Obwohl heute jede Produktinfo theoretisch online verfügbar ist, verbringen wir täglich immer noch viel Zeit damit, es zu suchen. Mit unserer Vision gehen wir einen Schritt weiter: Wir möchten eine Zukunft, in der wir nicht mehr suchen müssen – sondern einfach finden. Und genau dafür bauen wir eine Software, die die Leuchtensuche von Grund auf verändert.
Die digitale Realität: Alles ist da – aber nichts ist auffindbar
Wer in der Lichtplanung arbeitet, kennt das Dilemma:
Leuchten sind auf diversen Herstellerwebseiten, in PDFs, Excel‑Listen oder Produktkatalogen vorhanden. Doch die Daten liegen völlig unterschiedlich strukturiert vor – mal detailliert, mal übersichtlich oder nicht.
Das Ergebnis:
Fachhändler:innen und Planer:innen verbringen erstaunlich viel Zeit mit Vergleichen, Stöbern und wiederholten Suchvorgängen. Ein grundlegendes Problem unserer Zeit wird sichtbar:
Daten sind reichlich vorhanden – aber nicht so, dass Maschinen oder Menschen effizient damit arbeiten können.
Genau hier setzt unser Projekt an.
Der Paradigmenwechsel: Von der Suchsoftware zur Find‑Plattform
In vielen Branchen hat dieser Wandel bereits begonnen.
Wir klicken heute nicht mehr durch endlose Musikordner – moderne Systeme analysieren unser Hörverhalten und Schlagen uns gezielt passende Songs vor.
Navigation bedeutet nicht mehr Kartenlesen – sondern ein Ziel eingeben und starten.
Warum funktioniert das in der Lichtplanung noch nicht?
Weil die Branche im Kern ein Datenproblem hat. Und dieses muss gelöst werden, bevor wir überhaupt über intelligente Filter, KI‑gestützte Empfehlungen oder Automation sprechen können.
Unser Ansatz lautet deshalb:
“Finden statt Suchen” beginnt nicht bei der Suche – es beginnt bei der Datenqualität.
Der technische Kern: Unterschiedliche Daten in ein gemeinsames Format überführen
Die entscheidende Aufgabe ist nicht die Suchmaske, sondern die Datenharmonisierung.
Hersteller liefern Daten in allen möglichen Varianten:
PDF‑Datenblätter/-Kataloge, Excel‑Exports oder andere Formate.
Diese müssen wir so transformieren, dass sie in einer gemeinsamen Struktur maschinenlesbar werden.
Quelle: https://stew.ch/
Dafür nutzen wir ein etabliertes Zielformat aus der Lichtbranche: GLDF (General Lighting Data Format).
Dieses Format ermöglicht es, die technischen Eigenschaften einer Leuchte konsistent abzubilden.
Das heisst für unseren technischen Ansatz:
- Wir erkennen Produktmerkmale automatisch mittels AI‑gestützter Datenextraktion
- Wir standardisieren Werte, damit sie vergleichbar werden
- Wir validieren die Daten, damit sie vollständig und logisch sind
- Wir konvertieren alles in GLDF – die gemeinsame “Sprache” aller Produkte
- Wir speichern diese Informationen in einer performanten, abfrageoptimierten Datenbank
Damit entsteht erstmals eine Grundlage, auf der echte Intelligenz überhaupt funktionieren kann.
Finden wird erst möglich, wenn Daten sprechen können
Ist der Datenkern einmal harmonisiert, eröffnen sich völlig neue Möglichkeiten:
- Filter funktionieren nicht mehr nur oberflächlich, sondern präzise und konsistent
- AI‑Agents können kontextbasiert empfehlen
- Projekte lassen sich vollautomatisch vorbereiten
- Vergleichslogiken werden nachvollziehbar, fundiert und transparent
Der eigentliche Mehrwert liegt darin, dass Fachpersonen wieder mehr Zeit für Planung, Kreativität und Beratung haben – statt für repetitive Recherchearbeit.
Unser CAS als Fundament: IT‑Ansatz statt Branchenlösung
Im CAS Software Development with AI & NoCode lernen wir die Grundlagen, die wir für dieses Projekt brauchen:
- Wie man Daten automatisiert verarbeitet
- Wie man KI‑Modelle gezielt einsetzt
- Wie man Prototypen schnell validiert
Wir entwickeln einen IT‑Ansatz, der zeigt, was passiert, wenn Datenqualität, AI‑Technologie und Nutzerbedürfnisse konsequent zusammengedacht werden.
Fazit: Die Zukunft ist nicht die bessere Suche – sondern das automatische Finden
Wir wollen nicht mehr Heerscharen von PDFs und Webseiten durchforsten.
Wir wollen Ergebnisse – schnell, vollständig, verlässlich.
Mit unserer Software gehen wir diesen Schritt:
Wir übersetzen das Chaos in Struktur, machen Daten vergleichbar und ermöglichen eine neue Art des Arbeitens.
