NYUTron‑Triumph: KI sagt Ergebnisse aus Notizen voraus
NYU Langones kundenspezifisches LLM NYUTron, trainiert an 4 Milliarden Wörtern klinischer Notizen, erreicht bis zu 0.932 AUROC bei Mortalitätsprognosen und revolutioniert damit die Gesundheitsvorhersage aus unstrukturierten Daten.
Fallstudie lesen →Insilico Medicine: KI‑Wirkstoff in Rekordzeit — Phase II in 30 Monaten
Die Pharma.AI‑Plattform von Insilico Medicine nutzte generative KI und Deep Learning zur Entdeckung und Entwicklung von ISM001-055 (Rentosertib) für die idiopathische Lungenfibrose und erreichte Phase‑II‑Studien in unter 3 Jahren — eine Revolutionierung von Zeitrahmen und Kosten in der Biotechnologie.[1]
Fallstudie lesen →Walmart Marketplace: GenAI-Repricer revolutioniert die Preisgestaltung von Verkäufern
Walmarts KI‑gestützter Repricer nutzt generative KI zur Entscheidungsunterstützung und ermöglicht Drittanbieter‑Verkäufern, Preise dynamisch zu optimieren, mehr Buy Boxes zu gewinnen und den Umsatz im harten Wettbewerb des E‑Commerce zu steigern. Zentrale Ergebnisse sind verbesserte Wettbewerbsfähigkeit und Umsatzwachstum.
Fallstudie lesen →HSBCs KI-Kraftwerk: Betrug, Chatbots & Generative KI
HSBC, ein globaler Bankengigant, nutzt Machine Learning zur Betrugserkennung, NLP-Chatbots für Service und Mistral Generative KI für Innovation. Hunderte von KI-Modellen im Einsatz verbessern Geldwäschebekämpfung (AML), Produktivität und Compliance angesichts massiver Transaktionsvolumina.
Fallstudie lesen →RBC NOMI: KI‑Personalisierung steigert Sparen und Budgetplanung
Die Royal Bank of Canada nutzt NOMI AI in ihrer mobilen App, um Ausgabemuster zu analysieren, personalisierte Spar‑Anstöße zu geben und Finanzgewohnheiten zu verbessern. Bis 2025 erzielt dies über 700 Mio. $ an Unternehmenswert durch Personalisierung mittels Machine Learning.[1]
Fallstudie lesen →PayPals KI-Betrugsfestung: Stoppt Milliarden an Betrug
PayPal setzt Deep-Learning-Modelle für die Echtzeit-Anomalieerkennung ein und analysiert Hunderte von Transaktionssignalen, um sich weiterentwickelnden Betrug zu verhindern. Dadurch wurden schätzungsweise $2B+ an Betrug jährlich blockiert, die Sicherheit verbessert und gleichzeitig Milliarden von Zahlungen nahtlos verarbeitet. (187 Zeichen)
Fallstudie lesen →Mayo Clinics KI: EKG-Erkennung von Herzinsuffizienz & GenAI-Suche
Die Mayo Clinic nutzt maschinelles Lernen für die frühzeitige Vorhersage von Herzinsuffizienz auf Basis von EKGs und eine generative KI-Suche mit Google Cloud, was Klinikern schnellere Einsichten und proaktive Versorgung aus umfangreichen Datensätzen ermöglicht (AUC 0,93, seit 2021 im Einsatz).
Fallstudie lesen →Mass General Brighams KI-Sprung in Bildgebung und Betrieb
Mass General Brigham bewältigt massive Mengen medizinischer Bilddaten und operative Herausforderungen mit Computervision-KI und prädiktiven Modellen, verbessert Diagnostik, reduziert Burnout und gestaltet Governance über ein dediziertes KI-Zentrum und Technologiepartnerschaften.
Fallstudie lesen →Revoluts ML-Anomalieerkennung stoppt APP-Betrug
Revolut nutzt maschinelles Lernen für Echtzeit-Anomalieerkennung zur Bekämpfung von Authorized Push Payment (APP)-Betrug und erzielt seit dem Start im Februar 2024 einen Rückgang der Verluste durch Anlagebetrug um 30 %. Schützt proaktiv über 35 Mio. Nutzer.
Fallstudie lesen →Citibank HK Wealth 360: KI-gestützte Vermögensrevolution
Citibank Hong Kongs Wealth 360 KI liefert prädiktive Analysen und konversationelle Personalisierung in der mobilen App und verwandelt das persönliche Finanzmanagement. Seit der Einführung 2024 steigert sie das Engagement mit maßgeschneiderten Insights, Prognosen und Chat‑Interfaces vor dem Hintergrund wachsender Anforderungen an Mobile Banking.
Fallstudie lesen →Capital One Eno: KI reduziert Callcenter-Volumen um 50%
Eno, der konversationelle KI-Chatbot und Voicebot von Capital One, bewältigte ein hohes Volumen routinemäßiger Anfragen, bot rund um die Uhr Unterstützung und reduzierte die Kontakte im Callcenter um 50 % durch firmeneigene NLP-Technologie über SMS-, App- und Sprachkanäle.
Fallstudie lesen →Stanfords KI-Schub: Generativer Text & prädiktives ML
Stanford Health Care ist Vorreiter bei der Nutzung von Azure OpenAI in Epic EHR für automatisierte Patientenkommunikation und ML für prädiktive Analytik/Computer Vision, wodurch Verwaltungsaufwand drastisch reduziert und die Präzisionsmedizin angesichts von Klinikermüdung verbessert wird.
Fallstudie lesen →