Ressourcenmanagement in einem grossen Beratungsunternehmen

Challenge

Ein internationales Beratungsunternehmen mit >1.000 Mitarbeitenden hatte Schwierigkeiten, die passenden Berater mit den erforderlichen Skills rechtzeitig auf Projekte zu setzen. Entscheidungen basierten oft auf persönlicher Bekanntheit („Partner‑Bias“), Excel‑Listen und unterschiedlichen Systemen. Dies führte zu Über‑ und Unterauslastung, hohen Fremdkosten und ungenutzten Potenzialen.

Solution

Es wurde ein AI‑gestütztes Ressourcen‑Management‑System eingeführt. Ein Skill‑Katalog erfasste Kompetenzen, Zertifizierungen, Tagessätze und Verfügbarkeiten. Algorithmen matchten Projektanforderungen in Echtzeit mit geeigneten Beratern. Das System nutzte historische Daten, um Forecasts zu erstellen, und integrierte CRM/ERP über APIs. Manager erhielten Dashboards zur Auslastung, konnten Bench‑Zeit erkennen und Offshoring‑Optionen berücksichtigen. Ein automatisierter Genehmigungsworkflow reduzierte manuelle Abstimmungen.

Outcome

• +11% höhere Auslastung
• 15 % weniger Contractor/Freelancer‑Einsatz: Automatisierte Planung senkte den externen Personaleinsatz um 10 %.
• 10 % höhere Gewinnquote bei Ausschreibungen: Besseres Skill‑Matching erhöhte die Erfolgsrate bei Ausschreibungen um 10%.
• Reduzierte Personal‑Nebenkosten: Durch das Abbau von „Grade‑Creep“ (Einsatz zu hoch eingestufter Berater) ließen sich jährlich rund >350.000 CHF einsparen; ein Offshoring‑Anteil von 5 % brachte zusätzliche Einsparung.

Das System nutzte Skills‑Ontologien und LLMs zur Analyse von Projektbeschreibungen. Dank der Datentransparenz konnten Manager die passenden Mitarbeitenden zum passenden Tagessatz und zur richtigen Zeit auf Projekte setzen – Bench‑Zeiten verringerten sich und die Profitabilität stieg.

Technologie & Methodik

Python‑gestützte Matching‑Algorithmen, OpenAI LLM, Integration von CRM/ERP (Salesforce, SAP) via APIs, n8n/Make für Workflow‑Automatisierung, Microsoft Azure AI Cloud