Wie werde ich KI-Berater? [Video und Quiz]

Kurz gesagt: Werden Sie KI-Berater, indem Sie einen bezahlten Durchlauf in einem realen Workflow abschließen, nicht indem Sie Titel sammeln. Machen Sie sich mit LLMs, Datenabfrage und Modellrisikound führen Sie anschließend Discovery, Pilotprojekte, Dokumentationen und Implementierungen durch. Wenn Sie keinen Zugriff auf Systeme, Daten oder die beteiligten Personen haben, lehnen Sie den Auftrag ab.

Wichtigste Erkenntnisse:

Einen Kreislauf abschließen: Bezahlte Recherche, ein kleines Pilotprojekt, einen Bericht und die Befähigung durchführen.

Nennen Sie das Angebot: Sagen Sie: „Ich helfe X dabei, Y ohne Z zu erledigen“ und lassen Sie sich dafür bezahlen.

Verantwortlichkeit: Benennen Sie einen Verantwortlichen, führen Sie ein Entscheidungsprotokoll und geben Sie an, wer die Schuld trägt.

Transparenz: Zuerst den Arbeitsablauf abbilden; eine Demo ist keine Diagnose.

Missbrauchsresistenz: Versprechen Sie niemals unmessbare Genauigkeit oder dass generative KI fehlerhafte Daten korrigieren wird.

Der Job, den niemand so recht beschreiben kann (und warum das Ihre Chance ist)

Das ist nicht einfach nur ein etwas besser ausgestatteter Softwareentwickler mit einem schickeren Laptop. Ich meine, manchmal sieht es eine Woche lang so aus. Dann folgt ein Erstgespräch mit einem erschöpften Finanzchef, eine Datenprüfung, die drei Tabellenkalkulationen und ein Gebet zutage fördert, und ein Gespräch mit dem Änderungsmanagement darüber, warum die Demo zur Datenabfrage beim Zugriff auf Produktionsberechtigungen abstürzt.

Die Version, die ihren Platz verdient, befindet sich zwischen drei überfüllten Räumen:

• Die Führungsebene fragt: „Was ist unsere KI-Strategie?“, ohne sich darüber einig zu sein, was das Unternehmen überhaupt will

• Konstrukteure, die vor dem Mittagessen einen Prototypen aufbauen können und dann in Diskussionen über Modellrisiken verschwinden

• Betreiber, die mit dem leben müssen, was Sie hinterlassen

Du bist das Bindeglied. Und genau das ist der Knappe. Wenn du einen Workshop leiten, eine prägnante Leistungsbeschreibung verfassen und verhindern kannst, dass ein Team einen LLM-Abschluss in einen Arbeitsablauf einbaut, der eigentlich nur eine Checkliste erfordert, bist du schon jetzt gefragter als die Hälfte der Konkurrenz.

Man kann es sich auf eine etwas unvollkommene Weise vorstellen, und ich werde sie trotzdem verwenden: Sie sind Klempner und müssen dem Vorstand auch noch das Prinzip der Wasserversorgung erklären. Selbst wenn Sie müde sind, müssen Ihre Erkenntnisse noch immer scharfsinnig sein.

Was wird in Rechnung gestellt (Strategie, Aufbau und das unglamouröse Mittelteil)?

Kunden bezahlen Sie nicht dafür, dass Sie sich mit KI auskennen. Sie bezahlen, wenn ein Problem so teuer, politisch brisant oder peinlich ist, dass ein Außenstehender günstiger ist als eine weitere interne Pattsituation.

Drei Eimer, und sie laufen ineinander aus:

• Strategie. Priorisierung von Anwendungsfällen, „Sollten wir das überhaupt tun?“-Fragen, Governance-Skizzen, Gespräche über Modellrisiken, die die Rechtsabteilung aufhorchen lassen. Hohes Vertrauen, aber erschreckend leicht vorzutäuschen, wenn man nur in Fachbegriffen spricht. Tun Sie es nicht.

• Entwicklung. Prototypen, Copiloten, Datenabruf, Workflow-Design, einfache Automatisierung. Das öffnet Ihnen die Tür, aber es kann Sie auch in die Falle locken, wenn Sie zum unbezahlten Implementierungsteam werden.

• Veränderungsmanagement und Befähigung. Leitfäden, Schulungen, die Frage, wie das Ganze ankommt. Überraschenderweise oft das, was am meisten beworben wird und am wenigsten Aufsehen erregt.

Schnelle technische Unterstützung ist zwar hilfreich, sollte aber nicht überbewertet werden. Sie ist nur ein kleines Extra, nicht das Wichtigste. Datenaufbereitung, Stakeholder-Analyse und ein klar strukturierter Analyseprozess retten mehr Projekte als eine ausgeklügelte Systemabfrage.

Ein kleiner Widerspruch, mit dem ich lebe: Man braucht genug Eloquenz, um Unsinn zu erkennen, und genug Selbstbeherrschung, um nichts zu bauen, bevor man geklärt hat, wem das Ergebnis gehört. Ich schätze, das ist die ganze Kunst, wenn auch etwas umständlich ausgedrückt.

Fünf Wege, die keine mythische Ursprungsgeschichte benötigen

Es gibt nicht die eine Lösung. Es gibt verschiedene Lebensräume, und jeder geht anders mit Menschen um. Wähle den, in dem du überleben kannst.

Keine dieser Optionen ist moralisch besser. Unabhängiges Arbeiten wirkt romantisch, bis man den Preis einer Entdeckung falsch einschätzt. Internes Arbeiten erscheint sicher, bis man für jede Chatbot-Idee zum designierten Experten wird.

Wie wird man KI-Berater? Beginnen Sie mit einem realen Problem, nicht mit einer Stellenbezeichnung

Die direkte Antwort auf die Frage „Wie werde ich KI-Berater?“ ist fast schon beleidigend pragmatisch: Hören Sie auf, Identitäten zu sammeln. Fangen Sie an, Probleme zu sammeln, die Sie lösen können.

1. Werden Sie so sicher, dass Sie auf die richtige Art und Weise gefährlich sein können. LLMs, Datenrettung, Kopiloten, grundlegende Automatisierung – hier liegt das Modellrisiko. Sie müssen nichts von Grund auf lernen.

2. Setzen Sie sich neben einen laufenden Arbeitsablauf. Vertriebssteuerung, Support, Finanzabschluss, Wissensrecherche. Beobachten Sie, wo sich die Arbeit anhäuft.

3. Führe eine vollständige Schleife durch. Entdeckung, ein kleines Pilotprojekt, ein Bericht über die aufgetretenen Fehler, Befähigung für die Menschen, die es nutzen müssen.

4. Geben Sie Ihrem Angebot einen Namen. „Ich helfe X, Y ohne Z zu erledigen.“ Unschön ist in Ordnung. Vage ist nicht gut.

5. Lassen Sie sich bezahlen, auch wenn der erste Scheck etwas holprig ist. Unbezahlte Portfolioarbeiten bleiben oft unbezahlt.

Wenn Sie aus dem Ingenieurwesen kommen, liegt Ihre Schwäche meist im Umgang mit Stakeholdern und der ROI-Terminologie. Kommen Sie aus dem Strategie- oder Operationsbereich, fällt es Ihnen schwer zu erkennen, wann eine Demo nur Show ist. In jedem Fall gilt: Nehmen Sie sich ein reales Problem vor, lösen Sie es und beschreiben Sie es prägnant.

Ich hätte beinahe „Eine persönliche Marke aufbauen“ geschrieben. Lasse ich aber. Ein klares Angebot und ein paar Ansprechpartner sind besser als eine Content-Maschine, die nie etwas abrechnet. Der Weg dorthin ist verschlungener als die Präsentation. Das ist der Weg.

Such dir eine Nische, ohne die Tür hinter dir abzuschließen

Nun gut. Nischen.

Nischenempfehlungen lauten meist entweder „Konzentriere dich auf ein ICP oder geh unter“ oder „Bleib allgemein“. Beides ist nur halb richtig und etwas nervig. Eine funktionierende Nische besteht hier oft aus einem Workflow und einem Käufer, nicht aus einer Modellfamilie. Support-Leiter ertrinken in Tickets. Betriebsteams haben mit verwickelten Übergaben zu kämpfen. Risikomanager brauchen Governance-Richtlinien, die nicht in einem 90-seitigen PDF-Dokument bestehen, das niemand liest.

Sie dürfen später wechseln. Am Anfang dient eine Nische als Filter, nicht als starre Vorgabe. Legen Sie sich nicht auf ein Tool fest, das Sie erst letzten Monat gelernt haben. Tools wechseln. Ihre Einschätzung der Datenreife, des Change-Managements und der Erfolgsaussichten eines Pilotprojekts hingegen ist flexibel.

Noch etwas, geschrieben mit einem falsch gesetzten Bindestrich, weil meine Notizen so aussehen: Eine Nische ist ein Türöffner, kein Käfig. Wenn Sie die Woche des Käufers erklären können, sind Sie ausreichend spezialisiert.

Erste Kunden, Nachweise und das unangenehme Problem des frühen Portfolios

Das ist der Teil, den niemand mag. Sie brauchen Beweise. Sie haben nicht die Art von Beweisen, die Käufer verlangen. Der erste bezahlte Auftrag ist meist eine komplexe Workflow-Analyse, kein bahnbrechendes Geschäftsmodell. Das ist normal.

Was gilt als Beweis, wenn keine glänzenden Fallstudien vorliegen?

• Eine eng gefasste Diagnose: Systeme, Datenverfügbarkeit, wo ein LLM hilfreich wäre und wo er falsche politische Schlüsse ziehen

• Ein Workshop, der gemeinsam mit den Eigentümern priorisierte Anwendungsfälle erarbeitet, kein Brainstorming-Wandbild

• Ein kleines Pilotprojekt mit Vorher/Nachher-Vergleich zur Fertigstellungszeit – die Zahlen sollten lokal und unverfälscht bleiben, nicht mythisch

• Befähigung: Ein kurzer Leitfaden, den das Team auch nach Ihrem Ausscheiden noch verwendet

Wie man an die ersten Kunden herankommt: ehemalige Kollegen, die einem bereits vertrauen (so fangen die meisten an, seien wir ehrlich); angrenzende Aufgaben, wenn man bereits im operativen Bereich tätig ist; Teilzeit für ein Team, das einen Tag pro Woche einen Experten benötigt.

Erfinden Sie kein Portfolio. Erfinden Sie stattdessen eine prägnante Geschichte über ein Problem, Ihre Lösungsversuche, Ihre Misserfolge und Ihre nächsten Schritte. Käufer, die bereits schlechte Erfahrungen gemacht haben, erkennen den Braten. Sie respektieren eher die Aussage: „Das hat nicht funktioniert, weil die verwendeten Daten unbrauchbar waren.“

Eine leichte Übertreibung: Deine ersten drei Kunden lehren dich mehr als jeder Kurs. Andererseits ist ein Kurs, der dich zur Abgabe eines Pilotprojekts zwingt, auch nicht zu verachten. Ich nehme es etwas zurück.

Preisgestaltung, Honorarvereinbarungen und Nein sagen, ohne dabei überheblich zu wirken

Beim Thema Preisgestaltung werden kompetente Leute oft unsicher. Sie geben Rabatte, weil sie sich noch nicht so gut auskennen. Dann sind sie mit der Arbeit unzufrieden. Und dann wird sie schlampig.

• Bewerten Sie nach Möglichkeit die Entscheidung selbst, nicht die Stunden. Eine Entdeckung, die ein großes Problem löst, dauert nicht „ein paar Tage“.

• Retainer eignen sich für die Befähigung, regelmäßige Governance-Meetings und Teilzeitberatung. Sie sind ungeeignet, wenn der Kunde einen Entwicklungs-Sprint ohne Verantwortlichen wünscht.

• In den Leistungsbeschreibungen sollte genau definiert sein, wie das Ergebnis aussieht. Was man nicht beschreiben kann, kann man auch nicht bepreisen. Punkt.

• Sagen Sie Nein, wenn die Anfrage lautet: „Erstellen Sie uns einfach eine KI-Strategie“, ohne Zugang zu Systemen, Daten oder den Personen, die die Arbeit erledigen.

Tagessätze sind zwar ungenau, verhindern aber, dass der Projektumfang schrumpft. Üblicherweise wird eine Hybridlösung angeboten: zunächst eine bezahlte Vorstudie, dann ein festes Pilotprojekt und anschließend eine Pauschalvergütung, falls die Zusammenarbeit fortgesetzt werden soll. Ich werde Ihnen keine unrealistischen Zahlen nennen. Wer einen einheitlichen Tagessatz als Fakt darstellt, will Ihnen etwas verkaufen. Orientieren Sie sich an den Kosten vergleichbarer Beratungsleistungen in Ihrer Branche – Produktberater, Teilzeit-Leads im operativen Bereich.

Ethik, Risiko und die Versprechen, die dich verfolgen werden

Dieser Abschnitt existiert, weil die Folgen eintreten. Versprechen Sie keine Genauigkeit, die Sie nicht messen können. Versprechen Sie nicht, dass ein ganzes Team verschwindet, sobald der Copilot live ist. Versprechen Sie nicht, dass generative KI ein Datenqualitätsproblem löst, das sie in Wirklichkeit nur verschärft. Versprechen Sie keine Vertraulichkeit, die Sie nicht operationalisiert haben: Wohin gehen die Daten, wer protokolliert die Eingabeaufforderungen, was wird gespeichert?

Modellrisiko ist kein Slogan, den man auf eine Präsentation streut. Es bedeutet: „ In einem regulierten Arbeitsablauf wird dieses Modell mit Sicherheit falsch.“ Governance ist das weniger glamouröse Schwestermodell: Zugriff, Bewertung, menschliche Überprüfung, Audit-Trails. Wird sie vernachlässigt, entdeckt jemand anderes die Sicherheitslücke in der Produktion.

Hinzu kommt die kleinere ethische Regel: Man sollte einen Kunden nicht mit einem riesigen Projekt abschrecken, wenn eine zweiwöchige Workflow-Optimierung ausreichen würde. Man sollte ihm keine maßgeschneiderte Abfragelösung aufschwatzen, wenn bessere Suchberechtigungen das eigentliche Problem darstellen.

Eine etwas unpassende Metapher: KI-Beratung ohne Ethik ist wie ein Rauchmelder, der auch Streichhölzer verkauft. Nett, bis es das nicht mehr ist. Nach einer gelungenen Demo wird man Sie auffordern, das System einfach produktiv einzusetzen. Führen Sie stattdessen ein ausführlicheres Gespräch über die Evaluierung und die Frage, wer die Verantwortung trägt, wenn das Modell improvisiert.

Wenn eine Demo keine Diagnose ist

Tools sind verführerisch. Sie lassen einen schnell erscheinen. Stakeholder applaudieren. Und dann kommt der Montag.

Eine Demo beantwortet die Frage: „Kann dieser Stack ein plausibles Ergebnis liefern?“ Eine Diagnose beantwortet die Frage: „Sollte diese Organisation ihn hier, mit diesen Daten, diesen Personen und dieser Risikobereitschaft einsetzen?“ Verschiedene Sportarten.

Achten Sie auf die Warnsignale: Niemand kann Ihnen den aktuellen Prozess von Anfang bis Ende zeigen; die „Wissensdatenbank“ ist ein unübersichtliches Sammelsurium an Daten ohne Verantwortliche; Erfolg bedeutet „wir haben etwas auf den Markt gebracht“; der Copilot arbeitet mit einem Workflow, der bereits aus Gründen, die nicht auf KI beruhen, scheitert.

Oftmals besteht deine Aufgabe darin, den Ablauf zu verlangsamen. Nicht aus Eitelkeit, sondern weil ein schlechter Pilot das gesamte Projekt vergiftet. Gehe die Analysephase mit vollem Einsatz an. Erstelle einen Workflow. Frage, wer die Verantwortung trägt, falls etwas schiefgeht. Wähle dann die passenden Tools aus.

Urteilsvermögen ist das Produkt. Die Präsentation ist das Kostüm. Ich sage das wohl wissend, dass ein überzeugender Prototyp Türen öffnet, die ein Memo niemals öffnen würde. Nutzen Sie die Demo als Beweismittel innerhalb einer Diagnose, nicht als Ersatz. Sie ist wichtig; je nach Situation kann ein Live-Test mit den wichtigsten Informationen einem perfekt vorbereiteten Deck überlegen sein. Analysieren Sie die Situation. Und testen Sie trotzdem.

Betrieb, Verträge, Lieferung: die unglamouröse Hälfte der Arbeit

Wenn Sie sich selbstständig machen oder in einem Studio arbeiten, wird das Geschäft versuchen, die Beratungsleistungen zu übernehmen. E-Mails, Rechnungen, Vertragsabwicklung, „Können Sie kurz telefonieren?“

Minimale Ausstattung für Erwachsene:

• Ein einfacher Vertrag: Geltungsbereich, geistiges Eigentum, Vertraulichkeit, Datenverarbeitung, Kündigung

• Eine Leistungsbeschreibung pro Engagement, sogar für Leute, die man mag. Besonders für Leute, die man mag.

• Ein Lieferrhythmus: wöchentliche Notizen, Entscheidungsprotokoll, Risiken. Trocken. Gold.

• Artefakte, die sich nicht in Ihrem Download-Ordner befinden, sowie Zugriffsregeln für Systeme, die Sie berühren

Bei der Durchführung von Projekten gewinnt man an Ansehen. Erscheinen Sie vorbereitet und gelesen in den Unterlagen. Melden Sie sich regelmäßig zwischen den Workshops. Sollte ein Pilotprojekt nicht wie geplant verlaufen, kommunizieren Sie dies frühzeitig und bieten Sie Alternativen an – keine verspätete Entschuldigung, die als Statusmeldung getarnt ist.

Wenn du gehst und die Sache alleine weiterführen kannst, hast du nicht konsultiert; du bist zum Flaschenhals mit Tagessatz geworden. Lehren, dokumentieren, übergeben.

Worauf der Weg letztendlich hinausläuft

Ja, die Frage „Wie wird man KI-Berater?“ lässt sich etwas nüchtern beantworten. Man muss die Technologie so gut beherrschen, dass man sogar unrealistische Behauptungen durchschauen kann. Man muss in einen laufenden Arbeitsablauf eingebunden sein. Man muss einen Prozess abschließen. Man muss für seine Expertise Geld verlangen. Man muss sich von Showeffekten fernhalten.

Der Weg ist kein Kurs, keine Auszeichnung und keine umbenannte Profilüberschrift. Es geht um bezahlte, klar definierte Probleme, bei denen Sie Menschen geholfen haben, bessere Entscheidungen in Bezug auf KI-Strategie, Automatisierung oder einen Copiloten zu treffen, für den es vorher noch keine Daseinsberechtigung gab. Und dann noch eins.

Sie müssen nicht der klügste Kopf im Modellrisiko-Meeting sein. Sie müssen derjenige sein, der die Arbeit auch nach dem Schließen der Folien noch erklären kann. Das ist seltener, als es sein sollte. Und es reicht für den Anfang.

Praxisbeispiel: Eine zweiwöchige Bedarfsanalyse als erste bezahlte Zusammenarbeit

Szenario

Maya ist 34. Sechs Jahre lang arbeitete sie im operativen Bereich eines regionalen Versicherungsmaklers. Ihre Kollegen wandten sich an sie, wenn ein Copilot-Test eine selbstsichere, aber falsche Antwort zu den Versicherungsbedingungen lieferte. Sie kann Workshops leiten, kurze Briefings verfassen und erkennt, wann ein Workflow eher eine Checkbox als ein Modell benötigt. Schulungen von Grund auf kann sie jedoch nicht durchführen, und das gibt sie auch offen zu.

Im März verlässt sie das Unternehmen, um freiberuflich tätig zu werden. Es gibt kein System für eingehende Anrufe. Da ist Dan, ein ehemaliger Kollege, jetzt Leiter des Kundensupports bei Northline, einem B2B-SaaS-Unternehmen mit 180 Mitarbeitern in Manchester. Vier Mitarbeiter. Ein gemeinsam genutztes Laufwerk ohne Verantwortlichen. Die Führungsebene spricht bereits in der Betriebsversammlung über einen Chatbot-Test. Die Mitarbeiter haben stillschweigend aufgehört, ihn zu öffnen. Dan braucht vor dem nächsten Lenkungsausschusstreffen Hilfe, keine Änderung seiner Stellenbezeichnung.

Maya verkauft keine „KI-Strategie“. Sie bietet eine zweiwöchige Analyse an: Sie untersucht, wie Tickets in der Praxis bearbeitet werden, zeigt auf, wo generative KI hilfreich und wo problematisch wäre, und empfiehlt ein Pilotprojekt mit einem namentlich genannten Verantwortlichen. Lautet die Analyse beispielsweise „Berechtigungen korrigieren und fehlende Artikel verfassen“, ist dies das Ergebnis. Dan bezahlt für die Entscheidung, nicht für einen Prototyp, dessen Umfang sie nicht festgelegt hat.

Was der Berater benötigt

• Eine einseitige Leistungsbeschreibung mit Angabe der erledigten Aufgaben: ein Workflow-Diagramm, eine bewertete Liste der Anwendungsfälle mit Verantwortlichen, eine Entscheidung für oder gegen ein Pilotprojekt und eine zweiseitige Beschreibung der potenziellen Probleme

• Zugriff auf 12 kürzlich geschlossene Tickets vom Typ „Wie mache ich das / Wie lauten die Richtlinien?“, wobei die Kundennamen entfernt wurden

• Nur-Lese-Zugriff auf das Hilfecenter, das gemeinsame Laufwerk und das Protokoll des abgebrochenen Chatbots

• 45 Minuten jeweils mit zwei Agenten, dem Teamleiter und der Person, die theoretisch die Wissensdatenbank besitzt (das kann auch niemand sein; das ist eine Erkenntnis)

• Dan trifft die Entscheidung und hat in der zweiten Woche Zeit, die Empfehlung anzunehmen oder abzulehnen

• Eine schriftliche Datenregel: Keine personenbezogenen Kundendaten in Verbrauchertools, keine Produktionsdateien, manuelle Überprüfung aller kundenbezogenen Inhalte

• Ein einfaches Entscheidungsprotokoll. Trocken. Bereit für den Moment, in dem jemand fragt: „Warum haben wir den Bot nicht einfach gestartet?“

Beispielanleitung

Maya schreibt das in die Leistungsbeschreibung, in normaler Sprache, nicht in ein Stichwortfeld:

Sie beauftragen mich mit der Analyse des Antwortprozesses im Kundensupport von Northline, nicht mit der Installation eines Chatbots. Innerhalb von zehn Arbeitstagen werde ich (1) den aktuellen Prozess beobachten, (2) die langsamen Schritte aufgrund fehlender Artikel, Berechtigungen oder Übergaben identifizieren, (3) bewerten, wo ein Mitarbeiter im Bereich Datenabfrage eine Antwort formulieren könnte und wo ein Sprachmodell ungeeignet ist, und (4) ein Pilotprojekt mit Verantwortlichem, Abbruchkriterium und zwölf Testtickets empfehlen. Ich werde den Kunden nichts präsentieren und keine Personaleinsparungen versprechen. Sollte der Chatbot-Test nicht zielführend sein, werde ich dies anhand der Ticketdaten und nicht anhand eines vorgegebenen Frameworks belegen.

Falls Northline später einen Abrufversuch wünscht, ist die Anweisung an das Tool ebenso knapp gehalten:

Verfassen Sie eine Antwort auf dieses Ticket ausschließlich anhand der verlinkten Hilfeartikel. Zitieren Sie den Titel des Artikels. Falls die Antwort nicht in den Artikeln enthalten ist, schreiben Sie „Nicht im Artikelkatalog enthalten“ und beenden Sie die Antwort. Erfinden Sie keine Rückerstattungsfristen, regionalen Ausnahmen oder SLA-Angaben.

Der zweite Absatz ist das Gewürz. Die Leistungsbeschreibung ist die Mahlzeit.

Ein guter Entwurf sieht so aus: „Nicht im Text enthalten. Die Rückerstattungsfrist ist in den 40 Artikeln nicht angegeben. Weiterleitung an die Abrechnungsabteilung.“ Ein schlechter Entwurf sieht so aus: „Sie haben standardmäßig Anspruch auf eine 14-tägige Rückerstattung. Ich habe diese bereits genehmigt.“ Der Unterschied liegt im gesamten Risiko.

Wie man es testet

Bevor Maya die Entdeckung für abgeschlossen erklärt, führt sie mit den beiden Agenten im Raum einen kleinen, unschönen Test durch.

• Zwölf geschlossene Tickets, alle vom gleichen Typ, gemessen mit einer Handy-Stoppuhr von der Ticketöffnung bis zu „Ich habe den Ausschnitt, den ich senden würde“

• Für jedes Ticket gilt: Hat der abgebrochene Chatbot eine brauchbare Antwort geliefert, eine eindeutig falsche oder gar keine Antwort, die der Agent senden würde?

• Nach jedem Wiederherstellungsverfahren: Zitiert der Entwurf einen realen Artikel, und besagt dieser Artikel das?

• Sonderfälle streut sie absichtlich ein: eine regionale Ausnahme, die nur jemandem im Kopf herumschwirrt, eine Rückerstattungsanfrage, ein Ticket, das eigentlich eine Rechnungsstreitigkeit ist, eine Frage, deren Artikel zwei Jahre alt ist

• Die Annahme des Engagements selbst: Dan kann einen empfohlenen nächsten Schritt, einen Verantwortlichen und einen Satz nennen, den er der Führungsebene sagen könnte, ohne dabei zu übertreiben

Kann sie die Ausgangszeit nicht festlegen, kann sie später nicht von Zeitersparnis sprechen. Wenn niemandem das Kapital gehört, lautet die Devise nicht: „Einen Copiloten finden“, sondern: „Einen Eigentümer benennen oder das Projekt beenden“

Ergebnis

Beispielhaftes Ergebnis aus einem fiktiven Testaufbau, keine veröffentlichte Zahl von Northline.

Annahmen: 12 Tickets im Policy-Stil; zwei Agenten; Zeitmessung mit einer Stoppuhr während der Beobachtung, einschließlich der Suche im gemeinsamen Laufwerk; für den Abruftest wurden ausschließlich 40 bereinigte Hilfecenter-Artikel verwendet; jeder Entwurf musste eine dreistufige Checkliste bestehen (korrekte Policy, zitierte Quelle, keine zusätzlichen erfundenen Klauseln), bevor er als akzeptabel galt.

Ausgangswert, Woche eins: Die durchschnittliche Wartezeit bis zu einem verwertbaren Textausschnitt betrug 14 Minuten. Bei sieben von zwölf Tickets war eine Slack-Nachricht an einen Kollegen erforderlich. Der bestehende Chatbot-Test lieferte keine der zwölf Antworten, die ein Mitarbeiter senden wollte. Zwei dieser Chatbot-Antworten enthielten eine 14-tägige Rückerstattungsfrist, die in keinem Artikel erwähnt wird.

Nach einer 90-minütigen Schulung und dem Test mit dem 40 Artikel umfassenden Korpus betrug die durchschnittliche Bearbeitungszeit für einen ersten Entwurf 6 Minuten. Die Überprüfung des zitierten Artikels dauerte zusätzlich 3 Minuten, sodass die Nettobearbeitungszeit pro Ticket in dieser Stichprobe 9 Minuten betrug. Das sind 5 Minuten weniger als die angestrebten 14 bzw. 60 Minuten für die 12 Tickets. Acht von zwölf Entwürfen erfüllten die Kriterien der Checkliste bereits bei der ersten Überprüfung. Drei Entwürfe waren eindeutige „Nicht im Korpus enthalten“-Fehler (fehlende Artikel). Ein Entwurf versuchte noch, eine regionale Ausnahme zu konstruieren; der Agent bemerkte dies, da die Anweisung das Öffnen der Quelle vorschrieb.

Diese Zahlen sind eine beispielhafte Schätzung basierend auf dem genannten Test, einer kleinen Stichprobe und Tickets, die einfacher zu bearbeiten waren als Rechnungsstreitigkeiten. Sie rechtfertigen keinen Personalabbau und belegen nicht, dass „KI die Bearbeitungszeit im Produktivbetrieb um 36 % reduziert hat“. Die Prüfzeit wurde berücksichtigt. Der bereits vorhandene Chatbot schnitt qualitativ schlechter ab, nicht nur in der Geschwindigkeit.

Das berufliche Ergebnis ist hier das Entscheidende. Maya ging mit einem bezahlten Fachartikel, einer Workflow-Analyse, einer Absage für den ursprünglichen Chatbot, einer vorläufigen Zusage für einen Testlauf mit einem Auftraggeber und einem Kunden, der ihren Anruf entgegennehmen wird. Das ist ein abgeschlossener Kreislauf. Und es ist eine Geschichte, die sie ohne Umschweife erzählen kann.

Was kann schiefgehen?

• Die Führungsetage will weiterhin den ursprünglichen Chatbot, weil die Demo ansprechend war. Eine Diagnose, die „noch nicht“ lautet, kann gegen eine überzeugende Präsentationsfolie verlieren.

• Die 40 Artikel veralten nach sechs Wochen, wenn sie niemandem gehören. Die Suche erfolgt dann mit besseren Methoden.

• Maya verfasst eine vage Arbeitsbeschreibung („Support KI-fähig machen“) und wird zum unbezahlten Implementierungsteam.

• Eine bewusst falsche Rückerstattungsrichtlinie erreicht einen Kunden, weil die menschliche Überprüfung lautete: „Das fügen wir später hinzu.“

• Der Tickettext mit den persönlichen Daten des Kunden wurde in ein Verbrauchertool eingefügt. Die Vertraulichkeitszusage erfolgte mündlich.

• Dan wechselt im zweiten Monat den Job. Kein Auftraggeber, kein Honorar, niemand, der sagt, dass der Pilot nachlässt.

• Sie führt die 5-Minuten-Einsparung als Unternehmens-KPI an. Die Stakeholder erinnern sich an die Zahl, vergessen aber die Stichprobengröße.

Praktische Erkenntnisse

Der Weg besteht aus einem Live-Workflow, einer bezahlten Grenze, einem wiederholbaren Test und der Offenheit, zuzugeben, dass das Sprachmodell das falsche Werkzeug ist, wenn die Tickets dies nahelegen. Urteilsvermögen ist das, was Sie verkaufen. Der erste vollständige Zyklus ist der Weg, wie Sie zu einer Person werden, die es wert ist, eingestellt zu werden.

Häufig gestellte Fragen

Was macht ein KI-Berater?

Die Aufgabe besteht darin, die Ursache von Problemen zu finden. Sie identifizieren den Engpass in einem skeptischen Umfeld und entwickeln einen Pilotversuch, der niemanden in Verlegenheit bringt. Das kann Strategieentwicklung, Aufbau, Befähigung oder Governance umfassen, und es gehört auch dazu zu wissen, wann ein LLM das falsche Werkzeug ist. Sie agieren als Bindeglied zwischen Führungskräften, Entwicklern, die schnell Prototypen erstellen, und Anwendern, die mit den Ergebnissen arbeiten müssen. Leiten Sie einen Workshop. Erstellen Sie eine präzise Leistungsbeschreibung. Hören Sie auf, ein LLM in einen Workflow zu quetschen, der eigentlich nur eine Checkliste benötigt.

Wie werde ich KI-Berater?

Hören Sie auf, Identitäten zu sammeln. Konzentrieren Sie sich stattdessen auf lösbare Probleme. Machen Sie sich mit LLMs, Retrieval, Copiloten, grundlegender Automatisierung und Modellrisiko so vertraut, dass Sie Unsinn als solches entlarven können – ohne Modelle von Grund auf neu zu trainieren. Arbeiten Sie neben einem laufenden Workflow. Durchlaufen Sie einen kompletten Zyklus (Erkennung, kleiner Pilotversuch, Dokumentation der Fehler, Implementierung), benennen Sie Ihr Angebot „Ich helfe X, Y ohne Z zu erreichen“ und lassen Sie sich bezahlen. Ein klares Angebot und ein paar Ansprechpartner sind wertvoller als eine Content-Maschine, die nie Rechnungen stellt.

Muss ich zuerst Modelle trainieren oder die Prompt-Entwicklung beherrschen?

Nein. Sie müssen keine Modelle von Grund auf neu trainieren, und Prompt Engineering ist eher eine Ergänzung als die Lösung. Datenverfügbarkeit, Stakeholder-Mapping und ein klarer Discovery-Prozess retten mehr Projekte als ein ausgeklügeltes System-Prompt. Entwickler benötigen in der Regel die Sprache der Stakeholder und des ROI. Strategie- und Betriebsverantwortliche müssen wissen, wann eine Demo nur Show ist. In jedem Fall sollten Sie sich ein reales Problem vornehmen, es zu Ende bringen und prägnant beschreiben.

Welchen Karriereweg sollte ich wählen: freiberuflich, in einem Unternehmen, in einem Studio oder in einer Agentur?

Es gibt keine einheitliche Karriereleiter. Freiberufliche Selbstständige behalten die Gewinnspanne bei der Projektentwicklung und Pilotprojekten, aber das Muster ist ein ständiges Auf und Ab. Boutique-Studios verkaufen ganze Teams. Interne KI-Leiter erhalten Gehalt, Zugang zu internen Machtstrukturen und profitieren von internen Richtlinien. Standardisierte Beratungspakete, Workshops und Audits gehören ebenfalls zum Angebot. Agenturmitarbeiter erhalten Zugang zu Projektpipelines und können bei unklaren Leistungsbeschreibungen aushelfen. Die Selbstständigkeit wirkt romantisch, bis man bei der Projektentwicklung den falschen Preis wählt. Interne Projekte erscheinen sicher, bis man für jede Chatbot-Idee als Experte eingesetzt wird.

Wie wähle ich eine Nische als KI-Berater?

Eine Nische, die hier funktioniert, ist oft ein Workflow plus ein Käufer, keine Modellfamilie. Denken Sie an Support-Leiter, die in Tickets ertrinken, an operative Teams mit verwickelten Übergaben oder an Risikomanager, die eine Governance benötigen, die nicht in einem 90-seitigen PDF-Dokument besteht, das niemand liest. Am Anfang ist eine Nische ein Filter, keine starre Vorgabe. Legen Sie sich nicht auf das Tool fest, das Sie letzten Monat gelernt haben. Tools wechseln, während sich die Einschätzungen zu Datenverfügbarkeit, Change-Management und den Erfolgsaussichten eines Pilotprojekts ständig weiterentwickeln. Wenn Sie die Woche des Käufers erklären können, sind Sie ausreichend spezialisiert.

Wie wird man KI-Berater ohne Fallstudien oder ein beeindruckendes Portfolio?

Der erste bezahlte Auftrag ist meist eine komplexe Workflow-Analyse, kein ambitioniertes Zukunftsprojekt. Als Nachweis dienen beispielsweise eine präzise Diagnose, ein Workshop mit priorisierten Anwendungsfällen und Verantwortlichen, ein kleines Pilotprojekt mit Vorher-Nachher-Vergleich der Bearbeitungszeit oder ein Leitfaden, den das Team auch nach Ihrem Ausscheiden noch nutzt. Die meisten beginnen mit ehemaligen Kollegen, Projekten im angrenzenden operativen Bereich oder einem Teilzeitauftrag von einem Tag pro Woche. Erfinden Sie kein Portfolio. Entwickeln Sie stattdessen eine prägnante Geschichte: Beschreiben Sie ein Problem, Ihre Lösungsversuche, Ihre Misserfolge und Ihre nächsten Schritte.

Wie sollte ich die Preise für KI-Beratungsleistungen und Honorarverträge festlegen?

Bepreisen Sie nach Möglichkeit die Entscheidung, nicht die Stunden. Eine umfassende Analyse, die ein komplexes Problem löst, dauert nicht nur ein paar Tage. Pauschalvergütungen eignen sich für die Unterstützung von Mitarbeitern, regelmäßige Abstimmungen zur Projektsteuerung und Teilzeitberatung, sind aber für einen Entwicklungs-Sprint ohne Verantwortlichen ungeeignet. Leistungsbeschreibungen sollten den Status „Fertig“ genau definieren, denn was nicht beschrieben werden kann, lässt sich nicht bepreisen. Ein hybrides Modell ist üblich: zunächst eine bezahlte Analyse, dann ein festes Pilotprojekt und anschließend eine Pauschalvergütung. Orientieren Sie sich an den Kosten vergleichbarer Beratungsleistungen in Ihrer Branche, anstatt einen einheitlichen Tagessatz zu verwenden.

Was sollte ich einem Kunden in Bezug auf generative KI niemals versprechen?

Versprechen Sie keine Genauigkeit, die Sie nicht messen können, kein Team, das sich nach dem Start des Copiloten in Luft auflöst, und keine generative KI, die ein Datenqualitätsproblem behebt, das sie nur verschärft. Versprechen Sie keine Vertraulichkeit, die Sie nicht gewährleistet haben: Wohin gehen die Daten, wer protokolliert die Eingabeaufforderungen und was wird gespeichert? Modellrisiko bedeutet, dass ein Modell in einem regulierten Workflow mit Sicherheit falsch liegt. Vernachlässigen Sie die Governance, entdeckt jemand anderes die Sicherheitslücke in der Produktion. Drängen Sie einen Kunden nicht zu einem riesigen Projekt, wenn eine zweiwöchige Workflow-Optimierung ausreichen würde.

Wann ist eine Demo keine Diagnose?

Eine Demo klärt, ob ein Technologie-Stack plausible Ergebnisse liefert. Eine Diagnose klärt, ob er für diese Organisation mit diesen Daten, diesen Mitarbeitern und dieser Risikobereitschaft geeignet ist. Achten Sie auf Warnsignale: Niemand kann den Prozess vollständig demonstrieren, die Wissensdatenbank ist nicht verantwortlich, oder der Copilot arbeitet mit einem Workflow, der bereits fehlschlägt. Entschleunigen Sie den Ablauf, visualisieren Sie den Workflow und klären Sie, wer die Verantwortung trägt, wenn etwas schiefgeht – und wählen Sie dann die passenden Tools. Urteilsvermögen ist das Ergebnis. Der Technologie-Stack ist das Kostüm.

Welche Verträge und Liefergewohnheiten benötigen unabhängige KI-Berater?

Wenn Sie selbstständig arbeiten oder sich auf Studio-Strukturen konzentrieren, wird das Unternehmen versuchen, die Beratungsleistungen zu übernehmen. Minimale Vorbereitung: ein einfacher Vertrag, der Umfang, geistiges Eigentum, Vertraulichkeit, Datenverarbeitung und Kündigung regelt; eine Leistungsbeschreibung pro Projekt; wöchentliche Berichte, ein Entscheidungsprotokoll und eine Risikoanalyse; sowie Dokumente, die nicht im Download-Ordner landen. Erscheinen Sie vorbereitet und mit gelesenen Unterlagen. Melden Sie sich regelmäßig zwischen den Workshops. Wenn ein Pilotprojekt ins Stocken gerät, kommunizieren Sie dies frühzeitig und bieten Sie Alternativen an. Wenn Sie das Projekt verlassen und nur noch Sie es leiten können, werden Sie zum Engpass mit einem Tagessatz. Schulung, Dokumentation, Übergabe.

Referenzen

1. NIST - nvlpubs.nist.gov

2. NIST - airc.nist.gov

3. ICO - ico.org.uk

4. NCSC - www.ncsc.gov.uk

5. Microsoft Learn – learn.microsoft.com

6. OpenAI – Developers.openai.com

7. OpenAI – Schnelle Entwicklung – developers.openai.com

Entdecken Sie die neuesten KI-Lösungen im offiziellen KI-Assistenten-Shop

Über uns