Eine Quelle der Wahrheit über den gesamten SaaS-Stack hinweg

Mittelständische Unternehmen arbeiten selten auf einer einzigen Plattform. Ein typischer Stack vermischt ein branchenspezifisches PMS oder CRM, ein separates Telefoniesystem, ein Buchhaltungstool, einen Messaging-Kanal und eine Handvoll Punktlösungen. Jede davon enthält einen Teil der Wahrheit über einen Kunden, eine Transaktion oder einen Betriebstag. Keine davon spricht standardmäßig mit den anderen.

Berichte werden in jedem Zyklus manuell neu erstellt. Zahlen werden zwischen Exporten kopiert. Strategische Fragen, die Minuten dauern sollten („Wie korrelierte die Reaktionszeit letztes Quartal mit dem Umsatz?") kommen spät und umstritten an.

Die Organisation in diesem Auftrag hatte den Punkt erreicht, an dem die Kosten der Unstimmigkeiten zwischen Systemen schmerzhafter waren als die Kosten der Behebung.

Focus AI baute eine Zentralisierungsschicht vor den bestehenden Tools, anstatt eines davon zu ersetzen. Webhooks aus jeder Quelle senden in den Moment, in dem sich etwas ändert, an einen typisierten Ingestion-Service. Ein nächtlicher Abgleichsjob füllt nachträglich auf, was die Webhooks verpasst haben, und kennzeichnet Inkonsistenzen für menschliche Überprüfung.

Das normalisierte Modell lebt in einer verwalteten PostgreSQL-Instanz mit klarer Trennung zwischen Roh-Landing-Tabellen, konformen Entitäten und analytischen Views. Sensible Anrufaufzeichnungen und Freitext-Notizen werden von einem Frontier-LLM mit expliziten Prompts zusammengefasst und neben den strukturierten Feldern gespeichert. Qualitative Signale werden neben Umsatz und Volumen abfragbar.

Der Stack läuft lokal auf einem Entwickler-Laptop und geht ohne Infrastruktur-Umschreibungen in die Produktion. Jede Transformation ist getestet.

Operatives Reporting, das früher manuelles Exportieren und Abgleichen verbrauchte, aktualisiert sich nun kontinuierlich. Die Führung hat ein einziges Dashboard, und Unstimmigkeiten darüber, „welche Zahl richtig ist", sind weitgehend verschwunden. Die Lineage ist dokumentiert und der Abgleichsjob ist auditierbar.

Die KI-Zusammenfassungs-Schicht brachte Muster in Kundeninteraktionen ans Licht, die niemand zuvor gelesen hatte, einschließlich wiederkehrender Einwände und stillschweigend abwandernder Segmente. Diese Signale werden nun von den Betriebs- und Vertriebsteams als regelmäßiges Artefakt überprüft.

Die Architektur ist wiederverwendbar für jedes Unternehmen, das auf drei oder mehr SaaS-Tools läuft und als eines agieren muss.