Der Anwendungsfall: wie AES H2O.ai einsetzt
AES uses H2O AI Cloud to build and deploy machine learning models for predictive maintenance, including wind turbine failure prediction and smart-meter analysis. It monitors models with H2O MLOps, serves them to business users through H2O Wave apps, and reuses features via the H2O AI Feature Store.
Weitere angegebene Ergebnisse
Zahlen aus der Fallstudie von H2O.ai. usedby hat sie nicht unabhängig gemessen.
A smart-meter project eliminated 3,000 non-essential technician trips, saving roughly $1M a year.
Reliability improved too, with a 10% reduction in Customer Average Interruption Duration Index (CAIDI).
AES now runs 35 production models for wind turbine failure prediction alone, all exceeding 90% accuracy, and more than 150 models in production supporting 85 AI use cases across the organization.
In den Worten des Kunden
We didn't have a single data scientist on payroll when we started our AI transformation. We started with a few high value use cases, built a team, and found a platform to accelerate our results.Weitere KI-Tools von AES
Weitere öffentliche Beziehungen, die auf usedby erfasst sind.
Den KI-Stack von AES ansehen
Weitere Unternehmen, die H2O.ai nutzen
Kunden aus allen Branchen, mit öffentlichen Belegen.
ADPBestätigt
AT&TBestätigt
Acordo CertoBestätigt
AirvantageBestätigt
ArmadaHealthBestätigt
BeeswaxBestätigtDirekt zur Quelle
Auf Basis der veröffentlichten Fallstudie von H2O.ai. Wir prüfen die öffentlichen Belege; die Ergebnisse gibt der Anbieter an.
h2o.ai- Zuletzt geprüft
- 17. Okt. 2026
Screenshot der Quelle öffnen Was die Fallstudie behauptet und was wir geprüft haben
Was wir mit der Seite verglichen haben.
- Die Zahl: $1MGeprüft
Steht wörtlich auf der Seite, nahe dem Namen AES.
- Die oben zitierte PassageGeprüft
Wörtlich von der Seite übernommen, nahe dem Namen AES.
- AES nutzt H2O.aiGeprüft
Eintrag mit Stufe Bestätigt.
- Das Ergebnis selbstNicht geprüft
Wir zitieren es; wir haben es nicht gemessen.
The predictive maintenance program cut the cost of crane-assisted repairs by two-thirds, from about $100k to $30k each, and delivered millions of dollars in savings. A smart-meter project eliminated 3,000 non-essential technician trips, saving roughly $1M a year.