Projekte

Anonymisierte Engagement-Muster aus realen Programmen, die ich geleitet oder architektiert habe. Zahlen sind Größenordnungen.

BFSI

Engineering

~75 % weniger
False Positives: >3× mehr erkannt
Neue Betrugsmuster: ~70 % kürzer
Untersuchungszeit

LLM · Anomaly Detection · Streaming

Adaptive Fraud Detection Network

Ausgangslage

Die regelbasierte Fraud-Engine markierte überwiegend legitime Transaktionen, sodass die Ermittler ihre Tage mit dem Triagieren von Rauschen verbrachten, während neuartige Betrugsmuster durchrutschten. Die Verluste stiegen trotz wachsenden Teams.

Vorgehen

Statische Regeln wurden durch ein adaptives Erkennungsnetz ersetzt: Streaming-Feature-Pipeline, Anomalie-Modelle mit LLM-gestützter Fallzusammenfassung und eine Feedback-Schleife von Ermittler-Entscheidungen zurück in die Modelle.

Ergebnis

Ermittler starten heute mit priorisierten, vorzusammengefassten Fällen statt roher Alerts. False Positives sanken um rund drei Viertel, deutlich mehr neuartiger Betrug wird erkannt, die Triagezeit pro Fall bricht ein.

Architecture

~80 % schneller
Onboarding-Zeit: Null
Audit-Befunde: ~5× höher
Analyst-Durchsatz

KYC Automation · Regulatory AI · Entity Resolution

Automated KYC & Enhanced Due Diligence

Ausgangslage

Das Onboarding eines Firmenkunden bedeutete, dass Analysten hunderte Seiten an Ausweisdokumenten, Eigentümerstrukturen und Sanktionslisten manuell prüften. Der Zyklus dauerte im Schnitt drei Wochen, und uneinheitliche Risikobewertungen der regionalen Teams erzwangen häufige Nacharbeit. Daraus entstanden regulatorisches Risiko und Kundenfrust.

Vorgehen

Aufgebaut wurde eine Multi-Agent-KYC-Pipeline, die Entitätsdaten aus eingereichten Dokumenten extrahiert, UBO-Ketten (Ultimate Beneficial Ownership) auflöst und in Echtzeit gegen globale Sanktions- und PEP-Listen abgleicht. Eine Human-in-the-Loop-Stufe prüft Grenzfälle, während risikoarme Profile automatisch freigegeben werden.

Ergebnis

Ein Onboarding, das früher Wochen dauerte, ist heute in Tagen abgeschlossen, der Analyst-Durchsatz stieg um ein Mehrfaches, und der folgende Audit-Zyklus ergab keine regulatorischen Befunde.

Automotive & Manufacturing

Architecture

>£1 Mio.
Wertbeitrag: <1 Std.
Reparatur-SLA: ~65 % kürzer
Bearbeitungszeit

Multi-Agent System · Knowledge Retrieval · Service Ops

Technician Support Agentic Swarm

Ausgangslage

Die wachsende Komplexität der Fahrzeugelektronik trieb die Diagnosezeit nach oben; Techniker verbrachten Stunden mit der Suche in fragmentierten PDF-Handbüchern. Der Engpass führte zu verfehlten SLA-Zielen und niedrigeren First-Time-Fix-Raten, was die Rentabilität der Händler belastete.

Vorgehen

Aufgebaut wurde ein Multi-Agent-System aus Intake-, Diagnose- und Reparatur-Agenten, das die Ursachenanalyse automatisiert. Die Agenten rufen Wissen aus über 22.000 Handbüchern ab und führen Techniker Schritt für Schritt durch die Reparatur.

Ergebnis

Die durchschnittliche Bearbeitungszeit sank um rund zwei Drittel, Reparaturen bleiben im SLA-Fenster, und die First-Time-Fix-Raten verbesserten sich: zusammen ein Wertbeitrag von über einer Million Pfund.

Logistics & Supply Chain

Architecture

~95 %
Termintreue: ~30 % weniger
Leerkilometer: >€1,5 Mio.
Jährliche Einsparung

Fleet Optimization · Predictive Logistics · Real-Time Dispatch

Predictive Fleet Dispatch & Delivery

Ausgangslage

Die Tourenplanung stützte sich auf die Erfahrung der Disponenten und statische Fahrpläne, wodurch Flottenkapazität ungenutzt blieb. Fahrerverfügbarkeit, Verkehr und Lieferzeitfenster lagen in getrennten Systemen, was häufige SLA-Verfehlungen und übermäßige Leerfahrten verursachte und die Kraftstoffkosten in die Höhe trieb.

Vorgehen

Aufgebaut wurde eine prädiktive Dispatch-Plattform, die Echtzeit-Telematik, Wetter- und Verkehrsdaten mit einem Optimierungskern verbindet. Aufträge werden nach prognostizierter Ankunftszeit, Lenkzeit-Compliance und Fahrzeugkapazität zugewiesen, und Touren balancieren sich neu, sobald sich die Bedingungen ändern.

Ergebnis

Die Termintreue stieg in den mittleren Neunzigerbereich, die Leerkilometer sanken um rund 30 Prozent, und das Netzwerk spart heute über anderthalb Millionen Euro pro Jahr.

EPCM & Construction

Engineering

~60 % schneller
Prüfzyklen: ~80 %
Automatisierte Prüfungen: Null
Compliance-Verstöße

Generative Design · BIM/IFC · Compliance

Generative BIM Compliance

Ausgangslage

Der Abgleich von Building-Information-Models gegen sich ändernde lokale Sicherheitsvorschriften war manuell und fehleranfällig. Ingenieure verbrachten Wochen mit visueller Prüfung, was einen Engpass in der Entwurfsphase schuf und das Risiko kostspieliger Nachrüstungen während des Baus erhöhte.

Vorgehen

Aufgebaut wurde eine geometriebewusste Engine, die Industry-Foundation-Classes-Dateien (IFC) parst und Gebäudemodelle automatisch gegen lokale Sicherheitsvorschriften validiert. Prüfungen, die zuvor Wochen dauerten, laufen nun in Minuten.

Ergebnis

Prüfzyklen laufen rund 60 % schneller, der Großteil der Compliance-Prüfungen ist automatisiert, und es traten keine Compliance-Verstöße auf.

Strategic AI & Enterprise

Strategy

>40
Geschulte Führungskräfte: >20
Gestartete Use Cases: ~90
Programm-NPS

Executive Strategy · Change Management · AI Adoption

VP-Level AI Academy

Ausgangslage

Das Führungsteam hatte Zugang zu leistungsfähigen AI-Tools, aber kein Rahmenwerk, um generative AI in die Produkt-Roadmap zu integrieren. Diese Lücke bremste Innovation, da Entscheider Mühe hatten, Use Cases jenseits einfacher Effizienzgewinne zu identifizieren.

Vorgehen

Konzipiert wurde ein Executive-Programm „GenAI in Product”, das CXOs in einer Reihe von Workshops zur Roadmap-Entwicklung coacht und technische Möglichkeiten mit der Geschäftsstrategie verbindet.

Ergebnis

Mehr als vierzig Führungskräfte durchliefen das Programm, über zwanzig hochwertige Use Cases gingen in die Umsetzung, und es wurde zur Blaupause für die unternehmensweite Einführung.

TOOLING · SELECTION