Vier Projekte, vier Branchen, eine Arbeitsweise
Eine Auswahl aus den über 100 branchenübergreifenden Mandaten hinter den Zahlen auf dieser Website — ausgewählt, weil jedes messbar ist und ich es teilen darf. Die Zahlen sind so genau, wie ich sie aus meiner Erinnerung an das jeweilige Mandat angeben kann; Firmennamen erscheinen nur, wo ich sie nennen darf.
KI-gestützte Erkennung von Rezeptbetrug
Eine deutsche Krankenversicherung (intern namentlich bekannt; hier aus Vertraulichkeitsgründen anonymisiert)
Das Problem: Die Versicherung musste monatlich rund 15 Millionen Rezepte auf Betrug prüfen — gefälschte Stempel, fehlende oder kopierte Unterschriften, Rezepte ohne ordnungsgemäße Berechtigung. Mit rund 200 Mitarbeitenden in manueller Prüfung konnten nur etwa 200.000 Rezepte im Monat kontrolliert werden — rund 1,3 % der Gesamtmenge. Alles andere blieb ungeprüft.
Was ich entwickelt habe: ein KI-System zur Bildverarbeitung, konzipiert und umgesetzt als Pilot, das jedes Rezeptbild ausliest und mit den spezifischen Merkmalen eines echten Rezepts abgleicht — Vorhandensein und Echtheit von Stempel und Unterschrift sowie die Verschlüsselungs- und Sicherheitsmerkmale eines echten Rezepts. Was diese Prüfungen nicht besteht, wird zur menschlichen Prüfung markiert, statt standardmäßig freigegeben.
Das Ergebnis: Der Pilot verarbeitete das gesamte Monatsvolumen von rund 15 Millionen Rezepten in etwa fünf Tagen bei einer validierten Genauigkeit von über 95 % — die Versicherung prüfte damit statt 1,3 % praktisch alle Rezepte, zu einem Bruchteil der manuellen Kosten.
Formulierungstests mit Roboterarm in der Unilever Materials Innovation Factory, gelöst für £500
Unilever — Materials Innovation Factory
Das Problem: Unilever testete mit einem Roboterarm verschiedene Zahnpasta-Formulierungen, indem ein Eindringwerkzeug in Pastenproben in einem Raster von Schalen gedrückt wurde; jede Kombination lieferte einen Tiefenwert und ein Foto des Abdrucks. Die Tiefe zeigte, wie gut eine Formulierung war — doch das Team konnte nicht mehr zuverlässig zuordnen, welches Foto zu welchem Werkzeug und welcher Formulierung gehörte. Ohne diese Zuordnung waren die Tiefendaten unbrauchbar. Ein Fertigungspartner bot den Neuaufbau des Prozesses für rund £150.000 an.
Was ich entwickelt habe: einen kostengünstigen Automatisierungsprototyp, der eine verlässliche Verknüpfung zwischen jedem Foto, dem erzeugenden Werkzeug und der getesteten Formulierung wiederherstellte — sodass die Eindringtiefe wieder sicher einer bekannten Formulierung zugeordnet werden konnte.
Das Ergebnis: Das Problem wurde für £500 gelöst — ein kleiner Bruchteil der anderswo angebotenen rund £150.000 — und der Workflow für Formulierungstests war wieder nutzbar.
IoT-optimiertes Hämatologielabor
Royal Liverpool University Hospital, NHS-Hämatologielabor
Das Problem: Die Blutanalysegeräte des Labors verarbeiten täglich rund 2.000 Proben. Die Geräte rund um die Uhr unter Volllast zu betreiben, deckt den Bedarf, verschwendet aber Energie; ein zu vorsichtiger Betrieb riskiert, den täglichen klinischen Bedarf zu verfehlen. Niemand hatte die Betriebsdaten, um das tatsächliche Optimum zu kennen.
Was ich entwickelt habe: eine eigens entwickelte IoT-Plattform, die das Labor fünf Monate lang überwachte und über 50 Millionen Betriebsdatensätze in Echtzeit erfasste. Anschließend wandte ich das in meiner Promotion entwickelte Deep-Business-Analytics-Framework (DBA) an — neuronale LSTM-Netze kombiniert mit einem Balanced-Scorecard-Modell —, um die Geräte- und Einsatzplanung zu finden, die den Energieverbrauch minimiert und dennoch den vollen täglichen Probenbedarf deckt.
Das Ergebnis: ein datengestütztes Betriebsmodell, das Energieeffizienz und Durchsatz ausbalanciert, validiert am vollständigen Datensatz mit über 50 Mio. Einträgen — dasselbe DBA-Framework, das heute meiner Arbeit zu prädiktiver Governance mit Kunden zugrunde liegt. Mehr zum DBA-Framework →
Koordination eines von der Weltbank finanzierten Programms über 200 Mio. US-Dollar
Von der Weltbank finanziertes Programm
Das Problem: ein von der Weltbank finanziertes Programm über 200 Mio. US-Dollar mit mehreren internationalen und nationalen Unternehmen und Organisationen, jede mit eigenen Prioritäten, Berichtswegen und eigenem Umsetzungstempo — das als ein koordiniertes Programm statt als lose verbundene Arbeitsstränge vorankommen musste.
Was ich getan habe: die Koordination und Abstimmung zwischen allen beteiligten Organisationen — international und national — geleitet und Umsetzung, Reporting und Prioritäten im gesamten Programm synchron gehalten.
Das Ergebnis: ein Programm mit vielen Beteiligten, das abgestimmt und geschlossen vorankam — am oberen Ende der Projektspanne von £12k bis £200M meiner Laufbahn. Dieselbe Disziplin in der Programmumsetzung (auf Basis von PMP®/PMI-ACP®/PMI-PBA®) bringe ich heute in Mandate jeder Größe ein.
Sprechen wir darüber, wie ein Pilot bei Ihnen aussehen könnte.
Diese vier sind eine Auswahl, nicht die vollständige Liste — wenn Ihre Herausforderung an Betrugserkennung, Formulierungstests, IoT-Optimierung oder die Umsetzung von Programmen mit vielen Beteiligten erinnert, ist ein 20-minütiges Gespräch der schnellste Weg herauszufinden, ob ich helfen kann.
Gestützt auf über 25 Jahre Führungserfahrung — PhD (KI-gestützte Business Analytics) · MBA · ISO/IEC 27001 Lead Auditor.