Unser Kunde ist mit über 4000 Mandaten eine der weltweit größten Unternehmensberatungen für die Bereiche Strategie, IT, Business Transformation und Digitalisierung.

Im Rahmen des Dienstleistungsangebots unterstützt die Firma ihre Kunden bei der Teamentwicklung. Dafür wird die Leistungsfähigkeit der betreffenden Teams anhand der Dimensionen psychologische Sicherheit und Motivation analysiert. Der von den Miterarbeiter:innen wahrgenommene Zustand wird mithilfe von Umfragen ermittelt und anschließend ausgewertet. So können die Kunden Empfehlungen zur Verbesserung ableiten und proaktive Maßnahmen ergreifen, um die Gesamtleistung der jeweiligen Teams zu optimieren.

Aus den individuellen Umfrageergebnissen ergeben sich vielzählige Datenpunkte, die unser Kunde bislang manuell ausgewertet hat. Dieses Vorgehen war nur schwer für andere Klienten skalierbar: Durch den Einsatz von Mitarbeiter:innen, die für die Auswertungen zuständig waren, musste die Firma zum einen hohe Fixkosten in Kauf nehmen und war gleichzeitig von der Verfügbarkeit dafür geeigneter Talente abhängig. Die manuelle Datenanalyse nahm so eine längere Bearbeitungszeit in Anspruch und war aus betriebswirtschaftlicher Sicht nicht effizient genug.

Zum anderen war diese Methode nicht zukunftsgerichtet: Die Ergebnisse lieferten keinerlei Aufschluss darüber, wie sich die Teamleistung ohne eine Kursänderung entwickeln würde. Die fehlende Prognosefähigkeit der manuellen Auswertung war vor allem deshalb problematisch, weil die Teams nicht allzu häufig befragt werden können und für die Auswertung deshalb nur eine begrenzte Anzahl an Datenpunkten verfügbar war. Folglich fiel es unserem Kunden schwer, klare Muster zu erkennen und daraus valide Ableitungen zu treffen.

Um diese Lücke zu schließen, hat er nach einer automatisierten Analysemöglichkeit gesucht, die das unternehmenseigene Empfehlungstool grundlegend verbessern kann.

Der Kunde hat mithilfe der KI-basierten Plattform von paretos innerhalb kürzester Zeit zuverlässige Prognosemodelle und eine selbstlernende Recommendation Engine in die eigene Software-Lösung integrieren können. Durch die automatisierte Analyse früherer Leistungen können so dynamisch Vorhersagen darüber getroffen werden, wie sich die Leistungen der einzelnen Teams im Laufe der Zeit entwickeln werden. Die KI von paretos erfasst dafür historische Daten und setzt sie vollautomatisiert miteinander in Beziehung.
‍
Die Empfehlungen des Prognosemodells mithilfe des Reinforcement-Learning-Algorithmus sind außerdem um ein Vielfaches präziser, selbst wenn ursprünglich nur wenige Datenpunkte verfügbar sind. Zudem erhalten die Berater Vorhersagen über die zukünftige Entwicklung ihrer Kunden und können proaktiv agieren.
‍
Über das paretos-Cockpit haben die Projektleiter und Berater alle relevanten Daten jederzeit im Blick. Die Schnittstellen (APIs) von paretos werden aus der Software-Lösung vom Kunden automatisiert getriggert, sodass die aktuellsten Analysen und Vorhersagen in Echtzeit visualisiert werden – eine entscheidende Voraussetzung, um das Leistungsangebot skalierbar zu machen.