KI-Beratung für den Mittelstand: von der Potenzialanalyse bis zum laufenden System
Die meisten KI-Beratungen enden mit einem Foliensatz. Unsere endet damit, dass ein System läuft: Wir prüfen, wo sich KI in Ihren Abläufen rechnet, sagen Ihnen ehrlich, wo nicht – und setzen das um, was die Prüfung übersteht. Auf EU-Infrastruktur, mit einem Stack, den wir selbst betreiben.
41 % der Unternehmen ab 20 Beschäftigten nutzen bereits KI, im Vorjahr waren es 17 % (Bitkom, 2026). Der Rückstand entsteht gerade jetzt – aber nicht jedes KI-Projekt ist sinnvoll. Unsere Beratung beginnt deshalb mit der unbequemsten Frage: Welche Ihrer Ideen sollten Sie nicht umsetzen?
Wir beraten nicht aus der Kategorie-Perspektive («Machine Learning, NLP, Cloud»), sondern aus der Praxis: pgvector auf PostgreSQL, n8n auf Ihrer Infrastruktur, offene Modelle auf EU-Servern. Was wir empfehlen, haben wir gebaut und betreiben es – nachlesbar in unseren Fachartikeln zu jeder Stufe.
Drei Begriffe, die in jedem Erstgespräch fallen
Definition
- KI-Beratung
- Die Prüfung, wo künstliche Intelligenz in Ihren Geschäftsprozessen messbaren Nutzen stiftet – mit Priorisierung, Kostenrahmen und klaren Abbruchkriterien. Bei uns mündet sie in Umsetzung statt in einer Empfehlungsliste.
Definition
- RAG (Retrieval-Augmented Generation)
- Ein System, das Ihr Firmenwissen durchsuchbar macht und einem Sprachmodell als Kontext vorlegt. Ihr Wissen bleibt in einer Datenbank, die Sie kontrollieren – das Modell wird nicht mit Ihren Daten trainiert. Für die meisten Mittelstands-Anwendungsfälle ist RAG die richtige Stufe.
Definition
- Fine-Tuning
- Das Nachtrainieren eines offenen Modells mit eigenen Beispielen, heute praktisch immer als LoRA-Verfahren. Es lohnt sich seltener, als der Begriff suggeriert: Es ändert das Verhalten eines Modells, nicht sein Wissen.
Falls Ihnen ein Anbieter zuerst ein «eigenes KI-Modell» verkaufen will: Lassen Sie die Reihenfolge prüfen. Prompting, RAG, Fine-Tuning und eigenes Training sind vier Stufen mit sehr unterschiedlichen Kosten – und die günstigste ausreichende Stufe gewinnt. Warum das so ist, haben wir ausführlich aufgeschrieben: Eigenes KI-Modell trainieren: warum Sie es fast nie brauchen.
Unsere Beratungs-Kernaussage: erst die Stufe, dann die Technik
Jede Anfrage durchläuft bei uns denselben Vier-Stufen-Test. Das Ergebnis verkleinert häufig unser eigenes Projektvolumen – und genau deshalb können Sie der Empfehlung trauen.
Stufe 1 – Prompting: Reicht ein gut instruiertes Modell über eine API? Für Textsortierung, Entwürfe und Extraktion oft ja. Kostenpunkt: Tage, nicht Monate.
Stufe 2 – RAG: Braucht die KI Ihr Firmenwissen? Dann gehört das Wissen in eine Datenbank, nicht ins Modell. Unser Stack dafür: pgvector in PostgreSQL, betrieben auf Supabase oder EU-Servern – dieselbe Datenbank, dieselben Backups, dieselben Zugriffsrechte wie Ihre übrigen Daten.
Stufe 3 – Fine-Tuning: Soll das Modell eine Form oder Tonalität absolut zuverlässig treffen? Erst dann wird trainiert, auf offenen Modellen. Die Abwägung im Detail: RAG vs. Fine-Tuning.
Stufe 4 – eigenes Modell: In unserer Projektpraxis bisher: kein einziges Mal die richtige Antwort. Wir sagen Ihnen das lieber vor dem Projekt als danach.
Dazu gehört auch die Betriebsfrage: Manche Daten dürfen Ihr Haus nicht verlassen. Dann betreiben wir offene Modelle auf dedizierten EU-Servern – was das kostet und wann die API günstiger bleibt, rechnen wir offen vor: LLM selbst hosten: die ehrliche Rechnung.
Beratung, die in Umsetzung mündet – der Unterschied konkret
Wir haben die Angebote analysiert, die für KI-Beratung im Mittelstand ranken. Das wiederkehrende Muster: Potenzialanalyse, Roadmap, Proof of Concept – und dann Übergabe an «einen Umsetzungspartner». Wir besetzen bewusst beide Rollen:
| Typisches Beratungs-Angebot | KI-Beratung bei happycoding | |
|---|---|---|
| Ergebnis | Roadmap und Empfehlung | Roadmap plus laufendes System |
| Nach dem Piloten | Übergabe an Dritte | Dasselbe Team setzt um und betreibt |
| Technologie-Aussage | Kategorien ohne Festlegung | Gezeigter Stack: pgvector, PostgreSQL, n8n, EU-Hosting |
| Preise | Auf Anfrage | Erfahrungswerte offen auf dieser Seite |
| Abbruchkriterien | Selten Thema | Fester Bestandteil jedes Potenzial-Checks |
| Fördermittel | Selten Thema | Förder-Check inklusive, mit Programmkenntnis |
Ein Beratungsprojekt kann bei uns auch mit dem Ergebnis enden: «Vertagen Sie das.» Wann ein Pilot gescheitert ist und wann KI-Einführung warten sollte, behandeln wir so offen wie im Projekt – nachzulesen in unserem Fahrplan KI im Unternehmen einführen.
So arbeiten wir mit Ihnen
Drei Bausteine, die aufeinander aufbauen – Sie können nach jedem aussteigen. Der Potenzial-Check ist bewusst so geschnitten, dass er auch dann Wert behält, wenn Sie mit einem anderen Partner weitermachen.
KI-Potenzial-Check
Zwei bis drei Workshops mit Geschäftsführung und Fachbereich: Wir inventarisieren Prozesse und Datenlage, priorisieren Anwendungsfälle nach Nutzen und Machbarkeit – und definieren für jeden ein Abbruchkriterium.
Pilotprojekt
Ein Anwendungsfall, produktionsnah umgesetzt in vier bis acht Wochen. Am Ende steht eine Messung gegen die vorab definierten Kriterien – nicht eine Demo, die im Meetingraum gut aussieht.
Umsetzung & Betrieb
Aus dem Piloten wird ein System im Alltag: mit Zugriffsrechten, Monitoring und geregelter Pflege. Auf Ihrer Infrastruktur oder auf EU-Servern, die wir für Sie betreiben.
Fördermittel: oft zahlt Ihr Bundesland mit
KI- und Digitalisierungsprojekte sind in mehreren Bundesländern förderfähig – und die Programme sind ergiebiger, als viele erwarten. Zwei Beispiele, die wir im Detail kennen: In Brandenburg fördert BIG-Digital Digitalisierungsvorhaben mit bis zu 250.000 €. In Mecklenburg-Vorpommern übernimmt die TBI-Förderung 50 % der Kosten, bis zu 50.000 €.
Der Förder-Check gehört bei uns zum Potenzial-Check: Wir prüfen, welches Programm zu Ihrem Vorhaben und Ihrem Standort passt, und strukturieren das Projekt antragsfähig. Den Antrag stellen Sie – wir liefern die technische Projektbeschreibung zu.
Was KI-Beratung bei uns kostet
Die Zahlen sind Erfahrungswerte aus unseren Projekten – als Orientierung vor dem ersten Gespräch, nicht als Ersatz für ein Angebot. Sie entsprechen den Projektgrößen, mit denen wir auch Automatisierungsvorhaben kalkulieren:
| Baustein | Umfang | Erfahrungswert |
|---|---|---|
| KI-Potenzial-Check | 2–3 Workshops, Inventur, priorisierte Use-Case-Liste | 1.500–3.000 € |
| Pilotprojekt | Ein Use Case produktionsnah, 4–8 Wochen, Messung | 3.500–8.000 € |
| Umsetzung | System im Produktivbetrieb, integriert in Ihre Landschaft | ab 8.000 € |
| Betrieb & Weiterentwicklung | Monitoring, Updates, Evaluation, Erweiterungen | ab 1.500 €/Monat |
Alle Beträge netto. Nach dem Potenzial-Check erhalten Sie für die Folgeschritte ein Festpreisangebot je Anwendungsfall – inklusive der Kostenposten, die andere gern verschweigen: Datenaufbereitung und Evaluation.
Sie suchen etwas anderes? Geht es Ihnen um wiederkehrende Abläufe – Rechnungseingang, Datenabgleich, Berichtswesen –, ist unsere Seite zur Prozessautomatisierung der direktere Einstieg. Und wie wir selbst mit KI Software bauen – die Methode hinter unseren Projekten – steht auf KI-gestützte Softwareentwicklung.
FAQ
Die Fragen aus unseren Erstgesprächen