Fallstudie | Claude Platform
Mit Claude verringert Athena Intelligence wochenlange unternehmerische Wissensarbeit auf wenige Stunden
Neue Studienergebnisse von über 500 technischen Führungskräften zeigen, wie Unternehmen KI-Agenten einsetzen – und warum 80 % bereits einen messbaren ROI verzeichnen.
Weitere InformationenAthena Intelligence ist ein Startup-Unternehmen, das einen KI-nativen Workspace mit einem autonomen Agenten kombiniert, um sich wiederholende, zeitintensive Teile der Wissensarbeit zu bewältigen. Das Unternehmen bedient Fortune-500-Unternehmen, Anwaltskanzleien, Finanzdienstleistungsunternehmen, Gesundheitseinrichtungen und Regierungsbehörden. Claude betreibt die überwiegende Mehrheit der autonomen Arbeit auf der Plattform.
Mit Claude kann Athena Intelligence:
- Produktionsworkflows in Unternehmen in 4 bis 8 Wochen anstatt zum Branchenstandard von 6 bis 12 Monaten bereitstellen
- wöchentlich über 10.000 autonome Workflows für seinen Kundenstamm ausführen
- Über 100.000 Assets (E-Mail, pptx, xlsx, docx usw.) pro Monat, die bei Kunden erstellt oder bearbeitet werden
- mehrstufige Analystenworkflows von Tagen auf Stunden reduzieren
- 400 monatliche juristische Memos in einer führenden Anwaltskanzlei vollständig automatisieren, wodurch 2 bis 3 Tage manueller Arbeit auf einen Prozess über Nacht reduziert werden
- neue Abteilungen innerhalb von Stunden nach der ersten Bereitstellung einbinden – mit Konfiguration in natürlicher Sprache anstelle von benutzerdefinierten Modellschulungen
Die Herausforderung: Überlastung von Wissensarbeitern trifft auf chaotische Unternehmensdaten
Die Kunden von Athena in regulierten Branchen haben eine Reihe gemeinsamer Probleme. Analysten verbringen den Großteil ihrer Zeit mit sich wiederholenden, wenig wertschöpfenden Aufgaben statt mit strategischen Analysen. Unternehmensdaten befinden sich auf Dutzenden von Systemen, und ihre Zusammenführung erfordert einen enormen manuellen Aufwand. Diese Daten sind auch selten sauber. Schlecht dokumentierte Systeme, veraltete Formate und widersprüchliche Quellen sind die Norm.
Herkömmliche KI-Bereitstellungen in Unternehmen dauern 6 bis 12 Monate, und regulierte Branchen verlangen bei jedem Schritt Genauigkeit, Transparenz und Überprüfbarkeit. „Wir brauchten ein Modell, das trotz Unklarheiten logisch schlussfolgern, komplexe Anweisungen befolgen, die Qualität über lange Workflows hinweg aufrechterhalten und seine Argumentation innerhalb strenger Compliance-Frameworks erklären kann“, sagt Brendon Geils, Gründer und CEO von Athena Intelligence. „Claude hat am besten gepasst.“
Die Wahl fiel auf Claude wegen Reasoning und Sicherheit
Athena entschied sich für Claude als Kernintelligenzebene aufgrund von Fähigkeiten, die sich in der Produktion als entscheidend erwiesen haben.
„Claude führt komplexe, detaillierte und mehrseitige Anweisungen zuverlässig aus, wo andere Modelle abweichen oder falsche Informationen generieren“, sagt Geils. „Das ist der Unterschied zwischen einer KI, die in Demos gut abschneidet, und einer KI, die in der Produktion arbeitet.“ Das Athena-Team sagte, dass Claude auch über Workflows mit Dutzenden von Entscheidungspunkten und Hunderten von Kontextseiten hinweg eine konstante Qualität aufrechterhielt, während die Konkurrenz mit zunehmender Komplexität nachließ.
In Unternehmensumgebungen, in denen die Daten nie perfekt sind, erwies sich das Urteilsvermögen von Claude als genauso wichtig. Geils stellte fest, dass Claude professionelle Entscheidungen über widersprüchliche Datenquellen, unvollständige Informationen und darüber trifft, wann um Klärung gebeten werden sollte, und dass Claude seine Argumentation bei jedem Schritt erklärt, was für Audits, Compliance und rechtliche Arbeiten entscheidend ist. „Das Engagement von Anthropic für verantwortungsbewusste KI entspricht den Anforderungen unserer regulierten Kunden und schafft Vertrauen bei den Compliance-Teams“, erklärt Geils.
Die Lösung: Vom Copiloten zum autonomen Agenten
Claude bildet die zentrale Intelligenzschicht in jedem wichtigen Athena-Workflow, und die Entwicklung der Plattform spiegelt direkt die Verbesserungen der einzelnen Claude-Generationen wider. Während der Claude-3-Ära funktionierte Athena in erster Linie als Copilot, nützlich für einzelne Aufgaben wie das Abfragen von Daten und das Erstellen von Zusammenfassungen, aber mehrstufige Workflows brachen immer noch zusammen. Mit Claude Sonnet 3.5 wurde das Befolgen von Anweisungen so weit verbessert, dass Athena die in einfachem Englisch beschriebenen mehrstufigen Workflows zuverlässig ausführen konnte, sodass kein benutzerdefiniertes Modelltraining erforderlich war. Mit Sonnet 4.5 und Opus 4.5 begann die Plattform, professionelle End-to-End-Workflows zu planen, auszuführen, anzupassen und bereitzustellen. Sonnet 4.5 bewältigt den Großteil der autonomen Workflows, während Opus 4.6 sich den schwierigeren Problemen wie der Finanzmodellierung für mehrere Unternehmen, der umfassenden rechtlichen Forschung in großen Dokumentensätzen und der Compliance-Workflows annimmt, die hohe Präzision erfordern.
Athena hat ohne modellspezifischen Integrationscode auf der API von Claude aufgebaut. Eine neue Modellversion ist eine Konfigurationsaktualisierung: anhand der Testsuite validieren, den Modellzeiger aktualisieren und bereitstellen. Nach der Einführung von Sonnet 4.6 war es innerhalb von 30 Minuten auf Athena live – ohne erneutes Training, erneutes Prompting oder Ausfallzeiten. „Das ist nur möglich, weil Claudes Fähigkeit, Anweisungen von Haus aus zu befolgen, stark genug ist, dass wir nie auf starre, feinabgestimmte Ebenen darüber angewiesen waren“, sagt Geils.
Die Ergebnisse: Agentische Workflows in großem Maßstab
Für die Kunden von Athena dauern Aufgaben, die früher Tage in Anspruch nahmen, jetzt nur noch Stunden. Workflows werden mithilfe von Systemprompts in natürlicher Sprache konfiguriert, sodass Business-Anwender sie ohne Entwickler einrichten und anpassen können. In einem Fortune-500-Unternehmen hatten die Teams aus den Bereichen Recht, Personal und Finanzen Millionen in konkurrierende Plattformen investiert, die keine Erkenntnisse aus fragmentierten Legacy-Systemen liefern konnten. Athena stellte innerhalb von vier Wochen eine benutzerdefinierte Workflow-Lösung, abteilungsübergreifende KPI-Dashboards und einen CEO-Produktivitätsagenten bereit und ersetzte damit eine Konkurrenzplattform, deren Implementierung über 12 Monate in Anspruch genommen hatte. Der Agent greift gleichzeitig auf E-Mail-, Kalender-, CRM- und Finanzberichterstattungssysteme zu, um ein tägliches Executive Briefing zu erstellen – alles konfiguriert mittels Prompts in natürlicher Sprache statt benutzerdefiniertem Code.
In einer AmLaw 100 Anwaltskanzlei generiert und verteilt Claude jetzt alle 400 monatlichen Vergütungsmemos durchgehend. Der bisherige Prozess, der Excel-Makros, einzelne PDFs und manuelle Einträge in sichere SharePoint-Ordner mit einer Überprüfung durch zwei Personen beinhaltete, dauerte 2 bis 3 Tage pro Monat. Dieser läuft nun über Nacht ohne jegliches manuelles Eingreifen.
Ein globales Lebensmittel- und Getränkeunternehmen kam zu Athena, wobei die Geschäftseinheiten umbenannt wurden, die Datenbanken zusammengeführt wurden und die Legacy-Systeme voller widersprüchlicher Datensätze waren. Eine vorherige KI-Plattform war in derselben Umgebung fehlgeschlagen, weil sie saubere, konsistente Daten benötigte, um zu funktionieren. „Letztes Jahr haben wir gesagt: ‚Zuerst müssen die Daten bereinigt werden'', erklärt Geils. „Jetzt sind die Agenten besser als Menschen in der Lage, mit unstrukturierten Daten umzugehen.“
Ein führendes globales Dienstleistungsunternehmen ging in acht Wochen in mehreren Fachbereichen in den Produktivbetrieb. „Athena ist kein Tool mehr“, erklärt ein Technologie-Lead des Unternehmens. Auf der gesamten Plattform führen die Kunden von Athena jetzt jede Woche insgesamt über 10.000 autonome Workflows aus.
Athenas Ziel ist es zu beweisen, dass KI „in den komplexesten Organisationen der Welt leistungsstark, vertrauenswürdig und wirklich nützlich sein kann“, so Geils. „Jede Verbesserung in Claude beschleunigt direkt unsere Produktroadmap und verbessert die Kundenergebnisse.“
„Wir brauchten ein Modell, das durch Unklarheiten hindurch logisch schlussfolgern, komplexe Anweisungen befolgen und seine Argumentation innerhalb strenger Compliance-Frameworks erklären kann. Claude hat am besten gepasst.“