KI für Unternehmen. Praxisartikel für den Arbeitsalltag.
Praxisartikel zu KI für Unternehmen: Anwendungsfälle, KI-Workflows, Agenten, Einführung und Grenzen, verständlich erklärt.
KI-Strategie & Einführung
AI Risk Management — Risiken erkennen, bewerten, mitigieren
Szenario: Ein mittelständischer Finanzdienstleister automatisiert die Kreditwürdigkeitsprüfung mit LLM. Dann: ablehnende Bias-Muster nach Postleitzahl. BaFin-Prüfung. Das systematische Framework für KI-Risikomanagement.
ChatGPT im Unternehmen einsetzen: Datenschutz, Pläne, Regeln und Grenzen
Welche Produktbedingungen du prüfen musst und wie ein kontrollierter Ablauf mit ChatGPT aussieht: Planauswahl, Datenregeln, Beispielprompt und fachliche Abnahme.
Das KI-Kompetenz-Paradox: Warum dein Unternehmen mit tausenden Lizenzen nicht produktiver wird
Die teure Ernüchterung: Wenn KI-Investitionen verpuffen
DSGVO-konforme KI-Implementierung — Was du wissen musst
Wie du LLMs, RAG-Systeme und KI-Agenten datenschutzkonform einsetzt. Praxis-Guide mit Rechtsgrundlagen, technischen Maßnahmen und Checkliste für den Mittelstand.
Erfolgsmetriken für KI-Projekte — Was du messen solltest (und was nicht)
56% der CEOs berichten dass ihre KI-Investitionen weder Umsatz gesteigert noch Kosten gesenkt haben (PwC 2026). Das Problem ist nicht die Technologie — es ist, dass Unternehmen die falschen Dinge messen oder die richtigen Dinge zum falschen Zeitpunkt. Dieser Artikel zeigt das 4-Ebenen Metrik-Framework für KI-Projekte: von technischen Modell-Metriken bis zum Business Impact.
EU AI Act für Unternehmen: Pflichten, Fristen, Umsetzung
Welche Pflichten der EU AI Act Unternehmen mit 20 bis 500 Mitarbeitern auferlegt, welche Fristen nach dem AI Omnibus gelten und wie du die Umsetzung in fünf Schritten organisierst.
KI im Projektmanagement: Sieben Einsatzfelder, Grenzen und ein Einstieg in vier Wochen
Wo KI im Projektmanagement Vorarbeit übernimmt und wo nicht: sieben Einsatzfelder von der Meeting-Zusammenfassung bis zum Statusreport, Voraussetzungen, Kennzahlen und ein Einstieg in vier Wochen.
KI im Unternehmen: Was eine HIIG-Analyse über den Wert von Fachwissen zeigt
Eine qualitative Analyse liefert einen Anlass, das Wissen der Mitarbeiter in den Mittelpunkt zu rücken. Mit klarer Evidenzgrenze und einer konkreten Arbeitskarte für das Team.
KI in der Produktentwicklung: Anforderungen prüfbar machen
Aus einer unklaren Kundenanfrage wird eine prüfbare Anforderungsmatrix. Mit fiktivem B2B-Beispiel, kopierbarer Vorlage und Regeln für die fachliche Freigabe.
KI in der Produktentwicklung: Von der Discovery bis zum Betrieb
Wo KI in der Produktentwicklung trägt: Discovery und Kundenverständnis, Spezifikation, Bauen mit Code-Assistenten, Testen und Evaluieren, Betrieb und technische Schulden, KI als Produktbestandteil und die Governance dazu.
KI Use Cases im Mittelstand: Sieben Beispiele mit ROI
Die 7 LLM-Use-Cases mit dem höchsten ROI für Unternehmen mit 50–500 Mitarbeitern — von Dokumentenanalyse bis Sales-Automatisierung, mit konkreten Zeitersparnissen.
KI-Einführung im Unternehmen: Readiness-Check und Vorgehen in vier Phasen
Wie die KI-Einführung im Unternehmen gelingt: ein Readiness-Check mit zehn Fragen, vier Phasen vom Pilot bis zur Automatisierung, die Schulungspflicht nach Artikel 4 AI Act und die Fehler, die den Rollout scheitern lassen.
KI-Governance Framework für Mittelstand — Policy, Prozesse, Kontrolle
Von der AI-Literacy-Pflicht bis zum EU AI Act: Wie du Policy, Prozesse und Kontrolle aufbaust, ohne ein Compliance-Monster zu erschaffen. Praxistaugliches 5-Säulen-Framework für den Mittelstand.
KI-Mitarbeiter: Kosten für Einrichtung und Betrieb berechnen
Eine Kalkulationsvorlage für Geschäftsführung und Operations: Einrichtung, laufende Kosten und menschliche Prüfung getrennt bewerten, mit zwei fiktiven Rechenfällen.
KI-Pilot intern freigeben: Entscheidungsvorlage für Geschäftsführung, IT und Fachbereich
Ein KI-Pilot braucht einen begrenzten Auftrag und eine prüfbare Entscheidung. So stimmen Geschäftsführung, IT und Fachbereich Nutzen, Aufwand und Grenzen ab.
KI-Projekte im Mittelstand: Ergebnisse für den Arbeitsablauf gestalten
KI-Projekte liefern ein Modell – aber kein System. Wie Output-Contract und Quality Gates die Lücke zwischen Vorhersage und Entscheidung schließen.
KI-Schulung für Mitarbeiter: Was nach dem Workshop im Arbeitsalltag bleiben muss
Eine Schulung muss Mitarbeiter bei ihren echten Aufgaben weiterbringen. So prüfst du Lernziele, Übungen und die Übergabe in den Arbeitsalltag.
KI-Strategie für Unternehmen: In sechs Schritten zur Roadmap
Wie du eine KI-Strategie für ein Unternehmen mit 20 bis 500 Mitarbeitern entwickelst: sechs Schritte von der Entscheidung über Use Cases, Architektur, Governance und Metriken bis zur 12-Monats-Roadmap.
Mensch und KI im Arbeitsalltag: Was SWE-Journey über gute Zusammenarbeit zeigt
Ein Coding-Benchmark untersucht, wie Assistenten mit verschiedenen simulierten Nutzern arbeiten. Was daraus folgt und wie Teams ihre Zusammenarbeit mit KI selbst prüfen.
Prompt-Governance: Warum dein Unternehmen ein internes Prompt-Wiki braucht und wie du es aufbaust
Gute Prompts brauchen Kontext, klare Einsatzgrenzen und Pflege. So machst du KI-Arbeitsweisen für dein Team auffindbar und wiederverwendbar.
Schatten-KI beenden: Wie Mittelständler unkontrollierte KI-Nutzung in sichere Workflows überführen
Private KI-Accounts schaffen unkontrollierte Datenflüsse. Der Weg zu geregelter Nutzung beginnt mit klaren Regeln und einer brauchbaren Alternative.
Unsere Mitarbeiter nutzen ChatGPT, aber der Nutzen bleibt aus: Was Unternehmen ändern müssen
Mehr Logins belegen noch keinen Nutzen. So erkennst du, was Mitarbeiter vom gelegentlichen Ausprobieren zur sinnvollen KI-Arbeit brauchen.
Von der einzelnen ChatGPT-Frage zum wiederverwendbaren Arbeitsablauf
Ein brauchbarer Prompt wird erst mit klaren Eingaben und Prüfschritten zur Teamvorlage. So entwickelst du eine Vorgehensweise, die Kollegen nachvollziehen können.
Warum dein Onboarding zu lange dauert und wie KI es für neue Mitarbeiter beschleunigt
Stell dir vor: Du hast nach Wochen der Suche endlich den perfekten Kandidaten gefunden. Vertragsunterschrift, erster Arbeitstag, alles…
Welche Aufgaben eignen sich für KI? Ein Leitfaden für Mitarbeiter im Büro
Beginne bei einer Aufgabe, deren Ergebnis du beurteilen kannst. Diese Auswahlhilfe zeigt geeignete Einstiege und erklärt, wann KI zusätzliche Arbeit erzeugt.
KI-Agenten & Automatisierung
Agent Memory in LLM Systems — Context, Persistence & Retrieval
LLMs sind von Natur aus vergesslich — jeder API-Call startet bei null. Agent Memory ist die Infrastruktur, die das ändert: Short-Term Memory hält den Konversationskontext, Long-Term Memory speichert Wissen über Sessions hinweg, und Episodic Memory lernt aus vergangenen Erfahrungen. Dieser Artikel zeigt die fünf Memory-Typen, ihre Architektur-Patterns und eine Roadmap für den Aufbau gedächtnisfähiger Agenten-Systeme.
Agentic Workflows 2026: Definition, Architektur und Use Cases
Was sind Agentic Workflows — und wie setzt man sie im Unternehmen ein? Autonome KI-Systeme erklärt: Architektur-Blueprint, Entscheidungslogik und konkrete Use Cases für den DACH-Mittelstand.
Auftragsübergabe vom Vertrieb ans Projektteam: Mit KI fehlende Informationen früh erkennen
Ein gewonnener Auftrag braucht eine belastbare Übergabe. So prüfst du Angebot, Kundenmails und Gesprächsnotizen auf Lücken, bevor das Projektteam startet.
Chatbot für Unternehmen: Einsatzfelder, Architektur, Kosten und Pflichten
Wo ein Chatbot für Unternehmen trägt und wo nicht: fünf Einsatzfelder mit Beispielen, drei Architekturen vom Regelbot bis zum RAG-Chatbot, was er kostet, und welche Pflichten AI Act und DSGVO stellen.
Chatbot-Lastenheft: Vorlage für technische B2B-Teams
Ein ausfüllbares Lastenheft für einen internen B2B-Chatbot. Mit Beispiel, Zugriffsregeln, Fehlerfällen und einer Tabelle für vergleichbare Anbieterangebote.
ChatGPT-Integration im Unternehmen: Chat, Make oder n8n?
Wann reicht ein Chat, wann braucht dein Team eine Integration? Ein Kundenservice-Beispiel zeigt Datenübergaben, Freigaben und Fehlerfälle.
Das Dokumentations-Loch: Warum Prozesse nie festgehalten werden und wie KI das ändert
Das kennst du garantiert
Die letzte Meile der Dokumentenverarbeitung: Wie KI den manuellen Bruch zwischen E-Mail und ERP schließt
Zwischen E-Mail und ERP bleibt oft Handarbeit. So verbindest du Dokumentenextraktion, Stammdatenabgleich und menschliche Freigabe.
Engpassanalyse: Den echten Bottleneck finden, bevor du automatisierst
Automatisierung scheitert nicht an der Technik, sondern am falschen Ansatzpunkt. Wie man den Engpass findet, der den größten ROI bringt.
KI im Kundenservice: Wann der Assistent an einen Menschen übergeben muss
Eine Übergabe hilft dem Kunden erst, wenn Kontext und Zuständigkeit mitkommen. So planst du Grenzen, Rückfallwege und die Prüfung im echten Servicekanal.
KI-Agent erstellen: Schritt für Schritt zum ersten produktiven Agenten
Eine Anleitung in acht Schritten, mit der du deinen ersten KI-Agenten baust: vom passenden Prozess über Architektur, Werkzeuge und System Prompt bis zu Tests, Betrieb und Stack-Empfehlung.
KI-Agenten zuverlässiger einsetzen: HERMES, STEPGATE und MAScope verständlich eingeordnet
Drei Forschungsansätze behandeln verschiedene Probleme in KI-Abläufen. Die Einordnung trennt Benchmark-Ergebnisse von einem eigenen Prüfraster für Unternehmensprozesse.
KI-Angebotsvorbereitung: Kundenanfragen systematisch prüfen
Eine konkrete Kundenanfrage zeigt, wie technische B2B-Teams fehlende Unterlagen und widersprüchliche Anforderungen vor der Kalkulation erfassen.
KI-Assistent für Unternehmen: Arten, Auswahl und konkrete Arbeitsabläufe
Welche Art von KI-Assistent zu deiner Aufgabe passt, wie ein Ablauf für die Angebotsvorbereitung aussieht und wie du Qualität, Aufwand und Datenzugriff prüfst.
KI-Automatisierung vs. RPA: Wann welche Lösung passt
RPA oder Agentic AI? Die klare Abgrenzung mit Entscheidungsbaum, Head-to-Head-Vergleich und hybrider Architektur — plus ROI-Kalkulation und Migrations-Roadmap für den Mittelstand.
Multi-Agent Systeme mit Claude: Architektur-Guide 2026
Orchestrator vs. Peer-to-Peer, wann Subagenten wirklich sinnvoll sind — und welche Architektur-Entscheidungen über Erfolg oder Scheitern von Multi-Agent-Systemen bestimmen. Mit konkreten Patterns.
Multi-Agent-Systeme im Mittelstand: Patterns, Frameworks und Fallstricke
CrewAI vs LangGraph vs AutoGen im direkten Vergleich. 5 Orchestrierungs-Patterns, Structured Handoff Protocols, Fehlerbehandlung und DSGVO-Compliance für Multi-Agent-Systeme im DACH-Mittelstand.
Process Mining mit KI — Automatische Workflow-Analyse für den Mittelstand
Process Mining rekonstruiert aus Event-Logs den tatsächlichen Ist-Prozess — nicht den Soll-Prozess aus dem Handbuch. KI-gestütztes Process Mining geht drei Schritte weiter: Root Cause Analysis erklärt warum Abweichungen entstehen, Predictive Monitoring prognostiziert welche Fälle problematisch werden, und Prescriptive Actions empfehlen konkrete Maßnahmen. Dieser Artikel zeigt den pragmatischen Weg für den DACH-Mittelstand.
Projektstatusbericht mit KI erstellen: Aus Meetings, E-Mails und Tickets zu einem prüfbaren Bericht
Ein brauchbarer Statusbericht trennt belegten Fortschritt, Risiken und offene Entscheidungen. So führst du mehrere Quellen zusammen und prüfst das Ergebnis.
Technical Debt in KI-Automation-Stacks — Schulden erkennen & abbezahlen
37 Workflows, 14 Make-Szenarien, 8 Python-Skripte — und dann kündigt der einzige Entwickler, der die Hälfte davon gebaut hat. Die 7 Schuldenarten in KI-Automation-Stacks und ein 6-Wochen-Abbauplan.
Was ist ein KI-Mitarbeiter? Definition, Abgrenzung und Einsatz im Mittelstand
Ein KI-Mitarbeiter übernimmt einen festgelegten Teil eines Arbeitsablaufs. Ein Beispiel zeigt die Verarbeitung einer Anfrage, offene Punkte und die Freigabe durch eine Fachkraft.
Wie ich in 5 Stunden eine Power App baute und unser Startup-Chaos beendete
Drei Leute. Ein Teams Channel. Dutzende Excel-Listen. Und die ständige Frage: "Wer kümmert sich eigentlich gerade um den Pitch bei Firma…
Workflow Design für KI-Systeme — Best Practices für den Mittelstand
Viele KI-Projekte scheitern nicht am Modell, sondern am Workflow Design. 7 Prinzipien für robuste, production-ready KI-Workflows: EVA-Architektur, Idempotenz, Human-in-the-Loop und mehr.
Workflow Orchestration Framework-Vergleich 2026 — LangGraph, Temporal, Prefect & Airflow
Es gibt kein 'bestes' Orchestrierungs-Framework — es gibt das richtige für dein Problem. Airflow dominiert Batch-Pipelines, Temporal garantiert Durable Execution, LangGraph orchestriert LLM-Agenten. Der Entscheidungsbaum und die Zwei-Schichten-Architektur für 2026.
LLM-Technik
Code Generation in Enterprise — Sicherheit, Quality & Integration
KI-generierte Pull Requests enthalten laut CodeRabbit Report (Dez. 2025) im Schnitt etwa 1,7-mal so viele Review-Findings wie menschlich geschriebene. Das Paradox von 2026: KI-Code-Generierung ist zu mächtig um sie zu ignorieren, und zu riskant um ihr blind zu vertrauen. Dieser Artikel zeigt das Enterprise-Framework für sichere KI-Code-Generierung.
Enterprise LLM-Architektur: Wie man strukturierte Daten zuverlässig aus unstrukturierten Texten extrahiert
Zuverlässige Datenextraktion aus unstrukturierten Texten mit LLMs — Architektur, Prompting-Strategien und Validierungsmuster für den Produktionseinsatz.
Fine-Tuning 2026: Wann GRPO besser ist als SFT — und was RULER mit Evaluierung zu tun hat
GRPO vs. SFT, RULER-Evaluierung und wann Fine-Tuning überhaupt sinnvoll ist — ein pragmatischer Überblick für 2026 ohne Hype.
KI-Wissensassistent im Service: Antworten aus Handbüchern
So begrenzt du einen Wissensassistenten auf passende, freigegebene Serviceunterlagen. Mit Musterantwort, Quellenregister und Tests für Versions- und Rechtefehler.
KI-Wissensdatenbank aufbauen: Quellen, Rechte und Qualität
Ein Entscheidungsrahmen für den Chat mit Unternehmenswissen: verbindliche Quellen, Berechtigungen, Aktualisierung und überprüfbare Antworten.
LLM-Vergleich: Das Framework für die richtige Modellwahl
Stefan öffnete die API-Rechnung: 47.000 EUR. In einem einzigen Monat. GPT-4o für alles — Klassifikation, E-Mail-Zusammenfassung, Code. Das 5-Dimensionen-Framework für systematische Modellauswahl, das seine Kosten auf 9.400 EUR reduzierte.
Prompt Engineering für Unternehmen: System Prompts, Chain-of-Thought und Testing
Angenommen, dein Prompt funktioniert in 80 von 100 Fällen. Die anderen 20? Die findet der Kunde. Das 4-Stufen-Evaluation-Framework, das Prompt Testing von Bauchgefühl auf systematische Messung umstellt.
Retrieval Augmented Generation erklärt: So nutzt KI dein Unternehmenswissen
Was Retrieval Augmented Generation ist, wie die RAG-Pipeline in fünf Schritten arbeitet, welche sechs Patterns es gibt, was der Aufbau kostet und welche Fehler du vermeidest.
Token-Optimierung: Wie du LLM-Kosten um 40% senkst
LLM-Token sind die Währung der KI-Ära — und viele Teams verschwenden einen großen Teil ihres Token-Budgets durch vermeidbare Ineffizienzen. Dieser Artikel zeigt sechs bewährte Strategien mit denen du deine API-Kosten deutlich senkst: Prompt Engineering, Caching, Batching, Model Routing, Compression und Token Budgets.
Vector Database Vergleich 2026 — Pinecone vs Weaviate vs Qdrant vs Chroma
Pinecone, Weaviate, Qdrant und Chroma im direkten Enterprise-Vergleich. Benchmarks, Preise, Skalierung und Entscheidungshilfe für den Mittelstand — nicht Marketing-Slides, sondern Produktionsrealität.
KI im Vertrieb & Marketing
Buyer Persona erstellen mit KI: In 60 Minuten zur Persona für CTOs in Mittelstands-SaaS
Das Problem: Dein Sales-Team verkauft an Geister, nicht an Menschen
Das Follow-up-Dilemma: Warum Sales Deals verliert und wie KI das Nachfassen übernimmt
Du verlierst gerade Geld. Und zwar während du das hier liest.
GEO-Exposed!
Das Problem: Deine Marke ist unsichtbar — aber nur für bestimmte Nutzer
Gesprächsleitfaden mit KI: Wie intelligente Leitfäden deine Sales Calls verbessern
Warum deine Sales Calls gerade scheitern - und du es vielleicht noch nicht einmal merkst
Kaltakquise-E-Mails mit KI: Warum Templates scheitern und Relevanz zählt
Stell dir vor, du öffnest morgens dein Postfach und findest 47 neue Nachrichten. 32 davon sind Cold Emails. Alle beginnen mit “Hey [Dein…
KI im Content Marketing: Workflow, Qualitätsregeln und Sichtbarkeit in KI-Suchen
Wie KI im Content Marketing Output vervielfacht, ohne die Qualität zu opfern: der Workflow von Research bis Prüfung, drei Use Cases mit Zeiten, Regeln gegen generischen KI-Content, Sichtbarkeit in KI-Suchen und die Kennzeichnungspflicht.
KI im Sales Training: Wie du mit AI-Roleplays dein Team auf das nächste Level bringst
Das Problem kennst du: Training, das verpufft
KI im Sales: Aus toten Projektdaten lebendige Vertriebsstories bauen
Das Problem: Deine besten Verkaufsargumente verstauben in Projektordnern
KI im Sales: Einwandbehandlung — Wie du “wir haben schon einen Anbieter” konterst
Das Problem, das du kennst
KI im Sales: ICP Definition → Zielkundenprofile, Account-Scoring, ABM
Schluss mit Gießkannen-Vertrieb: Wie KI Dein ICP, Account-Scoring und ABM revolutioniert
KI im Sales: Lead-Magnet Ideen - Whitepaper, Rechner, Checklisten
Das Problem: Warum traditionelle Lead-Magneten nicht mehr funktionieren
KI im Sales: So automatisierst du Content für Demand Gen, ohne deine Seele zu verkaufen
Das Problem: Content-Produktion frisst deine Zeit, während die Pipeline leerläuft
KI im Sales: So verwandelst du deine Call Prep in einen unfairen Wettbewerbsvorteil
Wenn stundenlange Recherche für einen einzigen Termin zur Norm wird
KI im Sales: Vertrags- & Angebotsentwürfe — rechtlich neutral, aber strukturiert
Das Problem kennen wir alle
KI im Sales: Wettbewerbsanalyse über Website- und Pitchdeck-Teardowns
Einleitung — worum es wirklich geht
KI im Sales: Wie du Features in CFO-relevante Nutzenargumente übersetzt
Das Problem, das dich gerade Deals kostet
KI im Sales: Wie du mit Datenanreicherung aus öffentlichen Quellen deine Pipeline füllst
Das Problem: Deine Leads sind Geister ohne Gesicht
KI im Sales: Wie du mit LinkedIn-Content Deals machst, statt nur Likes zu sammeln
Das eigentliche Problem: Du schreibst Posts, aber deine Pipeline bleibt leer
KI im Sales: Wie du mit Ogilvy/Hormozi-Style Hooks deine Abschlussquote verdoppelst
Das Problem: Deine Hooks verpuffen im Nichts
KI-basierte Lead-Generierung: Recherche und Kontaktaufnahme getrennt prüfen
Ein Arbeitsablauf für Zielkundenrecherche, Datenprüfung und Kontaktvorbereitung. Die Freigabe von Daten und Werbekanal bleibt eine eigene Prüfung.
Persona-Messaging mit KI: CFO, CTO und HR überzeugend ansprechen
Warum dein Sales-Pitch bei der Hälfte der Stakeholder durchfällt
Pitch Deck erstellen mit KI: Storyline, Slides und One-Pager Schritt für Schritt
Zielgruppe: B2B-Sales-Leads und Gründer in SaaS/IT, die Enterprise-Kunden gewinnen wollen.
Sales AI Tools 2026: Kategorien und Auswahlkriterien
Fünf Funktionsbereiche und ein Prüfraster für Sales-AI-Tools. Vergleiche den konkreten Ablauf, erforderliche Freigaben und aktuelle Anbieterangebote.
Sales Engagement Platforms mit LLM Integration — Reply.io, Lemlist, Instantly AI
Die erste Generation von Sales Engagement Tools war im Kern eine Sequencing-Engine — statische Kadenzen, die nicht auf Signale reagieren. LLM-native Plattformen verändern die Architektur fundamental: von statischen Sequenzen zu kontextueller Echtzeit-Personalisierung und autonomen Agent-Entscheidungen. Dieser Artikel vergleicht Reply.io, Lemlist und Instantly AI für den DACH-Markt.
Schluss mit CRM-Bullshit-Jobs: Wie KI die Datenpflege im CRM übernimmt
Das Problem: Dein CRM frisst deine Verkaufszeit
Voice-to-CRM: Wie Vertriebler nach dem Kundentermin weniger Reports tippen
Ein kurzes Sprachmemo wird zur Grundlage für geprüfte CRM-Einträge und Aufgaben. Der Artikel erklärt Datenmodell, Freigabe und Nutzenmessung.
Warum die besten Sales-Prozesse hybrid bleiben — Mensch vorne, KI im Backend
Das Problem, über das niemand spricht
Warum Forecasts scheitern — und wie KI dein Vertriebsteam realistischer macht
Dein Vertriebsleiter verspricht 2 Millionen im Quartal. Am Ende werden es 1,4 Millionen. Klingt vertraut?
Welche Arbeit kostet in deinem Unternehmen heute zu viel Zeit?
Schreib mir kurz. Ich antworte mit einer Einschätzung, ob und wie KI dafür passt.