KI-Agentur Berlin — von der Idee zum produktiven System

Softwareentwicklung seit

2000

Schwerpunkt

LLM, RAG, AI-Agenten

Datenschutz

EU-Verarbeitung, AV-Vertrag

Interne Wissenssuche

Handbücher, Verträge, Protokolle durchsuchbar machen — mit Antworten, die ihre Quelle mitliefern (RAG).

Dokumentenauswertung

Rechnungen, Lieferscheine, Prüfberichte in strukturierte Daten überführen — auch bei uneinheitlichen Layouts.

Prozessautomatisierung

Eingangspost einordnen und weiterleiten, Stammdaten bereinigen, wiederkehrende Entwürfe erzeugen.

AI-Agenten & MCP

Mehrstufige Abläufe mit Werkzeugzugriff auf eure Systeme — mit harten Abbruchbedingungen und Kostendeckel.

KI im Produkt

LLM-Funktionen in eurer eigenen Software: Streaming, Kostenkontrolle, Evaluation, Mehrmandantenfähigkeit.

Betrieb & Evaluation

Testfälle gegen echte Anfragen, Protokollierung jeder Modellantwort, Fallback bei Modellausfall.

Erstgespräch

kostenlos

Welcher Vorgang bindet die meiste Zeit — und ist KI dafür überhaupt das richtige Werkzeug

Machbarkeit

1–2 Wochen

Datenlage prüfen, an echten Beispielen testen, Aufwand belastbar schätzen

Durchstich

Woche 3–8

Ein Anwendungsfall End-to-End, angebunden an ein echtes System, mit Prüfliste

Härtung

Woche 8–14

Evaluation, Kostendeckel, Fehlerbehandlung, Datenschutzdokumentation

Betrieb

danach

Monitoring, Nachjustierung, Ausbau auf weitere Vorgänge

Was macht eine KI-Agentur?

Eine KI-Agentur bringt Sprachmodelle und maschinelles Lernen in die Systeme, mit denen ein Unternehmen tatsächlich arbeitet. Das ist überwiegend Softwareentwicklung: Daten beschaffen, Modelle anbinden, Ergebnisse prüfbar machen, in bestehende Abläufe einbetten und betreiben. Wer nur Workshops und Strategiepapiere liefert, ist eine Beratung — beides ist legitim, aber es ist nicht dasselbe.

Was kostet ein KI-Projekt?

Ein abgegrenzter Prototyp, um eine Annahme zu prüfen, liegt bei 10.000 bis 25.000 Euro. Eine erste produktive Ausbaustufe — etwa eine Dokumentenauswertung oder eine interne Wissenssuche, angebunden an eure Systeme — zwischen 25.000 und 60.000 Euro. Die Modellkosten selbst überraschen fast immer nach unten: oft 50 bis 500 Euro im Monat. Der Aufwand steckt in der Anbindung und der Fehlerbehandlung, nicht im Modell.

Wie steht es um DSGVO und Datenschutz?

Klärbar, aber vor dem ersten Prototyp — die Antwort bestimmt die Architektur. Wir arbeiten mit Auftragsverarbeitungsverträgen, europäischer Verarbeitung und vertraglich ausgeschlossener Trainingsnutzung. Wo Daten das Haus nicht verlassen dürfen, setzen wir offene Modelle auf eigener oder gemieteter Hardware ein — mit spürbaren Abstrichen bei der Qualität, die man kennen sollte, bevor man sich dafür entscheidet.

Brauchen wir eine KI-Strategie, bevor wir anfangen?

Nein, und der Versuch kostet meist ein halbes Jahr. Sinnvoller ist, eine Woche lang zu messen, welcher wiederkehrende Vorgang am meisten Zeit bindet, und genau den anzugehen. Aus zwei oder drei umgesetzten Projekten entsteht eine belastbare Strategie fast von selbst — aus einem Strategiepapier ohne Umsetzung entsteht keine.

Woran erkennt man eine KI-Agentur, die tatsächlich liefert?

Sie fragt nach eurer Datenlage, bevor sie über Modelle spricht. Sie sagt, wann KI nicht die richtige Antwort ist. Sie redet über Evaluation, Kostendeckel und den Fall, dass das Modell falsch liegt. Und sie betreibt selbst Software im Livebetrieb — wer nur baut und dann geht, trifft andere Architekturentscheidungen als jemand, der die Bereitschaft übernimmt.

Was, wenn das Modell falsch liegt?

Das ist die wichtigste Konstruktionsfrage, nicht ein Randfall. Wir bauen dreistufig: eindeutige Fälle laufen automatisch, unsichere landen in einer Prüfliste, die ein Mensch mit einem Klick entscheidet, und bei Ausfall oder unerwartetem Format fällt das System auf den bisherigen manuellen Weg zurück. Ein System mit 90 Prozent Trefferquote ist so sehr nützlich — ohne diese Stufen wäre es unbrauchbar.

Müssen wir aus Berlin sein?

Nein. Wir sitzen in Berlin-Prenzlauer Berg und arbeiten mit Unternehmen im gesamten deutschsprachigen Raum, überwiegend remote. Für Berliner Kundschaft ist ein Termin vor Ort unkompliziert möglich, was bei Workshops und bei der ersten Bestandsaufnahme oft hilft — inhaltlich macht es keinen Unterschied.

Was eine KI-Agentur von einer Unternehmensberatung unterscheidet

Der Markt für KI-Dienstleistungen ist gerade unübersichtlich, weil sehr verschiedene Angebote unter demselben Wort auftreten. Auf der einen Seite Beratungen, die Potenzialanalysen, Schulungen und Fahrpläne liefern. Auf der anderen Entwicklungsteams, die Systeme bauen und betreiben. Beides ist notwendig, aber beides löst unterschiedliche Probleme.

Wir kommen von der Softwareseite. Das heißt konkret: Wir liefern kein Strategiepapier, sondern ein System, das in eurer Umgebung läuft, an eure Datenquellen angeschlossen ist und einen Betriebsplan hat. Wenn ihr an einem Punkt seid, an dem zuerst Klarheit über Prioritäten nötig ist, sagen wir das — und machen eine kurze Analyse daraus, statt ein Umsetzungsprojekt zu verkaufen, das noch kein Ziel hat.

Warum KI-Projekte scheitern

Aus unseren Projekten und aus dem, was uns Unternehmen über gescheiterte Vorhaben berichten, wiederholen sich vier Muster:

• Der Prototyp wurde nie zu einem Produkt. Es gab keine Fehlerbehandlung, keine Rechteprüfung, keinen Betriebsplan — und damit keinen Weg in den Alltag.
• Die Datenlage war schlechter als angenommen. Das fällt in Woche zwei auf, wenn man früh an echten Daten testet, und in Monat fünf, wenn man es nicht tut.
• Es gab keine Messung. Ohne Ist-Zustand vor dem Projekt ist der Erfolg danach Ansichtssache — und wird entsprechend bestritten.
• Die Betroffenen kamen zu spät dazu. Sie kennen die Ausnahmen, die im Konzept fehlen, und sie entscheiden am Ende, ob das System benutzt wird.

Keines dieser Muster hat mit der Wahl des Modells zu tun. Das ist die gute Nachricht: Sie sind alle vermeidbar, und zwar mit Mitteln, die aus der normalen Softwareentwicklung längst bekannt sind.

KI-Projekte in Berlin

Berlin hat eine ungewöhnlich dichte Landschaft aus Forschungseinrichtungen, Mittelstand, Verwaltung und Startups — und wir haben in den letzten 25 Jahren in allen vier gearbeitet. Für das Potsdam-Institut für Klimafolgenforschung, die Humboldt-Universität, soziale Träger wie GEBEWO, dazu unser eigenes SaaS-Produkt finban.io.

Der praktische Vorteil eines Anbieters vor Ort liegt weniger im Standort als in der ersten Projektphase: Eine Bestandsaufnahme, bei der man gemeinsam an einem Tisch sitzt und sich die tatsächlichen Abläufe zeigen lässt, bringt in zwei Stunden mehr als vier Videokonferenzen. Danach läuft die Zusammenarbeit ohnehin überwiegend remote.