Entwicklung eines automatisierten Angebotser- stellungstools für die Malerunternehmung

Ein automatisiertes Angebotserstellungstool ermöglicht es Kunden eines Malerunternehmens, ihre Aufträge einzugeben und direkt eine passende Offerte zu erhalten. Dabei werden die eingegebenen Aufträge mit Rechnungsdaten aus über 30 Jahren Unternehmensgeschichte abgeglichen, um möglichst präzise und verlässliche Offerten zu erstellen.

Chat gpt generiertes Bild

Ausgangslage

Das Malerunternehmen hat uns die Rechnungsdaten der letzten 30 Jahre übergeben und uns mit der Entwicklung eines automatisierten Angebotserstellungstools beauftragt. Laut dem Unternehmen bietet bisher kein Konkurrenzbetrieb in der Region eine vergleichbare digitale Lösung für Kunden an. Mit diesem Tool erhofft sich das Malerunternehmen, dass potenzielle Kunden ihre Offerten bequem digital erstellen und anschliessend den Auftrag direkt von ihnen ausführen lassen.

Zielsetzung

Ziel ist es, die Eingaben der Nutzer zu verstehen und mit dem vorhandenen Datensatz abzugleichen, um möglichst präzise und passende Aufträge zu erstellen, die anschliessend in einer Offerte aufgelistet werden können. Zusätzlich sollte ein Konzept erarbeitet werden, wie das User Interface optimal gestaltet werden kann, damit eine Offerte effizient und digital erstellt werden kann.

Ergebnisse

Die Ergebnisse der Untersuchung sind äusserst vielseitig. Zum einen wurde analysiert, welches Modell sich am besten eignet, um Labels aus einem gegebenen Input-Text zu extrahieren und diese anschliessend mit Einträgen im Datensatz zu matchen. Zum anderen wurde untersucht, welcher Ansatz in unserem spezifischen Fall präzisere Ergebnisse liefert. Eine Möglichkeit besteht darin, die erkannten Labels direkt mit dem Datensatz abzugleichen und das beste Match als Output zurückzugeben. Alternativ könnte ein RAG-gestützter Ansatz (Retrieval-Augmented Generation) zielführender sein. Darüber hinaus wurden zwei verschiedene UI-Konzepte verglichen. Während das erste dem Nutzer erlaubt, seinen Auftrag frei zu formulieren, bietet das zweite eine interaktive Auswahl verschiedener Optionen, sodass kein eigener Text verfasst werden muss.

Die Ergebnisse zeigten, dass in unserem Fall ein Multilabel-Textklassifikationsansatz die besten Resultate liefert. Dabei werden Labels aus einem Text extrahiert, im Datensatz gesucht und das beste Match als Output ausgegeben. Auch bei der Benutzeroberfläche kristallisierte sich eine klare Präferenz heraus: Die Nutzer bevorzugten eine interaktive Auswahlmöglichkeit gegenüber der freien Texteingabe

Testimonial
«Die Zusammenarbeit mit dem Team war für uns eine grosse Freude. Der offene, ehrliche und stets professionelle Austausch bildete die Basis für ihre tolle Arbeit. Die Umsetzung unserer Ideen erforderte ein hohes Mass an Wissen, und es war beeindruckend zu sehen, wie engagiert sich das Projektteam dieser Herausforderung gestellt hat. Besonders hervorheben möchten wir die Kreativität und den Einfallsreichtum, mit denen unsere Anforderungen bearbeitet wurden. Auch wenn die Ergebnisse noch nicht direkt implementiert und umgesetzt werden konnten, sind sie für uns von grossem Wert und haben uns ein gutes Stück weiter nach vorne gebracht!»
Michael Müller

Technische Schlüsselbegriffe

• RAGRetrieval-Augmented Generation
• MLTCMulti-Label Text Classification
• UIUser Interface

Kund:in

Thomas Müller AG
Michael Müller
Brüelstrasse 31
4312 Magden
muellermaler.ch

Team