KI nutzen. Daten behalten.

KI-Potenziale identifizieren – DSGVO-konform, ohne Hersteller-Abhängigkeit

In 3–4 Wochen wissen Sie, an welchen Stellen KI in Ihrem Betrieb Geld spart, Zeit freisetzt oder Umsatz bringt – nach Nutzen, Aufwand und Risiko priorisiert. Und wo sie an Datenlage oder Datenschutz scheitert. So viele Ansatzpunkte wie jetzt gab es nie; hier finden Sie Methodik, Leistungsumfang, Ablauf und Investition im Detail.

Erstgespräch buchen (/erstgespraech) · So funktioniert's (/ki-potenzialanalyse#ablauf)

Festpreis · 3–4 Wochen · DSGVO-konform · Open-Source, kein Lizenz-Zwang

Tool-Auswahl nach Datenlage, nicht nach Trend

Wir wählen Modelle und Infrastruktur nach Ihrem konkreten Szenario. Eine Angebotsklassifikation auf Basis von ERP-Daten hat andere Anforderungen als eine Wissens-Suche in Konstruktionszeichnungen oder eine automatisierte Ticket-Triage im Service. Hier die drei Konstellationen, die wir in der Praxis einsetzen.

Datenfluss-Schema: Daten werden nach Sensibilität klassifiziert und einer von drei Konstellationen zugeordnet – Lokal, EU-gehostet, US-Cloud.

Wartung & Betrieb

Open-Source heißt nicht „Bastelei". Welche Komponenten Ihr internes IT-Team übernehmen kann und welche besser bei einem Dienstleister liegen – wir oder ein Partner aus dem Netzwerk – klären wir Case-für-Case. Standard sind Wartungspakete oder Ihre eigene IT-Hoheit. Sie entscheiden, wir empfehlen.

Konkrete Tools je nach Anforderung – Lokal: Ollama, LM Studio, vLLM · EU: Mistral, Aleph Alpha · US: Claude, GPT-4, Gemini · Welche Komponente von wem betrieben wird, wird je nach Case festgelegt – siehe Hinweis oben.

TIA: Transfer-Folgenabschätzung · DSFA: Datenschutz-Folgenabschätzung · AVV: Auftragsverarbeitungs-Vereinbarung

Was Sie für 4.800 € bekommen

Ein strukturierter Ist-Soll-Abgleich: ein Workshop-Tag, zwei bis drei Wochen Auswertung, ein schriftlicher Bericht. Am Ende wissen Sie, an welchen Stellen KI bei Ihnen den größten Hebel hat – und in welcher Reihenfolge Sie sie angehen.

Workshop: 1 Tag · 4–8 Personen

Auswertung: 1–2 Wochen

Nach-Support: 30 Tage per E-Mail

USE-CASE-LONGLIST

Alle identifizierten KI- und Automatisierungspotenziale, geordnet nach Geschäftsbereich – typischerweise Vertrieb, Service, Einkauf, Produktion, Qualitätssicherung, Personalwesen.

PRIORISIERTE SHORTLIST (5–10 CASES)

Bewertet auf vier Achsen: Nutzen für Ihren Betrieb, Umsetzungsaufwand, technische Machbarkeit, Risiko (Datenschutz, Datenqualität, Veränderungsbedarf).

TECHNISCHE MACHBARKEITSSKIZZE

Pro Case: empfohlene Tool-Klasse, Datenanforderungen, Integrationspunkte.

DSGVO- UND COMPLIANCE-EINORDNUNG

Pro Case: Datenlage, Verarbeitungsgrundlage, kritische Anbieter-Konstellationen.

ROADMAP-VORSCHLAG (6–12 MONATE)

2–3 Quick Wins (4–8 Wochen) + 2–3 mittelfristige Initiativen (3–6 Monate).

AUFWAND- UND ROI-SCHÄTZUNG

Pro priorisiertem Case als Größenordnungs-Korridor.

SCHRIFTLICHER BERICHT (PDF, 15–25 SEITEN)

Formatiert für Geschäftsführung und IT gleichermaßen.

Was nach der Analyse passiert

Die Umsetzung der priorisierten Use-Cases wird separat angeboten. Drei Modelle sind üblich – wir empfehlen je nach Case:

Umsetzung durch Ihr internes IT-Team

Wenn die Use-Cases zu Ihrer bestehenden IT-Kompetenz passen, liefern wir die Roadmap als Bauanleitung. Ihr Team setzt um, wir stehen 30 Tage per E-Mail zur Verfügung.

Umsetzung durch uns

Wenn Sie Kapazität auslagern wollen oder die Use-Cases zu unserem Stack passen, übernehmen wir die Umsetzung. Festpreis oder Tagessatz, je nach Scope. Quick Wins typischerweise 5–15k €, mittelfristige Initiativen 25–80k €.

Umsetzung durch einen passenden Partner

Wenn das Use-Case ein Spezialgebiet erfordert (z. B. bestimmte ERP-Integration, branchenspezifisches Wissen), vermitteln wir aus unserem Netzwerk – oder Sie wählen einen eigenen Partner. Wir bleiben fachlicher Ansprechpartner.

Welches Modell für welchen Use-Case passt, klären wir mit Ihnen in der Auswertung. Sie sind nie an uns gebunden.

So sehen typische Use-Cases aus

Drei Beispiel-Szenarien, wie wir sie in der Analyse identifizieren und bewerten. Bewusst allgemein gehalten – Ihr realer Bericht enthält Ihre konkreten Fälle, mit Zahlen aus Ihrem Betrieb.

Beispiel-Use-Case 01

Angebots-Assistent für den Vertriebs-Innendienst

Ein KI-Assistent schlägt auf Basis vergangener Angebote, technischer Datenblätter und CRM-Historie passende Konfigurationen und Preise vor. Der Innendienst behält die finale Entscheidung und spart einen Großteil der Recherche-Zeit pro Angebot. Datenzugriff strikt lesend, ohne automatischen Versand.

Datenfluss: Lokal / EU

Einschätzung

Nutzen: 4/5

Wirtschaftlichkeit: 4/5

Machbarkeit: 4/5

Datensicherheit: 4/5

Datenfluss-Schema: Angebots-Assistent für den Vertriebs-Innendienst: Anfrage (E-Mail) → nur lesend → KI-Assistent (liest Angebote, Datenblätter, CRM) → finale Freigabe → Entwurf (Innendienst prüft & entscheidet)

Beispiel-Use-Case 02

Wartungsprotokolle automatisch strukturieren

Diktierte Service-Berichte werden von einem lokal gehosteten Spracherkennungs-Modell transkribiert. Eine LLM-Pipeline extrahiert strukturierte Felder – Maschine, Befund, Maßnahme, Ersatzteil – und übergibt sie strukturiert ans ERP. Aus formloser Sprache wird ein sauberer Datensatz.

Datenfluss: Lokal

Einschätzung

Nutzen: 3/5

Wirtschaftlichkeit: 3/5

Machbarkeit: 3/5

Datensicherheit: 5/5

Datenfluss-Schema: Wartungsprotokolle automatisch strukturieren: Diktat (Service-Bericht gesprochen) → lokal transkribiert → Transkript (Spracherkennung lokal + Feld-Extraktion) → strukturierte Felder → ERP (strukturiert: Maschine, Befund, Maßnahme)

Beispiel-Use-Case 03

Wissens-Suche in Handbüchern und Doku

Eine lokale Wissens-Suche über die eigenen Dokumente erschließt verstreutes technisches Wissen aus PDFs, Handbüchern und Projektunterlagen. Mitarbeiter fragen in natürlicher Sprache und erhalten Antworten mit Quellenverweis – statt langer Sucherei.

Datenfluss: Lokal

Einschätzung

Nutzen: 4/5

Wirtschaftlichkeit: 3/5

Machbarkeit: 4/5

Datensicherheit: 5/5

Datenfluss-Schema: Wissens-Suche in Handbüchern und Doku: Dokumente (PDFs, Handbücher, Projektakten) → lokal indexiert → Index (lokal indexiert, kein Abfluss) → natürliche Sprache → Antwort (natürliche Sprache, mit Quellenverweis)

Wie die Analyse abläuft

3–4 Wochen vom ersten Termin bis zur Übergabe. Ihr Aufwand: ein Workshop-Tag plus 2–3 Stunden Vorbereitung.

1. 60–90 MIN

   Kickoff

   Ziele, Scope und Erwartungen klären. Beteiligte erfassen. NDA wenn nötig.

2. 1 WOCHE

   Vorbereitung

   Wir sichten Prozesslandschaft, IT-Stack und Daten-Inventar. Workshop-Agenda erhalten Sie vorab.

3. 1 TAG

   Workshop

   Strukturiertes Discovery mit 4–8 Schlüsselpersonen. Wir respektieren Ihre Zeit: Standard ist 1 Tag, auf Wunsch auch 2 Halbtage. Pain Points, Routinetätigkeiten, Datenflüsse, vorhandene Tool-Versuche – Use-Case-Longlist live erarbeitet.

4. 1–2 WOCHEN

   Auswertung

   Bewertung, Priorisierung, Machbarkeit, Roadmap. Erstellung des Berichts.

5. 90 MIN

   Ergebnis

   Bericht-Walkthrough, offene Fragen, nächste Schritte. PDF + Materialien.

Ein Preis. Keine Überraschungen

Festpreis statt Tagessatz. Sie wissen vor Auftragsbeginn, was die Analyse kostet – und was Sie dafür bekommen. Kein Stundenzählen, kein schleichendes Ausweiten des Umfangs. Die drei Umsetzungsmodelle nach der Analyse sind im Leistungsabschnitt oben beschrieben.

Eine vergleichbare Analyse einer klassischen Beratung kostet das 3- bis 5-fache und endet selten mit einer umsetzbaren Aufgaben-Liste. Hier bekommen Sie genau das.

FESTPREIS – KI-POTENZIALANALYSE

4.800 € 3–4 Wochen · Remote oder vor Ort

• Kickoff-Call (60–90 Min)
• Workshop-Tag (6 Std., remote oder vor Ort)
• Use-Case-Longlist, priorisierte Shortlist, Machbarkeitsskizzen, DSGVO-Einordnung, Roadmap, ROI-Korridor, Bericht
• Schriftlicher Bericht (PDF, 15–25 Seiten)
• Ergebnis-Workshop (90 Min)
• 30 Tage Nach-Support per E-Mail

Erstgespräch buchen (/erstgespraech)

Bereit für Klarheit?

Klären Sie in 30 Minuten, ob die KI-Potenzialanalyse der richtige nächste Schritt für Ihr Unternehmen ist

Erstgespräch buchen (/erstgespraech)