Fallstudie20. Oktober 20265 Min. Lesezeit
Fallstudie: Wie Layer Finance in drei Wochen eine funktionierende KI-Extraktionspipeline bekam
Sechs Monate interne Entwicklung hatten nicht die Qualität erreicht, die Layron brauchte. Drei Wochen später übertraf ein Prototyp sie, und Layer Finance maß 80 % Zeitersparnis beim Deal-Onboarding.
Von Michael PresecanAIgenica
Kunde: Layer Finance (Produkt: Layron), institutionelle Immobilien, Büros in Baar (Schweiz) und Wien (Österreich). Ergebnis: funktionierender Prototyp in 3 Wochen, der sechs Monate interne Entwicklung übertraf. Layer Finance maß 80 % Zeitersparnis beim Deal-Onboarding.
Die Ausgangslage
Layer Finance vermittelt Off-Market-Immobilientransaktionen, arrangiert Fremd- und Eigenkapital und strukturiert Immobilienwertpapiere. Ihr Produkt Layron macht aus den Unterlagen einer Transaktion investorentaugliche Kurzprofile: Factsheets, Deal-Scores und Investment-Memoranden.
Alles in dieser Kette hängt an einem Schritt: den richtigen Fakten aus den Transaktionsunterlagen. Ein Fehler dort fließt in jedes nachfolgende Ergebnis ein, auch in den Deal-Score, den ein Investor als Erstes sieht.
Die Extraktion war seit sechs Monaten intern in Entwicklung und hatte die Qualität, die das Produkt brauchte, nicht erreicht. Der Rest der Roadmap wartete darauf.
Was wir anders gemacht haben
Wir haben nicht mit einem leeren Repository begonnen. Wir sind von einer bewährten Grundlage gestartet, sodass am ersten Tag bereits Anmeldung mit Rollen, getrennte Organisationen für jede Kundenfirma, ein typisiertes Datenmodell, ein Admin-Panel zur Prüfung und Nachverfolgung jedes KI-Ergebnisses und ein Dashboard mit Abrechnung vorhanden waren.
So flossen die drei Wochen dorthin, wo der Wert lag:
- Die Unterlagen so verstehen, wie das Team sie versteht. Welche Fakten für eine Transaktion zählen, wo sie sich in einem Datenraum verstecken und wie ein Analyst sie prüft.
- Die Extraktionspipeline aufbauen, entlang dieser Regeln, mit jedem Ergebnis rückverfolgbar bis zum Quelldokument.
- Die Prüfung einfach machen. Das Team kann sehen, korrigieren und freigeben, was die KI extrahiert hat, sodass sich die Qualität verbessert, statt unbemerkt abzudriften.
Das Ergebnis
Nach drei Wochen übertraf der Prototyp die bestehende Extraktionspipeline und deckte mehr vom Produkt ab als die vorherigen sechs Monate Arbeit. Er basierte auf einem gängigen, dokumentierten Stack, sodass das Team des Kunden ihn übernehmen konnte, und Layer Finance stellte seine gesamte Lösung darauf um.
Wir haben beim Deal-Onboarding 80 % Zeitersparnis gemessen. — Kurt Praszl, Head of Investment, Layer Finance
Seitdem ist Layron zu einem Deal-Cockpit gewachsen, mit Datenraum-Import, agentischer Due Diligence, Deal-Scoring sowie Factsheets und Investment-Memoranden, die aus den eigenen Vorlagen jeder Firma erstellt werden.
Was andere Unternehmen daraus mitnehmen können
- Beginnen Sie bei der Arbeitsweise der Experten. Die Extraktion wurde gut, weil sie den Prüfungen folgte, die Analysten ohnehin machen.
- Machen Sie KI-Ergebnisse prüfbar. Eine Admin-Ansicht, in der Menschen Ergebnisse freigeben und korrigieren, macht Automatisierung vertrauenswürdig.
- Bauen Sie die Grundlagen nicht neu. Authentifizierung, Rollen und Abrechnung sind gelöste Probleme; investieren Sie die Zeit in das, was Sie einzigartig macht.
Die 80 % wurden von Layer Finance gemessen und veröffentlicht.
