case studies
Whitepapers, technical reports and feasibility studies from our work on optimisation, anomaly detection and agents in industrial and energy systems. Most are written in German. Numbers come from simulation studies or public data and are marked as such.
-
Ein Copilot für das Werk: die Plattform hinter den Agenten – wo sie läuft, was sie nutzt, wer sie beaufsichtigtDie Plattform hinter den industriellen Agenten: Betriebsort, Sprachmodelle, Anbindung an bestehende Systeme, Aufsicht und Kosten. Für Entscheider aus Fachbereich, IT und Einkauf; Zahlen aus dem Demo-Betrieb und Zielkorridore sind illustrativ, keine Zusicherung.On-premisePrivate CloudEU-gehostete ModelleKonnektorenGovernanceAPIFinOpsWerte illustrativ
-
Fünf Agenten für Energie und Verschnitt: was sie in einer Papierfabrik übernehmen – und was bei den Fachbereichen bleibtIm Demo-Werk Nord übernehmen fünf Agenten die wiederkehrende Rechen- und Vorbereitungsarbeit rund um Energiebezug und Materialverlust. Der Beitrag zeigt die Zusammenarbeit mit den Fachbereichen; alle Zahlen sind illustrativ.PapierindustrieNominierungLastspitzenIntradayProduktionsplanungVerschnittDemo-Werk · Werte illustrativ
-
Anomalien in Sensordaten aus Wassersystemen erkennen: was gut eingestellte Verfahren leisten — und wo der Betrieb sie einholtAuf zwei öffentlichen Benchmark-Datensätzen — einem Prüfstand für Wasserzirkulation und fünf Monaten Trinkwasserqualität aus dem Netzbetrieb — wurden neun Verfahren der automatischen Anomalieerkennung unter …WasserwirtschaftAnomalieerkennungSensor-MonitoringBenchmarkDrift von Schwellen quantifiziert
-
Weniger Verluste, gehaltene Liefertemperatur: was ein digitaler Zwilling im Fernwärmenetz leistetWir haben die zentrale Funktionskette einer Digital-Twin-Plattform für Fernwärmenetze — thermohydraulische Netzsimulation, Lastprognose, Betriebsoptimierung der Vorlauftemperatur — mit offenen Komponenten und …FernwärmeDigitaler ZwillingMILP / MPCLastprognoseValidierung an Realdaten
-
1,8 bis 3,5 Mio € im Jahr: was Flexibilität heute verdient, warum die Regulatorik sie morgen noch wertvoller macht, und warum der Einstieg Wochen statt Monate dauertDampfintensive Werke sitzen auf einem der größten ungenutzten Flexibilitätspotenziale des Stromsystems.Demand ResponseDampfintensive IndustrieDigitaler ZwillingMILP / MPC§19 StromNEV · AgNeS
-
Sieben Prozent weniger Energiekosten, volle Versorgungssicherheit: was vorausschauende Optimierung in der Papierfabrik leistetEine Papierfabrik mit eigener Kraft-Wärme-Kopplung wurde als Simulationsumgebung mit realistischen Unsicherheiten aufgebaut — schwankende Strompreise, wechselnde Bedarfe, ungeplante Produktionsunterbrechungen.PapierindustrieKraft-Wärme-KopplungMILP / MPCLastflexibilitätLeistungspreis-Risiko quantifiziert
-
Weniger Dampf, engere Qualität, ruhigerer Betrieb: was modellgestützte Optimierung in der Pressen- und Trockenpartie einer Papiermaschine leistetWir haben die Abwägung zwischen Energie, Qualität und Laufsicherheit einer Papiermaschine als Optimierungsproblem formuliert und auf einem physikalischen Simulationsmodell durchgerechnet: eine Heuristik als …PapierindustrieTrockenpartieMILP / MPCDigitaler ZwillingStochastische Optimierung
-
Energieflexibilität in der dampfintensiven Industrie: was sie wert ist, und was sich am Zugang geändert hatZusammenfassung der Simulationsstudie einer dampfintensiven Modellanlage: Problemstellung, Lösungsansatz und Kernergebnisse in der Fassung für Management und Fachbereiche.Demand ResponseDampfintensive IndustrieNetzentgelte · §19Fassung für Entscheider
-
Flexibilitätsoptimierung in der dampfintensiven Industrie: Problemstellung, Lösungsansatz, ErgebnisseDie Studie beziffert per Backtest über sechs reale Marktjahre (2015–2025), was Lastflexibilität in einem dampfintensiven Werk verdient — mit Netzentgelten und Lieferterminen in der Zielfunktion.Demand ResponseMILP-MPCNetzentgelte / §19Simulationsstudie · Werte illustrativ
-
Anomalieerkennung in Dampfsystemen — ohne gelabelte Fehlerdaten, ohne ZusatzsensorikDampfsysteme verlieren 5–15 % ihrer Brennstoffkosten durch schleichende Defekte, vor allem an Kondensatableitern; erkannt wird das heute per Mehrjahres-Survey oder per Sensor je Ableiter.UnüberwachtAR + Mahalanobis + EWMAKondensatableiter / Steam TrapsValidierung auf öffentlichen Ersatzdaten
-
Anomalieerkennung in Dampfsystemen aus Bestandsdaten: Problemstellung, Lösungsansatz, ErgebnisseDampfsysteme verlieren 5–15 % der Brennstoffkosten durch schleichende Defekte; erkannt wird das heute per Mehrjahres-Survey oder per Sensor je Ableiter.UnüberwachtAR + Mahalanobis + EWMAKondensatableiter / Steam TrapsTrain/Test-AuditKennzahlen reproduzierbar · keine Zusicherung
-
Fragen Sie Ihre Daten: Wie KI-Agenten die Produktion analysieren — und handeln.Dashboards zeigen, was war — die Schicht fragt, was jetzt zu tun ist. Dieses Whitepaper zeigt, wie vorgefertigte KI-Agenten für Analytics, Operations und Compliance diese Lücke schließen: Sie fragen in …Agentic AnalyticsOEE & VerlustanalyseUptime & InstandhaltungEnergie & LastspitzenCompliance & Nachweise
-
Jede Viertelstunde zählt: Wie aus Energiedaten laufende Systeme werden.Lastspitzen, Spotmarktvolatilität, Netzentgelte, Ausgleichsenergie — in der Energiewirtschaft entscheiden wenige Viertelstunden über die Kostenposition eines ganzen Jahres.Peak-ShavingEnergiekosten & HLZLastprognosePV & SpeicherBusiness Case
-
Jeder Kilometer zählt: Wie aus Logistikdaten laufende Systeme werden.Leerfahrten, Stehzeiten, Rampenstaus, Standgeld — in der Logistik entscheiden Auslastung und Takt über die Marge eines ganzen Jahres.FlottenauslastungLeerfahrten & RückladungenUmschlag & RampenTourenplanungBusiness Case
-
Jeder OEE-Punkt hat eine Ursache: Wie aus Produktionsdaten laufende Systeme werden.Ungeplante Stillstände, Mikrostopps, Ausschuss, starre Wartungskalender — in der Fertigung entscheiden wenige, wiederkehrende Verlustmuster über die Produktivität eines ganzen Jahres.OEE & VerlustanalyseUngeplante StillständeQualität & AusschussInstandhaltungBusiness Case
-
Vom Schema zur Entscheidung: Wie LLM-Agents die Pipeline von Digital Twin bis Optimierung beschleunigen.Die Pipeline von rohen Schemata über den Semantic Layer bis zu ML-Modellen und OR-Optimierung scheitert in der Praxis selten an Algorithmen — sondern an den Übergängen dazwischen.LLM-AgentsSemantic Layer / UNSOperations ResearchDigital TwinEnergie · Industrie · Logistik