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 So funktioniert's

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.
Ausgangspunkt Ihre Daten Kunden · Mitarbeiter · Prozesse · Dokumente
Schritt 1 Klassifikation nach Sensibilität
Sensibel
Lokal

Auf Ihrer Hardware. Kein Datenabfluss.

Standard
EU-gehostet

EU-Rechenzentrum. AVV nach Art. 28 DSGVO.

Unkritisch
US-Cloud

AWS, Microsoft, Google. US-Drittland, SCC nötig.

Lokal EU-gehostet US-Cloud
Wo läuft das Modell Auf Ihrer eigenen Hardware In einem deutschen oder europäischen Rechenzentrum In US-Rechenzentren
(z. B. AWS, Microsoft, Google)
Datenverbleib Ihre Infrastruktur,
kein Abfluss		 EU-Datenraum,
AVV nach Art. 28 DSGVO		 US-Drittland,
erfordert Standardvertragsklauseln
DSGVO-Aufwand Minimal Überschaubar Hoch
(TIA, ggf. DSFA)
Lizenzkosten Open-Source:
keine Lizenz, nur Hardware		 EU-Provider-Preis API-Preis
pro Anfrage
Typische Eignung Sensible Kunden- oder Personaldaten Standard-Geschäftsdaten,
Kosten-Qualitäts-Mittelweg		 Komplexe Analysen,
wo Daten unkritisch sind

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:

A

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.

B

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 €.

C

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
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
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

Wie die Analyse abläuft

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

  1. 01 60–90 MIN

    Kickoff

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

  2. 02 1 WOCHE

    Vorbereitung

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

  3. 03 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. 04 1–2 WOCHEN

    Auswertung

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

  5. 05 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

Bereit für Klarheit?

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

Erstgespräch buchen