---
title: "KI in der Beratung: Wo sie meine Arbeit besser macht und wo nicht"
description: "KI in der Beratung: was ein Feldexperiment mit 758 Wissensarbeitern zeigt, welche Risiken Berater selbst nennen und wie ich KI in Kundenprojekten einsetze."
author: "Felix Schmitz"
author_url: https://felixshmtz.de/ueber-mich/
published: 2026-11-13
category: "KI & Automation"
canonical: https://felixshmtz.de/artikel/ki-in-der-beratung/
language: de
---

# KI in der Beratung: Wo sie meine Arbeit besser macht und wo nicht

Von Felix Schmitz, Digital Growth Hacker aus Köln: Gründer und Geschäftsführer der quik UG, Gründer von ai-website.com, baut den KI-Workspace quik OS.

## Kurz gesagt

- KI macht Wissensarbeit nicht gleichmäßig besser: Bei manchen Aufgaben steigt die Leistung, bei anderen sinkt sie, auch wenn beide ähnlich schwer wirken.
- In einem Feldexperiment mit 758 Wissensarbeitern erledigten Teilnehmer mit KI bei geeigneten Aufgaben 12,2 Prozent mehr Aufgaben und waren 25,1 Prozent schneller.
- In einer Befragung in einer Beratung nannten 58,8 Prozent KI-Fehler als kritischstes Risiko, 49,0 Prozent die geringe Transparenz.
- Ein konzeptioneller Beitrag warnt, dass KI die enge Kundenbeziehung als Wettbewerbsvorteil von Dienstleistern bedroht und die Preisgestaltung verändert.
- Ich setze KI für Entwürfe, Struktur und Umsetzung ein und behalte Urteil, Prüfung und Kundengespräch bei mir.

KI in der Beratung macht Wissensarbeit schneller und bei vielen Aufgaben besser, aber nicht gleichmäßig. Bei manchen Aufgaben steigt die Leistung deutlich, bei anderen sinkt sie, selbst wenn beide ähnlich schwer wirken. Wer KI in der Beratung einsetzt, muss deshalb vor allem lernen, welche Aufgabe auf welche Seite dieser Grenze fällt.

Ich bin kein klassischer Unternehmensberater. Aber meine Arbeit bei quik ist Wissensarbeit für Kunden: Websites, SEO, Tracking und CRM-Automationen für Selbstständige und kleine Unternehmen. KI-Werkzeuge wie Claude Code gehören dabei zu meinem Alltag, und mit quik OS baue ich einen Workspace, in dem Claude, ChatGPT oder eigene Agenten mitarbeiten. Gerade weil ich so nah dran bin, wollte ich wissen, was die Forschung sagt. Dazu habe ich in meiner Uni-Bibliothek Studien über KI in Beratung und professionellen Dienstleistungen gelesen.

## KI in der Beratung: die gezackte Grenze

Das Bild, das mir am meisten geholfen hat, stammt aus einer Studie von Dell'Acqua, McFowland, Mollick und Lifshitz, 2026 in Organization Science erschienen. Die Autoren sprechen von einer „jagged technological frontier“, einer gezackten technologischen Grenze. Gemeint ist die ungleichmäßige Wirkung von KI: Sie verbessert die Leistung bei manchen Aufgaben und verschlechtert sie bei anderen, und zwar innerhalb desselben Arbeitsablaufs und bei scheinbar ähnlichem Schwierigkeitsgrad.

Das widerspricht einer naheliegenden Vorstellung: KI kann die einfachen Dinge, der Mensch die schweren. Die Grenze verläuft offenbar nicht entlang von „einfach“ und „schwer“. Sie verläuft im Zickzack, und von außen sieht man einer Aufgabe nicht an, auf welcher Seite sie liegt.

> Die Frage ist für mich nicht mehr, ob KI Beratungsarbeit kann. Die Frage ist, bei welcher Aufgabe ich gerade stehe.

## Was das Feldexperiment mit 758 Wissensarbeitern zeigt

Die Studie ist kein Meinungsbeitrag, sondern ein vorab registriertes Feldexperiment. Die Forschenden haben gemeinsam mit der Boston Consulting Group realistische Aufgaben aus der Managementberatung entwickelt. 758 Wissensarbeiter nahmen teil. Nach einer Ausgangsmessung wurden sie zufällig einer von drei Gruppen zugeteilt:

| Gruppe | Bedingung |
|---|---|
| 1 | Kein Zugang zu KI |
| 2 | Zugang zu GPT-4 |
| 3 | Zugang zu GPT-4 und eine Einführung in Prompt Engineering |

Für 18 realistische Aufgaben, die innerhalb der Fähigkeiten der KI lagen und von kreativ bis analytisch reichten, schnitten die Teilnehmer mit KI besser ab als die ohne. Sie erledigten im Schnitt 12,2 Prozent mehr Aufgaben und waren 25,1 Prozent schneller.

Zwei Dinge will ich dazu ehrlich sagen. Erstens: Der Abstract, der mir vorliegt, bricht an dieser Stelle ab. Was genau bei Aufgaben außerhalb der Grenze passiert ist, kann ich aus dieser Quelle nicht mit Zahlen belegen. Ich weiß nur, dass das Konzept der Studie ausdrücklich beide Richtungen beschreibt. Zweitens: Getestet wurde mit GPT-4. Die Modelle, mit denen ich heute arbeite, sind andere. Die Grenze hat sich seitdem vermutlich verschoben. Dass sie gezackt ist, halte ich trotzdem für die haltbare Erkenntnis.

Die Teilnehmer arbeiteten außerdem bei einer großen Managementberatung. Ich arbeite in einer kleinen Boutique mit anderen Aufgaben. Übertragen kann ich die Richtung, nicht die Prozentwerte.

## Wo KI meine Wissensarbeit besser macht

Aus meiner eigenen Arbeit kenne ich Aufgaben, bei denen KI mir verlässlich hilft. Das ist Erfahrung aus dem Alltag, keine Messung:

- **Erste Entwürfe.** Eine Gliederung, eine Rohfassung, drei Varianten einer Überschrift. Das leere Blatt verschwindet.
- **Struktur in Unordnung bringen.** Notizen aus einem Gespräch sortieren, Anforderungen in eine Liste bringen.
- **Umsetzung nach klaren Regeln.** Wenn Designregeln, Texte und Vorgaben feststehen, kann ein Werkzeug wie Claude Code viel Arbeit übernehmen. Wie das bei mir aussieht, beschreibe ich in [Claude Code für Gründer](https://felixshmtz.de/artikel/claude-code-fuer-gruender/).
- **Gegenlesen.** Lücken in einer Argumentation finden, eine zweite Perspektive einnehmen.

Diese Aufgaben haben etwas gemeinsam: Ich kann das Ergebnis schnell prüfen. Ob eine Gliederung taugt, sehe ich in einer Minute. Ob eine Website den Regeln entspricht, sehe ich im Browser. Meine Faustregel lautet deshalb: KI ist dort stark, wo Prüfen deutlich billiger ist als Selbermachen.

Dieser Gedanke steckt auch in ai-website.com. Die Templates dort bringen Texte, Designregeln und Skills für KI-Werkzeuge mit. Ich sehe das so: Je klarer die Regeln, desto größer der Teil der Arbeit, der auf der sicheren Seite der Grenze liegt.

## Wo KI Beratung schlechter macht: Was Berater selbst als Risiko nennen

Für die andere Seite fand ich eine Studie von Narbaev, Kussaiyn und Sultan hilfreich, 2026 in Procedia Computer Science erschienen. Sie untersucht ausdrücklich die „dunkle Seite“ von KI im Projektmanagement und stützt sich auf Interviews mit erfahrenen Projektmanagern und eine Befragung von Beschäftigten einer Beratungsorganisation in Kasachstan. Als kritischste Risiken wurden genannt:

- **KI-bedingte Fehler:** 58,8 Prozent der Befragten.
- **Geringe Transparenz:** 49,0 Prozent.
- **Geringe Arbeitseffizienz:** 41,2 Prozent.

Außerdem äußerten 31,4 Prozent Sorgen über verzerrte Entscheidungen und darüber, dass KI-gestützte Entscheidungen von Hand korrigiert werden müssen. Zwischen der wahrgenommenen Effizienz und der wahrgenommenen Transparenz der KI fanden die Autoren nur einen schwachen positiven Zusammenhang. Und Menschen mit unterschiedlich viel Berufserfahrung nahmen die Transparenz nicht statistisch signifikant verschieden wahr.

Die Autoren nennen ihre Ergebnisse selbst vorläufig, es geht um eine einzelne Organisation in einem anderen Land. Ich lese die Zahlen deshalb als Stimmungsbild. Aber es ist ein Stimmungsbild von Menschen, die mit KI in Beratungsprojekten arbeiten, und der dritte Punkt hat mich überrascht: Vier von zehn nennen geringe Arbeitseffizienz als Risiko. Das Werkzeug, das Zeit sparen soll, wird also von vielen auch als Zeitfresser erlebt.

Das kann ich nachvollziehen. Wenn ich ein Ergebnis nicht schnell prüfen kann, kostet mich das Nachprüfen manchmal mehr, als es mich gekostet hätte, die Aufgabe selbst zu erledigen. Das sind für mich die Aufgaben auf der falschen Seite der Grenze:

- Aussagen über Fakten, die ich nicht aus einer Quelle belegen kann.
- Empfehlungen, die vom Kontext eines bestimmten Kunden abhängen, den das Modell nicht kennt.
- Entscheidungen, bei denen ich später erklären muss, warum ich sie getroffen habe.

Der letzte Punkt ist das Transparenzproblem aus der Studie. Wenn ein Kunde fragt, warum ich etwas empfehle, ist „das hat die KI vorgeschlagen“ keine Antwort.

## Was KI mit Kundenbeziehung und Preisen macht

Ein dritter Beitrag schaut weniger auf die einzelne Aufgabe und mehr auf das Geschäft. Bezuidenhout, Heffernan, Abbas und Mehmet haben 2023 im Journal of Marketing Theory & Practice ein konzeptionelles Modell vorgelegt, das auf einer umfangreichen Literaturauswertung beruht. Es geht um professionelle Dienstleister, also Firmen, die Wissen verkaufen.

Ihre Kernaussage: KI kann erhebliche Effizienz- und Organisationsvorteile bringen. Gleichzeitig verändert sie die Eigenschaften der Dienstleistung, bedroht den Wettbewerbsvorteil enger Kundenbeziehungen und beeinflusst die Marketingpraxis direkt, einschließlich der Preisstrategie.

Der Punkt mit der Kundenbeziehung beschäftigt mich. Wenn ein Teil dessen, was früher nur über eine vertraute Beraterin zu bekommen war, heute in einem Chatfenster verfügbar ist, dann muss die Beziehung mehr leisten als Zugang zu Wissen. Was die Beziehung zwischen Berater und Kunde trägt, schaue ich in einem eigenen Artikel über die [Berater-Kunden-Beziehung](https://felixshmtz.de/artikel/berater-kunden-beziehung/) an.

Der Punkt mit den Preisen betrifft mich direkt. Wer nach Stunden abrechnet und mit KI doppelt so schnell wird, halbiert rechnerisch seinen Umsatz. Bei quik arbeite ich mit Festpreisen. Dort zählt das Ergebnis, nicht die Zeit, die ich dafür gebraucht habe. Das ist für mich der Grund, warum mich schnellere Werkzeuge nicht nervös machen. Warum ich Preise generell früh anschaue, steht in [Pricing als Wachstumshebel](https://felixshmtz.de/artikel/pricing-als-wachstumshebel/). Das Modell von Bezuidenhout und Kollegen ist allerdings konzeptionell, es wurde in diesem Beitrag nicht an Daten getestet.

## Mit Unsicherheit umgehen statt auf Klarheit warten

Die vierte Studie hat mit Beratung im engeren Sinn wenig zu tun, aber viel mit der Haltung. Goto hat 2022 im Journal of Professions & Organization untersucht, wie Fachleute bei einer der vier großen Wirtschaftsprüfungsgesellschaften in Japan über KI nachdachten. Eine Arbeitsgruppe prüfte dort zwischen 2017 und 2019, ob KI im Kerngeschäft der Prüfung eingesetzt werden soll.

Goto beschreibt eine besondere Art, auf die Zukunft zu schauen: Die Fachleute akzeptierten sie als ständig veränderlich, um mit der hohen Unsicherheit zurechtzukommen. Außerdem zeigt die Studie, dass die Einbettung in den eigenen Berufsstand lenkt, worauf Menschen bei solchen Überlegungen achten: auf die Elemente, die den Berufsstand stützen.

Beides erkenne ich wieder. Ich kann nicht vorhersagen, was KI in zwei Jahren kann, und ich habe aufgehört, es zu versuchen. Stattdessen baue ich Arbeitsweisen, die ich schnell anpassen kann. Und der zweite Befund ist eine Warnung an mich selbst: Wer von einer bestimmten Art zu arbeiten lebt, sieht in neuer Technik leicht vor allem das, was diese Art bestätigt. Wie ich die größere Entwicklung einordne, steht in [Die Zukunft des Unternehmertums mit KI](https://felixshmtz.de/artikel/zukunft-des-unternehmertums-mit-ki/).

## Was ich daraus mitnehme

Für meine Arbeit mit Kunden habe ich daraus ein paar Arbeitsregeln abgeleitet. Sie sind mein Stand heute und werden sich ändern:

1. **Vor jeder Aufgabe fragen: Kann ich das Ergebnis schnell prüfen?** Wenn ja, darf die KI vorarbeiten. Wenn nein, mache ich es selbst oder zerlege die Aufgabe.
2. **Die Grenze selbst testen.** Neue Aufgabentypen würde ich zuerst an eigenen Projekten ausprobieren, bevor sie in Kundenprojekten landen.
3. **Fakten nur mit Quelle.** Was ich nicht belegen kann, steht nicht im Ergebnis.
4. **Begründungen selbst schreiben.** Jede Empfehlung an einen Kunden muss ich in eigenen Worten erklären können.
5. **Kontext geben statt nur Fragen stellen.** Je mehr ein Modell über Projekt, Regeln und Ziel weiß, desto brauchbarer das Ergebnis. Das ist ein Grund, warum bei quik jedes Projekt in quik OS läuft. Wie Modelle an Werkzeuge und Daten angebunden werden, erkläre ich im Artikel über [MCP](https://felixshmtz.de/artikel/mcp-erklaert/).
6. **Nach Ergebnis abrechnen.** So wird Geschwindigkeit zum Vorteil für beide Seiten.
7. **Die gesparte Zeit in den Kunden stecken.** Mehr Gespräch, mehr Zuhören, bessere Fragen.

Unsicher bin ich, wie lange solche Regeln halten. Die Studie zur gezackten Grenze wurde mit einem Modell durchgeführt, das heute schon alt ist. Vielleicht liegt in einem Jahr vieles auf der sicheren Seite, was ich heute selbst mache.

## Fazit

KI in der Beratung ist für mich weder Wundermittel noch Bedrohung, sondern ein Werkzeug mit einer unregelmäßigen Grenze. Bei geeigneten Aufgaben zeigt das Feldexperiment deutliche Gewinne bei Menge und Tempo. Gleichzeitig nennen Menschen aus der Beratung Fehler, fehlende Transparenz und sogar geringere Effizienz als Risiken, und ein konzeptioneller Beitrag sieht Kundenbeziehung und Preisgestaltung unter Druck.

Mein Vorschlag: Nimm dir drei Aufgaben aus deiner Woche und frag bei jeder, wie schnell du das Ergebnis prüfen könntest. Fang mit der an, bei der Prüfen am leichtesten ist. Was ich selbst mit KI ausprobiere und wo es schiefgeht, teile ich in den [Unternehmer Thoughts](https://felixshmtz.de/unternehmer-thoughts/).

## Häufige Fragen

### Wie wird KI in der Beratung eingesetzt?

KI wird in der Beratung vor allem für Recherche, Analyse, Entwürfe von Texten und Konzepten sowie für die Strukturierung von Informationen eingesetzt. Aus meiner Sicht eignet sie sich besonders für Aufgaben, deren Ergebnis ein Mensch schnell prüfen kann.

### Macht KI Berater produktiver?

Bei geeigneten Aufgaben ja. In einem Feldexperiment mit 758 Wissensarbeitern erledigten Teilnehmer mit KI im Schnitt 12,2 Prozent mehr Aufgaben und arbeiteten 25,1 Prozent schneller. Die Studie beschreibt aber auch Aufgaben, bei denen KI die Leistung verschlechtert.

### Welche Risiken hat KI in der Beratung?

In einer Befragung in einer Beratungsorganisation wurden KI-Fehler, geringe Transparenz und geringe Arbeitseffizienz am häufigsten als kritische Risiken genannt. Dazu kommen Sorgen über verzerrte Entscheidungen und nötige Korrekturen von Hand.

### Ersetzt KI Unternehmensberater?

Das kann ich nicht seriös beantworten, und die Studien, die ich gelesen habe, behaupten es auch nicht. Sie beschreiben eher, dass sich Geschäftsmodell, Preisgestaltung und Kundenbeziehung von Dienstleistern verändern.

## Quellen

- [Dell'Acqua, McFowland III, Mollick, Lifshitz (2026): Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science](https://doi.org/10.1287/orsc.2025.21838)
- [Narbaev, Kussaiyn, Sultan (2026): A dark side of artificial intelligence in projects: Preliminary insights from the consulting industry. Procedia Computer Science](https://doi.org/10.1016/j.procs.2026.03.187)
- [Bezuidenhout, Heffernan, Abbas, Mehmet (2023): The impact of Artificial Intelligence on the marketing practices of Professional Services Firms. Journal of Marketing Theory & Practice](https://doi.org/10.1080/10696679.2022.2090005)
- [Goto (2022): Accepting the future as ever-changing: professionals' sensemaking about artificial intelligence. Journal of Professions & Organization](https://doi.org/10.1093/jpo/joab022)

Quelle: https://felixshmtz.de/artikel/ki-in-der-beratung/