Case Studies / Fr. Meyer’s Sohn
LOGISTIK · GLOBALER BETRIEB
Automatisierung der Informationsextraktion aus mehrsprachigen Logistik-E-Mails
Das globale Logistikunternehmen Fr. Meyer’s Sohn musste täglich strukturierte Betriebsdaten aus Tausenden unstrukturierter E-Mails auf Deutsch und Englisch extrahieren. Herkömmliche Ansätze konnten die Vielfalt nicht bewältigen. Wir haben eine GPT-gestützte Extraktionspipeline entwickelt und auf den eigenen Servern des Kunden deployed.
Client: Fr. Meyer’s Sohn – internationales Logistik- und Speditionsunternehmen mit weltweiten Niederlassungen.
ZENTRALE ERGEBNISSE
2 Sprachen
Deutsch & Englisch automatisch verarbeitet
-80%
Reduzierung des manuellen Extraktionsaufwands
PoC → Prod
Vom Proof of Concept zur Produktivumgebung
On-Premis
Auf den eigenen Servern des Kunden via Docker deployed
BRANCHE
Logistik & Spedition
USE CASE
E-Mail-Datenextraktion
KI-ANSATZ
GPT-3.5 / GPT-4 + Prompt Engineering
DEPLOYMENT
Docker auf Kundenservern
SPRACHEN
Deutsch & Englisch
PROJEKTTYP
PoC → Produktionsaufbau
Die Herausforderung
Fr. Meyer’s Sohn ist ein globales Logistikunternehmen, das täglich große Mengen an betrieblichen E-Mails verarbeitet. Diese E-Mails enthalten kritische Logistikdaten – Sendungsdetails, Routing-Informationen, Planungsdaten -, kommen jedoch in völlig unstrukturierten Formaten an, verfasst auf Deutsch und Englisch.
Das Unternehmen musste spezifische, vordefinierte Informationen aus diesen E-Mails extrahieren und in einem strukturierten Format für die Weiterverarbeitung ausgeben. Die Herausforderung war erheblich: Keine zwei E-Mails sahen gleich aus. Formate variierten je nach Absender, Land und Sprache. Nicht alle Pflichtfelder waren immer vorhanden. Lokale Standards für Datumsangaben, Adressen und Referenznummern unterschieden sich von Markt zu Markt.
Klassische regelbasierte Extraktionsansätze konnten mit der Vielfalt nicht umgehen. Der unstrukturierte, mehrsprachige Charakter der Inhalte bedeutete, dass jeder Ansatz auf Basis fester Vorlagen oder Keyword-Matching beim Betriebsmaßstab von Fr. Meyer’s Sohn scheitern würde.
Was wir entwickelt haben
Wir begannen mit einem Proof of Concept, um zu zeigen, dass generative KI die Extraktionsaufgabe zuverlässig bewältigen kann. Nachdem der Kunde die Ergebnisse validiert hatte, gingen wir in den vollständigen Produktionsaufbau über.
GPT-gestützte Extraktionspipeline. Wir haben ein Extraktionssystem auf Basis von GPT-3.5 und GPT-4 entwickelt, mit sorgfältig konzipierten Prompts, optimiert für logistikspezifische Daten. Das System liest eingehende E-Mail-Texte, identifiziert die vom Kunden definierten Datenpunkte und gibt sie in einem sauberen, strukturierten Format zurück.
Mehrsprachige Verarbeitung. Das System verarbeitet deutsche und englische Inhalte nativ und bewältigt dabei die Unterschiede in Formatierung, Datumskonventionen und Terminologie, die mit globalem Logistikbetrieb einhergehen. Fehlende Felder werden markiert statt erraten – um die Datenintegrität zu wahren.
Produktionsreifes Deployment. Die Lösung wurde mit FastAPI entwickelt und in einem Docker-Container verpackt, um auf den eigenen Servern des Kunden betrieben zu werden. Fr. Meyer’s Sohn sendet Anfragen an die API und erhält strukturierte Daten zurück – vollständig in den bestehenden Betriebsablauf integriert.
Fehlerbehandlung und Monitoring. Produktionsreifes Logging, Fehlerbehandlung und Wartungswerkzeuge wurden von Anfang an integriert – um sicherzustellen, dass das System zuverlässig im großen Maßstab läuft, ohne ständige Aufmerksamkeit zu erfordern.
Die Ergebnisse
VORHER
Manuelle Extraktion aus unstrukturierten E-Mails. Zeitaufwendig, fehleranfällig und bei wachsendem E-Mail-Volumen nicht skalierbar.
NACHHER
Automatisierte Extraktion über API. Strukturierte Daten werden in Echtzeit geliefert, mehrsprachige Unterstützung, deployed auf der eigenen Infrastruktur des Kunden.
Das automatisierte System identifiziert nun effizient logistikrelevante Informationen aus unstrukturierten E-Mails, unabhängig von Sprache oder Format. Der manuelle Extraktionsaufwand wurde drastisch reduziert, und die strukturierten Ausgaben fließen direkt in die betrieblichen Prozesse von Fr. Meyer’s Sohn ein.
Die flexible Architektur ermöglicht es dem Kunden, das System schnell an neue Datenanforderungen oder zusätzliche Sprachen anzupassen, wenn sich der Betrieb weiterentwickelt.
Eingesetzte Technologien
Mehr Case Studies
So haben wir anderen Unternehmen geholfen
AUTOMOTIVE (UNDER NDA)
Replacing reactive maintenance with a predictive maintenance roadmap
Unplanned equipment failures were causing costly production stops. We assessed the manufacturer’s infrastructure and delivered a concrete architecture for predictive maintenance, a roadmap from reactive repairs to data-driven prevention.
PdM
Architecture
Roadmap
Delivered
MANUFACTURING · RADAWAY
Making email-based order processing reliable with LLMs
Staff were manually reading customer emails, identifying products, and entering orders by hand. We turned a promising AI prototype into a production system that handles it end to end, across languages, formats, and attachments.
-90%
Manual intervention
95%+
Match accuracy
MEDTECH · APOQLAR
Cutting security questionnaire completion from one month to one week
Every new hospital client required a completed questionnaire, 8–10 people, about a month, pulling answers from policies across departments. Now an AI assistant drafts responses automatically, saving an estimated $90K/year.
–75%
Completion time
$90K
Annual savings