Hintergrund: AlpenMed Systems, Wien
Dieser Fall ist ein Composite aus Mustern, die Forfis in der Praxis beobachtet hat. Wir benennen keine echten Kunden, um Vertraulichkeit zu wahren. Die beschriebenen Zahlen und Abläufe basieren auf typischen Engagements in der Healthcare- und Medtech-Branche in Österreich. Die Firma „AlpenMed Systems“ (fiktiv) ist ein mittelständischer Medtech-Hersteller mit 2.400 Mitarbeitern, Sitz in Wien und Standorten in Graz und Linz. Das Unternehmen entwickelt und vertreibt diagnostische Geräte für Krankenhäuser in DACH und Skandinavien. Die IT-Stack besteht aus SAP S/4HANA als ERP, Personio als HR-System, Zendesk als Helpdesk und einer internen SharePoint-Umgebung mit über 50.000 Dokumenten (Richtlinien, FAQs, E-Mails, Tickets). Die AI-Maturity lag auf Stufe „Running Isolated Pilots“: Einzelne Teams hatten bereits ChatGPT-Instanzen für die Texterstellung genutzt, aber keine systematische Integration in die Prozesse.
Herausforderung: 12 % Fehlerquote im HR-Backoffice
Der HR-Backoffice-Bereich von AlpenMed Systems bearbeitet monatlich ca. 2.000 Vorgänge: Onboarding-Datenpflege, Vertragsanpassungen, Urlaubsanträge, Gehaltskorrekturen und interne Anfragen zu Richtlinien. Die manuelle Bearbeitung führte zu einer Fehlerquote von 12 % – gemessen als Anteil der Vorgänge, die nachträglich korrigiert werden mussten. Die Hauptursachen waren: (1) Inkonsistente Datenübernahme aus E-Mails und PDFs in Personio, (2) veraltete Richtlinien in SharePoint, die nicht mehr mit der aktuellen Praxis übereinstimmten, und (3) fehlende Standardisierung bei der Datenpflege. Der operative Druck kam von drei Seiten: Die Compliance-Abteilung forderte eine Reduktion der Fehlerquote auf unter 5 % bis zum nächsten Audit (Q3), die HR-Leitung benötigte Kapazität für strategische Projekte, und die IT-Abteilung war überlastet mit anderen Projekten. Die Deadline für die Pilot-Implementierung war 12 Wochen.
Ansatz: Prozess-Audit und n8n-Orchestrierung
Forfis startete mit einer 3-wöchigen Prozess-Audit-Phase. Ziel war es, die Workflows zu identifizieren, die sich am besten für die Automatisierung eignen. Die Audit-Methode umfasste: (1) Shadowing von 5 HR-Mitarbeitern über 2 Tage, (2) Analyse der letzten 6 Monate an Vorgängen in Personio und Zendesk, (3) Interview mit 12 Stakeholdern (HR, IT, Compliance, Fachbereiche). Das Ergebnis war eine Roadmap mit drei Prioritätsstufen: (1) Onboarding-Datenpflege (höchste Fehlerquote, 18 %), (2) interne Richtlinien-Suche (häufigste Anfrage, 40 % aller Tickets), (3) Vertragsanpassungen (komplexeste Logik). Der Pilot fokussierte auf Stufe 2: ein RAG-System über die SharePoint-Dokumente, angebunden an Zendesk über eine Custom REST API und Webhooks. Die Orchestrierung lief über n8n: Ein Webhook empfing die Zendesk-Anfrage, n8n rief die Vektor-Datenbank (Qdrant) ab, das LLM (GPT-4o) generierte die Antwort, und n8n postete die Antwort zurück in Zendesk. Die API-Anbindung an Personio erfolgte über OAuth2, um aktuelle Vertragsdaten bei Bedarf abzurufen.
Ergebnis: 12 % auf 3 % in 12 Wochen
Nach 12 Wochen war der Pilot live. Die gemessenen Ergebnisse: Die Fehlerquote bei der internen Richtlinien-Suche sank von 12 % auf 3 % (gemessen über 8 Wochen, n = 1.850 Vorgänge). Die Durchlaufzeit (Cycle Time) von der Anfrage bis zur finalen Antwort reduzierte sich von durchschnittlich 4,2 Stunden auf 18 Minuten. Die HR-Mitarbeiter konnten sich auf die komplexeren Fälle konzentrieren; die manuelle Bearbeitung der einfachen Anfragen fiel um 70 % weg. Die Compliance-Abteilung bestätigte, dass die Fehlerquote unter der 5 %-Schwelle lag. Die Kosten für den Pilot lagen bei 42.000 EUR (Audit: 18.000 EUR, Implementierung: 24.000 EUR). Der Managed-Operations-Vertrag ab dem 4. Monat beträgt 4.500 EUR/Monat und umfasst Monitoring, Modell-Updates, Dokumenten-Indexierung und Support. Der ROI wurde nach 9 Monaten positiv, basierend auf den eingesparten HR-Stunden (ca. 32 Stunden/Woche) und den reduzierten Korrekturkosten.
Erkenntnisse für ähnliche Teams
Die wichtigsten Erkenntnisse aus dem Projekt: (1) Dokumenten-Qualität vor Modell-Qualität – Die größte Verbesserung kam nicht vom LLM, sondern von der Aufräumung der SharePoint-Dokumente. Veraltete Richtlinien wurden archiviert, doppelte Einträge entfernt, und eine klare Hierarchie eingeführt. Ohne diesen Schritt wäre die RAG-Genauigkeit bei unter 70 % geblieben. (2) n8n als Orchestrierungs-Engine ist skalierbar – Die Workflow-Logik in n8n ist transparent und wartbar. Neue API-Endpunkte oder Logik-Änderungen lassen sich in Stunden, nicht Tagen, implementieren. (3) Managed Operations ist kein Nice-to-have – Die ersten 4 Wochen nach dem Go-Live erforderten 12 Modell-Updates und 3 API-Fixes. Ohne den Managed-Operations-Vertrag hätte das HR-Team diese Last nicht tragen können. (4) Die Fehlerquote ist der richtige KPI – Die Durchlaufzeit allein hätte nicht ausgereicht, um den Erfolg zu messen. Erst die Kombination aus Cycle Time und Fehlerquote zeigte den echten Wert. (5) Human-in-the-Loop bleibt nötig – Bei 8 % der Anfragen (komplexe Vertragsfragen, Gehaltskorrekturen) wurde der Vorgang an einen HR-Mitarbeiter eskaliert. Das System ersetzt nicht, es entlastet.
Leave a Reply