Lifecycle stage — Discover
Sie haben in den letzten achtzehn Monaten irgendwo zwischen 50.000 und 500.000 Euro für KI-Tools, Piloten und Vendor-Verträge ausgegeben. Sie können mir nicht — mit Zahlen — sagen, ob irgendetwas davon funktioniert. Das ist kein Disziplinversagen; es ist, was passiert, wenn sich die Technologie schneller bewegt als das Operating Model, das Sie zur Steuerung aufgebaut haben. Das ist die DIAGNOSE-Phase der Hyperion Lifecycle, komprimiert auf zwei Wochen und als Festpreis angeboten, damit kein Stundenzähler läuft, während Sie entscheiden. Ich habe als Berkeley-SkyDeck-Advisor mehr als 30 KI-Startups auditiert und acht eigene KI-Ventures in Produktion gebracht. Die Fehlermuster wiederholen sich. Ich weiß, worauf zu achten ist, und ich weiß, welche Lücken Blocker sind und mit welchen Sie bis nächstes Jahr leben können.
Sie haben Tools gekauft, können aber keinen ROI belegen. Es gibt eine Copilot-Lizenz für jede Ingenieurin und jeden Ingenieur, eine LLM-API-Rechnung, die im letzten Quartal um 40 % gewachsen ist, einen Vendor-Vertrag für eine GenAI-Plattform, die niemand öffnet, und einen Chatbot, der täglich 200 Kundenfragen beantwortet. Nichts davon ist an einen messbaren Geschäftsnutzen gebunden. Wenn der CFO fragt, ob sich die KI bezahlt macht, wissen Sie es ehrlich gesagt nicht — und Ihr Head of Data auch nicht.
Die Führung kann Blocker nicht von tolerierbaren Lücken unterscheiden. Ihr Team bringt eine Liste mit 40 Punkten, die ‚KI-Risiken' seien. Einige sind echte Beschaffungs-Blocker — fehlende Daten-Lineage für regulierte Workloads, kein Evaluations-Harness, kein Incident-Response-Pfad für Modellausfälle. Andere sind Zeitschriftenartikel-Risiken, die in zwei Jahren keine Rolle spielen. Sie brauchen jemanden außerhalb des Teams, der sie priorisiert — und Ihr Team kann sich selbst nicht ehrlich priorisieren.
Niemand intern kann die Vendoren auditieren. Ihre KI-Vendoren zeigen gute Demos. Sie präsentieren eine Evaluation, die sie selbst entworfen haben. Sie beantworten Fragen mit der Souveränität von Menschen, die wissen, dass Ihr Team die Mathematik nicht prüfen wird. Sie haben keine interne Expertin oder keinen internen Experten, die bzw. der eine Model Card lesen, eine Sales-Demo stresstesten oder Ihnen sagen kann, ob das ‚Fine-Tuning' im Vertrag echtes Fine-Tuning oder ein System-Prompt ist. Diese Asymmetrie kostet Sie bei jeder Vertragsverlängerung.
Die 90-Tage-Roadmap wird jedes Quartal neu gestellt. Alle drei Monate erscheint ein neues Modell, ein neuer Vendor schreibt Ihren CAIO an, und Ihr Plan wird umgeschrieben, um das Neueste zu berücksichtigen. Der Plan hat keine Hierarchie — kein ‚das machen wir unabhängig davon, was OpenAI nächsten Dienstag ausliefert'. Ohne dieses Rückgrat ist die Roadmap reaktiv, und reaktive Roadmaps sind der Weg, wie Organisationen drei Jahre für KI ausgeben, ohne einen Vorteil aufzubauen.
Das ist ein Festpreis-Engagement mit festem Scope und festem Abgabetermin. Woche eins ist Discovery und technische Bewertung. Woche zwei ist Synthese und die schriftliche Lieferung. Ich arbeite zwischen Interviews asynchron, damit Ihr Team nicht auf mich wartet.
Strukturierte 60-minütige Interviews mit dem CEO, dem CFO, dem CAIO oder Head of Data, dem Head of Engineering und zwei operativen Personen, die die KI-Tools täglich nutzen. Ich stelle jedes Mal dieselben Fragen, um zu triangulieren, wo das Narrativ bricht. Zusätzlich sichte ich Ihre letzten vier Vorstands-Decks zum Thema KI, jeden Vendor-Vertrag über 25.000 Euro und Ihr aktuelles KI-Policy-Dokument, sofern vorhanden. Am Ende von Tag drei habe ich eine belastbare These, wo Sie tatsächlich stehen.
Ich gehe tief in die produktiven oder pilotierten KI-Systeme — Datenpipelines, Evaluationspraxis (oder deren Fehlen), Model Governance, Sicherheitsposition, Vendor-Lock-in, Incident Response. Zu jedem System beantworte ich drei Fragen: Funktioniert es, ist es messbar, und ist es in einem Beschaffungs-Review oder einem Audit verteidigbar? Das ist die Ebene, die die meisten internen Teams nicht ehrlich liefern können, weil ihre Anreize in die andere Richtung laufen.
Ich priorisiere jede Lücke auf einer vierstufigen Skala: Beschaffungs-Blocker (jetzt beheben, sonst verlieren Sie Deals oder fallen durch ein Audit), ROI-Blocker (dieses Quartal beheben, sonst können Sie keinen Wert belegen), Skalierungsrisiko (beheben, bevor Sie die KI-Ausgaben verdoppeln) und Feinschliff (beheben, wenn Kapazität vorhanden ist). Jeder Punkt bekommt eine Aufwandsschätzung und einen Vorschlag für die verantwortliche Person. Diese Priorisierung ist, was die Führung tatsächlich braucht — die volle Liste ohne Priorisierung ist Lähmung.
Ich schreibe die 90-Tage-Roadmap — konkrete Projekte, konkrete verantwortliche Personen, konkrete Erfolgskennzahlen, so sequenziert, dass frühe Erfolge die spätere Arbeit finanzieren. Dann liefere ich den Report in einem 90-minütigen Readout an Ihr Leadership-Team und beantworte die schwierigen Fragen in Echtzeit. Sie verlassen den Raum mit einem Dokument, das der CFO verteidigen, der CAIO umsetzen und der Vorstand im nächsten Quartal prüfen kann.
CEOs in KMU und im Mittelstand, die in den letzten achtzehn Monaten 50.000 bis 500.000 Euro für KI-Tooling ausgegeben haben, ohne ein klares ROI-Bild zu haben. CAIOs, die eine Q3- oder Q4-Entscheidung vorbereiten und eine externe Bewertung brauchen, bevor sie den nächsten Vendor-Vertrag unterschreiben. Führungskräfte im öffentlichen Sektor, die vor einem Beschaffungs-Review oder einem Audit stehen und die Frage ‚funktioniert das?' nicht mit Daten beantworten können. Das ist nicht für Unternehmen mit KI-Budgets über 5 Mio. Euro — die brauchen den vierwöchigen Strategy Sprint mit vollem Business Case und 12-Monats-Umsetzungsplan. Es ist auch nicht für Pre-Revenue-Startups ohne KI-Deployment; das Audit setzt voraus, dass es etwas zu auditieren gibt.
Weil der Wert eines Audits in der Priorisierung liegt, nicht in den Stunden. Ein Time-&-Materials-Engagement setzt den falschen Anreiz — mehr Zeit, mehr gefundene Probleme. Ein Festpreis mit festem Scope bedeutet, dass ich den Report an Tag vierzehn abliefere, unabhängig davon, wie viele Interviews ich führe, und mein Anreiz ist, Ihnen in der verfügbaren Zeit die nützlichste Priorisierung zu liefern. Wenn ich drei Tage länger für die technische Bewertung brauche, ist das mein Problem, nicht Ihres.
Weil Ihr Head of Data innerhalb der politischen Ökonomie der zu auditierenden Entscheidungen steht. Er oder sie kann Ihnen nicht sagen, dass der Vendor-Vertrag, den das eigene Team letztes Jahr unterschrieben hat, ein Fehler war — nicht aus Unehrlichkeit, sondern weil die Anreize dieses Gespräch nicht stützen. Ein externer Auditor ohne Anteil an der Historie kann Lücken ehrlich priorisieren. Ich bringe außerdem Mustererkennung aus 30+ anderen Audits mit, die Ihr Head of Data per Definition nicht haben kann.
Scope, Preis und wer die Arbeit macht. Eine Big-Four-KI-Bewertung dauert typischerweise 8–12 Wochen, kostet 200.000 Euro aufwärts und wird von Analystinnen und Analysten gemacht, die weniger KI-Produktionserfahrung haben als Ihr eigenes Engineering-Team. Das hier sind zwei Wochen, Festpreis, gemacht von jemandem, der zehn KI-Ventures in Produktion gebracht und dreißig weitere auditiert hat. Das Ergebnis ist schärfer, weil das Urteil schärfer ist, und Sie bekommen ein Dokument, das Ihr CAIO respektiert, statt eines, das intern neu aufgesetzt werden muss.
Dann sagt der Report das, und er sagt es schriftlich mit Evidenz. Etwa jedes fünfte Audit kommt zum Schluss, dass die Organisation ihrer operativen Kapazität vorausinvestiert und konsolidieren sollte, bevor weiteres hinzukommt. Das ist ein legitimes und oft teures Ergebnis — ein nicht verlängerter 300.000-Euro-Vendor-Vertrag bezahlt das Audit zwanzigmal zurück. Ich habe keinen Anreiz, Ihnen mehr KI zu verkaufen; mein Anreiz ist, Ihnen eine Priorisierung zu liefern, die Sie verteidigen können.
Entdecken Sie weitere Services, die dieses Angebot ergänzen
30 Minuten. Ich diagnostiziere Ihre Situation und sage Ihnen ehrlich, ob dieser Service passt — und wenn nicht, welcher.