KI-Beratung & AI Consulting aus der Praxis: LLM-Produkte, die echte KundInnen nutzen
Ich berate nicht nur über KI, ich baue damit. Als Gründer und Geschäftsführer von ganzheit verantworte ich ein Produkt, in dem ein Large Language Model den Kern der Wertschöpfung bildet. Den Kern dieses Produkts konnten die Modelle Anfang 2025 schlicht nicht gut genug – heute können sie es. Wann man wartet und wann man baut, entscheide ich also nicht theoretisch. Und in mehreren Kundenprojekten arbeite ich dort mit, wo aus einer Demo ein Werkzeug wird, das jeden Tag läuft.
Wo AI-Initiativen typischerweise hängen bleiben:
Die Demo ist nicht das Produkt.
Drei Beispiele:
01Der ungeprüfte Use Case
Ein Use Case, ein Chatfenster, eine erste Antwort, die beeindruckt. Das Team ist sich sicher: Das bauen wir.
Drei Monate Entwicklung später zeigt sich, dass das Modell bei den schwierigen Fällen danebenliegt.
Niemand hatte vorher festgelegt, wie ein guter Output überhaupt aussieht.
02Der Prototyp, der nicht live geht
Ein Prototyp, der funktioniert, und eine Geschäftsführung, die begeistert ist.
Dann fragt jemand nach den Kosten pro Anfrage, nach Datenschutz und danach, wie Ihr merkt, wenn die Qualität kippt.
Zwischen Demo und Betrieb fehlen Evals, Monitoring und eine Rechnung, die aufgeht.
03AI bleibt im Chatfenster
Ein KI-Assistent für alle im Team, und alle fühlen sich produktiver.
Trotzdem promptet jeder für sich, während Reportings, Kampagnensteuerung und Datenauswertung laufen wie vor zwei Jahren.
Ihr seid schneller geworden – besser geworden ist das Produkt noch nicht.
So oder so ähnlich erlebt?
Total normal. Mit LLMs zu bauen ist ein anderes Handwerk als klassische Softwareentwicklung – und gerade lernt es jede Organisation gleichzeitig.
Ich bringe Euch die Praxis mit, die Ihr sonst selbst sammeln müsstet.
„Nach acht Jahren direkter und indirekter Zusammenarbeit kann ich sagen: Ich habe in meiner Karriere nur wenige Produktstrategen erlebt, die so kritisch denken, so konsequent hypothesengetrieben arbeiten und Ideen nicht diskutieren, sondern validieren – kombiniert mit einem außergewöhnlich hohen Anspruch an Produktqualität, absoluter Verlässlichkeit und einer Zusammenarbeit, die einfach Spaß macht.“
Gelernt im Betrieb, nicht in der Demo
LLM-Produkte, die live gehen
Mein Playbook für LLM-Anwendungen hat sechs Stufen, vom Verstehen bis zur Skalierung, und ist an ganzheit entstanden. Stufe 1 zeigt, wie Ihr einen KI Use Case validiert, bevor die erste Zeile Code entsteht. Stufe 2 zeigt, was ein MVP wirklich braucht: Prompt Management, Tracing, Evals und Cost Monitoring. Den ganzen Weg zeigt die Übersicht. Im April 2026 habe ich es im ProductTank Hamburg vorgestellt und für individuelle Workshops könnt Ihr mich gerne anfragen.
AI in Euren Workflows
Produktiver zu werden ist leicht, bessere Ergebnisse sind es nicht. In Kundenprojekten setze ich KI-Agenten deshalb dort ein, wo sie ganze Arbeitsschritte übernehmen: Ich steuere Google Ads per Claude Code und baue LLM-gestütztes Data Warehousing auf Databricks und DuckDB. Wie das bei Website und Content aussieht, steht in zwei Praxisberichten: statische Website statt Baukasten und Content Management ohne CMS.
Wissen, das im Team bleibt
Mir ist wichtig, dass Ihr hinterher selbst könnt, was wir zusammen gebaut haben. Ich arbeite mit Euren Leuten statt neben ihnen – gutes AI Consulting hinterlässt keine Blackbox.
Wer heute behauptet, für die Arbeit mit KI ein Lehrbuch zu haben, sagt nicht die Wahrheit. Das Feld ändert sich zu schnell, und zu vieles ist in Bewegung für Schema F.
Deshalb arbeite ich mit Euch in Co-Creation: Ich bringe meine Erfahrung mit, und gemeinsam finden wir Lösungen, die wirklich für Euch tragen.
Ihr braucht mehr als Beratung?Wir können auch End-2-End-Entwicklung.
Zwischen Use Case und Betrieb liegt viel Engineering. Zusammen mit Philipp Kaiser von Build Better baue ich LLM-Anwendungen auch selbst – so, wie wir es an ganzheit, unserem eigenen Startup, jeden Tag tun: von der Infrastruktur über Evals bis zur Kostenbremse. Philipp kommt aus dem Engineering, ich aus dem Produkt. Und danach macht Euer Team selbst weiter.
- Product Discovery und Product Delivery
- Pull Requests aus dem ganzen Unternehmen
- DevOps
- LLM-basiertes SaaS
- RAG & Vector Storage
- KI-Chat mit Streaming
- Strukturierte Ausgaben
- Evals
- AI Alignment
- Observability mit Langfuse
- Profitable KI-SaaS-Business-Cases
- KI steuert Google Ads
- Claim-Prüfung
- KI-Governance im Enterprise
- Teams befähigen
Philipp Kaiser, Build Betterbuild-better.de →LinkedIn →
Kontakt
Zusammen arbeiten?
Du willst wissen, ob AI Euer Problem heute schon lösen kann? Dann lass uns genau das in einem unverbindlichen Kennenlernen besprechen – ehrlich, auch wenn die Antwort „noch nicht“ lautet. Ich arbeite vor Ort in Hamburg, remote im ganzen DACH-Raum und darüber hinaus.
Buche gerne direkt einen Termin, schreibe mir an jan@produktkraft.com oder melde Dich via LinkedIn.
