Die Ausgangslage
- Trainingsvideos wurden auf Plattformen von Hand gesucht, angeschaut und in Excel gelabelt.
- Doppelte Videos und uneinheitliche Labels machten die Daten unsauber.
- Die Ansprache von Tierkliniken, Tierheimen und Influencern lief über Tabellen und Postfächer.
Daten-Pipeline: WoofCollector
Wir haben eine Web-App gebaut, die den ganzen Weg vom Video zur gelabelten Trainingsdatei abdeckt:
- Suchen: Videos automatisch auf YouTube, Instagram und über die Google-Suche finden.
- Herunterladen und schneiden: in kurze Clips für das Training.
- Duplikate erkennen: über Audio-Fingerprints.
- Labeln: in einer eigenen Oberfläche statt in Excel.
- Modell abfragen: Clips an das KI-Modell des Startups senden und Vorhersagen speichern.
- Speichern: Clips und Metadaten automatisch in Cloud-Speicher synchronisieren.
Ergebnis: Der Durchsatz beim Labeling stieg von 5 auf 30 Videos pro Stunde, also um das 6-Fache, bei höherer Qualität der Labels.
Vertriebs-Pipeline: Zoho CRM
- Workflows für die Ansprache von Tierkliniken, Tierheimen und Influencern: Qualifizierung, Zuweisung, Status, Follow-ups und Erinnerungen
- Daten über Webhooks in eine PostgreSQL-Datenbank
- Funnel- und Conversion-Kennzahlen in Metabase-Dashboards und automatische Slack-Berichte an die Geschäftsführung
Infrastruktur und Compliance
- Selbst gehostetes PostgreSQL und n8n auf einer Cloud-VM mit Docker
- Einwilligungsverwaltung nach DSGVO und Dokumentation mit Blick auf den EU AI Act von Anfang an
- Übergabedokumentation mit Risiken und nächsten Schritten
Wer im Team mitgearbeitet hat
Prozessanalyse, CRM, Datenpipeline und Projektführung: Margarita. Entwicklung der Web-App: Dima.