Wie ein KI-Audit konkret abläuft — der 4-Wochen-Prozess.

„Was passiert eigentlich, wenn wir Sie buchen?" Die ehrliche Antwort: vier Wochen, vier klare Phasen, drei produktive Anwendungen am Ende. Hier der Schritt-für-Schritt-Ablauf, ohne Beratungs-Buzzwords.

Wenn ein Mittelständler mit „wir wollen mit KI starten" zu uns kommt, ist die größte Gefahr nicht das Tool, nicht die Technik, nicht die Daten — es ist das Format. Die meisten KI-Initiativen im Mittelstand scheitern, weil sie zu groß angelegt werden. „Wir entwickeln eine KI-Strategie" heißt: drei Monate Workshops, am Ende ein PowerPoint, das niemand umsetzt. Wir machen es anders. Vier Wochen, kompakt, mit drei produktiven Anwendungen am Ende.

Woche 1: Bestandsaufnahme.

Die erste Woche dient nicht der Konzeption — sie dient dem Verstehen. Wir setzen uns mit den drei bis fünf Schlüssel­personen im Unternehmen zusammen, einzeln, jeweils 60 Minuten. Geschäftsführung, Vertriebsleitung, Controlling, eventuell IT. Drei Fragen pro Gespräch:

• Was sind die zeitfressendsten Aufgaben in deiner Woche?
• Wo entstehen die meisten Wiederholungen?
• Was würdest du gerne weglassen, wenn du dürftest?

Diese Gespräche sind kein Workshop, kein Brainstorming. Sie sind kontextspezifisch und ehrlich. Was dabei rauskommt: eine Liste von 15–25 potenziellen KI-Anwendungen, geordnet nach Zeitersparnis und Implementierungs­aufwand.

Parallel sichten wir Datenfundament: Welche Systeme sind im Einsatz? CRM, ERP, E-Mail, Spreadsheet-Wildwuchs? Wo sind die Daten strukturiert, wo nicht? Diese Bewertung entscheidet, welche der 25 Use-Cases überhaupt umsetzbar sind — und welche eine Daten­hygiene-Vorstufe brauchen.

Woche 2: Use-Case-Mapping und Priorisierung.

In der zweiten Woche reduzieren wir die 25 Ideen auf 3 produktiv umsetzbare Use-Cases. Die Auswahl erfolgt nach drei Kriterien: messbarer ROI in 90 Tagen, technische Machbarkeit ohne Daten-Großprojekt, interner Champion verfügbar.

Konkret präsentieren wir der Geschäftsführung am Ende von Woche 2 ein 5-Seiten-Memo: pro Use-Case eine Seite mit Beschreibung, geschätzter Zeitersparnis, technischem Aufbau und Verantwortlichem. Plus eine Übersichts­seite zum Datenfundament und eine Empfehlung zur Reihenfolge.

Hier wird auch das, was NICHT geht, klar benannt. Wenn die Datenqualität für eine bestimmte Anwendung nicht reicht, sagen wir das. Wenn ein Wunsch des Geschäftsführers technisch ginge, aber operativ keinen Mehrwert hat, sagen wir das auch. Beratung ohne ehrliche Einschätzung ist Verschwendung.

Woche 3: Pilot-Implementation.

Der Kern der Arbeit. Wir bauen einen der drei Use-Cases in den produktiven Einsatz — nicht als Prototyp, sondern als nutzbare Anwendung. Der Champion auf Mandantenseite ist dabei aktiv eingebunden, denn er muss das Tool später bedienen.

Konkret heißt das: API-Anbindung an die bestehenden Systeme (CRM, Mail-Server, ERP), Workflow-Aufbau in n8n oder Make.com, Prompt-Engineering für die spezifische Aufgabe, erste Tests mit echten Daten. In der Regel ist das nach 4–5 Werktagen funktionsfähig. Wir testen, wir verfeinern, wir testen wieder.

Wichtig: Schon in dieser Woche fängt der Champion an, das Tool zu benutzen. Wir erleben oft, dass die ersten zwei Tage frustrierend sind — neue Bedienlogik, ungewohnte Outputs. Ab Tag 3 wird es selbstverständlich. Diese Übergangs­phase ist Teil der Arbeit.

Woche 4: Schulung und Übergabe.

In der letzten Woche wird gelernt. Eine Vor-Ort-Schulung mit allen Mitarbeitenden, die das Tool später nutzen werden — typisch 2–4 Personen, je 90 Minuten. Plus eine Zugangs- und Daten­schutz-Doku­mentation, die für den DSGVO-Nachweis ausreicht.

Dann das, was selten in klassischen Beratungs­mandaten passiert: wir bleiben zwei Wochen nachgelagert verfügbar. Fragen kommen oft erst, wenn Mitarbeitende das Tool im echten Einsatz haben. „Was passiert, wenn der Lieferant einen ungewöhnlichen Sonderfall schickt?" — solche Fragen tauchen erst nach drei Wochen auf, nicht in Schulung Woche 1.

Am Ende von Woche 4 liegt vor:

• Eine produktive KI-Anwendung, die täglich genutzt wird
• Ein klarer Plan für Use-Case 2 und 3 (mit Aufwands- und Zeit­schätzung)
• Eine dokumentierte Daten­schutz-Bewertung
• Schulungs­material für das Onboarding neuer Mitarbeitender
• Eine messbare Zeit­ersparnis im Bereich von 5–15 Stunden pro Woche

Was das Audit kostet.

Honorar nach Aufwand. Bei mittlerer Komplexität liegen wir typischerweise bei 12.000–18.000 € netto für die vier Wochen. Implementations­aufwand der Tools (n8n-Hosting, OpenAI-API-Credits, Lizenzen) ist separat — meist 50–200 € pro Monat danach. Vergleichbare Konzept-Mandate klassischer Beratungen liegen erfahrungs­gemäß im Bereich 40.000–70.000 € — oft mit Konzept, aber ohne produktiven Use-Case am Ende.

Was Sie vorbereiten müssen.

Sehr wenig. Drei Dinge:

• Verfügbarkeit der Schlüssel­personen für je eine Stunde in Woche 1 — nicht alle gleichzeitig, sondern verteilt über 3–4 Tage.
• Einen internen Champion benennen — die Person, die das Tool später hauptsächlich nutzt. Sie muss in Woche 3 und 4 verfügbar sein.
• Zugriff auf relevante Systeme in Lese-Modus für Woche 1 — wir analysieren, ändern nichts.

Wann das Audit nicht das Richtige ist.

In zwei Fällen empfehlen wir, nicht zu starten. Erstens: Wenn die Geschäfts­führung das Thema delegiert hat („IT soll das machen") und nicht selbst dahinter steht. KI braucht Zugang zur Top-Etage, sonst versandet die Umsetzung. Zweitens: Wenn das Datenfundament komplett fehlt — keine sauberen Kunden­stammdaten, keine strukturierten Prozesse. Dann steht ein Daten­hygiene-Projekt an, bevor KI Sinn macht. Wir sagen das im Erstgespräch und vermitteln gegebenenfalls weiter.

Bereit für den 4-Wochen-Prozess? Erstgespräch buchen — wir bewerten, ob das Audit für Sie passt.