Kernstück ist eine auf deutsches Baurecht (§ 34 BauGB) spezialisierte KI-Engine, trainiert auf über 300.000 synthetischen Objekten und validiert gegen mehr als 1.000 Experteneinschätzungen. Die Plattform bildet digitale Zwillinge von 62 Millionen deutschen Grundstücken und Gebäuden und ermöglicht laut Anbieter bis zu 80 Prozent schnellere Due-Diligence-Prüfungen.
STRABAG prognostiziert Bauprojekt-Risiken mit 80 Prozent Genauigkeit durch KI
STRABAG SE hat gemeinsam mit Microsoft eine KI-gestützte Risikomanagement-Lösung entwickelt, die auf Azure OpenAI Service, Azure Machine Learning und Azure Databricks basiert. Das System vergleicht neue Bauprojekte mit abgeschlossenen Referenzprojekten und nutzt generatives Design zur Flächenberechnung in der Immobilienentwicklung. Bereits mit drei Monaten historischer Daten kann der Algorithmus Projektrisiken mit rund 80 Prozent Genauigkeit vorhersagen.
KI-gestützte Energiedatenanalyse bei Stamer Musikanlagen
Bei Stamer Musikanlagen GmbH (50–249 Mitarbeitende, St. Wendel), einem Handwerksbetrieb für Musikanlagen und Schreinerarbeiten, basierten Entscheidungen über den Austausch von Anlagen bislang auf Alter und Wartungsstatus statt auf Daten, während volatile Energiepreise die Kosten unkalkulierbar machten. Von Mai bis Oktober 2024 wurde gemeinsam mit dem Mittelstand-Digital Zentrum Saarbrücken eine strukturierte Energieanalyse mit hochauflösenden Messungen an mehreren Anlagenpunkten durchgeführt und mittels KI-gestützter Tools (u. a. IgnAIte, OpenAI) zu Lastprofilen und Prognosen ausgewertet. Die Analyse identifizierte die größten Energieverbraucher und lieferte konkrete Handlungsempfehlungen wie LED-Umrüstung, Heizungsoptimierung und Photovoltaik-Installation als Grundlage für messbare Effizienzgewinne.
Sprachgesteuerter KI-Datenanalyst beschleunigt Reporting bei Creditreform
Bisher dauerte es bei Creditreform bis zu zwei Tage, bis das Datenteam auf Managementanfragen hin Berichte und Risikoübersichten aus dem Kundenstamm erstellte. brainbot baute ein zweischichtiges System: ein Read-only-Recherchemodul zur sicheren CRM-Anreicherung sowie einen darauf aufsetzenden sprach- und chatgesteuerten Analysten. Kritische Datenänderungen erfordern weiterhin menschliche Bestätigung, es gibt Vorschau-, Rollback- und Protokollierungsfunktionen. Ergebnis: Antwortzeiten auf Managementanfragen sanken von zwei Tagen auf 20 Minuten, ohne zusätzliches Personal.
Firmenweite generative KI-Plattform „Fuel iX“ bei TELUS
Fuel iX ist tief in bestehende Tools wie Google Chat und Slack integriert und verarbeitet monatlich rund 100 Milliarden Tokens, wobei 90 Prozent des gesamten KI-Modell-Traffics über Vertex AI läuft. Laut TELUS wurden dadurch über 500.000 Stunden Arbeitszeit eingespart, und Engineering-Teams liefern Code 30 Prozent schneller aus. TELUS erhielt zudem als weltweit erstes generatives KI-Tool eine „Privacy by Design“-Zertifizierung. Der Fall zeigt, wie ein Telekommunikationskonzern durch eine zentrale, modellagnostische KI-Plattform Innovationsgeschwindigkeit und Kosteneffizienz im großen Maßstab steigern kann.
KI wandelt Feedback von Store-Mitarbeitenden in Geschäftsentscheidungen um
Amazon Bedrock wurde mit Amazon Transcribe und Amazon Translate kombiniert, um Feedback in verschiedenen Sprachen automatisch zu erfassen und auszuwerten. „Ask Rexy“ wurde mit Unterstützung von AWS Professional Services in nur 8 Wochen entwickelt, wobei generative KI-Lösungen laut AWS zehnmal schneller realisiert werden konnten als zuvor. Die gewonnenen Erkenntnisse fließen in eine bessere Sortimentsabstimmung an lokale Kundenpräferenzen sowie ein höheres Mitarbeiterengagement ein. Der Fall ist auf andere filialbasierte Einzelhändler übertragbar, die Frontline-Feedback bislang nicht systematisch nutzen.
Maschinelles Lernen steigert den Wert von Windenergie um 20 % (Google/DeepMind)
Ausgangslage war, dass Windenergie im Gegensatz zu planbaren Erzeugungsquellen ohne Prognosefähigkeit nur zu niedrigeren Preisen vermarktet werden kann, da Netzbetreiber verlässliche Liefermengen bevorzugen. DeepMind entwickelte ein Machine-Learning-Modell, das Wetterdaten und historische Turbinenleistung kombiniert, um Erzeugungsmengen 36 Stunden im Voraus vorherzusagen und daraus optimale, verbindliche Stundenlieferzusagen an das Stromnetz abzuleiten. Voraussetzung waren umfangreiche historische Turbinen- und Wetterdaten sowie die Integration der Prognosen in die operative Vermarktung der Windenergie aus Googles zentralamerikanischen Windparks. Ergebnis war eine Wertsteigerung der erzeugten Windenergie um etwa 20 % gegenüber unprognostizierter Einspeisung, da mehr verbindliche und damit höherwertige Liefermengen angeboten werden konnten. Das Verfahren ist grundsätzlich auf andere Betreiber variabler erneuerbarer Erzeugung (Wind, Solar) übertragbar, die Zugang zu granularen historischen Erzeugungs- und Wetterdaten haben.
ChatGPT-Enterprise-Pilotprogramm spart Pennsylvanias Landesbediensteten täglich 95 Minuten
Gouverneur Josh Shapiro startete Anfang 2024 gemeinsam mit OpenAI und der Carnegie Mellon University ein Pilotprogramm mit ChatGPT Enterprise für 175 Mitarbeitende aus 14 Landesbehörden, um E-Mails zu entwerfen, Dokumente zusammenzufassen und bürokratische Prozesse wie Einstellungen, Beschaffung und Vertragsanalyse zu beschleunigen. Voraussetzung waren Schulungen sowie Leitlinien zu Datenschutz und menschlicher Aufsicht (‚AI will never replace our workers‘). Nach einem Jahr (Ergebnisse veröffentlicht März 2025) sparten Mitarbeitende im Schnitt 95 Minuten pro Tag beziehungsweise rund 30 Stunden pro Monat. Auf Basis dieser Ergebnisse weitete Pennsylvania den Zugang auf über 3.000 Beschäftigte aus, mit weiteren Schulungen für Tausende mehr. Das Programm gilt als Blaupause für andere US-Bundesstaaten und Kommunen.
Microsoft-Copilot-Pilot spart britischen Beamten rund zwei Arbeitswochen pro Jahr
Im Rahmen der ‚Humphrey‘-KI-Initiative der britischen Regierung führten Behörden wie Companies House (automatisierte Antwortentwürfe auf Kundenanfragen, Aktualisierung von Registereinträgen) und das Department for Work and Pensions (individuelle Beratung für Arbeitssuchende) einen dreimonatigen Pilotversuch mit Microsoft Copilot bei über 20.000 Beschäftigten durch. Voraussetzung waren M365-Copilot-Lizenzen sowie begleitende Nutzungsschulungen. Ergebnis: durchschnittlich 26 Minuten Zeitersparnis pro Tag (Dokumentenerstellung: 24 Minuten, Präsentationsvorbereitung: 19 Minuten), hochgerechnet rund zwei Arbeitswochen pro Jahr und Person; 82 Prozent der Teilnehmenden wünschten sich dauerhaften Zugang, während 17 Prozent keine Zeitersparnis feststellten. Die Studie diente als Grundlage für eine breitere Ausrollung von KI-Werkzeugen in der britischen Verwaltung.