Fallstudie - Agentic-AI-Piloten integriert in Enterprise-Datenlandschaften

Kontext

Die Kernanforderung bestand darin, agentische Systeme innerhalb realer Organisationen nützlich zu machen, also mit Wissen und Workflows zu verbinden, statt sie als isolierte Demos zu betreiben.

Dieses Engagement verlangte ausserdem ausschreibungsnahe Architekturarbeit und klare Scope-Grenzen, damit Pilotergebnisse sowohl von technischen als auch nicht-technischen Stakeholdern beurteilt werden konnten.

Detaillierte Beschreibung

Ein wiederkehrendes Delivery-Szenario in regulierten und Multi-Stakeholder-Umfeldern lautet: "Mit einem KI-MVP schnell Wert beweisen, aber so, dass die Lösung einer genaueren Prüfung standhält und in Richtung Produktion weiterentwickelt werden kann." In diesem Fall führten wir die Konzeption und Delivery von Agentic-AI-MVPs, PoCs und Piloten über mehrere Branchen hinweg, einschliesslich Public Sector, mit einem Full-Stack-Ansatz (Python plus moderne Webframeworks) und stakeholder-orientierten Delivery-Praktiken.

Die zentrale Architekturanforderung bestand darin, agentische Systeme innerhalb realer Organisationen nützlich zu machen, also mit Wissen und Workflows zu verbinden, statt sie als Standalone-Demo zu betreiben. Wir entwarfen und implementierten Multi-Agent-Systeme (mit ADK) mit Retrieval-Augmented Generation (RAG) auf Gemini Enterprise und integrierten sie in Kundendatenlandschaften.

Dieses Engagement-Muster war mit ausschreibungsnaher Architekturarbeit gekoppelt: Wir entwickelten Google-Cloud-Lösungsarchitekturen für RfPs, die zu Deals mit einem Volumen von insgesamt CHF 100k führten, und zeigten damit die Fähigkeit, Anforderungen unter Beschaffungsbedingungen in tragfähige Cloud-Architekturen zu übersetzen.

Auf der angewandten GenAI-Seite lieferten wir eine GenAI-gestützte Marketing-Automatisierungsapplikation, die die Zeit für die Content-Erstellung von Tagen auf unter eine Stunde reduzierte, ein Beleg für messbare Zykluszeitverkürzung statt spekulativen KI-Wert.

Parallel dazu führten wir mehrere PoCs durch echte Nutzerevaluation: Drei Pharma-PoCs wurden von mehr als 30 Nutzern positiv bewertet und für den Pilot-Rollout ausgewählt. Das zeigt, wie wir Piloten so strukturieren, dass sie für Endnutzer und Entscheidungsträger überprüfbar werden.

Diese Fähigkeit wird durch frühere Delivery-Führung in komplexen Engineering-Organisationen verstärkt: die Leitung eines europäischen Frontend-Teams in einer 25-köpfigen Organisation, der Aufbau einer internen Change-Management-Plattform, das Etablieren von Frontend-Standards und Workflows sowie Beiträge zu Kernplattform-Features wie RBAC und gemeinsamer UI-Infrastruktur.

Wir haben ausserdem direkte Erfahrung mit produktiver Auslieferung unter Sicherheitsanforderungen zusammen mit dem Kunden für Go-Live, Multi-Environment-Deployments und messbare operative Wirkung, etwa die Reduktion manueller Bestandsprüfungen im Laden um ungefähr vier Stunden pro Woche und Filiale durch automatisierte Out-of-Stock-Erkennung und Alerts.

Was das für Schweizer Public-Sector-Tender zeigt: Wir können einen Agentic-AI-Anwendungsfall von der Architektur bis zum MVP führen, ihn in Enterprise-Daten integrieren, mit Nutzern validieren und die technischen Grundlagen umsetzen, die einen Piloten von einem glaubwürdigen Rollout-Pfad unterscheiden, etwa Identity- und Berechtigungsmuster wie RBAC, Deployment in mehrere Umgebungen und Sicherheitsanforderungen für Go-live.

Was wir geliefert haben

Delivery-Ansatz

Wir kombinierten schnelle MVP-Umsetzung mit produktionsorientiertem Engineering: Integration in Enterprise-Daten, Rollen- und Berechtigungsüberlegungen wie RBAC-Muster, Readiness für mehrere Umgebungen und explizite Sicherheitsanforderungen für Go-live.

Ergebnis

Drei Pharma-PoCs wurden positiv bewertet und für den Pilot-Rollout ausgewählt. Das zeigt einen wiederholbaren Pfad von Architektur zu validiertem Pilot in Kontexten mit hoher Verantwortung.