Transformation des Auftragsmanagements mit KI-Agenten für einen führenden B2B-Bäckereilieferanten

Transformation des Auftragsmanagements mit KI-Agenten für einen führenden B2B-Bäckereilieferanten

4 Min. Lesezeit

Ein führender B2B-Bäckereizulieferer in Europa, bekannt für die Lieferung von hochwertigen tiefgekühlten Backwaren in über 40 Länder, erlebte einen erheblichen operativen Engpass aufgrund der manuellen Bearbeitung eingehender E-Mail-Bestellungen. Mit schnell steigenden täglichen Volumen und zunehmender Bestellkomplexität ging das Unternehmen eine Partnerschaft mit Beam AI ein, um eine neue Ära der agentenbasierten Automatisierung einzuleiten.

Die Herausforderung

Vor der Intervention von Beam AI sah sich das Unternehmen drei kritischen Arbeitsablauf-Schmerzpunkten gegenüber:

  • Hohe manuelle Belastung: Bestelldetails mussten manuell aus E-Mails (einschließlich Anhängen) extrahiert und in Microsoft Dynamics NAV (Navision) erneut eingegeben werden, was das Risiko von Verzögerungen und menschlichen Fehlern erhöhte.

  • Lange Bearbeitungszeit: Der End-to-End-Arbeitsablauf, vom Eingang einer Bestellung bis zur Erstellung von Transport- und Liefermitteilungen, dauerte oft mehrere Stunden und begrenzte den Durchsatz.

  • Fragmentierte Systeme: Datenformat-Ungleichheiten und E-Mail-basierte Kommunikationssilos verhinderten eine reibungslose Integration mit den vorhandenen ERP- und Logistiksystemen.

Der Kunde benötigte eine Lösung, die zuverlässig funktionieren, verschiedene Dokumentformate verarbeiten und Geschwindigkeit ohne Kompromisse bei der Genauigkeit vorantreiben konnte.

Beam AI-Lösung: Eine vollständige agentenbasierte Automatisierung

Beam AI setzte eine Reihe intelligenter Agenten ein, die mit dem AgentOS-Framework erstellt wurden. Jeder Agent wurde entwickelt, um einen bestimmten Schritt im End-to-End-Bestellverarbeitungsprozess zu bewältigen:

Automatisierung des Workflows

Vom initialen E-Mail-Parsing bis zum Hochladen strukturierter Daten in Navision ist der gesamte Prozess durch einen koordinierten Agentenfluss automatisiert:

  1. Trigger: Beginnt, wenn eine neue E-Mail einen überwachten Posteingang erreicht.

  2. Klassifizierung: Die E-Mail wird analysiert, um zu überprüfen, ob sie bestellbezogen ist.

  3. Kategorisierung: Die Outlook-Kategorie wird aktualisiert (z. B. „Bestellung – Bearbeitet“).

  4. Regelprüfung: Kundenbezogene Logik wird basierend auf den Senderinformationen angewendet.

  5. Kopfextraktion: Zieht wichtige Bestelldetails (Bestellnummer, Daten, Adresse usw.) heraus.

  6. Kunden-ID-Abgleich: Verwendet unscharfe Logik, um die richtige ID aus einer externen Datenbank zu finden.

  7. Artikelposten-Extraktion: Analysiert produktbezogene Informationen (Artikelnummer, Menge usw.).

  8. CSV-Erstellung: Erstellt eine standardisierte Datei für den ERP-Import.

  9. ERP-Hochladen: Sendet CSV über SFTP an Microsoft Navision.

  10. Archivierung: Speichert Anhänge mit Metadaten in DocuWare.


Genutzte Schlüsselkompetenzen

AgentOS-Komponente

Rolle im Arbeitsablauf

Graph

Definierte die End-to-End-Logik für Klassifizierung, Extraktion und Hochladen von Bestellungen.

Tools

Unterstützte E-Mail-Encoding, CSV-Erstellung, Navision, SFTP- und DocuWare-Upload

Integrationen

Verbindung zu Outlook, NAV (ERP) und DocuWare für nahtlosen Datenfluss.

Memory

Verfolgte den Bestellkontext und reduzierte die Nachbearbeitung doppelter E-Mails.

Trigger

Automatisierte Aktivierung durch Überwachung des E-Mail-Posteingangs.

Anwendungs-Beispiele

Jede Bestellung löst eine kaskadierende Automatisierungssequenz aus. Im Folgenden ist zusammengefasst, wie jeder Schritt agentisch bearbeitet wird:

Phase

Aktion

Integrationstyp

Agentenfähigkeit

Trigger

Erkennung neuer Bestell-E-Mails

Ereignisauslöser

E-Mail-Überwacher

Klassifizieren

Identifizieren, ob die E-Mail eine umsetzbare Bestellung enthält

Aufforderung + Tag

LLM-basierter Klassifizierer

Kunde validieren

Überprüfen, ob der Absender speziellen kundenbezogenen Regeln folgt

Regelverzweigung

Kundenregel-Engine

E-Mail kategorisieren

Aktualisieren der Outlook-Kategorie basierend auf der Klassifizierung

Aktualisierung

Outlook-Kategorieaktualisierer

Kopf extrahieren

Bestelldetails aus PDF/Text parsen

Aufforderung

Bestellkopf-Extraktor (LLM)

Kunden-ID bereichern

Kunden-ID aus externer Datenbank anhand der Adresse nachschlagen

Nachschlagen

Unschärfematcher + ID-Auflöser

Produkte extrahieren

Produkt-Bestellposten aus Anhängen extrahieren

Aufforderung

Produktdetails-Extraktor (LLM)

CSV erstellen

Strukturierte Daten in ein ERP-kompatibles .csv konvertieren

Dateiautor

CSV-Generator

Hochladen ins ERP

Übertragen der .csv-Datei über SFTP an Navision

Integration

ERP-Connector (SFTP)

Dokument archivieren

Ursprungs-PDF in DocuWare hochladen

Integration

DMS-Connector (DocuWare)

Einfluss & Ergebnisse

Die Automatisierung führte zu messbaren und nachhaltigen Verbesserungen:

Metrik

Vor Beam

Nach Beam

E-Mail-Bearbeitungszeit

~4 Stunden

<15 Minuten

Manuelle Datenfehler

~12%

<1%

Bestellungsbelastung

100 % manuell

85 % automatisiert

Geschwindigkeit der Bestellbestätigung

6–12 Stunden

<1 Stunde

ERP-Synchronisationsfehler

Häufig

Selten

⚡ Ergebnis: Über 85 % aller Bestellabläufe sind jetzt vollautomatisiert, sodass der Kunde Hunderte von täglichen Bestellungen mit minimalem menschlichen Eingriff bearbeiten kann.

Kundenstimme

„Was früher einen ganzen Arbeitstag dauerte, wird jetzt im Hintergrund vor dem Mittagessen erledigt. Wir machen uns keine Sorgen mehr über den manuellen Rückstand, die Automatisierung von Beam läuft einfach.“

Ausblick

Nach der erfolgreichen Automatisierung der Bestellverarbeitung arbeitet Beam AI nun mit dem Kunden an der Einführung von:

  • Produktionsplanungsempfehlungen: Basierend auf historischen Bestellungen und KI-gestützter Prognose.

  • Rechnungsautomatisierung: Generieren und Synchronisieren von Kundenrechnungen direkt aus ERP-Ereignissen.

  • End-to-End-Transportplanung: Einschließlich dynamischer Planung mit Logistikanbietern.

Dies ist erst der Anfang eines umfassenden digitalen Transformationsplans, der darauf abzielt, alle kundenorientierten Operationen durch intelligente Agenten zu optimieren.

Fazit

Diese Fallstudie veranschaulicht die Kraft der auf AgentOS basierenden Automatisierung bei der Bewältigung von hochvolumigen, sich wiederholenden B2B-Arbeitsabläufen. AI-Agenten, die Aufgaben in Kommunikation, ERP-Systemen und Dokumentenmanagement orchestrieren, ermöglichten Beam AI einen Bestellmanagement-Lebenszyklus, der einen neuen Maßstab für betriebliche Effizienz in der Verteilung von Tiefkühlwaren setzt.

Ein führender B2B-Bäckereizulieferer in Europa, bekannt für die Lieferung von hochwertigen tiefgekühlten Backwaren in über 40 Länder, erlebte einen erheblichen operativen Engpass aufgrund der manuellen Bearbeitung eingehender E-Mail-Bestellungen. Mit schnell steigenden täglichen Volumen und zunehmender Bestellkomplexität ging das Unternehmen eine Partnerschaft mit Beam AI ein, um eine neue Ära der agentenbasierten Automatisierung einzuleiten.

Die Herausforderung

Vor der Intervention von Beam AI sah sich das Unternehmen drei kritischen Arbeitsablauf-Schmerzpunkten gegenüber:

  • Hohe manuelle Belastung: Bestelldetails mussten manuell aus E-Mails (einschließlich Anhängen) extrahiert und in Microsoft Dynamics NAV (Navision) erneut eingegeben werden, was das Risiko von Verzögerungen und menschlichen Fehlern erhöhte.

  • Lange Bearbeitungszeit: Der End-to-End-Arbeitsablauf, vom Eingang einer Bestellung bis zur Erstellung von Transport- und Liefermitteilungen, dauerte oft mehrere Stunden und begrenzte den Durchsatz.

  • Fragmentierte Systeme: Datenformat-Ungleichheiten und E-Mail-basierte Kommunikationssilos verhinderten eine reibungslose Integration mit den vorhandenen ERP- und Logistiksystemen.

Der Kunde benötigte eine Lösung, die zuverlässig funktionieren, verschiedene Dokumentformate verarbeiten und Geschwindigkeit ohne Kompromisse bei der Genauigkeit vorantreiben konnte.

Beam AI-Lösung: Eine vollständige agentenbasierte Automatisierung

Beam AI setzte eine Reihe intelligenter Agenten ein, die mit dem AgentOS-Framework erstellt wurden. Jeder Agent wurde entwickelt, um einen bestimmten Schritt im End-to-End-Bestellverarbeitungsprozess zu bewältigen:

Automatisierung des Workflows

Vom initialen E-Mail-Parsing bis zum Hochladen strukturierter Daten in Navision ist der gesamte Prozess durch einen koordinierten Agentenfluss automatisiert:

  1. Trigger: Beginnt, wenn eine neue E-Mail einen überwachten Posteingang erreicht.

  2. Klassifizierung: Die E-Mail wird analysiert, um zu überprüfen, ob sie bestellbezogen ist.

  3. Kategorisierung: Die Outlook-Kategorie wird aktualisiert (z. B. „Bestellung – Bearbeitet“).

  4. Regelprüfung: Kundenbezogene Logik wird basierend auf den Senderinformationen angewendet.

  5. Kopfextraktion: Zieht wichtige Bestelldetails (Bestellnummer, Daten, Adresse usw.) heraus.

  6. Kunden-ID-Abgleich: Verwendet unscharfe Logik, um die richtige ID aus einer externen Datenbank zu finden.

  7. Artikelposten-Extraktion: Analysiert produktbezogene Informationen (Artikelnummer, Menge usw.).

  8. CSV-Erstellung: Erstellt eine standardisierte Datei für den ERP-Import.

  9. ERP-Hochladen: Sendet CSV über SFTP an Microsoft Navision.

  10. Archivierung: Speichert Anhänge mit Metadaten in DocuWare.


Genutzte Schlüsselkompetenzen

AgentOS-Komponente

Rolle im Arbeitsablauf

Graph

Definierte die End-to-End-Logik für Klassifizierung, Extraktion und Hochladen von Bestellungen.

Tools

Unterstützte E-Mail-Encoding, CSV-Erstellung, Navision, SFTP- und DocuWare-Upload

Integrationen

Verbindung zu Outlook, NAV (ERP) und DocuWare für nahtlosen Datenfluss.

Memory

Verfolgte den Bestellkontext und reduzierte die Nachbearbeitung doppelter E-Mails.

Trigger

Automatisierte Aktivierung durch Überwachung des E-Mail-Posteingangs.

Anwendungs-Beispiele

Jede Bestellung löst eine kaskadierende Automatisierungssequenz aus. Im Folgenden ist zusammengefasst, wie jeder Schritt agentisch bearbeitet wird:

Phase

Aktion

Integrationstyp

Agentenfähigkeit

Trigger

Erkennung neuer Bestell-E-Mails

Ereignisauslöser

E-Mail-Überwacher

Klassifizieren

Identifizieren, ob die E-Mail eine umsetzbare Bestellung enthält

Aufforderung + Tag

LLM-basierter Klassifizierer

Kunde validieren

Überprüfen, ob der Absender speziellen kundenbezogenen Regeln folgt

Regelverzweigung

Kundenregel-Engine

E-Mail kategorisieren

Aktualisieren der Outlook-Kategorie basierend auf der Klassifizierung

Aktualisierung

Outlook-Kategorieaktualisierer

Kopf extrahieren

Bestelldetails aus PDF/Text parsen

Aufforderung

Bestellkopf-Extraktor (LLM)

Kunden-ID bereichern

Kunden-ID aus externer Datenbank anhand der Adresse nachschlagen

Nachschlagen

Unschärfematcher + ID-Auflöser

Produkte extrahieren

Produkt-Bestellposten aus Anhängen extrahieren

Aufforderung

Produktdetails-Extraktor (LLM)

CSV erstellen

Strukturierte Daten in ein ERP-kompatibles .csv konvertieren

Dateiautor

CSV-Generator

Hochladen ins ERP

Übertragen der .csv-Datei über SFTP an Navision

Integration

ERP-Connector (SFTP)

Dokument archivieren

Ursprungs-PDF in DocuWare hochladen

Integration

DMS-Connector (DocuWare)

Einfluss & Ergebnisse

Die Automatisierung führte zu messbaren und nachhaltigen Verbesserungen:

Metrik

Vor Beam

Nach Beam

E-Mail-Bearbeitungszeit

~4 Stunden

<15 Minuten

Manuelle Datenfehler

~12%

<1%

Bestellungsbelastung

100 % manuell

85 % automatisiert

Geschwindigkeit der Bestellbestätigung

6–12 Stunden

<1 Stunde

ERP-Synchronisationsfehler

Häufig

Selten

⚡ Ergebnis: Über 85 % aller Bestellabläufe sind jetzt vollautomatisiert, sodass der Kunde Hunderte von täglichen Bestellungen mit minimalem menschlichen Eingriff bearbeiten kann.

Kundenstimme

„Was früher einen ganzen Arbeitstag dauerte, wird jetzt im Hintergrund vor dem Mittagessen erledigt. Wir machen uns keine Sorgen mehr über den manuellen Rückstand, die Automatisierung von Beam läuft einfach.“

Ausblick

Nach der erfolgreichen Automatisierung der Bestellverarbeitung arbeitet Beam AI nun mit dem Kunden an der Einführung von:

  • Produktionsplanungsempfehlungen: Basierend auf historischen Bestellungen und KI-gestützter Prognose.

  • Rechnungsautomatisierung: Generieren und Synchronisieren von Kundenrechnungen direkt aus ERP-Ereignissen.

  • End-to-End-Transportplanung: Einschließlich dynamischer Planung mit Logistikanbietern.

Dies ist erst der Anfang eines umfassenden digitalen Transformationsplans, der darauf abzielt, alle kundenorientierten Operationen durch intelligente Agenten zu optimieren.

Fazit

Diese Fallstudie veranschaulicht die Kraft der auf AgentOS basierenden Automatisierung bei der Bewältigung von hochvolumigen, sich wiederholenden B2B-Arbeitsabläufen. AI-Agenten, die Aufgaben in Kommunikation, ERP-Systemen und Dokumentenmanagement orchestrieren, ermöglichten Beam AI einen Bestellmanagement-Lebenszyklus, der einen neuen Maßstab für betriebliche Effizienz in der Verteilung von Tiefkühlwaren setzt.

Ein führender B2B-Bäckereizulieferer in Europa, bekannt für die Lieferung von hochwertigen tiefgekühlten Backwaren in über 40 Länder, erlebte einen erheblichen operativen Engpass aufgrund der manuellen Bearbeitung eingehender E-Mail-Bestellungen. Mit schnell steigenden täglichen Volumen und zunehmender Bestellkomplexität ging das Unternehmen eine Partnerschaft mit Beam AI ein, um eine neue Ära der agentenbasierten Automatisierung einzuleiten.

Die Herausforderung

Vor der Intervention von Beam AI sah sich das Unternehmen drei kritischen Arbeitsablauf-Schmerzpunkten gegenüber:

  • Hohe manuelle Belastung: Bestelldetails mussten manuell aus E-Mails (einschließlich Anhängen) extrahiert und in Microsoft Dynamics NAV (Navision) erneut eingegeben werden, was das Risiko von Verzögerungen und menschlichen Fehlern erhöhte.

  • Lange Bearbeitungszeit: Der End-to-End-Arbeitsablauf, vom Eingang einer Bestellung bis zur Erstellung von Transport- und Liefermitteilungen, dauerte oft mehrere Stunden und begrenzte den Durchsatz.

  • Fragmentierte Systeme: Datenformat-Ungleichheiten und E-Mail-basierte Kommunikationssilos verhinderten eine reibungslose Integration mit den vorhandenen ERP- und Logistiksystemen.

Der Kunde benötigte eine Lösung, die zuverlässig funktionieren, verschiedene Dokumentformate verarbeiten und Geschwindigkeit ohne Kompromisse bei der Genauigkeit vorantreiben konnte.

Beam AI-Lösung: Eine vollständige agentenbasierte Automatisierung

Beam AI setzte eine Reihe intelligenter Agenten ein, die mit dem AgentOS-Framework erstellt wurden. Jeder Agent wurde entwickelt, um einen bestimmten Schritt im End-to-End-Bestellverarbeitungsprozess zu bewältigen:

Automatisierung des Workflows

Vom initialen E-Mail-Parsing bis zum Hochladen strukturierter Daten in Navision ist der gesamte Prozess durch einen koordinierten Agentenfluss automatisiert:

  1. Trigger: Beginnt, wenn eine neue E-Mail einen überwachten Posteingang erreicht.

  2. Klassifizierung: Die E-Mail wird analysiert, um zu überprüfen, ob sie bestellbezogen ist.

  3. Kategorisierung: Die Outlook-Kategorie wird aktualisiert (z. B. „Bestellung – Bearbeitet“).

  4. Regelprüfung: Kundenbezogene Logik wird basierend auf den Senderinformationen angewendet.

  5. Kopfextraktion: Zieht wichtige Bestelldetails (Bestellnummer, Daten, Adresse usw.) heraus.

  6. Kunden-ID-Abgleich: Verwendet unscharfe Logik, um die richtige ID aus einer externen Datenbank zu finden.

  7. Artikelposten-Extraktion: Analysiert produktbezogene Informationen (Artikelnummer, Menge usw.).

  8. CSV-Erstellung: Erstellt eine standardisierte Datei für den ERP-Import.

  9. ERP-Hochladen: Sendet CSV über SFTP an Microsoft Navision.

  10. Archivierung: Speichert Anhänge mit Metadaten in DocuWare.


Genutzte Schlüsselkompetenzen

AgentOS-Komponente

Rolle im Arbeitsablauf

Graph

Definierte die End-to-End-Logik für Klassifizierung, Extraktion und Hochladen von Bestellungen.

Tools

Unterstützte E-Mail-Encoding, CSV-Erstellung, Navision, SFTP- und DocuWare-Upload

Integrationen

Verbindung zu Outlook, NAV (ERP) und DocuWare für nahtlosen Datenfluss.

Memory

Verfolgte den Bestellkontext und reduzierte die Nachbearbeitung doppelter E-Mails.

Trigger

Automatisierte Aktivierung durch Überwachung des E-Mail-Posteingangs.

Anwendungs-Beispiele

Jede Bestellung löst eine kaskadierende Automatisierungssequenz aus. Im Folgenden ist zusammengefasst, wie jeder Schritt agentisch bearbeitet wird:

Phase

Aktion

Integrationstyp

Agentenfähigkeit

Trigger

Erkennung neuer Bestell-E-Mails

Ereignisauslöser

E-Mail-Überwacher

Klassifizieren

Identifizieren, ob die E-Mail eine umsetzbare Bestellung enthält

Aufforderung + Tag

LLM-basierter Klassifizierer

Kunde validieren

Überprüfen, ob der Absender speziellen kundenbezogenen Regeln folgt

Regelverzweigung

Kundenregel-Engine

E-Mail kategorisieren

Aktualisieren der Outlook-Kategorie basierend auf der Klassifizierung

Aktualisierung

Outlook-Kategorieaktualisierer

Kopf extrahieren

Bestelldetails aus PDF/Text parsen

Aufforderung

Bestellkopf-Extraktor (LLM)

Kunden-ID bereichern

Kunden-ID aus externer Datenbank anhand der Adresse nachschlagen

Nachschlagen

Unschärfematcher + ID-Auflöser

Produkte extrahieren

Produkt-Bestellposten aus Anhängen extrahieren

Aufforderung

Produktdetails-Extraktor (LLM)

CSV erstellen

Strukturierte Daten in ein ERP-kompatibles .csv konvertieren

Dateiautor

CSV-Generator

Hochladen ins ERP

Übertragen der .csv-Datei über SFTP an Navision

Integration

ERP-Connector (SFTP)

Dokument archivieren

Ursprungs-PDF in DocuWare hochladen

Integration

DMS-Connector (DocuWare)

Einfluss & Ergebnisse

Die Automatisierung führte zu messbaren und nachhaltigen Verbesserungen:

Metrik

Vor Beam

Nach Beam

E-Mail-Bearbeitungszeit

~4 Stunden

<15 Minuten

Manuelle Datenfehler

~12%

<1%

Bestellungsbelastung

100 % manuell

85 % automatisiert

Geschwindigkeit der Bestellbestätigung

6–12 Stunden

<1 Stunde

ERP-Synchronisationsfehler

Häufig

Selten

⚡ Ergebnis: Über 85 % aller Bestellabläufe sind jetzt vollautomatisiert, sodass der Kunde Hunderte von täglichen Bestellungen mit minimalem menschlichen Eingriff bearbeiten kann.

Kundenstimme

„Was früher einen ganzen Arbeitstag dauerte, wird jetzt im Hintergrund vor dem Mittagessen erledigt. Wir machen uns keine Sorgen mehr über den manuellen Rückstand, die Automatisierung von Beam läuft einfach.“

Ausblick

Nach der erfolgreichen Automatisierung der Bestellverarbeitung arbeitet Beam AI nun mit dem Kunden an der Einführung von:

  • Produktionsplanungsempfehlungen: Basierend auf historischen Bestellungen und KI-gestützter Prognose.

  • Rechnungsautomatisierung: Generieren und Synchronisieren von Kundenrechnungen direkt aus ERP-Ereignissen.

  • End-to-End-Transportplanung: Einschließlich dynamischer Planung mit Logistikanbietern.

Dies ist erst der Anfang eines umfassenden digitalen Transformationsplans, der darauf abzielt, alle kundenorientierten Operationen durch intelligente Agenten zu optimieren.

Fazit

Diese Fallstudie veranschaulicht die Kraft der auf AgentOS basierenden Automatisierung bei der Bewältigung von hochvolumigen, sich wiederholenden B2B-Arbeitsabläufen. AI-Agenten, die Aufgaben in Kommunikation, ERP-Systemen und Dokumentenmanagement orchestrieren, ermöglichten Beam AI einen Bestellmanagement-Lebenszyklus, der einen neuen Maßstab für betriebliche Effizienz in der Verteilung von Tiefkühlwaren setzt.

Heute starten

Starten Sie mit KI-Agenten zur Automatisierung von Prozessen

Nutzen Sie jetzt unsere Plattform und beginnen Sie mit der Entwicklung von KI-Agenten für verschiedene Arten von Automatisierungen

Heute starten

Starten Sie mit KI-Agenten zur Automatisierung von Prozessen

Nutzen Sie jetzt unsere Plattform und beginnen Sie mit der Entwicklung von KI-Agenten für verschiedene Arten von Automatisierungen

Heute starten

Starten Sie mit KI-Agenten zur Automatisierung von Prozessen

Nutzen Sie jetzt unsere Plattform und beginnen Sie mit der Entwicklung von KI-Agenten für verschiedene Arten von Automatisierungen