Fallstudien aus Kunden- und internen Projekten mit Salesforce, Microsoft Azure und angewandter KI. Kunden- und Produktnamen sind geändert oder weggelassen.
Zwei Salesforce-Apps, die fotografierte Getränkekarten und Spesenbelege in CRM-Datensätze überführen. Ein Vision-Modell liest das Dokument, deterministischer Code prüft und ordnet es zu, und geschrieben wird erst, wenn ein Mensch das Ergebnis geprüft hat.
Jeder Marktbesuch erhält einen Perfect-Store-Score: konfigurierbare Prüfungen, Punkte je Schwellenwert und eine Ampelbewertung. Ich habe die Berechnung als Pipeline mit Azure Data Factory und Azure SQL umgesetzt, die aus Salesforce liest und die Ergebnisse zuverlässig zurückschreibt.
Vertriebsmitarbeitende wollten ihre Power-BI-Berichte direkt auf Salesforce-Datensätzen sehen, gefiltert auf den Kunden, den sie gerade vor sich haben. Ich habe eine Einbettung gebaut, bei der Apex das Power-BI-Token vermittelt: Niemand muss sich zweimal anmelden, und kein Secret gelangt in den Browser.
Außendienstmitarbeitende haben Ziele wie Besuche, distribuierte Produkte oder individuelle KPIs. Ich habe die Berechnung ihrer Ist-Werte in Python-Azure-Functions und Azure SQL verlagert, über Azure Data Factory orchestriert und die Ergebnisse zurück nach Salesforce geschrieben.
Wenn Außendienstmitarbeitende einen Auftrag im Markt abschließen, erzeugt Salesforce jetzt ein PDF im Corporate Design mit beiden Unterschriften und schickt es per E-Mail an die richtigen Personen. Damit es auch wirklich ankommt, musste ich SPF, DKIM und DMARC analysieren.
Ein deutschsprachiger Sprachassistent für den Außendienst wurde nach 10–20 Minuten Nutzung spürbar schlechter. Als Teil des Projektteams habe ich daran mitgearbeitet, das Problem über Produktions-Logs bis zu einem Bug im Sprachstatus des Browsers zurückzuverfolgen und die CRM-Schreibvorgänge des Assistenten überprüfbar zu machen.
Weitere Kunden- und interne Projekte in Kürze.
Ein Desktop-KI-System mit vLLM hinter einem OpenAI-kompatiblen Gateway aufgesetzt und Durchsatz, Tool Calling und Fine-Tuning gemessen – mit 255 Tokens/s bei 100 parallelen Anfragen. Ein QLoRA-Fine-Tuning senkte die Genauigkeit, daher habe ich das Basismodell empfohlen.
Ein Risikomodell im Backtest geprüft, das entscheidet, welche Marktbesuche zusätzliche Vorbereitungszeit bekommen. Bei gleicher Kapazität von 20 % erreichte es rund 597 Risikobesuche mehr als eine Zufallsauswahl (Precision 88,5 % bei einer Grundrate von 49,4 %, ROC-AUC 0,813).
Einen manuell gepflegten Excel-Aktionskalender durch eine Pipeline ersetzt: vom Fabric Lakehouse über Power Automate zu einem VBA-Generator. Die Kalender-Arbeitsmappe entsteht jetzt automatisch an jedem Werktag um 3:30 Uhr.
Eine Demo-Org aus einer schreibgeschützten QA-Org neu aufgebaut: kuratierte Metadaten, abhängigkeitsbewusste Seed-Daten und 39.108 pseudonymisierte, per Bulk API geladene Produkte. Schutzmechanismen verweigern jeden Schreibzugriff auf die QA-Org.
Außendienstmitarbeitende erzeugen Vertrags-PDFs mit einem Klick direkt aus dem Datensatz. Ein zentraler Orchestrator wählt die Vorlage nach Vertragstyp, sodass ein neuer Typ nur eine Vorlage und einen Mapping-Eintrag braucht – ohne Änderung am Flow.
Ein Screen Flow, der bereits an SAP übertragene Interessenten samt Kontakten, Besuchen, Listungen und Fällen löscht oder auf einen anderen Kunden überträgt. Jeder Schreibschritt hat einen Fehlerpfad, und jeder Konflikt setzt alles zurück.
Kontakte, die mit der Zentrale eines Händlers verknüpft sind, erscheinen automatisch bei allen zugehörigen Filialen. Massendatenfähige Apex-Trigger halten die Spiegelung beim Anlegen, Ändern und Löschen synchron.
Ein metadatengesteuerter Apex-Batch legt Feiertagstermine pro Außendienstmitarbeitendem, Verkaufsorganisation und Jahr an, damit sie in der mobilen App erscheinen – inklusive einer Korrektur für Managed-Package-Automatisierung, die Besitzer umgeschrieben hat.
Ein Kommandozeilen-Tool, bei dem ein KI-Agent Projektdokumentation aus einem Git-Snapshot schreibt und ein zweiter Agent jede Aussage gegen Belege prüft, bevor etwas veröffentlicht wird.