---
title: "Unsere Lösungen: Industrie"
description: "11 Projektbeispiele von fuseki aus dem Bereich Industrie: KI, Datenanalyse und individuelle Software – von der Idee bis zum Betrieb."
url: https://fuseki.com/loesungen/industrie/
---

# Unsere Lösungen: Industrie

Seit über 25 Jahren entwickeln wir Softwarelösungen, die Prozesse automatisieren und intelligenter machen. Klick Dich durch unser Portfolio und kontaktiere uns mit Deiner Herausforderung.

## Portfolio.

-   [Alle](https://fuseki.com/loesungen/)
-   [Diverse](https://fuseki.com/loesungen/diverse/)
-   [Energie](https://fuseki.com/loesungen/energie/)
-   [Entsorgung](https://fuseki.com/loesungen/entsorgung/)
-   [Forschung](https://fuseki.com/loesungen/forschung/)
-   [Gesundheit](https://fuseki.com/loesungen/gesundheit/)
-   [Industrie](https://fuseki.com/loesungen/industrie/)
-   [Logistik](https://fuseki.com/loesungen/logistik/)
-   [Personalwesen](https://fuseki.com/loesungen/personalwesen/)
-   [Retail](https://fuseki.com/loesungen/retail/)
-   [Touristik](https://fuseki.com/loesungen/touristik/)
-   [Wasserwirtschaft](https://fuseki.com/loesungen/wasserwirtschaft/)

-   ### hetida platform: IoT- & Analytics-Plattform für Betriebsanlagen
    
    Eine Plattform für Schnittstellen, Workflows und Dashboards: Strukturieren Sie Assets, integrieren Sie Daten (z. B. MQTT/OPC UA/REST), analysieren Zeitreihen per KI-gestützter Python-Workflows und alarmieren bei Abweichungen – sicher und flexibel on‑prem, hybrid oder in der Cloud.
    
    [mehr Informationen](https://hetida.io/)
    
-   ### Nanoindenter Assistent
    
    Unterstützung des Fachpersonals in der Werkstoffprüfung durch automatisierte Bildauswertung.
    
    [mehr Informationen](https://fuseki.com/news/nanoindenter-assistent/)
    
-   ### Automatisierte Verarbeitung von Kundenanfragen
    
    Neuronales Netz erkennt Anliegen in unstrukturierten Daten. Klassifikation nach Art (Reklamation, etc.) und Inhalt (z.B. Gepäckverlust, Flugzeitverspätung).
    
-   ### Prognosen der optimalen Bandausnutzung
    
    Entwicklung eines Machine-Learning-Modells unter Einbeziehung der chemischen und mechanischen Band- und Anlagendaten, welches die optimale Bandpufferausnutzung durch genaue Prognose ermöglicht.
    
-   ### Identifikation von Abwanderungs-Verhalten
    
    Machine Learning Algorithmus generiert Scoring Kennzahlen für den Vertrieb, die die täglichen Bewertungen des aktuellen Bestellverhaltens im Vergleich zur Einkaufshistorie zeigen.
    
-   ### Predictive Analytics für Marktnachfrage
    
    Entwicklung verschiedener auf Parameter zugeschnittene Modelle zur verbesserten, vollautomatisierten Vorhersage der Marktnachfrage.
    
-   ### Videobasierte Identifikation von Stahlbrammen
    
    Deep Learning Algorithmen für die automatische Überwachung der Reihenfolge von Stahlbrammen führen zu höherer Kundenzufriedenheit durch robustere Sicherstellung der bestellten Stahlqualität.
    
-   ### Drohnenbasierte Inventur von Stahlcoils
    
    Einsatz von Deep Learning zum automatischen Erkennen und Zählen von Coils mit Hilfe einer Kamera-Drohne.
    
-   ### Analyse von Stahlgefüge
    
    Ein neuronales Netz lernt von den Metallurgie-Experten, um verschiedene Gefügephasen auf Bildern eines Rasterelektronenmikroskops voneinander zu unterscheiden.
    
-   ### Condition Monitoring von Kühlsystemen
    
    Ausfallvorhersage durch Monitoring der Sensor und Stromverbrauchsdaten. Selbstlernendes KI-System mit automatisierter Wartungspriorisierung.
    
-   ### Predictive Maintenance für Bergbaumaschinen
    
    Auswertung von Sensordaten zur Vorhersage des optimalen Wartungstermins.