-Anbindung zur Klassifizierung und Kategorisierung von Freitext-Beschwerden

Rahmenbedingungen

  • Interner Prototyp, keine externen Nutzer
  • Datenbasis: Beschwerden mehrerer Jahre
  • Kein produktiver Rollout vorausgesetzt

Nicht im Umfang

  • Keine Anbindung an ERP/PLM-Altsysteme im Prototyp
  • Keine automatisierte Serienfehler-Meldung an Lieferanten
  • Keine mobile App
  • Kein produktives Rechte-/Rollenmodell

Woran Sie die Abnahme messen

  • Import eines Testdatensatzes von mindestens 500 Beschwerden erfolgreich
  • Auswertung nach Baugruppe/Lieferant liefert korrekte Trefferzahlen im Testfall
  • Freitext-Klassifikation erreicht definierte Mindest-Trefferquote im Testset
  • Oberfläche liefert Filterergebnisse in unter 2 Sekunden bei Testdatensatz

Meilensteine

  • Woche 2: Datenimport & Aufbereitung Altdaten
  • Woche 3: Datenmodell & Datenbank
  • Woche 4: Auswertungslogik (Muster/Häufungen)
  • Woche 5: Weboberfläche mit Filtern & Auswertungsansichten
  • Woche 5: KI-gestützte Texterkennung Beschwerdefreitext
  • Woche 6: Abnahme

Technologien, die wir einsetzen

  • .NET 10 LTS
  • ASP.NET Core MVC & Razor Pages
  • Entity Framework Core & Dapper
  • SQL Server 2025
  • Microsoft.Extensions.AI
  • Serilog & OpenTelemetry
  • Anthropic Claude & Azure OpenAI / OpenAI
  • ML.NET & ONNX Runtime
  • .NET 10Laufzeitbasis der Anwendung
  • ASP.NET Core MVCWebanwendung mit Auswertungs- und Filterseiten
  • EF Core 10Datenzugriff und Schemaverwaltung für Beschwerdedaten
  • SQL ServerSpeicherung der historischen Beschwerdedaten
  • KI-AnbindungErkennung und Kategorisierung von Freitext-Beschwerdeinhalten
  • SerilogProtokollierung des Datenimports und der Auswertungsläufe
  • Anthropic Claude & Azure OpenAI / OpenAIDas Sprachmodell, das den Freitext der Beschwerden zu Fehlerbildern verdichtet
  • ML.NET & ONNX RuntimeMustererkennung nach Baugruppe, Lieferant und Fehlerbild