BCG Platinion, Energiesparte
Energie / Beratung · 2025–2026
KI-gestützte Vertragsintelligenz für die Energiebranche
Konzipierte und baute einen voll funktionsfähigen Prototyp, der Frontier-KI-Anwendungsfälle in komplexen Vertragsmanagement-Workflows demonstriert: KI-Agenten überführen jeden Vertrag in einen prüfbaren digitalen Zwilling.
Kontext
Ausgangspunkt und Rahmenbedingungen
Energie-Commodity-Verträge (LNG, Power Purchase Agreements, Agrarrohstoffe) sind lang, werden häufig geändert und sind über Rahmenverträge und Bestätigungen miteinander verknüpft. Konditionen, Fristen und Exposures stecken in PDFs und Postfächern, sodass ein Portfolio nur durch manuelles Nachlesen verständlich wird.
Herausforderung
Zentrale Einschränkung, die es zu lösen galt
Unstrukturierte Verträge in strukturierte Daten überführen, bei denen jeder Wert auf seine Quelle zurückführbar ist, diese Daten über Nachträge und verknüpfte Verträge hinweg konsistent halten und verschiedene Rollen damit arbeiten lassen, ohne dass die KI jemals selbst einen Vertrag ändert.
Lösung
Konzeptions- und Umsetzungsansatz
Baute eine agentische Plattform von Ende zu Ende. Eine Multi-Agenten-Extraktions-Engine wandelt PDFs in strukturierte Daten über drei Commodity-Schemata um, mit Provenienz auf Feldebene, die jeden Wert mit seiner exakten Quelle im Dokument verknüpft. Jeder Vertrag wird zu einem digitalen Zwilling mit Konditionen, Versionen, Herkunft, Belegen und Qualität, inklusive Nachtragsverwaltung, vertragsübergreifender Wirkungsanalyse und Konflikterkennung. Eine Portfolio-Engine bewertet Positionen gegen Forward-Kurven und liefert P&L sowie priorisierte Next Best Actions. Ein rollenbasierter Assistent mit Tool-Nutzung, Delegation an Sub-Agenten und Retrieval über die Verträge schlägt Änderungen vor, die ein Mensch bestätigt, bevor etwas zurückgeschrieben wird. Verträge können auch per E-Mail eingehen, mit lokaler PII-Schwärzung, bevor ein Modell sie sieht, und die Plattform ist über einen MCP-Server für andere Agenten zugänglich.
Ergebnis
Messbare Wirkung und erzieltes Ergebnis
Ein voll funktionsfähiger Prototyp mit ~96 % Abdeckung der Vertragsbedingungen über 50 Verträge, der die Prüfzeit von Verträgen deutlich reduziert: Reviewer prüfen belegte Werte, statt Dokumente erneut zu lesen. Erfolgreich als Business-Development-Tool bei mehreren führenden globalen Energie-Accounts eingesetzt, mit neuen Opportunities und Leads als Ergebnis.
Wichtigste Erkenntnis
“Provenienz macht Extraktion vertrauenswürdig: Sobald jeder Wert auf seine Quelle verweist, prüfen Reviewer die KI, statt ihre Arbeit zu wiederholen. Dass das Modell nur vorschlägt und der Mensch bestätigt, machte den Assistenten erst tauglich für den Einsatz im Business.”
Arbeiten Sie an etwas Ähnlichem? Ich übernehme ausgewählte Consulting- und Freelance-Projekte in den Bereichen Agentic AI, RAG-Systeme und LLM-Zuverlässigkeit.