Ausgangslage
Wer ein Fahrzeug individualisiert, kann zwischen unzähligen Ausstattungsoptionen wählen - mit vielen impliziten Abhängigkeiten. Im Vertrieb wird das heute über Excel-Listen gelöst: Ausstattungscodes nachschlagen, Preise nachschlagen, Abhängigkeiten prüfen, die Listen von Hand pflegen. Angefragt war eine klassische App, die dabei unterstützt - mit Suchfeld und Filtern, ohne AI.
Unser Vorschlag
Statt einer weiteren Oberfläche mit Suchfeld und Filtern: ein Chat. Wer berät, tippt die Codes oder die Frage ein und bekommt die Antwort - inklusive Preis und Abhängigkeiten. Das haben wir als Case Study ausgearbeitet und als funktionsfähigen Prototyp umgesetzt:
- Einlesen der Produktunterlagen und Preislisten (PDF und Excel), inklusive OCR für Informationen in Bildern.
- Wissensbasis aus den Produktinformationen, aus der der Assistent seine Antworten bezieht (Retrieval-Augmented Generation: erst passende Stellen suchen, dann daraus antworten).
- Konfiguration des Assistenten für Fragen zu Codes, möglichen Konfigurationen und Abhängigkeiten je Modell.
- Cloud-Infrastruktur für die Bereitstellung des Prototyps.
Ergebnis
- Nachschlagen in 5 bis 10 Sekunden statt 3 bis 5 Minuten: So lange dauert eine Abfrage über die Excel-Listen auf dem üblichen Weg, so schnell antwortet der Prototyp.
- Kein Suchen in langen PDFs und Tabellen: Codes oder Frage eintippen genügt.
- Ein erlebbarer Prototyp als Grundlage für die Entscheidung zwischen klassischer App und Chat.
Case Study mit funktionsfähigem Prototyp, nicht im Betrieb. Zeiten: üblicher Weg über Excel-Listen und Antwortzeit des Prototyps, nicht in einer Studie gemessen.
* Prototyp: funktionsfähig umgesetzt, nicht im Betrieb
