Wie sind die Öffnungszeiten?

Montag 07:00 - 17:30 Dienstag 07:00 - 17:30 Mittwoch 07:00 - 17:30 Donnerstag 07:00 - 17:30 Freitag 07:00 - 17:30

Nuveon, WerinherStr. 3, München (2026)

13/10/2026

Ein Azubi kann eine SPS programmieren. Aber was passiert, wenn plötzlich ein Fertigungsauftrag aus dem ERP kommt, mehrere Varianten produziert werden sollen und am Ende noch jemand wissen möchte, warum die OEE nicht stimmt?

Genau dafür gibt es die 𝗺𝗛𝘂𝗯 𝗘𝗱𝘂𝗰𝗮𝘁𝗶𝗼𝗻 𝗘𝗱𝗶𝘁𝗶𝗼𝗻. In einer realitätsnahen Lernfabrik erleben Studierende und Auszubildende, wie Produktionsplanung, Automatisierung und Shopfloor-Daten tatsächlich zusammenspielen.

Simulierte Aufträge laufen durch die Linie, Varianteninformationen werden verarbeitet und Zustände, Fehler sowie Produktions- und Ausschussdaten zurückgespielt. So werden Themen wie MES, OEE, One-Piece-Flow und Lean Manufacturing nicht nur erklärt, sondern direkt sichtbar.

https://nuveon.de/mhub

09/10/2026

nuveon Under the Hood 🥷
(𝘞𝘩𝘺 𝘈𝘐 𝘯𝘦𝘦𝘥𝘴 𝘶𝘴, 𝘢𝘯𝘥 𝘯𝘰𝘵 𝘫𝘶𝘴𝘵 𝘵𝘩𝘦 𝘰𝘵𝘩𝘦𝘳 𝘸𝘢𝘺 𝘢𝘳𝘰𝘶𝘯𝘥)

𝗔𝗜 𝗮𝗴𝗲𝗻𝘁𝘀 𝗮𝗿𝗲 𝗴𝗿𝗲𝗮𝘁 𝗮𝘁 𝘄𝗼𝗿𝗸𝗶𝗻𝗴 𝗾𝘂𝗶𝗲𝘁𝗹𝘆 𝗶𝗻 𝘁𝗵𝗲 𝗯𝗮𝗰𝗸𝗴𝗿𝗼𝘂𝗻𝗱. 𝗨𝗻𝘁𝗶𝗹 𝘁𝗵𝗲𝘆 𝗴𝗲𝘁 𝘁𝗼𝗼 𝗾𝘂𝗶𝗲𝘁.

We recently added something to our internal AI setup that sounds simple, but solves a very practical problem: if one of our AI agents runs into trouble, we get a message on Telegram.

Not because Telegram is somehow part of the AI magic. It just happens to be where we want the alert.

The same idea can work with other communication tools as well. If an agent encounters an error, can’t complete a task or needs someone to step in, the relevant person gets notified directly instead of discovering it hours later in a log.

We spend a lot of time talking about what AI agents can do. In practice, knowing when they couldn’t do something is just as important.

At the end of the day, the best features are often the ones that make a system easier to trust in everyday use.

07/10/2026

AI-Tokens! Klingt ein bisschen beängstigend, oder?

Es fängt mit einer eigentlich ziemlich vernünftigen Frage an: „Was wird uns das nächsten Monat kosten?“

Bei tokenbasierten KI-Diensten lautet die ehrliche Antwort oft: Es kommt darauf an. Darauf, wie viele Menschen das System nutzen, wie häufig sie es verwenden, wie groß Dokumente und Prompts sind, wie komplex die Anfragen werden und auf viele weitere Faktoren. Je nützlicher die KI intern wird, desto schwieriger lässt sich der monatliche Verbrauch vorhersagen.

Für ein kleines Experiment mag das noch keine große Rolle spielen. Sobald KI aber mit großen Mengen internen Wissens verbunden ist und Teil alltäglicher Prozesse wird, sieht die Sache bei einer ständig schwankenden Pay-per-Use-Abrechnung schon anders aus.

Das ist einer der Gründe, warum wir lokale KI als eine mögliche Bereitstellungsoption innerhalb von 𝗔𝗜 𝗯𝘆 𝗡𝘂𝘃𝗲𝗼𝗻 anbieten. Statt für jedes verarbeitete Token an einen externen Anbieter zu zahlen, investiert das Unternehmen in eigene Hardware und die Implementierung. Die vorhandene Rechenleistung kann dann genutzt werden, ohne dass jede zusätzliche Anfrage direkt weitere Token-Kosten verursacht.

Natürlich muss auch lokale KI betrieben und gewartet werden, deshalb wäre es irreführend, von „kostenloser KI“ zu sprechen. Was sich verändert, ist das Kostenmodell: Statt sich jeden Monat zu fragen, wie hoch die nächste Token-Rechnung wohl ausfällt, ist die wesentliche Investition von Anfang an bekannt.

Für Unternehmen, die ihr eigenes internes Wissen intensiv nutzen wollen, kann diese Planbarkeit fast genauso wichtig sein wie die Technologie selbst.

https://www.nuveon.de/ki

02/10/2026

The uncomfortable side effect of using AI? People use it!

An employee may upload documents or share screenshots to one of the familiar public AI tools to summarize a document, understand a technical issue or simply get help with a task. The intention is usually completely reasonable, but sensitive internal information can still leave the company environment.

Banning AI altogether is hardly realistic, especially when people have already seen how useful it can be.

We suggest a more practical approach, especially for companies handling particularly sensitive internal knowledge: give employees access to AI in an environment the company can actually control. With a local deployment option of 𝗔𝗜 𝗯𝘆 𝗡𝘂𝘃𝗲𝗼𝗻, internal knowledge can stay within a company-controlled environment while the AI connects to the systems, documents and databases people already work with. Access can also be based on existing roles and permissions, so not everyone automatically gets access to everything.

For us, that is one of the more important parts of enterprise AI. It should make company knowledge easier and more intuitive to use, without the concern that it might end up in the wrong hands, either inside or outside the company.

https://www.nuveon.de/en/ai

28/09/2026

𝗪𝗲𝗻𝗻 𝗱𝗲𝗿 𝗞𝘂𝗻𝗱𝗲 𝗺𝗲𝗵𝗿 𝘄𝗶𝗹𝗹, 𝗮𝗹𝘀 𝗱𝗲𝗿 𝗦𝘁𝗮𝗻𝗱𝗮𝗿𝗱 𝘃𝗼𝗿𝘀𝗶𝗲𝗵𝘁 …

Neulich hatten wir bei Nuveon einen Kundentermin, bei dem sich relativ schnell herausstellte: Das wird kein klassischer mVariants-Anwendungsfall (unsere CPQ-Software).

Der Kunde hatte konkrete Vorstellungen, die deutlich über das hinausgingen, was wir bisher mit mVariants umgesetzt hatten. Zusätzliche Logiken, individuelle Abläufe, Informationen aus unterschiedlichen Quellen und die Anbindung weiterer Prozesse. Kurz gesagt: „Könnt ihr das auch?“

Die ehrliche Antwort wäre gewesen: So, wie ihr es gerade beschreibt, haben wir das noch nicht gemacht. Aber natürlich wählen wir immer den interessanten Weg. 😉

Denn je genauer wir die Anforderungen betrachtet haben, desto deutlicher wurde: Eigentlich müssen wir mVariants gar nicht verbiegen.

Die offene und webbasierte Grundausrichtung des Systems bietet genau den Spielraum, den wir brauchen. Produktwissen, Konfiguration, Regeln, Daten und Prozesse lassen sich flexibel miteinander verbinden. Und wo eine konkrete Funktion noch nicht existiert, kann sie auf dieser Basis gezielt ergänzt werden.

Aus einem zunächst vermeintlich „zu speziellen“ Kundenwunsch wurde damit eine ziemlich interessante Erkenntnis:

𝗺𝗩𝗮𝗿𝗶𝗮𝗻𝘁𝘀 𝗺𝘂𝘀𝘀 𝗻𝗶𝗰𝗵𝘁 𝗷𝗲𝗱𝗲𝗻 𝗦𝗼𝗻𝗱𝗲𝗿𝗳𝗮𝗹𝗹 𝘀𝗰𝗵𝗼𝗻 𝗸𝗲𝗻𝗻𝗲𝗻. 𝗘𝗻𝘁𝘀𝗰𝗵𝗲𝗶𝗱𝗲𝗻𝗱 𝗶𝘀𝘁, 𝘄𝗶𝗲 𝗳𝗹𝗲𝘅𝗶𝗯𝗲𝗹 𝘀𝗶𝗰𝗵 𝗻𝗲𝘂𝗲 𝗔𝗻𝗳𝗼𝗿𝗱𝗲𝗿𝘂𝗻𝗴𝗲𝗻 𝗮𝗯𝗯𝗶𝗹𝗱𝗲𝗻 𝗹𝗮𝘀𝘀𝗲𝗻.

Und vielleicht ist genau das eine der spannendsten Eigenschaften unserer Plattform: Sie ist nicht für einen einzigen vorhersehbaren Standardfall gebaut, sondern bietet die Basis, auch ziemlich individuelle Anforderungen abzubilden.

𝗗𝗲𝗿 𝗞𝘂𝗻𝗱𝗲 𝗯𝗿𝗶𝗻𝗴𝘁 𝗱𝗶𝗲 𝗛𝗲𝗿𝗮𝘂𝘀𝗳𝗼𝗿𝗱𝗲𝗿𝘂𝗻𝗴. 𝗪𝗶𝗿 𝗯𝗿𝗶𝗻𝗴𝗲𝗻 𝗱𝗶𝗲 𝗣𝗹𝗮𝘁𝘁𝗳𝗼𝗿𝗺.

https://www.nuveon.de/mvariants

25/09/2026

Predictive maintenance has one awkward limitation: you first have to imagine what might fail.

We came across an article that brings up an interesting angle on machine maintenance.

https://www.industryweek.com/operations/maintenance/article/55407010/the-two-cent-part-that-shut-down-a-factory-for-a-month?utm_source=chatgpt.com

The author describes working on a system that monitored industrial machines and successfully predicted the failure modes it had been designed to recognize. Then a tiny bolt broke, something nobody had thought to instrument, and the machine was down for about a month. The bolt itself cost about two cents.

The article makes an important distinction between predicting the failures you already know how to look for and being prepared for the ones nobody thought to monitor. One line from the article stuck with us:

“Frequency tells you what to expect. It tells you nothing about what will actually hurt you.”

And that is probably the more interesting maintenance question. When we developed our 𝗺𝗛𝘂𝗯 𝗠𝗮𝗶𝗻𝘁𝗲𝗻𝗮𝗻𝗰𝗲 module, we knew there could never be a realistic system that anticipates every possible reason for a machine to stop. What we can do is make the response much better when something happens: maintenance points can be identified quickly, relevant instructions and information are available where they’re needed, work is documented properly, and previous activities remain traceable.

So, the next time a machine fails, whether it’s because of a broken gear or a grain of dust, you need to be confident about what to do next.

https://www.nuveon.de/en/maintenance

23/09/2026

𝗘𝘅𝗰𝗲𝗹 𝗸𝗮𝗻𝗻 𝗲𝗿𝘀𝘁𝗮𝘂𝗻𝗹𝗶𝗰𝗵 𝘃𝗶𝗲𝗹𝗲 𝗣𝗿𝗼𝗯𝗹𝗲𝗺𝗲 𝗹ö𝘀𝗲𝗻. 𝗠𝗮𝗻𝗰𝗵𝗺𝗮𝗹 𝗶𝘀𝘁 𝗴𝗲𝗻𝗮𝘂 𝗱𝗮𝘀 𝗱𝗮𝘀 𝗣𝗿𝗼𝗯𝗹𝗲𝗺.

Bei einem unserer Kunden standen wir vor einer ziemlich typischen Herausforderung: Im ERP-System fehlten einige Daten, die wir brauchten. Gleichzeitig gab es bereits mehrere große Excel-Dateien, mit denen seit Jahren gearbeitet wurde – und die man auch weiterhin nutzen wollte.

Unsere Lösung war, eine Schnittstelle zu bauen, die diese Excel-Dateien anbindet und die Daten so aufbereitet, dass sie in der Produktion verwendet werden können.

Technisch ist das machbar. Tatsächlich können wir nahezu jede Datenquelle anbinden und die Daten in das benötigte Format bringen.

Aber nur weil wir Excel anbinden können, heißt das noch lange nicht, dass Excel langfristig die richtige Quelle der Wahrheit ist.

Warum? Weil Excel als Quelle für Produktionsstammdaten erhebliche Risiken mit sich bringt. In großen Tabellen können schon kleinste, unbemerkte Änderungen ernsthafte Folgen haben – ein geändertes Format, ein ungültiges Zeichen oder schlicht ein falscher Eintrag.

Genau das haben wir bereits erlebt: Eine scheinbar kleine Änderung in einer Excel-Datei hat Fehler in der nachgelagerten Datenverarbeitung verursacht.

Das langfristige Ziel sollte deshalb klar sein:

Stammdaten gehören in eine kontrollierte Datenbank oder in ein zentrales Stammdatenmanagement-System, zum Beispiel mHub.

𝗘𝘅𝗰𝗲𝗹 𝗸𝗮𝗻𝗻 𝗲𝗶𝗻𝗲 𝗽𝗿𝗮𝗴𝗺𝗮𝘁𝗶𝘀𝗰𝗵𝗲 𝗕𝗿ü𝗰𝗸𝗲 𝘀𝗲𝗶𝗻. 𝗔𝗯𝗲𝗿 𝗱𝗶𝗲 𝗕𝗿ü𝗰𝗸𝗲 𝘀𝗼𝗹𝗹𝘁𝗲 𝗻𝗶𝗲 𝘇𝘂𝗺 𝗙𝘂𝗻𝗱𝗮𝗺𝗲𝗻𝘁 𝘄𝗲𝗿𝗱𝗲𝗻.

Wir können nahezu jede Datenquelle anbinden und anpassen. Langfristig sollten Produktionsdaten aber dort liegen, wo sie kontrolliert, validiert und zuverlässig in den relevanten Prozessen genutzt werden können.

https://www.nuveon.de/

18/09/2026

When nobody knows exactly what the next twelve months will bring, “we’ve always done it this way” could become a surprisingly expensive strategy.

There’s enough uncertainty around at the moment without us adding another gloomy economic post to the pile. Energy costs move, demand changes, supply chains surprise us, budgets get examined a little more closely than usual.

The good news is, there are still things we can control.

Like the small inefficiencies inside our own processes that quietly cost time every single day: rebuilding a production plan manually when something changes, asking three people where an order currently stands, or relying on the one colleague who somehow knows which product combinations actually work.

And there are plenty more like these. None of them seems dramatic on its own, which is probably why we can live with them for years.

But when margins are under pressure and decisions have to be made more carefully, “we’ll deal with that someday” becomes harder to justify. Improving efficiency doesn’t necessarily mean launching a huge transformation project. Sometimes fixing one process can have more impact than expected.

We can’t control what the next twelve months will bring. But making the processes we can influence a little smarter seems like a pretty good place to start.

16/09/2026

Wenn ein Produkt viele Varianten hat, wird aus „nur noch eine Option dazu“ ziemlich schnell ein kleines Regelwerk.

Genau dafür gibt es den 𝗺𝗩𝗮𝗿𝗶𝗮𝗻𝘁𝘀 Produkt-Konfigurator: Er bildet Produktwissen, Abhängigkeiten und gültige Kombinationen zentral ab und führt Schritt für Schritt durch die Konfiguration komplexer Produkte. So muss nicht jedes Detail im Kopf einzelner Kollegen oder in diversen Excel-Listen leben.

Je nach Prozess kann die Konfiguration anschließend direkt weiterverarbeitet werden – zum Beispiel für die Preisberechnung, Angebote und Belege, den Warenkorb oder die Übergabe an ERP und mHub. Auch Mehrsprachigkeit und projektbezogene Vertriebssteuerung lassen sich integrieren.

Das Ziel ist dabei ziemlich simpel: Vielfalt behalten, ohne dass sie im Alltag unnötig kompliziert wird.

https://www.nuveon.de/mvariants

11/09/2026

𝗕𝗲𝘆𝗼𝗻𝗱 𝘁𝗵𝗲 𝗛𝗲𝗮𝗱𝗹𝗶𝗻𝗲

A detail in a recent Reuters article about Volkswagen’s plans to simplify its business caught our attention: alongside reducing its model lineup, Volkswagen plans to cut what it calls “offering complexity” (including equipment options) by up to 75%.

https://www.reuters.com/business/world-at-work/volkswagen-stakeholders-meet-decide-future-creaking-auto-giant-2026-07-09/

There’s an interesting question behind that number. When product variety becomes expensive to manage, is the answer always to offer less — or can part of the problem be how that variety is managed in the first place?

Every additional option creates dependencies: which components work together, which combinations are technically possible, what changes the price and what can actually be produced. As the number of variants grows, keeping all of that knowledge consistent across sales, engineering and production becomes increasingly difficult.

Reducing unnecessary complexity makes sense. But where variety is valuable to the customer, another direction is to make the rules behind it easier to manage: keeping product knowledge in one place, defining dependencies clearly and making sure that only valid configurations move through the process.

That doesn’t make a complex product simple. It makes the complexity more manageable.

This is also the idea behind 𝗺𝗩𝗮𝗿𝗶𝗮𝗻𝘁𝘀, our CPQ solution for variant-rich products: bringing configuration rules, dependencies and product knowledge together so that variety doesn’t have to rely on spreadsheets, scattered information or individual know-how.

𝗠𝗼𝗿𝗲 𝗮𝗯𝗼𝘂𝘁 𝗺𝗩𝗮𝗿𝗶𝗮𝗻𝘁𝘀: https://www.nuveon.de/en/mvariants

Nuveon

13/10/2026

09/10/2026

07/10/2026

02/10/2026

28/09/2026

25/09/2026

23/09/2026

18/09/2026

16/09/2026

11/09/2026

Adresse

Öffnungszeiten

Telefon

Website

Benachrichtigungen

Verknüpfungen

Teilen

Antrag auf Entfernung des Eintrags

Montag	07:00 - 17:30
Dienstag	07:00 - 17:30
Mittwoch	07:00 - 17:30
Donnerstag	07:00 - 17:30
Freitag	07:00 - 17:30