// KI-Arbeitssysteme für SoloSolo-Selbstständige und Teams
Deine KI braucht Einarbeitung.
Modelle sind Apps –
dein contextr ist das System
dein Kontext-Layer
Dein erfasster Kontext – konstante Qualität über jedes Modell
→ daraus, einsatzbereit
gebaut ab Tag 1 · Ausbau angelegt
Modelle ändern sich.
Dein contextr bleibt.
kein Abo, kein Lock-in
contextr erfasst,
wie dein Unternehmen wirklich arbeitet –
und macht daraus ein KI-Arbeitssystem,
das dein Geschäft kennt. Solo oder im Team.
Qualität im eigenen Benchmark – der Effekt steigt mit der Komplexität der Aufgabe. Zum Test →
10 Fragen, 3 Minuten
// Problem
Du merkst es an den Outputs.
Generisch.
Deine KI schreibt Texte, die für irgendein Unternehmen sein könnten.
Unverbunden.
Deine Tools laufen, aber jedes für sich.
Lückenhaft.
Wenn jemand im Team ausfällt,
fehlt Wissen –
weil es nirgendwo steht.
Das Problem ist nicht die Technologie.
Es ist die fehlende Grundlage.
// Ursache
KI-Tools sind nur so gut wie das, was sie wissen.
Die meisten Teams nutzen KI mit Standardeinstellungen.
Kein Wissen über Geschäftsmodell,
Teamstruktur, Entscheidungswege oder Abläufe. Das Ergebnis: generische Antworten,
die für
niemanden wirklich passen.
Was fehlt, ist nicht das richtige Tool –
sondern Kontext, den die KI lesen kann: kuratiert, geordnet, benannt – und das, was nie irgendwo aufgeschrieben wurde.
Generische Antworten Spezifische Ergebnisse
// eine Frage, zwei Antworten
Wie wirkt contextr konkret?
Die Probe:
dieselbe Frage an eine KI,
einmal ohne und einmal mit dem Kontext,
den contextr aufbaut.
Frage: „Wie sorgt ihr dafür, dass die KI das Unternehmen wirklich versteht?"
KI ohne Kontext
Plausibel. Aber leer.
„Wir analysieren Ihre Prozesse und Anforderungen in strukturierten Gesprächen und erfassen alle relevanten Informationen. So stellen wir sicher, dass die KI optimal auf Ihr Unternehmen abgestimmt ist und konsistente, hochwertige Ergebnisse liefert."
→ klingt kompetent.
Und genau wie jeder Wettbewerber.
KI mit contextr-Kontext
Konkret – und belegbar.
„Profis lassen im freien Bericht bis zu 70% ihrer Entscheidungsschritte aus – nicht aus Unwillen, sondern weil Routine unsichtbar wird. Das belegt aktuelle Forschung zu Experteninterviews.
Deshalb fragen wir nicht nur ab, sondern nach:
mit Techniken wie Teach-Back – sich den eigenen Prozess von jemand anderem erklären lassen, um ihn dann zu präzisieren – machen wir genau das sichtbar, was sonst im Kopf bleibt.
Und weil eine KI selbst Verstandenes nach jeder Sitzung wieder vergisst, sichern wir kontinuierliche Qualität durch einen lebendigen Kontext – der eure realen Bedingungen abbildet und mit euch wächst."
→ unverwechselbar.
Methode, Technik, Evidenz – gezeigt, nicht behauptet.
Den Unterschied macht der Kontext.
// Lösung
Nicht noch ein Tool.
Sondern die Grundlage, auf der alle Tools arbeiten.
contextr ist ein KI-Arbeitssystem, das auf deinem Wissen aufbaut –
konfiguriert für dein Geschäft, nicht für den Durchschnitt.
Was das konkret bedeutet: strukturierter Organisationskontext,
konfigurierte KI-Assistenten und Workflows –
abgestimmt auf eure Prozesse, nicht von der Stange.
Und die Grundlage wirkt nicht nur dort, wo du sie heute einsetzt: Sie ist bei jeder Frage da – auch bei der, die heute noch niemand auf dem Zettel hat. Wo eine KI ohne Kontext nur Allgemeinplätze liefert, antwortet deine auf Basis dessen, wie dein Geschäft wirklich funktioniert.
Wo contextr bei Solo-Selbstständigen und kleinen Teams ansetzt.
Jedes Unternehmen und jedes Team hat eigene Abläufe, eigene Entscheidungslogiken, eigenes Wissen in Köpfen. Die folgenden zwölf Szenarien zeigen, wie contextr das in ein KI-Arbeitssystem übersetzt. Du musst dafür noch nicht wissen, welche spezifischen Use Cases für dein Unternehmen relevant sind – sie zu ermitteln und zu priorisieren ist Teil der Discovery.
Jede Karte öffnet ein Beispiel:
Ausgangslage, Aufgabenstellung, contextr-Einsatz, Ergebnis.
Und wo contextr nicht ansetzt.
Nicht jede Aufgabe, die Zeit frisst, braucht ein Sprachmodell. Wenn ein Ablauf klare Regeln hat, immer gleich läuft und ein falsches Ergebnis eindeutig als falsch erkennbar ist – dann ist er ein Automatisierungsfall. Ein Modell darauf anzusetzen macht ihn teurer, langsamer und unzuverlässiger.
Die Trennlinie ist einfach: Gibt es genau ein richtiges Ergebnis, und ist es maschinell prüfbar? Dann automatisieren.
Hängt das richtige Ergebnis davon ab, wer fragt, wofür, in welcher Lage – dann braucht es Kontext, kein Regelwerk.
Die zwölf Szenarien oben sind alle vom zweiten Typ.
Die Szenarien sind typische Anwendungsfälle aus der Zielgruppe von contextr – keine Kundenreferenzen. Referenzen werden nach Abschluss der laufenden Pilotprojekte separat veröffentlicht.
Wie viel treffender deine KI mit der richtigen Grundlage arbeiten würde – und wie weit deine schon trägt – zeigt dir der Schnellcheck in drei Minuten: Reifegrad, Profil über sechs Bereiche und konkrete erste Schritte. Und dein eigenes Szenario – die Use Cases, die bei dir den größten Hebel haben – entsteht in der Discovery. Du hast schon eigene Ideen, die du umsetzen willst – oder Fragen dazu? Dann lass uns direkt sprechen.
Wissenstransfer bei Personal- und Ehrenamtswechsel
3–10 Hauptamtliche + Ehrenamt
// So beschreiben es Betroffene
Unsere Ehrenamtlichen sind das Herz der Organisation. Aber wenn eine Person aussteigt, geht ihr Wissen mit. Beim letzten Vorstandswechsel haben wir drei Monate gebraucht, bis der Neue wusste, wer unsere Schlüssel-Spender sind und warum wir mit Partner X nicht mehr zusammenarbeiten.
// Ausgangslage
NGO-Struktur mit hoher Ehrenamts-Fluktuation und Vorstandswechseln. Stakeholder-Beziehungen, Partnerhistorie und Einsatzlogik nicht dokumentiert. Schlanke IT-Landschaft, keine Notion-Business-Umgebung.
// Was contextr einrichtet
- Organisationskontext mit Fokus auf Stakeholder-Landkarte: Spender, Partner, Behörden, Medien.
- Entscheidungshistorie: warum wurden zentrale Weichenstellungen so getroffen, nicht anders.
- Ehrenamts-Einarbeitungs-Prompts für typische Rollen.
- Bewusst schmal gehalten, damit das System auch ohne komplexe Tool-Stacks funktioniert.
// Ergebnis im Alltag
Einarbeitung neuer Ehrenamtlicher verkürzt sich deutlich bis zur Einsatzfähigkeit.
Vorstandswechsel werden dokumentierbar – wichtige Kontinuitätsanforderung im gemeinnützigen Sektor.
Fördermittelanträge werden schneller erstellt, weil Organisationskontext abrufbar ist.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Eure kuratierte Ablage lässt sich anbinden, wenn ihr so weit seid – auch ohne komplexen Tool-Stack. Was sich anbinden lässt, richtet sich nach eurem Datenschutz; das klären wir vorab.
Routine: Ein Quartals-Spenderbericht-Entwurf, zeitgesteuert rein aus dem Organisationskontext – kein Konnektor nötig; der Vorstand gibt frei.
Was davon zu eurem Scope gehört, klärt die Discovery.
Geschäftsstellen-Gedächtnis über Personalwechsel hinweg
3–15 Hauptamtliche
// So beschreiben es Betroffene
Unsere Geschäftsstelle hält den Laden zusammen – aber vieles hängt an einzelnen Köpfen. Wer welche Mitgliedsunternehmen betreut, warum ein Gremienbeschluss so gefallen ist, welche Zusage einem Mitglied vor drei Jahren gemacht wurde: Das steht nirgends. Wenn ein langjähriger Referent geht, fängt die Nachfolge bei null an.
// Ausgangslage
Verband mit hauptamtlicher Geschäftsstelle. Mitgliederbetreuung, Gremienhistorie und Positionswissen als Erfahrungswissen bei einzelnen Personen. Personalwechsel in der Geschäftsstelle führen zu Wissensverlust und langer Einarbeitung.
// Was contextr einrichtet
- Organisationskontext der Geschäftsstelle: Aufgabenverteilung, Mitgliederlogik, Gremienstruktur, wiederkehrende Verfahren.
- Entscheidungshistorie: warum zentrale Positionen und Beschlüsse so zustande kamen – als abrufbarer Kontext statt in Protokollarchiven vergraben.
- KI-Assistenten für Mitgliederkommunikation, Positionspapier-Entwürfe und Gremien-Vorbereitung.
- Einarbeitungs-Prompts für neue Referenten.
// Ergebnis im Alltag
Neue Mitarbeitende in der Geschäftsstelle sind schneller auskunftsfähig.
Positionen und Mitgliederzusagen bleiben konsistent, auch über Personalwechsel.
Gremienarbeit wird vorbereitet, nicht jedes Mal neu aufgesetzt.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Die kuratierte Ablage der Geschäftsstelle lässt sich anbinden – Vorgänge und Dokumente landen im Kontext, ohne dass jemand kopiert. Was sich anbinden lässt, richtet sich nach eurem Datenschutz; das klären wir vorab.
Routine: Ein wiederkehrender Gremien- oder Mitglieder-Rundbrief als Entwurf, aus dem Organisationskontext vorbereitet – die Geschäftsführung gibt frei.
Was davon zu eurem Scope gehört, klärt die Discovery.
Förderlogik und Wirkungswissen als Organisationsgedächtnis
3–15 Hauptamtliche
// So beschreiben es Betroffene
Wir wissen, was funktioniert – welche Projekte Wirkung zeigen, welche Förderlogik bei welchem Geldgeber zieht, wie wir Anträge aufsetzen, die durchkommen. Aber dieses Wissen sitzt bei zwei, drei Leuten. Für jeden neuen Antrag fangen wir halb von vorne an, und wenn jemand geht, geht die Erfahrung mit.
// Ausgangslage
Operative Stiftung oder gemeinnützige GmbH mit kleinem hauptamtlichem Team. Antrags-, Förder- und Wirkungswissen als Erfahrungswissen weniger Personen. Wiederkehrende Anträge und Berichte werden jedes Mal neu erarbeitet.
// Was contextr einrichtet
- Organisationskontext: Förderprofil, Geldgeberlandschaft, Wirkungslogik, wiederkehrende Antrags- und Berichtsformate.
- Antrags- und Wirkungswissen expliziert: was bei welchem Geldgeber zieht, welche Argumentation trägt, welche Nachweise verlangt werden.
- KI-Assistenten für Antragsentwürfe, Wirkungsberichte und Fördermittel-Recherche.
- Einarbeitungs-Prompts für neue Programm- und Fundraising-Rollen.
// Ergebnis im Alltag
Antragsentwürfe entstehen aus der eigenen Förderlogik statt aus dem Leeren.
Wirkungsberichte werden vorbereitet, nicht jedes Mal neu strukturiert.
Förder-Erfahrung bleibt in der Organisation, auch bei Personalwechsel.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Die kuratierte Projekt- und Förderablage lässt sich anbinden – Anträge arbeiten mit den echten Programmunterlagen. Was sich anbinden lässt, richtet sich nach eurem Datenschutz; das klären wir vorab.
Routine: Wiederkehrende Zwischen- und Wirkungsberichte als Entwurf, aus dem Projektkontext vorbereitet – die Geschäftsführung gibt frei.
Was davon zu eurem Scope gehört, klärt die Discovery.
Projektgedächtnis über Personenwechsel hinweg
4–12 Mitarbeitende
// So beschreiben es Betroffene
Jedes Projekt hat seinen eigenen Ordner im Server, aber die wichtigen Infos – was mit der Bauherrin besprochen wurde, warum wir uns für diese Fassade entschieden haben, welche Nachbarschaftsvereinbarung noch offen ist – stehen in meinen Notizen oder in Köpfen. Wenn mein Projektleiter wechselt, weiß der Neue nichts.
// Ausgangslage
Projektwissen verteilt auf Serverordner, E-Mails, Notizen und Köpfe – jeder Übergang ist ein Medienbruch von Hand. Bei Personenwechseln dauert Einarbeitung mehrere Tage. Entscheidungsbegründungen sind nicht dokumentiert – relevant bei späteren Gewährleistungsfragen.
// Was contextr einrichtet
- Organisationskontext plus ein Projekt-Kontext-Dokument für euren ersten Fall – gebaut, nicht als Vorlage.
- Sektionsstruktur: Bauherrin und Stakeholder, Entwurfslogik und Entscheidungen, offene Abstimmungen, behördliche Auflagen, Nachbarschaft und Baugrundstück-Besonderheiten.
- Empfehlung zum KI-Toolstack passend zur bestehenden IT-Landschaft.
- KI-Assistenten für Projekt-Briefings, Status-Updates an Bauherrschaft und Entscheidungsbegründungen für Behörden.
// Ergebnis im Alltag
Projektübergaben reduzieren sich von rund zwei Arbeitstagen auf wenige Stunden.
Entscheidungsbegründungen sind nachvollziehbar – relevant bei Gewährleistungsfragen.
Bauherr-Kommunikation bleibt konsistent, auch wenn der Projektleiter wechselt.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Eure Projektablage (Cloud-Speicher) lässt sich direkt im KI-Tool anbinden – Protokolle, Pläne und Schriftverkehr sind lesbar, ohne dass jemand kopiert.
Routine: Ein wöchentlicher Bautenstands-Entwurf an die Bauherrschaft, zeitgesteuert aus dem Projektkontext vorbereitet – der Projektleiter gibt frei.
Was davon zu eurem Scope gehört, klärt die Discovery.
Gutachten-Bausteinbibliothek mit Qualitäts-Learnings
1–8 Mitarbeitende
// So beschreiben es Betroffene
Ein Gutachten besteht aus 60% Standardbausteinen und 40% Einzelfall. Die Bausteine schreibe ich seit 15 Jahren neu, weil ich sie jedes Mal in einem anderen Gutachten suche. Und wenn ein Gericht mich ablehnt, weil etwas fehlt, lerne ich das für nächstes Mal – aber diese Learnings stehen in meinem Kopf, nicht im Büro.
// Ausgangslage
Wiederkehrende Gutachtenbausteine werden jedes Mal neu geschrieben. Qualitäts-Learnings aus gerichtlichen Verfahren bleiben als Kopfwissen. Nachfolge- oder Teamaufbau dadurch erschwert.
// Was contextr einrichtet
- Organisationskontext: Fachgebiet, übliche Auftraggeber (Gericht, Versicherung, Privat), Methodenstandards.
- Bausteinbibliothek als strukturierter Teil des Organisationskontexts: Rechtsgrundlagen-Zitate, Methodenbeschreibungen, Anhänge-Templates – versioniert.
- Qualitäts-Learnings als eigene Ebene: was bei welchem Verfahren gefehlt hat, kommt als Meta-Wissen ins System zurück.
- KI-Assistent „Gutachten-Skelett": Input Auftragsfakten, Output Bausteinauswahl plus markierte Stellen für Einzelfall-Ausarbeitung.
// Ergebnis im Alltag
Zeit für Standardbausteine sinkt deutlich – mehr Kapazität für den Einzelfall.
Qualitäts-Learnings werden strukturell aufgebaut statt an Einzelpersonen gebunden.
Nachwuchs-Sachverständige oder Familienbetrieb-Nachfolger haben schnelleren Einstieg.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Die Baustein-Bibliothek (Ablage oder Wissens-Tool) lässt sich direkt im KI-Tool anbinden – versioniert, durchsuchbar, immer der aktuelle Stand.
Routine: Neue Aufträge werden als Workflow zum Gutachten-Skelett vorbereitet – mit Freigabe; die Einzelfall-Arbeit bleibt beim Sachverständigen.
Was davon zu eurem Scope gehört, klärt die Discovery.
Kalkulationslogik für die nächste Generation
5–15 Mitarbeitende
// So beschreiben es Betroffene
Jedes Angebot dauert einen Abend. Ich gehe durch die Aufmaße, erinnere mich, was der letzte ähnliche Auftrag gekostet hat, und rechne Zuschläge dazu. Mein Sohn soll den Betrieb mal übernehmen – der sieht nur die Zahlen, aber nicht, warum ich bei manchen Kunden 10% drauflege und bei anderen runtergehe.
// Ausgangslage
Kalkulationslogik als Erfahrungswissen des Inhabers – Aufmaße auf Papier, Kalkulation in der Tabelle, Angebot im Schreibprogramm: drei Medienbrüche pro Angebot. Generationsübergang steht an oder ist absehbar. Schlanke IT-Landschaft, preissensitives Segment.
// Was contextr einrichtet
- Organisationskontext: Gewerk-Profil, typische Auftragsarten, Kundensegmente (Privat, Gewerbe, Wohnungsbau).
- Kalkulationslogik expliziert: Materialzuschläge, Lohnfaktoren, Risikozuschläge je Auftragstyp – inklusive der Erfahrungsregeln.
- KI-Assistent für Angebotsentwürfe aus Aufmaß-Stichpunkten und Nachtragskalkulationen – gebaut, nicht als Vorlage.
// Ergebnis im Alltag
Angebotsdauer deutlich reduziert.
Kalkulationslogik erstmals für Nachfolger dokumentiert – relevant bei Generationsübergang.
Junior-Kalkulation wird nachvollziehbar: Chef prüft Ergebnis und korrigiert gezielt statt alles neu zu rechnen.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Tabellen und Unterlagen in der Ablage lassen sich direkt im KI-Tool anbinden – die Erfahrungsregeln rechnen mit echten Zahlen.
Routine: Jeden Morgen Angebots-Entwürfe zu den neu abgelegten Aufmaßen – der Chef prüft und gibt frei, wie immer.
Was davon zu eurem Scope gehört, klärt die Discovery.
Gebiets- und Kundenwissen, das nicht am Außendienst hängt
3–15 im Betrieb (Innen- und Außendienst)
// So beschreiben es Betroffene
Unser Außendienst kennt seine Kunden in- und auswendig – aber das Wissen sitzt in drei, vier Köpfen. Wer beim Kunden welche Zusage gemacht hat, warum eine Vertretung so verhandelt wird, welches Argument bei welchem Einkäufer zieht: Das steht nirgends. Wenn ein Außendienstler geht, geht das halbe Gebiet mit.
// Ausgangslage
Handelsvertretung bzw. Vertriebsunternehmen mit Innendienst und mehreren Außendienstlern, die Herstellerprodukte in einem Gebiet vertreten. Beziehungs-, Gebiets- und Produktargumentationswissen liegt als Erfahrungswissen bei einzelnen Personen. Bei Vertreterwechsel oder Bestandsübergabe (§89b HGB) drohen Wissens- und Umsatzverlust.
// Was contextr einrichtet
- Organisationskontext der Vertretung: Gebiets- und Kundenlogik, vertretene Hersteller und Sortimente, Argumentationsmuster je Kundentyp, wiederkehrende Vertriebsprozesse.
- Kundengedächtnis: Historie von Zusagen, Konditionen und Entscheidungswegen – als abrufbarer Kontext, nicht im Kopf eines einzelnen Außendienstlers.
- KI-Assistenten für Angebots- und Besuchsvorbereitung, Produktargumentation und Innendienst-Korrespondenz.
- Einarbeitungs-Prompts für neue Außendienstler – das Gebiet bleibt übergabefähig.
// Ergebnis im Alltag
Neue Außendienstler sind schneller im Gebiet auskunftsfähig.
Kundenbeziehungen und Konditionslogik bleiben konsistent, auch bei Vertreterwechsel.
Angebots- und Besuchsvorbereitung dauert nicht mehr den halben Abend.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Die CRM- und Angebotsablage der Vertretung lässt sich anbinden – Vorgänge landen im Kontext, ohne dass jemand kopiert. Was sich anbinden lässt, richtet sich nach eurem Datenschutz und den Vereinbarungen mit euren Herstellern; das klären wir vorab.
Routine: Ein Besuchsbericht oder eine Angebots-Vorlage als Entwurf, aus dem Vertriebskontext vorbereitet – der Außendienst gibt frei.
Was davon zu eurem Scope gehört, klärt die Discovery.
Der eigene Denkrahmen statt Standard-Frameworks
1 Person
// So beschreiben es Betroffene
Ich arbeite mit einer eigenen Methodik, über Jahre gewachsen. Bei jedem neuen Mandat erkläre ich der KI von vorne, wie ich Probleme strukturiere und wie meine Workshops aufgebaut sind – sonst kommen Standard-Frameworks zurück, die ich nicht verwende.
// Ausgangslage
Solo-Strategieberatung mit eigener, gewachsener Methodik – Analysen, Workshops und Empfehlungen für Auftraggeber von außen, keine operative Verantwortung im Tagesgeschäft. Analyse-Raster und Vorgehensmodelle als Kopfwissen; KI liefert generische Frameworks statt des eigenen Ansatzes.
// Was contextr einrichtet
- Arbeitskontext-Dokument: eigenes Beratungsmodell, Analyse-Raster, typische Mandatstypen, Sprache und Deliverable-Formate.
- Übersicht der Aufgaben mit dem größten KI-Hebel: Analyse-Strukturen, Workshop-Designs, Angebots- und Berichtsentwürfe.
- Fertige KI-Instruktionen, die die eigene Methodik tragen – kein Rückfall auf Standard-Frameworks.
- Die Assistenten und Skills für deine wichtigsten Use Cases – gebaut, nicht als Vorlage.
// Ergebnis im Alltag
Analyse- und Berichtsentwürfe im eigenen Denkrahmen, nicht von der Stange.
Konsistente Methodik über alle Mandate, jederzeit abrufbar.
Schnellere Angebote und Deliverables bei gleichbleibender Qualität.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Deine Mandats-Ablage lässt sich direkt im KI-Tool anbinden – Analysen arbeiten mit den Originalunterlagen.
Routine: Mandats-Status- und Reporting-Entwürfe im eigenen Raster, zeitgesteuert vorbereitet – funktioniert mit oder ohne Anbindung; du gibst frei.
Was davon zu deinem Scope gehört, klärt die Discovery.
Positionierung halten – über den ganzen Kundenstamm
1 Person
// So beschreiben es Betroffene
Ich berate sechs Kunden, jeder mit eigener Story, eigenen Tabus, eigenen Medien. Das trage ich alles im Kopf. Die KI könnte mir Entwürfe liefern – aber nur, wenn sie wüsste, für wen ich gerade schreibe und wie.
// Ausgangslage
Solo-Beratung mit mehreren parallelen Kunden. Positionierungslogik und Kunden-Spezifika als Tacit Knowledge bei einer Person. KI-Entwürfe generisch, weil der Kunden-Kontext fehlt.
// Was contextr einrichtet
- Arbeitskontext-Dokument: eigenes Beratungsprofil und Methodik, plus je ein kompaktes Kunden-Kontext-Profil (Tonalität, Tabuthemen, Positionierung, Schlüsselmedien).
- Übersicht der Aufgaben mit dem größten KI-Hebel: Pressetexte, Statements, LinkedIn-Posts im jeweiligen Kundenstil.
- Fertige KI-Instruktionen, die den richtigen Kunden-Kontext laden – konsistente Ergebnisse je Mandat.
- Die Assistenten und Skills für deine wichtigsten Use Cases – gebaut, nicht als Vorlage.
// Ergebnis im Alltag
Entwürfe treffen den Kundenton ab dem ersten Draft.
Strategische Raster (Positionierung, Botschaftshaus) jederzeit abrufbar statt jedes Mal neu erarbeitet.
Mehr Mandate parallel betreubar, ohne dass die Qualität an einzelnen Tagen schwankt.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Deine kuratierte Ablage lässt sich direkt im KI-Tool anbinden – die KI arbeitet mit dem aktuellen Stand deiner Kundenmappen statt mit Kopien.
Routine: Ein monatlicher Themenradar-Entwurf je Kunde, zeitgesteuert vorbereitet – funktioniert schon mit deinem Kontext allein, du gibst frei, bevor irgendetwas rausgeht.
Was davon zu deinem Scope gehört, klärt die Discovery.
Destinations- und Sicherheitswissen als Veranstalter-Gedächtnis
3–12 Mitarbeitende
// So beschreiben es Betroffene
Unser Wissen über die Zielgebiete ist unser Kapital – welcher Partner vor Ort verlässlich ist, welche Route in welcher Saison funktioniert, wo die Sicherheitslage kippt. Das steckt bei zwei, drei Leuten im Kopf. Fällt jemand aus oder geht in Rente, fehlt uns plötzlich die Grundlage für ganze Programme.
// Ausgangslage
Spezial- oder Nischenreiseveranstalter mit eigenem Programm (Studien-, Erlebnis-, Fernreisen). Destinations-, Partner- und Sicherheitswissen liegt als Erfahrungswissen bei einzelnen Reiseexperten. Personalwechsel oder Ausfall gefährden Programmqualität und Reaktionsfähigkeit bei Sicherheitslagen.
// Was contextr einrichtet
- Organisationskontext des Veranstalters: Destinations- und Routenwissen, Partnernetz vor Ort, Saison- und Sicherheitslogik, wiederkehrende Prozesse von Konzeption bis Durchführung.
- Entscheidungs- und Erfahrungshistorie: warum eine Route, ein Partner, eine Sicherheitseinschätzung so getroffen wurde – als abrufbarer Kontext.
- KI-Assistenten für Ausschreibungs- und Katalogtexte, Angebotskalkulation und Kundenkommunikation.
- Einarbeitungs-Prompts für neue Produktmanager oder Reiseexperten.
// Ergebnis im Alltag
Neue Mitarbeitende sind schneller in den Zielgebieten auskunftsfähig.
Destinations- und Sicherheitseinschätzungen bleiben konsistent, auch über Personalwechsel.
Angebots- und Ausschreibungstexte entstehen aus dem eigenen Wissen, nicht aus generischen Bausteinen.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Die Ziel- und Partnerablage lässt sich anbinden – Destinations- und Partnerinfos landen im Kontext, ohne dass jemand kopiert. Was sich anbinden lässt, richtet sich nach eurem Datenschutz; das klären wir vorab.
Routine: Ein Ausschreibungs- oder Katalogtext als Entwurf, aus dem Destinationskontext vorbereitet – die Produktleitung gibt frei.
Was davon zu eurem Scope gehört, klärt die Discovery.
Eigener Stil über wechselnde Auftraggeber
1 Person
// So beschreiben es Betroffene
Ich schreibe für drei Auftraggeber, jeder mit eigenem Stilguide, eigener Zielgruppe, eigenen No-Gos. Die KI hilft beim Rohtext – aber ich muss jedes Mal von vorne erklären, für wen und wie. Am Ende ist Selberschreiben schneller.
// Ausgangslage
Solo-Redaktion mit mehreren Auftraggebern unterschiedlicher Stilvorgaben. Stilwissen und Qualitätskriterien unstrukturiert. KI-Output generisch, der Briefing-Aufwand frisst den Zeitgewinn.
// Was contextr einrichtet
- Arbeitskontext-Dokument: eigene redaktionelle Linie und Recherche-Standards, plus je ein Auftraggeber-Stilprofil (Zielgruppe, Tonalität, Formate, No-Gos).
- Übersicht der Aufgaben mit dem größten KI-Hebel: Rohentwürfe, Headline-Varianten, Faktencheck-Strukturen, Textredaktion.
- Fertige KI-Instruktionen, die den richtigen Stil laden – kein Wiederholungs-Briefing.
- Die Assistenten und Skills für deine wichtigsten Use Cases – gebaut, nicht als Vorlage.
// Ergebnis im Alltag
Von der Recherchenotiz zum strukturierten Entwurf in einem Bruchteil der Zeit.
Stilkonsistenz pro Auftraggeber, ohne jedes Mal neu zu erklären.
Kapazität für mehr Aufträge bei gleichbleibender Qualität.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Dein Notiz-Tool und deine Ablage lassen sich direkt anbinden – die KI zieht aus deinen Quellen, nicht aus dem Nichts.
Routine: Wiederkehrende Themen- und Pitch-Listen je Auftraggeber als Entwurf – braucht keinen Konnektor, nur deinen Kontext; du wählst aus und gibst frei.
Was davon zu deinem Scope gehört, klärt die Discovery.
Programmwissen und Antrags-Handwerk als abrufbarer Hebel
1 Person
// So beschreiben es Betroffene
Ich kenne die Programme, ich weiß, welcher Antrag bei welchem Fördergeber durchgeht und wo die Fallstricke liegen. Aber dieses Wissen trage ich im Kopf. Für jeden Mandanten baue ich die Argumentation neu, und die KI hilft kaum, weil sie meine Auswahllogik und meine Antrags-Dramaturgie nicht kennt.
// Ausgangslage
Fördermittelberater als Einzelperson. Das Kapital ist die Auswahl- und Antragslogik über wechselnde Mandanten – welches Programm passt, wie ein Antrag aufgebaut sein muss, damit er trägt. Als Erfahrungswissen unstrukturiert; öffentliche Programmdatenbanken decken nur das Nachschlagen ab, nicht die Auswahl.
// Was contextr einrichtet
- Arbeitskontext-Dokument: eigene Programm-Landkarte, Auswahllogik nach Mandantentyp, Antrags-Dramaturgie, typische Ablehnungsgründe.
- Übersicht der Aufgaben mit dem größten KI-Hebel: Programm-Vorauswahl, Antragsentwürfe, Argumentationslinien, Nachweis-Strukturen.
- Fertige KI-Instruktionen, die die eigene Auswahl- und Antragslogik tragen.
- Die Assistenten und Skills für deine wichtigsten Use Cases – gebaut, nicht als Vorlage.
// Ergebnis im Alltag
Antragsentwürfe folgen der eigenen bewährten Dramaturgie, nicht generischen Mustern.
Programm-Vorauswahl schneller, weil die eigene Zuordnungslogik abrufbar ist.
Mehr Mandate parallel, ohne Qualitätsverlust bei der Argumentation.
// Ausbau-Optionen – angelegt, nicht Pflicht
Anbindung: Die eigene kuratierte Programm- und Vorlagenablage lässt sich anbinden – die KI zieht aus den eigenen Quellen.
Routine: Fristen-Radar zu laufenden Programmen als wiederkehrender Entwurf – du prüfst und gibst frei.
Was davon zu deinem Scope gehört, klärt die Discovery.
Kontextdokument
prozess: Discovery & Scoping
schritte:
- schritt: 1
name: Erstgespräch / Qualifizierung
entscheidungslogik:
- WENN kein laufendes Geschäft → Ablehnung (Zielgruppe)
- WENN IT-Dienstleistung erwartet → Ablehnung (Scope)
- WENN außerhalb Zielgruppe → Ablehnung
- SONST → Pre-Discovery-Fragebogen versenden
werkzeuge: [E-Mail, Telefon]
dauer: 15-20 Min
- schritt: 2
name: … Ein Ausschnitt aus dem Kontextdokument: Abläufe als maschinenlesbare Wenn-Dann-Logik – so versteht die KI nicht nur was du tust, sondern wie du entscheidest.
Use-Case-Landkarte
| Aufgabe | Kategorie |
|---|---|
| Interne Recherche / Doku | 🟢fehlertolerant |
| Content-Entwürfe | 🟡prüfpflichtig |
| Kundenkommunikation | 🟡prüfpflichtig |
| Angebote / Verträge | 🔴KI-ausgeschlossen |
| … weitere Aufgaben | |
Nicht jede Aufgabe ist gleich KI-tauglich. Die Landkarte zeigt, wo KI direkt liefert (grün), wo ein Mensch prüft (gelb) und wo KI nur zuarbeitet (rot) – priorisiert nach Wirkung und Risiko.
Hinter jeder Zeile der Landkarte liegt ein ausgearbeiteter Use Case – zum Beispiel:
use_case: Content-Entwürfe kategorie: 🟡 prüfpflichtig ziel: schnelle Erstentwürfe in deiner Tonalität input: Briefing + Kontextdokument + Brand Voice ablauf: Entwurf → menschliche Prüfung → Freigabe output: Entwurf mit markierten Prüfstellen …
In der Discovery identifizieren wir die Use Cases, die für dich und dein Unternehmen den größten Hebel haben. Jeder wird als gebauter Assistent oder Skill Teil deines contextr – einsatzfertig, nicht als Vorlage.
KI-Skill
skill: Discovery-Call vorbereiten
id: SK-01
ausloeser: >
Neuer Kontakt "Qualifiziert" ODER
"bereite Discovery-Call vor"
schritte:
- name: Kontextanalyse
output: Kontaktprofil (5–8 Stichpunkte)
- name: Hypothesen formulieren
output: 3 falsifizierbare Hypothesen
- name: Call-Agenda erstellen
output: Agenda (1 Seite)
- name: … Ein fertig konfigurierter KI-Skill: Auslöser, Arbeitsschritte, definierter Output. Du startest ihn – er kennt deinen Ablauf. Keine Prompt-Bastelei mehr.
// Vertraulichkeit
Vertraulichkeit ist nicht nur eine Datenschutzfrage.
Sobald ihr mit fremden Daten arbeitet – Mitglieder, Mandanten, Förderfälle, Beschäftigte – reicht die DSGVO allein oft nicht. Je nach Tätigkeit kommen berufs- oder vertragsrechtliche Verschwiegenheitspflichten dazu, die andere Anforderungen an eure KI-Plattform stellen. Bevor irgendetwas eingerichtet wird, klären wir deshalb eine einfache Frage: Arbeitet euer KI-System mit personenbezogenen oder vertraulichen Daten? Wenn ja, läuft es auf einer in der EU gehosteten Plattform mit Auftragsverarbeitungsvertrag – zum Beispiel Langdock. Wenn nein, genügt auch ein Standard-Team-Konto bei Claude oder ChatGPT.
Vertraulichkeit hat eine zweite Seite: euer eigenes Können. Wenn eure Methodik erfasst wird – das, was euch von anderen unterscheidet –, liegt sie danach erstmals in strukturierter Form vor. Deshalb gilt zweierlei: Das Ergebnis gehört euch und verlässt euer System nicht, und wir verwenden es nicht weiter – contextr ist kein Wettbewerber eurer Arbeit. Und der Erfassungsprozess selbst ist geregelt – minimaler Zugriff, eine feste Lebensdauer des Rohmaterials, Löschung nach der Übergabe. Im System bleibt die kuratierte Fassung, die euch gehört.
Welche Daten überhaupt in euer KI-System einfließen und welche als zu vertraulich gelten und dort nicht genutzt werden, legen wir vorab gemeinsam in der Discovery fest.
// Arbeitsweise
Vom Gespräch zum Arbeitssystem.
Wie Entscheidungen fallen,
wie Abläufe funktionieren,
wie die Kommunikation läuft –
manches Wissen steckt in Köpfen, anderes in Dokumenten.
Ein Fragebogen erfasst, was gesagt wird. Nicht, was gilt.
Wer „beschreib deinen Prozess" fragt, bekommt die geglättete Version – chronologisch,
ohne Ausnahmen, weil Routine sich selbst unsichtbar macht. Deshalb übernimmt processr,
das adaptive Erfassungsinstrument von contextr: zu jedem ausgewählten Prozess ein Interview,
das nachfragt statt abfragt – etwa, was ein Anfänger hier zum ersten Mal falsch macht. Dort liegt,
was sonst im Kopf bleibt: die Entscheidungsschritte, die niemand aufschreibt,
weil sie zur Routine geworden sind.
Was auch das beste Interview nicht klärt –
Widersprüche, Prioritäten, das eigentliche Warum – klären wir anschließend persönlich
im Discovery-Call.
processr – macht aus deinem Prozess Klartext, den deine KI versteht.
Deine Arbeitsweise –
dokumentiert und strukturiert.
Dokumentation allein reicht nicht.
Damit KI-Tools mit deinem Wissen arbeiten können,
muss es in eine Form, die sie verstehen –
als Anweisungen, Regeln und Kontextbausteine
für deine Tools.
Daraus werden KI-Assistenten, die dein Geschäft kennen. Workflows, die deine Prozesse abbilden. Konfiguriert für deinen Stack – nicht als Vorlage.
Dein KI-Arbeitssystem –
konfiguriert, nicht generisch.
Kein Datei-Chaos, kein
„wo war das nochmal“.
Kontextdokumente, Skills, Prompts,
Anleitungen, Wartungshinweise –
ein zentrales Portal
mit allem, was dein Team braucht.
Lokal bei dir verfügbar,
für jede Plattform nutzbar.
Teil davon: die Tool-Frage. Welche KI-Plattform zu euch passt, klären wir hier mit – euer Kontext läuft ohnehin über jedes Tool.
dein contextr –
bereit zum Arbeiten, ab Tag eins.
Ein System wirkt erst, wenn es im Alltag arbeitet. Deshalb endet die Übergabe nicht mit Dokumenten – sondern mit den gebauten Assistenten und Skills für deine priorisierten Use Cases.
Damit ist die Grundlage gelegt. Ab hier baust du selbst weiter – über die Ausbau-Stationen. Wie das System wächst →
dein Weg zur effektiven KI-Nutzung –
dein System wirkt.
Ein Projekt, ein Ansprechpartner –
von der ersten Frage bis zum fertigen System.
Was sich in deiner Woche ändert:
Das Angebot, das sonst den halben Abend kostet, liegt morgens als Entwurf bereit – geprüft und freigegeben wird es in Minuten.
Bei dir ist es vielleicht der Schriftsatz, das Briefing oder der Kostenvoranschlag. Die wiederkehrende Arbeit liegt vorbereitet vor – du gibst frei, statt bei null anzufangen.
Der Projektverantwortliche wechselt – und das Wissen bleibt: was besprochen wurde, warum es so entschieden wurde, was noch offen ist.
Bei dir ist es vielleicht der Mandantenwechsel, die Urlaubsvertretung oder das ausscheidende Vorstandsmitglied. Was sonst mit der Person geht, steht jetzt im System.
Der Entwurf trifft den richtigen Ton ab dem ersten Versuch – ohne dass vorher erklärt werden muss, für wen und wie.
Bei dir ist es vielleicht der Kundenstil, die eigene Fachsprache oder die Linie, die seit Jahren sitzt. Die KI kennt sie, weil sie erfasst wurde – nicht, weil sie jedes Mal neu gebrieft wird.
So unterschiedlich die Geschäfte, so ähnlich das Muster: Das Entscheidende liegt vorbereitet vor – die Freigabe bleibt bei dir.
Und weil die Grundlage bei jeder Frage da ist, hilft dieselbe KI auch bei allem, was heute noch auf keiner Liste steht.
So sieht ein contextr aus.
Was du hier siehst, ist Struktur und Tiefe.
Alle Inhalte werden individuell erstellt.
Außerdem enthalten
- Globale Instruktionen
& System-Prompts Systemsteuerung - KI-Assistenten, Skills, Workflows KI-Assistenten
- Brand Voice System
- Leitfäden & Anleitungen Umsetzung & Wartung
- Starter-Prompts Prompts
- Schnellstart & FAQ Orientierung
// Beweis
Das Problem ist belegt.
Die Lösung auch.
Die Wahrnehmung
der Kleinstunternehmen halten KI im eigenen Unternehmen für nicht anwendbar – ein Übersetzungsproblem, kein Technologieproblem.
OECD, 2025
Die Adoption
der deutschen KMU nutzen KI aktiv. Der entscheidende Faktor: digitaler Reifegrad und die Fähigkeit, das eigene Geschäft für KI zu übersetzen.
KfW Research, 2026
Das Ergebnis
der GenAI-Piloten in Unternehmen blieben binnen sechs Monaten ohne messbaren Geschäftseffekt. Kernursache laut Report: Tools, die die Organisation nicht kennenlernen – fehlender Kontext, nicht fehlende Technologie.
MIT NANDA, „The GenAI Divide", 2025 – Vorab-Report: 52 Interviews, 153 Befragte, 300+ untersuchte Initiativen
Die Ursache
des entscheidungsrelevanten Wissens lassen Experten im freien Bericht aus – nicht weil sie es zurückhalten, sondern weil Routine unsichtbar macht, was gelernt wurde.
Cognitive Task Analysis Research
Die wenigsten trauen KI etwas zu, die wenigen Versuche bleiben meist ohne messbaren Effekt – und der Grund ist immer derselbe: Das entscheidende Wissen bleibt verborgen und somit ungenutzt.
Eigener Test: Wie groß ist der Unterschied?
Um die These zu prüfen, habe ich einen dreistufigen Benchmark am eigenen Unternehmen durchgeführt: gleiche Prompts, gleiche KI – einmal ohne Kontext, einmal mit strukturiertem Organisationskontext. Das Ergebnis: durchschnittlich +140% Qualitätssteigerung – mit steigendem Effekt bei komplexeren Aufgaben.
Einfache Aufgaben kann KI auch ohne Kontext erledigen.
Bei den wichtigen versagt sie.
Eine aktuelle Studie des Harvard Business Review (2026) bestätigt das Muster: In 15.000 Simulationen lieferten alle getesteten KI-Modelle dieselben generischen Empfehlungen – unabhängig vom Szenario.
Die Forscher nennen es „Trendslop“: Antworten, die professionell klingen,
aber austauschbar sind.
Der Organisationskontext macht den Unterschied.
Eigener Test: N=1, interner Proof of Concept. Mechanismus extern bestätigt (HBR, 2026; 15.000 Simulationen). Kundenvalidierung durch Pilotprojekte läuft.
Zweiter Test: Und wenn ich der KI einfach unsere Ablage gebe?
Der Einwand liegt nahe: Statt kuratiertem Kontext einfach den Ordner mit allen Notizen anbinden. Also habe ich beides gegeneinander geprüft – dieselbe KI, einmal mit einer realistisch unaufgeräumten Ablage, einmal mit kuratiertem Organisationskontext.
Das Ergebnis war eindeutig – und überraschend: Die KI hat in keiner Bedingung Fakten erfunden. Moderne Modelle lügen kaum noch – sie verirren sich in unaufgeräumten Ablagen: Versionskonflikte, verwechselte Dokumente, veraltete Stände. Der Gegner ist nicht die halluzinierende KI.
Der Gegner ist die unaufgeräumte Ablage. Anbinden ist richtig – aber erst kuratiert, geordnet und benannt kann die KI sie lesen.
Eigener Vergleich, N=1-Szenario mit eingefrorenen Fragen; die Test-Ablage wurde nach einem dokumentierten, bewusst konservativen Rezept simuliert. Kundenvalidierung läuft.
// Leistung
Zwei Streams.
Klarer Scope.
Festpreis vorab.
Immer enthalten – in beiden Streams:
Dein contextr –
das KI-Arbeitssystem
für deine Organisation.
Sofort einsatzbereit in ChatGPT, Claude & Co:
Deine KI kennt dein Geschäft –
aus deiner Realität,
nicht aus Standardeinstellungen
Der richtige Kontext für jede Aufgabe – ob Tagesgeschäft, Kundenprojekt oder Strategie
Datenschutz nach DSGVO: Verarbeitung in der EU, Auftragsverarbeitungsvertrag pro Projekt, sensible Inhalte werden anonymisiert oder lokal verarbeitet.
Dein contextr funktioniert mit jedem KI-Tool – heute und in Zukunft.
Was sich ändert, sind die Modelle. Dein contextr bleibt.
Und welches KI-Tool für dich das richtige ist? Ordnen wir im Discovery mit ein – passend zu deinen Use Cases und deiner Datenlage, ohne dich zu binden.
contextr Team
Für Teams von 3–20 Personen. Euer geteilter Organisationskontext als Wissensbasis – alle Rollen, Schnittstellen und Prozesse in einer gemeinsamen Grundlage.
Das bekommt ihr: Gemeinsam machen wir sichtbar, wie eure Organisation wirklich arbeitet – ich übersetze das und baue daraus ein einsatzbereites System: eure geteilte Wissensbasis, priorisierte Use Cases sowie Assistenten und Skills für eure realen Aufgaben, gebaut auf dieser Grundlage. Das wirkt ab dem ersten Tag in jedem KI-Tool, das ihr nutzt – zum Beispiel ChatGPT oder Claude. Und dazu: das Handwerk, es selbst weiterzubauen.
Was ist enthalten?
Im Festpreis enthalten:
- Discovery – umfassender Vorab-Fragebogen und ein 90-minütiges Gespräch, das ermittelt, welche Use Cases für euch zählen.
- Eure Wissensbasis (Organisationskontext + KI-Instruktionen) und die priorisierten Use Cases.
- Die Assistenten und Skills für eure Aufgaben – gebaut, nicht als Muster.
- Ein Portal, aus dem heraus ihr arbeitet.
- Anleitungs-Set und Administration (Infrastruktur, KI-Risikobewertung, Löschkonzept).
- Selbstpflege-Werkzeuge: System-Update, Wissens-Update, Skill-Generator.
- Gemeinsame Sessions, nach denen ihr das System selbst weiterbaut.
- Übergabe- und Abschluss-Gespräch.
Danach: wie euer System weiterwächst – siehe unten.
contextr Solo
Für Solo-Selbstständige und kleine Teams (1–2 Personen). Nach 14–21 Tagen weiß deine KI, wie du arbeitest.
Das bekommst du: Gemeinsam machen wir sichtbar, wie du wirklich arbeitest – ich übersetze das und baue daraus ein einsatzbereites System: deine Wissensbasis, priorisierte Use Cases sowie Assistenten und Skills für deine realen Aufgaben, gebaut auf dieser Grundlage. Das wirkt ab dem ersten Tag in jedem KI-Tool, das du nutzt – zum Beispiel ChatGPT oder Claude. Und dazu: das Handwerk, es selbst weiterzubauen.
Was ist enthalten?
Im Festpreis enthalten:
- Discovery – umfassender Fragebogen und ein 45-minütiges Gespräch, das ermittelt, welche Use Cases für dich zählen. Dein Aufwand: rund 2–2,5 Stunden über 2–3 Wochen.
- Deine Wissensbasis (Organisationskontext + KI-Instruktionen) und die priorisierten Use Cases.
- Die Assistenten und Skills für deine Aufgaben – gebaut, nicht als Muster.
- Ein Portal, aus dem heraus du arbeitest.
- Anleitungs-Set und Administration (Infrastruktur, KI-Risikobewertung, Löschkonzept).
- Selbstpflege-Werkzeuge: System-Update, Wissens-Update, Skill-Generator.
- Gemeinsame Sessions, nach denen du das System selbst weiterbaust.
- Übergabe- und Abschluss-Gespräch.
Danach: wie dein System weiterwächst – siehe unten.
Ggf. zzgl. eigene KI-Tool-Kosten – abhängig vom Stream und deinem bestehenden Setup.
In den meisten Fällen bleibt der monatliche Betrag pro Nutzer im zweistelligen Bereich – wird im Projekt vorab transparent kalkuliert. contextr hat keinen Einfluss auf Preise und Konditionen externer KI-Tool-Anbieter.
Gebaut für kleine Setups – solo oder im Team.
Dein Unternehmen verändert sich – Prozesse, Tools, Teamstruktur.
Deshalb bekommst du nicht nur
ein fertiges System, sondern das Wissen
und die Werkzeuge, um es eigenständig weiterzuentwickeln.
Kein Abo, kein laufender Support – Eigenständigkeit ist das Ziel.
Wie das System wächst.
Nach der Übergabe ist dein contextr in Betrieb –
deine Wissensbasis, deine priorisierten Use Cases und die gebauten Assistenten und Skills für deine Aufgaben.
Das System ist dabei auf Ausbau angelegt.
Dein Organisationskontext – das Ergebnis der Discovery – und dein spezifisches, kuratiertes Wissen – KI-lesbar übersetzt und formatiert.
Deine Tools, verbunden – wenn du sie brauchst.
Skills und Agenten für wiederkehrende Abläufe und Themenbereiche – fertig für dich konfiguriert.
Regelmäßig wiederkehrende Abläufe bereiten Entwürfe vor – du gibst frei.
Wie ihr eine Station konkret ausbaut – etwa mit einem neuen Assistenten –, lernt ihr in unseren Sessions: an euren echten Use Cases, nicht am Reißbrett.
Für größere Teams
Dauerhafte Befähigung lässt sich individuell gestalten –
zum Beispiel als Champion-Programm oder als kompakte Lunch-and-Learn-Sessions.
Was am besten zu eurem Bedarf passt, schauen wir uns gemeinsam an.
Über mich
20 Jahre strategische Kommunikation in der Musikbranche –
bei drei Weltkonzernen
(Universal, Sony, EMI).
Dann bewusster Wechsel: Prozessarchitektur und Organisationsentwicklung in regulierten Branchen – ISO-Managementsysteme, cross-funktionale Projektleitung, unternehmensweite Digitalisierung.
Dieses Handwerk bringe ich mit: strukturiertes Denken, Prozessverständnis und die Fähigkeit, undokumentiertes Wissen sichtbar und nutzbar zu machen.
Heute sorge ich dafür, dass Teams mit KI wirklich arbeiten können – und dass KI liefert, was sie wirklich brauchen.
Erfahrungswissen wird unsichtbar, sobald es funktioniert. Ich mache es sichtbar.
ISO-9001-Hintergrund, risikobasiertes Denken, systematische Erfassung von Organisationswissen.
Getestete Methodik (+140% PoC), Framework für KI-optimierte Wissensarchitekturen, Context Engineering.
20 Jahre strategische Kommunikation – komplexe Sachverhalte verständlich übersetzen.
Diploma of Advanced Studies in
Digital Strategy & Transformation,
Hochschule für Wirtschaft und Umwelt
Woran ich arbeite: kleine Organisationen, die ihr eigenes Wissen besitzen und nutzen –
unabhängig von Köpfen, Tools und Modellzyklen.
Mein Ziel ist, mich überflüssig zu machen.
Nach der Übergabe steht dein System –
und du weißt,
wie du es weiterentwickelst.
Das ist kein Versprechen –
das ist das Geschäftsmodell.
Wie viel mehr könnte deine KI – mit der richtigen Grundlage?
10 Fragen, 3 Minuten,
ehrliche Einschätzung.
Kein Verkaufsgespräch – ein Werkzeug für dich.
Häufige Fragen
Kann ich das nicht mit ChatGPT selbst machen?
Für einzelne Aufgaben: ja – mit gutem Prompting kommst du da auf 70–80%. Beim Gesamtbild nicht. Geschäftsmodell, Entscheidungswege, interne Regeln, Tool-Landschaft und euer über Dokumente und Köpfe verteiltes Wissen so kohärent zu beschreiben, dass KI damit als Arbeitsgrundlage arbeitet, gelingt kaum jemandem allein – nicht aus fehlender Kompetenz, sondern weil man das eigene System nicht aus der Außenperspektive sieht. In Tests fällt die Trefferquote dann auf 30–40%. Genau diese Außenperspektive ist die Leistung.
Wir wissen gar nicht, wo KI bei uns sinnvoll ansetzt –
wo fangen wir an?
Genau da – die Auswahl ist Teil der Leistung, keine Voraussetzung. Der übliche Fehlstart läuft andersherum: erst ein Tool einführen, dann nach Anwendungen suchen. Die Discovery dreht das um: Sie ermittelt aus deinen Abläufen, Engpässen und dem Wissen in Köpfen, welche Aufgaben sich für KI lohnen – und priorisiert sie. Dazu gehört auch die Gegenrichtung: zu erkennen, welche Aufgaben nur mit Prüfschritt laufen sollten und welche bewusst draußen bleiben, weil sie klare Regeln haben oder zu vertraulich sind. Von allein gelingt diese Auswahl selten – Routine wird im eigenen Alltag unsichtbar, und was täglich reibungslos läuft, taucht auf keiner Ideenliste auf. Die zwölf Szenarien oben zeigen, wie Ergebnisse aussehen; welche Use Cases bei dir den größten Hebel haben, steht am Ende der Discovery – und für die wichtigsten sind die Assistenten dann schon gebaut.
1.800 bis 4.200 Euro für ein paar Dokumente –
lohnt sich das?
Es sind nicht nur ein paar Dokumente – es ist ein einsatzbereites Arbeitssystem. Du bekommst zwei Dinge: ein System, das sofort funktioniert – die Assistenten und Skills für deine Aufgaben, gebaut auf deiner Wissensbasis und deinen priorisierten Use Cases, zusammengeführt in einem Portal, von dem aus du arbeitest. Dazu kommt das Handwerk, es selbst weiterzubauen: contextr Sessions, ein Anleitungs-Set und Selbstpflege-Werkzeuge – ohne mich, ohne Abo. Der Preis steht für den strukturierten Prozess, der sichtbar macht, was als Gewohnheit, Bauchgefühl und „frag Maria“ verstreut existiert, und es in eine KI-nutzbare Form übersetzt – abhängig von Use Cases, Prozesskomplexität und Tool-Anbindungen. Solo bewegt sich typischerweise zwischen 1.800 und 2.500 Euro, Team zwischen 3.000 und 4.200 Euro – der Festpreis steht nach dem Erstgespräch, vor jeder Beauftragung.
Bekomme ich nur eine Wissensbasis –
oder kann ich damit auch konkret arbeiten?
Beides – als ein System. Die Wissensbasis wirkt sofort: Ab Tag 1 liefert jedes KI-Tool spezifischere, treffendere Ergebnisse, weil es dein Geschäft kennt. Den vollen Wert schaffen die gebauten Assistenten und Skills für deine realen Aufgaben, nicht nur generische Muster. Dazu kommt das Handwerk, es selbst weiterzubauen: contextr Sessions, ein Anleitungs-Set und Selbstpflege-Werkzeuge – ohne mich, ohne Abo.
Die Grundlage ist bei jeder Frage da – auch bei der, die heute noch niemand auf dem Zettel hat.
Was passiert mit unseren Daten –
ist das DSGVO-konform, auch bei Kundendaten?
Ja – bei der Erstellung in jedem Fall, für dein eigenes Setup bei Bedarf. Bei der Erstellung verarbeite ich eure Daten auf einer in Deutschland gehosteten KI-Plattform (Langdock, Berlin) mit Auftragsverarbeitungsvertrag nach deutschem Recht; sensible Inhalte werden anonymisiert oder lokal verarbeitet. Für dein eigenes Setup lässt sich dein contextr auf Wunsch ebenfalls direkt in einer DSGVO-konformen Umgebung wie Langdock aufsetzen – relevant, sobald personenbezogene oder sensible Daten verarbeitet werden sollen. Das ist dann deutlich sicherer als KI in einem Standard-ChatGPT- oder -Claude-Konto. Diese Variante ist eine Option, kein Zwang: Dein System bleibt tool-offen, ohne Lock-in.
Muss ich erst alle Prozesse dokumentieren?
Nein. Es ist eine Bestandsaufnahme, kein Dokumentationsprojekt. Was du im Gespräch erzählst und was in euren bestehenden Unterlagen steckt, wird übersetzt – Rollen statt Namen, Entscheidungslogik statt Anekdoten. Dein Aufwand bleibt überschaubar (Solo rund 2–2,5 Stunden über 2–3 Wochen). Du musst kein Prozesshandbuch schreiben, bevor du anfängst. Und wo die Umsetzung eines konkreten Use Cases es erfordert, setzen wir processr ein – das adaptive Erfassungsinstrument von contextr, das mit gezieltem Nachfragen genau diesen Ablauf vollständig erfasst und abbildet.
Was, wenn sich die KI-Modelle ändern –
lande ich im Lock-in oder zahle drauf?
Dein contextr beschreibt dein Unternehmen, nicht ein bestimmtes Tool. Er funktioniert mit dem ChatGPT oder Claude von heute und dem Modell von übermorgen – kein Abo, keine Bindung an einen Anbieter. Was sich ändert, sind die Werkzeuge, die auf die Grundlage zugreifen, nicht die Grundlage selbst. Laufende Kosten entstehen nur für das KI-Tool deiner Wahl (meist ein zweistelliger Monatsbetrag pro Nutzer), vorab transparent kalkuliert – contextr verdient daran nichts mit.
Wir hatten schon einen Berater oder ein Tool-Setup –
hat nichts gebracht.
Kommt häufiger vor als man denkt. Die meisten geben generische Empfehlungen oder bauen Oberflächen – Dashboards, Datenbanken, Views. Sieht gut aus, wird zwei Wochen genutzt, dann verfällt es. contextr baut keine Oberfläche, sondern erfasst, wie dein Unternehmen funktioniert, und strukturiert dieses Wissen so, dass KI damit arbeitet. Architektur vor Oberfläche – das Ergebnis funktioniert auch, wenn du morgen das Tool wechselst.
Es gibt doch Kurse und Programme, die zeigen,
wie ich mir so ein System selbst baue.
Stimmt – und wenn du Zeit, Lust und den vollen Überblick über dein eigenes Erfahrungswissen hast, ist das ein gangbarer Weg. Dann bist du wahrscheinlich nicht die Zielgruppe für contextr – und das ist in Ordnung, ich will niemanden überreden. Ein Kurs gibt dir die Bauanleitung – deckt die für dich relevanten Einflussfaktoren aber meist nur partiell ab. Die eigentliche Frage ist eine andere: Hast du dein Entscheidungswissen wirklich vollständig im Kopf – abrufbar, in Worten? Forschung zu Experteninterviews zeigt, dass Profis im freien Bericht bis zu 70% ihrer Entscheidungsschritte auslassen, weil Routine unsichtbar wird. Eine Bauanleitung macht das nicht sichtbar. Genau dieses Sichtbarmachen ist die Leistung – nicht das Bauen. Wer trotzdem selbst loslegen will: Auf LinkedIn und im contexte. Newsletter teile ich Methoden und Denkrahmen, kostenlos.
Lohnt sich das auch für ein Team – oder eher für Einzelne?
Beides, mit unterschiedlichem Hebel. Für ein Team ist der Kern eine geteilte Wissensbasis über alle Rollen, Schnittstellen und Prozesse hinweg: Neue Leute liefern früher im Standard, Vertretung funktioniert, Wissen hängt nicht mehr an einzelnen Köpfen. Für Solo-Selbstständige ist es der Hebel, die eigene Routine abrufbar und über die Zeit konstant zu machen. Derselbe Kern, anderer Schwerpunkt – deshalb zwei Streams mit eigenem Zuschnitt.
// Kontakt
Lass uns reden.
Kein Sales-Call.
Ein Gespräch, in dem wir klären,
ob und wie ich helfen kann.
Modelle ändern sich. Dein contextr bleibt.