Als sich Finlex erstmals mit generativer KI beschäftigte, ging das Team schnell von der Neugier ins Experimentieren über: Es entstanden erste Prototypen eines chatbasierten "Finlex Assistant" sowie Multi-Agent-Workflows zur Unterstützung von Maklern und internen Teams. Diese ersten Lösungen zeigten großes Potenzial – doch die Skalierung in die Produktion brachte neue Komplexität bei Performance, Governance und operativer Kontrolle mit sich.
Als die Workloads über lokale Testumgebungen hinauswuchsen, stieß das Team auf Herausforderungen bei Latenz, Konsistenz und Observability. Der Finanzdienstleistungssektor brachte zudem strenge Anforderungen an Auditierbarkeit, Data Governance und Nachvollziehbarkeit mit sich. Gleichzeitig erschwerte die wachsende Cloud-Nutzung eine zuverlässige Prognose und effektive Optimierung der Infrastrukturausgaben.
Parallel dazu musste Finlex definieren, wie KI in realen Versicherungs-Workflows echten geschäftlichen Mehrwert liefern kann – und nicht nur technische Machbarkeit demonstriert.
"Die technische Seite ist nicht die größte Herausforderung", sagt Milad. "Die eigentliche Herausforderung ist zu verstehen, wie man KI so ins Geschäft bringt, dass sie tatsächlich Probleme löst."
Finlex und DoiT arbeiteten im Rahmen des Programms AWS RAPID GenAI (AI Assessment) zusammen, um die Lücke zwischen Experiment und Produktion zu schließen. In enger Abstimmung mit Rajan Bhave, AI Architect bei DoiT, und Hossein Rahmani, Head of Engineering bei Finlex, verband das Projekt technische Deep Dives, Architektur-Workshops, Sessions zur Modellbewertung und praktische Unterstützung, um eine skalierbare, produktionsreife KI-Plattform aufzubauen.
DoiT half dabei, den anfänglichen LangGraph-basierten Prototyp von Finlex zu einer robusteren cloud-native Architektur auf Basis von Amazon Bedrock AgentCore weiterzuentwickeln – mit Anthropic Claude-Modellen für die zentralen generativen und agentischen Workflows. Skalierbarkeit, Observability und operative Kontrolle verbesserten sich, während die Abhängigkeit von individueller Orchestrierung sank. Zum Projekt gehörte außerdem ein eigener Workshop zu GenAI-Security und Compliance mit Schwerpunkt auf sicherem Agent-Design, Threat Modeling, DSGVO und den Anforderungen des EU AI Act. So gewann Finlex die Sicherheit, KI auch in einem regulierten Finanzumfeld verlässlich zu betreiben.
Weitere Verbesserungen: eine sichere Multi-Tenant-Identitätsweitergabe, strukturierte Frameworks zur Modellbewertung, die Neugestaltung der Dokumentenverarbeitungs-Workflows mit Bedrock Data Automation sowie bewährte Muster für Agent-Design und Memory Handling.
"Wir hatten Sessions zu ganz konkreten Problemstellungen und dazu breitere Workshops", sagt Hossein. "Manchmal wurden sogar Code-Snippets geteilt, damit wir schneller vorankommen."
DoiT hat uns die Sicherheit gegeben, vom Experiment in die Produktion zu gehen. Sie haben uns gezeigt, wie man KI für die reale Welt richtig baut.
Milad Rezazadeh, CTO
Die Zusammenarbeit mit DoiT brachte messbare Wirkung für die Plattform, den Betrieb und die internen Teams von Finlex. Dank besserer Transparenz, Governance und Optimierung mit Cloud Intelligence™ konnte Finlex die Cloud-Kosteneffizienz deutlich steigern und zugleich ein solides operatives Fundament für den KI-Einsatz legen.
"2025 haben wir unsere Kosten um rund 35 bis 40 % gesenkt", sagt Milad. "Und insgesamt haben wir von Ende 2024 bis heute über 50 % Kostenoptimierung erreicht."
Ziel des Projekts war es, die Beratungsqualität zu verbessern, die Zuverlässigkeit der Dokumentenextraktion zu erhöhen, wiederkehrende Support-Aufgaben zu reduzieren und das Onboarding von Verträgen durch automatisierte Workflows und eine bessere Dokumentenverarbeitung zu beschleunigen.
Über die Kosteneinsparungen hinaus beschleunigte das Projekt die Entwicklungsgeschwindigkeit und stärkte die Entscheidungsfindung im gesamten Unternehmen. Finlex hat erfolgreich seine erste End-to-End-Lösung für agentische KI gebaut und damit eine wiederverwendbare Grundlage für künftige KI-Services geschaffen. So können Teams neue Funktionen deutlich souveräner bewerten und ausrollen.
"Wir wissen jetzt: Wenn morgen etwas Neues kommt, können wir es bewerten, bauen und in die Produktion bringen", sagt Milad.
Finlex arbeitet nun daran, sich von einer KI-gestützten Plattform zu einer durchgängig AI-nativen Architektur weiterzuentwickeln. In der nächsten Phase soll Intelligenz über die gesamte User Journey hinweg verankert werden – weg von eigenständigen Assistenten, hin zu tief integrierten, automatisierten Workflows.
"Wir setzen KI nicht als Feature obendrauf", erklärt Milad. "Wir bauen sie Schritt für Schritt in die Funktionsweise der Plattform ein."
Finlex investiert außerdem in die organisatorische Transformation, gestaltet die Engineering-Struktur um und führt neue, produktgetriebene Rollen ein.
Gleichzeitig schärft Finlex seinen Ansatz zur KI-basierten Problemlösung weiter und bewegt sich weg von starren, deterministischen Workflows hin zu einem adaptiveren, AI-first geprägten Denken.
Auch künftig bleibt DoiT ein zentraler Partner auf diesem Weg – bei der weiteren Produktivsetzung, der Skalierung neuer Use Cases und der Orientierung in einer sich rasant entwickelnden KI-Landschaft.
"In der KI gibt es immer Unsicherheiten", so Milad. "Aber die Zusammenarbeit mit DoiT hat uns die Sicherheit gegeben, den nächsten Schritt zu gehen."
Finlex ist ein Insurtech mit Sitz in Frankfurt und weiteren Standorten in Berlin und Österreich sowie ein spezialisierter Wholesale-Broker mit Fokus auf Cyber- und Financial-Lines-Versicherungen. Die Plattform verbindet Makler, Versicherer und Unternehmen über einen vollständig digitalen Marktplatz und vereinfacht komplexe Versicherungs-Workflows.
Was als kleiner, Excel-basierter Betrieb begann, ist heute eine ausgereifte cloud-native Plattform, die durchgängige Versicherungsprozesse unterstützt – von der Ausschreibung über das Underwriting bis hin zum Vertragsmanagement. Aktuell arbeitet Finlex an der nächsten großen Transformation: KI AI-native über die gesamte Plattform hinweg zu verankern.
"Unsere Mission war von Anfang an, Versicherungsprozesse zu digitalisieren und zu vereinfachen", sagt Milad Rezazadeh, CTO bei Finlex. "Heute ist KI zum Kern dessen geworden, wie wir liefern."
AWS GenAI Accelerator
Senior AI Forward Deployed Engineers arbeiten Seite an Seite mit Ihren Engineers – von der Idee bis zur produktionsreifen GenAI-Pipeline auf Bedrock und SageMaker.
“PerfectScale gives us the confidence to automate Kubernetes optimization while letting our engineers focus on building what matters.”
Josh Zarrabi, Infrastructure Engineer
“Without PerfectScale by DoiT, I don't know how we would do it. We'd have to have twice the number of people on my team to stay on top of it. With PerfectScale, we can focus on the more strategic issues.”
David Adkins, Director of Software and Platform Engineering
Connecting IBM and AWS privately was the piece we needed to get right, and we wanted to move faster on it than we could on our own. DoiT worked through the options with us, found the subnet overlap that was breaking the routing, and made it stable. That unblocked everything else.
DevOps Lead, Software Projects
Attribute™'s platform is truly unique. We now have crystal-clear visibility into our cloud spend at the workload and tenant level, and that insight has already led to actionable savings and powerful insights as we further scale our service.
Paul White, VP of Engineering, Shasta Cloud
We have worked with DoiT for many years, and there has been an increasing number of capabilities and features in DoiT Cloud Intelligence. We've embedded features such as Cloud Analytics and Reports in our own FinOps processes, it's become core to what we do.
Martin Lee, Director of Operations
DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.
Milad Rezazadeh, CTO
Attribute™'s cost grouping technology took our cost visibility and allocation to a whole new level. Now, our teams are fully accountable for their budgets, significantly improving our cloud efficiency and helping us minimize unnecessary costs.
Eli Zilbershtein, Head of DevOps, Hippo
You can't tag a customer in a multi-tenant environment. Attribute™ finally shows us what each customer costs and what's driving those costs.
Omri Cohen, Director of Engineering, Platform
Attribute™'s data is truly unmatched. No other solution on the market could deliver the precise customer cost and usage profiles we needed in such a complex infrastructure. Within weeks, the data from Attribute™ transformed our understanding of cost structures, influencing key strategic decisions in pricing, renegotiations, and market positioning.
Jonathan Langer, COO, Claroty
Attribute™ simplified tracking customer costs in our multi-tenant environments. Customer cost measurement is now clear and standardized, and finance gets the business context they need. Integration was quick and required no changes.
Kfir Lippmann, CFO, Salt Security
Attribute™ translates complex cloud bills into actionable, business-centric insights that empower our engineering teams to take true ownership of their costs.
Balamurugan Mohandossgandhi, Head of IT and Infrastructure, PropertyGuru
This has let us get a better idea of what our cost of goods sold really is. It's not every day you come across something that delivers value as quickly as yours did for us. I was seeing useful insights inside the POC, and we had only deployed it to a couple of real clusters.
Jason Moore, Principal DevOps Engineer, Accrete AI
Eliminating the need to tag thousands of resources has freed up my team and we've invested our efforts in enhancing our platform significantly.
Ziv Sivan, VP of Engineering
Let us show you what ships this week.
