Asaf Bord, Engineering Leader bei Northwestern Mutual (einem 160 Jahre alten Finanzdienstleistungsunternehmen), teilt seine Erfahrung beim Aufbau eines GenBI-Systems (Generative Business Intelligence) in einem extrem risikoscheuen Umfeld. Das Unternehmensmotto, "generational responsibility", verlangt absolute Stabilität, was es schwierig macht, KI-Innovation zu vermitteln und einzuführen.
Um erfolgreich zu sein, verfolgte Bord eine "Small Bets" (schrittweise Einführung)-Strategie und einen "Crawl, Walk, Run"-Ansatz. Statt sofort einen allwissenden Agenten zu versprechen, richtete man sich zunächst an die BI-Experten selbst, dann an die Manager, um KI zur Beschleunigung ihrer Arbeit einzusetzen statt sie zu ersetzen.
Die technische Architektur spiegelt diese Vorsicht wider. Statt KI komplexes SQL über die gesamte Datenbank generieren zu lassen (riskant), bauten sie eine Pipeline spezialisierter Agenten: 1. Metadata Agent: Versteht den Kontext der Frage. 2. RAG Agent: Prüft zunächst, ob ein bestehender zertifizierter Report die Antwort enthält. Sie stellten fest, dass 80 % der BI-Anfragen schlicht darin bestanden, den richtigen Report zu finden. Die Automatisierung dessen liefert enormen Wert bei minimalem Risiko. 3. SQL Agent: Greift nur ein, wenn kein Report existiert, um gezielte Abfragen zu generieren. 4. BI Agent: Formuliert die endgültige Antwort.
Ein zentraler Erfolgsfaktor war der Einsatz echter, "unaufgeräumter" Daten von Anfang an, unter Einbindung der Fachanwender in den Forschungsprozess. Dies validierte die Machbarkeit in der Praxis und schuf Verbündete ("Champions") im Unternehmen. Zudem wurde das Projekt in 6-Wochen-Sprints unterteilt, wobei jede Phase eigenständigen Wert lieferte (z. B. kamen die Metadatenverbesserungen für KI dem gesamten Unternehmen zugute), sodass das Management die Kontrolle über die Investition behielt.
Bord schließt mit einer ökonomischen Betrachtung: KI stellt das "Per-Seat"-Abrechnungsmodell von SaaS-Software infrage, da ein einzelner Nutzer nun den Wert von zehn erbringen kann.