MRH Trowe: 400 Mitarbeiter mit KI-Agenten für 11 Euro pro Platz

Die Ausgangslage: Shadow AI beim Versicherungsmakler

MRH Trowe ist ein inhabergeführter Versicherungsmakler mit rund 400 Mitarbeitern und Fokus auf Deutschland, Schweiz und Österreich. Das Unternehmen galt früh als Cloud-Pionier unter deutschen Maklern – und genau diese Offenheit führte zu einem klassischen Problem: Einzelne Teams experimentierten auf eigene Faust mit KI, ohne zentrale Kontrolle. Diese sogenannte Shadow AI ist in vielen Unternehmen die grösste Hürde für produktive KI-Nutzung.

Der Fall kommt zur richtigen Zeit: Laut Bitkom 2026 nutzen in Deutschland bereits 41 Prozent der Unternehmen KI, aber ein Drittel kämpft mit unerwarteten Kosten. Die Studie des IW Köln beziffert den Produktivitätsvorteil für KI-Nutzer auf 8 bis 12 Prozent. Genau in dieses Spannungsfeld liefert MRH Trowe belastbare Zahlen.

Was gebaut wurde

MRH Trowe setzt auf eine Kombination aus Open-Source-Bausteinen und AWS-Infrastruktur: Strands Agents als SDK, Amazon Bedrock AgentCore als Runtime mit Session-Isolation und LibreChat als UI mit Token-Budget. Diese Architektur erlaubt es Mitarbeitenden, eigene Agenten zu konfigurieren, ohne dass die IT jeden Schritt freigeben muss.

Die Zahlen, die zählen

Rund 400 Mitarbeitende erhielten Zugang. Der Preis pro Platz lag im ersten Monat bei etwa 11 Euro – inklusive Infrastruktur und Token. Produktiv war der erste Agent bereits nach vier Wochen. Das sind genau die Fakten, die in der KI-Debatte oft fehlen.

• 400 Mitarbeitende mit Zugang zu selbstkonfigurierten KI-Agenten
• Rund 11 Euro pro Platz und Monat im ersten Monat
• Produktiv in vier Wochen
• Datenverarbeitung in Frankfurt (EU), Confidential Computing

Warum 11 Euro nicht die ganze Geschichte sind

Die Zahl ist bemerkenswert, aber sie ist kein Freibrief für naive Budgetplanung. Die Analyse von The Clarity Today weist darauf hin, dass sich die 14 Dollar aus Infrastruktur- und Token-Kosten zusammensetzen – ohne detaillierte Aufschlüsselung. Wer KI-Kosten realistisch kalkuliert, sollte genau hinschauen: Modellkosten skalieren mit der Nutzung, und angekündigte Einsparungen von 40 Prozent bei der Infrastruktur sind noch nicht realisiert.

Compliance als Enabler, nicht als Blocker

Der Fall zeigt: Regulierung und Geschwindigkeit schliessen sich nicht aus. MRH Trowe hat zentrale Governance eingeführt, die Shadow AI beendet, und gleichzeitig Self-Service ermöglicht. Für Entscheider heisst das: Wer KI-Agenten einführen will, muss Compliance von Anfang an mitdenken – dann wird sie zum Beschleuniger statt zum Bremsklotz.

Der erste produktive Agent: Meetings, die sich selbst dokumentieren

Der erste produktive Agent wandelt Microsoft Teams-Meetings in strukturierte Protokolle um – mit Datum, Teilnehmern, Agenda und Action Items. Ein perfektes Beispiel für einen eng umrissenen Use Case, der schnell Nutzen stiftet und keine grossen Integrationsprojekte erfordert.

Jede Frage wird zuerst von KI beantwortet, bevor Menschen eingreifen.

Was du daraus mitnehmen kannst

Der Fall MRH Trowe liefert drei konkrete Lektionen für dein Unternehmen. Erstens: KI-Agenten sind bezahlbar – der Kostenwendepunkt im Vergleich zu menschlicher Arbeit ist erreicht. Zweitens: Sie werden in Wochen produktiv, nicht in Quartalen. Drittens: Compliance ist kein Grund zu warten, sondern ein Designkriterium.

• Starte mit einem eng abgegrenzten Use Case, etwa Meeting-Protokollen.
• Setze auf Self-Service mit klaren Governance-Regeln statt auf zentrale Freigabe jeder Anfrage.
• Kalkuliere Gesamtkosten realistisch, inklusive Token-Verbrauch und Infrastruktur.
• Mache KI zur Chefsache: Die grösste Hürde ist selten die Technik, sondern das Management.

Wie du KI als Chefsache verankerst, diskutieren wir auch im Schweizer KI-Podcast. Der Fall MRH Trowe zeigt: Es geht nicht um Technik allein, sondern um Führung.