Fundament und Verstärker. Eine Architektur.
Was Sie konkret bekommen, ist eine Architektur die zusammenspielt: eine geordnete Wissens-Grundlage und Automatisierungen die darauf laufen. Output fliesst zurück, das System lernt mit. Welche Anwendungen bei Ihnen passen zeigt der Audit, wie das Bauen abläuft steht in der Methode.
Wissens-Architektur.
Firmenwissen wird Infrastruktur. Was bisher im Kopf der Mitarbeiter steckt, in alten Tools verstaubt oder in individuellen KI-Routinen verstreut liegt, wird strukturiert in Markdown, durchsuchbar und für Mensch wie KI lesbar (via RAG und Embeddings). Aus verstreutem Wissen wird ein Asset, das mit der Zeit wächst statt zu verfallen. Wer heute ordnet, gewinnt mit jeder neuen KI-Generation dazu.
Firmen die sagen: "Unser Problem ist nicht Automation. Unser Problem ist Chaos." Plus für KMU vor Pensionierungen, Generationenwechseln oder grösseren Tool-Migrationen, wo Wissen sonst still verloren geht.
Ein zentraler Wissens-Speicher mit strukturierten Notizen, klaren Verlinkungen und sauberem Schema. Standalone verkaufbar oder Teil der laufenden Betreuung.
Fundament für jede Automation. KI-Automatisierung läuft auf der geordneten Wissens-Grundlage des ersten Moduls. Ohne diese Grundlage gibt es nichts Stabiles, worauf sie laufen kann.
Ein Wissens-Speicher braucht laufende Pflege. Aufgebaut und liegen gelassen veraltet er innerhalb von zwölf Monaten.
Welches Wissen wird wie zur Infrastruktur.
Vier typische Schmerzpunkte: individuelle KI-Routinen leben nur in einem Kopf, Mitarbeiter fragen Werkzeuge die das Firmen-Wissen nicht kennen, eine Schlüssel-Person geht ohne saubere Übergabe, alte Tools werden zum Friedhof. Tippen Sie auf ein Muster für Schema, Beispiel und Aufwand.
Muster 01 KI-Workflows konsolidieren 3–5h gespart pro Person pro Quartal
Jeder Mitarbeiter hat eigene Tricks, wie er mit ChatGPT oder ähnlichen Werkzeugen arbeitet. Niemand sieht, was die anderen machen. Wechselt jemand das Team oder ist krank, fängt der Nachfolger bei Null an.
Anna hat über Monate herausgefunden, wie sie mit KI in fünf Minuten eine saubere Offerten-Mail bekommt. Tom übernimmt Annas Mandate, weiss aber nichts davon. Sechs Wochen Lernkurve umsonst.
Ich sammle die individuellen Prompts und KI-Routinen, die einzelne Mitarbeiter sich selbst beigebracht haben. Daraus entsteht eine gemeinsame Prompt-Bibliothek, versioniert und durchsuchbar. Wer neu dazukommt, profitiert vom ersten Tag.
Erfordert Bereitschaft, eigene Tricks zu teilen. Wer seine Routinen für sich behalten will, blockiert das System. Die Sammlung wird besser mit der Zeit.
Muster 02 KI-lesbares Firmen-Wissen 50–200h gespart pro Jahr
Mitarbeiter fragen ChatGPT, bekommen Antworten aus dem Internet. Aber Ihre Lieferanten-Konditionen, Ihre Offerten-Standards, Ihre internen Regeln kennt das Werkzeug nicht. Die Antworten sind generisch und in der Praxis oft unbrauchbar.
Eine neue Sachbearbeiterin sucht dreissig Minuten, um die Lieferanten-Konditionen für ein bestimmtes Material rauszufinden. Mit einem KI-Assistenten der Ihr Firmenwissen kennt, dauert die gleiche Frage fünf Sekunden.
Ihr Firmenwissen wird in Markdown strukturiert und für KI-Recherche aufbereitet (via Schema, Embeddings, RAG-Indexing). KI-Assistenten (Claude, ChatGPT, lokale Modelle) bekommen kontrollierten Zugriff. Die Antworten kommen aus Ihrem Firmen-Kontext, mit Verweis auf konkrete Quellen. Berechtigungen werden klar geregelt.
Nur so gut wie das Wissen das drin ist. Zugriffsrechte müssen geklärt sein: wer darf was sehen, was nicht.
Muster 03 Mitarbeiter-Wissen sichern einmalig 40–80h Aufwand
Eine Schlüssel-Person geht in Pension oder kündigt. Und niemand weiss wirklich, wie sie es gemacht hat. Das Wissen steckt im Kopf der Person, dokumentiert ist davon wenig.
Ein Bauleiter mit dreissig Jahren Erfahrung kennt jeden Lieferanten, jeden schwierigen Fall, jeden Trick zum Eskalieren. Wenn er weg ist, braucht sein Nachfolger schnell mal 18 Monate, bis er ähnlich fit ist.
Strukturierte Gespräche mit der Schlüssel-Person über mehrere Wochen. Ihr Wissen wird mit ihren eigenen Worten festgehalten, in Markdown abgelegt, mit Verlinkungen zu Standard-Prozessen. Übergabetauglich und KI-lesbar.
Funktioniert nur mit Bereitschaft der Person. Kein Zwang möglich. Drei Wochen vor Austritt ist meist zu spät.
Muster 04 Migration aus bestehenden Tools einmalig 40–120h Aufwand
Jahre Firmenwissen liegen in alten Werkzeugen: Confluence, SharePoint, OneDrive, Google Drive. Schlecht durchsuchbar, KI kann es nicht lesen. Die Mitarbeiter fragen lieber den Kollegen am Nachbartisch, das geht schneller.
Ein KMU hat seit 2015 ein Wiki mit 2'400 Seiten. Die Suche frustriert, die Antworten kommen schneller per Zuruf. Das Wiki wird zum Friedhof, das Wissen geht trotzdem verloren.
Export aus den alten Tools, Strukturierung nach Markdown-Schema, Migration in den zentralen Speicher. Was relevant ist bleibt, was tot ist wird archiviert. Alte Tool-Lizenzen werden meist kündbar.
Migration ist Strukturarbeit. Wer einfach 1:1 kopiert, hat den alten Friedhof in neuer Form. Nach der Migration sind alte Tool-Lizenzen meist kündbar, das spart laufende Kosten.
Welches Muster zuerst, zeigt der Audit. Oft beginnt es mit Workflow-Konsolidierung oder KI-Recherche. Die anderen folgen dann logisch.
KI-Automatisierung.
Repetitive, textbasierte, regelbasierte Aufgaben werden automatisiert. Was heute fünf Stunden dauert, läuft danach in zehn Minuten durch. Der Mensch bleibt im Loop als Quality-Gate (Human in the Loop), KI macht den Rest. Aus jedem automatisierten Prozess werden hunderte Stunden pro Jahr frei für Arbeit, die nur ein Mensch machen kann.
Firmen mit hohem Volumen an repetitiven Text- und Daten-Aufgaben. Treuhand mit täglicher Belegklassifikation, Bauunternehmen mit Aufmass-zu-Offerten, Industriebetriebe mit Plan-zu-Liste-Aufgaben. Überall wo Menschen die gleiche Verarbeitung Tag für Tag wiederholen.
Eine konkret automatisierte Pipeline pro Standard-Muster. Pro Pilot ein Prozess Ende-zu-Ende, dann Skala auf weitere Prozesse.
Läuft auf der Wissens-Grundlage des ersten Moduls. Standalone-Muster wie Plan-zu-Liste laufen auch ohne. Sobald Firmenwissen einfliessen soll (Offerten-Standards, Lieferanten-Kontext, interne Regeln), wird Modul 01 zur Voraussetzung.
Quality-Gate ist Pflicht. Auch automatisierte Pipelines produzieren Fehler. Der Mensch prüft Stichproben, sonst landet die falsche Liste im ERP.
Welches Muster passt zu welchem Prozess.
Vier typische Schmerzpunkte: jemand bastelt jede Woche neue Charts und Dashboards, sortiert Belege oder Tickets in Kategorien, formuliert Offerten und Pitch-Decks aus Roh-Daten, baut von Hand Listen aus Plänen oder Verträgen. Tippen Sie auf ein Muster für Schema, Beispiel und Aufwand.
Muster 01 Visualisierung und Dashboards 30–100h gespart pro Jahr
Mitarbeiter bastelt jede Woche dieselben Charts neu aus Excel-Daten. Geschäftsführung will Dashboards, jemand muss sie manuell pflegen. Bei Quartal-Reviews kostet das jedes Mal Stunden.
Wöchentliche Verkaufs-Dashboards aus CRM-Daten. Quartalsweise KPI-Slides aus Buchhaltung plus Marketing. Live-aktualisiertes Geschäftsleitungs-Dashboard mit Zahlen aus drei Systemen. Aus drei Tagen Excel-Arbeit pro Monat wird ein automatisierter Datenfluss.
Datenquellen anbinden (CRM, Buchhaltung, ERP, Excel), KI aggregiert und berechnet KPIs, Visualisierungs-Engine erzeugt Charts oder Dashboards nach definierten Layouts. Output live-aktualisiert oder als statischer Slide-Export. Mensch entscheidet, was im Meeting gezeigt wird und wie der Befund interpretiert wird.
Auch schöne Charts können Falsches zeigen. KI visualisiert was sie bekommt, schmutzige Daten geben schöne aber unbrauchbare Bilder.
Muster 02 Klassifizieren und routen 100–400h gespart pro Jahr
Jemand sortiert Dinge manuell in Kategorien. Belege zuordnen, Anfragen weiterleiten, Tickets priorisieren.
Treuhand sortiert eingehende Belege in Kategorien (Rechnung, Quittung, Vertrag). Support sortiert Tickets nach Priorität und Zuständigkeit.
Endliche, klare Kategorien definieren, KI klassifiziert und routet automatisch, unsichere Fälle landen in Review-Queue.
Funktioniert nur mit klaren, endlichen Kategorien. Wenn die Grenzen unscharf sind, gehört der Fall in die Hand eines Menschen.
Muster 03 Dokumente und Texte erzeugen 50–200h gespart pro Jahr
Mitarbeiter nehmen eine Vorlage (Word, PowerPoint, PDF) und füllen sie mit Daten aus einer anderen Quelle. Oder formulieren wiederkehrende Berichte und Präsentationen aus Roh-Material.
Offerte aus Aufmass-Daten. Exposé aus Objektdaten. Rapport aus Baustellen-Notizen. Pitch-Deck für Investoren aus Geschäftsbericht plus Roadmap. Quartals-Slides aus operativen Daten.
Vorlage als Template definieren (Word, PowerPoint, PDF), Datenquellen anbinden, KI füllt Platzhalter und formuliert Freitext. Output als fertiges Dokument oder Slide-Deck. Mensch reviewed, finetuned, gibt frei.
"Jede Offerte ist anders" ist meistens nicht ganz richtig. Eine Standard-Struktur drunter zu finden ist die Pflicht-Vorarbeit.
Muster 04 Daten extrahieren 100–300h gespart pro Jahr
Mitarbeiter lesen ein Dokument (Plan, PDF, Vertrag) und erstellen daraus manuell eine strukturierte Liste oder Datenbank.
Grundrissplan zu Positionsliste mit Türtypen, Massen, Anzahl. Verträge zu Konditionen-Tabelle. PDF-Rechnungen zu Buchhaltungs-Liste. In einem Industrie-Mandat das ich begleite: 240 Stunden pro Jahr in dieser einen Aufgabe.
Dokument als Input definieren, KI extrahiert nach Regelwerk, Output als strukturierte Liste (Excel, CSV, ERP). Mensch prüft als Quality Gate.
Funktioniert nur wenn Input-Format einigermassen konsistent ist. Bei wechselnden handschriftlichen Notizen wird es schwierig.
Welches Muster passt, zeigt der Audit. Manchmal sind es zwei gleichzeitig, manchmal ein Mischfall.
Welcher Prozess kostet bei Ihnen am meisten Zeit?
Diagnose-Gespräch, 30 bis 60 Minuten. Kein Pitch. Wir schauen ob es sich lohnt. Wie der Ablauf konkret aussieht, steht auf der Methode-Seite.
Diagnose-Gespräch anfragen →