Die Margen in der Beratung stehen unter einem stillen, dauerhaften Druck. Kunden erwarten schnellere Durchlaufzeiten, detailliertere Angebote und präziseres Follow-through — ohne einen höheren Tagessatz zu akzeptieren, der die Arbeit im Hintergrund finanziert. Die meisten Unternehmen reagieren auf dieselbe Weise: Senior Consultants absorbieren den Overhead, oder es wird ein neuer Analyst eingestellt.
Keine dieser Optionen skaliert gut. Senior-Zeit ist Ihre teuerste Ressource. Und zusätzliches Personal frisst genau die Marge auf, die Sie schützen wollten.
KI-Agenten für Beratungsunternehmen bieten einen dritten Weg: die wiederholbare, rechercheintensive Dokumentenerstellung, die sich zwischen fakturierbaren Mandaten ansammelt, zu automatisieren — ohne das Urteilsvermögen zu ersetzen, das diese Mandate tatsächlich erfordern.
Wo Beratungszeit verschwindet (bevor die eigentliche Arbeit beginnt)
Bevor die meisten Mandate eine einzige fakturierbare Stunde erzeugen, akkumuliert sich ein vorhersehbarer Block nicht fakturierbarer Arbeit:
- Recherche und Kontextaufbau — Branchenberichte scannen, Finanzsignale auswerten, regulatorische Entwicklungen prüfen, Wettbewerbsdynamiken für eine Branche zusammenfassen, in die das Team kalt einsteigt.
- Angebotserstellung — Scope strukturieren, Hintergrundabschnitte befüllen, Methodik formulieren, Folien und Dokumente zur Überprüfung formatieren.
- Kunden-Follow-up — Freigaben einholen, Statusnachrichten versenden, Besprechungsnotizen verteilen, unkomplizierte Statusfragen beantworten.
Nichts davon erfordert Urteilsvermögen auf Partnerebene. Dennoch wird alles von Personen auf Partner- (oder zumindest Consultant-) Niveau erledigt, weil keine strukturierte Alternative existiert.
Ein konkretes Beispiel: eine vierköpfige Strategieberatung mit sechs gleichzeitig laufenden Mandaten. Jedes Mandat erzeugt pro Woche etwa drei Stunden nicht fakturierbaren Overhead — Rechercheaktualisierungen, Dokumentenentwürfe, interne Koordination. Das sind 18 Wochenstunden, die nicht in Rechnung gestellt werden können. Selbst bei einem bescheidenen internen Stundensatz von CHF 120 entspricht das CHF 2.160 an absorbiertem Aufwand pro Woche. Auf ein Jahr hochgerechnet wird die Zahl unangenehm.
Ein agentengestützter Workflow eliminiert diese Zeit nicht. Aber sie um 25–60 % zu reduzieren — was den Erkenntnissen aus Consulting- und Knowledge-Work-Deployments entspricht, wobei das obere Ende bei engen, klar definierten Dokumentenaufgaben erreichbar ist — verändert die Wirtschaftlichkeit des Unternehmens spürbar.
Drei Agenten, die den Margenkalkulationsansatz verändern
Der praktische Einsatz von KI-Agenten in der Beratung ist kein einzelner „KI-Assistent”, der an einen Laptop angeschlossen wird. Es sind zweckgebundene Agenten, die auf spezifische, repetitive Workflows abzielen. Hier sind die drei, die die Marge am schnellsten verbessern.
1. Der Recherche-Vorbereitungsagent
Die meisten Angebote beginnen auf dieselbe Weise: Jemand muss schnell eine Branche, einen Wettbewerbsrahmen oder einen regulatorischen Kontext verstehen. Ein Recherche-Vorbereitungsagent kann so konfiguriert werden, dass er aus definierten Datenquellen schöpft (Branchendatenbanken, Newsfeeds, regulatorische Portale, interne Dokumenten-Repositories), Erkenntnisse in einem strukturierten Brief zusammenfasst und aufzeigt, was fehlt.
Das Ergebnis ist keine fertige Analyse. Es ist ein zu 70 % vollständiger Ausgangspunkt, den ein Consultant in 30 Minuten überprüft, hinterfragt und anreichert — statt ihn in drei Stunden von Grund auf aufzubauen.
Hier multipliziert sich die Hebelwirkung. Der Agent leistet dieselbe Arbeit für jedes neue Mandat, jede Branchenaktualisierung, jedes Kundenbriefing — ohne Schwankungen im Aufwand oder im Qualitätsniveau.
2. Der Angebotserstellungsagent
Angebote teilen mehr Struktur, als Unternehmen zugeben. Einleitung, Kontext, Scope, Methodik, Team, Preisgestaltung — das Grundgerüst ist konsistent; der Inhalt variiert. Ein Angebotserstellungsagent hält die Templates des Unternehmens, frühere Angebote, Standard-Methodikbeschreibungen und genehmigten Case-Study-Text im Speicher. Auf Basis eines Briefings kann er einen befüllten Erstentwurf zur Consultant-Prüfung generieren.
Entscheidend ist: Das ist kein „Schreib mein Angebot mit KI.” Der Agent produziert strukturiertes Rohmaterial; ein Consultant bestimmt den Scope, passt die Preisgestaltung an und entwickelt das strategische Argument. Der Unterschied liegt darin, dass der Consultant bei 60 % startet statt auf einer leeren Seite.
Für die KI-gestützte Angebots-Automatisierung zählt auch der nachgelagerte Effekt: eine schnellere Angebotslieferung verbessert die Win-Rates, indem der Schwung mit Interessenten erhalten bleibt. Ein Angebot, das den Interessenten vor dem Wettbewerb erreicht — oft innerhalb von 24–48 Stunden — tendiert dazu, die Konditionen des Gesprächs zu Scope und Preis zu setzen.
3. Der Kunden-Follow-up-Agent
Follow-up nach und während Mandaten ist zeitaufwändig und wenig komplex: Besprechungszusammenfassungen versenden, Maßnahmen verteilen, ausstehende Inputs einholen, nächste Schritte bestätigen. Ein Follow-up-Agent übernimmt dies auf Basis eines strukturierten Triggers — eine Besprechung endet, ein Dokument wird finalisiert, eine Freigabefrist läuft ab.
Das ist keine autonome Kundenkommunikation ohne Aufsicht. Es ist überwachte Automatisierung: Der Agent entwirft und stellt in die Warteschlange; ein Consultant überprüft und sendet (oder legt Regeln fest, was ohne Überprüfung gesendet werden kann). Die zurückgewonnene Zeit ist real; das Beziehungsrisiko bleibt beherrschbar.
Die ehrlichen Grenzen
Beratungsunternehmen, die Agenten in Betracht ziehen, sollten sich klar darüber sein, was Agenten nicht gut können — zumindest noch nicht.
Urteilsintensive Arbeit bleibt menschlich. Das richtige Problem für einen Kunden zu rahmen, politische Dynamiken in einer Stakeholder-Gruppe zu lesen, zu entscheiden, ob ein Projektscope erweitert oder eingeengt werden soll — nichts davon ist in einem sinnvollen Maße automatisierbar. Agenten bearbeiten strukturierte Aufgaben mit klaren Inputs und definierten Outputs.
Datenqualität ist die verborgene Voraussetzung. Ein Rechercheagent ist nur so gut wie die Datenquellen, mit denen er verbunden ist. Wenn Ihre interne Wissensbasis ein Geflecht aus inkonsistent benannten Ordnern und halbfertigen Dokumenten ist, wird der Agent Rauschen produzieren. Den Einsatz eines Agenten erfordert häufig einen parallelen Aufwand, um die Daten zu organisieren, auf denen er operieren wird.
Integration braucht Engineering-Zeit. Einen Agenten zuverlässig und mit angemessenen Berechtigungen an Ihr CRM, Ihr Dokumentenmanagementsystem und Ihre E-Mail anzuschließen — das ist kein No-Code-Wochenendprojekt für ein nicht-technisches Team. Für kleine und mittelgroße Beratungsunternehmen ist dies der Punkt, an dem externe Unterstützung sich typischerweise bezahlt macht. Unseren Leitfaden zu agentischen Workflows finden Sie ein realistisches Bild davon, was dabei auf Sie zukommt.
Vertraulichkeit braucht eine klare Architektur. Kundendaten sind sensibel. Jeder Agent, der Angebotsinhalte, Recherchen oder Kundenkommunikation verarbeitet, muss innerhalb einer definierten Datengrenze operieren — keine Weitergabe an öffentliche Modell-APIs, angemessene Zugriffskontrollen, klare Aufbewahrungsregeln. Das ist lösbar, muss aber von Anfang an eingebaut, nicht nachträglich ergänzt werden. Das AI-Agent-ROI-Framework enthält Governance-Überlegungen, die es sich lohnt zu prüfen, bevor Sie starten.
Wer in Professional Services am meisten von Agenten profitiert
Das passt ehrlich gesagt nicht für jedes Unternehmen. Die Deployments mit dem höchsten ROI teilen einige Merkmale:
- Unternehmen mit 5+ gleichzeitigen Mandaten — die Wiederholung ist hoch genug, dass sich die Einrichtungskosten der Agenten schnell amortisieren.
- Unternehmen mit einer definierten Methodik — wenn Ihre Angebote und Deliverables konsistenten Strukturen folgen, können Agenten diese Strukturen befüllen und formatieren. Wenn jedes Mandat von Grund auf neu aufgebaut wird, ist die Automatisierungsfläche kleiner.
- Unternehmen, in denen Senior-Mitarbeiter Junior-Arbeit erledigen — wenn Partner Zeit mit Recherchevorbereitungen oder Angebotsformatierungen verbringen, weil niemand anderes verfügbar ist, ist das eine direkte Margenrückgewinnungsmöglichkeit.
- Teams, die bereit sind, einen kurzen Data-Readiness-Sprint durchzuführen — Templates organisieren, vergangene Angebote taggen, Output-Formate definieren. Unserer Erfahrung nach erschließt eine mehrtägige Vorbereitung typischerweise monatelange nachgelagerte Effizienz.
Wenn Ihr Unternehmen weniger als drei bis vier gleichzeitige Mandate hat, eine variable Methodik oder bereits ein Junior-Team, das die Vorbereitungsarbeit übernimmt, ist das Argument schwächer und die Wirtschaftlichkeit rechtfertigt möglicherweise keinen vollständigen Aufbau. Eine ehrliche Einschätzung vor der Entscheidung ist das Gespräch wert.
Was „das Ergebnis in Marge messen” konkret bedeutet
Das Ziel ist nicht, abgeschlossene KI-Aufgaben zu zählen. Die Kennzahl, die für Beratungsunternehmen zählt, ist die Marge pro Mandat: Umsatz abzüglich der tatsächlichen Kosten der Leistungserbringung, einschließlich nicht fakturierbarem Overhead.
Ein einfacher Messansatz:
- Basislinie der nicht fakturierbaren Stunden pro Mandat aus drei bis fünf aktuellen Projekten ermitteln.
- Agenten auf einem spezifischen Workflow einsetzen (Recherchevorbereitungen sind meist der sauberste Einstieg).
- Zeit bis zum Erstentwurf vor und nach der Implementierung messen — für Recherche-Briefs, Angebotsabschnitte, Follow-up-Aufgaben.
- Das Delta in zurückgewonnene Kapazität umrechnen: freigesetzte Stunden × interner Kostensatz.
- Sechsmonats-Ziel setzen, diese zurückgewonnene Kapazität in fakturierbare Arbeit oder Geschäftsentwicklung zu verschieben.
Unternehmen, die dies richtig instrumentieren, sehen typischerweise innerhalb von zwei bis drei Monaten nach der Implementierung ein klares Vorher/Nachher-Bild — was den Fall für eine Ausweitung der Agentenabdeckung eindeutig macht. Für einen strukturierten Ansatz zu dieser Messung ist das AI-Agent-ROI-Framework eine nützliche Begleitlektüre.
Professional-Services-Unternehmen in angrenzenden Sektoren — Personalvermittlungsagenturen etwa — stellen ähnliche Muster fest. Der Artikel über KI-Agenten in der Personalvermittlung behandelt vergleichbare Zeitrückgewinnungsdynamiken, wenn Sie einen sektorübergreifenden Referenzpunkt möchten.
Wie Orange ITS das für Beratungskunden angeht
Die Arbeit, die wir bei Orange ITS für Professional-Services-Unternehmen leisten, beginnt mit einer kurzen Diagnose: Welche Workflows haben das höchste Volumen, sind am repetitivsten und haben bereits eine gewisse Struktur? Recherchevorbereitungen, Angebotserstellung und Follow-up tauchen konsistent als die drei wichtigsten auf — aber jedes Unternehmen hat seine eigene Form.
Von dort aus designen und bauen wir Agenten, die zu Ihrer Datenarchitektur und Ihren Vertraulichkeitsanforderungen passen — keine generischen Tools, die eingesteckt und sich selbst überlassen werden. Unser Ansatz ist in unserem KI-Agenten-Entwicklungsservice dokumentiert.
Das Ergebnis ist ein Agent, dem Ihr Team tatsächlich vertrauen und mit dem es arbeiten kann — mit klaren Eskalationspfaden für die Fälle, in denen menschliches Urteilsvermögen die Automatisierung übersteuern sollte.
Wenn Sie verstehen möchten, wo ein Agenten-Deployment die größte Wirkung im Workflow Ihres Unternehmens erzielen würde, ist ein 30-minütiges Diagnosegespräch der richtige erste Schritt. Wir kartieren Ihre Hebelmöglichkeiten mit dem höchsten Potenzial und geben Ihnen eine ehrliche Einschätzung davon, was der Aufbau tatsächlich beinhaltet.