# bord-northwestern-mutual-genbi-enterprise-2025-11-23

## Veille

GenBI in einem risikoscheuen Fortune-100-Unternehmen aufbauen (Northwestern Mutual): Kleine Wetten, schrittweise Einführung, spezialisierte Agenten und Datendemokratisierung

## Titre Article

Small Bets, Big Impact: Building GenBI at a Fortune 100 (Northwestern Mutual)

## Date

2025-11-23

## URL

https://www.youtube.com/live/cMSprbJ95jg?si=4HnxK8w1ELvSr4tz&t=18204

## Keywords

GenBI, Business Intelligence, Enterprise AI, Risikoaversion, Datendemokratisierung, Schrittweise Einführung, Governance, ROI, Metadata Agent

## Authors

Asaf Bord (Engineering Leader, Northwestern Mutual)

## Ton

**Profil:** Corporate-Pragmatisch | Erfahrungsbericht | Methodisch | Beruhigend

Der Ton entspricht dem einer technischen Führungskraft in einem großen, traditionellen, risikoscheuen Unternehmen (Lebensversicherung, "generational responsibility"). Asaf Bord ist bodenständig, ehrlich hinsichtlich der Herausforderungen ("don't f*ck up") und methodisch. Er präsentiert einen "Schritt-für-Schritt"-Ansatz, um zu innovieren, ohne das Management zu beunruhigen. Es ist ein Überlebensleitfaden für Innovation in einem strikten Unternehmensumfeld.

## Pense-betes

- **Schwieriger Kontext**: 160 Jahre altes Unternehmen, hochgradig risikoscheu ("generational responsibility"). Herausforderung: Innovation, ohne die Stabilität zu gefährden.
- **"Crawl, Walk, Run"-Ansatz**: Beginn mit BI-Experten (die wissen, wie man verifiziert), dann Manager, und schließlich (vielleicht) Führungskräfte. Nicht sofort auf volle Automatisierung zielen.
- **GenBI-Architektur**: Kein riskantes direktes "Text-to-SQL" zu Beginn.
- **Metadata Agent**: Versteht den Kontext und die Frage.
- **RAG Agent**: Findet einen bestehenden, zertifizierten Report (80 % der Arbeit von BI-Teams besteht darin, zum richtigen Report weiterzuleiten).
- **SQL Agent**: Für komplexere Fragen wird eine Abfrage generiert, jedoch über kontrollierte Daten.
- **BI Agent**: Fasst die Antwort zusammen.
- **Finanzierungsstrategie**: Aufteilung in 6-Wochen-Sprints mit greifbaren Ergebnissen in jeder Phase, um "Sunk Cost Bias" zu vermeiden und das Management zu beruhigen. Jede Phase hat einen Wert, selbst wenn das Projekt gestoppt wird (z. B. Metadatenanreicherung).
- **Nutzung echter Daten**: Test an echten "unaufgeräumten Daten" von Anfang an, um die Machbarkeit zu validieren, nicht an sauberen synthetischen Daten.
- **SaaS-Preisgestaltung**: Überlegung zur Entwicklung der Softwarepreisgestaltung im KI-Zeitalter (von "per seat" zu "per usage" oder "per outcome"), da ein Nutzer 10-mal produktiver wird.

## RésuméDe400mots

Asaf Bord, Engineering Leader bei Northwestern Mutual (einem 160 Jahre alten Finanzdienstleistungsunternehmen), teilt seine Erfahrung beim Aufbau eines **GenBI**-Systems (Generative Business Intelligence) in einem extrem risikoscheuen Umfeld. Das Unternehmensmotto, "generational responsibility", verlangt absolute Stabilität, was es schwierig macht, KI-Innovation zu vermitteln und einzuführen.

Um erfolgreich zu sein, verfolgte Bord eine **"Small Bets" (schrittweise Einführung)**-Strategie und einen "Crawl, Walk, Run"-Ansatz. Statt sofort einen allwissenden Agenten zu versprechen, richtete man sich zunächst an die BI-Experten selbst, dann an die Manager, um KI zur Beschleunigung ihrer Arbeit einzusetzen statt sie zu ersetzen.

Die technische Architektur spiegelt diese Vorsicht wider. Statt KI komplexes SQL über die gesamte Datenbank generieren zu lassen (riskant), bauten sie eine Pipeline spezialisierter Agenten:
1.  **Metadata Agent**: Versteht den Kontext der Frage.
2.  **RAG Agent**: Prüft zunächst, ob ein **bestehender zertifizierter Report** die Antwort enthält. Sie stellten fest, dass 80 % der BI-Anfragen schlicht darin bestanden, den richtigen Report zu finden. Die Automatisierung dessen liefert enormen Wert bei minimalem Risiko.
3.  **SQL Agent**: Greift nur ein, wenn kein Report existiert, um gezielte Abfragen zu generieren.
4.  **BI Agent**: Formuliert die endgültige Antwort.

Ein zentraler Erfolgsfaktor war der Einsatz **echter, "unaufgeräumter" Daten** von Anfang an, unter Einbindung der Fachanwender in den Forschungsprozess. Dies validierte die Machbarkeit in der Praxis und schuf Verbündete ("Champions") im Unternehmen. Zudem wurde das Projekt in 6-Wochen-Sprints unterteilt, wobei jede Phase eigenständigen Wert lieferte (z. B. kamen die Metadatenverbesserungen für KI dem gesamten Unternehmen zugute), sodass das Management die Kontrolle über die Investition behielt.

Bord schließt mit einer ökonomischen Betrachtung: KI stellt das "Per-Seat"-Abrechnungsmodell von SaaS-Software infrage, da ein einzelner Nutzer nun den Wert von zehn erbringen kann.

## GrapheDeConnaissance

- Asaf Bord —a_créé→ GenBI (TECHNOLOGIE, 0.95)
- Northwestern Mutual —utilise→ GenBI (TECHNOLOGIE, 0.97)
- Northwestern Mutual —emploie→ Asaf Bord (PERSONNE, 0.95)
- GenBI —utilise→ pipeline agents spécialisés (METHODOLOGIE, 0.92)
- Metadata Agent —fait_partie_de→ GenBI (TECHNOLOGIE, 0.9)
- RAG Agent —fait_partie_de→ GenBI (TECHNOLOGIE, 0.9)
- SQL Agent —fait_partie_de→ GenBI (TECHNOLOGIE, 0.9)
- approche Crawl Walk Run —s_applique_à→ GenBI (TECHNOLOGIE, 0.88)
- IA —s_oppose_à→ modèle pricing par siège (CONCEPT, 0.85)
- RAG Agent —résout→ 80% demandes BI (CONCEPT, 0.88)

---
Canonical: https://www.thekb.eu/de/fiches/bord-northwestern-mutual-genbi-enterprise-2025-11-23/