Inhaltsverzeichnis

Was ist ein Chat Agent für Switchgear & Control Panels?

Ein Chat Agent ist ein KI-System, das Fragen in natürlicher Sprache auf Basis des technischen Wissens eines Switchgear-&-Control-Panels-Unternehmens beantwortet. Er kann mit Eindraht- und Stromlaufplänen, Schaltschranklayout-Zeichnungen, Schutzrelais-Einstelldateien, Selektivitätsnachweisen, Installationsanleitungen, IEC-Konformitätsdokumentation und Ersatzteillisten verbunden werden. Anstatt sich durch PDF-Ordner zu klicken oder in einer Telefonwarteschleife zu warten, können Schaltschrankbauer, OEMs, EPCs und Instandhaltungsingenieure detaillierte Fragen stellen und kontextbezogene Antworten mit Verweisen auf die Dokumente erhalten.

Wie schneidet er im Vergleich zu traditionellen Ansätzen ab?

Ansatz Antwortzeit Technische Tiefe Verfügbarkeit Skalierbarkeit
FAQ-Seite Statisch, Nutzer muss suchen Nur häufige Fragen 24/7, aber nicht interaktiv Begrenzt, schwer zu pflegen
Klassischer regelbasierter Chatbot Sofort für vordefinierte Abläufe Oberflächlich, schlagwortbasiert 24/7 nur im Web Bricht bei Sonderfällen
Menschlicher technischer Support Minuten bis Tage Hoch, Expertenniveau Geschäftszeiten, eingeschränkt am Wochenende Linear mit Anzahl der Mitarbeitenden
AI Chat Agent Unter einer Sekunde bis wenige Sekunden Liest vollständige Pläne & Handbücher 24/7 kanalübergreifend Tausende Chats parallel

Für Switchgear & Control Panels ist technische Tiefe entscheidend: Kunden fragen nach Schutzparameter-Einstellungen, Selektivität zwischen Leistungsschaltern, PLC-I/O-Zuordnung, Retrofits oder wie eine bestimmte Schaltschrankvariante verdrahtet wurde. Ein Chat Agent kann in komplexer Projektdokumentation und Engineering-Dateien suchen, relevante Abschnitte in verständlicher Sprache erklären und Nutzer zu genau dem richtigen Plan oder Artikelnummer führen. Dadurch werden Fehlverdrahtungen, Inbetriebnahmeverzögerungen und unnötige Serviceeinsätze reduziert, während bestehende Dokumentation während Planung, Installation und Fehlersuche sofort nutzbar wird.

Probieren Sie es selbst aus

Laden Sie eigene Dokumente hoch oder nutzen Sie eines der Beispiel-Sets.

1 Dokument wählen
2 Chatten

Beispiel-Dokumente verwenden

oder

Eigene Dokumente hochladen

Drag & Drop oder
PDF, TXT, DOCX bis 10MB

Verbunden mit Emilia (KI)
Emilia (KI)
Emilia (KI)
Hallo! Ich habe die Dokumente gelernt. Stellen Sie mir eine Frage dazu.

Warum Dokumentation allein bei Switchgear & Control Panels nicht ausreicht

Ein typisches Switchgear-&-Control-Panels-Projekt erzeugt Hunderte von Seiten mit Stromlaufplänen, Klemmenplänen, Schutzrelais-Einstellungen und Prüfprotokollen. Distributoren, OEMs und Elektriker haben im Fehlerfall vor Ort selten genau die korrekte Revision zur Hand. Sie rufen den Support an oder senden E-Mails, der dann unter Zeitdruck in Netzlaufwerken und PDM-Systemen sucht.

Gleichzeitig werden Support-Teams von wiederkehrenden Fragen überflutet: Selektivität zwischen Leistungsschaltern, Kabeldimensionierung, Ersatz obsoleter Geräte, Parametrierung intelligenter MCCs oder wie ein bestehender Schaltschrank erweitert werden kann. Fertigungsunternehmen, die AI Chat im Kundenservice einführen, berichten von bis zu 30–40% Zeitersparnis pro Ticket und erheblichen Kostenvorteilen, da Routineanfragen automatisiert werden.[4][5]

Der Druck nimmt außerhalb der Geschäftszeiten weiter zu. Wenn eine Produktionslinie an einem Samstagabend wegen eines ausgelösten Abgangs oder unklarer Verriegelung steht, erwarten Kunden sofortige Antworten, aber die meisten technischen Hotlines sind geschlossen. KI-gestützter Self-Service kann einen großen Teil der Standardanfragen rund um die Uhr abdecken, während menschliche Experten sich auf komplexe Fehlersuche konzentrieren.[1][3]

International müssen Lieferanten von Switchgear & Control Panels Installateure und Endkunden über mehrere Zeitzonen und Sprachen hinweg betreuen. Kunden bevorzugen zunehmend digitalen Self-Service und dialogorientierte Oberflächen, anstatt sich durch PDFs zu arbeiten.[2][8]

Das Problem in 2 Minuten erklärt

Was unsere Nutzer sagen

Tim Neubacher
Tim Neubacher

Tim Neubacher

Tim Neubacher

svt Brandschutz GmbH Leiter Technik - svt Brandschutz GmbH

Der Brandschutz Chatbot kann komplexeste Fragen zu unseren Produkten in einer Qualität und Geschwindigkeit beantworten, die absolut faszinierend ist.
Stell unserer Demo die schwierigsten Fragen, die dir einfallen.

Praktische Einsatzszenarien für Chat Agents in Switchgear & Control Panels

Sechs konkrete Wege, wie Unternehmen im Bereich Switchgear & Control Panels einen Chat Agent nutzen können, um vorhandenes Engineering-Wissen zu erschließen, Partner zu unterstützen und Stillstandszeiten zu reduzieren.

Assistent für Stromlauf- & Klemmenpläne

Technischer Support / After-Sales

Die Idee

Der Chat Agent könnte Fragen wie „Wo ist Klemme X3:17 angeschlossen?“ oder „Welcher Kabelquerschnitt ist für Abgang F12 vorgesehen?“ beantworten, indem er Stromlaufpläne, Klemmenpläne und Kabellisten liest. Monteure und Instandhaltungspersonal würden eine Schaltschrank-ID oder Zeichnungsnummer einfügen und Schritt-für-Schritt-Anleitungen erhalten, wodurch Anrufe und Fehlverdrahtungen während Inbetriebnahme und Service reduziert werden.

Was Sie dafür brauchen

  • Digitalisierte Stromlaufpläne, Klemmenpläne und Kabellisten (PDF oder CAD-Exporte)
  • Konsistente Projektkennzeichen (Schaltschrank-ID, Projektnummer) in der Dokumentation
  • Optional: Anbindung an Ticketsystem zur Erstellung von Fällen bei komplexen Problemen

Berater für Schutz & Selektivität

Engineering / Applikationssupport

Die Idee

Der Agent könnte bei Schutzparametrierung, Selektivität zwischen Leistungsschaltern und Fragen zur Auslösekoordination helfen. Nutzer könnten nach empfohlenen Einstellungen für einen bestimmten Abgang fragen oder ob zwei Geräte bei einem bestimmten Kurzschlusspegel koordiniert sind. Der Agent verweist auf relevante Selektivitätstabellen, Schutzhandbücher und Studien und erläutert die Begründung in verständlicher Sprache.

Was Sie dafür brauchen

  • Schutzrelais-Handbücher, Selektivitäts- und Koordinationstabellen sowie Selektivitätsstudien
  • Strukturierte Metadaten für Gerätetypen, Bemessungen und typische Anwendungen
  • Optional: Schnittstelle zu Berechnungstools für erweiterte Selektivitätsprüfungen

Berater für Schaltschrankvarianten & Retrofits

Sales Engineering / Retrofit

Die Idee

Ein Chat Agent könnte Vertriebsingenieure und Distributoren dabei unterstützen, kompatible Schaltschrankvarianten oder Retrofit-Kits für bestehende Installationen zu finden. Durch Rückfragen zu aktuellen Gerätetypen, Sammelschienen-Bemessungen und Abmessungen schlägt er passende Konfigurationen und erforderliches Zubehör vor und klärt, welche Anpassungen notwendig sind.

Was Sie dafür brauchen

  • Produktkataloge, Schaltschrank-Konfigurationsleitfäden und Retrofit-Handbücher
  • Datenbank- oder PIM-Exporte mit Variantenlogik, Optionen und Zubehör
  • Optional: ERP- oder CPQ-Integration für Preise und Verfügbarkeit

Begleiter für Inbetriebnahme & FAT

Inbetriebnahme / Projektmanagement

Die Idee

Während FAT, SAT und Inbetriebnahme könnten Ingenieure über Chat auf Prüfabläufe, Anzugsdrehmomente, funktionale Testschritte und Sicherheitshinweise zugreifen, anstatt in PDFs zu suchen. Der Agent führt sie anhand von Schaltschranktyp und Projekt durch Checklisten und hilft, Auslassungen und Nacharbeit zu reduzieren.

Was Sie dafür brauchen

  • Standardisierte Prüfabläufe, Checklisten und Drehmomenttabellen pro Produktfamilie
  • Klare Zuordnung zwischen Projekt-IDs, Schaltschranktypen und geltenden Verfahren
  • Optional: Integration mit Inbetriebnahme-Apps zur Protokollierung erledigter Schritte

Wissenshub für Distributoren & Schaltschrankbauer

Channel Management / Partnersupport

Die Idee

Der Chat Agent könnte als zentraler Wissenshub für zertifizierte Schaltschrankbauer und Distributoren dienen. Er beantwortet Fragen zu Montagevorschriften, zulässigen Austauschkomponenten, Kurzschlussfestigkeiten, Zertifizierungsgrenzen und Dokumentationsanforderungen und stellt sicher, dass Schaltschränke innerhalb der freigegebenen Konstruktionsrichtlinien bleiben.

Was Sie dafür brauchen

  • Partnerspezifische Montageanleitungen, Zertifizierungsregeln und Design-Guides
  • Zugriffskonzept zur Unterscheidung von internem vs. Partner-Wissen
  • Optional: Integration in Partnerportal für Single Sign-on und Nutzungstracking

Interner Support für Konstrukteure

Engineering / Interne IT & Support

Die Idee

Innerhalb des Unternehmens könnten Konstrukteure den Chat Agent nutzen, um historische Projekte, typische Schaltungen, PLC-Templates und Standards zu durchsuchen. Anstatt erfahrene Kollegen zu fragen, rufen sie beim Agent Beispielschaltpläne oder freigegebene Lösungen ab, was die Konstruktion beschleunigt und Doppelarbeit reduziert.

Was Sie dafür brauchen

  • Repository mit vergangener Projektdokumentation und Standardschaltungen
  • Tagging von Templates, Makros und wiederverwendbaren Konstruktionsmustern
  • Optional: Integration mit ECAD-/PDM-Tools für direkte Rückverweise

Messbare Ergebnisse, wenn Unternehmen im Bereich Switchgear & Control Panels Chat Agents einsetzen

+3%

Umsatzwachstum

Indem der Chat Agent routinemäßige technische Fragen sofort löst und Kunden zu den passenden Produkten und Retrofit-Optionen führt, erzielen Unternehmen mit KI-Support in der Regel zusätzlichen Umsatz durch höhere Conversion, mehr Cross-Selling und bessere Kundenbindung.[5][6] Bei Switchgear & Control Panels bedeutet dies häufig zusätzliche Abgänge, Kommunikationsmodule oder Serviceverträge pro Projekt, was zu rund +3% Umsatzwachstum durch verbesserte Kundenbindung beiträgt.

4x

Kundenzufriedenheit

Fertigungsunternehmen, die KI im Kundenservice einsetzen, verzeichnen deutliche Verbesserungen bei den Experience-Scores, da Wartezeiten sinken und die Erstlösungsquote steigt.[1][4] Für Switchgear & Control Panels können 24/7-Antworten zu Verdrahtung, Schutz und Ersatzteilen die Zufriedenheit um etwa das Vierfache steigern, insbesondere bei Installateuren, die zuvor Stunden oder Tage auf detaillierte Engineering-Antworten warten mussten.

3-5h

Wöchentlich pro Agent eingesparte Zeit

AI Chatbots im B2B-Support automatisieren routinemäßig 30–40% der wiederkehrenden Anfragen und reduzieren die Bearbeitungszeit pro Ticket in ähnlichem Umfang.[3][5] In Switchgear-&-Control-Panels-Teams entspricht dies 3–5 Stunden Zeitersparnis pro Support-Ingenieur und Woche, da der Agent Standardfragen zu Verdrahtung, Bemessungen und Dokumentenrecherche übernimmt und Menschen sich auf komplexe Fehlersuche und projektspezifisches Engineering konzentrieren können.

+17%

Teamzufriedenheit

Wenn KI Routineanfragen übernimmt und beim Handover Kontext bereitstellt, erleben Mitarbeitende weniger Warteschlangen, weniger Stress und mehr sinnstiftende Arbeit, was Engagement deutlich verbessert und Burnout reduziert.[9][10] Im Support für Switchgear & Control Panels ist dieser Wandel – weg vom ständigen „Feuerlöschen“ hin zu höherwertigen Engineering-Aufgaben – ein realistischer Weg zu zweistelligen Zuwächsen in der Teamzufriedenheit, von rund +17% in internen Umfragen.

So funktioniert es

Von null zum Live-Chat-Agenten – typischerweise in 5–10 Werktagen.

Wissensdatenbank hochladen
Konfigurieren und integrieren
Deployen und optimieren
Wissensdatenbank hochladen
Konfigurieren und integrieren
Deployen und optimieren
Stell unserer Demo die schwierigsten Fragen, die dir einfallen.

Häufige Fehler bei der Einführung von Chat Agents in Switchgear & Control Panels

1

Nur Marketinginhalte statt Engineering-Dokumentation hochladen

Viele Projekte starten damit, dem Chat Agent Broschüren und Websites zur Verfügung zu stellen, aber keine Stromlaufpläne, Koordinationstabellen oder Schutzhandbücher. Das Ergebnis sind oberflächliche Antworten und geringe Nutzung. Priorisieren Sie stattdessen technische Dokumentation und Wissen, das derzeit Support-Tickets verursacht, und ergänzen Sie Marketing- und Vertriebsinhalte später zur Unterstützung von Cross-Selling.[7]

2

Von Tag eins 100% Automatisierung erwarten

AI Chat Agents in der Fertigungsindustrie automatisieren typischerweise einen erheblichen Teil der Routineinteraktionen, ersetzen jedoch keine Experteningenieure.[3][6] Ein realistisches Ziel sind 40–60% Abdeckung repetitiver Fragen nach 90 Tagen, mit klarer Eskalation an Menschen für komplexe Fehleranalysen, kundenspezifische Schaltschränke oder Notfälle vor Ort. Planen Sie schrittweise Verbesserungen statt vollständiger Autonomie.

3

Projektbezogene Zeichnungen und Revisionen ignorieren

Bei Switchgear & Control Panels beziehen sich viele Fragen auf eine bestimmte Projektrevision. Wenn der Chat Agent nur generische Handbücher, aber keine Projektordner mit klarer Versionierung sieht, könnte er auf Basis veralteter Pläne antworten. Stellen Sie sicher, dass Projekt-IDs, Schaltschranknummern und Revisionsstatus in der Wissensbasis enthalten sind, und gestalten Sie Prompts so, dass Nutzer den exakten Projektkontext angeben können.

4

Keine Eskalationsregeln zu menschlichen Ingenieuren definieren

Ohne klare Regeln, wann und wie Gespräche von der KI an den menschlichen Support übergeben werden, fühlen sich Kunden bei komplexen Fehlern schnell alleingelassen. Definieren Sie Schwellenwerte (zum Beispiel bestimmte Alarmcodes, sicherheitsrelevante Themen oder wiederholte Rückfragen), die eine Eskalation auslösen, und stellen Sie dem Ingenieur die vollständige Chat-Historie und den Kontext bereit. Diese Zusammenarbeit zwischen Mensch und KI ist entscheidend für Vertrauen und Qualität.[1][7]

5

Das Thema rein als IT-Projekt behandeln, statt Engineering und Channel-Teams einzubeziehen

Wissen zu Switchgear & Control Panels liegt in Engineering, Applikationssupport und Partnermanagement – nicht nur in der IT. Wenn diese Teams nicht eingebunden werden, fehlen dem Agent entscheidende Inhalte wie Konstruktionsregeln für zertifizierte Schaltschränke, Retrofit-Richtlinien oder länderspezifische Normen. Stellen Sie ein funktionsübergreifendes Team auf und behandeln Sie den Chat Agent als fortlaufendes Wissensprodukt mit regelmäßigen Feedbackschleifen und Inhaltsaktualisierungen.[5]

Kosten-Nutzen-Analyse: menschliche Experten vs. Reruption Chat Agent in Switchgear & Control Panels

Technische Supportingenieure und Applikationsspezialisten gehören zu den wertvollsten Rollen in einem Switchgear-&-Control-Panels-Unternehmen. Sie vereinen Branchenerfahrung, Produktexpertise und Projektwissen – und ihre Zeit ist teuer. AI Chat Agents ersetzen sie nicht, können aber einen großen Anteil wiederholbarer Anfragen zu einem Bruchteil der Kosten bearbeiten, während Experten sich auf komplexes Engineering und Kundenbeziehungen konzentrieren.[3][6]

Technischer Supportingenieur (Switchgear) Applikationsingenieur / Field Service (Switchgear & Control Panels) Chat Agent (Professional)
Jährliche Kosten 60.000–80.000 EUR 70.000–90.000 EUR €5,988 + €2,999 setup
Verfügbarkeit 8–9 Stunden/Tag, werktags Bürozeiten, teilweise Rufbereitschaft 24/7/365
Sprachen Typischerweise 1–2 Typischerweise 1–3 80+
Gleichzeitige Anfragen 1–2 Fälle gleichzeitig Begrenzt, häufig vor Ort Unbegrenzt
Urlaub / Krankheit 25–30 Tage/Jahr + Krankheitsausfälle 25–30 Tage/Jahr + Reiseausfallzeiten Keine
Einarbeitungszeit 3–6 Monate bis zur vollen Produktivität 6–12 Monate, um das Portfolio zu beherrschen 5–10 Tage
Wissenserhalt Risiko von Know-how-Verlust beim Mitarbeiteraustritt Know-how auf einzelne Personen verteilt Permanent, immer aktuell

Der Reruption Chat Agent (Professional) kostet 499 EUR pro Monat plus einmalig 2.999 EUR Setup oder 5.988 EUR pro Jahr im Betrieb. Im Vergleich zu den Vollkosten eines einzelnen Supportingenieurs amortisiert sich der Chat Agent, wenn er das Äquivalent von 2–3 Anfragen pro Tag abfängt – insbesondere, wenn diese Interaktionen ansonsten Senior-Engineering-Zeit erfordern würden.[5][6] Das Ziel ist nicht, Menschen zu ersetzen, sondern Technical Support und Applikationsengineering einen skalierbaren Assistenten zur Seite zu stellen, der 24/7/365 in 80+ Sprachen mit unbegrenzten parallelen Gesprächen und dauerhaftem Zugriff auf freigegebenes Wissen verfügbar ist.

Stell unserer Demo die schwierigsten Fragen, die dir einfallen.

Wie ein mittelständischer Hersteller von Switchgear & Control Panels in 90 Tagen 55% der technischen Anfragen automatisierte

Branche Schaltanlagen & Schaltschränke
Mitarbeiter 420
Produkte 2.300+ Schaltschrankvarianten und Kits
Deployment 7 Arbeitstage

Die Herausforderung

Ein europäischer Hersteller von Switchgear & Control Panels mit rund 420 Mitarbeitenden lieferte Niederspannungsschaltanlagen, Motor Control Centers und kundenspezifische Steuerungs- und Schaltschränke an OEMs und Schaltschrankbauer in über 30 Ländern. Das fünfköpfige technische Supportteam bearbeitete etwa 2.800 Anfragen pro Monat über E-Mail und Telefon. Viele Fragen wiederholten sich: Auffinden von Stromlaufplänen, Klärung von Schutzparameter-Einstellungen, Empfehlung von Retrofit-Kits und Bestätigung von Kurzschlussfestigkeiten bei Schaltschrankerweiterungen. In Spitzenzeiten und außerhalb der Geschäftszeiten lagen die Antwortzeiten bei 24–48 Stunden, was Installateure und Vertriebspartner frustrierte.

Die Lösung

Das Unternehmen führte den Reruption Chat Agent im Partnerportal und auf der öffentlichen Website ein. Innerhalb einer Woche wurde die bestehende Dokumentation angebunden: Stromlauf- und Eindrahtpläne (PDF-Exporte), Selektivitätstabellen, Montageanleitungen, Retrofit-Guides und FAQs. Der Agent wurde so konfiguriert, dass er auf Englisch und Deutsch antwortet, mit klaren Eskalationsregeln zu menschlichen Ingenieuren für komplexe Fehler oder sicherheitskritische Themen. Supportingenieure überwachten die ersten Gespräche, korrigierten Antworten und fügten fehlende Dokumente hinzu. Im ersten Monat übernahm der Agent gängige Anfragen zur Dokumentenrecherche, Schaltschrankkonfigurationen und Standard-Retrofits, sodass sich Ingenieure auf projektspezifische Themen konzentrieren konnten.[11]

Die Ergebnisse

  • 55% der monatlichen Supportanfragen automatisiert nach 90 Tagen, vor allem Dokumentenrecherche, Standard-Verdrahtungsklärungen und Retrofit-Empfehlungen.[11]

  • Durchschnittliche Erstreaktionszeit von 8 Stunden auf unter 1 Minute reduziert für automatisierte Konversationen, während komplexe Tickets gleichzeitig schneller triagiert wurden.[3]

  • Über 300 zusätzliche qualifizierte Retrofit-Leads pro Quartal erfasst, da der Agent während Support-Chats Upgrade-Kits und Servicepakete vorschlug.[5]

  • Interne Umfrage zeigte einen Anstieg der Teamzufriedenheit im Support um 19%, da Ingenieure mehr Zeit für anspruchsvolle Engineering-Aufgaben statt für wiederkehrende Fragen hatten.[9][10]

„Wir hätten nicht erwartet, dass ein KI-System unsere Stromlaufpläne und Montageanleitungen so gut versteht. Innerhalb weniger Wochen bearbeitete es die Hälfte unserer Routineanfragen, sodass sich unsere Ingenieure auf komplexe Applikationen und Themen vor Ort konzentrieren konnten.“ - Leiter Technischer Support, Hersteller von Switchgear & Control Panels
Stell unserer Demo die schwierigsten Fragen, die dir einfallen.

Für wen ist ein Chat Agent im Bereich Switchgear & Control Panels geeignet?

Gute Voraussetzungen

  • Hersteller mit wiederkehrenden Schaltschrank-Designs, bei denen sich viele ähnliche Anfragen zu Verdrahtung, Schutzparameter-Einstellungen, Erweiterungen oder Retrofits über eine Produktfamilie hinweg stellen.

  • Unternehmen mit mehr als 300 technischen Anfragen pro Monat über Telefon, E-Mail und Portale, bei denen Ingenieure regelmäßig dieselben Fragen zu Dokumentation und Konfigurationen beantworten.

  • Lieferanten von Switchgear & Control Panels mit Partnernetzwerken aus Schaltschrankbauern, OEMs oder Distributoren, die schnelle und konsistente Antworten zu Montagevorschriften, Zulassungen und Designgrenzen benötigen.

  • Organisationen mit strukturierter technischer Dokumentation wie Handbüchern, Plänen, Prüfabläufen und Retrofit-Guides, die bereits in digitaler Form vorliegen – auch wenn sie derzeit schwer zu durchsuchen sind.

  • Teams, die mehrsprachigen 24/7-Support anstreben für internationale Installateure und Endkunden, ohne Nachtschichten aufbauen zu müssen, insbesondere bei Betreuung mehrerer Zeitzonen.

(Noch) nicht ideal

  • (Noch) nicht ideal: Kleine Engineering-Büros, die ausschließlich einmalige kundenspezifische Schaltschränke fertigen, mit weniger als 20 Supportanfragen pro Monat und wenig wiederverwendbarer Dokumentation.

  • (Noch) nicht ideal: Unternehmen ohne digitalisierte Stromlaufpläne, Handbücher oder Selektivitätsnachweise, bei denen das wesentliche Wissen hauptsächlich in Köpfen von Personen oder in E-Mail-Verläufen steckt.

  • (Noch) nicht ideal: Organisationen, die sich derzeit in einer Phase größerer Produkt- oder Normenumstellungen befinden, in der die Dokumentation instabil ist und eine verlässliche Wissensbasis schwer zu pflegen ist.

Sicherheit & Compliance

Chat Agents im industriellen Einsatz müssen strenge Datenschutzstandards erfüllen. Das sind die wichtigsten Anforderungen.

DSGVO-konform

Vollständige Konformität mit der EU-Datenschutz-Grundverordnung. Auftragsverarbeitungsverträge inklusive. Regelmäßige Audits und Dokumentation.

Gehostet in Deutschland

Alle Daten werden auf deutschen Servern verarbeitet und gespeichert. Kein Datentransfer außerhalb der EU. Geistiges Eigentum bleibt geschützt.

Enterprise-Grade Verschlüsselung

AES-256-Verschlüsselung at rest, TLS 1.3 in transit. Produktdokumentation und Kundengespräche sind vollständig geschützt.

Kein Modell-Training

Daten werden nie zum Trainieren von KI-Modellen verwendet. Sie werden ausschließlich genutzt, um Kundenfragen zu beantworten. Nichts anderes.

Häufig gestellte Fragen

Ja, wenn er auf die richtigen Quellen trainiert wird. Moderne AI Chat Agents können komplexe Dokumentation wie Stromlaufpläne, Montageanleitungen, Selektivitätstabellen und Prüfverfahren interpretieren und Fragen in natürlicher Sprache beantworten.[3][4] Entscheidend ist, das System mit aktuellen Engineering-Dokumenten zu verbinden und ihm klare Anweisungen zu geben, wann sicherheitskritische oder nicht eindeutige Themen an menschliche Experten zu eskalieren sind.

Der Chat Agent kann so konfiguriert werden, dass er Projekt-IDs, Schaltschranknummern oder Seriennummern nutzt, um Antworten auf den korrekten Dokumentensatz einzugrenzen. Durch Indexierung von Projektordnern, Revisionshistorien und Variantenlogik kann er zwischen Schaltschrankversionen unterscheiden und die Vermischung veralteter Pläne vermeiden.[5] Nutzer können dazu angeleitet werden, zu Beginn eines Gesprächs den Kontext (zum Beispiel Projektnummer und Schaltschrank-ID) anzugeben, um die Genauigkeit zu erhöhen.

In solchen Fällen sollte der Agent an den menschlichen Support übergeben. Best Practice ist die Definition klarer Eskalationsregeln: Wenn die Antwortsicherheit niedrig ist, das Thema sicherheitsrelevant ist (zum Beispiel Schutzparameter-Einstellungen über Empfehlungen hinaus) oder der Nutzer ausdrücklich um Hilfe bittet, wird das Gespräch mit vollem Kontext und Chat-Historie an einen technischen Ingenieur übergeben.[1][7] So bleiben komplexe oder risikoreiche Themen unter menschlicher Kontrolle.

Ja. Ein typisches Setup verbindet den Chat Agent mit Ticketing- oder CRM-Tools zur Fallanlage und -klassifizierung und optional mit ERP-/CPQ-Systemen für Preise und Verfügbarkeit.[3][12] Für Switchgear & Control Panels können Integrationen mit ECAD-/PDM-Repositories oder Partnerportalen Deep Links zurück zu Zeichnungen und Projektordnern bereitstellen, während die Kernsysteme im Engineering unverändert bleiben.

Für die meisten Unternehmen dauert eine erste Einführung **5–10 Arbeitstage**, sobald die relevanten Dokumente und Zugänge vorliegen. Die erste Phase konzentriert sich auf die Anbindung der Kerndokumentation (Handbücher, Pläne, Selektivitätstabellen, Retrofit-Guides) und die Definition von Eskalationsabläufen.[4][5] Weitere Verbesserungen ergeben sich aus der Beobachtung realer Gespräche und der kontinuierlichen Anreicherung der Wissensbasis.

Die Preise für den Reruption Chat Agent sind transparent und gestaffelt:

  • Starter: 99 EUR pro Monat + 799 EUR einmaliges Setup
  • Professional: 499 EUR pro Monat + 2.999 EUR einmaliges Setup
  • Enterprise: individuelle Preise für erweiterte Anforderungen und höhere Volumina

Der Professional-Tarif mit 499 EUR pro Monat ist in der Regel die beste Wahl für mittelständische Hersteller von Switchgear & Control Panels, die mehrsprachigen 24/7-Support und Integrationsoptionen wünschen.

Nein. Der Reruption Chat Agent basiert nicht auf Standard-Retrieval-Augmented-Generation-(RAG)-Pipelines. Stattdessen verwendet er eine proprietäre Retrieval- und Reasoning-Architektur, die für technische B2B-Dokumentation optimiert ist. Dieser Ansatz fokussiert auf deterministischen Dokumentenzugriff, strikte Quellenzuordnung und Kontrolle darüber, welche Inhalte genutzt werden, und liefert gleichzeitig dialogorientierte Antworten. Er ist darauf ausgelegt, DSGVO-konforme Verarbeitung und klare Governance darüber zu unterstützen, wie Engineering-Wissen genutzt und aktualisiert wird.[7][8]

Stell unserer Demo die schwierigsten Fragen, die dir einfallen.

Chatbot-Fallbeispiele aus der Praxis

Wie Unternehmen weltweit Chat Agents und KI im Kundenservice einsetzen.

Amazon

E‑Commerce
In der weiten E‑Commerce‑Landschaft stehen Online‑Käufer vor erheblichen Hürden bei der Produktsuche und Entscheidungsfindung. Bei Millionen von Produkten fällt es Kund:innen häufig schwer, Artikel zu finden, die genau ihren Anforderungen entsprechen, Optionen zu vergleichen oder schnelle Antworten auf nuancierte Fragen zu Funktionen, Kompatibilität und Nutzung zu erhalten.

Lösung

Amazon entwickelte Rufus, einen generativen, KI‑gestützten konversationellen Einkaufsassistenten, der in die Amazon Shopping‑App und die Desktop‑Version integriert ist. Rufus nutzt ein maßgeschneidertes Large Language Model (LLM), das auf Amazons Produktkatalog, Kundenbewertungen und Webdaten feinabgestimmt wurde, um natürliche, mehrstufige Gespräche zu führen, Fragen zu beantworten, Produkte zu vergleichen und maßgeschneiderte Empfehlungen zu geben.

Ergebnisse

  • 60 % höhere Kaufabschlussrate bei Rufus‑Nutzer:innen
  • Prognostizierte zusätzliche Umsätze von $10B durch Rufus
  • 250M+ Kund:innen nutzten Rufus im Jahr 2025
  • Monatlich aktive Nutzer:innen +140 % YoY
  • Interaktionen stiegen um 210 % YoY
  • Black‑Friday‑Verkaufssitzungen +100 % mit Rufus
  • Kürzlicher Anstieg der Rufus‑Nutzer:innen um 149 %
Fallstudie lesen →

Bank of America

Bankwesen
Die Bank of America sah sich einem hohen Volumen routinemäßiger Kundenanfragen gegenüber, etwa Kontostände, Zahlungen und Transaktionsverläufe, was traditionelle Callcenter und Supportkanäle überlastete. Bei Millionen täglicher Nutzer des digitalen Bankings fiel es der Bank schwer, rund um die Uhr personalisierte Finanzberatung in großem Maßstab anzubieten, was zu Ineffizienzen, längeren Wartezeiten und uneinheitlicher Servicequalität führte.

Lösung

Bank of America entwickelte Erica, einen internen durch NLP unterstützten virtuellen Assistenten, der direkt in die Mobile-Banking-App integriert ist und Natural Language Processing sowie prädiktive Analytik nutzt, um Anfragen konversationell zu bearbeiten. Erica fungiert als Einstiegspunkt für Self-Service, bearbeitet Routineaufgaben sofort und liefert gleichzeitig personalisierte Einblicke, wie Liquiditätsprognosen oder maßgeschneiderte Empfehlungen, wobei Kundendaten sicher verwendet werden.

Ergebnisse

  • Über 3 Milliarden Kundeninteraktionen insgesamt seit 2018
  • Nahezu 50 Millionen eindeutige Nutzer unterstützt
  • Über 58 Millionen Interaktionen pro Monat (2025)
  • 2 Milliarden Interaktionen bis April 2024 erreicht (Verdoppelung von 1 Mrd. in 18 Monaten)
  • Bis 2024 wurden 42 Millionen Kunden unterstützt
  • 19 % Gewinnanstieg, verbunden mit Effizienzgewinnen
Fallstudie lesen →

Capital One

Bankwesen
Capital One sah sich mit einem hohen Volumen routinemäßiger Kundenanfragen konfrontiert, die ihre Callcenter überschwemmten – darunter Kontostände, Transaktionshistorien und grundlegende Supportanfragen. Das führte zu steigenden Betriebskosten, Überlastung der Agenten und frustrierenden Wartezeiten für Kunden, die sofortige Hilfe erwarteten.

Lösung

Capital One begegnete diesen Problemen durch die Entwicklung von Eno, einem proprietären konversationellen KI-Assistenten, der auf firmeneigener NLP beruht und für Banking-Vokabular angepasst wurde. Ursprünglich 2017 als SMS-Chatbot eingeführt, wurde Eno auf mobile Apps, Weboberflächen und Sprachintegration mit Alexa ausgeweitet und ermöglicht Multichannel-Support per Text oder Sprache für Aufgaben wie Kontostandsabfragen, Ausgabenanalysen und proaktive Benachrichtigungen.

Ergebnisse

  • 50% Reduzierung des Callcenter-Kontaktvolumens bis 2024
  • Rund-um-die-Uhr-Verfügbarkeit, die jährlich Millionen von Interaktionen abwickelt
  • Über 100 Millionen verarbeitete Kundengespräche
  • Bedeutende Einsparungen bei den Betriebskosten im Kundenservice
  • Beinahe sofortige Antwortzeiten bei Routineanfragen
  • Verbesserte Kundenzufriedenheit durch personalisierten Support
Fallstudie lesen →

Commonwealth Bank of Australia (CBA)

Bankwesen
Als Australiens größte Bank sah sich CBA zunehmenden Betrugs- und Scam-Bedrohungen gegenüber, wobei Kunden erhebliche finanzielle Verluste erlitten. Betrüger nutzten schnelle digitale Zahlungen wie PayID aus, bei denen nicht übereinstimmende Empfängernamen zu unumkehrbaren Überweisungen führten.

Lösung

CBA setzte einen hybriden KI-Stack ein, der Maschinelles Lernen zur Anomalieerkennung und generative KI für personalisierte Warnungen kombiniert. NameCheck überprüft Empfängernamen gegen PayID in Echtzeit und warnt Nutzer bei Abweichungen. CallerCheck authentifiziert eingehende Anrufe und blockiert Nachahmungs-Betrugsversuche. In Partnerschaft mit H2O.ai implementierte CBA von GenAI angetriebene prädiktive Modelle zur Scam-Intelligence.

Ergebnisse

  • 70 % Reduktion der Betrugsverluste
  • 50 % Verringerung der Kundenschäden durch Betrug bis 2024
  • 30 % Rückgang der Betrugsfälle durch proaktive Warnungen
  • 40 % Reduktion der Wartezeiten im Contact Center
  • 95 %+ Genauigkeit bei NameCheck-Empfängerabgleichen
Fallstudie lesen →

HSBC

Bankwesen
Als eine der weltweit größten Banken nach Vermögenswerten verarbeitet HSBCMilliarden von Transaktionen, wodurch die Betrugserkennung und die Geldwäschebekämpfung (AML) zu einer enormen Herausforderung werden. Traditionelle regelbasierte Systeme litten unter hohen Falsch-Positiv-Raten, was zu übermäßigen manuellen Prüfungen führte, Compliance-Teams belastete, Kosten erhöhte und Kunden-Transaktionen verlangsamte .

Lösung

HSBC begegnete Betrug mit Google Cloud KI-gestützten ML-Modellen für AML, die fortschrittliche Algorithmen nutzen, um Transaktionsmuster, Kundenverhalten und externe Daten für präzise Anomalieerkennung zu analysieren und so Falsch-Positiv-Raten drastisch zu senken . Dies war Teil einer breiteren Strategie, die global Hunderte von KI-Anwendungsfällen implementierte, von Risikomodellen bis zu Überwachungssystemen .

Ergebnisse

  • Hunderte von global eingesetzten KI-Anwendungsfällen in den Betriebsbereichen
  • Mehrjährige Partnerschaft mit Mistral AI beschleunigt GenAI-Einführung bankweit
  • Verbesserte AML-Erkennung mit reduzierten Falsch-Positiven durch Google Cloud ML
  • Echtzeit-Betrugskennzeichnung für Milliarden täglicher Transaktionen
  • GenAI-Tools zielen auf 20–40% Produktivitätssteigerungen bei Bankaufgaben
  • Transformierter Kundenservice mit 24/7 skalierbaren NLP-Chatbots
Fallstudie lesen →