KI in der Beratung: Wenn ein Berater arbeitet wie ein Team (Teil 1/2)

Ein Wettbewerbsvergleich im Einsteigersortiment eines Werkzeugherstellers: sechs Vergleichsmarken, je Artikel die zwei ähnlichsten Produkte, jeder Preis als Median aus fünf bis zehn Quellen, festes Händlerpanel, keine Aktionspreise. Vor zwei Jahren war das eine Woche Arbeit für einen Analysten. Heute liegt das Ergebnis nach einem Tag vor – sauber dokumentiert, über mehrere Iterationen verfeinert und als Entscheidungsvorlage aufbereitet.

Der Unterschied heisst KI. Genauer: KI-Agenten, die nicht nur Texte formulieren, sondern entlang einer definierten Methodik arbeiten – mit Dateien, Datenräumen, Tabellen und Präsentationen. Wir setzen diese Werkzeuge seit Monaten in unseren Mandaten ein. Unsere These nach dieser Erfahrung: KI verändert nicht, was gute Beratung ausmacht. Sie verändert, wie viel davon eine erfahrene Einzelperson leisten kann. Vier Hebel machen den Unterschied – vorausgesetzt, das Fundament stimmt. Doch dazu später mehr.

Hebel 1: Vordefinierte Methodik, jedes Mal identisch angewendet

Qualität in der Beratung entsteht nicht aus Genialität, sondern aus Methode: klare Regeln, was gemessen wird, wie es gemessen wird und was als belastbar gilt. Im erwähnten Wettbewerbsvergleich ist das exakt definiert – Vergleich im relevanten Absatzkanal, Median statt Mittelwert, festgelegtes Wettbewerberset, keine Rabattaktionen.

Ein KI-Agent hält sich an diese Regeln – beim ersten Durchlauf genauso wie beim zehnten. Was früher von Tagesform, Zeitdruck und der Sorgfalt des jeweiligen Bearbeiters abhing, wird reproduzierbar. Die Analyse vom März lässt sich im September mit identischer Methodik wiederholen; Abweichungen sind dann Marktbewegungen, keine Messfehler. Für die Steuerung eines Unternehmens ist genau diese Vergleichbarkeit über die Zeit der eigentliche Wert.

Hebel 2: Eine Person arbeitet wie ein kleines Team

Ein klassisches Beratungsteam teilt sich die Arbeit: Einer strukturiert, einer rechnet, einer baut Folien, einer dokumentiert. KI-Agenten übernehmen die ausführenden Rollen parallel – der Berater orchestriert und entscheidet.

Ein Beispiel aus einem Mandat: Für einen Zerspanungsbetrieb mit rund 20 Mitarbeitenden entstand in wenigen Arbeitstagen ein vollständiges Fertigungsplanungswerkzeug – Maschinenstammdaten für 25 Maschinen, Abwesenheitsplanung, Auftragspool, Wochenplan und Kapazitäts-Dashboard im Zweischichtmodell. Das ist der Umfang eines mehrwöchigen Teilprojekts, geleistet von einer Person mit KI-Unterstützung. Für ein KMU dieser Grösse wäre ein mehrköpfiges Beraterteam wirtschaftlich nie darstellbar gewesen.

Hebel 3: Erfahrung wird multiplizierbar

Das wertvollste Kapital einer Beratung sind Erfahrungswerte: Welche Fragen entlarven ein Problem? Welche Muster kündigen eine Krise an? Woran erkennt man, dass eine Organisation mehr verspricht, als sie liefert? In der Praxis steckt dieses Wissen in Köpfen – und kommt nur so weit zum Einsatz, wie es der Kalender des erfahrenen Beraters erlaubt.

Giesst man diese Erfahrung in Standards – Fragenkataloge, Bewertungsraster, Reifegradmodelle –, kann ein KI-Agent sie vollständig anwenden. Unser Corporate Health Check etwa arbeitet mit einem Katalog von 135 Fragen über alle zehn Dimensionen der Unternehmensführung und einem gewichteten Reifegrad-Scoring. Kein Projektdruck führt mehr dazu, dass Fragen «aus Zeitgründen» wegfallen. Die Erfahrung ist nicht mehr an die Anwesenheit des Seniors gebunden – sie wirkt in jedem Mandat vollständig. Das ist Institutional Learning, angewendet auf die Beratung selbst.

Hebel 4: Analysen in Stunden statt Wochen

Ob Datenraum-Auswertung in der Due Diligence, Marktmodell mit Szenarien und Sensitivitäten oder die Auswertung von Auftrags- und Kapazitätsdaten aus dem ERP: Analysen, die früher Wochen banden, entstehen heute in Stunden bis Tagen. Die eingangs erwähnte Wettbewerbsanalyse durchlief fünf Versionen, bis die Abgrenzung des Sortiments exakt sass – ein Detailgrad, für den in klassischen Projektbudgets schlicht die Zeit gefehlt hätte.

Wichtiger als die Zeitersparnis ist der Charakterwandel der Arbeit. Wenn eine Analyse Stunden statt Wochen kostet, kann man mehr Hypothesen prüfen, mehr Varianten rechnen, häufiger iterieren. Die Diskussion mit dem Kunden verschiebt sich von der Datenbeschaffung zur Schlussfolgerung – dorthin, wo sie hingehört.

Was das für den Mittelstand bedeutet

Industrielle KMU standen beim Einkauf von Beratung oft vor einer unangenehmen Wahl: entweder das grosse Haus mit grossem Team und entsprechendem Honorar – oder der Einzelberater, dessen Kapazität schnell erschöpft ist. KI löst dieses Dilemma ein Stück weit auf: Der erfahrene Einzelberater liefert den Output eines kleinen Teams, ohne dessen Kostenstruktur. Der Tagessatz kauft nicht mehr nur die Stunden einer Person, sondern die Kapazität eines eingespielten Teams – geführt von jemandem, der jede Zwischenetappe selbst beurteilt.

Für den Mittelstand heisst das: Analysetiefe, die bisher Konzernprojekten vorbehalten war – vollständige Diagnostik, sauber gerechnete Szenarien, belastbare Datenarbeit –, wird wirtschaftlich zugänglich. Es entstehen kürzere Mandate mit mehr Substanz statt langer Mandate mit viel Anwesenheit.

Handlungsempfehlung

Wenn Sie Beratung einkaufen, fragen Sie künftig nicht nur nach Referenzen, sondern nach der Arbeitsweise: Mit welcher Methodik wird gearbeitet? Welche Standards sind definiert? Und wie wird KI eingesetzt – als Spielerei oder als Werkzeug entlang dieser Standards?

Denn so gross die Hebel sind: Sie wirken nur unter Voraussetzungen. KI ohne saubere Methodik produziert Beliebigkeit in hoher Geschwindigkeit – und die Struktur muss weiterhin vom Berater kommen. Warum das so ist und woran Sie den Unterschied erkennen, lesen Sie im zweiten Teil (Link).

‍

Weitere Artikel:

KI in der Beratung: Die Struktur kommt weiterhin vom Berater (Teil 2/2) (Link)

Die Methode BASICON (Link)

Institutional Learning (Teil 1/2) (Link)

Spitzenleistung durch Transparenz (Teil 1/2) (Link)