Nordlicht MedTech
Titel & Kurzbeschreibung
Profit & Loss · Gewinn- und Verlustrechnung
Frühwarnsystem für Umsatz, Kosten und Marge in Delivery & Operations
Der hybride P&L Risk Assistant prüft Projekt-P&L-Daten regelbasiert, ergänzt belegte Ursachenhypothesen mit GenAI und alarmiert Delivery und Operations – Entscheidungen bleiben beim Menschen.
Kursteilnehmerin: Laurence Dansokho | KI-Manager-Ausbildung (IHK) | Konzeptpapier · 21.08.2026
Rolle im Use Case: KI Implementation Manager | Auftraggeber und Agent Owner: Head of Delivery & Operations (P&L) | Unternehmen: Nordlicht MedTech
Management-Story
Die P&L zeigt pro Kundenprojekt, ob Umsatz, Kosten und Marge im Plan liegen.
Operations konsolidiert Daten aus mehreren Systemen und manuellen Updates im Google Sheet.
Forecast-Annahmen, Ist-Korrekturen und Umbuchungen sind nicht durchgängig versioniert.
Änderungen lassen sich später häufig nicht eindeutig auf Annahme, Person und Zeitpunkt zurückführen.
Die Folge sind mehrere Abstimmungsmeetings pro Woche, wiederholte Ursachenanalysen und ungenauere Forecasts.
Margenrisiken und notwendige Gegenmaßnahmen werden zu spät oder uneinheitlich gesteuert. Das schwächt Managemententscheidungen und die Verlässlichkeit gegenüber Investoren.
Angenommene Quelllandschaft: SAP S/4HANA · Salesforce · SuccessFactors · Jira/Tempo · ServiceNow · Zuora · Cloud APIs → Google Sheet
MVP-Scope: Startpunkt ist das konsolidierte P&L-Sheet. M0 finalisiert die Data Discovery. Die Daten bilden Struktur und Risikofälle der operativen P&L realitätsnah ab. Vertrauliche Produktivdaten wurden im Prüfungssetup nicht verwendet.
Nach jeder P&L-Aktualisierung prüft der Workflow Datenqualität, KPI und definierte Schwellenwerte. Bei wesentlichen Abweichungen erhalten Delivery und Operations einen priorisierten E-Mail-Alert mit Evidenz und Ursachenhypothesen. Maßnahmen bleiben menschlich freigegeben.
| KPI | Ausgangsbasis | Live-MVP-Ziel (Pilot) | Claim-Grenze |
|---|---|---|---|
| Time-to-Alert | teilweise erst im Review | ≤ 30 Min. nach Aktualisierung | Pilotziel |
| Meeting-/Analyseaufwand | mehrere Meetings, manuelle Recherche | ≥ 30 % weniger Aufwand | gegen Baseline messen |
| Audit-Trail | nicht durchgängig | 100 % der Workflow-Fälle | nicht gesamte Unternehmens-P&L |
| Entscheidungshoheit | manuell bei Delivery | 100 % menschliche Freigabe | keine autonome Entscheidung |
| Forecast-Qualität | keine bestätigte Baseline | WAPE/Bias und Treiberlog | Verbesserung erst validieren |
Petrol hinterlegt = Pilotziel, noch nicht validiert · rot kursiv = Claim-Grenze · M0 = bestätigter technischer Startnachweis, Live-MVP-Ziele noch zu validieren · bestätigte technische Nachweise ausschließlich in M0 (Abschnitt 5).
M0 belegt: Datenprüfung, Risikologik, GenAI-Analyse sowie Alert-/Logging-Grundmechanik. M1–3: Dual-HITL, Entscheidungslog und Evaluation produktionsnah umsetzen.
Datenpipeline + deterministische Regeln + GenAI-Analyse + menschliche Freigabe + Audit-Nachweis
Petrol: Daten & Regeln · Dunkelblau: GenAI · Gold gestrichelt: Human-in-the-Loop-Entscheidungsgate · kein autonomer Agent, kein Multi-Agent-System im MVP
Methoden aus dem Lehrgang
Value Chain · Stakeholder · Baseline/KPI · Business Case/TCO · Prompting · HITL · Evaluation
Technologien
n8n · Google Sheets · Claude API · Gmail API · OAuth 2.0 · Logging
Governance und Change
AI Act · Risk Register · ISO 42001/27001 · RACI · Security · Privacy · Adoption
Operativ: weniger Routine, Fehler und Ursachenrecherche; mehr Fokus in Operations und Delivery
Management: priorisierte Risiken, vergleichbare Evidenz und schnellere Entscheidungen
Unternehmen – Potenzial bei Skalierung: Wachstum mit geringerem zusätzlichem Personalbedarf; mehr Kapazität für Kunden, Pitches und Solutioning
Kunde, indirekt: frühere Gegenmaßnahmen, stabilere Delivery und transparentere Kommunikation
Kapazitätswert-Hypothese: 36.720 € pro Jahr
12 Accounts × 10 Stunden pro Monat × 12 Monate × 30 % Entlastung × 85 €/Stunde
Keine zugesagte Kosteneinsparung und kein zugesagter ROI. Der Netto-Nutzen wird erst nach Abzug von Plattform-, KI-, Governance-, Betriebs- und Implementierungskosten im Live-MVP validiert.
Skalierungshebel: Weniger Neueinstellungen → mehr Delivery-Fokus → mehr Kunden- und Sales-Unterstützung → Margenschutz und Teamzufriedenheit
M0
Data Discovery & Startnachweis
M1–3
Live-MVP, fünf Accounts
M4–6
Skalierung auf zwölf Accounts
M7–12
Optimierung und BAU
Skaliert wird nur, wenn Nutzen, Erkennungsqualität, Akzeptanz sowie Governance- und Security-Freigaben belegt sind.
Accountable · Business & Agent Owner
Head of Delivery & Operations (P&L)
Zielsetzung, Budget, Risikobereitschaft, KPI, Einsatzfreigabe, Scale- und Go/No-Go-Entscheidungen.
Responsible · Implementation & Lifecycle
Laurence Dansokho · KI Implementation Manager
Data Discovery, Lösungsdesign, Implementierung, Tests, Evaluation, Governance-Artefakte, Change und Betriebsübergabe.
Responsible · Technical Owner
AI/DevOps
Plattform, Schnittstellen, Monitoring, Verfügbarkeit, Kosten, Incidents, Releases und Wartung.
Consulted · Control Functions
Finance · Compliance · Legal · Information Security · Capacity · HR
Business Case, AI-Act-Einstufung, Datenschutz, Security, Control Mapping, Kapazitäts- und HR-Freigaben und Audit-Nachweise.
Decision Owner · Human in the Loop
Delivery Manager oder Account Lead
Evidenz prüfen, Ursachenhypothesen bewerten, Maßnahmen genehmigen und Overrides dokumentieren.
Nutzer und Betroffene: Operations und Delivery Teams | erhalten Alerts, Status- und Risiko-Updates, Trainings und Informationen über Prozessänderungen.
Der Head of Delivery & Operations bleibt für den Agenten und dessen geschäftlichen Einsatz accountable. Der KI Implementation Manager verantwortet Implementierung und Lifecycle. Kommerzielle Entscheidungen bleiben beim zuständigen Menschen – der Agent trifft keine autonome P&L-, Personal-, Budget- oder Kundenentscheidung.
5.2 ·Herausforderungen, Risiken und Audit-Readiness
Governance als Business-Enabler: Transparenz und Entscheidungssicherheit, interne und externe Audits, sichere Skalierung, Schutz von Investitionen und Reputation.
Technisch/Data – reduzieren
Validierung, Dublettencheck, HITL und FP/FN-Monitoring
Operativ – vermeiden/reduzieren
RACI, Training, Co-Design und Eskalation
Compliance/Security – reduzieren
Einstufung, Rollen, Rechte, Security, Privacy und Logs
Finanziell/strategisch – reduzieren/übertragen
Business Case, SLA, Cost Caps und Exit-Option
Assurance
Nachweise für Management-Freigaben und externe Audits
Workflow und Regeln erkennen und strukturieren P&L-Abweichungen. GenAI analysiert Evidenz und bereitet Optionen vor. Menschen entscheiden. Governance schafft die Grundlage für Freigabe, Audit und sichere Skalierung.
Laurence Dansokho · KI-Manager-Ausbildung (IHK) · Prüfungs-Case · 21.08.2026
Nordlicht MedTech