Showcase: Von der Rebe zum Verdict

Ein vollstaendiger Durchgang durch jedes jinflow-Instrument — mit realen Daten von Domaine Zufferey, einem Walliser Weingut. Dies ist kein Spielzeugbeispiel. Jedes Finding, jede Thesis und jedes Verdict wurde aus tatsaechlichen Produktionsdaten berechnet.

Die Domaene

Marie-Therese Zufferey fuehrt ein 45-Parzellen-Gut im Wallis und produziert 1.410 Weine ueber mehrere Jahrgaenge. Ihre Daten kommen aus FileMaker — Parzellen, Ernten, Weine, Faesser, Kelleroperationen, Laboranalysen, Flaschenbewegungen, Bestellungen und Kunden. Millesime nimmt alles ueber die Medallion-Pipeline auf und baut einen Knowledge Store.

Die Zahlen: 867 Ernten. 10.640 Kelleroperationen. 44.472 Laboranalysen. 75.956 Bestellungen. 84.714 Flaschenbewegungen.

Schritt 1: Entities — der Gold Contract

Die P-world (Pipeline) liefert 10 saubere Entities:

Entity	Zeilen	Was sie repraesentiert
Parcels	45	Weinbergparzellen mit Rebsorte, Flaeche, Pflanzjahr
Harvests	867	Traubeneingang pro Parzelle pro Jahrgang (kg, Zucker, Saeure)
Wines	1.410	Produzierte Weine mit Sorte, Jahrgang, Appellation
Barrels	800	Eichenfaesser mit Alter, Kapazitaet, aktuellem Inhalt
Lab Analyses	44.472	pH, Alkohol, SO2, Saeure-Messungen pro Wein
Cellar Operations	10.640	Umfuellen, Schoenung, Filtration, Abfuellung
Bottle Movements	84.714	Flaschen Ein-/Ausgang pro Wein
Sales Orders	75.956	Kundenbestellungen mit Mengen und Preisen
Customers	1.200	Restaurants, Einzelhaendler, Privatkunden
Harvest Trends	867	Jahresvergleich-Ertragsmetriken pro Parzelle

Das ist das Interface. Von hier an ist alles T-world — der Analyst und Berater schaut nie unter Gold.

Schritt 2: Signals — Anomalien erkennen

12 Signals untersuchen die Entities und produzieren 8.259 Findings:

Signal	Findings	Schlimmster	Was es erkennt
probe_traceability_gap	80	high	Weine ohne Laboranalysekette — Rebe-zu-Flasche nicht nachweisbar
probe_missing_lab_analysis	102	high	Weine ohne Laborzertifizierung abgefuellt
probe_yield_decline	286	high	Parzellen mit anhaltendem Ertragsrueckgang ueber Jahrgaenge
probe_production_cost_vs_price	1.410	high	Weine bei denen Produktionskosten den Verkaufspreis erreichen
probe_customer_concentration	2.143	medium	Weine mit >40% Verkaeufen an einen einzelnen Kaeufer
probe_harvest_yield_anomaly	40	medium	Ernten mit Ertrag weit ausserhalb der Sortennorm
probe_barrel_age_risk	117	medium	Faesser ueber ihrer empfohlenen Nutzungsdauer
probe_inventory_balance	1.250	medium	Weine mit Bestandsdiskrepanzen (Flaschen rein ≠ Flaschen raus)
probe_inactive_customer	0	—	Kunden ohne Bestellungen in 24 Monaten (keine gefunden)
probe_sugar_alcohol_consistency	0	—	Laborergebnisse mit unplausiblem Zucker/Alkohol-Verhaeltnis (keine gefunden)

Zwei Perspectives aggregieren Findings in Entity Health Scores:

Perspective	Bewertete Entities	Was sie misst
assessment_wine_health	1.410 Weine	Gesamtgesundheit kombiniert aus Rueckverfolgbarkeit, Labor, Kosten, Inventar
assessment_parcel_health	1.421 Parzellen × Jahrgaenge	Ertragstrends, Ernteanomalien ueber Parzellen

Der Wein mit dem schlechtesten Score: Z-W-2021-1205 — von 4 Signals markiert, 8 Findings, CHF 6.122 at Risk.

Schritt 3: Theses — ist das ein Muster?

Drei Theses bewerten ob die Signal Findings systematische Geschaeftsbedenken darstellen:

thesis_traceability_compliance_risk — CONFIRMED

“Starke Evidenz fuer AOC-Compliance-Risiko. Mehrere Weine haben keine Laborzertifizierung vor der Abfuellung, und Rueckverfolgbarkeitsketten sind unterbrochen. Sofortige Sanierung vor dem naechsten Audit empfohlen.”

• Status: confirmed (Evidence Score 1.0)
• Findings: 1.432 ueber 2 Signals
• Money at Risk: CHF 757.238
• Evidenz: probe_traceability_gap (primary) + probe_missing_lab_analysis (supporting)

thesis_revenue_pressure — CONFIRMED

“Die Domaene hat messbares Umsatzrisiko. Schluesseweine zeigen hohe Kundenkonzentration, duenne Produktionsmargen oder Bestandsungleichgewichte.”

• Status: confirmed (Evidence Score 1.0)
• Findings: 4.803 ueber 3 Signals
• Money at Risk: CHF 1.737.312
• Evidenz: probe_customer_concentration (primary) + probe_production_cost_vs_price (supporting) + probe_inventory_balance (context)

thesis_vineyard_aging_impact — CONFIRMED

“Klare Evidenz fuer Ertragsrueckgang auf alternden Parzellen. Mehrere Parzellen zeigen anhaltendes Sinken der kg/ha ueber Jahrgaenge.”

• Status: confirmed (Evidence Score 0.83)
• Findings: 1.696 ueber 2 Signals
• Evidenz: probe_yield_decline (primary) + probe_harvest_yield_anomaly (supporting)

Schritt 4: Verdicts — warum passiert das?

Jede bestaetigte Thesis bekommt ein Root Cause Verdict:

Fehlender Laborzertifizierungsprozess (Konfidenz: 90%)

Root Cause: process_failure / lab_certification_gap

“Die Domaene fuellt Wein ohne systematische Laborzertifizierung ab. Weine haben Kelleroperationen einschliesslich Abfuellung aber keine passenden Laboranalysen.”

Empfehlung: Einen obligatorischen Laboranalyseschritt im Abfuellworkflow einrichten. Jeder Wein sollte mindestens pH, Alkohol und SO2-Ergebnisse im System haben, bevor die BOTTLE-Operation protokolliert wird.

Enge Kundenbasis (Konfidenz: 85%)

Root Cause: structural / customer_base_narrow

“Umsatzdruck stammt von einer engen Kundenbasis. Weine zeigen hohe Kundenkonzentration (>40% von einem einzigen Kaeufer).”

Empfehlung: Einen Direktvertriebskanal entwickeln (Cave ouverte, Online-Shop, Weinclub) um die Abhaengigkeit von Gastronomie-Konten zu reduzieren.

Wiederbepflanzungsdefizit (Konfidenz: 60%)

Root Cause: structural / replanting_deficit

“Ertragsrueckgang wird durch ein Wiederbepflanzungsdefizit angetrieben — alternde Parzellen mit Reben >30 Jahre wurden nicht planmaessig ersetzt.”

Empfehlung: Einen 10-Jahres-Wiederbepflanzungsplan aufstellen, priorisiert nach Parzellen mit Rebenalter >35 Jahre und Ertrag unter 60% des 3-Jahres-Durchschnitts.

Schritt 5: SMEbits — Expertenwissen

Zwei Stuecke Expertenwissen, erfasst von Marie-Therese selbst:

smebit_zufferey_old_vine_yield (business_rule)

“Parzellen Z-P06 und Z-P08 haben vor 1980 gepflanzte Reben — Ertragsrueckgang ist erwartet und akzeptiert aus Qualitaetsgruenden.”

Marie-Thereses Erb-Parzellen produzieren konsistent 30-40% weniger als juengere Parzellen. Das ist kein Problem zum Beheben — es ist eine bewusste Qualitaetsstrategie.

smebit_barrel_numbering_convention (structural)

“Jede Domaene verwendet ein anderes Fassnummernpraefix — Z-BRL fuer Zufferey, C-BRL fuer Clavien, B-BRL fuer Betrisey.”

Schritt 6: BitBundle — das kuratierte Narrativ

bb_confrerie_data_landscape

“Die Datenlandschaft der Confrerie — Drei Systeme, eine Geschichte”

Das BitBundle kuratiert 5 SMEbits in ein Narrativ darueber, wie die drei Domaenen verschiedene Systeme (FileMaker, Navision, LabSystem) mitbrachten und wie diese Unterschiede praegen, was in den Daten sichtbar ist.

Schritt 7: Reports — das Deliverable

6 Reports (18 PDFs in DE/FR/EN):

Report	Was er liefert
report_executive_summary	High-Level-Uebersicht fuer die Fuehrung
report_vintage_quality	Jahrgangsweise Qualitaetsmetriken mit Laboranalyse-Abdeckung
report_appellation_performance	Leistung nach AOC-Appellation
report_cellar_inventory	Aktuelles Fass- und Flascheninventar mit Altersrisiko-Flags
report_customer_portfolio	Kundenkonzentrationsanalyse mit Diversifikationsempfehlungen
report_data_landscape	Datenqualitaets-Uebersicht

Die vollstaendige Kette

Ein Faden, jedes Instrument:

Von einem einzelnen Wein (Entity) zu einer Geschaeftsempfehlung (Report) — durch jede Ebene der analytischen Pyramide. Jeder Schritt ist deklarativ, reproduzierbar und im Explorer durchsuchbar.

Probiere es selbst

Dieser KLS ist als Demo verfuegbar. Oeffne ihn im Explorer:

jinflow explore --tenant millesime.domaine_zufferey

Durchsuche die Findings. Klicke eine Thesis. Lies das Verdict. Pruefe was der SME gesagt hat. Sieh den vollstaendigen Report.

Dann sieh dieselbe Engine bei der Arbeit in einer voellig anderen Branche: Von der Sendung zur Einsparung — der InterLogic Logistik-Durchgang.

Sprich mit deinen Daten — damit sie zu dir sprechen.