Zusammenfassung
95 % der KI-Pilotprojekte niemals skaliert werden (
MIT Project NANDA, 2025). Dennoch generieren Organisationen, die ihre Industrialisierung erfolgreich umsetzen, einen messbaren EBIT-Impact innerhalb von 6 bis 12 Monaten (
McKinsey Global AI Survey, 2025). Der Unterschied liegt nicht am gewählten KI-Modell, sondern an der Methode. Bei Galadrim wenden wir einen 4-stufigen Ansatz an: nach ROI priorisieren, vorgelagerte Blockaden beseitigen, Prozesse dokumentieren, die KI/Mensch-Zusammenarbeit organisieren.
Warum so viele KI-Projekte nicht die erhofften Ergebnisse generieren
Drei Ursachen treten häufig auf:
Keine geschäftliche Rahmung. Das Projekt beginnt mit der Technologie ("wir wollen RAG machen") anstatt mit dem Problem ("wir verlieren täglich 2 Stunden bei der Bearbeitung eingehender E-Mails").
Keine budgetierte Industrialisierung. Der POC kostete 40 000 €. Die tatsächliche Inbetriebnahme kostet 400 000 € (Infrastruktur, Sicherheit, Integration, MCO, Schulung).
Unklare KPIs. "Die Mitarbeitererfahrung verbessern" ist kein KPI. "Die Bearbeitungszeit eines Kundendossiers um 30 % reduzieren" ist einer.
Die Galadrim-Methode in 4 Schritten
1. Bedürfnisse erheben und nach ROI priorisieren
Wir beziffern den erwarteten Gewinn für jeden Anwendungsfall und ordnen die Vorhaben nach Rentabilität. Nur Projekte, deren Return nachweislich ist, gelangen in die Entwicklungsphase.
Unsere Scoring-Matrix basiert auf vier Dimensionen:
| Dimension | Mindestschwelle | Warum |
|---|
| Volume | Zu bestimmen | Investition rechtfertigen |
| Beherrschbare Komplexität | Erklärbare Geschäftslogik | Halluzinationen vermeiden |
| Verfügbarkeit der Daten | Saubere und zugängliche Daten | Ohne Daten, kein Projekt |
| Messbarer Impact | Bezifferbarer Zeit-, Fehler- oder Umsatzgewinn | ROI nachweisen |
2. Blockaden beseitigen: Souveränität, Sicherheit, Regulierung, Machbarkeit
Souveränität, DSGVO,
AI Act, technische Machbarkeit: Wir entscheiden bereits bei der Rahmung über die Wahl der Infrastruktur (amerikanische Cloud in Europa gehostet oder souveränes Hosting) und der Modelle (proprietär oder offen).
Dieser Schritt vermeidet späte böse Überraschungen: Projekt nach 3 Monaten Entwicklung von der Rechtsabteilung abgelehnt, Modell muss unterwegs gewechselt werden, oder eine Souveränitätseinschränkung, die erst bei der Bereitstellung entdeckt wird. Wir behandeln diese Themen vor der ersten Codezeile.
3. Geschäftsprozesse für die KI überprüfen und dokumentieren
Wir kartieren bestehende Prozesse, vereinfachen sie bei Bedarf und dokumentieren sie, bevor wir automatisieren. Dieser Schritt verhindert die Industrialisierung von Fehlfunktionen.
Ein unklarer Geschäftsprozess bedeutet eine KI, die halluziniert. Ein gut dokumentierter Geschäftsprozess bedeutet eine KI, die korrekt ausführt. Dieser oft vernachlässigte Schritt ist das, was Projekte, die in Produktion funktionieren, von denen unterscheidet, die beim Skalieren scheitern.
4. Einen Prozess definieren, in dem KI und Menschen zusammenarbeiten
Der Agent führt repetitive Aufgaben aus, der Mensch validiert sensible Entscheidungen. Wir definieren im Voraus die Eskalationsschwellen und die Nachverfolgbarkeit der Aktionen.
Konkret beantworten wir für jeden Anwendungsfall: Welche Aktionen kann der Agent alleine ausführen? Welche Aktionen müssen von einem Menschen validiert werden? Welche Kriterien lösen eine Eskalation aus? Welche Ereignisse werden verfolgt und sind auditierbar? Diese operative Governance ist genauso wichtig wie das KI-Modell selbst.
Ein konkreter Fall: Odealim
Die Odealim Gruppe, ein Versicherungsbroker (165 Mio. € Umsatz, 900 Mitarbeitende), erhält monatlich Zehntausende von Kundenanfragen per E-Mail. Schwierig im grossen Massstab zu bearbeiten, ohne die Servicequalität zu beeinträchtigen oder die Bearbeitungszeiten zu sprengen.
Wir haben entwickelt und eingesetzt
emailCopilot, ein System, das auf
AI-Agenten LLMs basiert, Anfragen klassifiziert, nützliche Daten in Kundendossiers und Verträgen (Garantien, Prämien) sucht und Antwortvorschläge generiert. Die Sachbearbeitenden validieren oder passen über eine dedizierte Oberfläche an, eine direkte Anwendung unseres Schrittes 4 (KI/Mensch-Zusammenarbeit).
Gemessene Ergebnisse:
200 tägliche Nutzer in den operativen Teams (Produktionsmanagement, Schadenfälle, Buchhaltung).
50 000+ Antworten pro Monat mit KI-Unterstützung bearbeitet.
+150 % Produktivitätssteigerung angestrebt im bereitgestellten Umfang.
Das Projekt begann mit einer 8-tägigen Rahmung (ROI-Priorisierung von 12 potenziellen Anwendungsfällen, 4 wurden ausgewählt), einer Souveränitäts-/Infrastruktur-Abwägung, der Dokumentation der Geschäftsprozesse der Sachbearbeitenden, gefolgt von einem in 6 Wochen industrialisierten POC mit täglicher Überwachung ab Tag 1.
À propos de l'auteur, Benjamin Drighès est Partner et CTO IA chez Galadrim, agence tech & IA française basée à Paris, Nantes et Lyon. Il a piloté plus de 100 projets IA depuis 2017 pour des clients comme BNP Paribas, Carrefour, Showroomprivé, Odealim, Stellantis et Chanel. Galadrim est lauréate du prix Top AI Awards 2024 (catégorie e-commerce, Groupe IFOP) pour la solution Scriptor développée pour Showroomprivé.
Vous avez un projet IA bloqué au stade POC, ou vous voulez démarrer du bon pied ? Échangeons sur votre cas.
_Z29Ubp8.webp)
_ZWR7SP.webp)
_MkvBH.webp)
