Reale Projekte.
Messbare Ergebnisse.

Ein KI-Zugang ist schnell gekauft. Nur passiert danach in den meisten Betrieben: nichts. Die KI kennt den Betrieb nicht, niemand weiß, wofür man sie im Alltag konkret nutzen soll, und nach zwei Wochen macht wieder jeder alles von Hand.

Genau da stand Branth Chemie. Die Voraussetzungen waren gut: viel Erfahrung im Haus und eine sehr saubere Datenstruktur. Was fehlte, war der erste Schritt: jemand, der KI verständlich beibringt und den Einstieg in den Arbeitsalltag begleitet. Dazu die Realität vieler Mittelständler: gewachsene IT, Daten auf dem Terminalserver, kein Digital-Team, das mal eben etwas aufsetzt. Die Frage war also nicht „Welche KI?", sondern: Wie bekommt man KI so in diesen Betrieb, dass sie ab Tag 1 an echten Aufgaben hilft?

Kein Tool übergeben, sondern KI so einführen, dass sie vom ersten Tag an echte Arbeit abnimmt und der Geschäftsführer sie danach eigenständig weiterträgt. Mit klaren Grenzen: Rezepturen, Kalkulationen und Personaldaten bleiben draußen. Schriftlich abgestimmt, bevor eine einzige Datei angefasst wurde.

Workshop, um zu verstehen, wo es wirklich klemmt: Zuerst bin ich mit dem Geschäftsführer die tatsächlichen Abläufe durchgegangen. Was kostet am meisten Zeit, wo entstehen Fehler, wo geht Wissen verloren? Kein Technik-Vortrag, sondern Zuhören. Am Ende stand eine klare Liste: Das bringt sofort etwas, das hat Zeit.

Betreutes Aufsetzen, Struktur statt Bastellösung: Die KI-Arbeitsumgebung wurde auf Branths eigener Lizenz aufgebaut, mit Branths Daten, in Branths Systemen. Der Kern ist eine schlanke, kuratierte Wissensbasis aus sieben Dateien: Wer ist das Unternehmen, wie kommuniziert man mit Kunden, welche Produkte gibt es, wie laufen die Prozesse, welche Vorlagen nutzt man, wo liegen die Daten, welche Regeln gelten. Erst Daten sammeln, dann die Wissensbasis bauen, dann nutzen. In dieser Reihenfolge.

Betreuung an echten Aufgaben, nicht am Lehrbuchbeispiel: Der Geschäftsführer wurde persönlich eingearbeitet und begleitet, und zwar an seinen eigenen, echten Aufgaben. Der erste Output entstand gemeinsam, am realen Fall. Dazu die Grundregel, die bis heute gilt: Die KI macht Vorschläge, der Mensch gibt frei. Preise, technische Aussagen und Zusagen an Kunden werden geprüft, bevor sie rausgehen.

Im Lager von maleco werden regelmäßig Korrekturbuchungen vorgenommen: Inventurkorrekturen, Zugangsbuchungen nach Lieferungen, Umlagerungen. Der bisherige Prozess hatte zu viele manuelle Schritte: Ein Mitarbeiter öffnete eine Excel-Liste mit diversen Artikeln und tippte jeden Datensatz einzeln in das Warehouse-Management-System ein. Artikelnummer eingeben, Enter, Menge eingeben, Enter, Lagerplatz eingeben, Enter, multipliziert mit hunderten von Zeilen.

Bei 1000 Artikeln bedeutete das mehrere Stunden reine Tipparbeit pro Buchungsvorgang, mit entsprechend hohem Fehlerrisiko. Kein einzelner Fehler fiel sofort auf, er tauchte erst Wochen später in der Inventur auf.

Das Ziel war klar: Diese Tätigkeit vollständig aus dem Arbeitsalltag entfernen. Kein Mitarbeiter soll noch Zeit damit verbringen, Zeile für Zeile abzutippen. Gleichzeitig sollte die Lösung so einfach bedienbar sein, dass kein technisches Wissen nötig ist: eine Datei auswählen, einen Knopf drücken, fertig. Und das Ergebnis: null Tippfehler.

Der exakte Maus- und Tastatur-Workflow in der WMS-Oberfläche wurde Schritt für Schritt analysiert und in ein Python-Script übersetzt. Das Script steuert die Anwendung so, als würde ein Mensch tippen und klicken, ohne dass am WMS-System selbst etwas geändert werden muss, keine API, kein Datenbankzugriff. Der Mitarbeiter öffnet die Anwendung, wählt per Datei-Dialog seine Excel-Liste aus, trägt den Ziellagerplatz ein und startet den Prozess. Ein Echtzeit-Log zeigt den Fortschritt, eine eingebaute Notbremse stoppt das Script sofort auf Knopfdruck. Ausgeliefert als standalone .exe-Datei: keine Installation, kein Terminal, kein IT-Support nötig.

Ingreo GmbH ist Hersteller und Marke für gesunde Supplements, vom Gründer eigenverantwortlich betrieben: Produktion, Vertrieb, Produktpflege, Kundenservice, Administration, alles in einer Hand. Das Potenzial für KI war klar erkennbar, aber im Tagesgeschäft bleibt schlicht keine Zeit für strategische Themen, die keinen unmittelbaren Umsatz bringen. Das Wissen fehlte, der Einstieg fehlte, und die Zeit für beides auch.

Nicht ein System bauen und übergeben, sondern etwas Nachhaltigeres: den Gründer selbst in die Lage versetzen, KI zu verstehen, einzusetzen und eigenständig weiterzuentwickeln. Keine neue Abhängigkeit von einem externen Dienstleister, sondern echtes Know-how im Unternehmen, das bleibt. Und als konkretes Ergebnis: weniger Arbeitszeit für wiederkehrende Aufgaben, ohne dafür neue Mitarbeiter einstellen zu müssen.

Zuerst eine strukturierte Ist-Analyse: Wo verbringt der Gründer wie viel Zeit, welche Aufgaben sind repetitiv, welche erfordern echtes Urteilsvermögen? Dabei wurden alle relevanten Bereiche unter die Lupe genommen: Texterstellung, Produktpflege, Kundenservice, Outbound Sales, Lead-Generierung und Administration. Darauf aufbauend eine umfangreiche Schulung, nicht theoretisch, sondern direkt am realen Arbeitsalltag: welche Tools für welchen Einsatzzweck geeignet sind, wie man mit KI-Assistenten effektiv arbeitet, wie man Ergebnisse kritisch bewertet.

Parallel dazu wurde ein priorisierter Tool-Stack erarbeitet: eine überschaubare Auswahl an KI-Werkzeugen, die sofort einsetzbar sind und miteinander harmonieren. Fokus nicht auf dem größten Funktionsumfang, sondern auf dem schnellsten Weg zu echten Zeitersparnissen im Alltag.

Einkaufsbelege, also Lieferscheine und Rechnungen, kamen von dutzenden verschiedenen Lieferanten im PDF-Format. Das Problem: Jeder Lieferant hat ein anderes Belegformat, eine andere Spaltenstruktur, andere Bezeichnungen für dieselben Felder. Relevante Daten wie Artikelnummern, Mengen und Preise mussten manuell aus dem PDF herausgelesen und in das ERP übertragen werden.

15 bis 30 Minuten pro Beleg, jeden Tag, für jeden Lieferanten. Keine inhaltliche Arbeit, reine Datentransformation von einem Format in ein anderes. Eine Tätigkeit, bei der ein einziger Zahlendreher eine fehlerhafte Bestellung oder einen Differenzposten in der Inventur verursacht.

Ein System, das die Unterschiede zwischen Lieferantenformaten ignoriert und trotzdem zuverlässig die relevanten Daten herausfindet: Was wurde geliefert, in welcher Menge, zu welchem Preis? Die extrahierten Daten sollten direkt ins ERP importierbar sein, ohne dass jemand noch einmal Hand anlegt. Und das System sollte wissen, wann es sich unsicher ist, und diese Fälle gezielt zur Prüfung markieren, statt stillschweigend falsche Werte zu übernehmen.

Eine Extraktions-Pipeline, die PDF-Dokumente automatisch verarbeitet, unabhängig vom Layout. Die eigentliche Intelligenz liegt in der Kombination aus regelbasierter Erkennung für bekannte Feldformate und KI-gestütztem Parsing für variable oder unbekannte Layouts. Das System erkennt Artikelnummern, Mengen und Preise auch dann, wenn sie in ungewohnter Reihenfolge oder mit abweichenden Bezeichnungen erscheinen.

Felder, die nicht eindeutig erkannt wurden, werden markiert und zur manuellen Prüfung gekennzeichnet. Das System weiß, wann es unsicher ist, und delegiert diese Fälle gezielt zurück an den Menschen, anstatt blind falsche Werte zu übernehmen. Der Output ist direkt ERP-ready als strukturierte Excel-Datei.

Der Außendienst von maleco hatte unterwegs keinen praktikablen Zugriff auf Kundendaten. Umsatzzahlen, Bestellhistorien und offene Posten lagen ausschließlich im internen ERP-System, das nur per VPN erreichbar war, im Außendienstalltag faktisch unbrauchbar. Sechs bis fünfzehn Mitarbeiter fuhren damit zu Kundenbesuchen, ohne eine gemeinsame Informationsbasis zu haben.

Besuchsnotizen wurden dezentral per E-Mail oder auf Notizzettel erfasst, es gab kein zentrales Gedächtnis. Was beim letzten Besuch besprochen wurde, wusste im Zweifel nur der Mitarbeiter, der dort war. Offene Posten waren beim Kundengespräch nicht im Blick.

Eine Lösung, die sich anfühlt wie eine professionelle CRM-App, aber dauerhaft wenig kostet, vollständig DSGVO-konform auf europäischen Servern läuft und intern ohne IT-Abteilung betrieben werden kann. Jeder Außendienstmitarbeiter sollte beim Kundengespräch in der Tasche haben, was er braucht: Umsatzhistorie, letzte Bestellungen, offene Posten und die Notizen vom letzten Besuch. Auf dem Smartphone, sofort, ohne VPN.

Eine mobile Web-App mit Rollensystem und EU-Datenhaltung, vollständig DSGVO-konform, ohne VPN. Zugriffsberechtigungen sind nicht nur im Frontend sichtbar, sondern auf Datenbankebene erzwungen: Kein manipulierter Request kann auf Daten zugreifen, für die kein Recht besteht. Das System kennt drei Rollen (Außendienst, Vertriebsleitung und Admin) mit unterschiedlichen Sichtweiten.

Da eine direkte Echtzeit-Anbindung an das interne ERP aus Sicherheitsgründen ausgeschlossen war, wurde ein pragmatisches Import-System entwickelt: maleco exportiert monatlich die Abrechnungsdaten aus dem ERP. Ein Admin lädt diese über das Admin-Panel hoch. Das System validiert, zeigt eine Vorschau mit erkannten Fehlern und importiert erst nach Bestätigung. Es delegiert Unklarheiten an den Menschen, statt blind zu importieren.