Die meisten KI-Berater verkaufen Workshops. Das ist das Problem.

Ein Geschäftsführer eines Düsseldorfer Handelsunternehmens, 350 Mitarbeiter, bucht eine KI-Beratung. Zwei Tage Workshop, vier Berater, eine Beratungsgesellschaft mit Büro am Medienhafen. Am Ende stehen 60 Folien, ein Reifegradmodell und die Empfehlung, einen „KI-Champion" zu ernennen. Kosten: 28.000 Euro. Ergebnis drei Monate später: Der KI-Champion hat neben seinem eigentlichen Job keine Kapazität, die Folien liegen auf einem SharePoint, und der Geschäftsführer erzählt auf dem nächsten IHK-Treffen, KI sei für sein Unternehmen „noch zu früh".

Diese Geschichte ist nicht erfunden. Sie ist der Regelfall. Und sie erklärt, warum der Begriff KI-Beratung in Teilen des deutschen Mittelstands bereits verbrannt ist, bevor er überhaupt eine Chance hatte, etwas zu bedeuten.

Was KI-Beratung im Mittelstand tatsächlich heißt — und was nicht

Der Markt für KI-Beratung in Deutschland hat ein Definitionsproblem. Unter dem gleichen Begriff firmieren grundverschiedene Leistungen: Ganztägige Prompt-Engineering-Workshops für Marketingabteilungen. Strategieberatungen, die KI-Readiness-Scores produzieren, ohne je eine Zeile Code gesehen zu haben. Systemintegratoren, die fertige SaaS-Produkte implementieren und das als KI-Projekt verkaufen. Und — selten genug — technische KI-Beratung, die bei der Problemdefinition beginnt, die Datengrundlage prüft und eine Lösung entwirft, die tatsächlich in den bestehenden Betrieb integrierbar ist.

Das Problem ist nicht, dass es all diese Angebote gibt. Das Problem ist, dass ein mittelständisches Unternehmen, das zum ersten Mal KI-Beratung einkauft, keinen Mechanismus hat, die Qualität zu unterscheiden. Der Workshop-Anbieter hat die gleiche Website-Ästhetik wie der Systemarchitekt. Beide verwenden die gleichen Begriffe. Beide versprechen „messbare Ergebnisse". Der Unterschied zeigt sich erst sechs Monate nach dem Engagement — wenn entweder ein funktionierendes System im Betrieb ist oder eben 60 Folien auf einem SharePoint.

Drei Gründe, warum KI-Beratung im Mittelstand scheitert

Der erste Grund ist strukturell: Die meisten KI-Beratungen beginnen mit der Technologie, nicht mit dem Problem. Wie bereits in der Analyse zu KI-Strategie im Mittelstand beschrieben, ist die Reihenfolge invertiert. Ein Unternehmen hört von ChatGPT, will ChatGPT, und beauftragt jemanden, ChatGPT einzuführen. Was fehlt, ist die Diagnose: Welcher Geschäftsprozess hat ein konkretes, messbares Problem, das sich durch Automatisierung oder Augmentierung lösen lässt? Ohne diese Vorarbeit ist jede technische Implementierung ein Schuss ins Blaue.

Der zweite Grund ist personell. Die Mehrheit der Beratungsunternehmen, die KI-Beratung anbieten, hat keine Mitarbeiter, die selbst KI-Systeme gebaut und in Produktion gebracht haben. Sie haben Berater, die Folien über KI-Systeme erstellen. Das ist ein fundamentaler Unterschied. Wer nie erlebt hat, wie ein RAG-System unter realen Bedingungen halluziniert, wie eine Embedding-Pipeline bei unstrukturierten Daten versagt oder wie ein Fine-Tuning-Projekt an der Datenqualität scheitert, kann ein Unternehmen nicht kompetent beraten. Die Folien sehen trotzdem überzeugend aus.

Der dritte Grund ist regulatorisch — und wird in den nächsten Monaten zum entscheidenden Faktor. Im August 2026 treten die Hochrisiko-Pflichten des EU AI Act in Kraft. Die Verordnung (EU) 2024/1689 verpflichtet Betreiber von Hochrisiko-KI-Systemen zu Dokumentation, Risikoanalyse und menschlicher Aufsicht. Gleichzeitig verschärft die NIS2-Richtlinie die Anforderungen an Cybersecurity und Compliance für eine wachsende Zahl von Unternehmen. Eine KI-Beratung, die diese regulatorische Dimension ignoriert — und die meisten Workshop-Formate tun das —, produziert Lösungen, die im besten Fall nutzlos und im schlechtesten Fall rechtswidrig sind.

KI-Beratung, die den EU AI Act nicht mitdenkt, ist wie Architekturberatung, die das Baurecht ignoriert. Die Pläne mögen elegant sein — das Gebäude steht trotzdem nicht.

Was Düsseldorf spezifisch braucht

Düsseldorf ist kein Silicon Valley, kein Berlin und kein München. Das ist kein Nachteil — es verlangt nur eine andere Art von KI-Beratung. Die Wirtschaftsstruktur der Region ist geprägt von einer ungewöhnlichen Mischung: Mittelständische Zulieferer und Industrieunternehmen im Umland, Finanzdienstleister und Versicherungen in der Innenstadt, Mode- und Handelsunternehmen mit globalem Vertrieb, dazu eine wachsende Zahl von Professional-Services-Firmen. Dazu kommen die Institutionen: Die IHK Düsseldorf begleitet die digitale Transformation der Region, das BSI setzt den Rahmen für IT-Sicherheit, und Initiativen wie Mittelstand-Digital bieten Anlaufstellen für erste Orientierung.

Was diese Unternehmen gemeinsam haben: Sie sind zu groß, um KI zu ignorieren, und zu klein, um eigene KI-Abteilungen aufzubauen. Sie haben keine Data-Science-Teams, keine ML-Engineers, keine interne Forschungsabteilung. Was sie haben, sind konkrete operative Probleme — in der Logistik, im Kundenservice, in der Qualitätssicherung, im Vertragsmanagement —, die sich prinzipiell durch KI-gestützte Automatisierung lösen lassen. Was sie brauchen, ist jemand, der die Brücke baut zwischen dem konkreten Geschäftsproblem und der technischen Lösung. Nicht in Form einer Strategie-Folie, sondern in Form eines funktionierenden Systems.

Ein Beispiel. Ein mittelständischer Modegroßhändler in Düsseldorf bearbeitet täglich Hunderte von Kundenanfragen zu Verfügbarkeit, Lieferstatus und Reklamationen. Die Anfragen kommen per E-Mail, per Telefon und über ein Webportal. Die Sachbearbeiter verbringen den Großteil ihrer Zeit damit, die relevanten Informationen aus dem ERP-System, dem Lagerverwaltungssystem und der Speditionssoftware zusammenzusuchen, bevor sie überhaupt antworten können. Das Problem ist klar, die Datenquellen sind identifizierbar, und die Erfolgskriterien sind messbar: Bearbeitungszeit pro Anfrage, Erstlösungsquote, Fehlerrate. Eine KI-Beratung, die dieses Problem versteht, beginnt nicht mit einem Modell, sondern mit den Datenflüssen.

Der Unterschied zwischen Workshop und technischer Beratung

Um den Unterschied greifbar zu machen, hilft ein direkter Vergleich. Bei einem typischen Workshop-Format sieht der Ablauf so aus: Ein oder zwei Tage Präsenzveranstaltung. Die Teilnehmer lernen, was Prompt Engineering ist, welche Modelle es gibt und wie man ChatGPT für verschiedene Aufgaben nutzen kann. Am Ende gibt es eine Liste mit „Anwendungsfällen" und die Empfehlung, einen Pilotprojekt-Verantwortlichen zu benennen. Was fehlt: eine Bewertung der vorhandenen Dateninfrastruktur. Eine Analyse, welche der identifizierten Anwendungsfälle tatsächlich technisch umsetzbar sind. Ein Architekturentwurf. Eine Einschätzung der regulatorischen Anforderungen. Und vor allem: jemand, der nach dem Workshop noch da ist.

Technische KI-Beratung funktioniert anders. Sie beginnt mit einer Bestandsaufnahme: Welche Daten existieren, in welcher Qualität, in welchen Systemen? Welche Geschäftsprozesse haben messbare Ineffizienzen? Welche regulatorischen Rahmenbedingungen gelten — DSGVO, EU AI Act, branchenspezifische Vorgaben? Dann folgt ein technischer Entwurf: Welche Architektur ist geeignet? Welches Modell passt zum Datenvolumen und zur Anforderung? Wie sieht die Integration in bestehende Systeme aus? Und schließlich: eine Implementierung, die nicht auf dem Laptop eines Beraters funktioniert, sondern im Tagesgeschäft des Unternehmens.

Der Preisunterschied zwischen diesen beiden Formaten ist erstaunlich gering. Ein zweitägiger Workshop mit vier Beratern kostet schnell 20.000 bis 30.000 Euro. Eine fokussierte technische Beratung über vier bis sechs Wochen, die mit einem funktionierenden Prototypen auf echten Daten endet, liegt oft in einer ähnlichen Größenordnung. Der Unterschied liegt nicht im Budget, sondern im Ergebnis: Folien versus funktionierendes System.

Compliance ist keine Bürde — sie ist Qualitätskontrolle

Ein Aspekt, der in der KI-Beratung für den Mittelstand systematisch unterschätzt wird, ist die Konvergenz von KI-Strategie und Regulierung. Der EU AI Act ist nicht nur ein Compliance-Thema — er ist ein Qualitätsrahmen. Die Anforderungen, die die Verordnung an Hochrisiko-Systeme stellt — Dokumentation, Risikomanagement, menschliche Aufsicht, Datenqualität —, sind exakt die Anforderungen, die jedes seriöse KI-Projekt ohnehin erfüllen sollte. Ein Unternehmen, das diese Standards von Anfang an in seine KI-Projekte einbaut, hat keinen zusätzlichen Compliance-Aufwand. Es hat einfach sauber gearbeitet.

Umgekehrt gilt: Ein KI-Berater, der ein System empfiehlt, ohne zu prüfen, ob es unter die Hochrisiko-Kategorien des Annex III fällt, handelt fahrlässig. Scoring-Modelle in der Kreditwirtschaft, KI-gestützte Personalauswahl, automatisierte Leistungsbewertung — all das sind Anwendungsfälle, die im Düsseldorfer Mittelstand vorkommen und die ab August 2026 unter verschärfte Dokumentations- und Aufsichtspflichten fallen. Eine sachverständige Bewertung, ob ein geplantes System diese Schwellen überschreitet, gehört in jede KI-Beratung, die diesen Namen verdient.

Hinzu kommt die NIS2-Dimension. Unternehmen, die als „wichtige Einrichtungen" klassifiziert werden — und das betrifft in der Region Düsseldorf mehr Unternehmen als den meisten bewusst ist —, müssen ihre IT-Sicherheitsarchitektur auf ein Niveau bringen, das auch KI-Systeme umfasst. Wer ein KI-System in die eigene Infrastruktur integriert, ohne die Sicherheitsimplikationen zu bewerten, riskiert nicht nur Datenverluste, sondern auch regulatorische Sanktionen. Die Verbindung von KI-Beratung und Cybersecurity-Kompetenz ist deshalb nicht optional — sie ist strukturell notwendig.

Was gute KI-Beratung kostet — und was sie einbringt

Die ehrliche Antwort auf die Kostenfrage: Es kommt darauf an, aber nicht in dem Sinne, wie Berater das üblicherweise meinen. Die Varianz liegt nicht im Tagessatz — der liegt bei seriösen Anbietern in einem vergleichbaren Korridor. Die Varianz liegt in der Frage, was am Ende existiert. Ein Workshop produziert Folien. Eine strategische Analyse produziert ein Dokument. Eine technische Beratung produziert ein System, das läuft, das Daten verarbeitet und das messbare Ergebnisse liefert.

Ein konkretes Rechenbeispiel. Ein Düsseldorfer Finanzdienstleister lässt seine Compliance-Abteilung manuell regulatorische Änderungen überwachen. Drei Mitarbeiter verbringen zusammen circa 40 Stunden pro Woche damit, Gesetzesblätter, BaFin-Veröffentlichungen und EU-Richtlinien zu sichten und relevante Änderungen zusammenzufassen. Ein RAG-basiertes System, das diese Quellen automatisch indexiert, relevante Änderungen identifiziert und Zusammenfassungen mit Quellenverweisen generiert, reduziert den manuellen Aufwand auf die Qualitätskontrolle der maschinellen Ergebnisse. Das sind nicht 40, sondern 8 Stunden pro Woche. Die Investition amortisiert sich in wenigen Monaten — nicht weil das System perfekt ist, sondern weil der bisherige Prozess so ineffizient war.

Aber — und das ist der entscheidende Punkt — dieses System existiert nur, wenn die Beratung die technische Tiefe hatte, es zu entwerfen und zu bauen. Ein Workshop hätte den Anwendungsfall identifiziert. Die Folien hätten das Potenzial beschrieben. Das System wäre nie entstanden.

Wie man KI-Beratung auswählt — eine Checkliste für den Mittelstand

Vier Fragen, die ein Geschäftsführer stellen sollte, bevor er einen KI-Berater beauftragt. Erstens: Hat der Berater selbst KI-Systeme in Produktion gebracht? Nicht konzipiert, nicht beraten, sondern gebaut und betrieben. Die Antwort trennt technische Berater von Strategie-Beratern. Beides hat seine Berechtigung, aber man sollte wissen, was man bekommt.

Zweitens: Kann der Berater erklären, welche regulatorischen Anforderungen auf das geplante Projekt zutreffen? Wer den EU AI Act nicht kennt, wer die DSGVO-Implikationen von Trainingsdaten nicht einschätzen kann, wer NIS2 für ein Akronym hält, das ihn nichts angeht — der sollte keine KI-Systeme empfehlen, die in regulierten Umgebungen betrieben werden.

Drittens: Wie sieht das Ergebnis nach sechs Wochen aus? Ein seriöser Berater kann diese Frage beantworten: ein funktionierender Prototyp auf echten Daten, eine dokumentierte Architektur, eine klare Einschätzung der Machbarkeit. Wer nach sechs Wochen nur Folien liefert, hat entweder das falsche Format gewählt oder die falsche Kompetenz.

Viertens: Was passiert nach dem Projekt? Ein System, das einmal gebaut und dann sich selbst überlassen wird, veraltet in Monaten. Die Frage, wer das System wartet, aktualisiert und weiterentwickelt, gehört an den Anfang des Engagements, nicht ans Ende. Die Antwort kann intern sein, extern oder hybrid — aber sie muss existieren.

Die beste KI-Beratung ist die, die sich selbst überflüssig macht. Nicht indem sie verschwindet, sondern indem sie dem Unternehmen die Fähigkeit gibt, die nächsten Schritte selbst zu gehen.

Was Düsseldorf anders machen kann

Düsseldorf hat eine Chance, die größere Standorte nicht haben: Die Wege sind kurz. Der Mittelstand hier kennt sich, trifft sich bei der IHK, auf Branchenveranstaltungen, im persönlichen Austausch. Was in Berlin oder München in anonymen Ausschreibungen verschwindet, kann hier über direkte Beziehungen entstehen — Beratungsengagements, die auf Vertrauen und nachweisbaren Ergebnissen basieren, nicht auf Rahmenverträgen mit Tagessatz-Volumen.

Die Voraussetzung dafür ist, dass Unternehmen in der Region anfangen, KI-Beratung nicht als einmaliges Event zu behandeln, sondern als technische Partnerschaft. Nicht der Berater, der einmal kommt und 60 Folien hinterlässt, sondern der Berater, der das Problem versteht, die Lösung baut und bei der Iteration noch erreichbar ist. Das setzt auf der Beraterseite technische Tiefe voraus und auf der Unternehmensseite die Bereitschaft, mehr zu investieren als zwei Workshop-Tage — aber weniger, als die meisten befürchten.

Der Düsseldorfer Mittelstand steht vor einer konkreten Entscheidung. Die regulatorischen Fristen des EU AI Act laufen. Die NIS2-Anforderungen greifen. Die Wettbewerber, die KI operativ nutzen, werden schneller. Wer jetzt die richtige KI-Beratung wählt — technisch fundiert, regulatorisch informiert, auf konkrete Ergebnisse ausgerichtet —, gewinnt nicht nur Effizienz. Er gewinnt die Fähigkeit, die nächste Technologiewelle nicht als Zuschauer zu erleben, sondern als Akteur.