Neben klassischen Methoden des maschinellen Lernens nutzen wir mit Google Document AI und Google Gemini modernste Deep-Learning-Modelle auf Basis neuronaler Netze, um komplexe Muster auch in großen Datenmengen zu erkennen. So lassen sich Informationen und Empfehlungen fundiert und dynamisch darstellen.
Eine große Herausforderung in der Auft ragsannahme sind Bestellungen, die über unterschiedliche Kommunikationswege (E-Mail, Fax-Server etc.) und in diversen Formaten (PDF, Text, Excel) bei uns eingehen – zudem oft in verschiedenen Sprachen und mit kundenindividuellen Artikelnummern und -bezeichnungen. ChiruK@i nimmt Bestellungen automatisiert entgegen, übersetzt sie bei Bedarf und spielt sie fehlerfrei in unser Warenwirtschaft ssystem ein. Dank Deep Learning erkennt ChiruK@i auch neue Artikelmuster und verarbeitet Änderungen zuverlässig.
Für Handelsunternehmen ist es entscheidend, jederzeit ausreichend Ware vorrätig zu haben, und das mit minimaler Kapitalbindung. Bei uns kommen zusätzlich die unterschiedlichen Lieferzeiten innerhalb Europas hinzu. ChiruK@i führt heute die Disposition selbstständig durch: Sie vergleicht den aktuellen Lagerbestand mit Bestellungen und Verbrauchsdaten, erkennt Trends und berücksichtigt Lieferzeiten sowie Einkaufspreise unserer europäischer Lieferanten. Daraus erstellt sie kostenoptimale Bestellvorschläge. Neben historischen Daten bezieht sie auch externen Faktoren wie saisonale Schwankungen oder Lieferverzögerungen in ihre Prognosen ein. Zudem überprüft ChiruK@i täglich alle Dispositionszahlen und passt diese in unserem Warenwirtschaft ssystem an, um kurzfristige Entwicklungen frühzeitig zu berücksichtigen.
Artikeldaten erreichen uns von Kunden- und Lieferantenseite in verschiedenen Formaten, Sprachen und oft unstrukturiert – verteilt auf Ordner, E-Mails oder Desktops. Ein Mapping identischer oder ähnlicher Daten sowie ein schneller Zugriff für Preis- und Artikelvergleiche ist mit hohem manuellem Aufwand verbunden. ChiruK@i baut Schritt für Schritt eine zentrale europäische Artikel- und Preisdatenbank auf. Dazu liest sie täglich alle verfügbaren Informationen von Lieferanten- und Kundenseite ein, erkennt identische oder ähnliche Artikel und fasst diese intelligent zusammen. So entsteht eine umfassende Datenbasis, die eine automatisierte Bearbeitung von Kundenanfragen und die Erstellung passgenauer Angebote auf Grundlage der vorhandenen Artikeldaten ermöglicht. Mithilfe von Demand Forecasting, also der Bedarfsprognose, können Nachfrageschwankungen deutlich genauer vorhergesagt werden. Die KI passt diese Prognosen kontinuierlich an und reduziert so Planungsunsicherheiten.