Sortimo ist europäischer Marktführer für Fahrzeugeinrichtungen und intelligente Mobilitätslösungen. Das Unternehmen wollte datengestützter arbeiten, um sowohl den Vertrieb effizienter zu steuern als auch Kundenwünsche besser vorherzusagen. Die Ausgangslage: verteilte Datensilos, manuelle Berichte, fehlende AI-Grundlage.
Herausforderung
Sortimo stand vor der Herausforderung, zentrale Daten aus SAP, Contentserv SIM und dem Fahrzeugkonfigurator systematisch zusammenzuführen. Bestehende Berichte waren manuell erstellt, Daten lagen in Silos, und die Grundlage für Machine Learning fehlte.
Die Lösung
Gemeinsam mit DIVINT wurde eine skalierbare Datenplattform auf Microsoft Fabric aufgebaut – inklusive automatisierter Datenflüsse, AI-fähiger Architektur und Power BI Dashboards. Folgende Komponente wurden integriert:
Datenanbindung: SAP HANA, Contentserv SIM, SAP C4C, Konfigurator
Ingestion: Dataflows Gen2, Azure Data Factory, Notebooks
Storage: Delta Lake, ~40 Mio. Zeilen
Security: RLS, ABAC, automatisierter IaC-Rollout
Kostenoptimierung: Auto-Pause (>70 % Einsparung)
Die wichtigsten Use Cases
Vertiebsdashboard
Self-Service-Sales-Dashboard mit Filtermöglichkeiten bis auf Kunden- & PLZ-Ebene.
→ Echtzeit-Einblicke für Vertrieb und Steuerung.
Vehicle Insight
Analyse von Fahrzeugdaten nach Modell, Marke, Verkaufswert und Kundenbranche.
→ Datengetriebene Produktstrategie und Trendanalyse.
OEM-Reporting
Automatisiertes Monatsreporting für OEMs und Stakeholder.
→ Ergebnisbereitstellung in Sekunden statt Tagen.
Machine Learning Vehicle Prediction
Fabric ML-Modell zur Vorhersage von Fahrzeugkonfigurationen anhand historischer Aufträge.
→ 77 % Vorhersagegenauigkeit bei 361 Modellklassen.
→ Nutzt vorhandene Produktdaten zur AI-basierten Konfigurationsklassifikation.
Ergebnisse und Business Impact
KPI | Vorher | Mit Fabric |
|---|---|---|
OEM Reporting | 3 Tage | Wenige Sekunden |
Forecast Genauigkeit | Bauchgefühl | Accuracy 90% |
AI-Nutzung | Nicht vorhanden | ML Modelle und Predictions |
Dashboard Adoption | <30% | <75% |
Fokus auf Machine Learning und AI Predictions
Entwicklung von ML-Modellen (z. B. mit Kompatibilitätsdaten)
Entwicklung neuer AI-gestützter Prognosen (z. B. Markt- & Kundenverhalten)
Einsatz von „Chat with your own data“ & Notebook Copilot für Analyse & Exploration
Plattform-Governance und Effizienz
Einführung von Data Ownership, Quality Rules und IaC-Standards
Ausblick
Sortimo nutzt Microsoft Fabric heute als zentrale Datenplattform für vertriebs- und fahrzeugbezogene Insights, automatisiertes OEM-Reporting und den gezielten Einsatz von Machine Learning. Die Basis für eine skalierbare AI-Strategie ist geschaffen.
