Zum Hauptinhalt springen

Wie eine Cybersecurity-Plattform für Fortune-500-Kunden das Onboarding mit einem von Startup House entwickelten KI-Agenten um 95 % reduzierte

Die wichtigsten Fakten auf einen Blick

  • Kunde: US‑basierte Plattform zur Minderung von Cyberrisiken für Fortune‑500‑Kunden (unter NDA)
  • Partnerschaft: seit Juli 2020, laufend; die KI‑Phase startete 2025
  • Was wir gebaut haben: Aria, ein eingebetteter KI‑Agent innerhalb des Produkts des Kunden
  • Onboarding‑Zeit: um 95 % reduziert, von 45 Minuten geführter Einrichtung auf unter 2 Minuten
  • Nutzungsmuster: die Plattform wechselte vom vierteljährlichen Reporting‑Tool zu einem täglichen Entscheidungsunterstützungssystem
  • Self‑Service: 100 % selbstbediente Datenexploration, ohne Unterstützung durch Analysten
  • Architektur: LangGraph‑Orchestrierung, Anthropic Claude‑Modelle, MCP‑Integrationen, OAuth 2.1, Mandantentrennung per Design
  • Ausgeliefert, ohne die Kerninfrastruktur, das Datenmodell oder den Codebestand der Plattform anzutasten

Der Ausgangspunkt: ein angesehenes Produkt, das kaum genutzt wurde

Diese Fallstudie beschreibt die zweite Phase unserer Zusammenarbeit mit einem US‑Cybersecurity‑Unternehmen, mit dem wir seit Juli 2020 partnerschaftlich arbeiten. In der ersten Phase brachte Startup House das Produkt vom Prototypen zu einer SaaS, die von Fortune‑500‑Unternehmen genutzt wird – mit 150 % Umsatzwachstum im ersten Jahr und einem Anstieg der B2B‑Kunden um 225 %.

Bis 2025 war die Plattform ausgereift und anerkannt. Gleichzeitig gab es drei Probleme, die jedem vertraut vorkommen dürften, der ein datenintensives Produkt in einer regulierten Kategorie betreibt:

  • Komplexität an der Oberfläche. Die Plattform verarbeitete umfangreiche Cyberrisikodaten, deren Interpretation jedoch Expertenwissen erforderte.
  • Geringe Nutzungshäufigkeit. Die meisten Nutzer öffneten das Tool einmal im Quartal, um periodische Berichte zu erstellen.
  • Aufwendiges Onboarding. Neue Kunden benötigten rund 45 Minuten geführte Einrichtung mit aktiver Customer‑Support‑Begleitung, bevor sie eigenständig arbeiten konnten.

Als Interaktion im ChatGPT‑Stil zur Markterwartung wurde, war das Briefing des Kunden eindeutig: Dieses Interaktionsmodell in die Cyberrisk‑Plattform bringen.

Die Herausforderung: eine Oberfläche für drei sehr unterschiedliche Nutzer

Dasselbe Panel musste drei Personas gleichzeitig bedienen. Ein Vorstandsmitglied braucht einen Screenshot, der sich selbst erklärt und direkt in einen Quartalsbericht eingefügt werden kann. Ein CFO braucht die Geschichte hinter den Zahlen. Ein CISO braucht Gesprächstiefe, um Daten zu untersuchen und zu handeln.

Ein reiner ChatGPT‑Klon obenauf hätte alle drei verfehlt. Ebenso ein Copilot neben dem Produkt, denn am Ende hätten Nutzer zwei parallele Oberflächen.

Die Lösung: Aria, eine eingebettete KI mit vierstufiger Oberfläche

Aria ist ein eingebetteter KI‑Agent, der innerhalb des Produkts, der Marke und der Authentifizierungsgrenze des Kunden lebt. Nutzer wechseln nie in ein separates Tool. Wir haben das Panel nach einem Prinzip neu gedacht: Einfachheit zuerst, Komplexität auf Abruf.

Die Oberfläche ist eine Leiter aus vier Ebenen, mit Aria auf jeder Stufe:

  • Layer 0, Executive: "Was passiert?" Die erste Ansicht nach dem Login. Klassisches Dashboard, zentrale Kennzahlen zum Sicherheitsstatus, vorgenerierte Antworten ohne Modellaufruf und ohne Wartezeit. Ausgelegt für Vorstandsmitglieder, die sich in Sekunden orientieren müssen.
  • Layer 1, Financial: "Warum passiert das?" Die Untersuchungsebene für CFOs und Finance Leads. Kontextuelle Prompt‑Vorschläge empfehlen auf Basis des aktuellen Blicks der Nutzer, was sie fragen sollten, und öffnen den eingebetteten Chat mit Aria.
  • Layer 2, Execution: "Erledige das für mich." Die Aktionsebene für CISOs und Security‑Operator. Buttons sind nicht länger passiv ("View"), sondern werden zu Befehlen ("Create", "Identify", "Prepare"). Das Produkt wechselt vom Anzeigen von Risiken zu deren Behebung.
  • Layer 3, Open Inquiry: "Was immer Ihnen in den Sinn kommt." Ein freies Prompt‑Feld, jederzeit verfügbar, für Nutzer, die genau wissen, was sie wollen.

Nutzende werden schrittweise an die Arbeit mit einem LLM herangeführt – mit Leitplanken auf jeder Stufe. Niemand muss ein neues Produkt lernen, um KI‑Fähigkeiten zu bekommen. Die KI trifft die Nutzer dort, wo sie ohnehin arbeiten.

Die Architektur: von Tag eins an für Enterprise gebaut

Drei Architekturentscheidungen sind bei KI‑Einführungen im Enterprise‑Umfeld entscheidend, und Aria adressiert alle drei.

Orchestrierung und Reasoning. Aria läuft auf LangGraph, einem zustandsbehafteten Agent‑Orchestrierungs‑Framework mit Unterstützung für Multi‑Agent‑Komposition, persistente Multi‑Turn‑Memory und Live‑Streaming der Tool‑Ausführung. Die Reasoning‑Schicht nutzt Anthropic Claude‑Modelle. Die Modellwahl ist konfigurierbar, nicht architekturgebunden – die Plattform kann Provider ohne Umbaumaßnahmen wechseln.

Mandantentrennung per Design. Jedes Tool, das Aria nutzt, ist zum Zeitpunkt seiner Erstellung an den authentifizierten Nutzer, die Organisation und das Profil gebunden. Das Modell kann diese Identität weder weitergeben, ändern noch einsehen. Mandantenübergreifender Zugriff ist kein nachgelagerter Filter, den eine Prompt Injection umgehen könnte. Der Agent kann schlicht keine Tools außerhalb seiner Mandantengrenze aufrufen. In organisationsweiten Chats werden Namen von Geschäftseinheiten pseudonymisiert, bevor eine Nachricht das Modell erreicht.

Live‑Integrationen über MCP. Aria fragt den Live‑Security‑Stack des Kunden ab – beginnend mit CrowdStrike Falcon und erweiterbar auf jedes MCP‑kompatible Tool –, wobei OAuth 2.1 die Authentifizierung übernimmt. Damit wird das Produkt von einem isolierten Analytics‑Tool zu einer Orchestrierungsschicht für den gesamten Security‑Betrieb des Kunden.

Es gibt noch ein weiteres Element: von Admins definierte Agenten. Administratoren des Kunden erstellen neue KI‑Spezialisten direkt in der Anwendungs‑UI – mit Namen, Prompt und einer Menge Tools. Neue Agenten gehen innerhalb von Minuten für die gesamte Organisation live, ohne auf ein Release zu warten.

Die Ergebnisse

  • 95 % weniger Onboarding‑Zeit, von 45 Minuten auf unter 2 Minuten.
  • 100 % Self‑Service bei der Datenexploration. Nutzer interpretieren ihre Risikodaten ohne Analysten‑Support.
  • Vom Quartal zum Alltag. Das Produkt wechselte vom vierteljährlichen Reporting‑Tool zu einem täglichen Entscheidungsunterstützungssystem.
  • 3 unterschiedliche Personas, ein Panel. Vorstandsmitglieder, Finance Leads und CISOs folgen in derselben Oberfläche ihren jeweils eigenen Workflows.
  • Keine Änderungen an der Kerninfrastruktur. Die KI‑Integration wurde ausgeliefert, ohne das Datenmodell oder den Codebestand der Plattform anzutasten; die Sicherheitsarchitektur (Mandantentrennung, Verschlüsselung, Zugriffskontrollen) erforderte keinen zusätzlichen Compliance‑Scope.
  • Neue Agenten und Konnektoren in Minuten live, konfiguriert vom Admin‑Team des Kunden ohne Engineering‑Beteiligung.

Der COO des Kunden, Kyle Ferguson, fasst die Veränderung so zusammen:

"Wir haben fünf Jahre lang eine Analytics‑Plattform aufgebaut, die unsere Fortune‑500‑Kunden respektierten, aber nicht täglich nutzten. Die von SH gebaute KI‑Schicht hat das geändert. Kunden, die die Plattform früher einmal im Quartal öffneten, lassen heute ihre Entscheidungen täglich darüber laufen. Das Produkt darunter ist dasselbe – aber die Art, wie unsere Kunden es erleben, ist eine völlig andere."

Was das bedeutet, wenn Sie ein datenintensives Produkt betreiben

Das Muster hinter diesem Projekt ist in Accounting, Banking, Finance, Compliance und Security verbreitet: ein Produkt mit reichhaltigen Daten, deren Interpretation Spezialwissen erfordert, und niedriger Nutzung. Ein eingebetteter KI‑Agent verändert die Wirtschaftlichkeit eines solchen Produkts in drei Dimensionen. Onboarding bindet keine Customer‑Success‑Kapazität mehr. Nutzer beantworten ihre Fragen selbst, statt Support‑Tickets zu eröffnen. Und die Nutzung verlagert sich vom periodischen Reporting zu täglichen Entscheidungen – was den wahrgenommenen Wert des Produkts bei der Vertragsverlängerung verändert.

Für all das musste die Plattform nicht neu gebaut werden. Die KI‑Schicht sitzt auf den bestehenden Systemen – deshalb konnte die gesamte Integration ohne Änderungen am Kern‑Codebestand ausgeliefert werden.

Über Startup House

Startup House (SH) ist ein 50‑köpfiges Softwareunternehmen mit Sitz in Warschau, Polen, gegründet 2016. Wir bauen KI‑Produkte auf Basis der Daten unserer Kunden – von generativen KI‑Prototypen bis zu produktiven KI‑Agenten – und entwickeln parallel komplette digitale Produkte über den gesamten Lebenszyklus. Wir sind ISO 27001‑konform, und Kundendaten werden niemals zum Training von KI‑Modellen verwendet.

Denken Sie über eine KI‑Schicht für Ihr Produkt nach? Buchen Sie ein 30‑minütiges Gespräch.

FAQ

Was ist Aria?

Aria ist ein eingebetteter KI‑Agent, den Startup House in einer US‑Cybersecurity‑Plattform für Fortune‑500‑Kunden aufgebaut hat. Er kombiniert eine vierstufige Oberfläche mit LangGraph‑Orchestrierung und Anthropic Claude‑Modellen und verbindet sich über MCP mit dem Live‑Security‑Stack des Kunden.

Welche Ergebnisse hat der KI‑Agent geliefert?

Die Onboarding‑Zeit sank um 95 %, von 45 Minuten auf unter 2 Minuten. Datenexploration wurde zu 100 % Self‑Service, und die Plattform wechselte von vierteljährlicher Reporting‑Nutzung zu täglicher Entscheidungsunterstützung.

Musste die Plattform für die KI‑Integration neu gebaut werden?

Nein. Die KI‑Schicht wurde ohne Änderungen an Kerninfrastruktur, Datenmodell oder Codebestand ausgeliefert. Mandantentrennung, Verschlüsselung und Zugriffskontrollen blieben ohne zusätzlichen Compliance‑Scope erhalten.

Wie verhindert Aria Prompt Injection und mandantenübergreifende Datenlecks?

Jedes Tool ist bei der Erstellung an den authentifizierten Nutzer, die Organisation und das Profil gebunden, sodass das Modell nichts außerhalb seiner Mandantengrenze erreichen kann. Das ist eine architektonische Garantie, kein Filter. Außerdem werden in organisationsweiten Chats die Namen von Geschäftseinheiten pseudonymisiert, bevor Nachrichten das Modell erreichen.

Wer ist der Kunde?

Der Kunde ist eine US‑basierte Plattform zur Minderung von Cyberrisiken unter NDA, die Fortune‑500‑ und Private‑Equity‑Kunden bedient. Startup House arbeitet seit Juli 2020 mit dem Unternehmen zusammen.

Wie dieser Artikel entstanden ist. Mit KI-Unterstützung entworfen, anschließend von unserem Team geprüft und redigiert. Redaktionelle Verantwortung: Startup Development House sp. z o.o. Lesen Sie unsere KI-Inhaltsrichtlinie

Digital Transformation Strategy for Siemens Finance

Cloud-based platform for Siemens Financial Services in Poland

See full Case Study
Ad image
Verpassen Sie nichts – abonnieren Sie unseren Newsletter
Ich stimme dem Empfang von Marketing-Kommunikation von Startup House zu. Klicken Sie für die Details

Das könnte Ihnen auch gefallen...

Narzędzia AI dla procurementu: od analizy umów do prognozowania zapotrzebowania (2027)
Business AutomationAI AgentsEnterprise AI

KI-Tools für den Einkauf: von der Vertragsanalyse bis zur Bedarfsprognose (2027)

Beschaffung ist nicht länger ein rein administrativer Prozess, sondern treibt zunehmend Einsparungen und stärkt die Widerstandsfähigkeit der Lieferkette. KI-Tools für den Einkauf – von der Vertragsanalyse bis zur Bedarfsprognose – helfen Einkaufsabteilungen, vom reaktiven Problemlösen zu einem vorausschauenden Risiko- und Working-Capital-Management überzugehen. In diesem Artikel finden Einkaufsleiter, Einkäufer und IT-Teams in mittelständischen und großen Unternehmen einen Vergleich führender Beschaffungsplattformen mit KI-Funktionen (SAP Ariba, GEP, Coupa, Ivalua, Jaggaer), das polnische Tool für Auftragnehmer ofertowa.pl sowie Produkte von Startup House für die Analyse von Verträgen, Ausschreibungsunterlagen und Bedarfsprognosen.

Alexander Stasiak

Alexander Stasiak

27. Okt. 2026・14 Min. Lesezeit

Wdrożenia AI z udokumentowanymi wynikami: case studies z Polski (2027)
Case StudyEnterprise AIAI integration

KI-Implementierungen mit nachgewiesenen Ergebnissen: Case Studies aus Polen (2027)

KI-Implementierungen mit nachweisbaren Ergebnissen: Case Studies aus Polen bietet eine Übersicht öffentlicher Case Studies von Unternehmen, die in Polen KI implementieren und dabei konkrete Kennzahlen nennen – Zeit, Kosten, Umsatz oder Nutzungsgrad. Der Text richtet sich an Vorstände, COOs und IT-Leitungen in mittelständischen und großen Unternehmen, die einen Partner mit belegbaren Ergebnissen suchen – nicht nur mit Versprechen. Sie finden hier eine Ergebnistabelle (Startup House, 10Clouds, WeAreFuture, Comarch), Unternehmensprofile, Hinweise zum Interpretieren der Zahlen in Case Studies sowie Auswahlkriterien und Risiken.

Alexander Stasiak

Alexander Stasiak

28. Okt. 2026・12 Min. Lesezeit

Asystent AI dla sprzedaży i obsługi klienta: własny czy Copilot
AI AgentsAI AutomationEnterprise AI

KI-Assistent für Vertrieb und Kundenservice: Eigenentwicklung oder Copilot

KI-Assistent für Vertrieb und Kundenservice: Eigenentwicklung oder Copilot? Vor dieser wichtigen Entscheidung stehen heute Vertriebs-, Service- und IT-Teams in mittelständischen und großen Unternehmen. Die Wahl zwischen einem fertigen Produkt wie Microsoft 365 Copilot und dem Aufbau eines eigenen KI-Assistenten beeinflusst Einführungsgeschwindigkeit, Datenhoheit und die Passung zu den Prozessen deines Unternehmens. In diesem Beitrag findest du einen Vergleich der Tools (Salesforce Agentforce, Microsoft 365 Copilot for Sales und for Service, HubSpot, Zendesk, Intercom Fin) und der Implementierungspartner, Auswahlkriterien, den Implementierungsprozess sowie eine Fallstudie von Startup House.

Alexander Stasiak

Alexander Stasiak

30. Okt. 2026・13 Min. Lesezeit

Automatyzacja procesów biznesowych agentami AI: od workflow do agenta
AI AgentsAgentic AIBusiness Automation

Automatisierung von Geschäftsprozessen mit KI-Agenten: vom Workflow zum Agenten

Automatisierung von Geschäftsprozessen mit KI-Agenten: Vom Workflow zum Agenten ist ein Leitfaden für mittelständische und große Unternehmen, die einen Dienstleister oder ein Tool zur Automatisierung ihrer Abläufe suchen. Wir zeigen, worin sich ein deterministischer Workflow von einem entscheidungsfähigen KI-Agenten unterscheidet, vergleichen Implementierungspartner (Startup House, Comarch, WeAreFuture, TTMS) sowie Plattformen (n8n, Make, Zapier, Power Automate, Copilot Studio, UiPath, LangGraph, OpenAI Agents SDK). Zum Schluss beschreiben wir den Implementierungsprozess, eine Fallstudie von Startup House und die Risiken.

Alexander Stasiak

Alexander Stasiak

31. Okt. 2026・11 Min. Lesezeit

Integracja AI z ERP i CRM (SAP, Comarch, Dynamics): jak to wygląda w praktyce (2027)
AI integrationAI AgentsEnterprise AI

KI-Integration in ERP- und CRM-Systeme (SAP, Comarch, Dynamics): so funktioniert es in der Praxis (2027)

Die Integration von KI in ERP- und CRM-Systeme (SAP, Comarch, Dynamics) bedeutet in der Praxis die Wahl zwischen drei Modellen: ein vom Hersteller eingebauter Assistent, eine eigene KI-Schicht mit API-Anbindung oder KI-Agenten, die über MCP auf den Systemen arbeiten. Der Text richtet sich an mittelständische und große Unternehmen in Polen, die Sprachmodelle mit ihrem bestehenden ERP oder CRM – auch mit Legacy-Systemen – verbinden wollen. Sie finden hier einen Vergleich der Hersteller-Tools (SAP Joule, Microsoft Dynamics 365, Comarch ERP, Salesforce Agentforce, Oracle NetSuite), der Implementierungspartner, den Einführungsprozess, Risiken sowie eine Fallstudie mit konkreten Zahlen.

Alexander Stasiak

Alexander Stasiak

01. Nov. 2026・13 Min. Lesezeit

Najlepsze firmy AI w Europie Środkowo-Wschodniej dla enterprise
Enterprise AIAI AgentsSoftware Outsourcing

Die besten KI-Unternehmen in Mittel- und Osteuropa für Enterprise-Kunden

Die Wahl des Technologiepartners für die Einführung von Künstlicher Intelligenz (KI) im Enterprise-Segment erfordert, über die gängigen Kriterien eines Softwarehauses hinauszugehen. In der CEE-Region (Mittel- und Osteuropa) agieren Anbieter, die globale Skalierung mit tiefgreifender Engineering-Expertise verbinden und Agentensysteme sowie RAG-Wissensbasen anbieten – konform mit dem AI Act und DORA. Dieser Artikel präsentiert eine Übersicht verifizierter Unternehmen mit dokumentierten KI-Implementierungen für den Corporate-Sektor.

Alexander Stasiak

Alexander Stasiak

04. Nov. 2026・10 Min. Lesezeit

Kürzlich hinzugefügt

Wdrożenie PLLuM-a w firmie: jak wybrać firmę wdrożeniową i od czego zacząć
Generative AIRAGEnterprise AI

PLLuM im Unternehmen einführen: So wählen Sie den richtigen Implementierungspartner und starten erfolgreich

PLLuM, ein polnisches offenes Sprachmodell, kann kostenlos heruntergeladen werden – doch das Modell allein ist erst der Anfang. Wir zeigen, wie die Implementierung von PLLuM vom ersten Konzept bis zum produktiven System aussieht, was die Infrastruktur kostet und welche Fragen Sie einem Implementierungspartner stellen sollten.

Alexander Stasiak

Alexander Stasiak

06. Nov. 2026・10 Min. Lesezeit

Dotacje i pożyczki na AI i cyfryzację 2026 – jak wybrać dostawcę technologii
Digital transformationIndustry 4.0Enterprise AI

Zuschüsse und Kredite für KI und Digitalisierung 2026 – so wählen Sie den richtigen Technologieanbieter aus

Ab November 2026 können Unternehmen PARP-Darlehen bis zu 15 Mio. PLN mit einem Teilerlass von bis zu 15 % sowie Ścieżka SMART B+R und Dig.IT-Zuschüsse beantragen. Wir zeigen, welche Programme die Einführung von KI und die Digitalisierung finanzieren und welche Anforderungen ein Technologieanbieter erfüllen muss, damit das Projekt Bewertung, Umsetzung und Abrechnung erfolgreich durchläuft.

Alexander Stasiak

Alexander Stasiak

05. Nov. 2026・10 Min. Lesezeit

Najlepsze firmy AI w Europie Środkowo-Wschodniej dla enterprise
Enterprise AIAI AgentsSoftware Outsourcing

Die besten KI-Unternehmen in Mittel- und Osteuropa für Enterprise-Kunden

Die Wahl des Technologiepartners für die Einführung von Künstlicher Intelligenz (KI) im Enterprise-Segment erfordert, über die gängigen Kriterien eines Softwarehauses hinauszugehen. In der CEE-Region (Mittel- und Osteuropa) agieren Anbieter, die globale Skalierung mit tiefgreifender Engineering-Expertise verbinden und Agentensysteme sowie RAG-Wissensbasen anbieten – konform mit dem AI Act und DORA. Dieser Artikel präsentiert eine Übersicht verifizierter Unternehmen mit dokumentierten KI-Implementierungen für den Corporate-Sektor.

Alexander Stasiak

Alexander Stasiak

04. Nov. 2026・10 Min. Lesezeit

Najlepsze firmy AI dla fintechu i ubezpieczeń (2027)
AI in FinanceFintechRegulatory Compliance

Die besten KI-Unternehmen für die Fintech- und Versicherungsbranche (2027)

Die Wahl des Technologiepartners in regulierten Branchen ist eine Entscheidung von großer Tragweite. Wenn Sie wissen möchten, welche der besten KI-Unternehmen für Fintech und Versicherungen in Polen aktiv sind, vergleicht dieser Beitrag Softwarehäuser, Systemintegratoren und Softwarehersteller, die KI-Agenten, RAG-Wissensdatenbanken und Datenanalyse in Banken, Fintechs und bei Versicherern implementieren. Sie finden hier eine Vergleichstabelle, Firmenprofile, die Anforderungen von DORA, der DSGVO und dem AI Act, den Implementierungsprozess sowie eine Startup House Case Study mit Zahlen.

Alexander Stasiak

Alexander Stasiak

03. Nov. 2026・12 Min. Lesezeit

AI w produkcji żywności: przykłady wdrożeń i partnerzy wdrożeniowi (2027)
AI in ManufacturingAI integrationEnterprise AI

KI in der Lebensmittelproduktion: Praxisbeispiele und Implementierungspartner (2027)

Lebensmittelhersteller stehen vor der Herausforderung begrenzter Haltbarkeit, volatiler Rohstoffpreise und steigender Anforderungen der Handelsketten, weshalb die Nachfrageprognose und die Produktionsplanung immer häufiger von KI (AI) unterstützt werden. In diesem Überblick zeigen wir, wie KI (AI) 2026 und 2027 in der Lebensmittelproduktion eingesetzt wird: Praxisbeispiele und Implementierungspartner in Polen. Hier finden Sie einen Vergleich von Implementierungsdienstleistern (Startup House, Comarch, Sii Polska, TTMS) und Tools (RELEX, o9 Solutions, Kinaxis) sowie Informationen zum Implementierungsprozess, zu Risiken und Antworten auf häufig gestellte Fragen.

Alexander Stasiak

Alexander Stasiak

02. Nov. 2026・11 Min. Lesezeit

Integracja AI z ERP i CRM (SAP, Comarch, Dynamics): jak to wygląda w praktyce (2027)
AI integrationAI AgentsEnterprise AI

KI-Integration in ERP- und CRM-Systeme (SAP, Comarch, Dynamics): so funktioniert es in der Praxis (2027)

Die Integration von KI in ERP- und CRM-Systeme (SAP, Comarch, Dynamics) bedeutet in der Praxis die Wahl zwischen drei Modellen: ein vom Hersteller eingebauter Assistent, eine eigene KI-Schicht mit API-Anbindung oder KI-Agenten, die über MCP auf den Systemen arbeiten. Der Text richtet sich an mittelständische und große Unternehmen in Polen, die Sprachmodelle mit ihrem bestehenden ERP oder CRM – auch mit Legacy-Systemen – verbinden wollen. Sie finden hier einen Vergleich der Hersteller-Tools (SAP Joule, Microsoft Dynamics 365, Comarch ERP, Salesforce Agentforce, Oracle NetSuite), der Implementierungspartner, den Einführungsprozess, Risiken sowie eine Fallstudie mit konkreten Zahlen.

Alexander Stasiak

Alexander Stasiak

01. Nov. 2026・13 Min. Lesezeit

Bereit, Ihr Know-how mit KI zu zentralisieren?

Beginnen Sie ein neues Kapitel im Wissensmanagement – wo der KI-Assistent zum zentralen Pfeiler Ihrer digitalen Support-Erfahrung wird.

Arbeiten Sie mit einem Team, dem erstklassige Unternehmen vertrauen.

Siemens
PwC
Toyota