Berenberg, gegründet 1590, setzt Gemini Enterprise, Vertex AI, NotebookLM und den selbst entwickelten Assistenten „BegoChat“ ein, um Broker-Reports zu analysieren, tägliche Marktbriefings zu erstellen, Due-Diligence-Prozesse zu unterstützen und Dokumente zusammenzufassen. Die Content-Erstellung im Research beschleunigt sich dadurch um 85 bis 90 Prozent, Sales-Mitarbeiter gewinnen rund eine Stunde täglich für die Kundenbetreuung.
KI-Personal-Shopper und automatisierte Produktbeschreibungen bei Central Retail
Die Lösung umfasst den Chatbot „Chefbot“ auf Basis von Gemini, Vertex AI Search für visuelle Produktsuche sowie automatisiert generierte, zweisprachige (Thai/Englisch) Produktbeschreibungen, die 50 Prozent schneller erstellt werden. Dank Gemini Flash verkürzte sich die Ausrollzeit neuer KI-Funktionen von 6 auf 2 Monate. Zusätzlich analysiert ein Self-Service-Sentiment-Chatbot jährlich über 1 Million Kundenrückmeldungen automatisch. Der Fall zeigt anschaulich, wie generative KI im Einzelhandel Kundenerlebnis und interne Effizienz gleichzeitig verbessern kann.
Predictive Sales Analytics für den B2B-Vertrieb
Die KI-gestützte Predictive-Sales-Analytics-Software liefert handlungsrelevante Echtzeitinformationen zu Umsatz, Cross-Selling, Abwanderungsrisiko und Preisniveau direkt aus den bestehenden ERP-/CRM-Systemen, ohne dass Vertriebsmitarbeiter selbst Datenanalysen durchführen müssen. Voraussetzung ist eine Anbindung an strukturierte Kunden- und Auftragsdaten aus ERP oder CRM. Das Modell ist auf B2B-Vertriebsorganisationen unterschiedlicher Branchen übertragbar, die über historische Verkaufsdaten verfügen.
KI-App Agripilot.ai steigert Zuckerrohrertrag und Zuckergehalt bei indischen Kleinbauern
Das System kombiniert Wetterstationen, Bodensensoren sowie Satelliten- und Drohnenbilder und verarbeitet diese über Microsoft Azure Data Manager for Agriculture und das Forschungsprojekt FarmVibes.ai. Azure OpenAI Service generiert daraus einfache, tägliche Handlungsempfehlungen auf Englisch, Hindi und Marathi, etwa wann bewässert, gedüngt, nach Schädlingen gescoutet oder bei optimalem Zuckergehalt geerntet werden sollte. Laut offiziellem Microsoft-Bericht waren die Zuckerrohrstängel in Testparzellen bei der Ernte 30 bis 40 Prozent schwerer und enthielten 20 Prozent mehr Zucker; zudem verkürzte sich der Erntezyklus von 18 auf 12 Monate. Zum Start meldeten sich rund 20.000 Landwirte für das Programm an, 1.000 wurden für die erste Testrunde ausgewählt, von denen rund 200 Testparzellen anlegten. Als Pilotprojekt zeigt der Fall exemplarisch, wie generative KI mit klassischem Machine Learning und Fernerkundung kombiniert werden kann, um auch technisch wenig versierten Kleinbauern präzise Handlungsempfehlungen zugänglich zu machen, ein Modell, das auf andere Feldfrüchte und Regionen mit ähnlicher Kleinbauernstruktur übertragbar ist.
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.
KI-Nachfrageprognose mit Google Cloud TiDE beim Versandhändler OTTO
Ausgangslage war die Herausforderung klassischer Prognosemodelle, sowohl kurzfristige Nachfrageschwankungen als auch langfristige saisonale Muster über ein extrem heterogenes Sortiment hinweg abzubilden, inklusive Preis- und externer Einflussfaktoren. OTTO nutzt dafür das von Google Research entwickelte Time-series-Dense-Encoder-Modell (TiDE), trainiert auf Vertex AI mit historischen Verkaufsdaten aus BigQuery und produktiv betrieben auf Google Kubernetes Engine. Voraussetzung war eine bestehende Cloud-Dateninfrastruktur sowie die Zusammenarbeit mit Google Research zur Modellentwicklung. Die Prognosen nutzen Demand-Analysten bei OTTO zur Steuerung von Lagerbeständen und dynamischer Preisgestaltung. Laut OTTO verbesserte sich die Prognosegenauigkeit um bis zu 30 Prozent, wodurch Lagerkosten gesenkt, Umsatz durch bessere Verfügbarkeit gesteigert und Verschwendung reduziert werden konnte. Der Ansatz ist auf andere Handelsunternehmen mit breitem, volatilem Sortiment übertragbar.
Generative KI-Suche für Ferienhäuser bei Marriott (Homes & Villas)
Ausgangslage war eine unübersichtliche, filterbasierte Suche über ein sehr großes und heterogenes Angebot an Ferienunterkünften, die die Kaufabsicht der Reisenden nur unzureichend abbildete. Gemeinsam mit dem Dienstleister Publicis Sapient entwickelte Marriott ein natürlichsprachliches Suchtool auf Basis von GPT-Large-Language-Modellen über den Azure OpenAI Service, das freitextliche Beschreibungen von Reisewünschen in passende Objektempfehlungen übersetzt. Die Umsetzung erfolgte in nur drei Monaten statt der für vergleichbare Projekte üblichen rund zwölf Monate. Voraussetzung waren strukturierte Objektdaten sowie die Cloud-/LLM-Infrastruktur von Microsoft Azure. Ergebnis: über 40.000 Suchanfragen und eine Verdopplung der Nutzer, die Objekte speichern, was auf höheres Engagement und potenziell mehr Buchungen hindeutet. Das Konzept lässt sich auf andere Buchungsplattformen mit großem, beschreibungsintensivem Angebot übertragen.
KI-gestützte Netzwerkoptimierung ohne neuen Infrastrukturausbau bei Telkomsel
Telkomsel plante Netzausbau traditionell primär über kostenintensive Infrastrukturerweiterung, obwohl in bestehenden Anlagen ungenutztes Potenzial lag, da radiotechnische, leistungsbezogene und kommerzielle Datensysteme getrennt und nicht integriert vorlagen. Die Symmetri-Plattform von SAND Technology kombinierte Funkkonfigurationsparameter (Sendeleistung, Antennen-Tilt, Azimut, Höhe, Multiband-Frequenzen) mit Netzwerkleistungs- und Geschäftskennzahlen und nutzte Simulationsmodelle sowie KI-gestützte Capex-Modellierung, um landesweit die wirkungsvollsten Standorte für Optimierungsmaßnahmen zu priorisieren. Voraussetzung war die Integration bislang getrennter Datensilos (Netz-, Performance- und Kommerzdaten) in ein gemeinsames Analysesystem. Ergebnis: 8-15 Prozent mehr Datenverkehr, 5-8 Prozent verbesserte Abdeckung, 8-13 Prozent höhere Kapazität sowie ein geschätzter jährlicher Mehrwert von 10 bis 50 Millionen US-Dollar durch höheren Umsatz pro Standort und effizientere Kapitalallokation, ohne neue physische Infrastruktur zu bauen. Der Ansatz ist auf andere Mobilfunknetzbetreiber mit fragmentierten Datenquellen und begrenztem Capex-Budget übertragbar.
Generative KI verwandelt fossiles Museumsexponat in Social-Media-Star (Experience Abu Dhabi / WPP)
Für die Eröffnung des Natural History Museum Abu Dhabi sollte ein statisches Fossil-Exponat – ein 67 Millionen Jahre alter T-Rex – für ein jüngeres, social-media-affines Publikum relevant gemacht werden, in einem Umfeld, in dem Unterhaltungsinhalte um Aufmerksamkeit konkurrieren. Die WPP-Agenturen Ogilvy Paris (AI.Lab) und Memac Ogilvy setzten Googles Video-Generierungsmodell Veo 3.1 ein, um den Fossilfund in einen ‚KI-ncient Influencer‘ mit eigener Persönlichkeit zu verwandeln und Social-Listening-Erkenntnisse sowie kulturelle Insights in die Content-Erstellung einzubeziehen. Voraussetzung waren Zugriff auf generative Video-KI-Tools, kreative Konzeption durch spezialisierte KI-Kreativteams sowie eine Social-Listening-Infrastruktur zur Trendauswertung. Ergebnisse: 50 Millionen Videoaufrufe insgesamt, 83.800 Interaktionen, die erfolgreichsten Posts erzielten allein 23,66 Millionen Aufrufe und 40.700 Interaktionen, bei 95,9 Prozent positiver oder neutraler Publikumsstimmung. Der Ansatz zeigt, wie generative Video-KI statische Marken- oder Kulturassets in dynamische, virale Digitalpersönlichkeiten verwandeln kann, und ist auf Museen, Tourismus- und Kulturmarketing sowie Konsumgütermarken übertragbar.
KI-Sprachsynthese macht Zeitungsartikel bei Schibsted/Aftenposten hörbar und steigert Engagement
Schibsted News Media wollte die Zeit, die Leser:innen mit journalistischen Inhalten verbringen, erhöhen und jüngere, stärker audiovisuell geprägte Zielgruppen ansprechen, in einem Umfeld, in dem Video- und Audioplattformen um Aufmerksamkeit konkurrieren. Das Unternehmen implementierte die KI-Text-to-Speech-Technologie von BeyondWords und ließ dafür eine eigene, an die Podcast-Moderatorin Anne Lindholm angelehnte KI-Stimme entwickeln, um für die norwegische Leitpublikation Aftenposten nicht nur Podcasts, sondern auch einzelne Artikel als Audioversion anzubieten. Voraussetzung waren eine Text-to-Speech-Plattform mit Custom-Voice-Fähigkeit sowie redaktionelle Integration in den Publishing-Workflow. Ergebnisse: Audioartikel erreichten eine Abschlussquote von 58 Prozent, deutlich über typischen Leseraten; nach einigen Monaten erreichte die Audioartikel-Nutzung das Niveau der Podcast-Nutzung; 92 Prozent der norwegischen Lehrkräfte berichteten von Schüler:innen mit Leseschwierigkeiten, wodurch die Audiofunktion auch zur Abo-Bindung beitrug (13 Prozent der Abo-Kündigungen werden durch Zeitmangel begründet). Schibsted rollte daraufhin weitere KI-Stimmen für norwegische und schwedische Marken aus. Übertragbar auf alle Medienhäuser, die Reichweite bei zeitknappen oder leseschwachen Zielgruppen ausbauen wollen.