AI, die durch die Compliance-Prüfung
und Ihr Board kommt.
Viele haben Claude und andere Modelle. Wenige haben jemanden, der es fachlich aufsetzt, integriert und betreibt. AI scheitert selten an der Technologie — sondern an Governance und Betrieb. Genau dort setzen wir an.
Was ist ein Managed AI Service Provider?
Managed AI bedeutet: Ein fachlicher Partner setzt AI-Anwendungen auf, integriert sie in bestehende Systeme und betreibt sie dauerhaft. Analog zu einem Managed-Service-Provider, aber für AI. JWR bringt AI-Use-Cases für regulierte und anspruchsvolle Unternehmen produktiv – unter EU AI Act, DORA und, wo relevant, BaFin MaRisk AT 8.2. Eingesetzt wird primär Claude von Anthropic, gehostet auf AWS Bedrock Frankfurt für europäische Datensouveränität.
Die meisten nutzen AI als besseren Chatbot. Das ist die kleinste Stufe.
Pull-Systeme warten auf eine Frage. Jemand tippt, das Modell antwortet. Nützlich – aber es bleibt ein Werkzeug, das jemand bedienen muss. Der eigentliche Hebel liegt in Push-Systemen: AI, die durch ein Ereignis im System ausgelöst wird, nicht durch eine menschliche Frage. Ein neuer Schadenfall, eine Transaktion, eine Vertragsänderung – und die AI erkennt, schließt und bereitet vor, bevor jemand danach fragt.
Das verlangt drei Fähigkeiten:
Detection
Erkennen, was passiert ist und ob es relevant ist. Signal vom Rauschen trennen.
Reasoning
Daraus schließen, welche Optionen bestehen und welche Regeln greifen. Nachvollziehbar, prüfbar, mit klarer Grenze zum menschlichen Urteil.
Synthese
Aus verstreuten Quellen ein belastbares Ergebnis bauen, das durch die Compliance-Prüfung kommt.
Beispiel
Wir haben selbst gebaut und Mandanten beraten.
Wir haben selbst eine BaFin-lizenzierte Plattform mit aufgebaut und kennen die Anforderungen der Aufsicht von innen. Wir verstehen die Datengrundlage, auf der AI arbeitet – Embedded Finance ist unser zweites Standbein, kein Fremdwort. Und wir setzen primär auf Claude von Anthropic auf AWS Bedrock Frankfurt, weil EU-Datensouveränität für regulierte Kunden nicht verhandelbar ist.
Sie haben die Technologie. Es fehlt der Fachpartner.
Ein typisches Bild: Das Unternehmen hat Claude Enterprise lizenziert oder einen Bedrock-Zugang. Die IT ist fähig, aber ausgelastet. Niemand im Haus verbindet Use-Case, Regulierung, Integration und Betrieb zu etwas, das durch die Compliance-Prüfung kommt und im Tagesgeschäft hält. Genau diese Rolle übernehmen wir – von der Standortbestimmung über die Integration bis in den laufenden Betrieb.
Aufsetzen. Integrieren. Betreiben.
Standortbestimmung
AI-Vision und Reifegrad entlang Daten, Technologie und Organisation. Die drei aussichtsreichsten Use-Cases, priorisiert nach Wirkung und Komplexität.
Use-Case-Entwicklung
Daten, Technologie, Organisation. Lücken identifizieren, schnellsten Weg zum ersten produktiven Use Case definieren. Pull-Anwendung oder ereignisgetriebenes Push-System – je nachdem, wo der Hebel liegt.
Integration
Anbindung an bestehende Systeme über offene Standards wie das Model Context Protocol. Prompt Engineering, Retrieval Augmented Generation, Human-in-the-Loop-Prozesse. Oft beginnt das bei gewachsenen Kernsystemen: Wie Legacy-Modernisierung mit KI gelingt, zeigen wir im Blog.
AI-Governance
EU AI Act, DORA, BaFin MaRisk AT 8.2, ISO42001. Compliance ab Tag eins – nicht nachgelagert.
Managed Operations
Laufender Betrieb der Systeme – auch der ereignisgetriebenen, die ohne menschlichen Anstoß arbeiten. Monitoring, Incident Response, Service-Levels, Audit-Dokumentation. Wir übergeben nicht und gehen – sondern betreiben.
AI Cost Audit
Token-FinOps für den laufenden Betrieb: Verbrauch messen, Modelle richtig dimensionieren, Kosten pro Use-Case zuordnen. Wie ein AI Cost Audit in der Praxis abläuft, zeigen wir im Blog.
Worauf wir aufsetzen.
Claude von Anthropic
- Constitutional AI. 200.000 Token Context-Window. EU-souverän über AWS Bedrock Frankfurt und Google Vertex AI. Daten bleiben in Europa.
Multi-Platform-Ansatz
- GPT-4, Gemini, Mistral – wenn es für den Use Case besser performt. Abstraction Layers im Stack. Entscheidend ist die Architektur, nicht das Modell.
So denken wir dazu.
Versicherer · DACH-Raum
Ein DACH-Versicherer wollte AI einführen – und hatte das klassische Problem: dutzende Ideen aus dem Fachbereich, keine Priorisierung, offene Fragen zum EU AI Act und zu MaRisk-Anforderungen. Ohne Governance-Rahmen wäre jeder Pilot im Gremium gescheitert.
In den ersten zwei Wochen eine Reifegrad-Analyse entlang Daten, Technologie und Organisation. Darauf aufbauend drei Use Cases priorisiert nach regulatorischer Komplexität und EBITDA-Wirkung. Parallel Governance-Framework aufgesetzt, das EU AI Act, DORA und MaRisk AT 8.2 abdeckt.
Ergebnis: Erster Use Case nach acht Wochen produktiv. Governance-Framework als Vorlage für weitere Piloten übergeben. Die nächsten zwei Use Cases laufen seitdem im Eigenbetrieb.
Managed
AI Services.
Was ist Managed AI?
Managed AI bedeutet: Ein fachlicher Partner setzt AI-Anwendungen auf, integriert sie in bestehende Systeme und betreibt sie dauerhaft – mit Verantwortung für Governance, Sicherheit und Kosten. Analog zu einem Managed-Service-Provider, nur für AI. Der Unterschied zur klassischen Beratung: Wir übergeben nicht nach dem Konzept, wir betreiben.
Wie lange dauert eine AI-Standortbestimmung?
Zwei bis drei Wochen. Reifegrad-Analyse entlang Daten, Technologie und Organisation. Identifikation der drei aussichtsreichsten Use Cases. Roadmap mit regulatorischer Einordnung. Erste produktive Ergebnisse aus einem Pilot in sechs bis acht Wochen.
Welche AI-Modelle setzt JWR Advisory ein?
Primär Claude von Anthropic, EU-souverän gehostet über AWS Bedrock Frankfurt. GPT, Gemini oder Mistral für einen konkreten Use Case besser performen, setzen wir diese ein. Die Entscheidung fällt datenbasiert, nicht nach Präferenz.
Was ist Token-FinOps?
Token-FinOps überträgt die Kostendisziplin aus dem Cloud-Betrieb auf AI: Token-Verbrauch messen, Kosten pro Use-Case zuordnen, Modelle richtig dimensionieren. Viele Unternehmen betreiben das teuerste Modell für Aufgaben, die ein kleineres genauso gut erledigt. Unser AI Cost Audit macht sichtbar, was der Betrieb wirklich kostet – und wo Budget verbrennt.
Ist AI BaFin-konform einsetzbar?
Ja. EU AI Act, DORA und BaFin MaRisk AT 8.2 definieren die Leitplanken für den Einsatz von KI in regulierten Finanzinstituten. Wir bauen Compliance von Anfang an ein: Dokumentation für die Aufsicht, Explainability, Human-in-the-Loop-Kontrollen.
Was kostet AI-Beratung bei JWR Advisory?
Projektbasiert, nach Umfang und Scope. Konkrete Zahlen im persönlichen Gespräch – nach gemeinsamer Einordnung von Zielbild, Timeline und Stakeholder-Struktur.
Wo bleiben unsere Daten?
In Europa. AWS Bedrock Frankfurt oder Google Vertex AI in europäischen Regionen. DSGVO-konform ab Tag eins. Keine Datenabflüsse in die USA oder dritte Länder.
Warum Claude statt ChatGPT?
Constitutional AI, EU-Hosting, dokumentierte Sicherheitsarchitektur. Anthropic baut die Financial-Services-Vertikale gezielt aus, mit Referenzen wie Allianz und HUB International. Hier setzen wir in Financial Services gezielt an.
Was unterscheidet Euch von großen Beratungen?
Wir arbeiten in der Rolle, die Ihre Teams kennen – Head of, CDO, Programmleiter. Kein Staffing. Keine Delegation. Der Gründer ist im Projekt. Der Betrieb auf Infrastruktur gestützt.
Wie sieht AI-Einsatz in Versicherungen konkret aus?
Drei typische Anwendungsfelder. In der Bestandsverwaltung: automatisierte Dokumentensichtung und Vertragsänderungs-Workflows. Im Underwriting: Risiko-Voreinschätzung auf Basis strukturierter und unstrukturierter Daten, mit Human-in-the-Loop für Grenzfälle. In Claims: automatisierte Schadensanalyse und Betrugserkennung. Alle drei Felder brauchen dieselben Governance-Bausteine – IDD-Konformität, GDV-Kompatibilität, Dokumentation für die BaFin-Versicherungsaufsicht.
Wir haben Claude schon im Einsatz. Was macht Ihr anders?
Die meisten Claude-Deployments bleiben auf der Chatbot-Stufe stehen: Der Mensch fragt, das Modell antwortet. Das ist ein Bruchteil dessen, was möglich ist. Wir bauen ereignisgetriebene Systeme – AI, die durch einen Trigger im System ausgelöst wird, selbst erkennt, schließt und vorbereitet. Detection, Reasoning, Synthese statt Frage-Antwort. Und wir betreiben diese Systeme regulierungskonform, statt sie nach dem Proof of Concept liegenzulassen.
Was heißt ``Managed`` konkret - hängt das an einer Person?
Nein. Use-Cases laufen bspw. auf AWS-Infrastruktur mit definierten Service-Levels und dokumentierten Prozessen. Wir sind der fachliche Kopf und im Projekt – der Betrieb selbst ist auf Infrastruktur und klare Abläufe gestützt, nicht auf Anwesenheit.
