Evidenz geprüft:
Diese Bibliothek umfasst 96 Fallstudien von 14 Python-Entwicklungsunternehmen, die an LLM- und generativen KI-Funktionen arbeiten. Sie richtet sich an CTOs, Engineering-Manager und Gründer, die prüfen möchten, wer bereits vergleichbare Arbeit geleistet hat, bevor sie einen Anbieter kontaktieren. Alle Ergebnisse sind anbieterberichtet: Der Anbieter hat sie veröffentlicht, und diese Website hat sie nicht geprüft. In 45 der 96 Fälle wird der Kunde genannt.
| Kennzahl | Wert |
|---|---|
| Fallstudien | 96 |
| Unternehmen | 14 |
| Vertretene Branchen | 14 |
| Fälle mit Kundenangabe | 45 (47%) |
Ausgewählte Fallstudien
| Projekt | Unternehmen | Aufgabe | Umgesetzte Maßnahmen | Berichtetes Ergebnis | Was es belegt |
|---|---|---|---|---|---|
| WorkWave GenAI-Einführungsprogramm | N-iX | Den bestehenden Zugang zu Claude Code, GitHub Copilot und Gemini in einer Entwicklungsorganisation mit rund 250 Mitarbeitenden in wiederholbare Lieferpraktiken überführen. | Dreimonatiges Programm mit vier Teams (30 Engineers) nach dem APEX-Framework von N-iX und einem Bottom-up-Champion-Modell; 38 Workflows identifiziert, 14 in die Shortlist aufgenommen, fünf pilotiert, 14 wiederverwendbare KI-Workflows aufgebaut. | N-iX berichtet, dass die PR-Durchlaufzeit in drei Monaten um 42 % und die Workflow-Zeit um 80 % sank; Ausgangsbasis waren 2,8 Pull Requests pro Engineer und Monat sowie eine PR-Durchlaufzeit von 12,4 Stunden. | GenAI-Befähigung mit benannten Ausgangswerten und angegebenem Messzeitraum. Der Kunde wird genannt; das Ergebnis ist anbieterberichtet. |
| Neogov Claude-Code-Workflows | N-iX | Sichere KI-Einführung in vier Entwicklungsteams bei einem StateRAMP-autorisierten GovTech-Anbieter mit Ziel FedRAMP ausweiten. | APEX-Framework über den gesamten SDLC hinweg eingesetzt; Model Context Protocol integriert, damit Claude Code sicher auf freigegebene Datenbankkontexte zugreifen konnte, mit AI Champions in jedem Team. | N-iX berichtet, dass die systemübergreifende Debugging-Zeit um 95 % gesenkt wurde; vor dem Programm dauerte die Ursachenanalyse zwei bis drei Tage und die Analyse gespeicherter Prozeduren vier bis fünf Tage. | Agentische Tools in einer durch Compliance eingeschränkten Umgebung, mit Vorher-nachher-Zahlen. Das Security-Review war Teil des Umfangs. |
| VellumPay Agentenplattform für Finanzprozesse | Uvik Software | Zahlungsausnahmen klassifizieren, Belege abrufen, Maßnahmen empfehlen und risikoreiche Entscheidungen an Menschen weiterleiten, mit Prüfpfad bei jedem Schritt. | Multiagenten-Plattform auf Python, FastAPI und LangGraph, über berechtigte APIs mit Zahlungsabwicklern, CRM, ERP und einem Data Warehouse integriert; eingebettetes Pod mit fünf Personen. | Keine Kennzahl veröffentlicht. Uvik berichtet, dass der erste Workflow innerhalb von drei Monaten live ging und die Produktivsetzung mehrerer Workflows rund sechs Monate dauerte. | Agentische KI in einem regulierten Workflow mit Freigabeschritten und Audit-Protokollierung. Die Fallstudie beschreibt Architektur und Zeitplan, nicht gemessene Ergebnisse. |
| HelioForge dediziertes Python- und KI-Team | Uvik Software | Eine Lücke in der Umsetzung einer KI-Produkt-Roadmap schließen, nachdem die Zusagen für Enterprise-Piloten die interne Einstellungskapazität überholt hatten. | Eingebettetes Pod mit vier erfahrenen Engineers (Python-Backend, KI-Integration, QA-Automatisierung, DevOps), das im Sprint-Rhythmus des Kunden an Backend-APIs, LLM-Feature-Workflows und Infrastruktur arbeitete. | Keine Kennzahl veröffentlicht. Uvik berichtet, dass das Team in weniger als vier Wochen produktiv war und die Zusammenarbeit über 12+ Monate mit stabiler Pod-Zusammensetzung lief. | Ein Team-Augmentation-Modell für LLM-Feature-Arbeit. Nützlich für Käufer, die eingebettete Kapazität gegen eigene Einstellungen abwägen; die Ergebnisse sind qualitativ. |
| Atlas Credit KI-Agenten im Kreditgeschäft | ScienceSoft | Die Machbarkeit agentischer KI für einen Konsumentenkreditgeber prüfen, Anwendungsfälle planen und Agenten sicher in Kreditprozessen einsetzen. | Workshops mit Stakeholdern, abgegrenzte agentische Anwendungsfälle, ein Lösungskonzept und eine Anforderungsspezifikation je Anwendungsfall sowie Kennzahlen zu Agentenleistung, Qualität und Nutzerakzeptanz. | Keine Kennzahl veröffentlicht. ScienceSoft berichtet, dass die Arbeit Governance, Datensicherheit und Compliance-Kontrollen für die Agenten umfasste. | Discovery- und Governance-Arbeit vor dem Agenteneinsatz im Kreditgeschäft. Zeigt die Abgrenzung und Definition von Kennzahlen, nicht gelieferte Ergebnisse. |
| Mediphany Automatisierung von Radiologieberichten | Scopic | Die Erstellung von Radiologieberichten automatisieren, damit Radiologen weniger Zeit mit administrativem Papierkram verbringen. | KI-Spracherkennungssystem mit OpenAI GPT-4 und dem Modell Nova-2-Medical von Deepgram; das System wählt anhand des Fallkontexts eine Berichtsvorlage und ordnet die transkribierte Sprache den Feldern zu. | Scopic berichtet von 85 % erheblicher Zeitersparnis. Die Fallstudie nennt einen Branchendurchschnitt, wonach Radiologen 11 Stunden pro Woche für administrative Aufgaben und bis zu 25 % ihrer Arbeitszeit für Berichte aufwenden. | LLM plus Spracherkennung in einem klinischen Workflow, mit einer prominenten Prozentzahl. Der Ausgangswert ist eine Branchenzahl, keine vom Kunden gemessene. |
| Vention internes agentisches RAG auf Claude | Vention | Marketing-Spezialisten dabei unterstützen, präzise, aktuelle Informationen aus Salesforce, internem Speicher und Marketing-Systemen abzurufen. | Agentisches RAG auf Claude Haiku und Sonnet über AWS Bedrock Agents, mit Data Lake, Vektordatenbank und MCP-Server für Retrieval und Tool-Nutzung. | Vention berichtet, dass die Zeit für den internen Datenabruf um 40 % gesunken ist. | Multi-Modell-RAG-Architektur mit angegebener Kennzahl. Es handelt sich um ein internes Projekt, der Kunde ist also der Anbieter selbst. |
| AngelQ KI-Browser für Kinder | Vention | Einen KI-first-Browser für Kinder stabilisieren und für die erste B2B-Schulpartnerschaft eine Benutzerverwaltung ergänzen. | Drei Monate Support mit fünf Engineers aus den Bereichen Backend, KI, Mobile und DevOps: automatisierte CI/CD mit GitHub Actions, kleinere Audiodateien, zuverlässigeres LLM-Token-Streaming, Authentifizierung für die schulische Nutzung. | Vention berichtet von um das 5- bis 10-Fache reduzierten Audiodateigrößen und vollständig automatisierter CI/CD. Für die Streaming-Korrektur wird kein Prozentwert veröffentlicht. | Kurzes Support-Engagement für ein laufendes KI-Produkt. Die Ergebnisse sind technische Korrekturen, keine Geschäftsergebnisse. |
| Apriorit Multi-Agent-Code-Review-Plattform | Apriorit | Langsame Bitbucket-Pull-Request-Zyklen durch aufwendige manuelle Reviews reduzieren. | Interne KI-gestützte Pull-Request-Review-Plattform mit mehreren Agenten und einer KI-Code-Analyse-Engine, die Codestandards, Sicherheitsanforderungen und sprachspezifische Praktiken durchsetzt. | Apriorit berichtet von einer um 30 % reduzierten Bearbeitungszeit für Pull Requests und einer um 60 % verbesserten Code-Review-Geschwindigkeit. | Multi-Agent-Automatisierung eines Engineering-Prozesses mit zwei angegebenen Kennzahlen. Der Kunde ist der Anbieter selbst. |
| Vidda Solutions Compliance-Ökosystem | Innowise | Aufbau einer KI-gestützten Plattform für Compliance-Bewertung und Schulungen, die die Anforderungen von DSGVO und DORA in regulierten Branchen erfüllt. | Gateway-Website, automatisierte Compliance-Bewertungs-Engine und Kurs-Marktplatz mit RAG-Empfehlungen und Responsible-AI-Praktiken; Innowise trug die technische Gesamtverantwortung. | Keine Kennzahl veröffentlicht. Innowise berichtet von einer modularen Plattform, die für DSGVO- und DORA-Bereitschaft entwickelt wurde. | Neuaufbau eines Produkts, das RAG mit regulatorischen Vorgaben verbindet. Die Fallstudie beschreibt Umfang und Architektur ohne gemessene Ergebnisse. |
Fallstudien: LLM und generative KI
| Fallstudie | Unternehmen | Kunde | Branche | Art der Arbeit | Genannter Stack | Was entwickelt wurde |
|---|---|---|---|---|---|---|
| Fallstudie: KI-Agenten-Plattform für Finanzprozesse | Uvik Software | VellumPay Operations | Fintech & Finanzdienstleistungen | KI / ML / LLM | Python, FastAPI, AWS, Snowflake, PostgreSQL, LLM / GenAI | Multi-Agenten-KI-Plattform für Zahlungsausnahmen mit Audit-Logs und Freigabeschritten |
| Fallstudie: dediziertes Python- und KI-Team | Uvik Software | HelioForge AI | SaaS & Technologie | Team-Verstärkung | Python, FastAPI, React, AWS, Kubernetes, LLM / GenAI | Dediziertes Python- und KI-Team, das Backend-APIs und LLM-Workflows bereitstellt |
| Fallstudie: Enterprise-RAG-Retrieval und Reranking | Uvik Software | deepset | SaaS & Technologie | KI / ML / LLM | Python, FastAPI, Azure, Kubernetes, PostgreSQL, LLM / GenAI | Hybrides Retrieval, Reranking und Grounding für eine Enterprise-RAG-Plattform neu aufgebaut |
| Fallstudie: Neuaufbau eines Python-SaaS-MVP | Uvik Software | LaunchGrid SaaS | SaaS & Technologie | Modernisierung oder Migration | Python, Django, FastAPI, AWS, PostgreSQL, LLM / GenAI | Monolithisches Django-MVP zu einem modularen Service-Stack mit CI/CD, RBAC und Audit-Logging umgebaut. |
| Fallstudie: LangGraph-Automatisierung von Schadensfällen | Uvik Software | ClaimArc Insurance Systems | Fintech & Finanzdienstleistungen | KI / ML / LLM | Python, FastAPI, AWS, PostgreSQL, LLM / GenAI | Multi-Agenten-Automatisierung von Schadensfällen mit Dokumentenerfassung, Policen-Auswertung und Audit-Trails entwickelt. |
| Fallstudie: KI-gestützte Vertragsprüfung im Rechtsbereich | Uvik Software | Robin AI | Fintech & Finanzdienstleistungen | AI / ML / LLM | Python, FastAPI, AWS, PostgreSQL, LLM / GenAI | Vertragsprüfung-Retrieval mit Klauselsegmentierung, Playbook-Matching und Evaluation neu aufgebaut. |
| Fallstudie: MCP-Enterprise-Wissensassistent | Uvik Software | Meridian Knowledge Systems | SaaS & Technologie | AI / ML / LLM | Python, FastAPI, Snowflake, Kubernetes, LLM / GenAI | Sicheren MCP-Enterprise-Assistenten mit berechtigungsgesteuerten Tools, Zugriffskontrolle und Audit-Logging entwickelt. |
| Fallstudie: Generative AI vom Prototyp zum Produktiv-Workflow | Uvik Software | NovaBrief Labs | SaaS & Technologie | AI / ML / LLM | Python, FastAPI, AWS, LLM / GenAI | Generative-AI-Prototyp in einen validierten Produktiv-Workflow mit Evaluation und Guardrails überführt. |
| Aufbau einer Multi-Agent-AI-Plattform | Apriorit | Apriorit | SaaS & Technologie | AI / ML / LLM | Python, FastAPI, PostgreSQL, LLM / GenAI | Interne Multi-Agent-AI-Plattform zur Automatisierung von Bitbucket-Pull-Request-Code-Reviews entwickelt. |
| Fallstudie: RAG-Support-Copilot | Uvik Software | DeskPilot Cloud | SaaS & Technologie | AI / ML / LLM | Python, FastAPI, LLM / GenAI | RAG-Support-Copilot mit Zendesk-Integration, Guardrails, Quellenangaben und Antwort-Evaluation entwickelt. |
| Fallstudie: Schnellere Behebung von DevOps- und SRE-Incidents mit AWS Bedrock | DataArt | Fiberplane | SaaS & Technologie | AI / ML / LLM | AWS, PostgreSQL, LLM / GenAI | GenAI-Assistenten entwickelt, der Prometheus-Abfragen für DevOps- und SRE-Teams generiert |
| Eine Fallstudie von Mediphany | Scopic | Mediphany | Gesundheitswesen & Life Sciences | AI / ML / LLM | Python, AWS, LLM / GenAI | AI-Spracherkennung zur Automatisierung der Erstellung radiologischer Befunde |
| ANWB setzt MLOps für Personalisierung im großen Maßstab ein | Xebia | ANWB | Reisen & Gastgewerbe | AI / ML / LLM | AWS, LLM / GenAI | ML-Empfehlungspipeline für personalisierte Mitgliederangebote umstrukturiert und automatisiert |
| Automatisierung der Rechnungsverarbeitung mit AWS Bedrock für ein Geräteverleihunternehmen | DataArt | Renta Group | Fertigung & Industrie | AI / ML / LLM | AWS, LLM / GenAI | GenAI-Chatbot zur Extraktion von Rechnungsdaten und für die Wartung bei einem Geräteverleihunternehmen |
| DataArt-Kunde: Fiberplane | DataArt | Fiberplane | SaaS & Technologie | KI / ML / LLM | AWS, LLM / GenAI | GenAI-gestützter Assistent für die Incident-Behebung in DevOps und SRE mit AWS Bedrock |
| GenAI und Spracherkennung für die Pathologieberichterstattung | Fallstudie zu KI & Azure | DataArt | Voicebrook | Gesundheitswesen & Life Sciences | KI / ML / LLM | Azure, LLM / GenAI | Untersuchung von GenAI und Spracherkennung zur Verbesserung der Genauigkeit der Pathologieberichterstattung und der Effizienz der Arbeitsabläufe. |
| Beschleunigung des Wartungsprozesses mit einem RAG-Chatbot für ein Geräteverleihunternehmen | DataArt | Renta Group | Fertigung & Industrie | KI / ML / LLM | AWS, LLM / GenAI | Entwicklung eines RAG-Chatbots für die Suche in technischen Handbüchern bei der Gerätewartung |
| Marktforschung mit Omnichannel ausbauen – N | N-iX | Cleverbridge | E-Commerce & Einzelhandel | Modernisierung oder Migration | AWS, LLM / GenAI | Migration einer Desktop-Lösung ins Web mit neuer UX und KI-gestützten personalisierten E-Mail-Kampagnen |
| Agentisches RAG-System mit Claude auf AWS | Vention | Vention | Marketing & Werbung | KI / ML / LLM | AWS, LLM / GenAI | Entwicklung eines internen agentischen RAG-Systems auf Claude und AWS Bedrock für die Abfrage von Marketingdaten. |
| KI-Produktentwicklung für Comet | Vention | Comet | SaaS & Technologie | Betreuung und Erweiterung eines laufenden Produkts | Python, LLM / GenAI | Erweiterung einer ML-Plattform um Funktionen für das Experimentmanagement, Bibliotheksintegrationen und UX-Verbesserungen. |
| Aufbau eines zuverlässigen Intranets für eine komplexe Kulturorganisation | Five Jars | George Washington’s Mount Vernon | Sonstige / nicht angegeben | Neuproduktentwicklung | AWS, LLM / GenAI | Sicheres abteilungsbasiertes Intranet mit KI-Assistent für interne Abläufe |
| Beschleunigung der Bearbeitung von Kundensupport-Tickets mit einer RAG-Lösung | DataArt | Studytube | Bildung | KI / ML / LLM | LLM / GenAI | Entwicklung einer GenAI-RAG-Lösung zur Automatisierung von Antworten auf Kundensupport-Tickets |
| Fallstudie: E-Commerce-Website-Migration für Intersport | DataArt | Intersport | E-Commerce & Einzelhandel | Modernisierung oder Migration | LLM / GenAI | Legacy-E-Commerce-Website auf modernen Stack mit CMS und Personalisierung migriert |
| Fallstudie: Verbesserung und Automatisierung der Suche in Sicherheitsdokumenten mit RAG | DataArt | Security Compass | SaaS & Technologie | KI / ML / LLM | LLM / GenAI | RAG-Lösung entwickelt, die Sicherheitsbedrohungen und Gegenmaßnahmen empfiehlt |
| DataArt-Kunde: Security Compass | DataArt | Security Compass | SaaS & Technologie | KI / ML / LLM | LLM / GenAI | RAG-gestützte Suche in Sicherheitsdokumenten und Automatisierung der Empfehlung von Gegenmaßnahmen |
| DataArt-Kunde | DataArt | Studytube | Bildung | KI / ML / LLM | LLM / GenAI | GenAI-RAG-Lösung zur schnelleren Bearbeitung von Support-Tickets im Kundenservice |
| Skalierung des digitalen Lern-Commerce für HRCI | DataArt | HRCI | Bildung | Modernisierung oder Migration | LLM / GenAI | Lern-E-Commerce-Store auf BigCommerce neu aufgebaut und neue LMS-Integration eingeführt |
| Voicebrook | DataArt | Voicebrook | Gesundheitswesen & Life Sciences | KI / ML / LLM | LLM / GenAI | Erkundung von GenAI-Spracherkennung für die Pathologieberichterstattung |
| KI-Einführung in Field-Service-SaaS: Fallstudie WorkWave – N | N-iX | WorkWave | SaaS & Technologie | KI / ML / LLM | LLM / GenAI | Wiederverwendbare KI-Workflows in Engineering-Teams eingeführt, um den Pull-Request-Ablauf zu beschleunigen |
| Einführung von Claude Code im GovTech: Fallstudie Neogov – N | N-iX | Neogov | Öffentlicher Sektor & Verwaltung | KI / ML / LLM | LLM / GenAI | Sichere Claude-Code-Workflows in Engineering-Teams implementiert, um das Debugging zu beschleunigen |
| StarBreach: Grafische Assets für Xenko-Demospiel – N | N-iX | Silicon Studio | Medien & Unterhaltung | Neuproduktentwicklung | LLM / GenAI | Grafische Assets und Artwork für ein VR-Demospiel erstellt |
| Fallstudie: KI-gestütztes Compliance-Ökosystem | Innowise | Vidda Solutions | SaaS & Technologie | Neuproduktentwicklung | LLM / GenAI | Entwickelte ein KI-Compliance-Ökosystem mit Assessment-Engine, Kursmarktplatz und RAG-Empfehlungen |
| AngelQ: Entwicklung eines KI-gestützten Browsers für Kinder | Vention | AngelQ | Bildung | Betreuung und Erweiterung eines Live-Produkts | LLM / GenAI | Bot Engineering-Support für einen KI-Kinderbrowser, automatisierte CI/CD und verbesserte Streaming und Benutzerverwaltung. |
| Entwicklung einer RAG-Plattform für die Rechtsabteilung | Vention | Vention | Sonstige / nicht angegeben | KI / ML / LLM | LLM / GenAI | Entwickelte eine interne RAG-Plattform für die Suche und Analyse juristischer Dokumente |
| UrgentIQ: Skalierung einer KI-nativen Notfallversorgungsplattform | Vention | UrgentIQ | Gesundheitswesen & Life Sciences | KI / ML / LLM | LLM / GenAI | Skalierte eine KI-native Notfallversorgungsplattform mit klinischen KI-Funktionen und Claude-Code-Workflows |
| VeraGen: Claude-first-Versicherungs-SaaS auf Amazon Bedrock | Vention | VeraGen | SaaS & Technologie | KI / ML / LLM | LLM / GenAI | Entwickelte eine Claude-first-Generative-AI-Architektur mit berechtigungsbewusstem Retrieval auf Amazon Bedrock |
| Entwicklung eines KI-Kreditagenten für Atlas Credit | ScienceSoft | Atlas Credit | Fintech & Finanzdienstleistungen | KI / ML / LLM | LLM / GenAI | KI-Agenten automatisieren Kreditvergabeprozesse mit Governance und Compliance |
| Transformation des Autohaus-Marketings mit RylieAI | Scopic | RylieAI | Automobilbranche | KI / ML / LLM | LLM / GenAI | Entwickelte eine agentische KI-Plattform, die Autohausdaten vereint und die Lead-Ansprache automatisiert |
| Appoint.ly – App-Prototyp in 11 Wochen | Neoteric | Appoint.ly | SaaS & Technologie | Neuproduktentwicklung | LLM / GenAI | Entwarf und entwickelte nach Marktforschung einen Prototyp einer SaaS-App zur Meeting-Planung. |
| Xmartlabs | Our Work – Fasten Health: Building AI | Xmartlabs | Fasten Health | Gesundheitswesen & Life Sciences | KI / ML / LLM | LLM / GenAI | Durchführung von Product Discovery und technischer Machbarkeitsprüfung für die Integration von KI-Funktionen. |
| Fallstudie: Helpdesk-KI-Chatbot für automatisierten IT-Support | DataArt | DataArt | SaaS & Technologie | KI / ML / LLM | — | Entwicklung eines Helpdesk-KI-Chatbots zur Automatisierung des internen IT-Supports über mehrere Services hinweg |
| DevOps-Deployment für die Healthcare-Plattform Dialogue | Vention | Dialogue | Gesundheitswesen & Life Sciences | Betreuung und Erweiterung eines laufenden Produkts | — | Backend- und DevOps-Support für virtuelle Klinik, Patientenverwaltung, Chatbot-Screening, SOC-2-Vorbereitung |
| DevOps-Deployment für die Healthcare-Plattform Dialogue | Vention | Dialogue | Gesundheitswesen & Life Sciences | Betreuung und Erweiterung eines laufenden Produkts | — | Backend- und DevOps-Support für virtuelle Klinik, Patientenverwaltung, Chatbot-Screening, SOC-2-Vorbereitung |
| DevOps-Deployment für die Healthcare-Plattform Dialogue | Vention | Dialogue | Gesundheitswesen & Life Sciences | Betreuung und Erweiterung eines laufenden Produkts | — | Backend- und DevOps-Support für virtuelle Klinik, Patientenverwaltung, Chatbot-Screening, SOC-2-Vorbereitung |
| Kunst zum Leben erweckt: KI-gestützte Innovation bei Chroma Coloring Book | Scopic | Chroma Coloring Book | Medien & Unterhaltung | KI / ML / LLM | — | Generative KI-Funktion für Kunst, die aus Prompts personalisierte Malvorlagen erstellt |
| Fallstudie: Dokumentenintelligenz im LegalTech | Uvik Software | Kunde nicht genannt | Fintech & Finanzdienstleistungen | KI / ML / LLM | Python, FastAPI, React, PostgreSQL, LLM / GenAI | Entwicklung einer Dokumentenintelligenz-Schicht mit OCR, Klauselerkennung, RAG-Suche und quellenbelegten Ausgaben. |
| Entwicklung eines Chatbots für Datenanalyse | Innowise | Kunde nicht genannt | SaaS & Technologie | KI / ML / LLM | React, Azure, Spark, Databricks, LLM / GenAI | Entwicklung eines LLM-basierten Chatbots zur Analyse interner Dokumente und Beantwortung von Fragen. |
| Automatisierung des Kundensupports mit GenAI | Uvik Software | Kunde nicht genannt | E-Commerce & Einzelhandel | KI / ML / LLM | Python, Flask, PostgreSQL, LLM / GenAI | Entwicklung eines individuellen KI-Chatbots zur Automatisierung des Kundensupports und Verkürzung der Antwortzeiten für einen Einzelhändler. |
| Enterprise-KI-Plattform für LLM-Infrastruktur im großen Maßstab | DataArt | Kunde nicht genannt | SaaS & Technologie | KI / ML / LLM | Python, FastAPI, Azure, LLM / GenAI | Entwickelte eine sichere, skalierbare KI-Plattform für Unternehmen zur Steuerung von LLM-Einführung, Governance, Zugriff und Kosten. |
| Digitale Plattform und AWS-Migration für einen Technologieführer – N | N-iX | Kunde nicht genannt | Medien & Unterhaltung | Modernisierung oder Migration | React, Node.js, AWS, LLM / GenAI | Baute die Admin-Lösung mit einem modernen Stack neu auf und migrierte sie zu AWS |
| Entwicklung einer KI-App für medizinische Beratung | Innowise | Kunde nicht genannt | Gesundheitswesen & Life Sciences | KI / ML / LLM | Python, Django, AWS, LLM / GenAI | Entwickelte eine plattformübergreifende Reise-Medizin-App mit KI-gestützter medizinischer Beratung und Standortangaben von Einrichtungen |
| KI-Compliance-Plattform für ein deutsches Startup | Uvik Software | Kunde nicht genannt | SaaS & Technologie | KI / ML / LLM | Python, Django, LLM / GenAI | Plattform für KI-Risikoanalyse und Compliance-Tests zur Modellbewertung |
| KI-gestützte NDC-Flugsuche: Flugbuchungen mit natürlicher Sprache vereinfachen | DataArt | Kunde nicht genannt | Reisen & Gastgewerbe | KI / ML / LLM | Python, AWS, LLM / GenAI | Entwickelte einen Proof of Concept für eine NDC-Flugsuche in natürlicher Sprache |
| KI-gestützte Plattformmodernisierung für ein Energieunternehmen – N | N-iX | Kunde nicht genannt | Energie & Versorgungswirtschaft | Modernisierung oder Migration | Python, Django, LLM / GenAI | Modernisierte eine Vertriebsplattform mit KI-unterstützter Bereitstellung und erweiterte die Testabdeckung |
| Unternehmen steigert PR-Durchsatz um das 8-Fache und verkürzt die Lieferzykluszeit um 42 % durch strukturierte KI-Einführung | N-iX | Kunde nicht genannt | SaaS & Technologie | KI / ML / LLM | React, Node.js, LLM / GenAI | Strukturiertes GenAI-Einführungsprogramm zur Beschleunigung der Engineering-Bereitstellung über alle Produktlinien hinweg |
| GenAI-gestützte Kundenservicelösung im Telekommunikationsbereich – N | N-iX | Kunde nicht genannt | Telekommunikation | KI / ML / LLM | AWS, Airflow, LLM / GenAI | Entwickelte eine GenAI-Lösung mit feinabgestimmten LLMs zur Zusammenfassung mehrsprachiger Kundensupport-Protokolle |
| KI-Textverarbeitungsmodule für eine Content-Management-Plattform | Apriorit | Kunde nicht genannt | Medien & Unterhaltung | KI / ML / LLM | Python, Azure, LLM / GenAI | Entwickelte KI-Textverarbeitungsmodule zum Übersetzen, Generieren und Formatieren von Inhalten innerhalb einer Content-Management-Plattform. |
| Agentische KI im Unternehmensmaßstab steuern | Xebia | Kunde nicht genannt | E-Commerce & Einzelhandel | KI / ML / LLM | Azure, LLM / GenAI | Governed Super Agent zur Orchestrierung von Unternehmens-KI-Agenten über eine sichere Schnittstelle |
| 40 % höhere Entwicklerproduktivität mit sicherer KI | DataArt | Kunde nicht genannt | Energie & Versorgung | Modernisierung oder Migration | Azure, LLM / GenAI | KI-gestützte Migration eines Altsystems für ein reguliertes Umweltdienstleistungsunternehmen |
| KI-gestützte Transformation eines Contact Centers in der Reisebranche | DataArt | Kunde nicht genannt | Reisen & Gastgewerbe | Modernisierung oder Migration | Azure, LLM / GenAI | Systeme vereinheitlicht und KI in das Salesforce-Contact-Center integriert |
| Automatisierung im Finanzbereich mit generativer KI – N | N-iX | Kunde nicht genannt | Fintech & Finanzdienstleistungen | KI / ML / LLM | Azure, LLM / GenAI | Internes Portal mit generativer KI entwickelt, um Routineaufgaben von Mitarbeitenden zu vereinfachen |
| Führendes Enterprise-Software-Unternehmen setzt KI für schnellere Abläufe ein – N | N-iX | Kunde nicht genannt | SaaS & Technologie | KI / ML / LLM | Azure, LLM / GenAI | Azure-KI-Anwendungen entwickelt, die die Erstellung von Dokumentation und die Suche in der Wissensdatenbank automatisieren |
| https://www.n-ix.com/case-study/digital-transformation-transportation-service | N-iX | Kunde nicht genannt | Logistik & Transport | Modernisierung oder Migration | AWS, LLM / GenAI | Digitale Transformation und KI-Implementierung mit Datensouveränität für einen Transportdienstleister |
| Verbessertes Kundenmanagement mit generativer KI – N | N-iX | Kunde nicht genannt | SaaS & Technologie | KI / ML / LLM | AWS, LLM / GenAI | Generativen KI-Chatbot entwickelt, um die Kundeninteraktion auf der Website zu verbessern |
| Entwicklung eines KI-Sprachtutors | Apriorit | Kunde nicht genannt | Bildung | KI / ML / LLM | Python, LLM / GenAI | KI-Chatbot-Sprachtutor entwickelt und in eine E-Learning-Plattform integriert, mit Spracherkennung und Fehlererkennung |
| Fallstudie zu einer SaaS-Plattform für Dateiverwaltung und Zusammenarbeit | Mallow Technologies | Kunde nicht genannt | SaaS & Technologie | Neuproduktentwicklung | AWS, LLM / GenAI | SaaS für Dateiverwaltung und Zusammenarbeit mit Suche, Freigabe und einheitlichen Zahlungen entwickelt |
| KI-Einführung im Transportwesen zur Steigerung der Engineering-Geschwindigkeit – N | N-iX | Kunde nicht genannt | Logistik & Transport | KI / ML / LLM | LLM / GenAI | Führte ein strukturiertes GenAI-Einführungsprogramm über mehrere Engineering-Arbeitsbereiche durch |
| KI-gestützte Produktempfehlungen für eine Medienplattform – N | N-iX | Kunde nicht genannt | Medien & Unterhaltung | KI / ML / LLM | LLM / GenAI | Fügte generative KI-Produktempfehlungen hinzu und verbesserte die Suche auf dem Marktplatz |
| Anbieter von Kfz-Schadenregulierung baut KI-fähige Schadensysteme auf – N | N-iX | Kunde nicht genannt | Automobil | Modernisierung oder Migration | LLM / GenAI | Modernisierte Java-Anwendungen für die Schadenregulierung und bereitete KI-gestützte Schadenprozesse vor |
| Machine Learning und NLP für eine P2P-Plattform – N | N-iX | Kunde nicht genannt | SaaS & Technologie | KI / ML / LLM | LLM / GenAI | Implementierte eine NLP- und ML-Funktion für Vor- und Nachteile auf einer Bewertungsplattform |
| Software-System für die medizinische Forschung | Innowise | Kunde nicht genannt | Gesundheitswesen & Life Sciences | KI / ML / LLM | LLM / GenAI | Erweiterte die Software für die medizinische Forschung um KI-Suche, Dashboards und Ontologie-Integration |
| Kundenstory – Fortschrittliche generative KI für E | Accelerance | Kunde nicht genannt | E-Commerce & Einzelhandel | KI / ML / LLM | LLM / GenAI | Generative KI für personalisierte Produktempfehlungen im E-Commerce |
| Kundenstory | Accelerance | Kunde nicht genannt | Reisen & Gastgewerbe | KI / ML / LLM | LLM / GenAI | KI-Beratung zur Verbesserung des Kundensupports für ein europäisches Reiseunternehmen |
| Kundenstory | Accelerance | Kunde nicht genannt | E-Commerce & Einzelhandel | KI / ML / LLM | LLM / GenAI | Generative KI und Chatbots zur Optimierung des Einkaufserlebnisses einer Lebensmittelmarke |
| Kundenstory – KI | Accelerance | Kunde nicht genannt | Bildung | KI / ML / LLM | LLM / GenAI | Generative KI-Avatare auf WhatsApp zur Vorbereitung auf die Enem-Prüfung |
| Kundenstory – KI verändert den Kundensupport | Accelerance | Kunde nicht genannt | Reisen & Gastgewerbe | KI / ML / LLM | LLM / GenAI | GenAI-Wissensassistent zur Verbesserung des Kundensupports eines Reiseunternehmens |
| Kundenstory – KI verändert den Kundensupport | Accelerance | Kunde nicht genannt | Gesundheitswesen & Life Sciences | KI / ML / LLM | LLM / GenAI | Generative KI zur Straffung der Bearbeitung von Support-Tickets eines Krankenversicherers |
| Kundenstory – Datenabruf für die Arzneimittelentwicklung | Accelerance | Kunde nicht genannt | Gesundheitswesen & Life Sciences | Datenplattform oder Data Engineering | LLM / GenAI | Verbesserter Datenabruf aus komplexen Datensätzen zur Beschleunigung der Forschung in der Arzneimittelentwicklung |
| Kundenstory – Generative KI für die Stellenbearbeitung | Accelerance | Kunde nicht genannt | Gesundheitswesen & Life Sciences | KI / ML / LLM | LLM / GenAI | Einsatz generativer KI zur Straffung der Bearbeitung von Stellenbeschreibungen für Recruiter |
| Kundenstory – Effizienz der Softwareentwicklung bei einem HealthTech-Unternehmen | Accelerance | Kunde nicht genannt | Gesundheitswesen & Life Sciences | KI / ML / LLM | LLM / GenAI | Entwicklung einer generativen KI-Lösung zur Automatisierung der Erstellung von Unit-Tests für Entwickler |
| Kundenstory – IT-Service-Management mit GenAI | Accelerance | Kunde nicht genannt | SaaS & Technologie | KI / ML / LLM | LLM / GenAI | Generative KI automatisiert die Prüfung von Tickets und die Problemlösung im IT-Service-Management |
| Kundenstory | Accelerance | Kunde nicht genannt | Gesundheitswesen & Life Sciences | KI / ML / LLM | LLM / GenAI | Generativer KI-Wissensassistent für die Einhaltung unternehmensinterner Richtlinien und Schulungen |
| Kundenstory – Virtuelle Anprobe verändert Fashion-E-Commerce | Accelerance | Kunde nicht genannt | E-Commerce & Einzelhandel | KI / ML / LLM | LLM / GenAI | Entwicklung einer generativen KI für die virtuelle Anprobe beim Modekauf zur Senkung der Retouren und Steigerung der Zufriedenheit. |
| Individuelles NLP in der Medizin zur Analyse von Berichtsdaten | Apriorit | Kunde nicht genannt | Gesundheitswesen & Life Sciences | KI / ML / LLM | LLM / GenAI | Entwicklung eines individuellen NLP-Modells zur Analyse medizinisch-wissenschaftlicher Berichte und Zusammenfassung der Ergebnisse. |
| Fallstudie zu einer Plattform für Kundensupport und Marketing-Automatisierung | Mallow Technologies | Kunde nicht genannt | SaaS & Technologie | Betreuung und Erweiterung eines laufenden Produkts | LLM / GenAI | Entwicklung einer SaaS-Lösung für Kundensupport und Marketing-Automatisierung mit Live-Chat, Suche, Analysen und Integrationen |
| KI-gestützte Abonnementplattform für Wellness | Five Jars | Kunde nicht genannt | Gesundheitswesen & Life Sciences | Neuproduktentwicklung | LLM / GenAI | Headless-Abonnementplattform mit KI-Wellness-Assistent und Empfehlungssystem |
| Xmartlabs | Our Work – Multinationales CPG-Unternehmen: Neuaufbau einer CPG-Innovationspipeline – Von 12- | Xmartlabs | Kunde nicht genannt | Sonstige / nicht angegeben | KI / ML / LLM | LLM / GenAI | KI-gestützte parallele Workflows zur Beschleunigung der Produktinnovationspipeline im CPG-Bereich |
Angezeigt werden 87 von 96 Fallstudien (ausgewogen über die Unternehmen verteilt; Themenseiten führen je Thema mehr auf). Branche, Typ und Zusammenfassung sind die Klassifizierung dieser Seite durch das Verzeichnis; der Stack listet die auf der Seite genannten Technologien. Ergebnisse werden von den Unternehmen selbst berichtet.
Nach Branche
| Branche | Fälle |
|---|---|
| SaaS & Technologie | 27 |
| Gesundheitswesen & Life Sciences | 19 |
| Reisen & Gastgewerbe | 9 |
| E-Commerce & Einzelhandel | 7 |
| Fintech & Finanzdienstleistungen | 7 |
| Bildung | 6 |
| Medien & Unterhaltung | 6 |
| Sonstige / nicht angegeben | 3 |
| Energie & Versorgung | 2 |
| Marketing & Werbung | 2 |
| Fertigung & Industrie | 2 |
| Logistik & Transport | 2 |
| Automobil | 2 |
| Öffentlicher Sektor & Verwaltung | 1 |
| Telekommunikation | 1 |
Nach Art der Arbeit
| Art der Arbeit | Fälle |
|---|---|
| KI / ML / LLM | 72 |
| Modernisierung oder Migration | 10 |
| Neuproduktentwicklung | 6 |
| Betreuung und Erweiterung eines laufenden Produkts | 6 |
| Datenplattform oder Data Engineering | 1 |
| Teamverstärkung | 1 |
Welche Arten von LLM- und generativer KI-Arbeit decken diese Fallstudien ab?
Die Fälle lassen sich in zwei große Gruppen einteilen. Eine Gruppe setzt ein Sprachmodell in einem Produkt oder einem Workflow ein: ScienceSoft entwickelte KI-Agenten für die Kreditvergabe für Atlas Credit, Uvik Software entwickelte eine Multi-Agenten-Plattform für Finanzoperationen für VellumPay Operations, und Innowise entwickelte ein Ökosystem für Compliance-Bewertung und Schulung für Vidda Solutions mit retrieval-gestützten Empfehlungen. Die andere Gruppe verändert die Arbeitsweise von Engineering-Teams: N-iX führte ein GenAI-Beschleunigungsprogramm in vier WorkWave-Teams durch und tat dasselbe für Neogov.
Nach Branchenanzahl entfallen auf Gesundheitswesen und SaaS die größten Anteile der Bibliothek, und der Typ KI/ML/LLM umfasst 72 der 96 Fälle. Dieses Volumen ist weniger wichtig als das, was jeder Fall dokumentiert. Ein Fall, der den Kunden nennt, einen Ausgangswert angibt und ein gemessenes Ergebnis liefert, belegt mehr als ein Fall, der eine Fähigkeit beschreibt.
Welche wiederkehrenden Probleme beschreiben die Fälle?
Mehrere Fälle gehen von einem manuellen Prozess aus, der nicht skalierbar ist. Apriorit berichtet, dass die eigenen Entwickler wegen manueller Prüfung unter langsamen Bitbucket-Pull-Request-Workflows litten und dass die interne Multi-Agenten-Plattform die Bearbeitungszeit von Pull Requests um 30 % senkte und Entwicklern half, die Code-Review um 60 % zu beschleunigen. ScienceSoft beschreibt Atlas Credit als daran interessiert, agentische KI vor dem Einsatz zu validieren, und das Projekt begann mit Workshops und der Eingrenzung von Anwendungsfällen statt mit Code.
Governance und Auditierbarkeit tauchen überall dort auf, wo Geld oder regulierte Daten im Spiel sind. Uvik Software berichtet, dass VellumPay Operations eine berechtigungsgesteuerte Integration mit Zahlungsdienstleistern, CRM, ERP und einem Data Warehouse benötigte, dazu einen nachvollziehbaren Audit-Trail und menschliche Freigabeschritte für jede KI-gestützte Entscheidung. Innowise berichtet, dass Vidda Solutions verantwortungsvolle KI-Praktiken benötigte, um die Einhaltung von DSGVO und DORA in regulierten Branchen zu unterstützen. N-iX berichtet, dass Neogov, eine StateRAMP-autorisierte Organisation auf dem Weg zur FedRAMP-Autorisierung, eine Sicherheitsprüfung für externe KI-Tools verlangte, bevor die Arbeit skaliert werden konnte.
Die Datenbeschaffung ist das dritte wiederkehrende Problem. Vention baute für das eigene Marketingteam ein agentisches RAG-System auf Claude Haiku und Sonnet mit AWS Bedrock, weil die Informationen über verschiedene Boards verteilt und unterschiedlichen Beitragenden zugeordnet waren. Five Jars baute das Intranet in George Washingtons Mount Vernon neu auf und ergänzte einen KI-Assistenten, damit Mitarbeitende Antworten finden konnten, nachdem das bisherige Intranet unzuverlässig und weitgehend ignoriert worden war.
Wie sieht eine typische Zusammenarbeit aus?
Der Umfang reicht von einem festen Support-Zeitfenster bis zu einem über mehrere Monate eingebundenen Team. Vention berichtet von drei Monaten Engineering-Support für AngelQ mit fünf Engineers aus Backend, KI, Mobile und DevOps; in dieser Zeit wurden CI/CD automatisiert, die Größe von Audiodateien um das 5- bis 10-Fache reduziert und das LLM-Token-Streaming verbessert. Uvik Software berichtet von rund sechs Monaten vom Kickoff bis zum Produktivbetrieb mehrerer Workflows für VellumPay Operations, wobei der erste Workflow innerhalb von drei Monaten live ging, geliefert von einem eingebundenen Pod aus einem Tech Lead, zwei Senior Python AI Engineers, einem Backend Engineer und einem DevOps Engineer.
Die Teamverstärkung erscheint als eigenes Modell. Uvik Software berichtet, für HelioForge AI einen Pod aus vier Engineers zusammengestellt zu haben, der in weniger als vier Wochen produktiv wurde und mit stabiler Zusammensetzung über 12+ Monate im Projekt blieb. N-iX berichtet, mit je einem AI Champion aus vier WorkWave-Teams zusammengearbeitet zu haben, die 30 Engineers repräsentierten, statt eine Top-down-Einführung durchzuführen.
In mehreren Fällen ist die Discovery-Arbeit vor der Umsetzung sichtbar. ScienceSoft lieferte agentische Lösungskonzepte, Software-Anforderungsspezifikationen und eine Reihe von Kennzahlen zu Agentenleistung, Qualität und Nutzerakzeptanz, bevor Atlas Credit priorisierte, welche Agenten gestartet werden sollten. Five Jars berichtet, dass Discovery-Gespräche zeigten, dass das Intranet scheiterte, weil die Mitarbeitenden ihm nicht vertrauten, und nicht, weil Funktionen fehlten.
Welche Fälle bieten einem Käufer am meisten Prüfungsmöglichkeiten?
Fälle mit einer genannten Ausgangsbasis und einem gemessenen Ergebnis lassen sich am einfachsten mit der eigenen Situation vergleichen. N-iX berichtet, dass WorkWave bei einer durchschnittlichen Durchsatzrate von 2,8 Pull Requests pro Engineer und Monat und einer durchschnittlichen PR-Zykluszeit von 12,4 Stunden startete, wobei KI-generierter Code 0 % der gemessenen Ausgabe ausmachte, und dass das Programm 14 wiederverwendbare KI-Workflows aufbaute. N-iX berichtet außerdem, dass Neogov die systemübergreifende Debugging-Zeit um 95 % reduzierte, ausgehend von zwei bis drei Tagen für die Ursachenanalyse.
Fälle ohne veröffentlichte Kennzahl zeigen dennoch den Umfang. Scopic baute für Mediphany ein KI-Spracherkennungssystem für die Radiologie-Berichterstattung mit OpenAI GPT-4 und Deepgrams Modell Nova-2-Medical und berichtet von 85 % erheblicher Zeitersparnis, ohne die Ausgangsbasis zu nennen, gegen die gemessen wird. Five Jars beschreibt das Intranet von Mount Vernon als verlässlichen Ausgangspunkt für den Arbeitstag, veröffentlicht aber keine Kennzahl. Fragen Sie den Anbieter nach der Ausgangsbasis hinter jedem Prozentwert, bevor Sie ihn als Ziel behandeln.
Interne Projekte sind eine eigene Kategorie. Apriorit, Vention und N-iX beschreiben alle Arbeiten für die eigenen Teams oder die eigenen Produkte. Diese Fälle zeigen Methode und Architektur, aber sie zeigen nicht, wie der Anbieter mit den Vorgaben, Stakeholdern oder Altsystemen eines Kunden umgeht.
Wie man eine Fallstudie liest
| Signal | Warum es wichtig ist | Was Sie den Anbieter fragen sollten |
|---|---|---|
| Kunde genannt | Ein genannter Kunde ermöglicht es Ihnen, zu prüfen, ob das Projekt existiert, und den Auftraggeber zu kontaktieren. 45 der 96 Fälle in dieser Sammlung nennen den Kunden; bei den übrigen steht „Kunde nicht genannt“. | „Können Sie den Kunden nennen oder eine Referenz angeben, die wir anrufen können?“ |
| Zeitrahmen genannt | Ein Start- und Enddatum oder eine Dauer zeigt, ob der Umfang realistisch war und wie das Team hochgefahren ist. | „Wie lange lief das Projekt, und wie viele Personen arbeiteten in Vollzeit daran?“ |
| Kennzahl mit Ausgangsbasis | Ein Ergebnis ohne Ausgangspunkt lässt sich nicht prüfen. „Keine Kennzahl veröffentlicht“ bedeutet, dass der Fall kein messbares Ergebnis berichtet. | „Wie lautete die Zahl vor Ihrem Start, und wie wurde sie gemessen?“ |
| Technologie-Stack genannt | Genannte Frameworks, Modelle und Infrastruktur zeigen, ob die Werkzeuge des Teams zu Ihren passen. | „Welche Python-Bibliotheken, Modellanbieter und Cloud-Dienste haben Sie verwendet?“ |
| Unabhängige Prüfung vorhanden | Ein Audit durch Dritte, ein veröffentlichter Fachartikel oder ein Kundenzeugnis außerhalb der Anbieterseite wiegt mehr als eine selbst verfasste Fallstudie. | „Gibt es eine Bewertung dieser Arbeit, die wir außerhalb Ihrer eigenen Website lesen können?“ |
| Noch im Produktivbetrieb | Ein Modell, das ausgeliefert wurde und noch läuft, beweist mehr als ein Prototyp, der bei der Übergabe endete. | „Läuft dieses System heute, und wer wartet und trainiert es weiter?“ |
Häufige Fragen
Welche Python-Unternehmen haben Fallstudien zu LLM und generativer KI veröffentlicht?
Dieses Verzeichnis listet 96 Fallstudien von 14 Unternehmen, und 72 davon sind KI-, ML- oder LLM-Projekte. Genannte Beispiele sind N-iX mit WorkWave und Neogov, ScienceSoft mit Atlas Credit, Scopic mit Mediphany, Innowise mit Vidda Solutions, Vention mit AngelQ, Xebia mit ANWB und Uvik Software mit VellumPay Operations. Jede Zeile verlinkt auf die Original-Fallseite des Anbieters.
Belegen diese LLM-Fallstudien, dass die KI-Funktionen im Produktivbetrieb sind?
Nur teilweise. Mehrere Fälle beschreiben Arbeiten an Live-Produkten, etwa Ventions dreimonatigen Support für den KI-Browser von AngelQ und Uvik Softwares ersten Finanz-Workflow, der innerhalb von drei Monaten live ging. Andere beschreiben Pilotprojekte oder interne Tools, darunter das dreimonatige Programm von N-iX mit vier WorkWave-Teams. Fragen Sie den Anbieter, ob die Funktion noch läuft und wer sie wartet.
Welche Ergebnisse berichten die Fälle zu generativer KI?
Die Ergebnisse sind unterschiedlich und stammen von den Anbietern selbst. N-iX berichtet von einer Reduktion der PR-Zykluszeit um 42 % bei WorkWave und einer Verringerung der systemübergreifenden Debugging-Zeit um 95 % bei Neogov. Apriorit berichtet von 30 % schnellerer Bearbeitung von Pull Requests und 60 % schnellerem Code-Review auf der eigenen Plattform. Scopic berichtet von 85 % Zeitersparnis für Mediphany. Diese Website hat keine dieser Zahlen geprüft.
Wie viel eines LLM-Projekts ist Modellarbeit und wie viel Integration?
Die veröffentlichten Fälle neigen zur Integration. Uvik Softwares VellumPay-Plattform verband LangGraph-Agenten über berechtigungsgesteuerte APIs mit Zahlungsdienstleistern, CRM, ERP und einem Data Warehouse. Ventions internes RAG-System verband Salesforce, interne Speichersysteme und Marketing-Systeme über AWS Bedrock und MCP. Fragen Sie, welchen Anteil am Umfang Datenanbindung, Evaluierung und Zugriffskontrolle ausmachten.
Welche Fälle nennen den Kunden und welche nicht?
45 der 96 Fallstudien nennen den Kunden. Genannte Beispiele sind WorkWave, Neogov, Atlas Credit, Mediphany, Vidda Solutions, AngelQ und ANWB. Die Multi-Agent-Code-Review-Plattform von Apriorit und das agentische RAG-System von Vention sind interne Projekte, bei denen das Unternehmen zugleich der Kunde ist. Ein genannter Kunde macht eine Fallstudie leichter über einen Referenzanruf überprüfbar.