KI-gestützte Grünstrom-Evidenzplattform
carbverde (hochzehn) · Gründer & Entwickler
Herausforderung
Die Herausforderung
Die manuelle Prüfung von Nachhaltigkeitsberichten hunderter Zulieferer ist zeitintensiv und fehleranfällig. Berichte liegen in verschiedenen Sprachen und Formaten vor, Grünstrom-Informationen sind oft tief in umfangreichen PDFs vergraben und müssen standortspezifisch für die Scope-3.11-Bilanzierung ausgewertet werden.
Lösung
Unser Ansatz
Wir haben ein mehrstufiges, vollautomatisiertes Workflow-System entwickelt. Aus einer Kundenliste (CSV/XLSX) recherchieren AI Agents eigenständig Nachhaltigkeitsberichte, identifizieren und laden PDFs herunter, analysieren sie auf Grünstrom-Nutzung und Audit-Status und liefern strukturierte Ergebnisse als CSV-Exporte und audit-taugliche PDF-Reports. Die Architektur verkettet mehrere n8n-Workflows mit Claude, Gemini 2.0 Flash, Perplexity und Jina.ai APIs.
Ergebnis
Wichtige Ergebnisse
- Recherchezeit von 30-60 Min. auf wenige Minuten pro Unternehmen reduziert
- Automatisierte Verarbeitung hunderter Zulieferer mit Evidenz-Dokumentation
- Standortspezifische Grünstrom-Verifizierung mit Zitaten und Seitenangaben
- Mehrsprachigkeit (EN, DE, FR, ES) mit dynamischen Suchstrategien
- Audit-tauglicher Output mit strukturiertem JSON, Excel und PDF
Rolle
Unsere Rolle
- End-to-End AI-Agent-Architektur entworfen
- Verkettetes n8n-Workflow-System mit mehreren LLM-Integrationen gebaut
- Context Overflow mit Sub-Agent-Patterns und Observation Masking gelöst
- Prompt Engineering für Zitat-Genauigkeit und Halluzinationsprävention implementiert
- Große PDF-Verarbeitung (>20 MB) mit selektiver Textextraktion optimiert
Stack
Technologie-Stack
Projekt
Interessiert?
Vor einer ähnlichen Herausforderung?
Lassen Sie uns besprechen, wie wir bei Ihrem Projekt helfen können.