Effizienter Fahrzeugbau dank KI: Spracheingabe macht Daten nutzbar
Warum Fahrzeugdaten oft ein Engpass sind
In vielen Betrieben des Fahrzeugbaus – besonders bei kleinen und mittleren Unternehmen – nimmt die Erfassung von Anforderungen enorm viel Zeit in Anspruch. Ob bei der Fahrzeugkonfiguration oder in internen Prozessen wie Genehmigungen: oft laufen diese Abläufe über Tabellen, Formulare oder E-Mails. Das verursacht hohen manuellen Aufwand und erhöht das Risiko für Fehler.
Genau hier setzt KENBUNs neues Werkzeug llm2json an.
Es übersetzt geschriebene oder gesprochene Freitexte in klar definierte JSON-Strukturen – und das automatisiert, schnell und zuverlässig. Das eröffnet nicht nur neue Möglichkeiten im Frontend-Design von Plattformen wie EcoVity, sondern senkt auch die Eintrittshürde für die Nutzung digitaler Services dramatisch. Denn: Die Eingabe erfolgt einfach in natürlicher Sprache – den Rest übernimmt die KI.
Vom Freitext zum strukturierten Datensatz – in drei Schritten:
Das Tool benötigt zwei Eingaben:
- Das Ziel-Format: Entwickler: innen oder Systembetreiber definieren vorab, welche Informationen in welchem Format erwartet werden – z.B. Anzahl der Sitze, Antrieb, Extras etc.
- Die Nutzereingabe: Der Anwender beschreibt einfach sein Anliegen in natürlicher Sprache – per Tastatur oder Spracheingabe.
Die KI wertet die Eingabe kontextbasiert aus und erzeugt daraus ein JSON-Objekt, das direkt weiterverwendet werden kann – z.B. für Konfiguratoren, Workflows oder die Ansteuerung von Schnittstellen.
Beispiel
Ziel-Format (Schema)
Nutzer-Eingabe als Freitext
„Ich brauche ein Elektrofahrzeug mit Ladefläche und vier Sitzen“
Strukturierte Ausgabe
Unterstützte Datentypen
Die erste Version von llm2json ist für flache JSON-Strukturen optimiert. Folgende Feldtypen werden unterstützt:
- String (Freitext)
- Enum (z.B. Antriebsart)
- Multiselect (z.B. Ausstattungsextras)
- Zahl (Integer, Float)
- Datum und Uhrzeit
Das reicht bereits für viele praxisnahe Szenarien – vom Fahrzeugkonfigurator über Serviceformulare bis zur Angebotserstellung.
- Szene 1: Ein Nutzer beschreibt sein Fahrzeugbedürfnis in eigenen Worten.
- Szene 2: Die Plattform übergibt die Eingabe an den llm2json-Webservice.
- Szene 3: Die Umwandlung erfolgt vollautomatisch.
- Szene 4: Das strukturierte Ergebnis fließt in die technische und kaufmännische Bearbeitung ein – z.B. für die Konfiguration oder Produktionsplanung.
Die Anbindung erfolgt dabei über eine standardisierte REST API, die mit JSON arbeitet – einfach, robust und leicht integrierbar.
Fazit: Smarte Eingabe, klare Daten – und mehr Effizienz für KMU
Ob für Fahrzeugkonfiguration, Projektmanagement oder organisatorische Abläufe: llm2json ist ein Werkzeug, das den digitalen Einstieg erleichtert – gerade für kleinere Unternehmen.
Vorteile auf einen Blick:
Niedrige Einstiegshürden
Kein komplexes UI –
einfach schreiben oder sprechen.
Kosteneffizienz
Weniger manuelle Nacharbeit,
mehr Automatisierung.
Fehlerreduktion
Strukturierte Daten statt falsch
ausgefüllter Formulare.
Skalierbarkeit
Einfach anpassbar für neue Formate,
Kontexte und Branchen.
EcoVity zeigt mit diesem Beispiel, wie sich Sprach-KI sinnvoll in industrielle Plattformen integrieren lässt – als Baustein für eine kooperative, modulare und digitale Zukunft des Fahrzeugbaus.
Häufig gestellte Fragen (FAQ)
Wie kann KI den Fahrzeugbau effizienter machen?
KI automatisiert wiederkehrende Aufgaben wie die Umwandlung von Freitext in strukturierte Daten. Das spart Zeit, reduziert Fehler und entlastet Mitarbeitende.
Was ist der Vorteil von Spracheingabe gegenüber klassischen Formularen?
Spracheingabe ist intuitiver und schneller. Mitarbeitende können Anforderungen in eigenen Worten formulieren, während die KI diese direkt in verwertbare Daten übersetzt.
Welche Datenarten lassen sich mit llm2json verarbeiten?
Die Lösung unterstützt Freitext, Auswahlfelder, Mehrfachauswahlen, Zahlen sowie Zeit- und Datumsangaben.
Für wen eignet sich die Lösung besonders?
Vor allem für kleine und mittelständische Unternehmen (KMU), die ohne großen Aufwand Prozesse digitalisieren und effizienter gestalten möchten.
Ist die Lösung flexibel erweiterbar?
Ja, da die Daten standardisiert im JSON-Format vorliegen. Sie können problemlos in bestehende Systeme integriert und erweitert werden.
Über das Projekt EcoVity
Im Fokus des Projekts IntWertL (Intelligente Wertschöpfungsnetzwerke für Leichtbaufahrzeuge geringer Stückzahl) steht die Idee, über eine digitale Plattform die Zusammenarbeit verschiedener Unternehmen entlang der Lieferkette so zu gestalten, dass auch Nischenfahrzeuge mit kleinen Stückzahlen wirtschaftlich und nachhaltig produziert werden können. Besonders wichtig dabei: Die Plattform soll KMU den Zugang zu komplexen Wertschöpfungsnetzwerken erleichtern – ohne hohe Einstiegshürden oder Abhängigkeit von Konzernen. Diese Plattform wird derzeit unter dem Namen EcoVity im Rahmen des Forschungsprojekts entwickelt und erprobt. Anfang 2026 soll das finale Konzept feststehen. Das Projekt wird von der bwcon research gGmbH koordiniert, vom TÜV Rheinland getragen und vereint die Expertise von 22 Förderpartnern.
• Studium Elektrotechnik, Uni Stuttgart
• Promotion in Robotik, KIT: Deep Learning Methoden zum autonomen Greifen von unbekannten Objekten
• AI Engineer: Transfer von wissenschaftlichen Methoden in die Industrie
Dr. Simon Ottenhaus studierte Elektrotechnik an der Universität Stuttgart und promovierte am KIT im Bereich Robotik zum Thema „Autonomes Greifen unbekannter Objekte mithilfe von Deep-Learning-Methoden“. Bei der KENBUN IT AG arbeitet er an der Übertragung von Methoden des maschinellen Lernens aus der Forschung in die Industrie, insbesondere an Sprachassistenten im industriellen Kontext.
Willkommen! Schön, dass Sie da sind.
Hier finden Sie Inspirationen, Neuigkeiten und wertvolle Impulse rund um das Thema Künstliche Intelligenz!
Bleiben Sie auf dem Laufenden und lassen Sie sich von uns regelmäßig inspirieren.