Die Herausforderung: Langsame Bereitstellung von Zugängen und Konten

Für viele Organisationen ist der frustrierendste Teil des Onboardings zugleich der grundlegendste: neuen Mitarbeitenden die Werkzeuge zu geben, die sie für ihre Arbeit brauchen. Laptops kommen verspätet an, Konten werden manuell angelegt, und der Zugang zu Kernsystemen hängt von langen E-Mail-Ketten zwischen HR, IT und Führungskräften ab. Neue Mitarbeitende verbringen ihre ersten Tage damit, auf Logins zu warten, statt Mehrwert zu schaffen.

Traditionelle Ansätze verlassen sich auf statische Checklisten, Ticket-Portale und Tabellen, die von HR oder IT verwaltet werden. Jede Ausnahme – eine Spezialrolle, ein neues SaaS-Tool, eine geänderte Richtlinie – fügt weitere manuelle Entscheidungen und Nachverfolgung hinzu. HR jagt Status-Updates hinterher, Führungskräfte sind unsicher, was sie freigeben müssen, und IT-Teams bearbeiten unzureichend spezifizierte Tickets. Nichts davon skaliert, wenn Sie an mehreren Standorten, für verschiedene Rollen und Vertragsarten einstellen.

Die geschäftlichen Auswirkungen sind größer als ein paar verlorene Tage. Langsame Bereitstellung von Zugängen und Konten erhöht die Time-to-Productivity, frustriert neue Mitarbeitende und schwächt Ihre Arbeitgebermarke. Fachvorgesetzte verlieren das Vertrauen in HR und IT. Das Sicherheitsrisiko steigt, weil Abkürzungen entstehen: geteilte Logins, Ad-hoc-Zugriffe und nicht dokumentierte Ausnahmen. Langfristig werden diese Verzögerungen zu einer strukturellen Wachstumsbremse und einem stillen Wettbewerbsnachteil im Arbeitsmarkt.

Dennoch ist dies ein sehr gut lösbares Problem. Mit dem richtigen KI-gestützten Onboarding-Assistenten können Sie Zugriffe orchestrieren, Entscheidungen standardisieren und alle Beteiligten in Echtzeit informieren. Bei Reruption haben wir gesehen, wie intelligente Workflows und konversationale Oberflächen manuelle Koordination in ähnlich komplexen Prozessen ersetzen können. In den restlichen Abschnitten dieses Leitfadens finden Sie praktische Schritte, um Claude zu nutzen und die Zugriffsbereitstellung von einem Engpass in einen planbaren, schnellen und positiven Teil des Onboarding-Erlebnisses zu verwandeln.

Brauchen Sie einen Sparring-Partner für diese Herausforderung?

Lassen Sie uns unverbindlich sprechen und brainstormen.

Innovatoren bei diesen Unternehmen vertrauen uns:

Unsere Einschätzung

Eine strategische Einschätzung der Herausforderung und High-Level-Tipps, wie Sie sie angehen können.

Aus Sicht von Reruption eignet sich Claude als HR-Onboarding-Assistent besonders gut für das Problem der Zugriffs- und Kontenbereitstellung. Wir haben KI-Lösungen implementiert, die zwischen Fachbereichen und technischen Systemen sitzen und chaotische Abläufe in geführte Workflows verwandeln. Dasselbe Muster funktioniert auch hier: Claude kann die Intention von HR und Führungskräften in strukturierte Anfragen übersetzen, mit HRIS- und IAM-APIs interagieren und neue Mitarbeitende informieren, ohne zusätzlichen manuellen Aufwand für HR oder IT zu erzeugen.

Betrachten Sie Zugriffsbereitstellung als Erlebnis, nicht nur als IT-Aufgabe

Strategisch wird langsame Zugriffsbereitstellung oft als reines IT-Backlog-Problem gesehen, dabei ist sie ein Kernbestandteil des Employee-Onboarding-Erlebnisses. HR sollte die End-to-End-Reise verantworten – mit Claude als einheitlicher, konversationaler Schicht, mit der neue Mitarbeitende, Führungskräfte und IT gleichermaßen interagieren können – statt mit verstreuten E-Mails und Portalen. Diese Neubewertung macht klar, dass das Ziel nicht nur schnellere Ticketbearbeitung ist, sondern eine reibungslosere erste Woche für jede neue Kollegin und jeden neuen Kollegen.

Wenn Sie Ihren Claude-Anwendungsfall gestalten, starten Sie aus der Perspektive der neuen Mitarbeitenden: Was müssen sie an Tag 1, 3, 7 und 30 erreichen und welche Systeme und Berechtigungen werden in jedem Schritt benötigt? Kartieren Sie zunächst diese Reise und richten Sie danach die IT-Workflows aus. Diese Denkweise verhindert, dass Sie KI einfach auf fehlerhafte Prozesse „draufschrauben“.

Mit klaren Regeln und Leitplanken für Zugriffsentscheidungen starten

Claude ist sehr leistungsfähig bei der Interpretation unstrukturierter Anfragen, aber rollenbasierter Zugriff muss weiterhin durch klare Richtlinien gesteuert werden. Investieren Sie strategisch Zeit, um zu definieren, welche Systeme und Berechtigungssätze welchen Rollen, Senioritätsstufen und Standorten zugeordnet sind. Claude kann diese Regeln dann nutzen, um beim Eintritt einer neuen Person oder bei einem Rollenwechsel automatisch Zugriffspakete zusammenzustellen.

Anstatt Claude „entscheiden“ zu lassen, welche Zugriffe vergeben werden, sollte es vordefinierte Richtlinien anwenden, Ausnahmen kennzeichnen und an die richtigen Genehmigenden weiterleiten. Das begrenzt Risiken, reduziert den Bedarf an KI-Expertise in HR oder IT und erleichtert Prüfungs- und Compliance-Gespräche erheblich. Claude soll ein intelligenter Koordinator sein, kein ungebundener Entscheider.

HR, IT und Security als gemeinsame Eigentümer des KI-Assistenten etablieren

Viele Onboarding-Initiativen scheitern, weil sie ausschließlich in HR oder ausschließlich in IT verortet sind. Damit Claude die Zugriffs- und Kontenbereitstellung wirklich verschlankt, benötigen Sie ein Modell der gemeinsamen Verantwortung. HR definiert die Onboarding-Journey und den Kommunikationsstil. IT verantwortet die Integration in Ticketing-, HRIS- und IAM-Systeme. Security legt die Regeln für Datenzugriff, Protokollierung und Freigabe-Workflows fest.

Aus Readiness-Perspektive sollten Sie frühzeitig sicherstellen, dass Stakeholder aus allen Funktionen am Tisch sitzen. Bringen Sie sie auf gemeinsame Erfolgskennzahlen (z. B. Time-to-Access, weniger Eskalationen, Richtlinien-Compliance) und darauf, was Claude autonom tun darf und wo zwingend eine menschliche Freigabe nötig ist. Diese frühzeitige Abstimmung reduziert Reibung, wenn Sie die Lösung später über Geschäftsbereiche hinweg skalieren.

Mit einem Pilotprojekt Integrations- und Change-Risiken reduzieren

KI-Onboarding-Assistenten berühren sensible Systeme und bereichsübergreifende Workflows. Ein strategischer Weg zur Risikominimierung ist, Claude in einem fokussierten Pilot einzuführen: zum Beispiel in einem bestimmten Land, Geschäftsbereich oder einer Rollenfamilie mit relativ standardisierten Zugriffsanforderungen. So können Sie Claudes Orchestrierungsfähigkeiten validieren und Prompts, Richtlinien sowie API-Aufrufe feinjustieren, bevor Sie unternehmensweit ausrollen.

Verfolgen Sie im Pilot nicht nur Leistungskennzahlen, sondern auch qualitatives Feedback: Verstehen neue Mitarbeitende besser, was wann passieren wird? Fühlen sich Führungskräfte besser unterstützt? Erhält die IT besser strukturierte Anfragen? Dieser Ansatz erlaubt es, sowohl die technische Konfiguration als auch die Kommunikationsstrategie zu optimieren, bevor formales Rollout und Change Management starten.

Für Governance, Monitoring und kontinuierliche Verbesserung planen

Sobald Claude im Onboarding verankert ist, wird es Teil Ihrer kritischen Infrastruktur. Strategisch bedeutet das, es wie ein Produkt zu behandeln: Verantwortlichkeiten, SLAs und einen Prozess zur Aktualisierung von Regeln und Prompts definieren, während sich Ihre Tool-Landschaft weiterentwickelt. HR und IT sollten regelmäßig Analysen zur Zugriffsbereitstellung prüfen: Zeit bis zur Kontoerstellung, Fehlerraten, manuelle Übersteuerungen und Richtlinienausnahmen.

Claude kann seine eigene Governance unterstützen, indem es Randfälle zusammenfasst, Vorschläge für Richtlinienverbesserungen macht und wiederkehrende Ausnahmen hervorhebt. Wenn Sie diese Feedbackschleife in Ihr Operating Model integrieren, stellen Sie sicher, dass der Assistent mit Sicherheitsanforderungen, neuen Anwendungen und organisatorischen Veränderungen im Einklang bleibt, statt im Laufe der Zeit zu „veralten“.

Sorgfältig eingesetzt kann Claude langsame, intransparente Zugriffsbereitstellung in einen planbaren, geführten Onboarding-Flow verwandeln, in dem neue Mitarbeitende jederzeit wissen, was als Nächstes passiert, und die IT saubere, richtlinienkonforme Anfragen erhält. Der Schlüssel ist, Claudes konversationale Stärken und Orchestrierungsfähigkeiten mit klaren Regeln, bereichsübergreifender Verantwortung und kontinuierlichem Monitoring zu kombinieren. Wenn Sie Unterstützung bei Konzeption und Implementierung einer solchen Lösung wünschen, bringt Reruption praxisnahe KI-Engineering- und HR-Prozess-Expertise ein, um schnell einen funktionierenden Proof-of-Concept aufzubauen und ihn dann mit Vertrauen zu skalieren.

Hilfe bei der Umsetzung dieser Ideen?

Nehmen Sie gerne unverbindlich Kontakt zu uns auf.

Fallbeispiele aus der Praxis

Von Gesundheitswesen bis E‑Commerce: Erfahren Sie, wie Unternehmen Claude erfolgreich einsetzen.

Pfizer

Gesundheitswesen

Die COVID-19-Pandemie erforderte beispiellose Geschwindigkeit in der Wirkstoffentwicklung, da traditionelle Zeiträume für antivirale Mittel von der Entdeckung bis zur Zulassung typischerweise 5–10 Jahre betrugen. Pfizer stand unter enormem Druck, potente, orale Inhibitoren gegen die SARS-CoV-2-Hauptprotease (Mpro) zu identifizieren, die für die virale Replikation entscheidend ist. Konventionelles strukturbasiertes Design beruhte auf arbeitsintensiver Kristallographie, Molekulardynamik-Simulationen und iterativer chemischer Synthese und war oft durch langsame Trefferidentifikation und Optimierungszyklen ausgebremst. Zu den zentralen Herausforderungen gehörten die Erzeugung hochwertiger Protein-Ligand-Strukturen, die genaue Vorhersage von Bindungsaffinitäten und das Design neuartiger Moleküle, die Resistenzmechanismen entgehen — und das alles unter extremen Zeitdruck. Mit weltweit stark ansteigenden Fallzahlen konnten Verzögerungen Millionen von Leben kosten, weshalb beschleunigte Rechenpipelines ohne Abstriche bei Sicherheit oder Wirksamkeit dringend nötig waren.

Lösung

Pfizer setzte Machine-Learning-(ML)-Modelle ein, die in strukturbasierte Wirkstoffdesign-Workflows integriert wurden, um diese Hürden zu überwinden. ML-Algorithmen analysierten Kryo-EM- und Röntgen-Proteinstrukturen von Mpro und ermöglichten schnelle virtuelle Screenings von Millionen von Verbindungen sowie die generative Gestaltung optimierter Inhibitoren. Ergänzt wurde dies durch KI-gestützte Molekulardynamik und Free-Energy-Perturbation-Berechnungen, die die Simulationszeiten drastisch verkürzten. Der Ansatz umfasste hybride ML-Physik-Modelle zur Vorhersage von Bindungsposen und Affinitätsbewertung, trainiert an umfangreichen Datensätzen aus Pfizers Bibliotheken. Iterative Design-Make-Test-Analyze-(DMTA)-Zyklen wurden beschleunigt, wobei KI die Priorisierung von Synthesen übernahm und experimentelle Iterationen reduzierte, indem sie sich auf Kandidaten mit hohem Potenzial konzentrierte.

Ergebnisse

  • Entwicklungszeitraum: 4 Monate von Trefferfindung bis präklinischer Kandidat
  • Beschleunigung der computergestützten Chemie: 80–90% Reduktion der Prozesszeit
  • Trefferidentifikation: Über 100 Mio. Verbindungen virtuell in Tagen gescreent
  • Erfolg in klinischen Studien: Gesamtquote 12% gesteigert durch KI-Priorisierung
  • Paxlovid-Wirksamkeit: 89% Reduktion des Risikos für Hospitalisierung/Tod
Fallstudie lesen →

NatWest

Bankwesen

NatWest Group, eine führende britische Bank, die über 19 Millionen Kunden bedient, sah sich zunehmenden Anforderungen an den digitalen Kundenservice gegenüber. Traditionelle Systeme wie der ursprüngliche Cora-Chatbot bewältigten Routineanfragen zwar zuverlässig, hatten jedoch Schwierigkeiten mit komplexen, nuancierten Interaktionen und eskalierten häufig 80–90 % der Fälle an menschliche Mitarbeitende. Das führte zu Verzögerungen, höheren Betriebskosten und Risiken für die Kundenzufriedenheit, während die Erwartungen an sofortige, personalisierte Unterstützung stiegen . Gleichzeitig stellte der Anstieg von Finanzbetrug eine kritische Bedrohung dar, die nahtloses Betrugsreporting und Erkennung innerhalb von Chat-Oberflächen erforderte, ohne Sicherheit oder Vertrauen der Nutzer zu gefährden. Regulatorische Vorgaben, Datenschutz nach UK GDPR und ethische KI-Einsätze erhöhten die Komplexität, da die Bank Support skalieren wollte und gleichzeitig Fehler in risikoreichen Bankprozessen minimieren musste . Die Balance zwischen Innovation und Zuverlässigkeit war entscheidend; mangelhafte KI-Leistungen könnten in einem Sektor, in dem die Kundenzufriedenheit direkt Kundenbindung und Umsatz beeinflusst, Vertrauen untergraben .

Lösung

Mit der Einführung von Cora+ im Juni 2024 führte NatWest sein erstes umfassendes Upgrade mit generativer KI ein, um proaktive, intuitive Antworten auf komplexe Anfragen zu ermöglichen, Eskalationen zu reduzieren und die Selbstbedienung zu verbessern . Dies baute auf der etablierten Cora-Plattform auf, die bereits Millionen von Interaktionen pro Monat verwaltete. In einem wegweisenden Schritt ging NatWest im März 2025 eine Partnerschaft mit OpenAI ein und wurde damit die erste in Großbritannien ansässige Bank, die dies tat. LLMs wurden sowohl in das kundenorientierte Cora als auch in das interne Tool Ask Archie integriert. Dadurch wurden natürliche Sprachverarbeitung für Betrugsmeldungen, personalisierte Beratung und Prozessvereinfachung möglich, während zugleich Schutzmaßnahmen für Compliance und Bias-Minderung implementiert wurden . Der Ansatz legte starken Wert auf ethische KI, mit rigorosen Tests, menschlicher Aufsicht und kontinuierlichem Monitoring, um sichere und präzise Interaktionen bei Betrugserkennung und Serviceleistungen zu gewährleisten .

Ergebnisse

  • 150 % Anstieg der Cora-Kundenzufriedenheitswerte (2024)
  • Proaktive Auflösung komplexer Anfragen ohne menschliches Eingreifen
  • Erste OpenAI-Partnerschaft einer UK-Bank, beschleunigt KI-Einführung
  • Verbesserte Betrugserkennung durch Echtzeit-Chat-Analyse
  • Millionen monatlicher Interaktionen, die autonom verarbeitet werden
  • Deutliche Reduktion der Eskalationsraten an Agenten
Fallstudie lesen →

Kaiser Permanente

Gesundheitswesen

In Krankenhäusern erfahren erwachsene Patienten auf Allgemeinstationen häufig eine , ohne dass rechtzeitig ausreichend Warnzeichen erkannt werden. Das führt zu Notfallverlegungen auf Intensivstationen, erhöhter Sterblichkeit und vermeidbaren Wiederaufnahmen. Kaiser Permanente Northern California stand vor diesem Problem in seinem Netzwerk, in dem subtile Veränderungen bei Vitalparametern und Laborwerten bei hohem Patientenvolumen und anspruchsvollen Arbeitsabläufen leicht übersehen wurden. Das resultierte in erhöhten negativen Ergebnissen, darunter vermeidbar hohe Sterberaten und 30-Tage-Wiederaufnahmen . Traditionelle Frühwarnscores wie MEWS (Modified Early Warning Score) waren durch manuelle Erfassung und unzureichende Vorhersagegenauigkeit für Verschlechterungen innerhalb von 12 Stunden limitiert und nutzten nicht das volle Potenzial elektronischer Patientenakten (EHR). Die Herausforderung wurde durch Alarmmüdigkeit durch weniger präzise Systeme verschärft und erforderte eine skalierbare Lösung für 21 Krankenhäuser, die Millionen von Patienten versorgen .

Lösung

Kaiser Permanente entwickelte den Advance Alert Monitor (AAM), ein KI-gestütztes Frühwarnsystem, das prädiktive Analytik einsetzt, um Echtzeit-EHR-Daten — einschließlich Vitalzeichen, Laborwerte und Demografie — zu analysieren und Patienten mit hohem Risiko einer Verschlechterung innerhalb der nächsten 12 Stunden zu identifizieren. Das Modell erzeugt eine Risikobewertung und automatisierte Alarme, die in die klinischen Arbeitsabläufe integriert werden und zeitnahe Interventionen wie ärztliche Überprüfungen oder den Einsatz von Rapid Response Teams auslösen . Seit der Einführung in 2013 in Nordkalifornien verwendet AAM Machine-Learning-Algorithmen, die auf historischen Daten trainiert wurden und traditionelle Scores übertreffen, wobei erklärbare Vorhersagen das Vertrauen der Mitarbeitenden stärken. Die Einführung erfolgte stationsweit, Integrationsprobleme wurden über Epic-EHR-Kompatibilität und Schulungen für Klinikpersonal adressiert, um Alarmmüdigkeit zu minimieren .

Ergebnisse

  • 16 % geringere Sterblichkeitsrate in der AAM-Interventionskohorte
  • Über 500 Todesfälle jährlich im Netzwerk verhindert
  • 10 % Reduktion bei 30-Tage-Wiederaufnahmen
  • Identifiziert Verschlechterungsrisiken innerhalb von 12 Stunden mit hoher Zuverlässigkeit
  • Eingesetzt in 21 Krankenhäusern in Nordkalifornien
Fallstudie lesen →

Royal Bank of Canada (RBC)

Finanzdienstleistungen

RBC‑Kunden sahen sich erheblichen Problemen bei der Verwaltung ihrer persönlichen Finanzen gegenüber, insbesondere beim Sparen von Kleingeld, klugen Investitionen und Einhalten des Budgets. Traditionelle Banktools boten allgemeine Ratschläge, die individuelle Ausgabemuster nicht berücksichtigten, was zu suboptimalen Finanzentscheidungen und geringer Nutzung von Sparprodukten führte. Viele Kunden kämpften mit unregelmäßigen Cashflows, Impulsausgaben und fehlender Sichtbarkeit künftiger Ausgaben, was zu niedrigeren Sparquoten und verpassten Investitionschancen führte. Als der Wettbewerb im Privatkundengeschäft zunahm, erkannte RBC die Notwendigkeit für hyper‑personalisierte Einsichten, um Kundenloyalität aufzubauen und Wachstum zu fördern. Ohne fortgeschrittene Analytik fehlten proaktive Anstöße wie das Aufrunden von Käufen zum Sparen oder die Vorhersage von Liquiditätsengpässen, was besonders nach der Pandemie finanziellen Stress verstärkte.

Lösung

RBC führte NOMI ein, einen KI‑gesteuerten Finanzassistenten in der mobilen Banking‑App, der maschinelles Lernen nutzt, um Transaktionsdaten zu analysieren, Ausgaben zu kategorisieren und maßgeschneiderte Empfehlungen zu liefern. Funktionen wie NOMI Insights beleuchten Ausgabentrends, NOMI Budgets generieren automatisch personalisierte Budgets und NOMI Find & Save identifiziert Kleingeld‑Potentiale für automatische Überweisungen auf verzinste Sparkonten oder in Investments. Über RBC Borealis, das KI‑Innovationszentrum der Bank, wurde NOMI skaliert und auf robuste Datenplattformen gestellt, die Datenschutz und Genauigkeit gewährleisten. Diese ML‑Personalisierungs‑Engine verarbeitet umfangreiche Datensätze in Echtzeit und bietet Anstöße wie 'Überweise 25 $ Kleingeld in ein GIC' oder 'Passe das Essensbudget um 15 % an', wodurch Nutzer umsetzbare, kontextbezogene Ratschläge erhalten.

Ergebnisse

  • 700 Mio. $–1 Mrd. $ Unternehmenswert durch KI‑Investitionen bis 2027
  • Top‑3 Platzierung in der globalen KI‑Reife unter Banken
  • Über 98.000 Mitarbeitende, die KI in den Betriebsprozessen nutzen
  • 57 Mrd. $ Jahresumsatz mit KI‑getriebenem Wachstum
  • Millionen NOMI‑Nutzer mit verbesserten Sparquoten
  • 20–30% Zuwachs bei Sparbeiträgen durch gezielte Anstöße
Fallstudie lesen →

BMW (Spartanburg Plant)

Automobilproduktion

Die BMW Spartanburg Plant, das weltweit größte Werk des Unternehmens zur Produktion der X‑Serie‑SUVs, stand unter großem Druck, die Montageprozesse angesichts steigender Nachfrage nach SUVs und gestörter Lieferketten zu optimieren. Die traditionelle Fertigung setzte stark auf menschliche Arbeitskräfte für repetitive Tätigkeiten wie Teiletransport und Einbau, was zu Arbeiterermüdung, Fehlerquoten von bis zu 5–10% bei Präzisionsaufgaben und ineffizienter Ressourcenzuteilung führte. Bei über 11.500 Mitarbeitern, die die Hochvolumenproduktion bewältigen, verursachte manuelle Schichtplanung und Zuordnung von Mitarbeitern zu Aufgaben Verzögerungen und eine Zykluszeitvarianz von 15–20%, die die Skalierbarkeit der Produktion behinderte. Hinzu kamen Herausforderungen bei der Anpassung an Industrie 4.0‑Standards, bei denen starre Industrieroboter Schwierigkeiten mit flexiblen Aufgaben in dynamischen Umgebungen hatten. Personalmangel nach der Pandemie verschärfte die Lage, mit steigenden Fluktuationsraten und der Notwendigkeit, qualifizierte Mitarbeiter in wertschöpfende Rollen umzuschichten und gleichzeitig Stillstandszeiten zu minimieren. Die begrenzte Leistungsfähigkeit älterer Machine‑Vision‑Systeme erkannte subtile Defekte nicht zuverlässig, was zu Qualitätsausreißern und Nacharbeitskosten in Millionenhöhe pro Jahr führte.

Lösung

BMW ging eine Partnerschaft mit Figure AI ein, um Figure 02 Humanoide Roboter einzusetzen, die mit Maschinellem Sehen zur Echtzeit‑Objekterkennung und ML‑Scheduling‑Algorithmen für dynamische Aufgabenverteilung integriert sind. Diese Roboter nutzen fortschrittliche KI, um Umgebungen über Kameras und Sensoren wahrzunehmen und dadurch autonome Navigation und Manipulation in Mensch‑Roboter‑Kooperationen zu ermöglichen. ML‑Modelle sagen Produktionsengpässe voraus, optimieren die Robot‑Mitarbeiter‑Planung und überwachen die Leistung selbstständig, wodurch die menschliche Aufsicht reduziert wird. Die Implementierung umfasste Pilotversuche im Jahr 2024, bei denen die Roboter repetitive Aufgaben wie Teilekommissionierung und Einbau übernahmen und zentral über eine KI‑Orchestrierungsplattform koordiniert wurden. So konnte eine nahtlose Integration in bestehende Linien erfolgen, wobei Digitale Zwillinge Szenarien für eine sichere Einführung simulierten. Herausforderungen wie anfängliche Kollisionsrisiken wurden durch Feinabstimmung mittels bestärkenden Lernens (Reinforcement Learning) überwunden, was menschähnliche Geschicklichkeit ermöglichte.

Ergebnisse

  • 400% Steigerung der Roboter­geschwindigkeit nach den Tests
  • 7x höhere Erfolgsrate bei Aufgaben
  • Reduzierte Zykluszeiten um 20–30%
  • 10–15% der Mitarbeiter auf qualifizierte Aufgaben umgeschichtet
  • Über $1 Mio. jährliche Kostenersparnis durch Effizienzgewinne
  • Fehlerquoten sanken unter 1%
Fallstudie lesen →

Best Practices

Erfolgreiche Implementierungen folgen bewährten Mustern. Werfen Sie einen Blick auf unsere taktischen Ratschläge für den Einstieg.

Claude nutzen, um rollenbasierte Zugriffspakete aus HR-Daten zu generieren

Ein praxisnaher erster Schritt besteht darin, Claude HRIS-Daten in strukturierte Zugriffspakete übersetzen zu lassen. Wenn im HR-System eine neue Person angelegt wird, senden Sie Claude ein Payload mit Schlüsselfeldern wie Rolle, Abteilung, Standort, Seniorität und Vertragsart. Claude kann dann Ihre Zugriffsregeln anwenden, um zu empfehlen, welche Systeme, Gruppen und Berechtigungsstufen benötigt werden.

Sie können dies über eine interne Chat-Oberfläche für HR oder Führungskräfte bereitstellen. Diese fügen die Daten der neuen Mitarbeitenden ein oder bestätigen sie, und Claude antwortet mit einem präzisen Zugriffsplan, der per API in Ihr ITSM- oder IAM-System übertragen werden kann.

Beispiel für einen System-Prompt für Claude:
Sie sind ein HR-Onboarding- und Zugriffsbereitstellungs-Assistent.

Ziel:
- Basierend auf den Daten zu neuen Mitarbeitenden, die ich Ihnen sende,
  schlagen Sie eine strukturierte Liste von Systemen und
  Berechtigungsgruppen vor, die sie erhalten sollten.
- Nutzen Sie die untenstehende Zugriffsrichtlinie des Unternehmens.

Zugriffsrichtlinie (Auszug):
- Sales Manager (EU): CRM (Rolle SalesManager), E-Mail, Slack-Sales-Kanal,
  Finanzreporting (Read-only), SSO zu SalesAcademy.
- Software Engineers (DE): GitHub (Rolle Engineer), Jira (Developer),
  Confluence (Standard), VPN, SSO zu CI/CD.

Wenn ich Ihnen Daten zu neuen Mitarbeitenden sende, antworten Sie in
gültigem JSON mit den Feldern:
- systems: [Liste von Systemen]
- groups: [Liste von Berechtigungsgruppen]
- approvals_required: [Liste von Manager:innen/Rollen]

Erwartetes Ergebnis: HR und Führungskräfte erhalten innerhalb von Sekunden konsistente, richtlinienkonforme Zugriffspläne, reduzieren Rückfragen mit der IT und senken Fehler in der initialen Bereitstellung.

Ticket-Erstellung und Status-Updates über ITSM- und IAM-APIs automatisieren

Sobald Claude ein Zugriffspaket generiert hat, verbinden Sie es über APIs mit Ihrem ITSM (z. B. ServiceNow, Jira Service Management) und Ihrem IAM (z. B. Azure AD, Okta). Claude sollte Konten nicht direkt anlegen, kann aber vollständig spezifizierte Tickets und API-Aufrufe erzeugen, die Ihre Backend-Services ausführen.

Wenn zum Beispiel ein Angebot angenommen wurde, löst HR ein Ereignis „Zugang bereitstellen“ aus. Claude stellt dann eine Reihe von API-Anfragen zusammen: eine Nutzerin bzw. einen Nutzer im Verzeichnis anlegen, sie oder ihn den richtigen Gruppen zuordnen und alle erforderlichen Hardware- oder manuellen Genehmigungs-Tickets eröffnen. Wenn sich Statuswerte in diesen Systemen ändern, spielen Sie Updates zurück an Claude, damit neue Mitarbeitende und Führungskräfte auf dem Laufenden bleiben.

Beispiel für eine Workflow-Konfiguration (Pseudocode):
Bei HRIS-Ereignis: NewHireCreated
  - Rufen Sie Claude mit JSON zum neuen Mitarbeitenden und der Zugriffsrichtlinie auf
  - Erhalten Sie strukturiertes access_plan-JSON
  - Für jedes System in access_plan.systems:
      - Erstellen Sie ein ITSM-Ticket mit allen erforderlichen Feldern
      - Oder rufen Sie die IAM-API auf, um Standardgruppen zuzuweisen
  - Speichern Sie die Zuordnung von Tickets zur ID des neuen Mitarbeitenden

Bei ITSM-Ereignis: TicketStatusChanged
  - Aktualisieren Sie den Status-Speicher
  - Benachrichtigen Sie Claude, damit es Statusanfragen beantworten kann

Erwartetes Ergebnis: Die IT erhält vollständige, standardisierte Anfragen; neue Mitarbeitende und Führungskräfte können Claude nach Echtzeit-Status fragen, statt HR oder IT zu mailen.

Neuen Mitarbeitenden einen Claude-gestützten Onboarding-Chat bereitstellen

Setzen Sie Claude als Chat-Assistenten (in Teams, Slack oder Ihrem Intranet) ein, der speziell für Onboarding- und Zugriffsfragen zuständig ist. Verbinden Sie ihn mit Ihrer HR-Wissensdatenbank, Ihren Richtlinien und den Statusdaten aus Ihren ITSM/IAM-Integrationen. Neue Mitarbeitende können fragen: „Habe ich bereits Zugriff auf das CRM?“ oder „Wann kommt mein Laptop an?“ und erhalten präzise, kontextbezogene Antworten.

Konfigurieren Sie Claude mit Leitplanken: Es sollte nur Statusdaten für die authentifizierte Person anzeigen und bei Blockaden Optionen zur Eskalation an Menschen anbieten (z. B. „Es sieht so aus, als wäre Ihr VPN-Zugang noch in der Genehmigung durch Ihre Führungskraft. Ich kann Ihre Führungskraft erinnern oder Sie können hier die IT kontaktieren.“).

Beispiel für einen nutzerorientierten Prompt:
Sie sind der Onboarding-Assistent für neue Mitarbeitende.

Fähigkeiten:
- Sie können die Onboarding-Aufgaben und Zugriffs-Status der aktuellen
  Nutzerin/des aktuellen Nutzers sehen (bereitgestellt als strukturiertes
  JSON in den Systemnachrichten).
- Sie können HR-Onboarding-FAQs auf Basis der Wissensdatenbank
  beantworten.

Beim Antworten:
- Seien Sie knapp und handlungsorientiert.
- Wenn eine Aufgabe blockiert ist, erklären Sie warum und was als
  Nächstes passieren wird.
- Geben Sie niemals Daten über andere Mitarbeitende preis.

Erwartetes Ergebnis: Weniger wiederkehrende Fragen an HR und IT, mehr Klarheit für neue Mitarbeitende und ein professionelleres, geführtes Erlebnis in der ersten Woche.

Genehmigungs-Workflows für Führungskräfte direkt in Claude-Konversationen einbetten

Oft stockt die Zugriffsbereitstellung, weil Führungskräfte nicht auf Genehmigungs-E-Mails reagieren oder unsicher sind, welche Berechtigungen sie vergeben sollen. Nutzen Sie Claude, um dies zu verschlanken, indem Genehmigungsanfragen direkt an Führungskräfte per Chat, E-Mail oder HR-Portal mit One-Click-Optionen gesendet werden.

Claude kann das Standard-Zugriffspaket basierend auf der Rolle erklären und besonders risikoreiche Berechtigungen hervorheben. Führungskräfte können das Standardpaket genehmigen oder Änderungen über dieselbe Oberfläche anfragen. Claude aktualisiert dann den Zugriffsplan und stößt die notwendigen Backend-Aktionen an.

Beispiel für eine Genehmigungsnachricht, die Claude an Führungskräfte sendet:
"Ein neues Teammitglied, Jane Doe (Sales Manager, EU), startet am 15. März.
Basierend auf unserer Richtlinie planen wir folgende Zugriffe zu gewähren:
- CRM: Rolle SalesManager
- E-Mail & Kalender
- Slack: #sales-europe, #company-announcements
- Finanzreporting: Read-only

Antworten Sie mit einer der folgenden Optionen:
- APPROVE STANDARD
- APPROVE WITH CHANGES: <Änderungen beschreiben>
- ESCALATE TO IT SECURITY

Wenn keine Antwort innerhalb von 48 Stunden erfolgt, sende ich eine Erinnerung."

Erwartetes Ergebnis: Schnellere Entscheidungen durch Führungskräfte, weniger überprivilegierte Konten und klare Dokumentation, wer was wann genehmigt hat.

Claude zur Erkennung von Risiken und Anomalien in Zugriffsanfragen nutzen

Über die Automatisierung hinaus kann Claude helfen, Sicherheit und Compliance zu stärken. Speisen Sie Protokolle über bereitgestellte Zugriffe und Anfragen über einen längeren Zeitraum ein und lassen Sie Claude Anomalien identifizieren: Rollen, die häufig nicht standardisierte Berechtigungen anfordern, inkonsistente Gruppenzuordnungen innerhalb derselben Jobfamilie oder Tools, die vergeben werden, ohne dass eine verantwortliche Person hinterlegt ist.

Sie können dies als geplante Batch-Analyse laufen lassen oder auslösen, wenn bestimmte Schwellenwerte überschritten werden (z. B. wenn eine neue Person mehr als X privilegierte Rollen erhält). Claude kann potenzielle Probleme für IT-Security oder HR zusammenfassen und konkrete Vorschläge für Richtlinienanpassungen liefern.

Beispiel-Prompt für eine periodische Analyse:
Sie unterstützen eine Überprüfung der Zugriffsgovernance.

Input:
- Eine Liste der Zugriffspakete für neue Mitarbeitende der letzten 90 Tage
- Die offizielle Zugriffsrichtlinie für jede Rolle

Aufgaben:
1) Identifizieren Sie Muster, bei denen der tatsächliche Zugriff von der
   Richtlinie abweicht.
2) Heben Sie potenziell überprivilegierte Konten hervor.
3) Schlagen Sie konkrete Richtlinienupdates oder Schulungsthemen für
   Führungskräfte vor.

Antworten Sie mit:
- Zusammenfassung (in einfacher Sprache für die HR-Leitung)
- Detaillierte Ergebnisse (tabellenähnliches Markdown)
- Empfohlene nächste Schritte.

Erwartetes Ergebnis: Geringeres Risiko von „Access Sprawl“, bessere Übereinstimmung von Richtlinie und Praxis sowie fundiertere Gespräche zwischen HR, IT und Security.

KPIs verfolgen und in Claudes Workflow-Logik zurückspielen

Um den Nutzen von Claude im Onboarding zu maximieren, definieren und messen Sie klare Onboarding-KPIs im Zusammenhang mit Zugriffen: Zeit von der Vertragsunterschrift bis zur Aktivierung aller Pflichtkonten, Anteil der neuen Mitarbeitenden, die vor dem ersten Arbeitstag vollständig bereitgestellt sind, Anzahl der zugriffsbezogenen Support-Tickets pro Person und durchschnittliche Bearbeitungszeit für Zugriffsprobleme.

Speichern Sie diese Kennzahlen zentral und lassen Sie sie regelmäßig von Claude zusammenfassen, um Engpässe nach Rolle, Standort oder System zu identifizieren. Im Zeitverlauf können Sie Trigger anpassen (z. B. Bereitstellung für bestimmte Rollen früher starten), Prompts verfeinern oder Regeln aktualisieren, um definierte SLAs zu erreichen.

Erwartete Ergebnisse: Organisationen, die diese Praktiken mit Claude umsetzen, können typischerweise 30–60 % schnellere Zugriffsbereitstellung für Standardrollen, einen deutlichen Rückgang von Onboarding-bezogenen IT-Tickets und eine klare, messbare Verbesserung der Time-to-Productivity neuer Mitarbeitender anstreben.

Brauchen Sie jetzt Umsetzungskompetenz?

Lassen Sie uns über Ihre Ideen sprechen!

Häufig gestellte Fragen

Claude beschleunigt die Bereitstellung von Zugängen und Konten, indem es als intelligenter Koordinator zwischen HR, Führungskräften, IT sowie Ihren HRIS-/IAM-Systemen agiert. Es nutzt Daten zu neuen Mitarbeitenden (Rolle, Abteilung, Standort, Startdatum), um standardisierte Zugriffspakete basierend auf Ihren Richtlinien zusammenzustellen, generiert vollständig spezifizierte Tickets oder API-Aufrufe für die IT und hält neue Mitarbeitende per Chat über den Fortschritt auf dem Laufenden.

Statt dass HR manuell E-Mails an die IT schreibt und Tabellen pflegt, verwandelt Claude diese Schritte in automatisierte Workflows. Das Ergebnis ist eine schnellere, konsistentere Bereitstellung und weniger Statusanfragen, die auf den Schreibtischen von HR und IT landen.

Um Claude für dieses Problem wirksam einzusetzen, benötigen Sie typischerweise Zugriff auf drei Arten von Systemen über APIs: Ihr HRIS (für Daten zu neuen Mitarbeitenden und Rollen), Ihr ITSM- oder Ticketing-System (für Hardware und manuelle Aufgaben) und Ihr IAM/Verzeichnis (für Konten, Gruppen und Berechtigungen). In vielen Organisationen sind diese Systeme bereits vorhanden; es fehlt nur die intelligente Orchestrierungsschicht.

Claude verbindet sich über einen Backend-Service mit diesen Systemen, den Reruption oder Ihr internes IT-Team einrichtet. Claude selbst konzentriert sich darauf, Richtlinien zu interpretieren, Zugriffspakete zu erstellen und strukturierte Anfragen zu generieren, während die Integrationen Ausführung und Authentifizierung übernehmen.

Ein fokussierter Pilot für Onboarding und Zugriffsbereitstellung kann oft innerhalb weniger Wochen realisiert werden, vorausgesetzt, die APIs stehen zur Verfügung. Ein typischer Zeitplan ist: 1–2 Wochen für Discovery und Mapping der Richtlinien, 1–2 Wochen für den Aufbau von Prompts, Workflows und Integrationen für einen begrenzten Scope (z. B. ein Land oder eine Rollenfamilie) und weitere 1–2 Wochen für Tests und Verfeinerung mit echten Neueinstellungen.

Sie benötigen Input von HR (zur Onboarding-Journey und Kommunikation), IT (für Systeme und Integrationen) sowie Security/Compliance (für Richtlinien und Leitplanken). Reruption arbeitet üblicherweise mit einem kleinen, funktionsübergreifenden Team, um Entscheidungen zu beschleunigen und die Implementierung praxisnah zu halten.

Die meisten Organisationen können mit messbaren Verbesserungen sowohl in Effizienz als auch im Erlebnis rechnen. Typische Ergebnisse sind 30–60 % schnellere Bereitstellung für Standardrollen, eine deutliche Reduktion zugriffsbezogener Support-Tickets und weniger Verzögerungen, bis neue Mitarbeitende grundlegende Produktivitätsmeilensteine erreichen. Für HR und IT bedeutet dies zurückgewonnene Kapazität, die zuvor in Koordination und manuelle Nachverfolgung floss.

Der ROI ergibt sich aus mehreren Quellen: kürzere Time-to-Productivity für neue Mitarbeitende, geringerer manueller Aufwand in HR/IT, weniger Zugriffsfehler und Eskalationen sowie eine stärkere Arbeitgebermarke durch eine reibungslosere erste Woche. Diese Vorteile lassen sich leicht quantifizieren, sobald Sie Basiswerte und Post-Implementierungs-KPIs wie Time-to-Access und Ticketvolumen pro Neueinstellung verfolgen.

Reruption unterstützt Sie End-to-End – von der Identifikation geeigneter Employee-Onboarding- und Zugriffs-Use-Cases bis zur Auslieferung einer funktionierenden Lösung. Mit unserem 9.900 € KI-PoC validieren wir schnell, dass Claude Ihren HRIS-, ITSM- und IAM-Stack für einen definierten Scope orchestrieren kann – inklusive funktionsfähigem Prototyp, Performance-Kennzahlen und einem konkreten Rollout-Plan.

Über den PoC hinaus bedeutet unser Co-Preneur-Ansatz, dass wir uns wie Mitgründer:innen in Ihre HR- und IT-Teams einbetten: Wir helfen, Richtlinien zu verfeinern, Workflows zu gestalten, Integrationen aufzubauen und abzusichern und das Change Management zu unterstützen, bis der Assistent wirklich angenommen ist. Wir agieren in Ihrer GuV, nicht nur in Foliensätzen, und stellen so sicher, dass Claude tatsächlich Wirkung auf Time-to-Productivity und das Erlebnis neuer Mitarbeitender entfaltet.

Kontaktieren Sie uns!

0/10 min.

Direkt Kontaktieren

Your Contact

Philipp M. W. Hoffmann

Founder & Partner

Adresse

Reruption GmbH

Falkertstraße 2

70176 Stuttgart

Kontakt

Social Media