Warum KI die Finanzabteilung gerade jetzt verändert

Kaum ein Unternehmensbereich arbeitet so datenintensiv und regelbasiert wie Buchhaltung und Controlling. Genau das macht ihn zum idealen Einsatzfeld für künstliche Intelligenz: Wiederkehrende Prozesse, strukturierte Daten und klare Regeln sind die perfekte Grundlage für Automatisierung. Gleichzeitig steigt der Druck: Fachkräftemangel im Rechnungswesen, wachsende Reporting-Anforderungen und der Wunsch der Geschäftsführung nach schnelleren Zahlen treffen auf Teams, die ohnehin am Limit arbeiten.

Moderne KI-Tools wie ChatGPT, Microsoft Copilot und Claude haben die Einstiegshürde drastisch gesenkt. Was früher teure Spezialsoftware und IT-Projekte erforderte, funktioniert heute oft direkt in Excel, im E-Mail-Postfach oder per Chat-Eingabe. Wichtig ist dabei der richtige Umgang mit Datenschutz und dem EU AI Act, dazu später mehr. Sehen wir uns zunächst die sechs wichtigsten Anwendungsfälle im Detail an.

1. Belegerfassung und Rechnungseingang automatisieren

2. Kontenabstimmung und Monatsabschluss beschleunigen

Wie Sie Ihre Finanzdaten dafür sauber aufbereiten und strukturieren, lernen Sie übrigens praxisnah in unserem Workshop Datenmanagement und Datenanalyse mit KI, in dem wir mit realen Unternehmensdaten arbeiten.

3. Reporting und Management-Berichte automatisieren

4. Forecasting und Planung mit KI verbessern

5. Mahnwesen und Debitorenmanagement entlasten

6. Anomalien erkennen und Compliance stärken

Welche KI-Tools eignen sich für Finanzen und Controlling?

Die gute Nachricht: Für die meisten der beschriebenen Anwendungsfälle brauchen Sie keine teure Spezialsoftware. ChatGPT und Claude eignen sich hervorragend für Textaufgaben wie Berichtskommentierung, Mahnschreiben und die Analyse von Verträgen oder Buchungsregeln. Microsoft Copilot spielt seine Stärken direkt in Excel aus: Formeln erklären, Daten bereinigen, Pivot-Analysen erstellen und Auffälligkeiten markieren. Wer tiefer einsteigen will, findet in unserem Microsoft Copilot Workshop den idealen Einstieg.

Für wiederkehrende Prozesse wie Belegverarbeitung oder Debitoren-Monitoring lohnen sich Automatisierungsplattformen, die KI mit Ihren bestehenden Systemen verbinden. Wie das ohne Programmierkenntnisse funktioniert, zeigen wir im Workshop KI-Automatisierung und Workflows. Und wer aus den Finanzdaten überzeugende Dashboards machen will, ist im Workshop Datenvisualisierung und Reporting mit KI richtig.

Datenschutz, DSGVO und EU AI Act: Was Finanzteams beachten müssen

Buchhaltungsdaten gehören zu den sensibelsten Daten im Unternehmen: Gehälter, Lieferantenkonditionen, Bankverbindungen, personenbezogene Daten. Deshalb gilt für den KI-Einsatz in der Finanzabteilung eine klare Grundregel: Keine sensiblen Echtdaten in kostenlose, öffentliche KI-Tools eingeben. Nutzen Sie stattdessen Business-Versionen mit Auftragsverarbeitungsvertrag, anonymisieren Sie Daten vor der Verarbeitung oder setzen Sie auf DSGVO-konforme Enterprise-Lösungen.

Dazu kommt der EU AI Act: Seit Februar 2025 verpflichtet Artikel 4 alle Unternehmen, die KI einsetzen, ihre Mitarbeiter nachweislich zu schulen. Gerade in der Buchhaltung, wo KI-Ergebnisse direkt in Zahlungen und Abschlüsse einfließen, ist diese KI-Kompetenz Pflicht und Risikoschutz zugleich. Unsere KI-Kompetenzschulung gemäß EU AI Act deckt genau diese Anforderung rechtssicher ab.

So führen Sie KI in Ihrer Finanzabteilung ein: 4 Schritte

Der größte Fehler bei der KI-Einführung ist, alles auf einmal zu wollen. Erfolgreiche Finanzteams starten klein, messen die Ergebnisse und skalieren dann. Eine fundierte KI-Strategie gibt dabei den Rahmen vor:

Wichtig dabei: KI ersetzt in der Buchhaltung nicht den Menschen, sondern die repetitive Fleißarbeit. Die fachliche Verantwortung, das Vier-Augen-Prinzip und die finale Freigabe bleiben beim Team. Genau diese Kombination aus KI-Vorarbeit und menschlicher Kontrolle macht den Ansatz so wirksam und gleichzeitig revisionssicher.

Lukas Görög

KI-Stratege · Gründer der Akademie für KI und Digitalisierung

Lukas Görög berät Vorstände, Geschäftsführer und Führungskräfte im DACH-Raum bei der strategischen KI-Implementierung. Ehemaliger AI Lead der NZZ Zürich und KI-Dozent an der ZHAW. Er verbindet über 10 Jahre Praxiserfahrung in KI und Daten mit dem Anspruch, komplexe Technologie verständlich und umsetzbar zu machen.

Was sind ChatGPT Skills?

Laut der offiziellen OpenAI-Dokumentation sind Skills wiederverwendbare, teilbare Workflows, die ChatGPT erklären, wie eine bestimmte Aufgabe ausgeführt werden soll. Ein Skill kann Anweisungen, Beispiele und sogar Code enthalten. Der entscheidende Punkt: Nachdem ein Skill installiert wurde, nutzt ChatGPT ihn automatisch, sobald er für Ihre Anfrage relevant ist. Sie müssen ihn nicht jedes Mal aufrufen. Wer einen Skill gezielt aktivieren will, kann ihn zusätzlich per @-Erwähnung direkt ansprechen.

Wenn Sie bisher immer wieder denselben Prompt kopiert, dieselbe Vorlage eingefügt oder dieselben Formatvorgaben erklärt haben, lösen Skills genau dieses Problem. Statt das Wissen in jedem Chat neu aufzubauen, liegt es dauerhaft in einer strukturierten Datei: der SKILL.md. Dazu kommen bei Bedarf unterstützende Ressourcen wie Vorlagen, Beispieldokumente, Markenrichtlinien oder Schemata. Ein weiterer Vorteil gegenüber überlangen System-Prompts: Skills werden nur bei Bedarf geladen und belegen das Kontextfenster nicht dauerhaft. Das verbessert die Antwortqualität spürbar, gerade wenn mehrere Regelwerke im Spiel sind.

Das ist neu: Skills nach dem großen Juli-Update 2026

Skills wurden bereits Ende 2025 in ersten Tests entdeckt und Anfang 2026 schrittweise ausgerollt. Richtig sichtbar wurden sie aber mit dem Produkt-Update vom 9. Juli 2026, das die letzten Tage geprägt hat. OpenAI hat dabei die gesamte ChatGPT-Produktlinie umgebaut, und Skills spielen in fast jedem Baustein eine zentrale Rolle:

Für Unternehmen ist das ein klares Signal. Wer wiederkehrende Prozesse hat, sollte diese jetzt als Skills dokumentieren. Genau hier setzt übrigens auch eine durchdachte KI-Strategie an: erst die Prozesse priorisieren, dann die passenden Werkzeuge wählen.

Skills, Custom GPTs und Projekte: Was ist der Unterschied?

Viele verwechseln Skills mit den bekannten Custom GPTs. OpenAI selbst grenzt die drei Konzepte klar voneinander ab: Skills sind wiederverwendbare Workflows für konkrete Aufgaben. GPTs sind zielorientierte, angepasste ChatGPT-Versionen mit eigenem Charakter. Projekte bündeln Chats, Dateien und Kontext für ein gemeinsames Ziel. Der praktische Unterschied im Alltag:

Die Stärke der Skills liegt in ihrer Kombinierbarkeit: ChatGPT erkennt selbst, welche Skills zu einer Aufgabe passen, und orchestriert deren Zusammenspiel. Ein Beispiel aus der Beratungspraxis: Ein Skill für Ihre Tonalität, ein Skill für das Angebotsformat und ein Skill für die Preislogik greifen in einem einzigen Chat ineinander. Genau diese Denkweise vermitteln wir auch in unserem KI-Agenten Workshop, denn Skills sind die Bausteine, aus denen zuverlässige KI-Agenten entstehen.

ChatGPT Skill erstellen: Die 3 Wege Schritt für Schritt

Sie finden den Skills-Bereich über Ihr Profilsymbol > Skills oder direkt in der Seitenleiste von ChatGPT. Dort sehen Sie Ihre installierten, selbst erstellten und geteilten Skills. Über das Plus-Symbol öffnen sich drei Optionen, die exakt so auch in der deutschen Oberfläche heißen: Per Chat erstellen, Im Editor erstellen und Vom Computer hochladen.

Weg 1: Per Chat erstellen (der einfachste Einstieg)

Der schnellste Weg führt über eine normale Unterhaltung. Berechtigte Konten enthalten standardmäßig den eingebauten Skill skill-creator: Sobald Sie ChatGPT bitten, einen Skill zu erstellen oder zu ändern, übernimmt dieser die Arbeit im Hintergrund. So gehen Sie vor:

Ein Tipp aus meiner Arbeit mit Kundenteams: Diktieren Sie den Ablauf einfach mündlich. Erfahrene Mitarbeiter können ihre Arbeitsschritte oft besser erzählen als aufschreiben, und ChatGPT formt daraus eine saubere erste Version. Nach jeder Nutzung können Sie den Skill weiter optimieren lassen: "Verbessere den Skill so, dass beim nächsten Mal Punkt X von Anfang an berücksichtigt wird."

Weg 2: Im Editor erstellen (volle Kontrolle)

Wer präzise arbeiten will, nutzt den Skills-Editor. Sie erreichen ihn über Skills > Erstellen > Im Editor erstellen. Dort definieren Sie Name, Beschreibung und die eigentlichen Anweisungen manuell und hängen unterstützende Dateien an. Wichtig ist vor allem die Beschreibung: Anhand von Name und Beschreibung entscheidet ChatGPT, wann der Skill relevant ist und automatisch geladen wird. Eine präzise Beschreibung mit typischen Auslöse-Formulierungen macht den Unterschied zwischen einem Skill, der zuverlässig anspringt, und einem, der ignoriert wird.

Weg 3: Vom Computer hochladen (für fertige Skills)

Der dritte Weg ist der Upload einer fertigen Skill-Datei bzw. eines Skill-Pakets. Das ist besonders spannend, weil OpenAI Skills dem offenen Agent-Skills-Standard folgen: Sie können einen Skill aus einem Produkt herunterladen und in einem anderen installieren, etwa einen in Claude gebauten Skill in ChatGPT nutzen. Zwei Hinweise dazu aus der offiziellen Dokumentation: ChatGPT scannt hochgeladene Skills, bevor sie verfügbar werden. Prüfen Sie Skills aus externen Quellen trotzdem selbst, denn sie können Anweisungen, Dateien und Code enthalten. Und: Personal Skills synchronisieren sich derzeit nicht automatisch zwischen Desktop-App und Web bzw. Mobile, dort müssen sie separat hinzugefügt werden.

So ist eine SKILL.md aufgebaut

Das Herzstück jedes Skills ist die Datei SKILL.md. Sie ist das Playbook des Workflows: eine Klartext-Anleitung im Markdown-Format, die auch Nicht-Techniker in jedem Editor lesen und bearbeiten können. OpenAI empfiehlt in seiner Academy-Anleitung eine Struktur mit fünf Bausteinen, die sich in der Praxis bewährt hat:

Was Sie mit ChatGPT Skills machen können: 6 Use Cases

Skills lohnen sich immer dann, wenn ein gutes Ergebnis von einem wiederholbaren Vorgehen abhängt: mehrere Arbeitsschritte, feste Formate, klare Anforderungen. Diese sechs Anwendungsfälle sehe ich aktuell am häufigsten in Unternehmen im DACH-Raum:

Viele dieser Abläufe lassen sich anschließend noch einen Schritt weiterdenken: Wer Skills mit Automatisierungswerkzeugen wie n8n oder Make kombiniert, baut komplette Prozessketten, die ohne manuelles Zutun laufen. Wie das konkret geht, zeigen wir im Workshop KI-Automatisierung und Workflows im Büroalltag. Und wer aus einem Skill ein richtiges internes Werkzeug machen will, etwa einen Protokoll-Generator oder einen Angebotskonfigurator, findet im Workshop Eigene KI-Tools bauen den passenden Rahmen, ganz ohne Programmierkenntnisse.

Verfügbarkeit: Wer kann Skills schon nutzen?

Laut OpenAI sind persönliche Skills allgemein für ChatGPT Business, Enterprise, Healthcare und Edu verfügbar. Der Rollout auf weitere Pläne erfolgt schrittweise, in einzelnen Plus- und Pro-Konten ist die Funktion daher teilweise noch nicht sichtbar. Es lohnt sich, regelmäßig unter dem Profilsymbol nachzusehen. Drei Punkte sind für die Praxis besonders relevant:

Erstens: Skills funktionieren nicht nur im Chat. Sie werden auch in Codex und über die API unterstützt und lassen sich in ChatGPT für Excel, Google Sheets und PowerPoint einsetzen. Damit wandern Ihre Standards direkt in die Werkzeuge, in denen die eigentliche Arbeit passiert. Zweitens: In Business- und Enterprise-Workspaces können Skills mit Kollegen geteilt oder in der Workspace-Bibliothek veröffentlicht werden. So nutzt das ganze Team denselben Prozess, ohne ihn neu aufzubauen. Drittens: Über das neue Plugin-Verzeichnis lassen sich Skills gemeinsam mit Apps zu kompletten Workflow-Paketen bündeln und verteilen.

Skills in Claude: Hier hat alles angefangen

Ein Punkt, der in vielen Berichten untergeht: Die Idee stammt nicht von OpenAI. Anthropic hat Skills bereits im Oktober 2025 für seinen KI-Assistenten Claude eingeführt und das Format im Dezember 2025 als offenen Standard namens Agent Skills veröffentlicht. Ein Claude Skill ist ein Ordner mit einer SKILL.md, unterstützenden Dateien und optional ausführbarem Code. Vier Eigenschaften machen das Konzept so stark, dass es die gesamte Branche übernommen hat:

Wer intensiver mit Claude arbeitet, für den sind Skills sogar noch zentraler als in ChatGPT: Ganze Arbeitsumgebungen wie Claude Code bauen darauf auf. In unserer Claude AI Masterclass zeigen wir unter anderem, wie Sie ein persönliches Skill-System aufbauen, das Ihre wichtigsten Arbeitsabläufe abbildet. Aus eigener Erfahrung kann ich sagen: Ein gut gepflegtes Set aus 10 bis 20 Skills ersetzt Dutzende Einzel-Prompts und macht die Ergebnisqualität planbar.

Skills in Langdock: Die DSGVO-konforme Option für Unternehmen

Auch die Berliner Enterprise-Plattform Langdock, im DACH-Raum eine beliebte Alternative für den unternehmensweiten KI-Einsatz mit EU-Hosting, hat das Konzept übernommen: Seit dem 12. März 2026 gibt es Skills dort als eigenständiges Feature. Ein Langdock Skill ist ein wiederverwendbares Set von Anweisungen, das automatisch angewendet wird, sobald es relevant ist. Die KI liest die Beschreibung jedes aktiven Skills und entscheidet selbst, welche zur aktuellen Anfrage passen, ganz gleich, in welchem Chat Sie gerade arbeiten.

Drei Besonderheiten machen die Langdock-Umsetzung für Unternehmen interessant: Workspace-Standards erlauben es Admins, Skills für alle Mitarbeiter vorzugeben, verpflichtende Skills können von einzelnen Nutzern nicht deaktiviert werden. Das ist ideal für Compliance-Regeln und Corporate Wording. Integrationen lassen sich direkt an einen Skill anhängen, deren Aktionen stehen dann automatisch im Gespräch bereit. Und wie bei OpenAI können Sie Skills per Chat erstellen, manuell schreiben oder als SKILL.md hochladen. Die offizielle Langdock-Dokumentation beschreibt zudem, wie sich Skills an Agents und Projekte koppeln lassen. Der Trend in der Community ist eindeutig: weniger isolierte Einzel-Agenten, dafür wenige starke Agenten, die auf viele Skills zugreifen.

Fazit: Ein offener Standard setzt sich durch

Skills sind mehr als ein weiteres Feature. Sie markieren den Übergang vom Prompten zum Dokumentieren von Prozessen. Wer heute seine besten Arbeitsabläufe in SKILL.md-Dateien gießt, baut organisationales Wissen auf, das plattformunabhängig funktioniert: in ChatGPT, in Claude, in Langdock und in allem, was noch kommt. Meine Empfehlung für den Einstieg: Wählen Sie eine einzige wiederkehrende Aufgabe, bauen Sie dafür per Chat Ihren ersten Skill, nutzen Sie ihn eine Woche lang und verfeinern Sie ihn nach jeder Nutzung. Danach wissen Sie genau, welche Prozesse in Ihrem Unternehmen als Nächstes dran sind. Und wenn Sie diesen Weg strukturiert mit dem ganzen Team gehen wollen, begleiten wir Sie gerne, von der KI-Manager Ausbildung für Führungskräfte bis zum Praxisworkshop für alle Abteilungen.

Lukas Görög

KI-Stratege · Gründer der Akademie für KI und Digitalisierung

Lukas Görög berät Vorstände, Geschäftsführer und Führungskräfte im DACH-Raum bei der strategischen KI-Implementierung. Ehemaliger AI Lead der NZZ Zürich und KI-Dozent an der ZHAW. Er verbindet über 10 Jahre Praxiserfahrung in KI und Daten mit dem Anspruch, komplexe Technologie verständlich und umsetzbar zu machen.

Was sind AI Champions und AI Power User?

AI Champions sind Mitarbeiter aus den Fachabteilungen, die KI überdurchschnittlich intensiv und kompetent nutzen, ihre Kollegen mitziehen und in ihrem Bereich eigenständig KI Use Cases identifizieren und weiterentwickeln. Manche Unternehmen nennen sie AI Power User, KI-Multiplikatoren oder KI-Botschafter. Gemeint ist immer dasselbe: Menschen, die KI-Kompetenz dorthin bringen, wo die Arbeit tatsächlich passiert.

Entscheidend ist: AI Champions sind keine IT-Rolle. Die besten Champions kommen aus Marketing, Vertrieb, HR, Finanzen, Einkauf, Kundenservice oder Operations. Sie kennen die Prozesse, die Daten und die Schmerzpunkte ihrer Abteilung, und genau deshalb erkennen sie Automatisierungspotenziale, die eine zentrale Stelle nie sehen würde.

KI Lead oder AI Champions? Warum sich viele Unternehmen gegen die zentrale Rolle entscheiden

In fast jedem Strategieprojekt kommt irgendwann die Frage: Brauchen wir einen KI Lead? Also eine zentrale Person, die das Thema KI im Unternehmen verantwortet, manchmal als Head of AI oder Chief AI Officer. Viele Unternehmen diskutieren diese Rolle intensiv, und auffällig viele entscheiden sich am Ende dagegen. Die Gründe sind nachvollziehbar: Gute Leute sind teuer und schwer zu finden, eine einzelne Person wird schnell zum Flaschenhals, und niemand kann gleichzeitig die Fachlichkeit von Vertrieb, HR und Produktion tief genug verstehen.

Die Alternative, die wir in der Praxis immer öfter begleiten: ein Netzwerk aus AI Champions aus vielen Abteilungen, koordiniert von einem Sponsor in der Geschäftsführung. Beide Modelle im Vergleich:

Wichtig: Das ist kein striktes Entweder-oder. Ein KI Lead und ein Champions-Netzwerk ergänzen sich hervorragend. Aber wenn die Ressourcen für eine eigene KI-Position fehlen, ist das Champions-Modell der pragmatische und bewährte Weg, KI in der Fläche zu verankern. Wie beide Modelle in eine Gesamtstrategie passen, erarbeiten wir mit Unternehmen in der KI-Strategieberatung.

Wie finde ich AI Champions im Unternehmen?

Die gute Nachricht: Ihre AI Champions arbeiten längst bei Ihnen. Sie müssen sie nur sichtbar machen. In fast jedem Team gibt es die eine Person, die schon heute mit ChatGPT, Claude oder Copilot experimentiert und von Kollegen um Rat gefragt wird. Daran erkennen Sie Ihre Kandidaten:

Für die systematische Suche haben sich vier Wege bewährt, idealerweise in Kombination:

Achten Sie bei der Auswahl bewusst auf Vielfalt über die Abteilungen hinweg. Ein Champions-Netzwerk, das nur aus IT-affinen Kollegen besteht, verfehlt seinen Zweck. Gerade die Stimmen aus HR, Buchhaltung oder Kundenservice machen KI im Unternehmen breitenwirksam.

Welche KI Use Cases sind wichtig? Identifizieren und iterieren

Sind die AI Champions gefunden, beginnt ihre Kernaufgabe: KI Use Cases identifizieren, priorisieren und iterativ verbessern. Nicht jede Idee verdient Zeit. Aus unseren Projekten hat sich ein einfacher Kriterienkatalog bewährt:

Der zweite, oft unterschätzte Teil: Use Cases sind nie fertig. Modelle werden besser, Prompts lassen sich verfeinern, Prozesse ändern sich. Gute AI Champions behandeln jeden Use Case als Produkt, das iterativ weiterentwickelt wird. So sieht der Zyklus in der Praxis aus:

Und genau hier zeigt sich, warum AI Champions mehr Unterstützung brauchen als die breite Belegschaft: Bei individuellen Use Cases wie einer CRM-Anbindung, einer Automatisierung mit n8n oder Make oder branchenspezifischen Anforderungen stoßen auch engagierte Power User an Grenzen. Dann braucht es fachspezifische Beratung, die den Use Case gemeinsam mit dem Champion zu Ende denkt, statt ihn allein zu lassen. Für solche Fälle bieten wir gezielte Begleitung an, etwa im Bereich KI-Automatisierung und Workflows oder beim Aufbau eigener KI-Agenten.

Wie institutionalisiere ich AI Champions? Die 6 Bausteine

Der häufigste Fehler, den wir sehen: Ein motiviertes Kick-off, ein paar Freiwillige, und nach drei Monaten ist das Thema im Tagesgeschäft verschwunden. Ein AI-Champions-Programm wirkt nur, wenn es institutionalisiert wird, also feste Strukturen, Zeit und Verantwortung bekommt. Diese sechs Bausteine haben sich bewährt:

Unternehmen, die diese Bausteine ernst nehmen, machen aus einem Experiment eine dauerhafte Fähigkeit. Wer noch einen Schritt weiter gehen will, entwickelt das Champions-Netzwerk zum Kern einer echten Transformation zum AI-First-Unternehmen.

Die interne Wissensplattform: Wissen muss fließen und aktuell bleiben

KI-Wissen veraltet schneller als jedes andere Fachwissen im Unternehmen. Was Ihre AI Champions heute über Modelle, Tools und Prompts wissen, ist in sechs Monaten teilweise überholt. Deshalb gehört zu jedem ernst gemeinten Programm eine unternehmensinterne Wissensplattform mit klaren Aufgaben:

Wie so etwas aussehen kann, zeigen wir übrigens selbst: Mit KI-Amigo haben wir eine eigene News- und Wissensplattform aufgebaut, die das neueste KI-Wissen aus unseren Weiterbildungen verständlich aufbereitet: von Strategie und Management über Tools und Modelle bis zu KI-Agenten. Genauso ein kuratierter Wissenskanal, nur eben intern, fehlt den meisten Unternehmen. Wer das Wissens-Update lieber gebündelt ins Postfach bekommt: Unser KI-Newsletter liefert monatlich die wichtigsten Entwicklungen und Praxistipps, auch das eine einfache Möglichkeit, Ihre AI Champions ohne Aufwand aktuell zu halten.

Weiterbildung mit System: Jeder braucht ein KI-Update, nicht jeder den Deep Dive

Hier entscheidet sich der Erfolg des gesamten Programms. Unsere Überzeugung aus hunderten Trainings: Jeder Mitarbeiter braucht heute ein KI-Wissens-Upgrade. Aber eben nicht jeder das gleiche. Wer alle Mitarbeiter durch dieselbe Schulung schickt, langweilt die einen und überfordert die anderen, und verbrennt dabei Budget. Die Lösung sind gestufte Lernpfade:

Genau nach diesem Prinzip gestalten wir Weiterbildungsprogramme für Unternehmen: maßgeschneidert auf Branche, Tools und Reifegrad, von der EU-AI-Act-Kompetenzschulung für die gesamte Belegschaft bis zum Deep-Dive-Programm für Ihre AI Champions. Für die Verantwortlichen, die das Programm intern steuern, empfiehlt sich ergänzend die KI-Manager-Ausbildung. So bekommt jede Zielgruppe genau die Tiefe, die sie braucht, und keinen Euro Weiterbildungsbudget mehr als nötig.

Lukas Görög

KI-Stratege · Gründer der Akademie für KI und Digitalisierung

Lukas Görög berät Vorstände, Geschäftsführer und Führungskräfte im DACH-Raum bei der strategischen KI-Implementierung. Ehemaliger AI Lead der NZZ Zürich und KI-Dozent an der ZHAW. Er verbindet 10+ Jahre Praxiserfahrung in KI und Daten mit dem Anspruch, komplexe Technologie verständlich und umsetzbar zu machen.

Warum Unternehmen jetzt eine zentrale KI-Plattform brauchen

In fast jedem Unternehmen, das wir beraten, zeigt sich dasselbe Bild: Einzelne Mitarbeiter arbeiten bereits intensiv mit ChatGPT, Claude oder Gemini, oft über private Accounts. Das ist verständlich, aber riskant. Vertrauliche Daten landen in Consumer-Tools, niemand weiß, wer was nutzt, und das Wissen der Vorreiter bleibt in deren Köpfen stecken. Man spricht hier von Schatten-KI, und sie ist heute eines der größten unbehandelten Datenschutzrisiken im Mittelstand.

Dazu kommt die regulatorische Seite: Der EU AI Act verpflichtet Unternehmen, die KI einsetzen, ihren Mitarbeitern ausreichende KI-Kompetenz zu vermitteln. Eine KI-Kompetenzschulung gemäß EU AI Act lässt sich ohne einheitliche Plattform kaum sinnvoll umsetzen, denn worauf soll geschult werden, wenn jeder ein anderes Tool nutzt?

Eine zentrale KI-Plattform löst beide Probleme auf einmal: Sie schafft einen sicheren, vertraglich abgesicherten Rahmen für alle Mitarbeiter, macht Nutzung und Nutzen erstmals messbar und wird zum Fundament für alles, was danach kommt: Use Cases, Automatisierung, KI-Agenten. Die Frage ist also nicht ob, sondern welche Plattform und wie Sie sie einführen.

Claude als KI-Plattform: Der Standard für anspruchsvolle Teams

Unsere klare Empfehlung für die meisten Unternehmen ist Claude von Anthropic. Nicht, weil es das bekannteste Tool ist, sondern weil es aktuell die beste Kombination aus Modellqualität, Datenschutz und Unternehmensfunktionen bietet. Genau deshalb haben wir mit der Claude Academy ein eigenes Schulungsprogramm rund um diese Plattform aufgebaut.

Wie Ihre Teams das volle Potenzial ausschöpfen, zeigen wir in der Claude AI Masterclass. Für Mitarbeiter, die tiefer einsteigen und intern als Experten wirken sollen, gibt es das Claude Zertifikat, einen 8-Wochen-Online-Lehrgang mit Abschlusszertifikat.

Langdock: Die europäische Alternative mit Multi-Modell-Ansatz

Nicht jedes Unternehmen kann oder will direkt bei einem US-Anbieter einkaufen. Wenn Einkauf, Betriebsrat oder Datenschutzbeauftragte europäische Datenhaltung als Bedingung setzen, ist Langdock unsere bevorzugte Alternative, und in vielen Konzernen bereits der gesetzte Standard.

Die Entscheidung lässt sich meist auf zwei Fragen reduzieren:

In unserem Langdock KI-Workshop lernen Ihre Teams die Plattform von Grund auf kennen, von den ersten Prompts bis zu eigenen Assistenten und Workflows.

Der Fahrplan: In 6 Phasen zur unternehmensweiten KI-Plattform

Die Plattform-Entscheidung ist nur der Anfang. Ob aus der Lizenz echter Geschäftsnutzen wird, entscheidet sich in der Einführung. Das folgende Vorgehen habe ich mit der Akademie für KI in mehr als 30 mehrmonatigen Firmenbegleitungen entwickelt und verfeinert, und es lässt sich auf Unternehmen von 50 bis 5.000 Mitarbeitern übertragen:

Phase 1: KI-Plattform einführen und Nutzung standardisieren

Der erste Schritt ist bewusst unspektakulär: eine Plattform für alle, statt zehn Tools nebeneinander. Legen Sie fest, welche Plattform der Standard ist, welche Daten dort verarbeitet werden dürfen und welche nicht, und wie Zugänge vergeben werden. Diese Klarheit ist wichtiger als jede Funktion.

Phase 2: Use Cases identifizieren und priorisieren

Jetzt geht es darum, die Plattform mit Leben zu füllen. Die besten Anwendungsfälle kennen nicht die Berater, sondern Ihre eigenen Mitarbeiter. In moderierten Use-Case-Workshops pro Abteilung sammeln Sie, wo repetitive Arbeit, Textmengen oder Datenauswertungen den Alltag fressen, und bewerten jeden Fall nach Aufwand und Wirkung.

Bewährt hat sich eine einfache Impact-Aufwand-Matrix: Quick Wins (hohe Wirkung, geringer Aufwand) werden sofort umgesetzt, strategische Fälle wandern in die Projektplanung von Phase 5. Wie eine strukturierte Use-Case-Entwicklung abläuft, zeigen wir in unserem Programm KI-Implementierung und Use Cases. Wer vorher wissen will, wo das größte Potenzial liegt, startet mit unserer kostenlosen KI-Potenzialanalyse.

Phase 3: KI-Champions identifizieren und einbinden

Keine zentrale KI-Abteilung der Welt kann 500 Mitarbeiter dauerhaft begleiten. Was skaliert, sind Multiplikatoren in den Fachbereichen: ein bis zwei KI-Champions pro Abteilung, die affin sind, im Team respektiert werden und Lust haben, voranzugehen. Häufig sind das genau die Mitarbeiter, die vorher schon mit privaten Accounts experimentiert haben. Machen Sie aus den heimlichen Vorreitern offizielle Botschafter.

Wenn Ihre Champions später selbst intern schulen sollen, ist unser Train-the-Trainer-Programm der logische nächste Schritt, bis hin zum Aufbau einer eigenen internen KI-Akademie.

Phase 4: Weiterbildung auf zwei Ebenen: standardisiert und abteilungsspezifisch

Der größte Fehler bei KI-Schulungen: eine generische Schulung für alle. Was in der Praxis funktioniert, ist ein Modell auf zwei Ebenen. Erstens eine standardisierte Basis für die Breite: sicherer Umgang mit der Plattform, Prompting-Grundlagen, Datenschutz. Zweitens maßgeschneiderte Vertiefungen pro Abteilung, denn Marketing braucht andere Workflows als Controlling oder HR.

Genau nach diesem Prinzip sind unsere Formate aufgebaut: von der Claude AI Masterclass für ganze Teams über den KI-Workshop für Marketing und Management bis zur KI-Manager-Ausbildung für Führungskräfte, die den Rollout intern steuern.

Phase 5: Langfristige KI-Projekte planen, vor allem in der Infrastruktur

Sobald die Breite arbeitet, beginnt die eigentliche Wertschöpfung: Projekte, die KI mit Ihrer Infrastruktur verbinden. Denn der Unterschied zwischen einem Chat-Tool und einer Unternehmensplattform liegt in den Anbindungen: an Ihre Dokumente, Ihr CRM, Ihre Datenbanken. Erst dann kann KI mit Ihrem Kontext arbeiten, statt mit Allgemeinwissen.

Für diese Phase lohnt sich der Blick auf unseren n8n Workshop und den KI-Agenten Workshop. Wer die Transformation ganzheitlich denken will, findet im Programm AI First Unternehmen den passenden Rahmen.

Phase 6: ROI messen: Arbeitsstunden, Umfragen oder Umsatz

Spätestens zur nächsten Budgetrunde kommt die Frage: Was bringt uns das? Wer erst dann mit dem Messen beginnt, hat verloren. Definieren Sie die Messlogik bereits in Phase 1, inklusive einer Baseline, also dem Zustand vor der Einführung. Welcher Messansatz der richtige ist, hängt vom Unternehmen ab. In der Praxis haben sich drei Wege bewährt, die sich auch kombinieren lassen:

Aus der Praxis: Was über 30 mehrmonatige Firmenbegleitungen gezeigt haben

Dieser Fahrplan ist kein Theoriemodell. Er ist das Ergebnis von mehr als 30 Unternehmen, die ich mit der Akademie für KI über mehrere Monate durch genau diese Einführung begleitet habe: vom Mittelständler bis zum Konzern, quer durch Branchen wie Finanzen, Medien, Pharma, Tourismus und öffentliche Verwaltung. Die Muster wiederholen sich dabei mit erstaunlicher Zuverlässigkeit, unabhängig von Branche und Größe.

Die Größenordnung skaliert dabei mit dem Unternehmen: Im Mittelstand sprechen wir von 50 bis 100 aktiven Nutzern, in Konzernen wächst dieselbe Systematik auf mehrere hundert bis über 1.000 Nutzer. Entscheidend ist nicht die Zahl, sondern dass die sechs Phasen in der richtigen Reihenfolge kommen: erst Standard und Kompetenz, dann Infrastruktur und Messung.

Ein letzter Gedanke: Die Einführung einer KI-Plattform ist kein IT-Projekt, sondern ein Organisationsprojekt. Die Technologie ist in wenigen Tagen ausgerollt. Ob daraus Wirkung entsteht, entscheiden Standardisierung, Use Cases, Champions, Weiterbildung, Infrastruktur und Messung, also genau die sechs Phasen dieses Fahrplans. Eine fundierte KI-Strategie hält diese Phasen zusammen und gibt Ihnen die Roadmap für die nächsten 24 Monate.

Lukas Görög

KI-Stratege · Gründer der Akademie für KI und Digitalisierung

Lukas Görög berät Vorstände, Geschäftsführer und Führungskräfte im DACH-Raum bei der strategischen KI-Implementierung. Ehemaliger AI Lead der NZZ Zürich und KI-Dozent an der ZHAW. Er verbindet über 10 Jahre Praxiserfahrung in KI und Daten mit dem Anspruch, komplexe Technologie verständlich und umsetzbar zu machen.

Warum KI im Tourismus und in der Hotellerie jetzt entscheidend ist

Kaum eine Branche ist so kommunikationsintensiv und datenreich wie der Tourismus. Jede Buchung, jede Gästeanfrage, jede Bewertung und jede Saisonkurve erzeugt Daten. Genau dort spielt Künstliche Intelligenz ihre Stärken aus: Sie beantwortet Anfragen rund um die Uhr, erkennt Nachfragemuster früher als jeder Mensch und personalisiert das Gästeerlebnis vom ersten Klick bis zum Check-out.

Gleichzeitig kämpft die Branche mit einem strukturellen Fachkräftemangel: An der Rezeption, im Service und im Backoffice fehlen Mitarbeiter. KI ersetzt dabei nicht das Herzstück der Gastfreundschaft, den persönlichen Kontakt, sondern übernimmt die repetitiven Aufgaben im Hintergrund. Das Team gewinnt Zeit für das, was Gäste wirklich schätzen: echte Betreuung. Wer heute eine durchdachte KI-Strategie aufsetzt, verschafft sich gegenüber Mitbewerbern und Buchungsplattformen einen spürbaren Vorsprung.

Die folgenden sieben Use Cases decken die wichtigsten Bereiche ab: Gästekommunikation, Preisgestaltung, Personalisierung, Bewertungsmanagement, Personalplanung, Marketing und Backoffice. Jeder Use Case enthält ein konkretes Praxisbeispiel, das Sie direkt auf Ihren Betrieb übertragen können.

1. Der KI-Concierge: Gästekommunikation rund um die Uhr

2. Dynamic Pricing: KI-gestütztes Revenue Management

3. Personalisierte Gästeerlebnisse und intelligentes Upselling

4. Automatisiertes Bewertungsmanagement auf Google, Booking und TripAdvisor

5. Bedarfsprognosen für Personalplanung, Einkauf und Küche

6. KI im Hotel-Marketing: Content, Kampagnen und Sichtbarkeit

Wie tief KI mittlerweile in professionelle Marketingprozesse eingreift, zeigen wir übrigens praxisnah im KI-Workshop für Marketing und Management, viele der Methoden stammen direkt aus Projekten mit Tourismus- und Freizeitbetrieben.

7. Backoffice-Automatisierung: Rechnungen, Buchungen und Verwaltung

So starten Sie mit KI im Tourismusbetrieb: Der 4-Schritte-Fahrplan

Der größte Fehler bei der KI-Einführung ist, mit dem Tool statt mit dem Problem zu starten. Erfolgreiche Betriebe gehen strukturiert vor, in vier klaren Schritten:

Für die Schritte 2 bis 4 haben wir bewährte Formate: Im Workshop KI-Automatisierung und Workflows lernen Ihre Mitarbeiter, eigene KI-Assistenten für den Betriebsalltag zu bauen. Führungskräfte, die die KI-Transformation im Haus verantworten, bereiten wir in der KI-Manager Ausbildung gezielt darauf vor. Und wer sicherstellen will, dass der Einsatz rechtskonform erfolgt, findet in der KI-Kompetenzschulung gemäß EU AI Act das passende Fundament.

Fazit: Gastfreundschaft bleibt menschlich, die Prozesse werden intelligent

KI in der Hotellerie und im Tourismus bedeutet nicht, dass Roboter Gäste begrüßen. Es bedeutet, dass Ihr Team weniger Zeit mit Routinearbeit verbringt und mehr Zeit mit dem, wofür Gäste wiederkommen: echter Gastfreundschaft. Die sieben vorgestellten Use Cases zeigen, dass der Einstieg weder teuer noch kompliziert sein muss. Entscheidend ist, mit dem richtigen Prozess zu starten, das Team mitzunehmen und Schritt für Schritt zu skalieren.

Betriebe, die 2026 handeln, sichern sich einen doppelten Vorteil: Sie senken ihre Abhängigkeit von Buchungsplattformen durch bessere Direktkommunikation und bauen intern Kompetenzen auf, die in den kommenden Jahren zum entscheidenden Wettbewerbsfaktor werden. Einen Überblick über alle Formate finden Sie im Workshop-Katalog der Akademie für KI.

Lukas Görög

KI-Stratege · Gründer der Akademie für KI und Digitalisierung

Lukas Görög berät Vorstände, Geschäftsführer und Führungskräfte im DACH-Raum bei der strategischen KI-Implementierung. Ehemaliger AI Lead der NZZ Zürich und KI-Dozent an der ZHAW. Er verbindet über 10 Jahre Praxiserfahrung in KI und Daten mit dem Anspruch, komplexe Technologie verständlich und umsetzbar zu machen.