Wie ein Finanzteam für 600 Kliniken seine eigene KI-Prognose baut
3. Sept. 2026
600 Kliniken. 4 Personen im Datenteam. Und das Finanzteam baut jetzt seine eigene Cashflow-Prognose.
600 Kliniken. 4 Personen im Datenteam. Und das Finanzteam baut jetzt seine eigene Cashflow-Prognose.
Sie leisten mehr Arbeit als früher, aber der Monatsabschluss dauert nur noch sechs Tage. Das Ziel sind zwei.
Nachdem die Organisation Zugang zu Claude erhalten hatte, begann das Finanzteam, seine eigene Cashflow-Prognose zu bauen. M&A verfolgt seine eigene Pipeline. Die Beschaffung hat ein Preisanalyse-Tool gebaut und nimmt es mit in Meetings.
Deutlich weniger Tickets.
Das war einer von drei Vorträgen beim gestrigen Claude Community Meetup in Zürich, gehalten von Kilian Dumortier von der Colosseum Dental Group.
Dritte Ausgabe, und der Raum war wieder voll.
Zwei weitere Dinge, die ich mitnehme:
→ Databricks, Patricia Ferreiro und Vlad Marin: Jede Woche kommt ein neues Modell heraus, und niemand will jedes Mal sein Setup neu bauen. Ihr Open-Source-Tool Omnigent tauscht das Modell oder den Coding-Agenten darunter aus, ohne den Code anzufassen. Kostenlimits und Berechtigungen bleiben bestehen.
→ Caffeine AI, Habibou Sissoko: Lass den, der baut, nicht seine eigenen Hausaufgaben benoten. Anders gesagt: Bitte deine KI nicht darum, ihren eigenen Output zu überarbeiten. Ein Agent baut. Ein zweiter startet mit frischem Gedächtnis und prüft die Arbeit gegen Tests, die er nicht geschrieben hat und nicht ändern kann. Seine Regel: Dem Agenten Raum geben, die Umsetzung zu optimieren, aber nie die Erlaubnis, den Erfolg neu zu definieren.
Die Fragen danach dauerten länger als die Vorträge, ich rutsche jedes Mal, wenn ich zu einem Claude Meetup gehe, komplett in den Technik-Kaninchenbau ab!
PS: Wenn du grossartige Claude-Code-Geschichten aus deinem Unternehmen hast und sie gerne teilen würdest, schick mir eine Nachricht. Ich suche Sprecherinnen und Sprecher für das nächste Claude-for-Leaders-Event in Zürich.
Arnaud Delacour, danke, dass du das am Laufen hältst. Und es war schön, dich wiederzusehen, Andreea Stanescu!
Welches Team in deinem Unternehmen macht noch von Hand, was KI in Minuten erledigen könnte?
Was echte KI-Einführung von einem Pilotprojekt unterscheidet, das nie skaliert
Das Detail, das in der Geschichte der Colosseum Dental Group heraussticht, ist nicht die Technologie, sondern wer die Tools gebaut hat. Das Finanzteam hat seine eigene Prognose gebaut. Die Beschaffung hat ihr eigenes Pricing-Tool gebaut. Niemand hat darauf gewartet, dass ein zentrales KI-Team ein fertiges Produkt liefert. Das ist der eigentliche Unterschied zwischen KI-Einführung, die skaliert, und KI-Einführung, die für immer ein Pilotprojekt bleibt: Die Verantwortung liegt beim Team, das das Problem hat.
Das zweite Muster dieses Abends ist genauso wichtig: Lass den, der baut, nicht seine eigenen Hausaufgaben benoten. Ich höre eine Version dieses Fehlers ständig in den Organisationen, die ich berate: Ein KI-Tool erzeugt den Output, und dasselbe Tool prüft, ob er gut ist. Eine zweite, unabhängige Prüfung, egal ob durch eine Person oder einen separaten Prozess, verhindert, dass die Qualität still und leise abdriftet, und das ist nah an dem, was erfahrene Führungskräfte 2026 wirklich von KI brauchen.
Wenn du versuchst, dein eigenes Team vom Pilotprojekt zur echten Nutzung zu bringen:
→ Gib dem Team, das dem Problem am nächsten ist, den Zugang und die Erlaubnis zu bauen, nicht nur ein fertiges Tool
→ Halte immer getrennt, wer baut und wer prüft
→ Miss eine Zahl, die fürs Geschäft zählt, wie die Abschlusszeit, nicht nur Einführung oder Nutzung
Wenn du praktische Ausgangspunkte für dein eigenes Team suchst, habe ich einen kostenlosen AI Tools & Tips Guide mit den Tools und Workflows, die ich als Coach und Unternehmerin nutze. Hinterlasse hier deine E-Mail-Adresse und ich schicke ihn dir: https://www.thechangerepublic.com/free-resources