Case 01Datenlage
RAG-Wissensdatenbank für Vertriebs-Team
Maschinenbau A · 22 Mio € Umsatz · 4 Aussendienst-MA
Geplant
RAG-System über alle technischen Datenblätter, damit Vertrieb sofort Antworten findet. Geschätztes Budget: 35 k €. Externer Anbieter hatte Angebot über 6 Wochen.
Stopp-Grund
Datenblätter lagen als gescannte PDFs aus den 2000ern vor. OCR-Qualität bei technischen Diagrammen miserabel. Erst-Aufwand für saubere Datenbasis: 4–6 Monate Aufbereitungs-Arbeit.
Alternative: Phase 1: Datenblatt-Modernisierung (10 k €), Phase 2: RAG erst danach. RAG-Projekt um 8 Monate verschoben.
Case 02ROI
KI-Chatbot für Webseite
Großhandel B · 8 Mio € Umsatz · 30 % Online-Anteil
Geplant
Custom GPT als Beratungs-Bot auf der Website. Externer Anbieter: 24 k € Setup + 800 €/Monat. Ziel: bessere Beratung der Online-Käufer.
Stopp-Grund
Website-Traffic 600 Besucher/Monat. Bei realistischer Konversation-Rate von 3 Prozent: 18 Bot-Konversationen/Monat. Cost-per-Konversation 44 €. Jeder dieser Käufer hätte auch angerufen.
Alternative: 0 € — Standard-Kontaktformular plus Telefon-Hotline. Bei Verdoppelung des Traffics 2026 neu prüfen.
Case 03Organisation
KI-gestütztes Performance-Management
Dienstleister C · 14 Mio € Umsatz · 65 MA
Geplant
KI-Dashboard mit Performance-Scores pro Mitarbeiter, basierend auf CRM-Aktivität, Deals und Kundenfeedback. CHRO wollte „objektive Datengrundlage".
Stopp-Grund
Klares organisationales Vertrauensproblem unter dem Tool-Wunsch. KI-Score würde existierende Konflikte verstärken, nicht lösen. Plus DSGVO und Betriebsrats-Hürden gigantisch.
Alternative: Org-Workshops mit drei Team-Leads (5 k € statt 60 k € KI-Setup). Zwei Quartale später Tool-Frage neu stellen.
Case 04Scope
„KI-Strategie für die nächsten 5 Jahre"
Familienunternehmen D · 35 Mio € Umsatz · 2. Generation
Geplant
Externe Beratung sollte 5-Jahres-KI-Strategie entwickeln, 80 k € Budget. Output: Slide-Deck mit Visions-Statements und Maturity-Matrix. CEO hatte Bauchschmerzen.
Stopp-Grund
5-Jahres-Strategien für KI sind in 2026 unrealistisch. Modellfähigkeiten verdoppeln sich alle 6–12 Monate. Strategie-Slides werden binnen 12 Monaten irrelevant. Klassisches Beratungs-Theater.
Alternative: Drei konkrete Use-Case-Pilotprojekte über 6 Monate (~20 k € pro Pilot). Strategie entsteht durch Lernen, nicht durch Powerpoint.
Case 05Datenlage
Predictive Maintenance für Produktion
Maschinenbau E · 28 Mio € Umsatz · 3 Produktionslinien
Geplant
ML-Modell soll Maschinenausfälle 48 Stunden vorhersagen. Externer Anbieter: 120 k € Implementation, 6 Monate. Sales-Pitch: bis zu 30 % weniger Stillstand.
Stopp-Grund
Sensor-Daten existierten nur an 40 Prozent der relevanten Komponenten. Ausfälle in den letzten 24 Monaten: 7 — zu wenig Trainings-Daten für jedes ML-Modell. „Predictive Maintenance" war Pitch-Sprache, kein realistisches Setup.
Alternative: Sensor-Retrofit + erste 24 Monate Daten sammeln (35 k €). Erst dann Modell-Frage. Klassischer Daten-First-Ansatz.
Case 06Phase falsch
KI-Recruiting-Plattform-Setup
Wachstums-Startup F · 1,2 Mio € ARR · 12 MA
Geplant
CEO wollte KI-Recruiting (HireBotIQ-style) selbst aufbauen, um künftiges Hiring zu skalieren. Geschätztes Setup: 60 k € + Dev-Zeit.
Stopp-Grund
Bei 1–2 Hires pro Quartal kein KI-Volumen-Case. Setup-Kosten würden über 5 Jahre nicht amortisieren. CEO baute Lösung für ein Problem, das er noch nicht hatte.
Alternative: Standard-ATS (z. B. Personio, ~150 €/Monat), KI-Recruiting erst ab 30+ Hires/Jahr neu prüfen.
Case 07ROI
KI-gestützte Marketing-Texte
B2B-Hersteller G · 11 Mio € Umsatz · Marketing-Team von 1
Geplant
Externe Agentur sollte „KI-Workflow für Marketing-Content" aufbauen: 18 k € Setup + 2 k €/Monat. ChatGPT-Wrapper mit Custom-Prompts.
Stopp-Grund
Was die Agentur als „Workflow" verkaufte, war ein 5-Prompt-Setup, das Marketing-Lead in 2 Stunden selbst hätte. Pure Vermarktung von Common-Knowledge gegen Honorar.
Alternative: Marketing-Lead bekam V1-Prompt-Library plus 2-Stunden-Onboarding (kostenfrei). Agentur-Engagement eingespart.
Case 08Strategie
Custom-LLM-Training auf Firmen-Daten
Logistik H · 45 Mio € Umsatz · IT-Team von 8
Geplant
CIO wollte eigenes LLM auf Firmen-Daten trainieren, weil „Datensouveränität". Budget-Schätzung: 250 k € Erstinvestment, 80 k €/Jahr Betrieb.
Stopp-Grund
Custom-LLM-Training für Mittelstand 2026: Frontier-Models von Anthropic/OpenAI mit Enterprise-API (Daten bleiben getrennt) oder Azure-OpenAI EU-Hosting. Eigen-Training nur für sehr spezielle Use-Cases sinnvoll, die hier nicht existierten.
Alternative: Anthropic Enterprise mit DPA für 8 k €/Jahr. Datensouveränität gleich, Kosten 30× niedriger.
Case 09Scope
Voice-AI für gesamten Kundenservice
Versorger I · 80 Mio € Umsatz · Servicecenter mit 12 MA
Geplant
CEO hatte Hey Listen kennengelernt und wollte „komplettes Servicecenter durch Voice-AI ersetzen". Externe Beratung kalkulierte 180 k € Implementation.
Stopp-Grund
Versorgungs-Anrufe sind in 30 % der Fälle hochregulatorisch (Sperrfristen, Pfändungs-Schutz, Kündigungs-Recht). Voice-AI darf das in DACH 2026 nicht entscheiden. Gesamtersatz war juristisch und operativ unmöglich.
Alternative: Voice-AI nur für Erst-Triage und Standard-Anfragen (40 % Volumen), Rest weiter mit Menschen. Setup: 35 k €. ROI: 14 Monate.
Case 10ROI
„KI-Avatar" für CEO-Videos
B2B-Software J · 6 Mio € ARR · 25 MA
Geplant
CEO wollte Synthesia-Style-Avatar von sich, um „skalierbar Video-Content" für LinkedIn zu produzieren. 9 k € Setup, 350 €/Monat Lizenz.
Stopp-Grund
Avatar wirkt 2026 noch klar erkennbar synthetisch — schadet Personal-Brand mehr als nutzt. CEO-Videos leben von Authentizität, nicht von Frequenz. Plus: in 12 Monaten ist die Tech vielleicht reif, aber jetzt nicht.
Alternative: Loom-Aufnahme aus Homeoffice, 0 € Setup. Frequenz drosseln, Qualität hoch.
Case 11Datenlage
Demand-Forecasting für Lager
Großhandel K · 18 Mio € Umsatz · 4 000 SKUs
Geplant
ML-basierte Bedarfs-Vorhersage über alle SKUs, um Lager-Bindung um 20 % zu reduzieren. Externer Anbieter: 90 k € Implementation, 18-Monats-Vertrag.
Stopp-Grund
80 Prozent der SKUs hatten zu wenig Verkaufshistorie für sinnvolle ML-Vorhersagen (Long-Tail-Sortiment). Tool würde nur 20 % der Top-SKUs verbessern, aber für alle bezahlt werden.
Alternative: Klassische ABC-XYZ-Analyse für Top-200-SKUs in Excel (3 Tage Aufwand). Lager-Bindung trotzdem 14 % runter.
Case 12Organisation
„KI-Champion" als Vollzeit-Rolle
Industrie L · 42 Mio € Umsatz · 220 MA
Geplant
Geschäftsführung wollte „KI-Champion" als Vollzeit-Stelle einrichten, der Use-Cases identifiziert und Roll-Outs koordiniert. Aufwand: ~120 k €/Jahr Personalkosten.
Stopp-Grund
In dieser Größe noch nicht skaliert genug, um Vollzeit-Rolle zu rechtfertigen. „KI-Champion" wird typischerweise zum internen Workshop-Veranstalter ohne operativen Bezug. Klassische Pseudo-Org-Lösung.
Alternative: 20 % Auslastung eines bestehenden Operations-Leads als KI-Verantwortlichen. Plus quartalsweise V1-Sparring (~16 k €/Jahr). Spart 100 k €.