Wie wir bei centerbit liefern: Sechs Phasen, die jedes Projekt durchläuft
Six phases, one shared workflow: how we guide projects from the first analysis to long-term operations. With clear ownership, a pilot before production, and honest commitments to maintenance.
Wer mit uns über ein KI- oder Automatisierungsprojekt spricht, fragt früher oder später: "Wie läuft das eigentlich konkret ab?" Eine berechtigte Frage, denn viele Anbieter versprechen Ergebnisse, lassen aber offen, was zwischen Auftrag und produktiver Lösung eigentlich passiert. In unseren Projekten mit Kunden im Mittelstand und bei kleineren Teams hat sich ein Sechs-Phasen-Modell bewährt, das wir hier einmal offen teilen. Nicht als Marketing-Garantie, sondern als Beschreibung dessen, was wir tatsächlich tun und wo wir in der Vergangenheit auch mal danebengelegen haben.
Warum ein festes Phasenmodell sinnvoller ist als freie Beratung
Die typische Situation am Anfang: Ein Unternehmen hat eine Idee, vielleicht schon einen ChatGPT-Account, oft aber auch nur ein diffuses Gefühl, "dass KI irgendwie helfen könnte". Ohne Struktur entstehen dann entweder teure Pilotprojekte, die nie in Produktion gehen, oder schnelle Tool-Empfehlungen, die nach drei Monaten wieder verworfen werden. Beide Varianten kosten Geld und Vertrauen.
Ein phasenbasiertes Vorgehen hilft dabei, früh zu erkennen, ob ein Vorhaben wirtschaftlich sinnvoll ist, ob die Datenlage passt und ob die Erwartungen realistisch sind. Es zwingt uns und unsere Kunden, vor dem ersten Code Klarheit über Ziele, Verantwortlichkeiten und Abbruchkriterien zu schaffen. In unseren Projekten haben wir die Erfahrung gemacht, dass diese Vorarbeit den größten Hebel auf den Projekterfolg hat.
Phase 1: Analyse und Anwendungsfall
Am Anfang steht kein Tool, sondern eine ehrliche Bestandsaufnahme. In einem kostenlosen 30-Minuten-Erstgespräch klären wir, ob überhaupt ein konkreter Bedarf vorliegt oder ob es eher um Orientierung geht. Wenn der Bedarf greifbar wird, folgt eine ausführlichere Analysephase: Wir schauen uns die relevanten Prozesse an, dokumentieren Datenquellen, Schnittstellen und bestehende Tools, identifizieren Engpässe und quantifizieren, wo ein automatisierter Ablauf tatsächlich Zeit oder Kosten sparen würde.
Wichtig: In dieser Phase verkaufen wir bewusst noch keine Lösung. Wenn sich herausstellt, dass ein klassisches Skript, eine bessere Excel-Vorlage oder schlicht eine Prozessänderung sinnvoller ist als ein KI-Agent, sagen wir das offen. Unsere Erfahrung aus den letzten Projekten zeigt, dass ein erheblicher Teil der Anfragen am Ende keine eigene KI-Komponente braucht, sondern vor allem saubere Datenflüsse und klare Verantwortlichkeiten.
Phase 2: Umsetzung und Architektur
Steht der Anwendungsfall, beginnen wir mit dem Lösungsdesign. Wir entscheiden gemeinsam mit dem Kunden, welche Komponenten eingesetzt werden: Welches Sprachmodell, welche Datenbank, welche Integrationen, welche Review-Mechanismen. In der Architekturphase entsteht auch der erste konkrete Plan für den Piloten: Was genau wird gebaut, was wird bewusst nicht gebaut, welche Annahmen wollen wir im Pilot überprüfen.
In unseren Projekten setzen wir in dieser Phase stark auf bestehende Bausteine aus unseren eigenen Produkten. Der Facio Agent bildet die Ausführungslogik, Placet die Freigabe- und Review-Oberfläche, und wo Dokumentenlogik nötig ist, kommt Autype zum Einsatz. Das ist keine dogmatische Entscheidung, sondern liegt daran, dass wir diese Bausteine seit Jahren produktiv betreiben und ihre Grenzen kennen. Für Kunden bedeutet das kürzere Bauzeit, weniger unbekannte Risiken und eine Architektur, die nicht beim ersten Fehler zusammenbricht.
Phase 3: Pilot- und Testphase
Bevor etwas in den Produktivbetrieb geht, läuft es bei uns grundsätzlich durch eine Pilotphase. Das ist aus unserer Sicht nicht verhandelbar, auch wenn Kunden manchmal ungeduldig werden. In der Pilotphase wird der Agent oder Workflow mit echten Daten gefüttert, aber strikt vom operativen Betrieb getrennt. Mitarbeiterinnen und Mitarbeiter geben Feedback, Korrekturen und Verbesserungsvorschläge. Wir messen, wie oft der Agent richtig liegt, wie oft er falsch liegt, und wie viel Zeit tatsächlich gespart wird.
Die Pilotphase ist auch der Ort, an dem Vertrauen entsteht. Kunden sehen zum ersten Mal konkret, was KI in ihrem Kontext kann und was nicht. Erwartungen werden kalibriert. In unseren Projekten mit Steuerberatungen, Handwerksbetrieben und Logistikunternehmen hat sich gezeigt, dass ein zwei- bis sechswöchiger Pilot fast immer mehr Erkenntnisse liefert als drei Monate Theorie.
Phase 4: Evaluation und Anpassung
Nach dem Piloten folgt eine ehrliche Evaluation. Wir vergleichen die tatsächlichen Ergebnisse mit den Zielen, die in Phase 1 formuliert wurden. Wo lagen wir richtig, wo daneben, was hat funktioniert, was nicht. Diese Auswertung schreiben wir nicht in eine Schublade, sondern nutzen sie als Entscheidungsgrundlage: Geht es weiter in den Produktivbetrieb, braucht es eine Anpassung, oder beenden wir das Vorhaben an dieser Stelle bewusst.
Nicht jedes Projekt wird produktiv. Das ist eine Erkenntnis, die uns anfangs schwergefallen ist, inzwischen aber fest zu unserem Vorgehen gehört. Lieber ein Pilot ehrlich abschließen, als ein halbfertiges Produktivsystem zu betreiben, das niemandem nützt.
Phase 5: Produktive Umsetzung
Erst wenn Pilot und Evaluation überzeugen, geht das System in Produktion. In dieser Phase geht es um Stabilität, Monitoring und klare Verantwortlichkeiten. Wir richten Monitoring ein, dokumentieren Runbooks, schulen Anwender und stellen sicher, dass der Kunde weiß, was im Fehlerfall passiert. Wenn sensible Daten im Spiel sind, prüfen wir Hosting, Datenresidenz und Audit-Trails, damit das System nicht nur funktioniert, sondern auch Compliance-Anforderungen erfüllt.
Bei der produktiven Umsetzung nutzen wir konsequent unsere Placet-Oberfläche für Freigaben. Das ist nicht nur eine technische Entscheidung, sondern auch eine kulturelle: Mitarbeiterinnen und Mitarbeiter sollen KI-Vorschläge nicht blind akzeptieren, sondern gezielt prüfen und freigeben können. Human-in-the-Loop ist bei uns kein Buzzword, sondern eine bewusste Pause, die in den Workflow eingebaut ist.
Phase 6: Langfristige Wartung und Betrieb
Viele Anbieter enden mit der produktiven Inbetriebnahme. Bei uns fängt dort der zweite Teil der Arbeit erst an. KI-Systeme sind keine Software, die man einmal aufsetzt und dann zehn Jahre läuft. Modelle ändern sich, APIs ändern sich, Geschäftsprozesse ändern sich. Ohne kontinuierliche Wartung wird ein noch so gutes System innerhalb weniger Monate zum Risiko.
Deshalb gehört die laufende Wartung bei uns fest zum Lieferumfang. Wir monitoren Performance, reagieren auf Modell-Updates, prüfen Sicherheits- und Compliance-Aspekte und verbessern das System basierend auf neuen Anforderungen. Das ist Teil unserer Operations-and-Maintenance-Säule und der Grund, warum unsere Kunden nicht nach drei Monaten allein dastehen. Wer ein System hat, das produktiv läuft, verdient einen Partner, der sich auch darum kümmert, wenn nichts mehr spektakulär neu ist.
Was wir aus unseren bisherigen Projekten gelernt haben
Wenn wir ehrlich auf unsere bisherigen Projekte zurückschauen, haben wir vor allem gelernt, dass Phasen nicht dogmatisch ablaufen. Manchmal entstehen neue Erkenntnisse in Phase 3, die Phase 1 teilweise wieder öffnen. Manchmal zeigt der Pilot, dass die Architektur in Phase 2 angepasst werden muss. Das ist kein Versagen, sondern normal. Entscheidend ist, dass jede Phase bewusst durchlaufen und abgeschlossen wird, auch wenn Anpassungen nötig sind.
Die zweite Erkenntnis: Pilot vor Produktivbetrieb ist kein Extra, sondern die Voraussetzung für alles danach. Wir haben Projekte gesehen, in denen dieser Schritt übersprungen wurde, und in fast allen Fällen waren die Folgeschäden teurer als ein zusätzlicher Pilotmonat. Wer Pilotphasen als Verzögerung versteht, lernt spätestens beim ersten Produktiveinsatz, warum es ohne nicht geht.
Die dritte Erkenntnis: Wartung ist kein Anhängsel, sondern Kern. Ein KI-System, das nicht regelmäßig gewartet wird, wird langsam schlechter. Das ist die Realität, und wer das gegenüber Kunden verschweigt, schadet langfristig dem Vertrauen in die gesamte Branche.
Was Sie aus diesem Prozess mitnehmen können
Falls Sie überlegen, ob ein KI- oder Automatisierungsprojekt für Ihr Unternehmen sinnvoll ist, sind drei Dinge wichtig. Erstens: Beginnen Sie mit dem Anwendungsfall, nicht mit dem Tool. Zweitens: Planen Sie eine Pilotphase ein, auch wenn sie unbequem erscheint. Drittens: Denken Sie frühzeitig über Wartung nach, bevor das System produktiv geht.
Wenn Sie unsicher sind, wo Sie anfangen sollen, ist der einfachste erste Schritt ein 30-minütiges Erstgespräch. Dort klären wir gemeinsam, ob Ihr Vorhaben in dieses Phasenmodell passt, welche Phasen den größten Hebel haben und wo Sie realistisch starten können. Ohne Verpflichtung, ohne Verkaufsdruck, mit der ehrlichen Einschätzung, was wirklich sinnvoll ist.