Case Study
AI für Finanzdienstleister: sicher eingeführt im ganzen Team
Wie ein Wiener Finanzdienstleister Claude mit klaren Regeln sicher eingeführt und ein Team mit sehr unterschiedlichem Vorwissen auf denselben Stand gebracht hat.
MLE Finance & Consulting
Finanzen
„Für diesen gemeinsamen Wissensstand hätten wir durch internen Austausch allein vermutlich Monate gebraucht.“
Michael Edtmayer
Geschäftsführer
1 Tag
bis zum gemeinsamen Wissensstand im ganzen Team
150
Einstellungen in Claude geprüft und umgesetzt
Übersicht
Branche
Finanzen
Unternehmensgröße
7 Personen
Leistungen
AI-Kickstart
Zeitraum
August bis September 2026
Eingesetzte Tools
Claude Team, Microsoft 365, Trello
Ausgangslage
MLE arbeitet im Rahmen ihrer Leistungserbringung mit vertraulichen Finanz- und Vertragsdaten. Das AI-Vorwissen im Team war sehr unterschiedlich: Manche haben schon eigene Anwendungen mit AI gebaut, andere sind erst am Anfang gestanden. Es war kein einheitlicher AI-Workspace eingerichtet.
Ergebnis
Das ganze Team arbeitet mit Claude auf einem zentral eingerichteten Firmenzugang, mit AI-Richtlinie und AI-Register als verbindlichem Rahmen. Ein Workshop-Tag mit eigenen Fällen aus dem Arbeitsalltag hat alle auf einen gemeinsamen Stand gebracht, auch bei der Frage, wie man Ergebnisse von AI absichert.
Die ganze Geschichte
Erst die Regeln, dann die Tools
Begonnen haben wir mit einem Fragebogen zur bestehenden IT und einer Schulung der Geschäftsführung. Daraus sind eine AI-Richtlinie und ein AI-Register entstanden, die festhalten, welche Tools zugriff auf welche Daten bekommen. Beide Dokumente liegen beim Unternehmen selbst und werden dort gepflegt.
Welche Anbindungen sinnvoll sind, haben wir systematisch geprüft: Wir haben die gewünschten Konnektoren recherchiert und bewertet, was jedes Tool kann. Beim Setup vor Ort haben wir 150 Einstellungen der Claude-Organisation geprüft und gesetzt und Claude, Claude for Office und Claude Cowork auf den Geräten des Teams eingerichtet.
Ein Workshop-Tag mit eigenen Fällen
Für den Workshop hat jede Person vorab Aufgaben aus dem eigenen Arbeitsalltag gesammelt und passende Beispieldaten bereitgelegt, getrennt von den echten Daten. Am Vormittag ist es um die Grundlagen gegangen, am Nachmittag um diese eigenen Fälle. Ein Schwerpunkt, den die Geschäftsführung ausdrücklich gewünscht hat, waren Fail-Safes: Erstellt ein AI-Agent etwa jeden Tag einen Bericht, prüft ein zweiter, unabhängiger Ablauf, ob der Bericht wirklich entstanden ist, und meldet sich sonst. So fällt ein Fehler sofort auf und nicht erst nach Wochen.
Wir haben den Workshop aufgezeichnet und transkribiert. Das Team hat danach das Rohtranskript, eine überarbeitete Fassung und eine Zusammenfassung der wichtigsten Erkenntnisse bekommen, zum Nachlesen und als Grundlage für die eigenen AI-Agenten. Damit kann es neue Anwendungen jetzt selbst finden und weiß, wo sie abgesichert werden müssen.
Was andere Finanzdienstleister daraus mitnehmen können
Vier Punkte, die sich auf andere Finanzdienstleister übertragen lassen:
Zuerst regeln, welche Tools mit welchen Daten arbeiten dürfen, dann die Tools einrichten.
Im Workshop mit Beispieldaten üben, nicht mit echten Kunden- und Vertragsdaten.
Automatische Abläufe immer von einem zweiten, unabhängigen Ablauf prüfen lassen.
Den Workshop aufzeichnen und dem Team als Grundlage zum Nachlesen geben.
Weitere Case Studies
Wo steht mein Unternehmen?
Wir analysieren unverbindlich, wo Sie im Vergleich zum Marktumfeld stehen und welche Maßnahmen sich rechnen würden.