KI-Beratung in Hamburg: Was gute Beratung ausmacht

Hamburg hat eine der aktivsten KI-Szenen Deutschlands. Zwischen der Technischen Universität Hamburg, dem Artificial Intelligence Center Hamburg (ARIC), dem Informatikum der Universität Hamburg und einem wachsenden Ökosystem aus Startups und Beratungshäusern gibt es keinen Mangel an Anbietern. Das Problem ist ein anderes: Wie unterscheiden Sie gute KI-Beratung von teurer Luftnummerei?

In diesem Beitrag teile ich, was ich in über zehn Jahren KI-Beratung gelernt habe — als Berater, aber auch als jemand, der selbst externe Experten beauftragt und dabei gute und schlechte Erfahrungen gemacht hat. Das Ziel: Ihnen die Werkzeuge an die Hand zu geben, um den richtigen Partner zu finden — egal ob das am Ende wir sind oder jemand anderes.

Das Hamburger KI-Ökosystem

Bevor wir über Auswahlkriterien sprechen, ein Überblick über die KI-Landschaft in Hamburg. Das hilft, den Markt einzuordnen.

Forschung und Hochschulen: Die Universität Hamburg und die TUHH bilden das akademische Rückgrat. Das ARIC bündelt Forschung und Wirtschaft und organisiert regelmäßig Veranstaltungen und Workshops. Die Hamburg Research Academy bietet Zugang zu aktueller KI-Forschung. Wer einen Berater sucht, der Verbindungen in dieses Ökosystem hat, bekommt oft Zugang zu den neuesten Methoden und Talenten.

Branchenschwerpunkte: Hamburg hat natürliche Stärken in Logistik und Hafen (Hamburger Hafen und Logistik AG ist eines der aktivsten Unternehmen in Sachen KI-Anwendung), Medien und Verlagswesen (Gruner + Jahr, Spiegel, ZEIT), Luftfahrt (Airbus, Lufthansa Technik), Versicherung und Finanzdienstleistung (HanseMerkur, Euler Hermes) sowie E-Commerce und Handel (Otto Group, About You). Diese Branchenkonzentration bedeutet: Gute KI-Berater in Hamburg haben oft tiefe Domänenkenntnisse in diesen Feldern.

Förderlandschaft: Hamburg bietet über die IFB Hamburg und die Hamburgische Investitions- und Förderbank Förderprogramme für Digitalisierung und KI. Das BAFA-Programm “go-digital” (bis 16.500 Euro Zuschuss) und das BMWi-Förderprogramm “Digital Jetzt” können einen Teil der Beratungskosten abdecken. Es lohnt sich, diese Optionen vor Projektstart zu prüfen.

7 Kriterien für die Wahl eines KI-Beraters

1. Technische Tiefe vs. Management-Folien

Das wichtigste Unterscheidungsmerkmal: Kann der Berater selbst implementieren, oder produziert er nur Strategiepapiere?

Gutes Zeichen: Der Berater kann Ihnen an einem konkreten Beispiel zeigen, wie ein Prototyp aussehen würde. Er spricht über Datenformate, Modellarchitekturen und Deployment-Optionen — nicht nur über “KI-Potenziale” und “Digitalisierungsreifegrade”.

Schlechtes Zeichen: Der Pitch besteht aus Gartner-Quadranten und generischen “KI-Strategie-Frameworks”. Auf technische Nachfragen kommen ausweichende Antworten wie “Das klären wir in der nächsten Phase” oder “Dafür haben wir spezialisierte Partner”.

Testfrage: “Können Sie mir an unserem konkreten Beispiel zeigen, welche Daten wir bräuchten und wie ein erster Prototyp aussehen könnte?” Ein guter Berater beantwortet diese Frage in 15 Minuten am Whiteboard.

2. Branchenerfahrung

Branchenkenntnis ist nicht zwingend — aber ein enormer Beschleuniger. Ein Berater, der bereits Projekte in Ihrer Branche umgesetzt hat, kennt die typischen Datenstrukturen, regulatorischen Anforderungen und organisatorischen Herausforderungen. Er weiß, welche Use Cases funktionieren und welche erfahrungsgemäß scheitern.

Gutes Zeichen: Referenzprojekte in Ihrer oder einer verwandten Branche. Verständnis für Ihre spezifischen Compliance-Anforderungen, ohne dass Sie sie im Detail erklären müssen.

Schlechtes Zeichen: “Wir machen alles” — ohne ein einziges konkretes Beispiel aus Ihrer Branche.

3. Ehrlichkeit über Grenzen

Der beste Berater ist nicht der, der zu allem Ja sagt. Es ist der, der Ihnen sagt, wenn etwas keinen Sinn macht.

Gutes Zeichen: Der Berater stellt unbequeme Fragen: “Haben Sie die Daten dafür?” — “Wer wird das System im Alltag nutzen?” — “Was passiert, wenn das Modell in 10 % der Fälle falsch liegt?” Er empfiehlt auch mal, kein KI-Projekt zu machen, sondern zuerst die Datengrundlage zu verbessern.

Schlechtes Zeichen: Alles ist machbar, alles ist “spannend”, der Berater sieht keine Risiken. Oder schlimmer: Er empfiehlt KI für Probleme, die sich mit einer einfachen Datenbank oder einem besseren Prozess lösen ließen.

4. Klare Methodik und Meilensteine

Seriöse KI-Beratung folgt einer nachvollziehbaren Methodik — kein starres Wasserfall-Modell, aber auch kein planloses Experimentieren.

Gutes Zeichen: Der Berater beschreibt einen klaren Projektablauf mit definierten Meilensteinen und Entscheidungspunkten. Nach jeder Phase wissen Sie, wo Sie stehen und ob es sich lohnt weiterzumachen. Ein strukturiertes KI-Readiness-Assessment am Anfang zeigt, dass der Berater systematisch vorgeht.

Schlechtes Zeichen: Vage Phasenbeschreibungen wie “Discovery — Design — Delivery” ohne konkrete Inhalte, Liefergegenstände oder Abbruchkriterien. Oder ein starrer 12-Monats-Plan, der keine Kurskorrektur erlaubt.

5. Wissenstransfer statt Abhängigkeit

Ein guter Berater macht sich mittelfristig überflüssig. Er baut Kompetenzen bei Ihnen auf, statt Wissen zu horten.

Gutes Zeichen: Schulungen und Workshops sind fester Bestandteil des Angebots. Der Berater dokumentiert Entscheidungen, Architektur und Prozesse so, dass Ihr Team sie übernehmen kann. Er hilft Ihnen beim Aufbau einer internen KI-Plattform, wenn das langfristig sinnvoller ist als externe Abhängigkeit.

Schlechtes Zeichen: Proprietäre Frameworks, die ohne den Berater nicht funktionieren. Kein Zugang zum Quellcode. Verträge, die eine langfristige Abhängigkeit zementieren.

6. Referenzen und Nachweisbarkeit

Fragen Sie nach konkreten Ergebnissen — nicht nach Logos auf der Website.

Gutes Zeichen: Der Berater kann konkrete Projektergebnisse nennen: “Wir haben die Bearbeitungszeit um 45 % reduziert” oder “Das Modell erreicht eine Genauigkeit von 93 % bei der Anomalie-Erkennung”. Im Idealfall können Sie mit einem früheren Kunden sprechen.

Schlechtes Zeichen: Nur NDA-geschützte Projekte, die nicht näher beschrieben werden können. Vage Aussagen wie “Wir haben KI-Strategien für DAX-Unternehmen entwickelt” — ohne messbare Ergebnisse.

7. Realistische Zeitpläne und Budgets

Wenn ein Berater Ihnen verspricht, in vier Wochen ein produktives KI-System für 15.000 Euro zu liefern, ist Vorsicht geboten. Genauso, wenn der erste Vorschlag ein 18-Monats-Programm für 500.000 Euro ist, ohne dass Sie den ersten Use Case validiert haben.

Gutes Zeichen: Stufenweiser Ansatz mit überschaubaren Budgets pro Phase. Klare Go/No-Go-Entscheidungen nach jeder Phase. Transparente Kostenstruktur (Tagessätze, Fixpreise für definierte Deliverables, oder Hybrid-Modelle).

Schlechtes Zeichen: Alles-oder-nichts-Angebote. Kein klarer Zusammenhang zwischen Budget und Lieferumfang.

Red Flags: Wann Sie aufstehen sollten

Diese Warnsignale habe ich bei Beratungshäusern beobachtet — einige davon auch bei namhaften Adressen:

“KI wird Ihre Branche in 2 Jahren komplett verändern.” Panikmache, um schnelle Unterschriften zu bekommen. Ja, KI verändert Branchen. Nein, das passiert nicht über Nacht und nicht auf die Weise, die der Berater suggeriert.

Kein einziger Techniker im Erstgespräch. Wenn das Verkaufsgespräch ausschließlich von Account Managern geführt wird und die technische Kompetenz “in der nächsten Phase dazukommt”, ist das ein klares Warnsignal. Sie sollten frühzeitig mit den Menschen sprechen, die die Arbeit tatsächlich machen.

“Wir haben eine proprietäre KI-Plattform.” In 90 % der Fälle ist das ein Wrapper um Open-Source-Tools mit einem Logo darauf. Sie zahlen für eine Blackbox und sind dauerhaft abhängig. Fragen Sie: Was genau macht die Plattform? Welche Open-Source-Komponenten nutzt sie? Kann ich den Code einsehen?

Garantierte ROI-Zahlen vor dem Readiness Assessment. Wer Ihnen vor der Analyse konkrete ROI-Zahlen verspricht, verkauft — er berät nicht. Seriöse Berater nennen Bandbreiten und Erfahrungswerte, keine Garantien.

“Wir machen das schon seit 15 Jahren.” KI in der heutigen Form — insbesondere generative KI und Large Language Models — existiert seit wenigen Jahren. Langjährige Erfahrung in Data Science und Machine Learning ist wertvoll, aber Vorsicht vor inflationierten Historien.

Realistische Kosten und Timelines

Hier eine Orientierung, was KI-Beratungsprojekte in Hamburg typischerweise kosten:

Tagessätze: Freiberufliche KI-Berater: 1.200–2.000 Euro pro Tag. Beratungshäuser (Mittelstand): 1.500–2.500 Euro pro Tag. Große Beratungen (Big 4, McKinsey, BCG): 3.000–5.000+ Euro pro Tag. Die Frage ist nicht der Tagessatz, sondern der Wert pro investiertem Euro. Ein erfahrener Berater zu 2.000 Euro, der in 3 Tagen einen fundierten Assessment-Bericht liefert, ist günstiger als ein Junior-Team zu 1.200 Euro pro Tag und Kopf, das 15 Tage braucht.

Typische Projektgrößen:

Projekttyp	Dauer	Budget
KI-Readiness-Assessment	2–3 Wochen	8.000–20.000 Euro
Use-Case-Identifikation und Priorisierung	2–4 Wochen	10.000–25.000 Euro
Proof of Concept (ein Use Case)	4–8 Wochen	20.000–60.000 Euro
MVP bis Produktivsystem	3–6 Monate	60.000–200.000 Euro
KI-Strategieentwicklung	4–8 Wochen	25.000–60.000 Euro

Förderfähigkeit: Prüfen Sie vor Projektstart die Fördermöglichkeiten. Das BAFA-Programm deckt bis zu 50 % der Beratungskosten (max. 16.500 Euro). Die IFB Hamburg bietet weitere Digitalisierungsförderungen. Die Antragstellung sollte vor Projektbeginn erfolgen.

Die richtigen Fragen im Erstgespräch

Nehmen Sie diese Fragen mit in Ihr erstes Gespräch mit einem KI-Berater:

Zum Verständnis Ihres Problems:

• “Welche Erfahrung haben Sie in unserer Branche?”
• “Was wäre Ihrer Einschätzung nach der vielversprechendste erste Use Case für ein Unternehmen wie unseres?”
• “Wo sehen Sie die größten Risiken?”

Zur Methodik:

• “Wie sieht Ihr typischer Projektablauf aus?”
• “Nach welcher Phase können wir entscheiden, ob wir weitermachen?”
• “Wie stellen Sie sicher, dass unser Team das System nach Projektende eigenständig betreiben kann?”

Zu Kosten und Ergebnissen:

• “Was kostet die erste Phase, und was bekommen wir am Ende?”
• “Können Sie uns ein konkretes Referenzprojekt mit messbaren Ergebnissen nennen?”
• “Wie berechnen Sie — Tagessätze, Festpreis oder nutzungsbasiert?”

Zu Datenschutz und Sicherheit:

• “Wo werden unsere Daten verarbeitet?”
• “Welche Maßnahmen ergreifen Sie zum Schutz unserer Daten während des Projekts?”
• “Wem gehört der entwickelte Code und die trainierten Modelle?”

Die Antworten auf diese Fragen verraten mehr als jede Hochglanzpräsentation.

Wie ein gutes KI-Beratungsprojekt aussieht

Zum Abschluss: Ein Beispiel, wie ein typisches erstes KI-Projekt ablaufen sollte. Nicht als Idealbild, sondern als Orientierung.

Woche 1–2: Assessment. Der Berater spricht mit Fachabteilungen, sichtet Datenquellen, versteht Prozesse. Am Ende steht ein ehrlicher Bericht: Wo stehen Sie? Welche Use Cases sind realistisch? Welche Voraussetzungen fehlen? Was sollte der nächste Schritt sein?

Woche 3–4: Use-Case-Definition. Gemeinsam mit Ihrem Team wird der vielversprechendste Use Case ausgewählt — nicht der ambitionierteste, sondern der mit dem besten Verhältnis aus Machbarkeit und Impact. Erfolgs-KPIs werden definiert. Ein detaillierter Projektplan entsteht.

Woche 5–10: Prototyp. Der Berater baut einen funktionierenden Prototypen — nicht PowerPoint, sondern lauffähige Software. Ihr Team ist eingebunden: als Tester, als Feedbackgeber, als Lernende. Regelmäßige Demos zeigen den Fortschritt. Eine klare KI-Strategie rahmt das Einzelprojekt ein.

Woche 11–12: Bewertung und Entscheidung. Der Prototyp wird gegen die definierten KPIs gemessen. Eine ehrliche Bewertung: Lohnt sich die Produktivierung? Was müsste verbessert werden? Was würde die nächste Phase kosten? Sie entscheiden auf Basis von Fakten, nicht von Versprechen.

Ab Woche 13: Produktivierung oder Kurswechsel. Entweder wird der Prototyp zum produktiven System weiterentwickelt — mit klarem Plan für Integration, Schulung und Betrieb. Oder Sie wechseln den Kurs, weil die Daten nicht hergeben, was erhofft war. Beides ist ein gutes Ergebnis, wenn es auf Erkenntnissen basiert.

Fazit

Die Wahl eines KI-Beraters ist eine Vertrauensentscheidung. Sie beauftragen jemanden, der Zugang zu Ihren Daten, Ihren Prozessen und Ihrem Budget bekommt. Investieren Sie die Zeit, den richtigen Partner zu finden — es zahlt sich aus.

Gute KI-Beratung erkennen Sie nicht an den größten Versprechen, sondern an den ehrlichsten Fragen. An der Bereitschaft, auch mal Nein zu sagen. An konkreten Ergebnissen statt strategischer Prosa.

Bei Intellineers beraten wir Unternehmen in Hamburg und deutschlandweit zu KI-Strategie und -Implementierung. Unser Ansatz: Erst verstehen, dann empfehlen. Kein Projekt ohne klaren Business Case. Kontaktieren Sie uns für ein unverbindliches Erstgespräch — wir sagen Ihnen ehrlich, ob ein KI-Projekt für Sie Sinn macht.