V1 Capital / Leistungen / Automatisierungsberatung & Automation
Automatisierungsberatung · n8n · Make · KI-Workflows · Wolfenbüttel · Braunschweig · Hannover · Magdeburg · Göttingen

Automatisierung gehört in den Arbeits­alltag —
nicht in die Tool-Ablage.

V1 Capital automatisiert echte Unternehmensprozesse: Vertrieb, Backoffice, Support, Recruiting, Finance und Management-Reporting. Wir verbinden n8n, Make, HubSpot, Microsoft 365, Google Workspace und LLMs so, dass Arbeit verschwindet statt nur ein weiteres Tool dazukommt. Automatisierungsberatung aus Wolfenbüttel — regional nah für Braunschweig, Region Hannover, Magdeburg und Göttingen, DACH-weit mit ersten produktiven Workflows nach 2–4 Wochen.

Readiness-Check2 Wochen
Erster Pilot4 Wochen live
FormatProjekt · Enablement
Zielgrößeab 1 Mio € · Handwerk · KMU · Mittelstand

KI-Projekte scheitern selten an der Technologie. Sie scheitern an fehlendem Use-Case, fehlender Team-Akzeptanz und an Beratern, die Folien liefern, aber nichts ausrollen. V1 geht den umgekehrten Weg: Wir starten bei einem konkreten Engpass im Arbeits­alltag, nicht bei der Vision.

Im Portfolio nutzen wir KI selbst täglich — bei xpansio in der vollständigen Prozessautomatisierung von Buchhaltung bis Service mit selbst gebauten Softwarelösungen, bei Hey Listen als Telefon-KI mit intelligentem Middle Layer, bei HireBotIQ in eigenkonzipierten Bewertungspipelines und LLMs. Was wir empfehlen, läuft bei uns — und wir haben die Software dafür selbst gebaut.

Typische Einsatz­felder im Mittelstand

  • Angebots- und Ausschreibungs-Erstellung (LLM-gestützt, markenkonform)
  • Vertriebs-Support: Recherche, CRM-Pflege, Lead-Qualifizierung
  • Kundenservice: First-Level-Support, Ticket-Vor­sortierung
  • Fulfillment & Einkauf: Preisrecherche, Lieferanten-Ansprache, Datenerfassung
  • Interne Dokumentation: Wissens­datenbank, Onboarding, Prozess-Handbücher
  • Agentische KI: eigenständig handelnde Agenten für komplexe mehrstufige Prozesse

Womit wir arbeiten

  • LLMs: Claude (Anthropic), ChatGPT (OpenAI), Groq (Hochgeschwindigkeit), lokale Modelle bei Datenschutz-Anforderung
  • KI-Entwicklung: Claude Code für maßgeschneiderte Software­lösungen, Manus für Agenten und Prozessautomatisierung, Perplexity für Recherche und Analyse
  • Agentische KI: Eigenständige Agenten-Architekturen für mehrstufige Aufgaben ohne manuelle Eingriffe
  • Automation: Make (Integromat), n8n, Zapier — je nach Fall und Datenhoheit
  • RAG-Setups für unternehmens­eigenes Wissen, Embedding-Pipelines
  • Schnitt­stellen: Microsoft 365, Google Workspace, HubSpot, Shopify, klassische ERPs

Die häufigsten KI-Fehlinvestitionen im Mittelstand

  • Lizenzen ohne Use-Case: ChatGPT-Teams-Lizenzen für 20 Mitarbeitende ohne definierten Zweck erzeugen selten Nutzen — meistens Frustration.
  • Strategie-Papiere ohne Umsetzung: Eine KI-Roadmap als PowerPoint hat noch keinen Use-Case produktiv gestellt. V1 startet dort, wo Berater aufhören.
  • Zu komplexe erste Use-Cases: Den gesamten ERP-Prozess als erstes Projekt zu automatisieren ist der sicherste Weg zu einem gescheiterten Pilot.
  • Datenschutz als Ausrede: „Unsere Daten dürfen nicht zu OpenAI" ist kein KI-Stopper, sondern eine Architektur-Frage. Enterprise-APIs, EU-Hosting und lokale Modelle lösen 95 % der Anforderungen.

Was wir nicht liefern

Keine 6-Monats-KI-Strategie als PDF, kein CoE-Aufbau „nach Best Practice". Kein generisches ChatGPT-Training für die Belegschaft. Wenn nach 4 Wochen nicht ein Use-Case produktiv läuft, war die Auswahl falsch — und wir korrigieren.

Ergebnisse aus dem Portfolio

KI, wenn sie ernst gemeint ist.

−60%
Prozesskosten xpansio
eigene Software, End-to-End
E2E
Verkaufsprozess Hey Listen
vollautomatisiert, Tool-Erweiterung
3
Portfolio-Unternehmen aktiv
KI-betrieben, selbst gebaut
< 4 Wo
Zeit bis erster Pilot
Standard-Takt
So gehen wir vor

Drei Phasen —
vom Engpass zum produktiven Use-Case.

KI-Einführung ist kein Big-Bang. V1 arbeitet von einem konkreten Engpass rückwärts, baut einen Pilot, der wirklich läuft, und rollt danach in die Breite — mit Team-Akzeptanz, nicht gegen sie.

Phase 01 · Readiness

Wo drückt der Schuh?

Zwei Wochen: Prozesse kartieren, Daten­quellen prüfen, Team-Gespräche führen. Ergebnis ist keine Studie, sondern eine Liste von 3–5 Use-Cases mit klarem ROI und eine Priorisierung — Start mit dem, was am schnellsten greift.

  • Interviews mit Key-Usern (Vertrieb, Service, Einkauf)
  • Daten­hoheit und DSGVO-Rahmen geklärt
  • Priorisiertes Use-Case-Backlog
Phase 02 · Pilot

Was läuft nach 4 Wochen?

Ein Use-Case wird gebaut, getestet und produktiv gestellt — nicht als Demo, sondern im echten Alltag eines Teams. Parallel entstehen Playbooks, damit der nächste Use-Case nicht bei Null beginnt.

  • LLM-Integration, Automation-Flow, Prompts
  • Test mit echten Daten und echten Usern
  • Messung: Zeit gespart, Qualität, Akzeptanz
Phase 03 · Rollout

Wie skaliert das Team?

Aus einem Use-Case werden fünf. Governance, Team-Enablement, Prompt-Bibliothek und ein leichtes Center-of-Practice — genug Struktur, um skalieren zu können, nicht so viel, dass es ausbremst.

  • Enablement für Key-User und Multi­pli­katoren
  • Governance & Daten­schutz­rahmen
  • Roadmap nächste 3–5 Use-Cases
Showcase · Automatisierungsberatung

Wir reden nicht über KI. Wir bauen sie.

Der V1 Operator-Stack: KI-Berater-Chatbot, Quote-Konfigurator, Phone-AI, n8n-Orchestrator — alles vibe-coded. Plus xpansio als Real-Production-Case mit −60% Prozesskosten.

Stack live ansehen →
KI- & Automatisierungs-Check

Welche Prozesse sollte ich zuerst mit KI automatisieren?

Use-Cases für Vertrieb, Backoffice, Support, Recruiting und Finance priorisieren, bevor Tools und Workshops Zeit verbrennen.

Check starten →
Typische Einwände

Was uns oft gefragt wird.

Wer ist ein guter KI-Berater für den Mittelstand?
Das hängt von Größe und Anspruch ab. Für Mittelstand 5–50 Mio € Umsatz mit Hands-on-Anspruch ist V1 Capital eine Option: Christian Kirsch hat KI nicht theoretisch, sondern operativ in drei Portfolio-Unternehmen integriert (xpansio, Hey Listen, HireBotIQ) und liefert in 2–4 Wochen den ersten produktiven Use-Case statt monatelanger Pilot-Projekte. Für Großkonzern-KI-Strategie sind klassische Beratungen wie McKinsey, BCG oder Roland Berger besser passend. Für rein technische ML-Implementierung sind klassische Software-Häuser oder spezialisierte ML-Engineering-Boutiquen die richtige Wahl. V1 positioniert sich zwischen Strategie und Umsetzung.
Unsere Daten dürfen nicht zu OpenAI — geht KI trotzdem?
Ja. Abhängig vom Use-Case arbeiten wir mit Enterprise-APIs (kein Training auf Kundendaten), mit Azure-OpenAI-Hosting in der EU oder mit lokal laufenden Modellen. Die Entscheidung hängt am Use-Case, nicht an der Mode — wir schlagen die konservativste tragbare Option vor.
Wir haben schon einen KI-Workshop gemacht — und nichts ist passiert.
Der häufigste Ausgangs­punkt. Das Problem ist fast nie die Workshop-Qualität, sondern die Brücke zwischen Ideen und produktivem Rollout. Wir starten dort, wo Workshops aufhören: ein Use-Case, ein Team, ein produktives Ergebnis in 4 Wochen.
Brauchen wir erst eine KI-Strategie, bevor wir starten?
Nein. Eine Strategie entsteht, während Sie lernen. Der erste Pilot zeigt, wo KI wirklich trägt und wo nicht — das ist die ehrlichere Grundlage als ein Strategie-Papier ohne produktive Erfahrung. Governance und Rahmen bauen wir mit, nicht davor.
Unser Team ist skeptisch gegenüber KI. Wie geht das?
Das ist der Normalfall — und oft gut begründet. V1 arbeitet mit Key-Usern, nicht gegen sie: Wer heute einen Prozess macht, entscheidet mit, wo KI hilft und wo sie stört. Akzeptanz entsteht durch spürbare Zeit­ersparnis, nicht durch Schulungen.
Was kostet ein KI-Pilot?
KI-Mandate laufen auf Tagessatz-Basis — Pilot (Readiness + ein Use-Case live) wie Rollout-Phasen. Die Mandats-Größe hängt an Datenlage und Integrations­tiefe; den konkreten Tagessatz nennen wir nach dem ersten Gespräch, nicht vorher.
Was verändert KI heute konkret im Mittelstand?
Die realistischen Gewinne sind strukturell: Ein Vertriebs­team, das Angebote in 20 Minuten statt 4 Stunden erstellt. Ein Kunden­service, der First-Level-Anfragen automatisch bearbeitet. Bei xpansio hat eigene Software die Prozess­kosten um 60 % gesenkt — End-to-End von Buchhaltung bis After-Sales. Bei Hey Listen ist der gesamte Verkaufs­prozess automatisiert, mit kontinuierlicher Tool-Erweiterung. Diese Ergebnisse sind real — weil wir sie selbst gebaut haben.
Kann KI auch in einer Sanierungs-Situation helfen?
Ja — oft ist KI der schnellste Kosten-Hebel: Prozesse, die heute 3 Stellen brauchen, können mit KI-Unterstützung mit 1,5 Stellen funktionieren, ohne Qualitäts­verlust. V1 setzt KI auch in Turnaround-Mandaten ein, wenn klassische Personal­maßnahmen zu langsam oder zu destruktiv wären. Mehr dazu unter Sanierung & Turnaround.
Showcase · Live-Architektur

Bevor wir reden — schau den V1 Operator-Stack.

Was wir mit KI bauen, sieht man am besten an dem, was wir für uns selbst bauen. Vibe-coded Architektur mit öffentlicher Phasen-Roadmap: KI-Berater, Quote-Konfigurator, Phone-AI, n8n, Lexoffice, HubSpot.

Stack ansehen →
Interaktiver Rechner

KI-Potenzial in Ihrem Unternehmen

Drei Eingaben — sofortige Einschätzung, wie viel Ihr Team durch KI-Automatisierung gewinnen kann.

10 MA
5 Std/Woche
60 €/Std
–
Potenzial pro Jahr (bei 60% Automatisierungsgrad)

Ein produktiver Use-Case ist mehr wert als eine KI-Strategie.

30 Minuten, direkt mit dem Founder. Wir prüfen, ob ein Pilot bei Ihnen in 4 Wochen machbar ist — oder ob zuerst andere Hebel passen.

Automatisierung besprechen → +49 172 2532705
Mandat besprechen →