---
title: Jev AI a LiteTMS: wou mir d'Kënschtlech Intelligenz asetzen
description: Kuckt wéi dem TypeSafe säi Jev-KI-Modell LiteTMS hëlleft, Chauffeursmessagen, Uertschaften an Importer ze bewäerten, mat JSON- a Java-Beispiller.
slug: where-jev-helps-in-litetms
locale: lb
date: 2026-09-24
updated: 2026-09-25
category: technology
tags: jev, ai, transport, driver-chat, data-import
author: LiteTMS Team
draft: false
---

Mir hunn de Jev, en KI-Modell vu [TypeSafe AI](https://typesafe.ai/blog/introducing-system-one-models-and-jev?utm_source=litetms.eu), a verschidde LiteTMS-Aarbechtsofleef integréiert. En hëlleft dobäi, Noriichte vu Chaufferen z'erkennen, déi Opmierksamkeet brauchen, ze préiwen, ob zwou Uertschaftsbezeechnungen déi selwecht Stad mengen, Virschléi ze maachen, wéi eng Importdatei ze liesen ass, an ze verhënneren, datt eng Noriicht iwwersat gëtt, déi schonn an der Sprooch vum Lieser ass. Dat si kleng Bewäertungen an engem Transport Management System, kee neien Chat-Assistent fir de Büro.

Wann den Numm Iech nei ass, erkläert [eisen éischte Jev-Artikel](/en/blog/jev-ai-decisions-transport) d'Konzept. Eng Text generéierend KI schreift eng Äntwert op e Prompt. De Jev ass dogéint dofir entwéckelt, eng méi geziilt Fro ze beäntwerten, wéi zum Beispill: „Braucht dës Noriicht eng Äntwert?“ LiteTMS notzt dës Bewäertung dann am jeeweilegen Aarbechtslaf.

## Chauffeursnoriichten, déi e méi genaue Bléck verdéngen

E Chauffeur ka reegelméisseg Statusmeldunge schécken, eng Fro stellen oder e Problem mellen. De Büro sollt net all Noriicht als d'selwecht dréngend behandele mussen. Am Chauffeurs-Chat hu mir dofir eng Jev-Iwwerpréiwung agebaut, déi erakommend Noriichten nom Thema zortéiert a bewäert, ob den Disponent agräife muss. Dat funktionéiert souwuel mat geschriwwenen Noriichte wéi och mat Sproochnoriichten, soubal dës transkribéiert goufen.

Zum Beispill ass „De Camion huet e platte Pneu“ eppes ganz aneschters wéi „Ech sinn ukomm.“ Eng Noriicht, déi als handlungsbedierfteg aweedestuft gëtt, kann an der Iwwersiicht fir dréngend Fäll ugewise ginn; e Gefierproblem kann zousätzlech eng dréngend Notifikatioun ausléisen. De Büro kann de Verlaf weiderhin liesen, dorop äntwerten an d'Uleies als erledegt markéieren. De Jev schéckt keng Äntwert un de Chauffeur an hëlt och keng Entscheedung doriwwer, wéi eng Pann geléist soll ginn.

Fir eng Noriicht iwwer e platte Pneu kann d'KI-Bewäertung am JSON-Format esou ausgesinn:

```json
{
  "input": { "driver_message": "I have a flat tyre and cannot continue." },
  "jev_assessment": {
    "category": "vehicle_problem",
    "needs_action_probability": 0.94
  }
}
```

LiteTMS liest d'Kategorie an de Wäert fir d'Handlungsbedierfnes aus. E Gefierproblem mat engem esou héije Wäert kann als dréngend markéiert ginn, soudatt d'Dispositioun direkt weess, datt eng Reaktioun néideg ass.

## Uertschaftsnimm a Commanden an Transportdokumenter

Op engem Dokument kéint „Köln“ stoen, wärend an der Commande „Cologne“ steet. E buchstieflechen Textverglach gesäit zwee verschidde Wierder, obwuel béid déi selwecht Stad mengen. Mir hunn eng Jev-Iwwerpréiwung fir genee dës Fro bei der KI-ënnerstëtzter Opnam vu Commanden a bei der Iwwerpréiwung vun Uertschaften a CMR-Dokumenter integréiert.

Bei der Opnam vu Commanden hëlleft dat dobäi, tëscht proposéierten Uertschaften ze wielen oder en onséchert Resultat fir eng manuell Kontroll zeréckzebehalen. Beim Iwwerpréiwe vun engem CMR kann eng kloer Äntwert fir déi selwecht Stad eng *Ofwäichung beim Uertschaftsnumm* klären, déi soss als Warnung markéiert gi wier. E separaten KI-Schrëtt liest d'Dokument; de Jev beuerteelt, ob d'Uertschaftsnimm iwwereneestëmmen.

Fir déi zwee Stadnimm kann d'Bewäertung esou ausgesinn:

```json
{
  "input": { "document_place": "Köln", "order_city": "Cologne" },
  "jev_assessment": { "same_city_probability": 0.92 }
}
```

Den héije Score fir déi selwecht Stad kann d'Ofwäichung beim Uertschaftsnumm opléisen. Aner Deeler vun der CMR-Kontroll bleiwen dovunner getrennt.

## Importdateie mat onbekannten Iwwerschrëften

D'Iwwerdroe vun Informatiounen an en neit System fänkt dacks mat enger Tabell un. An enger Datei steet „registration number“, an enger anerer „plate“, an eng drëtt huet Kolonneniwwerschrëften, déi schwéier ze erkennen sinn. LiteTMS benotzt fir d'éischt normal Zuordnungsreegelen. Wou dës Reegele Lücken hannerloossen, ka Jev virschloen, ëm wat fir eng Zort Donnéeën et sech an der Datei handelt a wéi eng Kolonnen zu wéi enge Felder gehéieren.

D'Virschléi ginn als KI-ënnerstëtzt markéiert, an déi Persoun, déi d'Datei importéiert, kann d'Zuordnung iwwerpréiwen, ier d'Datensätz ugeluecht ginn. Mir hunn dëse Wee an den allgemengen Importassistent souwéi an den Import vu CRM-Deals a Frachten agebonnen. Eng änlech Iwwerpréiwung kann eng Entreprise, déi schonn an der Partnerlëscht steet, trotz enger anerer Schreifweis erkennen. Dat hëlleft, Duplikater ze vermeiden, wann d'Iwwereneestëmmung sécher genuch ass.

Huelt un, eng importéiert Fuertpark-Tabell notzt „Unit ref.“ fir d'Immatrikulatiounsnummeren an „Internal ID“ fir d'intern Gefiercoden vun der Entreprise. D'Beispillwäerter hëllefen dem Jev, déi zwee auserneenzehalen. Wann déi üblech Reegele fir d'Iwwerschrëften d'Feld fir d'Plack eidel loossen, kann d'Bewäertung esou ausgesinn:

```json
{
  "input": {
    "columns": {
      "col_0": { "header": "Unit ref.", "examples": ["WX 4821A", "PO 7619K"] },
      "col_1": { "header": "Internal ID", "examples": ["FLEET-17", "FLEET-42"] }
    },
    "field_to_match": "registration_number"
  },
  "jev_assessment": { "column": "col_0", "probability": 0.93 }
}
```

LiteTMS kann doropshin déi éischt Kolonn fir d'Immatrikulatiounsnummere virschloen. De Büro kontrolléiert dës Zuordnung, ier d'Datensätz importéiert ginn. Wann keng Kolonn passt, ka Jev „none“ wielen, soudatt d'Feld fir de Benotzer zur manueller Zuordnung bleift, anstatt eng falsch Zuordnung ze erzwéngen.

## Eng kleng Iwwerpréiwung virun der Chat-Iwwersetzung

Heiansdo ass e Message scho genee an där Sprooch geschriwwen, déi d'Persoun schwätzt, déi en liest. Ier eng voll Chat-Iwwersetzung duerchgefouert gëtt, kann LiteTMS Jev froen, dat ze iwwerpréiwen. Eng kloer Iwwereneestëmmung erlaabt et dem System, den originale Message unzeweisen; eng onsécher Äntwert schéckt en iwwer den normale Wee vun der Iwwersetzung. Dat hält d'Entscheedung präzis: De Lieser kritt d'Iwwersetzung ëmmer nach, wann de System se net sécher iwwersprange kann.

Huelt als Beispill e Chauffeur, dee schreift: „Jestem na miejscu, czekam na załadunek“, wat heescht: „Ech sinn op der Plaz an waarde fir ze lueden.“ Fir e Lieser, dee Polnesch benotzt, kann d'Iwwerpréiwung dës Bewäertung liwweren:

```json
{
  "input": {
    "message": "Jestem na miejscu, czekam na załadunek.",
    "reader_language": "pl"
  },
  "jev_assessment": { "language": "pl", "probability": 0.96 }
}
```

Déi erkannt Sprooch passt zu der Sprooch vum Lieser, dowéinst kann LiteTMS d'Original weisen. Fir e Lieser, deen Englesch benotzt, muss dee selwechte polnesche Message nach ëmmer iwwersat ginn. Eng kuerz Äntwert wéi „OK“ ass manner informativ: Wann d'Sprooch net sécher identifizéiert ka ginn, bleift den normale Wee vun der Iwwersetzung bestoen.

## Wéi d'Jev-Bewäertung a LiteTMS integréiert ass

Jev liwwert LiteTMS e nëtzlecht Signal, wärend de Büro d'Kontroll iwwer d'Aarbecht behält. D'Integratioune sinn agebaut a lafen, wann d'Decisiounscouche vun der Plattform aktivéiert ass, jee no de Firmenastellungen. Wann Jev net disponibel ass, lafen déi normal Workflows fir Chat, Dokumenter an Import einfach weider.

## E Bléck op d'Technik: TypeSafe Jev, JSON a Java

Fir Lieser, déi wësse wëllen, wat ënner der Fläch geschitt, ass d'Ufro, déi mir schécken, e gudden Ausgangspunkt. Wéi dem [TypeSafe säi Quickstart](https://docs.typesafe.ai/introduction/quickstart?utm_source=litetms.eu) weist, enthält eng Ufro de `state`, also d'Informatioun, déi bewäert soll ginn, an `questions`, also d'Bewäertungen, déi gemaach solle ginn. Eng `noul`-Fro liwwert eng Zuel tëscht 0 an 1 zréck, déi d'Wahrscheinlechkeet duerstellt, datt eng Ausso zoutrëfft. Eng `choice`-Fro wielt aus benannte Méiglechkeeten aus, an domat froe mir d'Kategorie vun engem Message of.

Hei ass d'Aktiounsfro eleng, mam Modellidentifikator, deen an eiser OpenRouter-Integratioun konfiguréiert ass:

```json
{
  "model": "typesafe/jev-1.13",
  "state": {
    "driver_message": "I have a flat tyre and cannot continue."
  },
  "questions": {
    "needs_action": {
      "type": "noul",
      "instructions": "The dispatcher must act on driver_message today: reply, give instructions, inform the customer or arrange help. Routine updates and thanks need no action."
    }
  }
}
```

De relevante Bestanddeel vun der Äntwert kann esou ausgesinn:

```json
{
  "answers": {
    "needs_action": {
      "type": "noul",
      "noul": 0.94
    }
  }
}
```

D'Applikatioun liest `answers.needs_action.noul` an applizéiert eng Reegel. LiteTMS benotzt e Schwellenwäert vun `0.55`, ab deem e Message vun engem Chauffeur Opmierksamkeet verlaangt. Nom Dekodéiere vum JSON kann dee selwechten Test a Java geschriwwe ginn:

```java
Double probability = 0.94; // Value from answers.needs_action.noul
boolean needsAttention = probability != null
    && Double.isFinite(probability)
    && probability >= 0.55
    && probability <= 1.0;

if (needsAttention) {
    System.out.println("Flag the message for dispatcher review");
}
```

De Code iwwerpréift, ob de Wäert benotzbar ass, ier en e mam Schwellenwäert vergläicht. A LiteTMS liwwert d'Kategoriebewäertung deen aneren Deel vun der Reegel: E Gefierproblem, dee gekläert muss ginn, gëtt och als dréngend Warnung agestuuft. De Modell bewäert de Message; d'Applikatioun definéiert d'Aktioun. Wann d'Äntwert feelt, leeft den normale Chat-Workflow weider.

De Schwellenwäert hänkt dovun of, wat duerno geschitt. Fir eng Propositioun vun enger Importsail akzeptéiert LiteTMS eng gewielte Kolonn mat enger Wahrscheinlechkeet vun op d'mannst `0.60`; fir eng Iwwersetzung z'iwwersprangen, muss d'Sprooch vum Lieser mat op d'mannst `0.90` identifizéiert ginn. E Score vun `0.85` kann dofir eng Propositioun fir eng Kolonn ënnerstëtzen, déi eng Persoun iwwerpréift, mee et geet net duer, fir d'Chat-Iwwersetzung z'iwwersprangen. All Reegel spigelt d'Konsequenz vun där konkreeter Decisioun erëm.

## FAQ

### Wien huet Jev AI entwéckelt?

TypeSafe AI huet Jev als System-One-Modell fir strukturéiert Decisiounen entwéckelt. LiteTMS integréiert et a spezifesch Workflows wéi d'Bewäertung vu Chauffeursmessagen an den Ofgläich vun Uertschaftsnimm.

### Fir wat gëtt Jev AI a LiteTMS benotzt?

Jev gëtt fir d'Triéiere vu Chauffeursmessagen, d'Iwwerpréifung op déiselwecht Stad bei der Optragsursaach a CMR-Uertsiwwerpréifungen, Importpropositiounen an e Sproochevergläich virun der Chat-Iwwersetzung benotzt. Plattform- a Firmenastellunge bestëmmen, ob eng eenzel Funktioun an engem Workspace aktiv ass.

### Äntwert Jev de Chauffeuren oder approuvéiert et CMR-Dokumenter?

Nee. Et ka Chauffeursmessagen markéieren, déi Opmierksamkeet brauchen, a bewäerten, ob zwee Uertschaftsnimm déi selwecht Stad mengen. Eng Persoun këmmert sech ëm de Message, an e Match bei der Stad validéiert net dat ganzt CMR-Dokument.

### Wat geschitt, wann Jev onsécher oder net disponibel ass?

LiteTMS hält sech un de bestoende Workflow. Zum Beispill benotzt eng onsécher Sproochenerkennung den normale Wee vun der Chat-Iwwersetzung, wärend eng onsécher Importpropositioun d'Zouuerdnung un eng Persoun iwwerléisst, fir se z'iwwerpréiwen.