Arpuro Intelligence·Jetzt im Early Access

Fragen Sie Ihre Staubdaten in normaler Sprache.

Mit Arpuro Intelligence können Claude, ChatGPT, Cursor oder jeder andere MCP-Client mehr als vier Milliarden Staubmessungen abfragen. Schichtleiter, HSE-Ingenieure und Bediener fragen in normaler Sprache und erhalten Antworten aus Live-Daten. Niemand muss SQL schreiben.

4B+
indexierte Messungen
20
Industriestandorte aktiv
3
Länder · NO · IS · ES
15%
der europäischen Si-Verhüttung
Der Wandel

Dieselbe Frage.
Vier Wege zur Antwort.

Drei davon brauchen einen Ingenieur und etwas Code. Der vierte braucht einen Satz.

Die Frage

„Zeigen Sie jeden Standort bei Isfjorden Silicon mit den Staubbedingungen des letzten Monats, sortiert nach höchster Exposition zuerst."

Ansatz 01SQL
SELECT l.name,
       AVG(m.resp_mg) AS avg_dust
FROM measurements m
JOIN locations l ON m.loc_id = l.id
JOIN sites s     ON l.site_id = s.id
WHERE s.name = 'Isfjorden Silicon'
  AND m.time >= NOW() - INTERVAL '1 month'
GROUP BY l.name
ORDER BY avg_dust DESC;
Benötigt: Schema, Zugriff, SQL-Kenntnisse
Ansatz 02REST
GET /api/sites
  ?name=Isfjorden+Silicon

GET /api/locations
  ?site_id=42

GET /api/measurements
  ?locations=101,102,103,104
  &start=2026-01-01T00:00:00Z
  &end=2026-02-01T00:00:00Z
  &types=resp_mg_per_m3
Benötigt: API-Schlüssel, Glue-Code, clientseitige Sortierung
Ansatz 03Python
sites = api.get_sites(
    name="Isfjorden")
locs = api.get_locations(
    site_id=sites[0].id)
data = api.get_measurements(
    locations=[l.id for l in locs],
    start="2026-01-01",
    end="2026-02-01",
    types=["resp_mg_per_m3"])
sorted(data,
    key=lambda x: x.avg,
    reverse=True)
Benötigt: SDK, Python-Umgebung, Deployment
Ansatz 04MCP

„Zeigen Sie jeden Standort bei Isfjorden Silicon mit den Staubbedingungen des letzten Monats, sortiert nach höchster Exposition zuerst."

Ein Satz. Das Modell erledigt den Rest.Arpuro
Was Sie fragen können

Von der Schichtübergabe bis zur Vorstandsberichterstattung.

Tippen Sie auf einen beliebigen Prompt, um die Antwort zu sehen.

Betrieb

Zeigen Sie mir die höchsten Staubwerte von Furnace 4 in der letzten Schicht.

Furnace 4 — letzte 8 Stunden (06:00–14:00 UTC)

Drei Spitzenwerte beim alveolengängigen Staub überschritten den 15-Minuten-OEL von 5,0 mg/m³. Der höchste, um 11:42, erreichte 7,8 mg/m³ während eines Abstichs. Der Schichtdurchschnitt lag bei 1,4 mg/m³ — deutlich unter dem 8-Stunden-Grenzwert von 2,5.

Alveolengängiger Staub · mg/m³ · 15-Min-Intervalle06:00 → 14:00
15-Min-OEL · 5.08h-OEL · 2.5842006:0008:0010:0012:0014:00
ZeitSpitze (resp)% von15-Min-OELWahrscheinliche Ursache
07:305.3 mg/m³106%Beschickung
11:427.8 mg/m³156%Abstich
13:006.5 mg/m³130%Schlackenhandhabung

Soll ich das in 15-Minuten-Fenster aufschlüsseln oder mit derselben Schicht der Vorwoche vergleichen?

Analyse

Compliance

Berichtswesen

So funktioniert's

Auf einem offenen Standard aufgebaut.

Arpuro Intelligence nutzt das Model Context Protocol — einen offenen Standard, um KI-Modelle mit Live-Daten zu verbinden. Ein Connector funktioniert mit den meisten aktuellen KI-Clients.

97M+
SDK-Downloads
pro Monat
13k+
MCP-Server
auf GitHub
Unterstützt von
Anthropic · OpenAI · Google · Microsoft
  1. 01

    Connector hinzufügen

    In Ihrem MCP-fähigen Client (Claude, ChatGPT, Cursor, Copilot) fügen Sie eine einzige URL ein:

    https://mcp.arpuro.io
  2. 02

    Einmal anmelden

    Ein Standard-OAuth-Flow gegen Ihr Arpuro-Konto. Dieselbe Anmeldung wie die Plattform — dieselbe Rolle, dieselben Berechtigungen, keine parallele Zugriffsverwaltung.

  3. 03

    Stellen Sie eine Frage

    Das Modell erhält Lesezugriff auf die Dashboards und die Historie, auf die Sie bereits Zugriff haben. Diagramme, Zusammenfassungen, Exporte — alles aus Live-Daten generiert.

Integrationen

Funktioniert mit den Tools, die Ihre Teams bereits nutzen.

KI-Clients
  • ClaudeAnthropic
  • ChatGPTOpenAI
  • CursorIDE
  • CopilotMicrosoft
Workflow & Automatisierung
  • n8nBenachrichtigungen & Berichte
  • OpenClawAgent-Orchestrierung
  • Zapier / MakeTrigger
  • Benutzerdefinierte MCP-ClientsOffener Standard
Enterprise
  • Power BIBerichtswesen
  • Microsoft TeamsBenachrichtigungen
  • SAPDirekte API
  • Word & ExcelEinreichungsbereit
Greifbarer RoI

Wo die Zahlen landen.

Eine unabhängige Bewertung von Crisp Ideas aus dem April 2026 hat die Wirkung pro Standort modelliert, wenn Arpuro-Sensoren mit generativer KI kombiniert werden.

Vollständige Bewertung lesen
Direkte Einsparungen
0.7–3.4M
NOK pro Standort pro Jahr. Reinigungszyklen, Kampagnenwechsel, Vermeidung regulatorischer Risiken.
Gesellschaftlicher Wert
10.8M
NOK pro typischem Fall, DALY-bereinigt (Disability-Adjusted Life Years).
CAPEX neu gedacht
Zweistellige Millionenbeträge
NOK pro Lüftungsinstallation. Sensordaten sagen Ihnen, ob Sie sie brauchen — bevor Sie sie spezifizieren.
Betriebsgewinne
Weniger reinigen, weniger ausfallen.
Periodische Reinigung zu 100 000 NOK pro Zyklus, durchgeführt bei Bedarf — nicht nach Kalender.
Sicherheit & Zugriff

Standardmäßig schreibgeschützt. Beschränkt auf das, was jeder Nutzer bereits hat.

  • Tokens sind kurzlebig und können über das Arpuro-Dashboard widerrufen werden.

  • Das Modell sieht keine Daten ohne ausdrücklichen Nutzer-Prompt.

  • Aufbauend auf der vorhandenen Plattform-RBAC — keine parallele Zugriffsebene.

Sehen Sie es mit Ihren eigenen Daten.

Dreißig Minuten Walkthrough mit Ihren Daten, mit einem der Ingenieure, die die Plattform gebaut haben.