Der Markt ist voll mit KI-Theater
Es gibt gerade sehr viele KI-Consultants. Man erkennt sie oft daran, dass sie vor zwölf Monaten noch etwas anderes waren und jetzt Sätze sagen wie: „Unternehmen müssen KI strategisch in ihre Wertschöpfung integrieren.“ Das klingt nicht falsch. Es klingt nur so, als hätte ein Beamer eine Meinung bekommen.
Natürlich verändert KI Arbeit. Natürlich müssen Unternehmen reagieren. Natürlich entstehen neue Möglichkeiten. Aber zwischen „Wir brauchen KI“ und „Wir haben einen Prozess verbessert“ liegt ein Tal voller Workshops, Pilotprojekte, Prompt-Listen, Tool-Demos und Strategie-PDFs mit Stockfotos von Menschen, die auf Glaswände zeigen.
Dort sterben Budgets. Meistens leise.
KI-Consulting ist kein Tool-Showroom
Viele Beratungsangebote beginnen mit Tools: „Wir zeigen euch ChatGPT.“ „Wir bauen euch einen Bot.“ „Wir automatisieren eure Workflows mit n8n.“ „Wir machen euch KI-ready.“ Das kann alles sinnvoll sein. Aber es ist nicht der Startpunkt.
Der Startpunkt ist Arbeit: Welche Arbeit soll besser werden? Welche Aufgabe wiederholt sich? Wo geht Kontext verloren? Welche Entscheidung braucht Freigabe? Welche Daten sind zuverlässig? Welche Schnittstellen gibt es? Was passiert, wenn die KI unsicher ist?
Wenn diese Fragen nicht beantwortet sind, ist jedes Tool nur ein glänzender Umweg. Manchmal ein teurer.
Prompting ist kein Geschäftsmodell
Ein bisschen Prompting zu vermitteln ist okay. Menschen müssen lernen, Modelle sauber zu beauftragen — Kontext, Beispiele, Rollen, Formate und Grenzen. Aber wer KI-Consulting auf Prompt-Training reduziert, verkauft Schreibübungen als Transformation. Das hält nicht lange.
Ein Prompt kann einen Entwurf verbessern. Er baut kein Datenmodell. Er verwaltet keinen Zustand. Er prüft keine Freigabe. Er schreibt nichts ins CRM. Er protokolliert keine Entscheidung. Er verhindert nicht, dass drei Teams denselben Agenten bauen und alle glauben, sie seien besonders innovativ.
Prompting ist ein Bauteil. Kein Fundament. Wer daraus ein Haus macht, sollte sich nicht wundern, wenn es bei der ersten Integration regnet. Mehr in Prompting ist kein Prozess.
Das eigentliche Problem heißt Systemfähigkeit
Viele Unternehmen sind nicht gegen KI. Sie sind nur nicht systemfähig dafür. Das klingt hart, ist aber oft die ehrlichste Diagnose.
Daten liegen verstreut. Prozesse sind nur in Köpfen dokumentiert. Freigaben passieren per Chat. Kundengeschichte steckt in Mails. Verantwortlichkeiten sind ungefähr klar, bis etwas schiefgeht. Dann ist plötzlich niemand zuständig, aber alle waren „involviert“.
KI verstärkt solche Strukturen. Wenn ein Prozess sauber ist, kann KI ihn schneller machen. Wenn ein Prozess chaotisch ist, kann KI ihn schneller chaotisch machen. Das ist auch eine Art Fortschritt — nur eben die schlechte. Siehe Datenmodelle für Berater.
Was ein guter KI-Consultant können muss
Ein guter KI-Consultant muss nicht jedes Framework auswendig können. Er muss nicht bei jedem zweiten Satz „Agentic“ sagen. Er muss auch nicht so tun, als hätte er persönlich die Zukunft konfiguriert. Er muss fünf Dinge können.
Erstens: Prozesse lesen — nicht Organigramme, nicht Wunschbilder, sondern echte Abläufe. Wer macht was? Wo wird gewartet? Wo wird gesucht? Wo wird kopiert? Wo wird entschieden?
Zweitens: Datenflüsse verstehen — welche Daten braucht der Prozess? Wo liegen sie? Wer darf sie sehen? Sind sie aktuell? Sind sie strukturiert? Darf ein Modell sie nutzen?
Drittens: Risiko unterscheiden — nicht jede Aufgabe braucht Freigabe, aber manche unbedingt. Ein interner Entwurf ist etwas anderes als eine Kundenmail, ein Vertrag oder eine Budgetentscheidung. Wer das nicht trennt, baut entweder Bürokratie oder Gefahr. Manchmal beides.
Viertens: Oberflächen denken — KI muss dahin, wo Menschen arbeiten, nicht als weiteres Chatfenster daneben. Eine gute Arbeitsoberfläche zeigt Kontext, Vorschläge, Unsicherheit, Freigaben und nächste Schritte.
Fünftens: Teams befähigen — das Ziel ist nicht, Kunden abhängig von einem externen Zauberer zu machen, sondern dass Teams KI-Systeme verstehen, bedienen, prüfen und verbessern können.
Die n8n-Falle
n8n, Make und Zapier sind nützlich — ich sage das bewusst, bevor jemand mit einem Workflow-Screenshot in der Hand nervös wird. Für einfache, lineare Aufgaben sind diese Tools großartig: Formular rein, Ticket erstellen, Mail verschicken, Status setzen. Fertig.
Das Problem beginnt, wenn aus jeder Unternehmensfrage ein Workflow gebaut wird. Dann entstehen Node-Landschaften, die aussehen wie eine U-Bahn-Karte nach einem sehr schlechten Meeting: drei LLM-Schritte, fünf If-Abzweigungen, ein Google Sheet als Datenbank, ein Slack-Alert, den nach zwei Wochen niemand mehr liest, und irgendwo mittendrin ein Agent, der angeblich entscheidet, aber niemand weiß genau auf welcher Grundlage.
Das ist kein KI-System. Das ist digitaler Makramee. Kann halten. Muss aber nicht.
Governance ohne Sakko
Governance klingt nach Menschen, die in Meetings „Rahmenwerk“ sagen und dabei ernst nicken. Trotzdem braucht man sie — nicht als Selbstzweck, sondern weil KI sonst schnell Dinge tut, die niemand mehr nachvollziehen kann.
Gute Governance beantwortet einfache Fragen: Welche KI-Systeme laufen? Wer ist verantwortlich? Welche Daten dürfen genutzt werden? Welche Aktionen brauchen Freigabe? Welche Ausgaben werden geloggt? Wer prüft Fehler? Wann wird ein Agent abgeschaltet?
Das ist nicht sexy. Aber auch Brandschutz ist nicht sexy. Bis es brennt. Mehr in KI-Governance für KMU und KI im Mittelstand.
Agenten-Sprawl: Wenn alles ein bisschen autonom ist
Ein häufiger Fehler im KI-Consulting ist der Agenten-Rausch: ein Agent für Sales, einer für Content, einer für Support, einer für Reporting, einer für „Strategie“ — was meistens heißt: Er schreibt Zusammenfassungen mit viel Selbstbewusstsein.
Am Anfang wirkt das beeindruckend. Dann werden Agenten doppelt gebaut. Manche laufen weiter, obwohl sie niemand mehr braucht. Manche sammeln Berechtigungen. Manche lösen Aufgaben aus, die andere Agenten wieder korrigieren müssen. Und irgendwann hat man nicht weniger Arbeit, sondern mehr Aufsicht über kleine digitale Wesen mit unklarem Auftrag.
Das ist Agenten-Sprawl — oder weniger elegant: KI-Zoo ohne Wärter. Ein guter Consultant verkauft nicht einfach mehr Agenten. Er fragt, welche Agenten überhaupt gebraucht werden, wo sie registriert sind, welche Rechte sie haben, wie sie überwacht werden und wann man sie wieder abschaltet. Siehe Effizienz durch KI-Übergaben.
Der Mensch ist kein Störfaktor
Viele KI-Erzählungen tun so, als sei der Mensch das langsame Element, das man endlich aus dem Prozess entfernen muss. Manchmal stimmt das. Manchmal ist der Mensch tatsächlich der Grund, warum eine Freigabe seit acht Tagen in einem Postfach liegt und langsam Fossilien bildet.
Aber oft ist der Mensch nicht das Problem. Er ist die Kontrolle. Er erkennt, dass eine Empfehlung politisch dumm ist. Er weiß, dass ein Kunde bei bestimmten Formulierungen allergisch reagiert. Er sieht, dass eine Quelle zwar formal passt, aber fachlich dünn ist. Er trägt Verantwortung.
KI-Consulting ohne Bullshit baut Systeme, in denen Menschen dort prüfen, wo es zählt — nicht überall, nicht nie, sondern dort, wo Risiko, Wirkung und Verantwortung sitzen.
Der One-Person-Squad wird oft falsch verstanden
Es gibt beeindruckende Beispiele, in denen ein erfahrener Engineer mit KI-Agenten die Arbeit eines kleinen Teams schafft. Das ist spannend. Aber der Punkt ist nicht: „Super, wir brauchen weniger Menschen.“ Der Punkt ist: Ein erfahrener Mensch mit guter Spezifikation und guten Systemen kann deutlich mehr schaffen.
Die KI hat nicht plötzlich Urteilskraft entwickelt. Sie wurde geführt — durch klare Aufgaben, Tests, Grenzen, Reviews und jemanden, der wusste, was gut genug ist und was nur gut klingt.
Genau das gilt auch für Beratung, Agenturen und Dienstleister. KI multipliziert Kompetenz. Wenn keine Kompetenz da ist, multipliziert sie eben Show. Und Show skaliert leider hervorragend. Siehe Bauen statt Kaufen.
Was Kunden wirklich brauchen
Kunden brauchen nicht noch ein KI-Impulswebinar. Sie brauchen Klarheit: Welche Prozesse eignen sich? Welche nicht? Welche Daten fehlen? Welche Risiken gibt es? Welche Tools reichen aus? Wo muss etwas gebaut werden? Welche Fähigkeiten braucht das Team? Wie wird Erfolg gemessen?
Was wird abgeschaltet, wenn es nicht funktioniert? Diese letzte Frage fehlt oft. Alle wollen KI einführen. Kaum jemand plant, wie man schlechte KI wieder loswird. Dabei ist das im Unternehmen eine Kernkompetenz — sonst sammelt man Tools wie andere Leute Kabel in einer Schublade.
Mein Ansatz
Ich coache Dienstleister, Agenturen und Berater vom ChatGPT-Nutzer zum KI-fähigen Dienstleister. Das heißt nicht: Jeder muss Entwickler werden. Es heißt: Du musst verstehen, wie KI in Arbeit eingebaut wird.
Use Case auswählen. Datenfluss klären. Oberfläche denken. Freigaben setzen. Logs prüfen. Team befähigen. Und ja, wenn es schneller gehen muss, kann ich auch bauen oder beim Bauen sparren.
Aber der Kern bleibt: Du sollst nicht nur ein Tool bedienen. Du sollst wissen, was du tust. Das ist im KI-Markt inzwischen fast schon radikal. Einstieg oft über ein KI-Audit mit 90-Tage-Roadmap.
Fazit: Weniger Magie. Mehr Betrieb.
KI-Consulting ohne Bullshit ist nicht glamourös. Es ist erstaunlich oft Prozessarbeit, Datenarbeit, Schnittstellenarbeit, Entscheidungsarbeit, Teamarbeit.
Man schaut sich an, wie Arbeit wirklich läuft, und baut KI dort ein, wo sie hilft — nicht dort, wo sie auf einer Demo glänzt. Das Ziel ist nicht, Kunden mit KI-Vokabeln zu beeindrucken. Das Ziel ist, dass Arbeit besser wird: schneller, nachvollziehbarer, sauberer, weniger abhängig von Copy-Paste und Erinnerung.
Wenn ein KI-Projekt das nicht schafft, ist es vielleicht kein Projekt. Vielleicht ist es nur ein sehr modernes Ablenkungsmanöver. Und davon gibt es bereits genug.
