Case studies · Mercuri Finance
Mercuri Finance
Mercuri baut eine Steuerungsebene für konzentrierte Liquidität und verbindet autonomes Vault-Verhalten mit einem non-custodial Modell, einer KI-gestützten Systemschicht und einer klareren öffentlichen Produkterklärung.
Providers used
Stats we reached:
+118%
schnellere interne Umsetzungsschleifen
+92%
klarere Einordnung von Produkt und Protokoll
-71%
manueller Overhead im Betrieb
-68%
wiederholte Outreach- und Koordinationsarbeit
Challenge
Das Produkt musste die Koordination konzentrierter Liquidität, autonomes Vault-Verhalten und die Vertrauensgrenzen eines non-custodial Modells so klar vermitteln, dass Nutzer das Modell verstehen. Gleichzeitig brauchte das Team stärkere interne Systeme, um die Umsetzungsgeschwindigkeit zu tragen.
What we shipped
Wir haben die öffentliche Weberfahrung über Hauptseite und App-Oberfläche hinweg unterstützt, bei Teilen der KI-Systemumsetzung geholfen und mit Claude und OpenAI an agentischen Workflows gearbeitet, um Operations, Marketing, Outreach und Engineering-Support zu automatisieren.
Outcome
Mercuri verfügt heute über einen kohärenteren öffentlichen Auftritt und stärkere interne Hebel durch KI-gestützte Workflows, die Produktpositionierung, Interface-Erkundung, Protokollerklärung und tägliche Umsetzung enger miteinander verzahnen.
Find this case familiar to you?
Contact us to find unique solution
Die öffentliche Einordnung war genauso wichtig wie die Oberfläche
Mercuri bewegt sich in einem technisch anspruchsvollen Feld. Das Produkt muss für Nutzer verständlich sein, die autonome Liquiditäts-Vaults erkunden, und gleichzeitig die tatsächliche Komplexität hinter konzentrierter Liquidität, Delegation und deterministischen Sicherheitsgrenzen abbilden.
- Die öffentliche Seite musste das Produkt erklären, ohne in generische Krypto-Sprache abzurutschen.
- Die App-Oberfläche musste greifbar und navigierbar wirken, nicht nur konzeptionell.
- Die technische Erzählung musste Vertrauen stützen, indem sie das Systemmodell klar erklärt.
- Das Team brauchte außerdem interne Hebel, damit die Umsetzung schneller vorankommt und nicht nur von manueller Koordination abhängt.
Wir haben sowohl das KI-System als auch die Oberfläche unterstützt
Die Arbeit beschränkte sich nicht auf die Präsentation. Wir haben auch die Umsetzung von Mercuris KI-System unterstützt und geholfen, die öffentliche Produktrichtung mit realem Systemverhalten und Workflow-Unterstützung im Hintergrund zu verbinden.
Dadurch konnte sich das Projekt zu mehr als nur einer Marketing-Hülle oder einem Protokolldokument entwickeln. Die KI-Schicht, die öffentliche UX und die technische Erklärung wurden als Teile derselben Produktgeschichte gestaltet.
Wir haben das öffentliche Produktsystem mit aufgebaut
Es ging nicht nur darum, Nutzer auf ein paar Endpunkte zu verweisen. Wir haben das öffentliche System rund um Mercuri mit aufgebaut und geformt: die Marketingseite, die App-Erfahrung, die Protokollnarrative und die verbindenden Elemente, durch die alles wie ein Produkt statt wie lose Artefakte wirkte.
- Die Hauptwebsite trug Positionierung, Produkterklärung und Vertrauensrahmen.
- Die App-Oberfläche gab Nutzern einen konkreten Weg, die Produkterfahrung zu erkunden.
- Das Whitepaper formalisierte das Protokollmodell und stärkte die technische Erzählung.
Agentische Workflows schufen interne Hebel
Parallel zur öffentlichen Produktarbeit haben wir Teile von Mercuris Operations-, Marketing-, Outreach- und Engineering-Workflows automatisiert und dafür Skills sowie agentische Workflow-Muster auf Basis von Claude und OpenAI eingesetzt.
- Operative Support-Workflows, die wiederholte manuelle Koordination reduziert haben.
- Marketing- und Outreach-Flows, die Content- und Follow-up-Arbeit systematischer gemacht haben.
- Engineering-Support-Schleifen, mit denen das Team mithilfe wiederverwendbarer Skills und agentischer Muster schneller arbeiten konnte.
Warum die Produktgeschichte öffentlich besser funktioniert
Das öffentliche Material hat heute eine klarere Linie: Mercuri präsentiert sich als Koordinationsschicht für konzentrierte Liquidität, mit autonomem Vault-Verhalten und einem non-custodial Modell, das Nutzer sowohl über die Produktoberfläche als auch über die Protokolldokumentation nachvollziehen können. Intern verfügt das Team außerdem über stärkere KI-gestützte Hebel für die Umsetzung.
Konzentrierte Liquidität erfordert kontinuierliche Überwachung, häufige Neupositionierung, präzise mathematische Berechnungen und schnelles Reagieren auf veränderliche Volatilität und Gas-Bedingungen.Mercuri-Whitepaper, 15. Februar 2026
More case studies
Minerva Cloud brauchte stärkere interne Hebel in der Engineering-Delivery und wollte gleichzeitig ein natives KI-System vorantreiben, das Teil des Produkts werden kann.
+132%
schnellerer Engineering-Delivery-Flow
+101%
höheres Tempo bei der KI-Systemumsetzung
Melon musste sich von einem frühen Konzept zu einer ausgelieferten Fintech-Plattform entwickeln, mit besserer Systemleistung, klarerem Produktverhalten und einem strafferen Delivery-Loop im Team.
+126%
schnellere Umsetzung von der Idee bis zum Launch
+94%
mehr Plattformstabilität und klarere Produktpositionierung
Brauchen Sie einen KI-Engineering-Partner, der auch liefern kann?
Wir helfen Unternehmen dabei, KI in Produkte und Prozesse zu integrieren, wertvolle Workflows zu automatisieren und die zugrunde liegenden Softwaresysteme zu modernisieren.