KI Beratung für Industrie und Mittelstand.

KI ist im industriellen Mittelstand kein Mangel an Tools, sondern ein Mangel an Anwendungsfokus. Es gibt heute mehr nutzbare Modelle, APIs und Frameworks, als ein Unternehmen sinnvoll evaluieren kann. Die Engpässe liegen woanders: in der Definition guter Anwendungsfälle, in der Datenqualität, in der Verantwortlichkeit für den produktiven Betrieb.

Beratung in diesem Feld bedeutet, Anwendungsfälle scharf zu schneiden, sauber zu priorisieren und so umzusetzen, dass sie den Übergang vom Prototyp in den Produktivbetrieb tatsächlich überleben. Mit klaren Verantwortlichkeiten, mit dokumentierten Annahmen und mit einer Architektur, die EU-AI-Act und DSGVO standhält.

Im Kern geht es darum, dass KI in einem Unternehmen Arbeit übernimmt, die heute zu langsam, zu teuer oder zu fehleranfällig erledigt wird – nicht darum, dass KI vorgezeigt wird.

• Vertrieb und Einkauf verbringen viel Zeit mit Recherche, Erst-Qualifizierung oder Ausschreibungen, die strukturell automatisierbar wären.
• Rechnungen, Datenblätter, technische Dokumente oder Lieferantenfragebögen werden manuell erfasst und in Systeme übertragen.
• Es gibt erste KI-Pilotprojekte, die nicht in den produktiven Betrieb gekommen sind – und niemand weiß genau, warum.
• Die Geschäftsführung will KI strategisch einordnen, ohne sich auf Buzzwords oder Technik-Folien zu verlassen.
• Datenschutz, EU-AI-Act und Compliance erzeugen Unsicherheit, die produktive Anwendungen blockiert.

Ich baue selbst KI-Workflows. Nicht zur Demonstration, sondern weil ich sie in eigener Beratungsarbeit nutze. Daraus weiß ich, was technisch tatsächlich trägt, was nur in Demos funktioniert und was an Schnittstellen, Berechtigungen und Datenqualität scheitert.

In Mandaten arbeite ich mit Geschäftsführung, IT und Fachbereich gleichzeitig. Ich übersetze zwischen den Welten, schreibe keine Konzepte, die niemand bestellen oder betreiben kann, und sage offen, wenn eine Idee auf dem aktuellen Datenstand nicht trägt.

Wo Anwendungen entstehen, achte ich auf saubere Architektur: nachvollziehbare Modellwahl, kontrollierte Datenflüsse, definierte Eskalationen. KI ist keine Magie, sondern ein Werkzeug mit Wartungsbedarf.

Sie erhalten eine priorisierte Liste belastbarer Anwendungsfälle, eine Bewertung Ihrer Daten- und Prozesssituation und eine Architektur, die in Produktion gehen kann.

Wenn Sie es wollen, begleite ich die Umsetzung der ersten Anwendungen, bis sie eigenständig betrieben werden – inklusive Übergabe an Ihre IT oder einen Dienstleister Ihres Vertrauens.

1. 01

   Erstgespräch

   Sie skizzieren, wo Sie heute Reibung sehen. Ich ordne ein, ob KI dort wirklich der richtige Hebel ist – und wo eher nicht.

2. 02

   Use-Case-Schärfung

   Strukturierte Aufnahme möglicher Anwendungen, Bewertung nach Wirkung, Aufwand, Datenlage und regulatorischem Rahmen.

3. 03

   Architektur und Pilot

   Definition von Datenflüssen, Modellwahl, Verantwortlichkeiten und Erfolgsmaß. Pilot in einem überschaubaren Ausschnitt.

4. 04

   Übergang in den Betrieb

   Skalierung des Anwendungsfalls, Übergabe an Ihre Organisation, Monitoring und Weiterentwicklung.

Anonymisiert · Industriedienstleister, 140 Mitarbeitende

Ein technischer Dienstleister verbrachte intern rund 25 Stunden pro Woche damit, Lieferanten- und ESG-Fragebögen von Großkunden zu beantworten – mit hoher Varianz in Qualität und Tonalität. Die Geschäftsführung wollte KI prüfen, war nach einer ersten Demo eines Anbieters aber abgeschreckt: zu generisch, zu intransparent, kein klares Datenkonzept.

Wir haben den Use Case eng geschnitten: eine kontrollierte Antwortbibliothek auf Basis bestehender ESG- und Qualitätsdokumente, ein Modell, das Vorschläge generiert, aber jede Antwort von einer benannten Person freigegeben werden muss. Nach acht Wochen war die Anwendung produktiv. Aufwand pro Fragebogen sank von 4–6 Stunden auf rund 45 Minuten Review, die Konsistenz über Kundenanfragen hinweg ist heute deutlich höher als zuvor – und die Dokumentation hält dem ersten internen Audit unter EU-AI-Act-Logik stand.

Was kostet eine KI-Beratung für den Mittelstand?

Eine Use-Case-Schärfung mit Architektur- und Pilotempfehlung liegt typischerweise im mittleren bis hohen vierstelligen Bereich. Eine produktive erste Anwendung (inkl. Datenanbindung, Modellwahl, Übergabe) im niedrigen bis mittleren fünfstelligen Bereich. Sie entscheiden phasenweise – nach der Schärfung wissen Sie, ob sich die Umsetzung lohnt.

Wir hatten schon KI-Pilotprojekte, die nicht in den Betrieb kamen. Warum sollte es diesmal anders sein?

Weil die häufigsten Bruchstellen nicht in der Modellwahl liegen, sondern in unklaren Verantwortlichkeiten, fehlender Datenhygiene und fehlendem Erfolgsmaß. Ich definiere diese Punkte vor dem Pilot, nicht danach. Wenn ein Use Case auf dem aktuellen Datenstand nicht trägt, sage ich das vor der Investition.

Müssen wir uns wegen EU AI Act und DSGVO Sorgen machen?

In der Praxis sind die meisten mittelständischen Anwendungen unter dem EU AI Act in der minimal- oder limitierten Risikoklasse. Wichtig ist eine saubere Dokumentation von Datenquellen, Modellwahl und Eskalationspfaden. Das baue ich von Anfang an mit ein – dann ist Compliance ein Nebenprodukt, kein Blocker.

Welche Use Cases lohnen sich für einen industriellen Mittelständler heute besonders?

Erfahrungsgemäß: Recherche- und Erst-Qualifizierungs-Workflows im Vertrieb, automatisierte Beantwortung wiederkehrender Lieferanten- und ESG-Fragebögen, strukturiertes Auslesen von Datenblättern und technischen Dokumenten, sowie Frühindikatoren in Markt- und Patentrecherche. Selten lohnt sich eigene Modellentwicklung.

Brauchen wir eigene KI-Spezialisten im Haus?

Nein, nicht für den Einstieg. Für den dauerhaften Betrieb braucht es eine verantwortliche Person mit IT-Affinität – das kann eine bestehende Rolle sein. Spezialistinnen werden erst sinnvoll, wenn KI ein eigenes Geschäftsfeld trägt, nicht nur einzelne Prozesse.