KI-gestützte Bewertungs- und Lernanalyseplattform für EdTech
Eine EdTech-Plattform für 200.000 Lernende nutzte ein generisches Bewertungssystem, das nicht auf individuelle Lernlücken eingehen konnte. Die Dozenten-Dashboards lieferten keine verwertbaren Erkenntnisse, und die Plattform verlor Nutzer an Wettbewerber mit personalisierteren Lernerfahrungen.
Kunde
Confidential, EdTech Client
Industrie
Bildung & BildungstechnologieTeamleiter
Vivek Parmar
Datum
Q3 2022
Geschäftliche Herausforderung
Eine EdTech-Plattform für 200.000 Lernende nutzte ein generisches Bewertungssystem, das nicht auf individuelle Lernlücken eingehen konnte. Die Dozenten-Dashboards lieferten keine verwertbaren Erkenntnisse, und die Plattform verlor Nutzer an Wettbewerber mit personalisierteren Lernerfahrungen.
Lösung & Ansatz
Wir haben ein adaptives Bewertungssystem entwickelt, das den Schwierigkeitsgrad der Fragen anhand der Antwortmuster der Lernenden anpasst (IRT-Modell), Wissenslücken auf Konzeptebene identifiziert und personalisierte Empfehlungen für Förderinhalte generiert. Dozenten erhalten über Dashboards Einblicke in gefährdete Lernende.
Gelieferte Fähigkeiten
- Adaptive Bewertungs-Engine der Item-Response-Theorie (IRT).
- Identifizierung von Wissenslücken auf Konzeptebene
- personalisierte Empfehlungen für Förderinhalte
- Erkennung gefährdeter Lernender zur Intervention der Lehrkraft
- Lernanalyse-Dashboard für Dozenten
Geschäftsergebnisse
Die Kursabschlussquote verbesserte sich innerhalb eines Semesters von 38 % auf 61 %. Der NPS-Wert für die Zufriedenheit der Lernenden stieg von 31 auf 58, und die Plattform reduzierte die monatliche Abonnentenabwanderung um 2,8 Prozentpunkte.
61%
Kursabschlussquote (Anstieg von 38 %)
58
Lernenden-NPS (Anstieg von 31)
2.8pp
Reduzierung der monatlichen Abwanderung
Verwandte Projekte
KI-gestützte Bewertungs- und Lernanalyseplattform für EdTech
Die Kursabschlussquote verbesserte sich innerhalb eines Semesters von 38 % auf 61 %. Der NPS-Wert für die Zufriedenheit der Lernenden stieg von 31 auf 58, und die Plattform reduzierte die monatliche Abonnentenabwanderung um 2,8 Prozentpunkte.
61%
Kursabschlussquote (Anstieg von 38 %)
58
Lernenden-NPS (Anstieg von 31)
Digitalisierungsplattform für Krankenhausabläufe
Die Entlassungszeit der Patienten verkürzte sich von 4,5 auf 1,8 Stunden. Die Vollständigkeit der klinischen Dokumentation verbesserte sich von 67 % auf 96 %, wodurch die Datenlücken, die zu Ablehnungen von Versicherungsansprüchen geführt hatten, beseitigt wurden. Die Produktivität des Personals stieg um 34 %.
4.5h→1.8h
Entlassungszeitpunkt des Patienten
96%
Vollständigkeit der klinischen Dokumentation
Plattform zur Optimierung von Logistikrouten auf der letzten Meile
Die Einhaltung der Liefer-SLAs verbesserte sich von 76 % auf 94 %, die Treibstoffkosten pro Lieferung sanken um 18 % und die Fahrerproduktivität erreichte 88 % der theoretischen Kapazität. Der Kunde expandierte innerhalb von sechs Monaten mit derselben Plattform in drei neue Städte.
94%
Einhaltung der Liefer-SLA
18%
Reduzierung der Treibstoffkosten pro Lieferung
AR-basierte Trainingssimulation für Fertigungsabläufe
Die Schulungszeit pro Bediener reduzierte sich um 40 %, und sicherheitsrelevante Vorfälle im Zusammenhang mit Schulungen gingen auf null zurück. Die Kompetenzzertifizierungsergebnisse verbesserten sich um durchschnittlich 22 Prozentpunkte. Der Kunde erweitert die Plattform auf zwei weitere Standorte.
40%
Reduzierung der Trainingszeit
0
Sicherheitsvorfälle im Zusammenhang mit Schulungen
ML-basierte Bedarfsprognose für die Lieferkette im Einzelhandel
Die durchschnittliche Fehlbestandsquote sank von 12 % auf 4,3 %, und die Verluste durch Preisnachlässe am Saisonende reduzierten sich um 28 %. Die Prognosegenauigkeit des Einkaufsteams (gemessen am MAPE) verbesserte sich von 31 % Fehler auf 11 % Fehler.
4.3%
Fehlbestandsquote (Rückgang von 12 %)
28%
Reduzierung der Abschreibungsverluste
End-to-End-Transparenz und Kontrollturm für die Lieferkette
Die Reaktionszeit bei Lieferkettenunterbrechungen verbesserte sich von 4 Tagen (Erkennungsverzögerung) auf 6 Stunden. Fehlbestände aufgrund mangelnder Transparenz in der Lieferkette wurden um 71 % reduziert. Das Einkaufsteam sparte im ersten Jahr 1,8 Mio. US-Dollar an Expressfrachtkosten ein.
4d→6h
Reaktionszeit der Störungserkennung
71%
Reduzierung von Warenengpässen aufgrund von Transparenzlücken