Wir analysierten Marktbedürfnisse und befragten Knowledge Manager.
Wir haben den Funktionsumfang für das MVP definiert und die Prioritäten für Design und Entwicklung festgelegt
Wir haben die erste Iteration entworfen und interviewbasierte Tests im Team und mit Testnutzern durchgeführt.
Wir haben das MVP mit den Kernfunktionen entwickelt und die Website gelauncht.
Wir analysierten Marktbedürfnisse, Kundenprobleme und entwickelten ein Geschäftsmodell.
Definierung von High-Priority Funktionen in Zusammenarbeit mit Stakeholdern und Erstellung von Wireframes
Design einer benutzerfreundlichen Oberfläche, und Entwicklung des Backends.
Einführung des MVPs mit Pilotkunden, deren Feedback zur Produktverfeinerung und Funktionsvalidierung genutzt wurde.
Benutzer- und Stakeholderforschung durch die Verwendung von Personas, User Journey Maps und Interviews.
Definition der Wertschöpfung, Geschäftsmodell und Planung.
Definition des Funktionsumfangs für das MVP, Spezifikation der Funktionalität und Sammlung von Feedback
Technische Machbarkeit, Aufwandseinschätzung und Implementierungsplanung
Durchführung von Interviews mit Fachleuten, um Schmerzpunkte in den manuellen Arbeitsabläufen zu identifizieren
Entwurf der ersten Prototypen zur Validierung des Konzepts
Durchführung von Interviews zur Sammlung von Feedback und Identifizierung von Problemen
Entwicklung eines MVP und Veröffentlichung für den ersten Nutzer, um Feedback zu sammeln
Mitarbeiter verbrachten übermäßig viel Zeit mit der Verarbeitung unstrukturierter Texte aus komplexen Dokumenten, die oft bis zu 300 Seiten lang waren.
Hohe Genauigkeitsanforderungen unter engen Fristen führten zu häufigen Fehlern und verpassten Chancen. Bis zu 30 % der Unternehmen wurden aufgrund von Fehlern von Ausschreibungen disqualifiziert.
Obwohl GAEB-Formate zunehmend verwendet werden, bleiben viele Dokumente in inkonsistenten PDF-Formaten, was die manuelle Zuordnung mühsam macht.
Das Fehlen strukturierter Trainingsdaten behinderte anfangs die Anwendung von Machine-Learning-Modellen.
Wir entwickelten eine Analyseplattform zur Auswertung von Carsharing-Buchungsdaten, verglichen diese mit Energieverbrauchsdaten, um Mobilität als Proxy für Energieverbrauchsspitzen zu nutzen, und simulierten verschiedene Szenarien zur Bestimmung der optimalen Anzahl von Ladestationen.
Dank der optimierten Platzierung von Ladestationen konnten wir die Betriebskosten erheblich senken und die Energieeffizienz steigern.
