Viele Unternehmen haben ChatGPT-Lizenzen, interne Prompt-Sammlungen und mehrere Pilotprojekte. Trotzdem werden Rechnungen noch 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 selten ein 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 über die reine Experimentierphase hinaus. 30 % der österreichischen Unternehmen mit mindestens zehn Beschäftigten setzten 2025 KI-Technologien ein, gegenüber 20 % im EU-Durchschnitt. Gleichzeitig hatten 77 % der Unternehmen ohne KI-Nutzung den Einsatz noch gar nicht erwogen, wie Statistik Austria in der Veröffentlichung vom Juni 2026 berichtet. Viele Betriebe stehen also noch vor der eigentlichen Arbeit: aus Interesse einen kontrollierten, messbaren Produktionsprozess zu machen.
Dieser Leitfaden beschreibt, was Sie von KI-Beratern erwarten dürfen, welche Anbietermodelle es gibt und wie Sie sie im Erstgespräch prüfen. Wenn Sie konkret einen Partner in Wien suchen, finden Sie unser Angebot unter KI-Beratung in Wien.
Wenn Chat allein nicht mehr reicht
Ein häufiges Muster sieht so aus: Ein Unternehmen führt ein Chat-Werkzeug ein, organisiert Workshops und startet zwei oder drei Piloten. Nach einem Jahr schreibt der Vertrieb bessere Texte, aber Auftragsbestätigungen, Mahnwesen und Reklamationen laufen weiterhin manuell.
Die Ursache liegt nicht in fehlender Begeisterung. Die relevanten Informationen verteilen sich auf mehrere 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 KI ausprobiert, aber noch keinen verantworteten Workflow gebaut.
Die Pilotfalle ist ein Führungsproblem
Die Adoption hängt stark von der Unternehmensgröße ab. 2025 nutzten 26,2 % der kleinen, 44,6 % der mittleren und 68,3 % der großen Unternehmen KI, wie die Publikation IKT-Einsatz in Unternehmen 2025 von Statistik Austria zeigt.
Das heißt nicht, dass zwei Drittel der Großunternehmen produktive Agenten in Kernprozessen betreiben. Es heißt zunächst nur, dass KI-Technologien im Einsatz sind. 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. 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. Ein guter KI-Berater versteht, 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 schließt in einem Altbau nicht einfach eine neue Lampe an die erstbeste Leitung an. Zuerst prüft er Sicherungskasten, Leitungsführung und Belastbarkeit. Erst danach entscheidet er, 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:
- 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.
- Use-Case-Auswahl: Welche Initiativen liefern einen relevanten Effekt, lassen sich technisch abgrenzen und bewegen sich innerhalb akzeptabler Risiko- und Compliance-Grenzen?
- 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?
- Betrieb und Governance: Wer prüft Ergebnisse, behandelt Ausnahmen, genehmigt Änderungen und stellt sicher, dass menschliche Aufsicht nicht nur auf dem Papier existiert?
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 Artefakte vorliegen, die ein internes Team weiterverwenden und betreiben kann.
Ein priorisiertes Use-Case-Portfolio
Das erste Ergebnis ist kein unsortierter Ideenkatalog, sondern ein bewertetes Portfolio mit Business Case, Machbarkeit, Datenbedarf, Integrationsaufwand und Risikoeinschätzung. Die Reihenfolge ergibt sich aus Wirkung, Umsetzbarkeit und Kontrollierbarkeit.
Ein Unternehmen sammelt etwa Rechnungsklassifikation, Lieferantenanfragen, Mahnwesen und interne Wissenssuche. 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. Woran Sie erkennen, dass ein KI-System produktionsreif ist, beschreibt unser Beitrag zur Production Readiness für KI-Anwendungen.
Ein abgegrenzter, laufender Pilot
Der Pilot muss in einem echten Prozess arbeiten, etwa bei der Klassifikation eingehender Rechnungen, der Vorbereitung von Mahnläufen oder der Vorsortierung von Lieferantenanfragen. Gemessen werden nicht nur Modellantworten, sondern Genauigkeit, Reaktionszeit, Eskalationsquote, manuelle Nacharbeit und Fehlertypen.
Der Umfang muss klein genug sein, damit Fehler sichtbar bleiben. Die 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.
| Liefergegenstand | Endprodukt | Löst | Typischer Zeitpunkt |
|---|---|---|---|
| Use-Case-Portfolio | Bewertetes und priorisiertes Backlog | Pilotfalle | Frühe Projektphase |
| Referenzarchitektur | Integrations- und Governance-Entwurf | Datensilos | Frühe bis mittlere Phase |
| Laufender Pilot | Produktiver Prozess mit Messgrößen | Modellrisiko | Mittlere Phase |
| Betriebs- und Enablement-Plan | Monitoring, Übergabe und Schulung | Fehlende Adoption | Späte Phase |
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.
Drei Abläufe, an denen Sie gute Arbeit erkennen
Den Unterschied zwischen Chat-Tool und echter Integration sehen Sie am besten an konkreten Abläufen. Entscheidend ist nicht, dass ein Modell etwas formuliert, sondern dass ein Agent einen Vorgang über mehrere Systeme hinweg ausführt, dokumentiert und bei Bedarf an Menschen übergibt.
Rechnungseingang und Freigabe
Eine Rechnung kommt per E-Mail. Der Agent liest Anhang und Text, extrahiert die relevanten Felder, sucht im ERP die passende Bestellung oder den Wareneingang und prüft, ob Betrag, Lieferant und Referenzen zusammenpassen. Statt bloß Daten auszugeben, bereitet er den nächsten realen Schritt vor: eine vorkontierte Buchungsvorlage, markierte Abweichungen und eine Freigabeanfrage an die zuständige Person. Mitarbeitende prüfen nur noch die Stellen, an denen Geschäftslogik oder Ausnahmen eine menschliche Entscheidung brauchen.
CRM-Pflege nach Kundengesprächen
Im Vertrieb geht Zeit selten im Gespräch verloren, sondern danach. Ein sauber eingebundener Agent liest Notizen oder Transkript, aktualisiert die relevanten CRM-Felder, bereitet eine Follow-up-Mail vor und legt eine Aufgabe mit Frist an. Wichtig ist die Trennung zwischen dem, was der Agent selbst schreiben darf, und dem, was eine Person bestätigt.
Systemübergreifende Anfragen
Anspruchsvoller sind Fälle über mehrere Systeme: Eine Kundenanfrage kommt ins Postfach, der Agent prüft die Kundennummer im CRM, liest offene Posten im Finanzsystem, schaut den Lieferstatus im ERP nach und erstellt eine Antwort oder leitet den Fall an die richtige Stelle weiter. In produktiven Umgebungen muss nachvollziehbar sein, was automatisch entschieden, was vorgeschlagen und was von Menschen freigegeben wurde.
Ein guter KI-Berater spricht über genau solche Abläufe, inklusive Ausnahmen, Rechten und Protokollierung. Wer nur über Use-Case-Bibliotheken spricht, liefert meist den schwierigen Teil nicht.
Anbietermodelle im Vergleich
Nicht jeder Anbieter liefert dieselbe Art von Wert. Die Unterschiede liegen vor allem in Ownership, Nähe zum System und Geschwindigkeit. Bewerten Sie deshalb zuerst das Liefermodell, nicht das Foliendesign.
| Modell | Fokus | Integration in ERP und CRM | Ownership und Lock-in | Typische Dauer |
|---|---|---|---|---|
| Klassische Strategieberatung | Roadmap, Zielbild, Management-Alignment | Meist indirekt, über Empfehlungen | Wenig technische Ownership, höheres Übergaberisiko | Eher längere Zyklen |
| Spezialisierte AI-Engineering-Teams | Umsetzung, Connectoren, Agenten, Betrieb | Hoch, wenn Senior Engineers direkt anbinden | Mehr Kunden-Ownership möglich | Wochen bis Monate |
| Eingebettetes Modell mit Senior Engineers | Gemeinsam bauen, direkt im Team liefern | Sehr hoch, weil im Alltag des Kunden gearbeitet wird | Connectoren und Muster liegen beim Kunden | Wochenorientiert, bis live |
| Tool-zentrierter Anbieter | Lizenz, Standardfunktionen, schnelle Demo | Niedrig bis mittel, oft auf Standardfälle begrenzt | Höheres Lock-in-Risiko durch Plattformbindung | Schnell, aber oft oberflächlich |
Klassische Strategieberatung ist nützlich, wenn die Organisation noch keine Richtung hat. Sie 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. Im eingebetteten Modell arbeiten Senior Engineers direkt mit IT und Fachbereich am realen Prozess, klären Datenfragen, bauen Schnittstellen, testen Ausnahmen und dokumentieren die Lösung gemeinsam mit den internen Verantwortlichen.
Für Österreich spricht ein Befund besonders für Modelle mit echtem Wissenstransfer: Laut dem WU-Report Austria's AI Workforce 2026 beschäftigen 97 % der österreichischen Unternehmen keine KI-Spezialisten. Projekte, die Wissen beim Anbieter einschließen, verschärfen dieses Problem. Modelle, die interne Teams während der Umsetzung befähigen, lösen es. Mehr zu diesem Liefermodell lesen Sie im Beitrag zu Forward-Deployed Engineering.
Eingebettetes Engineering ist nicht automatisch günstiger. Für Unternehmen mit begrenzten Ressourcen ist es aber oft das passendere Modell, weil die Beratung dort stattfindet, wo die Umsetzung sonst scheitern würde.
Woran Sie den richtigen KI-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.
Was Sie vor dem Erstgespräch vorbereiten
Legen Sie eine Systemliste, eine grobe Prozesslandkarte und ein erstes Berechtigungskonzept bereit. Klären Sie intern, wer fachlich die Verantwortung für den ersten Use Case trägt und ob es Szenarien mit höherem Governance-Bedarf gibt, etwa Scoring oder direkte Kundeninteraktion. Ohne diese Unterlagen wird das Gespräch schnell zu allgemeinem Storytelling.
Die Checkliste für das Erstgespräch
- Lauffähiges Pilotartefakt: Kann der Anbieter nach wenigen Wochen etwas zeigen, das mit Ihrem Prozess arbeitet, oder spricht er nur über eine Roadmap?
- Konkreter Fachprozess: Fragt er nach Ihrem ERP-, Finance- oder Serviceablauf, oder präsentiert er eine allgemeine Use-Case-Bibliothek?
- Benannter Senior Engineer: Steht eine verantwortliche Person namentlich im Angebot, oder bleibt es beim anonymen Team?
- Schriftlicher Wissenstransfer: Ist festgehalten, welche Dokumentation, Schulung und technische Übergabe Sie erhalten?
- Daten und Compliance: Spricht der Anbieter früh über Berechtigungen, Datenflüsse, Protokollierung und menschliche Aufsicht?
- Klares Preismodell: Bezahlen Sie einen definierten Liefergegenstand, oder bleibt der Aufwand vollständig bei Time-and-Material?
- Vergleichbare Referenzen: Kann der Anbieter ähnliche Prozesse und messbare Ergebnisse zeigen, ohne nur Logos aufzuzählen?
- Enablement: Werden Fachabteilung und IT in die Lage versetzt, den Prozess nach dem Projekt weiterzuentwickeln?
- Verzichtskompetenz: Erkennt der Berater, dass Sie keinen allgemeinen Chatbot, keine zusätzliche Plattform oder keinen unnötigen Modellwechsel brauchen?
Fragen Sie außerdem direkt, wem Connectoren, Muster und Dokumentation am Ende gehören, wie viele Modelle die Architektur unterstützt und wie der Ausstieg aussieht, falls Sie die Lösung später intern weiterführen wollen.
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 beim Menschen bleibt.
Wenn ein Anbieter bei mehreren 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.
EU AI Act und Governance gehören ins Engagement
Governance ist kein Thema für später. Seit dem 2. Februar 2025 gelten die Verbote bestimmter KI-Praktiken und die Pflicht zur KI-Kompetenz nach Art. 4 AI Act: Anbieter und Betreiber müssen sicherstellen, dass ihr Personal ausreichende KI-Kenntnisse hat. Die EU-Kommission empfiehlt, diese Maßnahmen an Rolle, Risiko und Einsatzkontext auszurichten, wie ihre Fragen und Antworten zur KI-Kompetenz erläutern.
In der Praxis entscheidet Governance darüber, ob ein Modell im Fachbereich laufen darf, wer es freigibt, wie Ausnahmen dokumentiert werden und wann Menschen stoppen müssen. Viele Unternehmen sind hier erst am Anfang: Laut Statistik Austria hatte 2025 nur rund jedes dritte KI-nutzende Unternehmen (34 %) eine KI-Richtlinie eingeführt, während 83 % ihren Beschäftigten KI-bezogene Schulungen ermöglichten, meist in Form von Selbststudium.
Ein belastbarer Beratungsansatz baut deshalb drei Dinge direkt in die Umsetzung ein: klare Zuständigkeiten zwischen IT, Fachbereich und Compliance, rollenbezogene Schulung und einen Audit-Trail, der Entscheidungen später nachvollziehbar macht. Wie wir Governance-Fähigkeit prüfen, beschreibt unser KI-Audit in Wien.
ROI realistisch rechnen
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.
Seien Sie skeptisch bei Beispielrechnungen ohne Ausgangsdaten. Belastbar wird die Rechnung erst mit Ihren eigenen Zahlen:
- Ausgangswerte: Arbeitszeit pro Fall, Fallvolumen, Fehlerkosten, Rückfragen und Eskalationen vor dem Projekt.
- Einmaliger Aufwand: Beratung und Engineering, Datenaufbereitung, Integration, Tests und Change Management.
- Laufende Kosten: Modellaufrufe, Infrastruktur, Monitoring, Wartung der Connectoren und menschliche Prüfung.
- Organisatorischer Nutzen: kürzere Durchlaufzeiten, weniger Medienbrüche, frei werdende Kapazität für Facharbeit.
Die versteckten Aufwände entstehen fast immer dort, wo Integration, Freigaben und Betrieb zu optimistisch kalkuliert werden. Ein Pilot ist schnell gebaut, der stabile Betrieb braucht deutlich länger. Wer nur die kurze Phase budgetiert, rechnet sich das Projekt schön. Eine methodische Hilfe bietet der Beitrag Zeitersparnis durch KI berechnen.
Der beste Business Case ist oft nicht der spektakulärste. Er ist der, den Finance, IT und Fachbereich nach sechs Monaten noch erklären können.
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.
Ein Unternehmen braucht nicht zwingend ein großes internes Forschungsteam. Es braucht interne Personen, die Prozesse verstehen, Anforderungen priorisieren, Ergebnisse prüfen und den Betrieb verantworten. Die technische Tiefe kann zunächst ein eingebettetes Senior-Engineering-Team ergänzen, das gemeinsam mit zwei oder drei internen Mitarbeitenden an einem produktiven Prozess arbeitet, Connectoren baut, Freigaben definiert und wiederverwendbare Muster dokumentiert.
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?“
Diese Aufteilung hält Prozesswissen im Unternehmen, begrenzt den Aufbauaufwand und verhindert, dass ein internes Team eine isolierte Plattform entwickelt, die nach dem nächsten Modellwechsel niemand mehr pflegt. Für den Kompetenzaufbau im eigenen Team bieten wir eine KI-Weiterbildung in Wien an.
Ihr nächster Schritt in 30 Tagen
Starten Sie nicht mit einem großen Strategie-Workshop. Starten Sie mit einer Prozessliste: 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.
- 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 kurzen Demonstration auf Basis genau dieses Prozesses ein. Generische Folien sind keine ausreichende Antwort.
- Tage 23 bis 30: Verlangen Sie ein Angebot mit Liefergegenstand, Preis, Zeitleiste, Verantwortlichen, Datenbedarf und Übergabe. Fragen Sie, welche Teile nach dem Projekt Ihr eigenes Team betreiben kann.
Wenn nach 30 Tagen ein klar abgegrenztes Pilotangebot auf dem Tisch liegt, haben Sie den wichtigsten Teil erledigt. Sie wissen dann, welcher Prozess sich ändern soll, wie Erfolg gemessen wird und wer nach dem Go-live Verantwortung übernimmt.
Sprechen Sie mit uns
Wenn Sie einen konkreten Finance-, Operations- oder ERP-Prozess im Kopf haben und wissen wollen, wie ein erstes Engagement mit eingebetteten Senior Engineers aussehen würde, sprechen Sie mit uns.