KI Consulting: Was Unternehmen erwarten dürfen

Sie haben ChatGPT-Lizenzen, interne Prompts und mehrere Pilotprojekte. Trotzdem werden Rechnungen noch immer manuell geprüft, Lieferantenreklamationen per E-Mail verteilt und ERP-Daten aus mehreren Modulen in Excel zusammenkopiert. Die Geschäftsführung sieht Aktivität, aber keinen verlässlich automatisierten Prozess.

Das ist kein Tool-Problem. Es ist ein Umsetzungsproblem aus Prozessdesign, Datenzugriff, technischer Integration, Verantwortung und Adoption. Genau hier entscheidet sich, ob KI-Consulting einen produktiven Vorteil schafft oder nur weitere Workshops produziert.

Österreich ist längst über die reine Experimentierphase hinaus. Statistik Austria meldete für 2025, dass 30 % der österreichischen Unternehmen KI-Technologien einsetzen, gegenüber 20 % im EU-Durchschnitt. Gleichzeitig hatten 77 % der Unternehmen ohne KI-Nutzung entsprechende Technologien noch gar nicht erwogen, wie Statistik Austria in den offiziellen IKT-Ergebnissen für 2025 ausweist. Der Markt wächst also schnell, aber viele Betriebe stehen noch vor der eigentlichen Arbeit: aus Interesse muss ein kontrollierter, messbarer Produktionsprozess werden.

Inhaltsverzeichnis

• Wenn Chat allein nicht mehr reicht
  • Die Pilotfalle ist ein Führungsproblem
• Was KI Consulting eigentlich bedeutet
  • Vier Schichten für ein belastbares System
• Die vier Liefergegenstände eines guten Engagements
  • Ein priorisiertes Use-Case-Portfolio
  • Eine Referenzarchitektur
  • Ein abgegrenzter, laufender Pilot
  • Ein Betriebs- und Enablement-Plan
• Strategieberatung versus Embedded Engineering
  • Der Unterschied liegt im Output
• Woran Sie den richtigen Berater erkennen
  • Die Checkliste für das Erstgespräch
  • Ausweichende Antworten sind ein Signal
• ROI in der Praxis aus Mittelstand und Konzern
  • Finance braucht andere Kontrollpunkte
• Brauchen Sie überhaupt ein internes KI-Team
  • Das praktikablere Modell
• Ihr nächster Schritt in 30 Tagen
  • Ein realistischer Monatsplan

Wenn Chat allein nicht mehr reicht

Ein Maschinenbauzulieferer aus Oberösterreich mit 240 Mitarbeitenden hat seit dem Frühjahr 2024 ChatGPT Enterprise im Einsatz. Drei Pilotprojekte wurden gestartet, Workshops organisiert und Daten für externe Analysen aufbereitet. Nach zwölf Monaten kann die Vertriebsleitung zwar bessere Texte erzeugen, aber Auftragsbestätigungen, Mahnwesen und Lieferantenreklamationen laufen noch immer manuell.

Die Ursache liegt nicht in fehlender Begeisterung. Die relevanten Informationen verteilen sich auf vier ERP-Module, Zuständigkeiten wechseln zwischen Finance, Einkauf und Kundenservice, und niemand will ein Modell an einen Prozess anschließen, für den weder Eskalationsregeln noch Qualitätsgrenzen definiert sind. Das Unternehmen hat also KI ausprobiert, aber noch keinen verantworteten Workflow gebaut.

Die Pilotfalle ist ein Führungsproblem

Die österreichischen Adoptionsdaten zeigen, wie schnell KI in Unternehmen angekommen ist. 2024 nutzten bereits 20 % der Unternehmen mit mindestens zehn Beschäftigten KI-basierte Technologien, nach 11 % im Jahr 2023, wie Statistik Austria für 2024 berichtet. Die Größenunterschiede sind deutlich. Bei kleinen Unternehmen lag die Nutzung bei 18 %, bei mittleren bei 29 % und bei großen Unternehmen bei 50 %.

Das bedeutet nicht, dass die Hälfte der großen Unternehmen bereits produktive Agenten in Kernprozessen betreibt. Es bedeutet zunächst nur, dass KI-Technologien eingesetzt werden. Zwischen einer Chat-Anwendung und einer geprüften Automatisierung im ERP liegen Datenmodellierung, Rechtekonzept, Monitoring, menschliche Freigaben und ein Team, das Fehler tatsächlich bearbeitet.

Die entscheidende Frage vor dem nächsten Budget: Welcher konkrete Geschäftsprozess wird nach dem Projekt messbar anders laufen, wer übernimmt ihn danach, und woran erkennen wir, dass die Automatisierung funktioniert?

Wer diese Frage nicht beantworten kann, sollte keine weitere generische KI-Schulung einkaufen. Ein praxisnaher Blick auf konkrete Abläufe, etwa im Handwerk und auf der Baustelle, findet sich im KI auf der Baustelle Guide. Für industrielle und administrative Prozesse gilt dieselbe Grundregel: Nicht der Chat zählt, sondern die sauber integrierte Entscheidung im Arbeitsablauf.

Was KI Consulting eigentlich bedeutet

KI Consulting ist die Übersetzungsarbeit zwischen einem Geschäftsproblem und einem technisch betreibbaren System. Der Berater muss verstehen, wo im Unternehmen Zeit verloren geht, welche Daten verfügbar sind, welche Entscheidung automatisiert werden darf und wie Menschen eingreifen, wenn das Modell unsicher ist.

Ein Elektriker würde in einem Altbau nicht einfach eine neue Lampe an die erstbeste Leitung anschließen. Zuerst prüft er den Sicherungskasten, die Leitungsführung, die Belastbarkeit und die Absicherung. Erst danach wird entschieden, welche Lampe an welcher Stelle sicher betrieben werden kann.

Bei KI ist es genauso. Eine Strategie ohne Daten- und Integrationsarchitektur bleibt eine Präsentation. Ein Modell ohne Betriebskonzept bleibt ein Risiko. Und ein Pilot ohne klaren Prozessverantwortlichen verschwindet nach der Demo.

Vier Schichten für ein belastbares System

Ein gutes Engagement verbindet vier Ebenen:

1. Diagnose: Welche Prozesse, Systeme, Datenquellen und Verantwortlichkeiten existieren tatsächlich? Dazu gehören ERP, CRM, DMS, E-Mail, Buchhaltung und Legacy-Schnittstellen, nicht nur die Systeme, die im Organigramm stehen.

2. Use-Case-Auswahl: Welche Initiativen liefern einen relevanten Effekt, lassen sich technisch abgrenzen und bewegen sich innerhalb akzeptabler Risiko- und Compliance-Grenzen?

3. Architektur: Wo läuft das Modell, wie erhält es Zugriff auf Daten, welche Aktionen darf es ausführen, und wie werden Kosten, Latenz, Protokollierung und Versionen kontrolliert?

4. Betrieb und Governance: Wer prüft Ergebnisse, behandelt Ausnahmen, genehmigt Änderungen und stellt sicher, dass menschliche Aufsicht nicht nur auf dem Papier existiert?

Diese Verbindung ist auch für kleinere Betriebe relevant. Wer Angebote, Nachträge oder Dokumente standardisieren will, kann sich ergänzend mit einer praktischen Anleitung zur Vereinfachung der Angebotserstellung mit Craftivo beschäftigen. Der technische Anspruch bleibt derselbe: Der Prozess muss klar beschrieben, die Eingabe strukturiert und das Ergebnis überprüfbar sein.

KI Consulting endet deshalb nicht bei der Auswahl zwischen Claude, ChatGPT oder Gemini. Die Modellwahl ist ein Baustein. Der eigentliche Wert entsteht, wenn das System zuverlässig auf die richtigen Geschäftsdaten zugreift, Entscheidungen nachvollziehbar macht und in den Arbeitsalltag passt.

Die vier Liefergegenstände eines guten Engagements

Ein professionelles KI-Engagement lässt sich an den Ergebnissen prüfen, nicht an der Zahl der Workshop-Termine. Am Ende müssen konkrete Artefakte vorliegen, die ein internes Team weiterverwenden und betreiben kann.

Ein priorisiertes Use-Case-Portfolio

Das erste Ergebnis ist kein unsortierter Ideenkatalog. Es ist ein bewertetes Portfolio von Initiativen mit Business Case, Machbarkeit, Datenbedarf, Integrationsaufwand und Risikoeinschätzung. Die Reihenfolge sollte sich aus Impact, Umsetzbarkeit und Kontrollierbarkeit ergeben.

Ein Unternehmen kann etwa Rechnungsklassifikation, Lieferantenanfragen, Mahnwesen und interne Wissenssuche sammeln. Entscheidend ist, welcher Prozess ein klares Eingangssignal, eine wiederkehrende Entscheidung und einen messbaren Output besitzt. Ein Chatbot für alle Mitarbeitenden klingt breit, ist aber oft schwerer zu messen und zu betreiben als eine eng gefasste Klassifikation im Rechnungseingang.

Eine Referenzarchitektur

Die Architektur beantwortet Fragen, die in vielen Strategiedecks fehlen:

• Datenzugriff: Welche ERP-, CRM- und Dokumentenquellen werden verwendet?
• Berechtigung: Welche Rolle darf lesen, welche darf Aktionen auslösen?
• Modellbetrieb: Welches Modell wird für welche Aufgabe eingesetzt?
• Kontrolle: Wo wird protokolliert, geprüft und bei Bedarf zurückgerollt?
• Kosten: Wie werden Modellaufrufe und Infrastrukturverbrauch beobachtet?

Gerade bei ERP-nahen Prozessen ist eine kontrollierte Integrationsschicht wichtiger als ein isoliertes Chatfenster. Eine nützliche technische Orientierung zur Frage, wann ein KI-System produktionsreif ist, bietet die Übersicht zur Production Readiness für KI-Anwendungen.

Ein abgegrenzter, laufender Pilot

Der Pilot muss in einem echten Prozess arbeiten. Beispiele sind die Klassifikation eingehender Rechnungen, die Vorbereitung von Mahnläufen oder die Vorsortierung von Lieferantenanfragen. Gemessen werden nicht nur Modellantworten, sondern Genauigkeit, Reaktionszeit, Eskalationsquote, manuelle Nacharbeit und Fehlertypen.

Der Prozessumfang muss klein genug sein, damit Fehler sichtbar bleiben. Eine Fachabteilung braucht außerdem eine definierte Möglichkeit, Ergebnisse zu korrigieren und diese Korrekturen für die Weiterentwicklung zu nutzen.

Ein Betriebs- und Enablement-Plan

Der letzte Liefergegenstand schützt vor der nächsten Pilotfalle. Er beschreibt Monitoring, Versionskontrolle, Rollback, Rollen, Schulung und Übergabe. Ohne diesen Plan hängt die Lösung dauerhaft am externen Anbieter oder wird nach dem ersten Modellwechsel unzuverlässig.

Die vier Ergebnisse gehören zusammen. Ein Portfolio ohne Architektur bleibt Wunschliste. Ein Pilot ohne Betrieb bleibt Demo. Und ein System ohne Enablement erzeugt neue Abhängigkeit statt interner Fähigkeit.

Strategieberatung versus Embedded Engineering

Klassische Strategieberatung und Embedded Engineering lösen unterschiedliche Probleme. Wer nur eine Managemententscheidung vorbereiten will, kann mit einer Analyse und einer Roadmap auskommen. Wer einen Finance-, ERP- oder Serviceprozess verändern muss, braucht zusätzlich Menschen, die Systeme integrieren und produktiven Code verantworten.

Die klassische Variante liefert häufig umfangreiche Decks mit Zielbild, Reifegradmodell und Initiativenliste. Das kann nützlich sein, wenn die Organisation noch keine Richtung hat. Es wird teuer, wenn die eigentliche Schwierigkeit bereits bekannt ist, aber niemand die Verbindung zu SAP, Microsoft Dynamics, Navision, BMD, DATEV oder einem anderen Kernsystem baut.

Embedded Engineering setzt Senior-Engineers direkt in IT- und Fachteam ein. Diese arbeiten am realen Prozess, klären Datenfragen, bauen Schnittstellen, testen Ausnahmen und dokumentieren die Lösung gemeinsam mit den internen Verantwortlichen.

Der Unterschied liegt im Output

Statistik Austria zeigt für 2025 eine klare Größenstruktur. 26,2 % der kleinen Unternehmen, 44,6 % der mittleren Unternehmen und 68,3 % der großen Unternehmen setzten KI ein, wie die offiziellen österreichischen Daten für 2025 ausweisen. Mit der Adoption wächst der Bedarf an Umsetzung, aber nicht automatisch die Zahl der internen Spezialisten.

Eine WU-Studie kommt zu einem besonders wichtigen Befund: 97 % der österreichischen Unternehmen beschäftigen keine KI-Spezialisten, wie die WU-Auswertung zur KI-Stärke österreichischer Unternehmen berichtet. Das spricht gegen Projekte, die Wissen beim Anbieter einschliessen, und für ein Modell, das interne Teams während der Umsetzung befähigt.

Embedded Engineering ist nicht automatisch günstiger. Es ist aber für Unternehmen mit begrenzten Ressourcen oft das passendere Liefermodell, weil die Beratung dort stattfindet, wo die Umsetzung scheitern würde. Ein weiterführender Blick auf dieses Modell findet sich unter Forward-Deployed Engineering.

Woran Sie den richtigen Berater erkennen

Sie brauchen kein Beratervokabular, um Anbieter zu prüfen. Ein fokussiertes Erstgespräch reicht, wenn Sie die richtigen Fragen stellen und auf konkrete Antworten bestehen.

Die Checkliste für das Erstgespräch

1. Lauffähiges Pilotartefakt: Kann der Anbieter spätestens nach 14 Tagen etwas zeigen, das mit Ihrem Prozess arbeitet, oder spricht er nur über eine Roadmap?

2. Konkreter Fachprozess: Fragt er nach Ihrem ERP-, Finance- oder Serviceablauf, oder präsentiert er eine allgemeine Use-Case-Bibliothek?

3. Benannter Senior-Engineer: Steht eine verantwortliche Person namentlich im Angebot, oder bleibt es beim anonymen Team-Plural?

4. Schriftlicher Wissenstransfer: Ist festgehalten, welche Dokumentation, Schulung und technische Übergabe Sie erhalten?

5. Daten und Compliance: Spricht der Anbieter früh über Berechtigungen, Datenflüsse, Protokollierung und menschliche Aufsicht?

6. Klares Preismodell: Bezahlen Sie einen definierten Deliverable, oder bleibt der Aufwand vollständig bei Time-and-Material?

7. Branchenreferenzen: Kann der Anbieter vergleichbare Prozesse und messbare Ergebnisse zeigen, ohne nur Logos aufzuzählen?

8. Enablement: Werden Fachabteilung und IT in die Lage versetzt, den Prozess nach dem Projekt weiterzuentwickeln?

9. Verzichtskompetenz: Erkennt der Berater, dass Sie keinen allgemeinen Chatbot, keine zusätzliche Plattform oder keinen unnötigen Modellwechsel brauchen?

Ausweichende Antworten sind ein Signal

Ein guter Anbieter zeigt nicht nur Chancen, sondern auch Grenzen. Er sagt, welche Daten fehlen, welcher Prozess zuerst bereinigt werden muss und welche Entscheidung weiterhin beim Menschen bleibt.

Wenn ein Anbieter bei sechs der neun Punkte ausweicht, verkauft er wahrscheinlich Aktivität statt Ergebnis. Besonders kritisch sind Antworten wie „Das klären wir in der Discovery-Phase“, wenn es um Verantwortliche, Lieferumfang oder technische Abnahme geht.

Fragen Sie nicht, wie innovativ die Lösung klingt. Fragen Sie, was am Ende der ersten Lieferung in Ihrem System läuft.

ROI in der Praxis aus Mittelstand und Konzern

ROI entsteht nicht durch das Modell allein. Er entsteht, wenn ein Unternehmen einen Prozess mit hohem manuellem Aufwand auswählt, Daten und Ausnahmen sauber behandelt und die Automatisierung in den tatsächlichen Arbeitsablauf integriert.

Ein verdichtetes Szenario aus dem oberösterreichischen Maschinenbau zeigt das klar. Ein Unternehmen mit 380 Mitarbeitenden liess die Angebotserstellung aus CAD- und Stammdaten automatisieren. Drei Mitarbeitende investierten jeweils 14 Stunden pro Woche in individuelle Angebote. Nach 16 Wochen Embedded-Engineering lag die Bearbeitungszeit im Szenario bei drei Stunden, die Trefferquote bei 71 %.

Die Investition betrug 145.000 Euro, der jährliche Effekt lag bei rund 320.000 Euro Personalkostenreduktion. Der rechnerische ROI lag damit im ersten Jahr bei deutlich über 100 %. Die Zahl ist nur deshalb relevant, weil der Prozess vorher klar abgegrenzt und die menschliche Prüfung nicht einfach abgeschafft wurde.

Finance braucht andere Kontrollpunkte

Das zweite Szenario betrifft ein Wiener Finance-Shared-Service-Centre mit 220 Bearbeitern. Rechnungseingang und Mahnprozesse wurden automatisiert. Das FTE-Äquivalent sank von 38 auf 12 Stellen, während die übrigen Bearbeiter höherwertige Controlling-Aufgaben übernahmen.

Die Investition lag bei 1,1 Millionen Euro, der jährliche Effekt bei 2,9 Millionen Euro. Die Amortisation ergibt sich aus dem Verhältnis von Investition und jährlichem Effekt, nicht aus einer Marketingbehauptung über das Modell.

Diese Beispiele sind verdichtete Projektszenarien mit ähnlichen Ausgangsbasen, keine Garantie für jedes Unternehmen. Für die eigene Kalkulation sollten Sie zunächst Arbeitszeit, Fallvolumen, Fehlerkosten, Eskalationen und frei werdende Kapazität erfassen. Eine methodische Hilfe bietet der Beitrag zum Zeitersparnis berechnen.

Brauchen Sie überhaupt ein internes KI-Team

Viele CFOs denken nach den ersten erfolgreichen Use Cases sofort an eine eigene KI-Abteilung. Das klingt unabhängig, ist aber für viele mittelständische Unternehmen die falsche erste Reaktion.

Die WU-Datenlage zeigt, dass 97 % der österreichischen Unternehmen keine KI-Spezialisten beschäftigen. Gleichzeitig nutzten 2025 laut Statistik Austria 30 % der Unternehmen KI-Technologien, wie bereits in den offiziellen IKT-Daten dokumentiert ist. Adoption und interne Fähigkeit wachsen also nicht automatisch im gleichen Tempo.

Das praktikablere Modell

Ein Unternehmen braucht nicht zwingend ein grosses internes Forschungsteam. Es braucht interne Personen, die Prozesse verstehen, Anforderungen priorisieren, Ergebnisse prüfen und den Betrieb verantworten können. Die technische Tiefe kann zunächst durch ein eingebettetes Senior-Engineering-Modell ergänzt werden.

Dabei arbeitet ein Senior-Engineer direkt mit zwei bis drei internen Mitarbeitern an einem produktiven Prozess. Das Team baut Connectoren, definiert Freigaben, dokumentiert wiederverwendbare Muster und übergibt nicht nur eine Präsentation, sondern eine betreibbare Lösung.

Die richtige Frage lautet nicht: „Wie schnell schaffen wir ein internes KI-Team?“
Sondern: „Welche Fähigkeiten müssen im Haus bleiben, und welche technische Umsetzung können wir kontrolliert einbetten?“

Für kleine und mittlere Unternehmen ist diese Aufteilung oft vernünftiger als eine vorschnelle Vollzeitstruktur. Sie hält Prozesswissen im Unternehmen, begrenzt den Aufbauaufwand und verhindert, dass ein internes Team eine isolierte Plattform entwickelt, die nach dem nächsten Modellwechsel nicht mehr gepflegt werden kann.

Ihr nächster Schritt in 30 Tagen

Starten Sie nicht mit einem grossen Strategie-Workshop. Starten Sie mit einer Prozessliste.

Sammeln Sie alle Abläufe, in denen digitale Daten vorhanden sind, aber Menschen regelmässig sortieren, übertragen, klassifizieren oder Entscheidungen vorbereiten. Typische Kandidaten sind Rechnungseingang, Mahnwesen, Disposition, Angebotslegung, Lieferantenanfragen und Anfrage-Triage.

Ein realistischer Monatsplan

• Tage 1 bis 5: Erfassen Sie Prozesse mit wiederkehrenden Eingaben, klaren Ergebnissen und sichtbarer manueller Arbeit. Schreiben Sie auch Ausnahmen und Freigaben auf.

• Tage 6 bis 10: Wählen Sie genau einen Prozess aus. Er sollte regelmässig laufen, ausreichend Daten liefern und einen Output besitzen, den Finance oder Operations tatsächlich messen kann.

• Tage 11 bis 15: Definieren Sie die Abnahme. Legen Sie fest, welche Trefferquote, Bearbeitungszeit, Eskalation und menschliche Prüfung akzeptabel sind.

• Tage 16 bis 22: Laden Sie zwei oder drei Anbieter zu einer halbstündigen Demonstration auf Basis genau dieses Prozesses ein. Generische Folien sind keine ausreichende Antwort.

• Tage 23 bis 30: Verlangen Sie ein Angebot mit Deliverable, Preis, Zeitleiste, Verantwortlichen, Datenbedarf und Übergabe. Fragen Sie, welche Teile nach dem Projekt Ihr eigenes Team betreiben kann.

Achten Sie darauf, ob der Anbieter Ihre Daten und Prozessregeln sehen will oder lieber weiter über Potenziale spricht. Die österreichische Roadmap zur Digitalen Dekade weist auf einen Engpass hin, der über den Modellzugang hinausgeht: Unternehmen müssen KI in bestehende Betriebs- und Systemlandschaften übersetzen, wie die österreichische Digitalisierungsanalyse beschreibt.

Wenn nach 30 Tagen ein klar abgegrenztes Pilotangebot auf dem Tisch liegt, haben Sie den wichtigen Teil bereits erledigt. Sie wissen dann, welcher Prozess verändert werden soll, wie Erfolg gemessen wird und wer nach dem Go-live Verantwortung übernimmt.

Specialty Tokens unterstützt Unternehmen mit eingebetteten Senior-Engineers, ERP- und CRM-Connectoren, internen Agenten sowie Training und Übergabe bis zum produktiven Betrieb. Besuchen Sie Specialty Tokens, wenn Sie aus einem konkreten Finance-, Operations- oder ERP-Prozess ein kontrolliert lieferbares KI-Projekt machen wollen.