Erst der Prozess, dann der Datenraum, dann der Agent. Ich begleite dich von der Use-Case-Analyse bis zur produktiven Umsetzung. Mein Zuhause ist der Microsoft-Stack, über Azure AI Foundry binde ich jedes Modell ein und baue für jedes Ökosystem.
Sie scheitern daran, dass Prozesse automatisiert werden, bevor sie verstanden sind, und dass KI-Agenten in unstrukturierte Datenräume greifen. Liegen Daten verstreut über Teams-Channels, E-Mail-Anhänge und OneDrive-Ordner, findet der Agent nichts, oder das Falsche. Das Ergebnis: teure Lizenzen, die nach wenigen Wochen keiner mehr nutzt.
Ich drehe die Reihenfolge um: erst den Prozess klären und den Datenraum bauen, dann den Agenten.Bevor ein Euro in Lizenzen fließt, prüfe ich jeden Use Case auf drei Faktoren. Erst wenn alle drei stimmen, lohnt sich Automatisierung wirklich. So sieht das vereinfacht aus:
| Use Case | Volumen | Regelhaftigkeit | Datenlage | Urteil |
|---|---|---|---|---|
| Angebote & Rechnungen erfassen | hoch | hoch | sauber | automatisieren |
| Standard-Anfragen beantworten | hoch | mittel | strukturierbar | KI-Agent |
| Reporting aus Fachdaten | mittel | hoch | verstreut | erst Datenraum |
| Strategische Einzelentscheidung | niedrig | niedrig | individuell | Mensch behalten |
Vereinfachtes Beispiel. In der Praxis bewerte ich Volumen, Regelhaftigkeit und Datenqualität an deinen echten Prozessen. Das Ergebnis ist eine ehrliche Go- oder No-Go-Empfehlung, bevor du investierst.
Ich komme aus der Gastronomie, wo ich selbst angefangen habe, mit Daten zu steuern und Abläufe zu automatisieren, lange bevor das ein Produkt war. Heute baue ich genau das für den Mittelstand. Mein Zuhause ist der Microsoft-Stack, 365, Power Platform und Copilot Studio, den ich in der Tiefe kenne. Wo Skalierung gefragt ist, gehe ich in Azure und Foundry und binde dort jedes Modell ein.
Du sprichst mit der Person, die auch baut. Kein Vertriebskontakt, der dich an ein Team weiterreicht. Genau deshalb geht es schnell: keine Abstimmungsschleifen, kein Agentur-Overhead. Mit sauberer Dokumentation und Deployment auf meinem oder deinem Tenant, ganz wie du es brauchst.
Use-Cases und Potenziale bewerten. Wo lohnt sich KI wirklich?
Architektur und Piloten konzipieren. Datenraum prüfen, KPIs definieren.
Agenten bauen und orchestrieren. Pilot produktiv und messbar machen.
Rollout, Betrieb und Weiterentwicklung. Governance und Enablement.
Je nachdem, wo dein Unternehmen gerade steht. Jeder Weg liefert ein prüfbares Ergebnis, bevor du flächig investierst.
Microsoft 365 Copilot strukturiert einführen: Use-Cases, Datenraum, KPI, ROI. In 6 bis 12 Wochen liegt eine prüfbare Go- oder No-Go-Empfehlung vor, bevor du flächig lizenzierst.
Mehr erfahrenStrukturierte Datenhaltung und KI-Agenten, die deine Zahlen in Klartext erklären. Ich baue zuerst den Datenraum, dann den Agenten, damit er findet statt erfindet.
Mehr erfahrenAutomatisierung, die im echten Betrieb läuft, nicht nur in der Demo. Erst den Prozess klären, dann den Flow bauen. Was sich automatisieren lässt, läuft ohne dich.
Mehr erfahrenDu musst dich nicht zur Umsetzung verpflichten, um Klarheit zu bekommen. Die Standortbestimmung liefert eine ehrliche Bedarfsanalyse, danach entscheidest du in Ruhe.
Wo lohnt sich KI bei dir wirklich? Ehrliche Analyse, ohne Umsetzungspflicht.
Produktiver Agent oder Flow auf deinen Daten. Echte Nutzer, echte Erfolgskriterien.
Vom Pilot zur Unternehmenslösung. Abrechnung transparent nach echtem Aufwand.
Standortbestimmung → Discovery → Pilot: jede Stufe wird auf die nächste angerechnet. Kein Sunk Cost.
Alle Preise sind Richtwerte für typische Projekte im deutschen Mittelstand. Umsatzsteuerfreie Leistungen gemäß §19 UStG. Im Discovery klären wir verbindlich, was dein Pilot kostet und ob er sich lohnt.
Unverbindliches Erstgespräch, Strategie-Workshop oder Pilot in 90 Tagen. Ich finde den Prozess mit dem größten Hebel und prüfe, ob KI dort wirklich trägt.
Erstgespräch buchenMicrosoft-Stack als Zuhause. DSGVO und EU AI Act. Deine Daten bleiben deine.