# Fallstudien ## Filters - [Angular.js](/de/fallstudien/angularjs.md) - [ASP.NET](/de/fallstudien/aspnet.md) - [AWS](/de/fallstudien/aws.md) - [CatBoost](/de/fallstudien/catboost.md) - [Celery](/de/fallstudien/celery.md) - [Chroma](/de/fallstudien/chroma.md) - [CLIP](/de/fallstudien/clip.md) - [Dart](/de/fallstudien/dart.md) - [Docker](/de/fallstudien/docker.md) - [Ecology](/de/fallstudien/ecology.md) - [EdTech](/de/fallstudien/edtech.md) - [ElasticSearch](/de/fallstudien/elasticsearch.md) - [FastAPI](/de/fallstudien/fastapi.md) - [Figma](/de/fallstudien/figma.md) - [FinTech](/de/fallstudien/fintech.md) - [Firebase](/de/fallstudien/firebase.md) - [Flutter](/de/fallstudien/flutter.md) - [HealthTech](/de/fallstudien/healthtech.md) - [IPFS](/de/fallstudien/ipfs.md) - [IT Consultation](/de/fallstudien/it-consultation.md) - [Java](/de/fallstudien/java.md) - [JavaScript](/de/fallstudien/javascript.md) - [Kotlin](/de/fallstudien/kotlin.md) - [LLM](/de/fallstudien/llm.md) - [LongChain](/de/fallstudien/longchain.md) - [Machine Learning](/de/fallstudien/machine-learning.md) - [Marketing](/de/fallstudien/marketing.md) - [Milvus](/de/fallstudien/milvus.md) - [Mobile App](/de/fallstudien/mobile-app.md) - [MongoDB](/de/fallstudien/mongodb.md) - [MySQL](/de/fallstudien/mysql.md) - [New Relic](/de/fallstudien/newrelic.md) - [NLP](/de/fallstudien/nlp.md) - [OpenSearch](/de/fallstudien/opensearch.md) - [Pandas](/de/fallstudien/pandas.md) - [PostgreSQL](/de/fallstudien/postgresql.md) - [Prototype](/de/fallstudien/prototype.md) - [Publishing](/de/fallstudien/publishing.md) - [Python](/de/fallstudien/python.md) - [PyTorch](/de/fallstudien/pytorch.md) - [React.js](/de/fallstudien/reactjs.md) - [Redis](/de/fallstudien/redis.md) - [Retail](/de/fallstudien/retail.md) - [SaaS](/de/fallstudien/saas.md) - [Scrapy](/de/fallstudien/scrapy.md) - [Selenium](/de/fallstudien/selenium.md) - [Sklearn](/de/fallstudien/sklearn.md) - [Special proxy servers](/de/fallstudien/special-proxy-servers.md) - [SQL](/de/fallstudien/sql.md) - [SqlKata](/de/fallstudien/sqlkata.md) - [SQS](/de/fallstudien/sqs.md) - [Swift](/de/fallstudien/swift.md) - [TYPO3](/de/fallstudien/typo3.md) - [Vue.js](/de/fallstudien/vuejs.md) - [WCAG](/de/fallstudien/wcag.md) - [Web App](/de/fallstudien/web-app.md) ## Case Studies ### [Predictive Analytics](http://silkdata.tech/de/fallstudien/predictive-analytics.md) Durch die Nutzung modernster Algorithmen des maschinellen Lernens und Predictive Analytics auf Basis von Kundendaten unterstützt Silk Data seine Kunden dabei, ihre Geschäftsprozesse zu optimieren. *Categories: CatBoost, Pandas, Python, Sklearn, SQL, FinTech, Retail, Marketing, Machine Learning, Prototype* --- ### [Digital Avatar for Cancer Treatment](http://silkdata.tech/de/fallstudien/digital-avatar.md) Erfahren Sie, wie Silk Data an der Entwicklung eines digitalen Avatar-Assistenten für Interessierte an der Krebstherapie beteiligt war. Sehen Sie die Methoden und Techniken hinter dieser Technologie und erfahren Sie mehr über den Einsatz von Avataren im Gesundheitswesen. *Categories: FastAPI, NLP, Python, Machine Learning, LongChain, Chroma, HealthTech* --- ### [SwatchPAY!](http://silkdata.tech/de/fallstudien/swatch-pay.md) Unser Kunde Swatch wollte eine Reihe von Uhren mit Zahlungsfunktion und zugehöriger Anwendung auf den Markt bringen. Silk Data half bei der Erstellung einer mobilen Anwendung zur Kontrolle, Organisation und zum Genuss von Zahlungen mit ihnen. *Categories: Figma, Firebase, Kotlin, Swift, FinTech, Mobile App* --- ### [Communal Service](http://silkdata.tech/de/fallstudien/communal-service.md) Die Anwendung mit einem Abfuhrkalender und einer Recyclingzentren-Suche, die die Bearbeitungszeit jeglicher Anfragen in den ersten vier Monaten um 20 % verringerte. *Categories: Firebase, TYPO3, Ecology, Mobile App* --- ### [Large-Scale Image Search System](http://silkdata.tech/de/fallstudien/large-scale-image-search-system.md) Eine Geschichte darüber, wie wir eine Suche für NFTs erstellt und sie an mindestens 6 Millionen indizierten Bildern getestet haben. *Categories: AWS, Celery, CLIP, Docker, ElasticSearch, FastAPI, IPFS, Milvus, NLP, OpenSearch, PostgreSQL, Python, PyTorch, Redis, SQS, FinTech, Publishing, Machine Learning, Web App* --- ### [Web Crawling](http://silkdata.tech/de/fallstudien/web-crawling.md) Mit unserer Web-Crawling-Technologie können große Datensätze innerhalb weniger Stunden extrahiert und bereinigt werden. *Categories: Docker, Java, MySQL, Pandas, Python, Scrapy, Selenium, Special proxy servers, Retail, Marketing, Web App* --- ### [Waste Removal Calendar](http://silkdata.tech/de/fallstudien/waste-removal-calendar.md) Eine Gemeindeorganisation aus der Schweiz wünschte sich eine Verbesserung des Hausmüllmanagements. Silk Data entwickelte eine mobile Anwendung zur Verfolgung und Verwaltung von Leerungszeiten und Standorten der Mülltonnen. *Categories: Dart, Flutter, Ecology, Mobile App* --- ### [wearonize](http://silkdata.tech/de/fallstudien/wearonize.md) Mobile Anwendung zum Bezahlen mit Wearables – wie wir bei der Erstellung der Wearable-Zahlungsanwendung geholfen haben, die neue Kunden angezogen hat. *Categories: Figma, Firebase, Kotlin, Swift, FinTech, Mobile App* --- ### [Supermarket Chain](http://silkdata.tech/de/fallstudien/supermarket-chain.md) Erfahren Sie, wie wir einer deutschen Einzelhandelskette geholfen haben, neue Kunden zu gewinnen und die Loyalität bestehender Kunden zu steigern. *Categories: Figma, Firebase, Kotlin, Swift, Retail, Mobile App* --- ### [MMC4](http://silkdata.tech/de/fallstudien/mmc.md) MMC steht für Marketing Management Cockpit. Eine Geschichte darüber, wie Silk Data bei der Entwicklung von Software geholfen hat, um die Geschwindigkeit und Produktivität von Marketing-Mitarbeitern zu steigern. *Categories: Docker, ElasticSearch, Selenium, Vue.js, Marketing, SaaS, Web App, ASP.NET, New Relic, SqlKata* --- ### [GRAVITY](http://silkdata.tech/de/fallstudien/employee-training-software.md) GRAVITY ist eine digitale Adoptionsplattform, die die Mitarbeiterschulung mit interaktiver In-App-Anleitung vereinfacht, die Lernkosten senkt und es den Mitarbeitern leicht macht, Anwendungen zu bedienen, ohne über Vorkenntnisse oder komplexe Einrichtungen zu verfügen. *Categories: Angular.js, Docker, Figma, Java, JavaScript, MySQL, PostgreSQL, React.js, Vue.js, EdTech, FinTech, Web App* --- ### [SQ1 FLEX](http://silkdata.tech/de/fallstudien/sq1-flex.md) Wie wir bei der Erstellung einer mobilen Anwendung für ein kontaktloses Zahlungssystem geholfen haben. Egal wo Sie sind, mit der SQ1 Flex Mobile App ist die Verwaltung aller Aktivitäten eines Flex Bandes einfach. *Categories: Figma, Firebase, Java, Kotlin, Swift, FinTech, Mobile App* --- ### [Automatic News Analysis](http://silkdata.tech/de/fallstudien/automatic-news-analysis.md) Silk Data hat eine Analytics-Plattform für die nahtlose Nachrichtenanalyse implementiert, die fortschrittliche NLP- und Machine-Learning-Technologien bietet. Unsere Lösung ermöglicht es Nutzern, mühelos Nachrichtenartikel zu vergleichen, Medienverzerrungen zu erkennen und syndizierte Nachrichten... *Categories: Docker, ElasticSearch, FastAPI, JavaScript, NLP, PostgreSQL, Python, React.js, Publishing, SaaS, Machine Learning, Web App* --- ### [AI Resume Screening for Recruiters](http://silkdata.tech/de/fallstudien/ai-resume-screening.md) Für unseren Kunden, ein renommiertes Unternehmen im Bereich Talent Acquisition, entwickelten wir automatisierte Lebenslauf-Screening-Software, die von KI unterstützt wird. Diese Lösung wandelte unstrukturierte Lebensläufe in strukturierte Daten um, ermöglichte eine präzise Kandidatenabstimmung... *Categories: NLP, Python, FinTech, Marketing, Machine Learning, Mobile App, Web App, LLM* --- ### [Local LLM Deployment for a Marketing Agency](http://silkdata.tech/de/fallstudien/local-llm.md) Silk Data half einer europäischen Marketingagentur beim Deployment eines lokalen LLM-Chatbots zur Verbesserung der Teamzusammenarbeit und Datensicherheit. Unter Nutzung von Python, ASP.NET und Vue.js entwickelte das Team ein kosteneffizientes, selbst gehostetes LLM auf einem Hetzner-Server und stel... *Categories: NLP, Python, Vue.js, Marketing, Machine Learning, ASP.NET, LLM* --- ### [Digital Publishing Platform for Online Content Distribution](http://silkdata.tech/de/fallstudien/lookup.md) Hervorragende plattformübergreifende Lösung für Verlage, die ihnen direkten Zugang zu ihrer Zielgruppe für einen deutschen Kunden bietet. *Categories: AWS, Docker, ElasticSearch, Figma, Java, JavaScript, Kotlin, MySQL, NLP, Python, SQL, Swift, EdTech, Publishing, Mobile App, Web App* --- ### [WCAG Compliance Guide](http://silkdata.tech/de/fallstudien/wcag-case.md) Probleme mit der WCAG-Compliance? Entdecken Sie die Geheimnisse der WCAG-Compliance und machen Sie Ihre Website für alle zugänglich. Finden Sie wesentliche Tipps und Strategien, um sicherzustellen, dass Ihre Seite die WCAG-Standards erfüllt, ein nahtloses, inklusives Erlebnis für alle Nutzer bie... *Categories: EdTech, Publishing, WCAG, IT Consultation* --- ### [Quiz Maker: AI Question Generator](http://silkdata.tech/de/fallstudien/ai-question-generator.md) Optimieren Sie die Quiz-Erstellung mit unserem KI-gestützten Tool! In nur wenigen Klicks können Sie automatisch Fragen aus jedem Text generieren und interaktive Quizze erstellen. Perfekt für Lehrkräfte, Autoren und Content-Ersteller, die Interaktion steigern und Zeit sparen möchten. *Categories: JavaScript, NLP, Python, EdTech, Publishing, SaaS, Machine Learning, Web App, LLM* --- ### [AI-Based Procurement Software](http://silkdata.tech/de/fallstudien/procurement-software.md) Erfahren Sie, wie die KI-basierte Lösung von Silk Data einem internationalen Einzelhandelsunternehmen half, die Arbeit mit Kundenreklamationen zu optimieren und die Managementeffizienz zu steigern. *Categories: ElasticSearch, NLP, Python, PyTorch, Retail, SaaS, Machine Learning, LLM* --- ### [Plagiarism Checker with Batch Processing](http://silkdata.tech/de/fallstudien/plagiarism-checker.md) Der plattformübergreifende Plagiatsprüfer von Silk Data transformierte den Prüfungsprozess von APT, reduzierte die Überprüfungszeit um 90 % und kennzeichnete verdächtige Fälle. *Categories: Docker, NLP, Python, Redis, Sklearn, SQL, EdTech, SaaS, Web App* --- ### [AI-based Document Analysis](http://silkdata.tech/de/fallstudien/ai-document-analysis-software.md) Erfahren Sie, wie Silk Data erfolgreich eine KI-basierte Lösung für ein großes Finanzunternehmen implementiert hat, wodurch der Entscheidungsprozess optimiert und Spezialisten von der Routine-Dokumentenverarbeitung entlastet wurden. *Categories: Docker, ElasticSearch, NLP, Python, PyTorch, FinTech, SaaS, Machine Learning, LLM* --- ### [AI Solution for Animal Farms](http://silkdata.tech/de/fallstudien/ai-in-agriculture.md) Finden Sie heraus, wie Silk Data eine Lösung entwickelte, die Rinderfarmen dabei hilft, Risiken für Tierverluste auf Basis fortschrittlicher KI-gestützter Datenanalyse vorherzusagen. *Categories: CatBoost, MongoDB, Pandas, Python, Sklearn, Ecology, Machine Learning, Prototype* ---