KI Beratung: Was sie leistet und wo sie aufhört

„Wir haben externe Berater bezahlt und nichts in der Hand." Diesen Satz höre ich oft. Meistens stimmt er nicht ganz.

Sie hatten etwas in der Hand. Ein Dokument. 80 Seiten, saubere Analyse, Reifegradmodell, Handlungsempfehlungen, Roadmap über 18 Monate. Was sie nicht hatten, war irgendetwas, das läuft.

Das ist kein Betrug und meistens auch keine schlechte Arbeit. Es ist genau das, was KI Beratung als Format liefert. Das Problem entsteht, wenn man etwas anderes erwartet hat.

Was KI Beratung tatsächlich gut kann

Es gibt Situationen, in denen Beratung das richtige Werkzeug ist, und man sollte fairerweise damit anfangen.

Orientierung im Markt. Welche Anbieter gibt es für ein bestimmtes Problem, was kosten die, wer ist seriös? Wer das zum ersten Mal macht, spart mit externer Marktkenntnis echtes Geld.

Architektur- und Sicherheitsfragen. Wo dürfen welche Daten liegen, wie sieht eine tragfähige Systemlandschaft aus, was bedeutet das für die bestehende IT? Das ist Spezialwissen, und es lohnt sich, dafür jemanden zu bezahlen.

Eine unbequeme Außensicht. Manchmal braucht es jemanden von außen, der der Geschäftsführung sagt, dass das Lieblingsprojekt technisch oder finanziell nicht tragfähig ist. Intern traut sich das oft niemand.

Politische Absicherung. Unschön, aber real: Wenn eine Entscheidung im Gesellschafterkreis abgesichert werden muss, hat ein externes Gutachten ein Gewicht, das eine interne Einschätzung nicht hat.

Für all das ist Beratung ein sinnvoller Einkauf. Nur löst nichts davon die Frage, ob KI bei Dir konkret funktioniert.

Wo KI Beratung strukturell aufhört

Beratung endet dort, wo die Verantwortung für ein laufendes Ergebnis anfängt. Das ist keine Charakterfrage, das ist im Geschäftsmodell so angelegt.

Ein Beratungsprojekt ist erfolgreich abgeschlossen, wenn die Analyse geliefert und die Empfehlung übergeben wurde. Ob die Empfehlung anschließend umgesetzt wird, hängt an Deiner Organisation, Deiner IT-Kapazität und Deinem Budget im nächsten Geschäftsjahr. Genau an der Stelle versanden die meisten KI-Vorhaben.

Dazu kommt ein zweiter Effekt, der seltener besprochen wird: Das Wissen geht mit. Wer die Analyse gemacht hat, hat dabei gelernt wie die Frima tickt, was sie einzigartig macht. Diese Person verlässt am Ende des Projekts das Haus.

Beim nächsten Use Case fängst Du deshalb wieder bei null an. Und rufst wieder jemanden an.

Die Reihenfolge ist meistens falsch herum

Der übliche Ablauf sieht so aus: erst Strategie, dann Roadmap, dann irgendwann ein Pilotprojekt.

Das klingt vernünftig und ist bei KI trotzdem oft verkehrt. Denn eine KI-Strategie zu schreiben, bevor irgendjemand im Unternehmen jemals einen KI-Prototypen gebaut hat, bedeutet: Du planst auf Basis von Annahmen darüber, was die Technologie in Deinem Kontext leisten kann. Diese Annahmen sind fast immer falsch. Mal zu optimistisch, mal zu pessimistisch, selten zufällig richtig.

Nach dem ersten selbstgebauten Prototypen sieht die Einschätzung eines Teams völlig anders aus. Plötzlich weiß man, dass der eine Use-Case trivial ist und der andere an der Datenlage scheitert. Eine Strategie, die auf dieser Erfahrung aufbaut, ist deutlich mehr wert als eine, die davor entstanden ist.

Deshalb ist der billigere Weg meistens: erst ein kleiner, echter Use Case, dann die Strategie. Wenn Du sehen willst, wie man so einen Use Case in einer halben Stunde für den eigenen Arbeitsalltag herausarbeitet, habe ich dafür ein kostenloses Video mit Vorlage.

Kostenloses 30-Minuten-Video ansehen

Woran Du einen guten Anbieter erkennst

Wenn Du KI Beratung einkaufst, helfen ein paar Fragen im Erstgespräch. Die Antworten sind aufschlussreicher als jede Referenzliste.

1. Was genau habe ich am letzten Tag in der Hand? Ein Dokument oder etwas Laufendes? Beides ist legitim, aber Du solltest es vorher wissen.
2. Wer baut das? Meine Leute oder Ihre? Wenn die Berater-Antwort darauf „Unsere," lautet, kaufst Du eine Abhängigkeit mit ein. Kurzfristig OK, langfristig muss das Wissen intern aufgebaut werden
3. Was passiert, wenn sich der Use Case im Projekt als undurchführbar herausstellt? Gute Anbieter haben darauf eine konkrete Antwort und beerdigen Ideen früh. Schlechte liefern trotzdem etwas ab.
4. Woran messen wir Erfolg? Wenn die Antwort „Reifegrad erhöht" oder „Awareness geschaffen" ist, ist das schwer zu widerlegen und deshalb wertlos.
5. Was können meine Leute danach, was sie vorher nicht konnten? Selten gestellt, oft mit Schweigen beantwortet.

Ein guter Anbieter wird bei einigen dieser Fragen sagen, dass sein Format dafür nicht das richtige ist. Das ist ein gutes Zeichen, kein schlechtes.

Beratung, Schulung, Werkstatt

Es hilft, drei Formate klar auseinanderzuhalten, weil sie unterschiedliche Probleme lösen.

Beratung beantwortet die Frage „Was sollten wir tun?". Ergebnis ist eine Empfehlung. Sinnvoll bei Markt-, Architektur- und Investitionsfragen.

Schulung beantwortet die Frage „Was ist das überhaupt?". Ergebnis ist ein gemeinsamer Wissensstand. Sinnvoll für C-Level und Strategen, die tägliche Arbeit sollte am Projekt geschult werden..

Ein Workshop beantwortet die Frage „Funktioniert das bei uns?". Ergebnis ist ein laufender Prototyp und ein Team, das den Weg dorthin kennt. Sinnvoll, wenn eine Entscheidung ansteht und niemand die Antwort wirklich weiß.

Die meisten Unternehmen im Mittelstand kaufen Format eins und zwei und wundern sich, dass sie das Ergebnis von Format drei nicht bekommen.

Der schnellste Weg zu einer belastbaren Antwort

Wenn Deine eigentliche Frage lautet „Bringt uns KI in diesem Prozess wirklich etwas?", dann ist die schnellste Antwort darauf kein Gutachten. Es ist ein Versuch.

Der AI Hackathon ist genau das: ein zweitägiger KI Innovationsworkshop, in dem Dein Team einen echten Prozess aus dem eigenen Unternehmen nimmt und in zwei Tagen einen laufenden Prototypen dazu baut. Kein Reifegradmodell, keine Roadmap über 18 Monate. Am Ende steht etwas, das man anfassen und vorführen kann, und ein Team, das die Methode wiederholen kann.

Danach kannst Du immer noch eine Strategie schreiben. Nur eben eine, die auf Erfahrung beruht statt auf Annahmen.

AI Hackathon ansehen

Zurück zur Übersicht