Der Kunde war an eine bekannte Grenze gestoßen. Ein fähiges Team baute das Monatsreporting immer wieder neu. Das eigentliche Wissen — was eine kryptische Dimension bedeutet, warum eine Meilensteinzahlung so gekennzeichnet ist — lag in wenigen Köpfen. Self-Service war unmöglich, KI-gestützte Fragen außer Reichweite, und die Sicherheitsanforderungen hoch: Diese Daten ließen sich nicht einfach öffnen.
Der Hebel war nicht die Technik
Wir setzten die zentrale Snowflake-Plattform live — mit einer Go-Live-Garantie von 90 Tagen, die wir in Teilen schon nach dreißig erreichten. Der entscheidende Hebel war dabei nicht die Technik, sondern die Bedeutung. Über die technischen Joins legten wir semantische Views: Schichten, die Geschäftskontext und Erklärungen tragen, nicht nur Schlüssel und Summen.
Wo ein View "gleich" sagt, erklärt der semantische View "warum"
Wo ein einfacher View sagt „dieses Attribut entspricht jener Spalte", erklärt der semantische View, was er bedeutet — Abschlagszahlungen, Abgrenzungen, die Logik hinter einer Kostenstelle. Ein großer Teil dieser Beschreibung wurde KI-generiert und dort von Menschen angereichert, wo es darauf ankam. Auf derselben Schicht sitzen KI-Agenten, die Geschäftsfragen direkt beantworten, sowie eine Row-Level-Security bis auf Betrags- und Buchungsebene.
Die Daten verlassen diese Umgebung nicht und gehen nicht an externe KI-Anbieter.
Entscheidend bei Finanzdaten: Die KI-Agenten laufen in einer kontrollierten Umgebung auf unserer eigenen AWS-/Snowflake-Infrastruktur in Frankfurt.
Von 3–4 Stunden auf unter 10 Minuten
Die Plattform wurde zur Single Source of Truth, die das ganze Team sehen und abfragen kann. Statt Berichte jeden Monat neu zu erstellen, stellen Fachanwender ihre Fragen direkt — „welche Kostenpositionen sind gestiegen?", „wo gibt es Forecast-Abweichungen?" — und ziehen die Antworten unmittelbar nach PowerPoint und Excel. Der semantische Layer machte aus verstreutem, implizitem Know-how ein dokumentiertes, wiederverwendbares Asset; geht ein Wissensträger, bleibt das Verständnis. Jede Rolle sieht ausschließlich, was sie sehen darf. Die Analysezeit für Ad-hoc-Anfragen sank von 3–4 Stunden auf unter 10 Minuten.
Drei Dinge, die Sie mitnehmen können
- Bedeutung schlägt Verbindung. Technische Joins verbinden Tabellen; ein semantischer Layer erklärt, was sie bedeuten. Genau das macht Self-Service erst möglich.
- Governance ist kein Show-Stopper für KI. Souveräne Infrastruktur und Row-Level Security bis auf Buchungsebene machen KI-gestützte Fragen auch bei sensiblen Finanzdaten sicher.
- Wissen dokumentieren, bevor es geht. Implizites Know-how in wenigen Köpfen ist ein Risiko. Ein dokumentiertes, semantisches Asset übersteht Personalwechsel.
The client had hit a familiar ceiling. A capable team rebuilt the monthly reporting again and again. The real knowledge — what a cryptic dimension means, why a milestone payment is flagged the way it is — sat in a few heads. Self-service was impossible, AI-assisted questions out of reach, and the security bar high: this data could not simply be exposed.
The lever was meaning, not technology
We set the central Snowflake platform live — with a 90-day go-live guarantee that, in parts, we met in thirty. The decisive lever was not plumbing but meaning. On top of the technical joins we built semantic views: layers that carry business context and explanations, not just keys and sums.
Where a plain view says "equals," the semantic view explains "why"
Where a plain view says "this attribute equals that column," the semantic view explains what it represents — milestone payments, accruals, the logic behind a cost centre. Much of that description was AI-generated and then enriched by people exactly where it mattered. On the same layer sit AI agents that answer business questions directly, and row-level security reaching down to amount and posting level.
The data never leaves that environment and is not sent to external AI providers.
Crucial for finance data: the AI agents run in a controlled environment on our own AWS/Snowflake infrastructure in Frankfurt.
From 3–4 hours to under 10 minutes
The platform became a single source of truth the whole team can see and query. Instead of recreating reports every month, business users ask their questions directly — "which cost items rose?", "where are the forecast deviations?" — and pull the answers straight into PowerPoint and Excel. The semantic layer turned scattered, tacit know-how into a documented, reusable asset; when a knowledge-holder leaves, the understanding stays. Every role sees only what it is permitted to see. Analysis time for ad-hoc requests dropped from 3–4 hours to under 10 minutes.
Three things you can take away
- Meaning beats plumbing. Technical joins connect tables; a semantic layer explains what they mean. That's precisely what makes self-service possible in the first place.
- Governance isn't a showstopper for AI. Sovereign infrastructure and row-level security down to posting level make AI-assisted questions safe even on sensitive finance data.
- Document knowledge before it walks out the door. Tacit know-how sitting in a few heads is a risk. A documented, semantic asset survives staff turnover.