Ausgangssituation
Siemens Energy wollte AI Agents unternehmensweit skalieren. Die HR-Abteilung suchte einen spezialisierten Partner und beauftragte FNTIO direkt.
Herausforderung
- Immer mehr Abteilungen wollen eigene AI Agents
- Teams sollen Agents eigenständig erstellen, hosten und überwachen
- Integration in bestehende Business-Applikationen
- Enterprise-Anforderungen: Security, Compliance, Monitoring
Lösung
Self-Service Agent-Plattform mit Agent Lifecycle Management:
- Agent Lifecycle: Bauen, Deployen, Überwachen in einer Plattform
- LiteLLM: Zugriff auf diverse AI-Modelle (Claude, GPT, Gemini)
- Business-Integration: Agents interagieren mit HR-Systemen (COIN, HR DataHub)
- Forward-Deployed Engineering: FNTIO coacht Teams beim Bau eigener Agents
Agents auf der Plattform:
| Agent | Funktion |
|---|---|
| Coco AI (HR) | Erklärt Management-Prozesse, kennt die Organisation, integriert HR-Daten |
| AWS Architect Agent | Self-Healing: Analysiert CloudWatch-Fehler, postet Root-Cause-Analysen in Slack |
| Data Transform Agents | Schreiben Python-Code für Legacy-Integrationen, deployen automatisch |
| Voice Agent | Sprachbasierte Interaktion für HR-Prozesse (Real-Time) |
Warum FNTIO?
Siemens Energy hatte mit SiemensGPT gesehen, was FNTIO bei der Muttergesellschaft aufgebaut hatte. Sie wollten denselben Ansatz: funktionierende AI Agents in Wochen,
direkt in Produktion.
Ergebnisse
| Metrik | Wert |
|---|---|
| AI Agents in Produktion | 4+ (Coco AI, AWS Architect, Data Transform, Voice) |
| Agent-Erstellung | Self-Service für Enterprise-Teams |
| Modell-Zugang | Multi-Provider via LiteLLM (Claude, GPT, Gemini) |
| Integration | HR-Systeme (COIN, HR DataHub), Slack, CloudWatch |
| Deployment | Vollautomatisch via Fargate + Lambda |
Differenzierung
- Nicht nur Chatbots: Agents mit echten Systemrechten
- Computer Use: Agents schreiben und deployen Code
- Voice-First: Real-Time Voice Agent als nächste Interaktionsstufe
- Plattform, nicht Projekt: Skalierbar für das gesamte Unternehmen
Ihr Einstieg: Self-Service Agent-Plattform
Ihre Fachabteilungen wollen AI Agents, aber die zentrale IT kann den Bedarf nicht decken? So schließen wir die Lücke.
Woche 1: Use Cases priorisieren.
Gemeinsam mit Ihren Teams identifizieren wir die 3-5 AI-Agent-Use-Cases mit dem höchsten Impact. Nicht in einem Strategy-Workshop,
sondern durch Gespräche mit den Menschen, die das Problem täglich erleben.
Woche 2: Erster Agent in Produktion. Ein konkreter Agent für den priorisierten Use Case. Eingebettet in Ihre Systeme, mit echten Berechtigungen, unter Ihrem Security-Framework. Kein Chatbot, sondern ein Agent mit Systemrechten.
Woche 4: Plattform für Self-Service. Die Basis-Plattform steht: Ihre Teams können eigene Agents erstellen, deployen und überwachen. Multi-Model-Zugang (Claude, GPT, Gemini) ohne Vendor Lock-in. Agent Lifecycle Management integriert.
Was Siemens Energy nach diesem Punkt erreicht hat: Self-Service Agent-Erstellung, 4+ produktive Agents (HR, Self-Healing, Data Transform, Voice), vollautomatisches Deployment.
