KI für Unternehmen – Womit anfangen? Ein Leitfaden für Entscheider

Dieser Text ist so verfasst, wie Marcus Sheridan in seinem Buch „What Does the Braucher Want to Know?” rät. – zuerst die Fragen, die Sie bereits im Kopf haben, dann konkrete Antworten. Keine versteckten Mängel und keine leeren Versprechungen.

Wenn Sie Antworten auf eine der folgenden Fragen suchen, sind Sie hier richtig:

• Was genau ist diese „KI”, wenn jeder dieses Wort übertrieben verwendet?
• Was ist der Unterschied zwischen ChatGPT, Claude und Kopilot – und was sollten Sie für Ihr Team wählen?
• Wie viel kostet es pro Jahr – nicht „ab”, sondern eine Größenordnung?
• Was könnte schief gehen (Halluzinationen, Daten, fehlende Fußnoten)?
• Wie fange ich an, um mein Budget nicht gleich zu Beginn zu verbrennen?

Nachfolgend finden Sie es direkt – mit Beispielen aus dem Leben von Dienstleistungsunternehmen und Büros.

Was ist künstliche Intelligenz – wirklich, nicht im Marketing?

Künstliche Intelligenz (KI) ist ein weit gefasstes Konzept: Programme, die Elemente menschlicher „Intelligenz” nachahmen – Muster erkennen, Texte verstehen, Entscheidungen unterstützen. So weit gefasst wie das Wort „Fahrzeug”: Es umfasst sowohl Fahrräder als auch Flugzeuge.

Das Problem ist, dass man heute auf der Waschmaschine, im Spamfilter und in ChatGPT das Wort „mit KI” sieht. Das grundsätzlich anders TechnoProtokolleen. Um Umsetzungsangebote sinnvoll vergleichen zu können, müssen Sie es wissen Hierarchie der Konzepte.

Hierarchie: KI → maschinelles Lernen → Deep Learning → LLM

Stellen Sie es sich wie eine Matroschka-Puppe vor – jedes nachfolgende Level ist eine Teilmenge des vorherigen:

Künstliche Intelligenz (KI)
└── Maschinelles Lernen (ML)
    └── Tiefes Lernen
        └── Große Sprachmodelle (LLM)
            └── ChatGPT, Claude, Zwillinge…

KI – die breiteste Kategorie: von einfachen Regeln bis hin zu komplexen Modelllen. Der Begriff existiert seit den 1950er Jahren.

Maschinelles Lernen (ML) – Systeme, die Sie lernen aus Daten, anstatt jede Regel manuell eingeben zu müssen. Das Modelll analysiert zum Beispiel tausende Transaktionen und erkennt selbst Betrugsmuster – niemand hat ihm direkt gesagt: „Wenn der Betrag > 10.000, ist es Betrug.”.

Tiefes Lernen – eine Teilmenge von ML basierend auf neuronalen Netzen. Daher unter anderem Gesichtserkennung, Übersetzungen, Autonomieunterstützung.

LLM (große SprachModelllle) – Modellle, an denen trainiert wird riesige Textmenge. Sie verstehen natürliche Sprache, schreiben, fassen zusammen und helfen bei der Analyse von Dokumenten. LLM steht hinter ChatGPT, Claude und Zwillinge.

Warum ist das wichtig, wenn man mit einem Lieferanten spricht?

Denn wenn jemand sagt: „Wir werden KI in Ihrem Land implementieren”, haben Sie das Recht zu präzisieren: Was KI. Das Erkennen von Rechnungsscans ist oft klassisches ML. Chatbot für Kundenfragen – LLM. Nachfragevorhersage – normalerweise ML, kein Chat. Jede Variante ist mit einem anderen Budget, Zeitaufwand und Risiko verbunden.

Dieser Artikel konzentriert sich auf LLM, weil sie im Kontext „KI für Unternehmen” und Büros (Rechtskanzleien, Beratung, HR, Finanzen) am meisten diskutiert werden.

Was sind ChatGPT, Claude, Zwillinge und Kopilot?

Zu kommerzielle Produkte auf SprachModellllen aufgebaut. Sie unterscheiden sich in Unternehmen, Modelll und Ökosystem.

AnaProtokollee: LLM ist ein Motor; ChatGPT, Claude oder Zwillinge sind Autos verschiedener Marken – funktionieren alle, fahren aber anders, kosten unterschiedlich und haben unterschiedliche Ausstattungen.

Wie unterscheiden sie sich in der Praxis (ganz ehrlich)?

Es gibt niemanden, der „der Beste” ist. Es kommt darauf an, woran das Team arbeitet i welche Fragen es dem Tool stellen muss am häufigsten.

Wörterbuch – damit Sie wissen, wovon der Vertrag spricht

Prompt

Eingabeaufforderung = was Sie in das Modelll eingeben – Frage, Befehl, Kontext. Die Qualität der Antwort hängt von der Qualität der Eingabeaufforderung ab: Je klarer das Ziel, desto weniger Korrekturen.

Token

Ein Token ist eine Abrechnungseinheit – ein TextFragment (oft etwa 1–2 Token pro Wort). Sie bezahlen für Token – längere Fragen, längere Antworten, große Dateien = höhere Rechnung. Eine einzelne Konversation enthält normalerweise Hunderttausende von Token; Die Analyse einer dicken PDF-Datei kann in die Zehntausende gehen.

Halluzination

Halluzination = das Modelll „fügt” Fakten hinzu, die nicht vorhanden sind. Es klingt glaubwürdig, sieht professionell aus – aber es ist unwahr. Es liefert beispielsweise die Referenznummer eines Urteils, das nicht in den Datenbanken vorhanden ist. Das Modell „lügt” nicht wie ein Mensch – generiert statistisch wahrscheinlichen Text, nicht unbedingt wahr. In Recht, Medizin und Finanzen Es gibt immer eine menschliche Überprüfung.

SaaS

Software als Service – Sie bezahlen das Abonnement, melden sich über einen Browser oder eine Anwendung an. ChatGPT-Teams oder Microsoft 365 sind SaaS. Es ist das Gegenteil vor Ort – Software auf Ihrem Server.

RAG (Retrieval-Augmented Generation)

RAG = Das Modelll durchsucht zuerst Ihre Dokumente und antwortet dann darauf, mit der Möglichkeit der Quellenangabe. Dies ist ein typischer Weg, wenn die Frage lautet: „Weiß das Modelll Bescheid?“ unser Verträge, nicht nur das Internet, ab 2023?

KI-Agent

Ein Agent ist nicht nur eine Chat-Antwort, sondern eine Aktionskette – z.B. Einen Vertrag finden, Zinsen berechnen, eine Briefvorlage erstellen, eine Datei vorbereiten. Der Unterschied ist wie zwischen einer Hotline und einem Assistenten, der sich tatsächlich um etwas kümmert.

Drei Möglichkeiten, KI in einem Unternehmen zu implementieren (von der einfachsten)

Weg 1: Fertige Tools (SaaS)

Worum geht es: Sie kaufen Lizenzen und legen los. Ohne Umsetzungsprojekt und ohne Entwicklungsteam „darunter”.

Beispiel: Sie fügen ein Fragment des Vertrags ein und fragen: „Schreiben Sie die Vertragsstrafeklauseln in Stichpunkten auf.” Sie erhalten innerhalb weniger Sekunden einen Entwurf der Antwort.

Vorteile: Sofortstart, niedrige Eintrittsbarriere, vorhersehbare monatliche Kosten.

Nachteile (wir sagen es direkt): Modelll kennt nicht das ganze Archiv – Sie bekommen nur das, was Sie einfügen. Fehlen einer zentralen Datenbank „aller unserer Dokumente” mit Notizen. Die Daten gehen ohnehin in die Cloud des Anbieters (meist in Geschäftplänen). Sie sind nicht zum Training gedacht Modelll – aber Sie müssen es im Vertrag / DPA haben).

Für wen: kleine Teams, erste Monate, Erlernen der Arbeit mit LLM, einfache Textaufgaben und Analyse einzelner Dateien.

Aus der Perspektive „Was möchte der Kunde wissen“: Bevor Sie dem Kunden sagen: „Wir haben KI”, klären Sie dies intern ab, Welche Fragen stellt das Team am häufigsten? und ob ihm Chat reicht. Es ist derselbe Mechanismus, der hinter dem Guten steckt digitale Ausschreibung und Kalkulation – strukturierte Antworten auf sich wiederholende Fragen, statt Chaos in E-Mails.

Weg 2: KI auf Unternehmensdokumenten (RAG)

Worum geht es: Das System indiziert Ihre Dateien und antwortet basierend auf ihnen, mit Verweisen auf QuellenFragmente.

Beispielfrage: „Welche Vertragsstrafen sehen wir in unseren Verträgen mit ABC-Kunden vor?”

Antwortbeispiel (Diagramm):

„Im Vertrag vom 15. Januar 2024 beträgt die Vertragsstrafe 10% des Auftragswertes [1]. In der Anlage vom März 2024 wurde sie auf 15% [2] erhöht.”
[1] Agreement_ABC_2024.pdf, Seite 8
[2] Aneks_ABC_03_2024.pdf, Seite 2

Unterschied zu Route 1: Du musst dich nicht erinnern in welcher Datei es gab „diesen Satz über Strafen” – das System durchsucht das Repository. Sie können den Zugriff auch trennen (Rollen, Dokument-„Bereiche”).

Vorteile: Antworten „aus Ihren Dokumenten”, Fußnoten, Wissensskalierung mit dem Archiv.

Nachteile: Kosten und Zeit, Qualität = Qualität der Eingabedokumente, Fehler sind weiterhin möglich – Die Überprüfung bleibt bestehen.

Für wen: größere Teams, viele Verträge/Verfahren, regulierte Branchen.

Pfad 3: KI-Agenten (mehrstufige Automatisierung)

Worum geht es: Ein Befehl wird ausgeführt Sequenz – nach Verträgen suchen, Zinsen berechnen, eine Vorlage auswählen, eine DOCX-Datei erstellen usw.

Unterschied zu RAG: Hauptsächlich RAG Antworten. Agent führt eine Reihe von Aufgaben aus in Ihrem Namen (innerhalb der von Ihnen festgelegten Grenzen).

Vorteile: Zeitersparnis bei sich wiederholenden Szenarien.

Nachteile: höchste Kosten und Komplexität, kann ein Fehler eines Agenten größere Folgen haben als ein Fehler im Chat selbst – er muss klar definiert sein, was er nicht tun darf.

Für wen: normalerweise Bühne nach RAG, nicht der erste Tag mit KI.

Hier überschneidet sich das Thema Verfahren im Unternehmen: Wenn es im Vertrieb oder Kundenservice noch um eine „manuelle Verlagerung” von Aufgaben geht, wird der Agent selbst nicht viel regeln. Es lohnt sich, es so zu betrachten Engpässe im B2B-Verkaufsprozess – Erst Ordnung im Workflow, dann Automatisierung.

Vergleichstabelle – drei Straßen nebeneinander

*Abhängig von der Anzahl der Benutzer und dem Abfragevolumen.

Welchen Weg man wählen soll – ohne drei Jahre im Voraus zu planenen

Die meisten Organisationen gehen sinnvollerweise so vor:

Stufe 1: Fertige Werkzeuge (ab sofort)

• Teamlizenzen (ChatGPT-Teams oder Kopilot – je nach Office/Google-Ökosystem).
• Beobachtung: Wofür nutzen Menschen eigentlich KI? Was fehlt ihnen?
• Kosten: Regierung 20-30 EUR/Person/Monat. Start: einmal.

Das ist genau die Logik ein kleiner, nachweisbarer Schritt bevor Sie große Ausgaben tätigen – ähnlich der Vorgehensweise MVP in IT-Projekten: Sie testen die Hypothese zunächst kostengünstig, dann skalieren Sie.

Stufe 2: RAG (wenn das Signal erscheint)

Dies wird durch einen Satz signalisiert wie: „Cool, aber ich wünschte, es würde alle unsere Verträge durchsuchen.”
Dann: eine Abteilung, ein Dokumentenbereich, Pilot und erst dann vollständige Umsetzung.

Stufe 3: Agenten (optional, später)

Wenn Sie Folgendes hören: „Ich möchte mit einem Klick einen fertigen Brief mit Nummern aus unseren Systemen erhalten.” – Dies ist oft ein Thema für Agenten auf RAG-Basis.

Sie müssen nicht alle Etappen im Voraus planenen. Beginnen Sie mit Stufe 1 – Sie werden in Wochen und nicht in Jahren echte Bedürfnisse erkennen.

Wie viel kostet das? Geschätzt für 12 Monate (Unternehmen ~10 Personen)

Frage im Sheridan-Stil: Wie viele Stunden pro Woche das Team Verschwenden Sie die Suche nach Antworten in alten E-Mails und Dateien? Mit den Kosten pro Arbeitsstunde multiplizieren. Wenn es mehr kostet als die Wartung des Tools, haben Sie ein Geschäftsargument und keine „KI-Modeerscheinung”.

Zehn Fragen, die Sie dem KI-Implementierungsanbieter stellen sollten (um das Marketing vom Inhalt abzulenken)

Wenn Sie führen Gespräche Fragen Sie Implementierungsunternehmen direkt:

1. Wo werden meine Daten physisch verarbeitet? (Gute Antwort: spezifische Region, z. B. EU / Frankfurt – nicht „irgendwo in der Cloud”.)
2. Werden die Daten zum Trainieren des Modellls verwendet? (Gute Antwort: nie, zuzüglich einer Bestimmung im Vertrag / DPA.)
3. Was passiert, wenn das Modelll falsche Informationen liefert? (Gute Antwort: Quellen, Protokolle, Überprüfungsverfahren – nicht „das passiert nicht”.)
4. Wie sieht eine Zugangskontrolle aus? (Rollen, Bereiche, ggf. Audit.)
5. Welches Modelll verwenden Sie und warum gerade dieses?
6. Werden Sie einen PoC zu unseren Dokumenten erstellen? (Hinter einer geschlossenen NDA.)
7. Wie sieht Ihre Ausgabe aus – Datenexport, Formate?
8. Wie hoch sind die Fixkosten nach der Implementierung – die Anzahl, nicht nur „es kommt darauf an”?
9. Wer wartet das System nach dem Start – SLA, Kontakt, Eskalationen?
10. Können wir klein anfangen und dann expandieren? (Ja = gesunder Menschenverstand; „nur das komplette Paket auf einmal” = Warnsignal.)

Zusammenfassung – was Sie wählen sollten, wenn Sie nicht verloren gehen möchten

Die TechnoProtokollee ist dafür ausgereift Die Frage ist nicht „ob“, Nur „Wo soll man anfangen, um nicht zu viel zu bezahlen und das Unternehmen unkontrolliert falschen Antworten auszusetzen?”.

Was ist mit dem Endkunden, der selbst Antworten möchte?

Einige Fragen – Preisliste, Konfiguration, Verfügbarkeit von Optionen – muss nicht zum Händler gehen. Gut gestaltet Online-Konfiguratoren und Präsentationen oder ein schlüssiger Katalog mit AngebotsProtokollek tun dasselbe wie ein guter Artikel: Sie reagieren frühzeitig, bevor jemand die Website eines Mitbewerbers aufsucht.

Möchten Sie den Weg individuell auf Ihr Unternehmen zuschneiden? Schreiben Sie uns oder vereinbaren Sie ein Gespräch – wir besprechen Ihre Situation ohne Fachjargon und ohne eine vorgefertigte Lösung aufzudrängen.