Bereich · KI
KI macht die Arbeit. Der Mensch entscheidet.
Das ist keine Zukunftsaussage. So arbeite ich heute: Agenten erledigen die Ausführung, ich prüfe die Ergebnisse und gebe sie frei.
KI ist dann wertvoll, wenn sie Zeit spart, Prozesse verbessert oder neue Möglichkeiten schafft – nicht, weil sie gerade im Trend liegt. Ich unterstütze Unternehmen dabei, sie sinnvoll in bestehende Abläufe und Systeme zu integrieren: vom ersten Anwendungsfall über die Entwicklung bis zur produktiven Lösung.
Dabei geht es nicht darum, möglichst viel KI einzusetzen, sondern darum, die richtigen Dinge damit zu automatisieren, zu verbessern oder neu zu denken.
„Der Engpass ist nicht mehr, etwas zu bauen. Der Engpass ist zu entscheiden, was gebaut werden soll – und zu prüfen, was dabei herauskommt."
Was Unternehmen gerade am meisten voranbringt
Fünf Anwendungsfälle, absteigend nach Hebel. Der erste ist der, mit dem ich selbst arbeite – und der, der in den meisten Unternehmen den größten Unterschied macht, weil er den Engpass trifft statt eines Symptoms.
-
01 – Entwicklung mit Agenten
Der größte Hebel liegt derzeit nicht in der Fachabteilung, sondern in der IT selbst.
Ausgangslage
Entwicklung ist in den meisten Unternehmen der Engpass: Anforderungen stauen sich, kleine Änderungen brauchen Wochen, und niemand kommt an die Themen, die wirklich etwas bewegen.
Was entsteht
Die Entwicklung stellt um. Agenten schreiben, testen und dokumentieren – der Mensch prüft die Ergebnisse und gibt sie frei. Dazu gehören Leitplanken: geprüfte Vorgaben, verbindliche Tests, nachvollziehbare Änderungen und ein Freigabeschritt, an dem niemand vorbeikommt.
Der Durchsatz steigt deutlich, ohne dass die Qualität sinkt – weil die Prüfung nicht wegfällt, sondern zur eigentlichen Aufgabe wird.
Erste Ergebnisse in Tagen. Bis ein ganzes Team so arbeitet: zwei bis drei Monate.
-
02 – Dokumente und Vorgänge
Der Anwendungsfall mit der kürzesten Amortisation.
Ausgangslage
Rechnungen, Auftragsbestätigungen, Lieferscheine, Reklamationen: Menschen lesen Dokumente und tippen die Inhalte in ein anderes System. Jeden Tag, in jedem Unternehmen.
Was entsteht
Ein Verarbeitungsweg, der Belege ausliest, gegen die eigenen Stammdaten prüft und ins ERP oder Ticketsystem schreibt. Was eindeutig ist, läuft durch. Was unklar ist, landet mit Begründung bei einem Menschen.
Stunden pro Tag, die nicht mehr in Abtippen gehen – und weniger Fehler, weil die Prüfung gegen echte Daten läuft statt gegen ein Bauchgefühl.
Ein Belegtyp produktiv in vier bis acht Wochen.
-
03 – Support und Kundenkommunikation
Entwürfe statt Vollautomatik – der Unterschied entscheidet über den Erfolg.
Ausgangslage
Der Support beantwortet dieselben Fragen immer wieder, die Bearbeitungszeit pro Ticket wächst, und der erste Reflex ist ein Bot, den Kunden dann umgehen wollen.
Was entsteht
Ein System, das aus Wissensbasis, Bestell- und Vorgangsdaten einen fertigen Antwortentwurf erzeugt. Der Mitarbeiter liest, korrigiert und sendet. Erst wenn die Entwürfe über Wochen belegbar gut sind, wird über Automatik gesprochen.
Kürzere Bearbeitungszeiten und gleichmäßigere Antworten, ohne das Risiko, dass ein Bot einen Kunden vergrault.
Sechs bis zehn Wochen bis zum Einsatz im Tagesgeschäft.
-
04 – Internes Wissenssystem
Die Frage „wo stand das noch mal?" kostet jeden Tag Zeit.
Ausgangslage
Wissen liegt verstreut über Laufwerke, Wiki, Mailverläufe und die Köpfe von drei Leuten, die gerade nicht da sind. Neue Mitarbeiter brauchen Monate, bis sie sich zurechtfinden.
Was entsteht
Eine Suche über die tatsächlichen Ablagen – mit Zugriffsrechten, die den bestehenden entsprechen, und mit Quellenangabe an jeder Antwort. Angebunden an das, was da ist, nicht an einen extra gepflegten PDF-Stapel.
Antworten in Sekunden statt Rückfragen im Flur. Und ein System, das durch die Nutzung besser wird, weil sichtbar ist, was nicht gefunden wurde.
Sechs bis zwölf Wochen, je nachdem, in welchem Zustand die Ablagen sind.
-
05 – Agenten, die Systeme bedienen
Der nächste Schritt – sinnvoll, aber nicht als erster.
Ausgangslage
Wenn Auslesen, Antworten und Suchen laufen, wird die Frage konkret: Kann das System den Vorgang nicht gleich selbst abschließen?
Was entsteht
Agenten mit Zugriff auf ERP, Shop, Ticketsystem und Schnittstellen – mit klar begrenzten Rechten, protokollierten Schritten und einer Freigabe an jeder Stelle, an der es teuer werden kann.
Ganze Vorgänge laufen ohne Übergabe durch. Aber nur dort, wo der Prozess vorher verstanden und die Datenlage belastbar ist.
Drei bis sechs Monate – und ausdrücklich nicht als Einstiegsprojekt.
Aus der Praxis
Ich empfehle nichts, was ich nicht selbst betreibe.
In meiner Verantwortung als IT-Leiter habe ich die Entwicklung auf agentisches Arbeiten umgestellt. Aufgaben werden nicht mehr Zeile für Zeile geschrieben, sondern beschrieben, an Agenten übergeben und anschließend geprüft. Der Mensch entscheidet, was gebaut wird, und gibt frei, was herauskommt.
Das Entscheidende an der Umstellung war nicht das Werkzeug, sondern der Rahmen: verbindliche Vorgaben, gegen die ein Agent arbeitet, Tests, die jede Änderung prüfen, und ein Freigabeschritt, der nicht übersprungen werden kann. Ohne diesen Rahmen erzeugt agentische Entwicklung nur schneller Code, den hinterher niemand verantworten will.
Genau diese Umstellung begleite ich in anderen Unternehmen – mit dem Unterschied, dass ich die Fehler dabei schon gemacht habe.
Diese Seite
Vollständig agentisch entwickelt – Architektur, Umsetzung, Tests. Geprüft und freigegeben von Hand, Commit für Commit.
packageHunter
Eigene SaaS für automatisierte Paketüberwachung, komplett selbst gebaut und im Betrieb. Was ich über produktive Systeme sage, kommt daher.
Seit 2008 in der IT
Acht Stationen zwischen Betrieb, Entwicklung, Architektur und Führung. KI kam dazu, das Verständnis für gewachsene Systeme war vorher da.
Wie ich dabei vorgehe
Potenziale erkennen
Wo kann KI in eurem Unternehmen tatsächlich einen Unterschied machen? Ich analysiere Prozesse, Systeme und Arbeitsabläufe und finde die Bereiche mit dem größten Hebel.
Use Cases entwickeln
Vom internen Copiloten über automatisierte Dokumentenverarbeitung bis zu Support, Vertrieb und Datenanalyse: Aus einer Idee wird ein konkreter Anwendungsfall mit klarer Zielsetzung.
Entwickeln & integrieren
Ich baue die Lösung und integriere sie in eure bestehende IT – inklusive Schnittstellen, Automatisierung, Daten und vorhandener Software.
Produktiv bringen
Ein Prototyp ist noch keine Lösung. Ich bringe KI-Anwendungen in den tatsächlichen Einsatz und achte dabei auf Zuverlässigkeit, Sicherheit, Kosten und Wartbarkeit.
Wissen im Unternehmen aufbauen
Die Lösung soll nicht von mir abhängen. Ich dokumentiere, übergebe Wissen und befähige euer Team, die Technologie selbst zu verstehen, zu betreiben und weiterzuentwickeln.
Womit gebaut wird
Der Unterschied zwischen einer Demo und etwas, das läuft.
Von klassischen KI-Anwendungen und Copiloten bis zu autonomen Agenten, die Aufgaben selbstständig ausführen, Systeme bedienen und Prozesse miteinander verbinden. Sechs Dinge entscheiden dabei, ob eine Lösung den Alltag übersteht.
Agenten und Werkzeuge
Ein Modell, das nur Text erzeugt, verändert nichts. Nützlich wird es, wenn es Werkzeuge bedienen darf: Schnittstellen aufrufen, Daten lesen, Vorgänge anlegen. Genau dort entscheidet sich, ob eine KI-Lösung Arbeit abnimmt oder nur beeindruckt.
Antworten auf euren Daten
Modelle wissen nichts über euer Unternehmen. Damit sie es tun, werden die eigenen Dokumente, Stammdaten und Vorgänge durchsuchbar angebunden und an jede Antwort die Quelle geschrieben. Ohne Quelle ist eine Antwort nicht prüfbar – und damit im Betrieb wertlos.
Messen statt schätzen
Ob eine KI-Lösung gut ist, entscheidet keine Demo. Dafür braucht es einen Satz echter Fälle mit bekannten Ergebnissen, gegen den jede Änderung geprüft wird. Das ist der Unterschied zwischen einem Prototyp und etwas, das man produktiv verantworten kann.
Unabhängig vom Anbieter
Die Modelllandschaft ändert sich schneller, als ein Projekt dauert. Deshalb wird die Anbindung austauschbar gebaut: Was heute das beste Modell ist, ist es in einem halben Jahr vielleicht nicht mehr – und dann soll ein Wechsel eine Konfiguration sein, kein Umbau.
Kosten im Blick
KI-Betrieb kostet pro Anfrage. Was das im Monat bedeutet, lässt sich vorher ausrechnen und im Betrieb überwachen. Vorhaben scheitern selten an der Technik und häufiger daran, dass die laufenden Kosten niemand auf dem Schirm hatte.
Datenhaltung und Betrieb
Wo die Daten liegen, wer sie sieht und was ein Anbieter damit tun darf, wird vor der ersten Zeile Code geklärt – inklusive der Frage, ob es in eurem Fall europäische Verarbeitung oder ein selbst betriebenes Modell braucht.
Felder, in denen das zum Einsatz kommt
- KI-Assistenten & Copiloten
- KI-Agenten
- Prozessautomatisierung
- Dokumenten- & Datenverarbeitung
- Interne Wissenssysteme
- Support & Kundenkommunikation
- Entwicklungs- & IT-Automatisierung
- Individuelle KI-Anwendungen
Was vorher geklärt gehört
Die meisten KI-Vorhaben scheitern nicht an der Technik, sondern daran, dass diese vier Fragen zu spät gestellt werden.
Datenschutz
Personenbezogene Daten gehören nicht ungeprüft in ein Modell. Was verarbeitet wird, wo es verarbeitet wird und was vorher entfernt oder ersetzt gehört, wird zu Beginn festgelegt – nicht nachträglich als Auflage.
Regulierung
Seit dem 2. August 2026 gelten die Transparenzpflichten der KI-Verordnung: KI-erzeugte Inhalte werden gekennzeichnet, und wer mit einem System statt mit einem Menschen schreibt, muss das erfahren. Die Pflichten für Hochrisiko-Systeme hat der Digital Omnibus auf Dezember 2027 beziehungsweise August 2028 verschoben. Für die meisten Vorhaben im Mittelstand heißt das: kein Grund zu warten, aber auch keiner, es zu ignorieren.
Kompetenz im Team
Die KI-Verordnung erwartet, dass Mitarbeitende, die mit KI arbeiten, sie auch verstehen. Das ist keine Zertifizierungspflicht und kein Formular, sondern eine Frage der Befähigung und der Dokumentation – und deckt sich mit dem, was ohnehin sinnvoll ist.
Datenqualität
„Unsere Daten sind nicht sauber genug" ist der häufigste Grund, gar nicht erst anzufangen – und fast immer der falsche. Man beginnt mit dem Anwendungsfall, dessen Daten heute schon reichen, und räumt entlang des Nutzens auf statt vorab auf Verdacht.
Die Hinweise zur Regulierung sind Einordnung aus der Umsetzung und ersetzen keine Rechtsberatung. Für die Frage, wie eine Lösung gebaut wird, sind sie trotzdem entscheidend.
Häufige Fragen
- Wie groß wird so ein Vorhaben?
- Das hängt vom Anwendungsfall ab, und jede Schätzung ohne Kenntnis der Ausgangslage wäre geraten. Was sich vorher sagen lässt: ein grober Rahmen nach dem ersten Gespräch und eine belastbare Einschätzung, sobald Prozesse, Systeme und Datenlage angesehen sind.
- Wie fangen wir an, ohne uns zu verrennen?
- Mit einem Anwendungsfall, der klein genug ist, um in Wochen produktiv zu sein, und groß genug, dass der Nutzen auffällt. Nicht mit einer Strategie und nicht mit fünf Piloten gleichzeitig.
- Ersetzt agentische Entwicklung unsere Entwickler?
- Nein – sie verschiebt ihre Arbeit. Weniger Tippen, mehr Entwurf, Prüfung und Verantwortung. Das Urteil, ob ein Ergebnis richtig ist, bleibt beim Menschen, und genau daran hängt die Qualität. Ein Team ohne dieses Urteil wird mit Agenten nur schneller schlecht.
- Bleiben unsere Daten in der EU?
- Wenn das eine Anforderung ist, wird die Lösung so gebaut. Je nach Fall heißt das europäische Verarbeitung, ein selbst betriebenes Modell oder eine Verarbeitung, bei der die kritischen Daten das Haus gar nicht erst verlassen.
- Wir haben Copiloten ausgerollt, und kaum jemand nutzt sie.
- Das ist der Normalfall. Ein Werkzeug ohne Anbindung an die eigenen Daten und ohne Bezug zu einer konkreten Aufgabe wird zweimal ausprobiert und dann vergessen. Der Weg zurück führt über einen einzelnen Arbeitsablauf, in dem der Nutzen unmittelbar spürbar ist.
- Was, wenn sich herausstellt, dass KI hier nichts bringt?
- Dann sage ich das. Ein Teil der Fälle, die mir vorgelegt werden, sind Prozessprobleme oder Schnittstellenthemen, die ohne KI besser und billiger zu lösen sind. Diese Einschätzung ist Teil der Arbeit – nicht das Scheitern eines Auftrags.
Einstieg
Wie ein Einstieg aussieht: ein Tag, drei Anwendungsfälle, eine ehrliche Einschätzung.
Wir sehen uns eure Prozesse, Systeme und Datenlage an. Am Ende steht keine Präsentation, sondern eine priorisierte Liste: welche drei Anwendungsfälle sich lohnen, was sie ungefähr kosten, was sie bringen – und was ihr besser bleiben lasst.
KI-Vorhaben im Kopf?
Ob erster Anwendungsfall, festgefahrenes Projekt oder die Frage, wie eure Entwicklung auf agentisches Arbeiten umstellt: Schreibt kurz, worum es geht – wir schauen gemeinsam, was sich lohnt und was nicht.
Am schnellsten geht es, wenn ihr dazuschreibt, welcher Ablauf euch heute am meisten Zeit kostet. Den Rest klären wir im Gespräch.