AI-gestützte Support-Automatisierung / RAG-System
Logify für BCT – KI-Logfile-Analyse mit RAG im IT-Support
KI-Logfile-Analyse für BCT: Logify durchsucht Logs und rund 500 MB technische Doku per RAG und schlägt Lösungen vor. Geschätztes Potenzial: über 1.000 Support-Stunden pro Jahr. Seit April 2026 On-Premise beim Kunden.
Ausgangssituation
Im IT-Support von BCT analysierten Mitarbeitende große, unstrukturierte Logfiles von Hand, um Fehlerquellen zu finden. Dazu kam die Suche in der technischen Dokumentation: Allein das passende Dokument unter Hunderten zu finden, kostet jedes Mal Minuten.
Entsprechend lang können einzelne Supportfälle laufen, im Extremfall Wochen. Die Arbeitshypothese im Projekt: Rund 80 % der Fälle sind in ähnlicher Form schon einmal aufgetreten. Die Lösung existiert also oft bereits, sie ist nur nicht schnell auffindbar.
Lösung
Logify analysiert Logfiles automatisch, erkennt Fehler und Anomalien und generiert priorisierte Lösungsvorschläge mit Kontext. Über RAG greift das System auf rund 500 MB technische Dokumentation im PDF-Format zu und bezieht die passenden Stellen in den Vorschlag ein.
Die erste Version entstand im November 2024 in 48 Stunden beim Black Forest Innovation Hackathon und wurde dort prämiert. Danach kam der längere Teil, der Weg in den Betrieb:
- Modellausgaben werden in ein festes, validiertes Format überführt (Pydantic), statt als freier Text durchgereicht zu werden
- Die Ergebnisse landen in einer eigenen Oberfläche für das Support-Team
- Das System läuft On-Premise auf der Infrastruktur des Kunden
Warum dieser zweite Schritt fast immer länger dauert als der Prototyp, beschreiben wir im Beitrag KI-Implementierung: Vom Pilot zum Produktivbetrieb.
Technologie-Stack
- Python (Backend / Analyse-Engine)
- OpenAI LLMs (Fehler- und Anomalieerkennung)
- ChromaDB (RAG-Indexierung und Retrieval)
- Pydantic (Datenvalidierung / strukturierte Ausgabe)
- TypeScript, ReactJS (Frontend / Support-Interface)
- On-Premise-Betrieb beim Kunden
Ergebnis & Impact
- Preis beim Black Forest Innovation Hackathon (10/2025), Prototyp in 48 Stunden
- On-Premise-Deployment im April 2026 abgeschlossen, nächster Schritt ist der interne Einsatz im Support-Team
- Rund 1 US-Dollar pro 100 Abfragen an Modellkosten
- Potenzial von über 1.000 Stunden pro Jahr (Schätzung): bei konservativ 30 Minuten Ersparnis pro Supportfall. Belastbare Messwerte aus dem Betrieb stehen noch aus.
- Folgeprojekt (HubSpot Support Copilot) in Konzeptphase