← Work

KI-gestützte Fertigungsvorhersageplattform

Rolle

Product UI/UX Designer

Phase

Pre-Seed → Seed → Series A

Jahr

2021 – 2022

Branche

Industrielle KI · Prädiktive Zuverlässigkeit

FallstudieEnterprise KIIndustrielle KI
KI-gestützte Fertigungsvorhersageplattform — hero image
(001)

Das Problem

„ Produktausfälle kommen nicht als Überraschung. Sie kommen als ignorierte Signale. Die Signale sind da. Das Problem ist, dass sie noch niemand miteinander verknüpft hat. "

Garantieansprüche. Notizen von Servicetechnikern. Qualitätsberichte der Lieferanten. Protokolle der Fertigungsstraße. In der Fertigung sind die Frühwarnsignale einer Zuverlässigkeitskrise fast immer vorhanden — verstreut über getrennte Systeme, Wochen oder Monate bevor sie jemand verknüpft. Wenn ein Ausfall die Rückrufschwelle erreicht, ist das Fenster zum günstigen Handeln längst geschlossen. Der Schaden — Feldreparaturen, behördliche Kontrolle, Reputationsverluste — hat sich bereits potenziert. KI kann fragmentierte Zuverlässigkeitssignale kontinuierlich überwachen und Anomalien an Ingenieure melden, bevor sie zur Krise werden.

(002)

Nutzerforschung

Zuverlässigkeitsingenieure müssen jede Entscheidung gegenüber ihrem Team rechtfertigen. Bevor ich irgendetwas gestaltete, musste ich verstehen, wie sie Ausfälle untersuchen, wo bestehende Werkzeuge versagen und was eine KI-Empfehlung vertrauenswürdig macht.

Personality Traits

KreativitätKollaborationsgeist, offen für FeedbackWork-Life-Balance und TeamfähigkeitKritisches DenkenDirekt, offen und ehrlichNeugier

Zuverlässigkeitsingenieure in der Fertigung sind trainierte Skeptiker.

Ein Dashboard, das einfach „Anomalie erkannt" meldet, würde ignoriert. Ein System, das zeigt WARUM etwas ungewöhnlich ist, WELCHE Signale beigetragen haben und WIE sicher die KI ist — verdient sich die Untersuchung.

Alle UX-Entscheidungen in dieser Phase konzentrierten sich auf Interpretierbarkeit und Untersuchungstiefe.

Challenges & Pains

Überblick über Programmfortschritt und StatusEingeschränkte Beteiligung der Ingenieure an ProzessverbesserungenMangelnde Sichtbarkeit der Leistungen des Engineering-TeamsAbstimmung zwischen Engineering und Kosten/ZeitplanAnekdotisches Feedback aus dem Engineering für VerbesserungenGenaue Sichtbarkeit in Programm-/ProjektkennzahlenUnvereinbarkeit von Deadlines und Engineering-AktivitätenZeitdruck

Existing Systems Causes:

AngstHilflosigkeitFrustrationUnsicherheit / Überforderung

Have to Bring In These Emotions:

BegeisterungInspirationStolz
(003)

Wichtige Designentscheidungen

Interpretierbarkeit statt Abstraktion

Chose

Jede Anomaliekarte zeigt WARUM die KI sie markiert hat, WELCHE Signale beigetragen haben und WIE sicher das Modell ist — anstatt nur eine Warnung anzuzeigen.

Why

Fertigungsingenieure sind darauf trainiert, Signale zu ignorieren, die sie nicht prüfen können. Ein System, das Schlussfolgerungen ohne Begründung präsentiert, wird als Rauschen behandelt.

Tradeoff

Jede Anomaliekarte trägt deutlich mehr visuelles Gewicht. Gelöst durch Progressive Disclosure: Zusammenfassungsansicht zum Scannen, erweiterte Ansicht zur Untersuchung.

Mehrstufige Drill-Down-Navigation statt Einzelbildschirm-Dichte

Chose

Jede Anomaliekarte zeigt WARUM die KI sie markiert hat, WELCHE Signale beigetragen haben und WIE sicher das Modell ist — anstatt nur eine Warnung anzuzeigen.

Why

Fertigungsingenieure sind darauf trainiert, Signale zu ignorieren, die sie nicht prüfen können. Ein System, das Schlussfolgerungen ohne Begründung präsentiert, wird als Rauschen behandelt.

Tradeoff

Jede Anomaliekarte trägt deutlich mehr visuelles Gewicht. Gelöst durch Progressive Disclosure: Zusammenfassungsansicht zum Scannen, erweiterte Ansicht zur Untersuchung.

Konsistente visuelle Kodierung statt flexibler Diagrammgestaltung

Chose

Eine einheitliche Diagrammsprache, bei der dieselbe visuelle Behandlung — Farbe, Dichte, Achsenskala — über alle fünf Datenquellentypen hinweg dieselbe Bedeutung hat.

Why

Ingenieure wechseln zwischen Datenquellen. Inkonsistente visuelle Kodierung erzeugt kognitive Mehrbelastung und Fehlinterpretationsrisiken. Eine gemeinsame Grammatik beseitigt diesen Aufwand.

Tradeoff

Einige Datentypen lassen sich nicht perfekt auf die Standardkodierung abbilden. Wir akzeptierten geringfügige visuelle Präzisionskompromisse, um die systemweite Lesbarkeit zu erhalten.

(004)

Lösungsstruktur

Fünf Datenquellen. Eine Intelligenzschicht.

Garantieansprüche

Strukturierte Feldausfallsdaten — das klarste Signal, aber immer verzögert.

Serviceberichte

Beobachtungen von Technikern — unstrukturiert, aber reich an Frühwarninformationen.

Fertigungsprotokolle

Prozessabweichungen und Qualitätsprüfpunkte in der Fertigungsstraße.

Engineering-Feedback

Interne Zuverlässigkeitsbewertungen von Engineering-Teams.

Lieferantendaten

Komponentenqualitätskennzahlen und Prüfberichte.

Vom Signal zur Grundursache.
End-to-End-Erfahrung

01

KI erkennt Anomalie

02

Signal erscheint im Zuverlässigkeits-Dashboard

03

Ingenieur öffnet Anomalie-Insight-Panel

04

Trendvisualisierung zeigt Abweichung

05

Ingenieur filtert Hauptdatensatz

06

Ursachenanalyse auf Komponentenebene

Datenfluss

Fertigungsdatenquellen

KI-Verarbeitungsschicht

Mustererkennung · Anomaliebewertung

Insight-Schicht

Anomaliewarnungen · Signaltrends

Ingenieurs-Untersuchungsarbeitsplatz

Dashboards · Diagramme · Mastertabellen

(005)
Phase 01 · Pre-Seed · 2021

Grundstein legen. Alleiniger Designer. Von null zur Investorenfähigkeit.

Als ich anfing, hatte das Unternehmen eine These, ein technisches Team und einen dringenden Bedarf: Etwas Reales bauen, das Investoren zeigt, dass diese Idee ein Produkt werden kann. Ich war der alleinige Designer. Kein Designsystem. Keine Komponentenbibliothek. Keine Produktoberfläche zum Erweitern. Ich musste Interfaces gestalten, die das analytische Potenzial der Plattform klar genug demonstrierten, um Investoren zu überzeugen — und dabei strukturell solide genug waren, um tatsächlich gebaut zu werden.

Key Work

Dashboard-Architektur

Diagrammvisualisierungsmuster

Frühe Zuverlässigkeits-Insight-Layouts

Analytische Interface-Struktur

Ergebnis der Serie

7,5 Mio. $ Seed-Finanzierung — Februar 2023

Investoren: Boeing · Amplo · Inspired Capital

Grundstein legen. Alleiniger Designer. Von null zur Investorenfähigkeit. — phase image
(006)
Phase 02 · Seed Stage · 2021 – 2022

Design für Ingenieure, die nicht vertrauen, was sie nicht prüfen können.

KI-Insight-Interface

  • Anomaliewarnungen
  • Signalkonfidenzindikatoren
  • Abweichungsmarkierungen gegenüber historischen Baselines
  • Interpretierbare Insight-Zusammenfassungen

Ingenieure konnten sehen, was sich verändert hatte, wie ungewöhnlich es war und warum das System es markiert hatte.

Datenvisualisierungssystem

  • Trenddiagramme
  • Anomalie-Score-Grafiken
  • Vergleichende Komponentenanalyse
  • Zuverlässigkeitssignal-Überlagerungen

Half Ingenieuren, Muster schnell über Millionen von Datensätzen hinweg zu interpretieren.

Enterprise-Datentabellen

  • Mehrdimensionale Filterung
  • Konfigurierbare Spaltenansichten
  • Sortierung nach Anomalie-Score
  • Erweiterbare Zeileninspektion

Diese Tabellen wurden zum meistgenutzten Arbeitsbereich für Zuverlässigkeitsuntersuchungen.

Design für Ingenieure, die nicht vertrauen, was sie nicht prüfen können. — phase image

(007)

Meilenstein · U.S. Air Force SBIR-Vertrag

Zuverlässigkeitsintelligenz in Verteidigungsqualität.

In der Series-A-Phase sicherte die Plattform einen SBIR-Vertrag der U.S. Air Force. Dies validierte sowohl die KI-Technologie als auch die operative Reife des Produkts. Die Designarbeit trug dazu bei, KI-gestützte Zuverlässigkeits-Insights klar genug zu präsentieren für Bewertungskontexte der Regierung und Verteidigung. Jedes Label, jede Diagrammachse und jeder Konfidenzindikator musste einer genauen Prüfung standhalten.

U.S. Air Force SBIR Contract — Axion Ray milestone
(008)
Phase 03 · Post Series A · 2022

Vom alleinigen Designer zur Skalierung einer Enterprise-Plattform.

Nach der Series-A-Finanzierung erweiterte sich das Produktteam. Ich wechselte vom alleinigen Designer zu einem Teil eines dreiköpfigen Designteams neben einem Senior UX Designer und Acting Art Director. Der Design-Fokus verlagerte sich von der Erfindung zur Skalierung.

Verfeinerung des Untersuchungsworkflows

Reduzierung der Reibung zwischen Anomaliewarnungen und Ursachenanalyse.

Skalierung der Daten-Interfaces

Unterstützung größerer Datensätze und komplexerer Filterszenarien.

Wachstum des Designsystems

Beitrag neuer Diagramm- und Tabellenkomponenten und Angleichung der UI-Muster der Plattform.

Enterprise-Zusammenarbeit

Zusammenarbeit mit Produkt und Engineering zur Skalierung von Designsystemen und Untersuchungsworkflows für eine Enterprise-Plattform.

Series-A-Ergebnis

17,5 Mio. $ Series A — März 2024, Gesamtfinanzierung: 25 Mio. $

Geführt von Bessemer Venture Partners, strategische Investition von RTX Ventures (Raytheon)

Vom alleinigen Designer zur Skalierung einer Enterprise-Plattform. — dashboard panels
Vom alleinigen Designer zur Skalierung einer Enterprise-Plattform. — phase image
(009)

Ergebnis: Eine Plattform, der Ingenieure vertrauen. Ein Produkt, das Investoren unterstützt haben.

7,5 Mio. $

Seed-Runde

17,5 Mio. $

Series A

25 Mio. $

Gesamtfinanzierung

SBIR

U.S. Air Force Vertrag

Die Plattform sammelte 25 Mio. $ über drei Phasen ein, unterstützt von strategischen Investoren darunter Boeing, Denso, Baxter und Raytheon — und validierte damit KI-gestützte Zuverlässigkeitsintelligenz für die Fertigung im großen Maßstab.

Skills Applied

Enterprise product design
AI interface design
Data visualization systems
Investigative workflow UX
Design systems
Startup product scaling

Gezeigte Interfaces sind illustrative Rekonstruktionen.

(010)

Rückblick auf zwei Jahre. Drei Finanzierungsphasen.

01

Domänentiefe verbessert Designentscheidungen.

Das Verständnis von Zuverlässigkeits-Engineering-Workflows veränderte, wie Interfaces strukturiert wurden.

02

KI-Interfaces erfordern Transparenz.

Konfidenzindikatoren und Interpretierbarkeit sind wesentlich für das Vertrauen der Nutzer.

03

Designsysteme sind Infrastruktur.

Konsistente visuelle Kodierung ist unverzichtbar für komplexe analytische Produkte.

Kundenfeedback

"It was a true pleasure working with Fazlul. His designs are highly professional, expert, and aesthetically sophisticated."

"Fazlul is the best designer you could ever ask for. Dedicated, respectful, and a creative genius."

"Fazlul is the most talented designer I have ever worked with."

Daniel First, CEO