Projektdokumentation und Zwischenberichte automatisieren

Das echte Ausmaß des Problems

Gemeinnützige Organisationen, die öffentliche Fördergelder oder Stiftungsmittel empfangen, unterliegen einer systematischen Berichtspflicht. Wer Mittel aus dem ESF (Europäischer Sozialfonds), dem BMBF, dem BMUV, dem Bundesfreiwilligendienst, Erasmus+ oder einer großen Stiftung wie der Robert Bosch Stiftung erhält, muss in der Regel alle 6 bis 12 Monate einen Zwischenbericht einreichen — inhaltlich und finanziell.

Das klingt handhabbar. Die Praxis sieht anders aus.

In der Erhebung von Fundraising Evangelisch (2025) schätzten Fachkräfte in gemeinnützigen Organisationen, dass die Erstellung eines einzelnen Zwischenberichts zwischen 2 und 5 Arbeitstagen in Anspruch nimmt — abhängig von der Komplexität des Projekts und der Qualität der laufenden Dokumentation. Das Christliche Jugenddorfwerk Deutschland (CJD), eines der größten Sozialunternehmen Deutschlands mit über 350 Standorten, bezifferte den Zeitaufwand für einen ersten Berichtsentwurf ohne KI-Unterstützung mit etwa einer Woche — ehe KI-gestützte Workflows eingeführt wurden.

Warum dauert es so lange? Weil drei Aufgaben parallel erledigt werden müssen, die jeweils aufwendig sind:

• Aggregation: Meeting-Protokolle, Teilnehmerlisten, Maßnahmenübersichten, Budget-Ist-Stände und Qualitätsnachweise müssen aus verschiedenen Quellen zusammengeführt werden
• Übersetzung: Die gesammelten Daten müssen in die spezifische Sprache und Struktur des jeweiligen Fördergebers überführt werden — jede Förderinstitution hat ihre eigenen Begriffe, Kapitelstrukturen und Qualitätsindikatoren
• Plausibilitätsprüfung: Stimmt die Teilnehmendenzahl mit der Anwesenheitsliste überein? Lassen sich Budgetabweichungen plausibel begründen? Ist jeder Meilenstein belegt?

Für Organisationen mit mehreren laufenden Projekten ist der kumulative Aufwand erheblich. Wer vier Förderprojekte parallel führt, verbringt unter Umständen zwei Monate pro Jahr nur mit Berichterstattung — Zeit, die direkt der Projektarbeit fehlt.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zeitersparnis ist reell. Aber sie setzt voraus, dass ein Mindestmaß an Quellmaterial vorliegt — Meeting-Protokolle, Anwesenheitslisten, Budgetübersichten. Wer diese laufende Dokumentation bisher nicht führt, muss diesen Schritt erst aufbauen. KI kann keine Informationen erzeugen, die nie aufgezeichnet wurden.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Von 3–5 Tagen auf einen halben bis ganzen Tag pro Zwischenbericht — das ist ein handfester Hebel. Dieser Use Case gehört in der Nonprofit-Branche zu den stärksten Zeitentlastern, knapp unterhalb der vollständigen Ehrenamtskoordination oder der Social-Media-Produktion, weil die KI nicht nur hilft zu formulieren, sondern auch zu aggregieren und zu prüfen. Einschränkung: Der Effekt sinkt, wenn die Ausgangsdokumentation dünn ist.

Kosteneinsparung — sehr gering (1/5) Das ist der schwächste Wert in der gesamten Kategorie — und er ist ehrlich. KI spart hier Personalzeit, generiert aber keinen Cent. Es fließen keine Lizenzen weg, keine Rechnungen entfallen, keine Einnahmen steigen. Wer Projektmanager-Stunden freisetzt, kann damit mehr tun — aber das ist ein indirekter Effekt, der sich nicht in der GuV niederschlägt. Im Vergleich zu Spenderanalyse oder Online-Fundraising-Optimierung, die direkt auf Einnahmen wirken, ist Dokumentationsautomatisierung finanziell das schwächste Glied.

Schnelle Umsetzung — hoch (4/5) Du brauchst kein Sonderbudget, keine IT-Abteilung, keine Systemintegration. Wer bestehende Materialien in NotebookLM oder ChatGPT lädt und einen guten Prompt hat, sieht nach einer Stunde erste Ergebnisse. Die Hürde liegt nicht in der Technik, sondern in der Entwicklung eines konsistenten Workflows — das dauert realistisch 1–2 Wochen, bis ein Team sicher damit arbeitet.

ROI-Sicherheit — hoch (4/5) Selten ist ein Nutzen so direkt messbar wie hier: Du weißt vor und nach dem Einsatz genau, wie viele Stunden der Bericht gebraucht hat. Kein Schätzen, keine Näherungswerte. Wenn Karolin für denselben Bericht einen Tag statt vier braucht, ist das ein Dreitage-Unterschied — sichtbar in der Zeiterfassung, in der Fristplanung, im Gefühl der Kolleginnen und Kollegen.

Skalierbarkeit — hoch (4/5) Jedes weitere Projekt, das in die Förderberichterstattung fällt, profitiert sofort vom gleichen Workflow. Vier Projekte bedeuten nicht viermal den Aufwand eines einmaligen Lernens — der Template-Prompt, die Struktur, die Checklistenlogik: alles übertragbar. Organisationen, die in Wachstumsphasen viele Drittmittelprojekte gleichzeitig führen, profitieren überproportional.

Richtwerte — stark abhängig von der Qualität der laufenden Dokumentation und der Anzahl der geförderten Projekte.

Was das System konkret macht

Generative KI löst beim Zwischenbericht drei unterschiedliche Aufgaben — und die sind wichtig zu trennen, weil jede andere Anforderungen hat.

Aufgabe 1: Aggregation Du lädst deine Quelldokumente hoch: Meeting-Protokolle der letzten sechs Monate, eine Übersicht der Veranstaltungen mit Datum und Teilnehmendenzahl, den aktuellen Budgetbericht aus der Buchhaltung, vielleicht die Evaluationsrückmeldungen aus Teilnehmerfragebögen. Das LLM liest und strukturiert dieses Material. Es kann Fragen beantworten wie: „Welche Maßnahmen haben stattgefunden?” oder „Wo gab es Abweichungen von der ursprünglichen Planung?”

Aufgabe 2: Übersetzung in die Fördersprache Jeder Fördergeber hat seinen eigenen Jargon, seine eigene Kapitelstruktur, seine eigenen Qualitätsindikatoren. BMBF-Berichte verlangen eine andere Gliederung als ESF-Sachberichte oder Stiftungsberichte der Robert Bosch Stiftung. Du gibst der KI die Berichtsvorlage deines Fördergebers — als PDF, als Text — und die eigenen Materialen. Das System erstellt einen Erstentwurf, der bereits in der richtigen Struktur formuliert ist. Nicht perfekt, aber 70–80 Prozent des Weges.

Aufgabe 3: Vollständigkeitsprüfung Das ist oft der unterschätzte Mehrwert: Die KI kann den fertigen Entwurf gegen den ursprünglichen Fördervertrag und Projektplan halten — und markieren, was noch fehlt. Welche Indikatoren wurden im Antrag versprochen, aber tauchen im Entwurf nicht auf? Welche Maßnahmen aus dem Arbeitsplan sind nicht dokumentiert? Diese systematische Lückenprüfung braucht ohne KI erfahrungsgemäß 2–3 Stunden konzentrierte Arbeit. Mit einem guten Prompt geht das in 15 Minuten.

Was die KI nicht macht: Sie erfasst keine Teilnehmenden, zählt keine Stunden und übernimmt keine Buchhaltung. Und sie entscheidet nicht, wie eine Budgetabweichung gegenüber dem Fördergeber erklärt wird — das ist eine inhaltliche und manchmal politische Entscheidung, die du selbst treffen musst.

Was EU-Fördergeber beim Zwischenbericht tatsächlich prüfen

Das ist der Teil, der selten erklärt wird — und der entscheidend dafür ist, worauf du dich beim Berichtschreiben konzentrieren solltest.

Was ESF-Prüfinstanzen vorrangig sehen wollen:

• Teilnehmerstunden vs. Anwesenheitslisten: Jede im Bericht genannte Stundenzahl muss mit den archivierten Anwesenheitslisten übereinstimmen. Abweichungen — auch kleine — werden bei Vor-Ort-Prüfungen als Anlass für Rückforderungen genommen. KI kann den Abgleich vorbereiten, aber du musst die Originalbelege sicher aufbewahren.
• Ist-Stand vs. Arbeitsplan: Der Fördergeber hat einen Meilensteinplan bewilligt. Im Zwischenbericht erwartet er einen expliziten Vergleich: Welche Meilensteine wurden erreicht? Welche nicht, und warum? „Wir haben ähnliche Dinge getan” reicht nicht — Punkt-für-Punkt-Entsprechung zur ursprünglichen Planung ist Pflicht.

Was BMBF-Projektträger (z.B. VDI/VDE) besonders sorgfältig prüfen:

• Kofinanzierungsnachweis: Wer Drittmittel auch durch Eigenmittel oder Drittmittel anderer Geldgeber mitfinanziert, muss das exakt belegen. KI kann die Tabelle vorbereiten — aber die Zahlen müssen aus verifizierten Buchungsdaten stammen.
• Kostennachweise auf Ausgaben- vs. Kostenbasis: Förderungen auf Ausgabenbasis (NABF) verlangen andere Nachweise als solche auf Kostenbasis (NKBF). Diese Unterscheidung beeinflusst, welche Ausgaben im Bericht wie gebucht werden dürfen.

Was Erasmus+-Programme zuerst verlangen:

• Nachweis der Projektergebnisse, nicht der Ausgaben: Anders als ESF liegt der Prüfschwerpunkt bei Erasmus+ stärker auf qualitativem Nachweis: Fotos, Meeting-Minuten, Evaluationsbögen, Teilnehmerzertifikate. Wer diese Belege nicht während des Projekts gesammelt hat, kann sie im Nachhinein nicht mehr erstellen.

Was fast alle Geldgeber gemeinsam haben: Budgetabweichungen werden toleriert — aber nur, wenn sie erklärt werden. Eine Verschiebung von 15 Prozent zwischen Kostenpositionen, die nachvollziehbar begründet ist, führt fast nie zu Problemen. Dieselbe Abweichung ohne Begründung führt regelmäßig zu Rückfragen und Verzögerungen bei der Mittelauszahlung.

Das bedeutet für deinen KI-Workflow: Die KI kann einen hervorragenden Textentwurf erstellen — aber der Abgleich mit den Originalbelegen, die Kofinanzierungstabelle und die Budgetbegründungen brauchen menschliche Überprüfung. Das ist keine Schwäche des Ansatzes, sondern seine richtige Aufgabenteilung.

Konkrete Werkzeuge — was wann passt

Du brauchst für den Einstieg kein spezialisiertes NGO-Reporting-Tool. Die entscheidende Wahl ist, wo deine Ausgangsdokumente leben und wie viel Kontrolle du über die Daten brauchst.

NotebookLM — für den schnellen Einstieg ohne Kosten Lade deine Meeting-Protokolle, Maßnahmenübersichten und den Förderantrag als Quellen hoch. NotebookLM kann auf Basis dieser Dokumente Zusammenfassungen, Statusübersichten und erste Kapitelentwürfe erstellen. Kostenlos (Google-Konto reicht), datenschutzrechtlich aber US-seitig — für persönliche Teilnehmerdaten deshalb nur anonymisierte oder aggregierte Versionen hochladen. Gut geeignet als Test, bevor du in ein Abonnement investierst.

ChatGPT (Plus, 20 USD/Monat) — für iteratives Schreiben mit Prompt-Feintuning Die Möglichkeit, einen Custom System-Prompt zu definieren, der auf deinen Fördergeber und dessen Vorlage zugeschnitten ist, macht ChatGPT zur stärksten Lösung für Organisationen mit wenigen, aber komplexen Projekten. Du kannst lange Dokumente einfügen, die Berichtsstruktur als Vorlage mitgeben und iterativ überarbeiten. Für Zwischenberichte mit hohem Textanteil ist ChatGPT häufig die erste Wahl. Datenschutz: US-Server, kein EU-Hosting ohne Enterprise-Vertrag.

Claude (Pro, 20 USD/Monat) — wenn Sprachqualität und große Kontexte entscheiden Claude verarbeitet bis zu 200.000 Tokens in einem Kontext — das entspricht rund 150.000 deutschen Wörtern oder mehreren Hundert Seiten. Wer umfangreiche Projektmappen einliest und auf Widersprüche oder Lücken prüfen will, kommt mit Claude weiter als mit ChatGPT. Die Textqualität auf Deutsch ist vergleichsweise hoch. Auch Claude läuft über US-Server, sofern nicht über AWS Bedrock in Frankfurt betrieben.

Microsoft 365 Copilot (ab ca. 30 €/Person/Monat) — für Teams, die bereits in Word und SharePoint arbeiten Wer Berichte traditionell in Word schreibt und Belege im SharePoint ablegt, bekommt mit M365 Copilot die beste Integration: Copilot kann SharePoint-Dateien direkt einlesen, Textentwürfe in Word generieren und Teams-Meeting-Protokolle automatisch zusammenfassen. Für Teams mit bestehender Microsoft-Infrastruktur ist das der reibungsloseste Weg. EU Data Boundary verfügbar — relevant für datensensitive Organisationen.

Otter.ai (Basis kostenlos, Business ab 20 USD/Monat) — für die laufende Dokumentation Nicht für den Bericht selbst, aber für das Quellmaterial: Otter.ai transkribiert Meetings automatisch und erstellt strukturierte Protokolle mit Action Items. Wer dies konsequent für alle Projekttreffen nutzt, hat am Ende des Berichtszeitraums eine konsistente Dokumentationsbasis, aus der die KI für den Zwischenbericht schöpfen kann. Datenhosting: US-seitig.

Wann welches Tool:

• Erster Test ohne Budget → NotebookLM
• Komplexe Berichte, hoher Textanteil → ChatGPT oder Claude
• Microsoft-Umgebung bereits vorhanden → M365 Copilot
• Laufende Meeting-Dokumentation aufbauen → Otter.ai

Datenschutz und Datenhaltung

Das ist der Bereich, der bei Förderberichten am häufigsten unterschätzt wird — und der in DSGVO-Prüfungen zu ernsthaften Problemen führen kann.

Was in Förderberichten enthalten sein darf und was nicht

Förderberichte, die an Zuwendungsgeber eingereicht werden, können personenbezogene Daten enthalten — zum Beispiel Angaben über Teilnehmende nach Alter, Geschlecht oder Beschäftigungsstatus (für ESF-Berichte Pflicht). Die Übermittlung dieser Daten an den Fördergeber ist in der Regel durch die Zuwendungsvereinbarung gedeckt. Was nicht gedeckt ist: diese Daten in einem US-basierten KI-System zu verarbeiten, ohne entsprechende DSGVO-Absicherung.

Praktische Regel für KI-Nutzung in der Berichtsvorbereitung:

Bevor du Materialien in ein KI-Tool hochlädst, triff diese Unterscheidung:

1. Aggregierte/anonymisierte Daten (z.B. „218 Teilnehmende, davon 60 % weiblich, 42 % ohne Beschäftigung”) → können ohne weiteres Bedenken in externe KI-Tools geladen werden
2. Personenbezogene Rohdaten (z.B. Namenslisten, Teilnehmerlisten mit Geburtsdaten) → nicht in US-Cloudtools laden; nur in DSGVO-konformen Umgebungen oder vollständig anonymisiert

Für die Berichtserstellung selbst brauchst du die Rohdaten fast nie im KI-Tool — die aggregierten Zahlen reichen für die Texterstellung. Die Rohdaten bleiben in eurer internen Dokumentation, wo sie als Nachweis vorliegen müssen.

Auftragsverarbeitungsvertrag (AVV)

Wer KI-Tools regelmäßig für die Verarbeitung auch aggregierter Projektdaten nutzt, sollte einen AVV mit dem Tool-Anbieter abschließen (Art. 28 DSGVO). Alle genannten Anbieter stellen AVV-Vorlagen bereit — sie müssen aktiv angefordert und unterzeichnet werden. Für Microsoft 365 Copilot ist ein EU Data Boundary-Programm verfügbar. Für ChatGPT-Business-/Enterprise-Pläne gibt es AVV-Optionen. Für Claude über AWS Bedrock (Frankfurt) gilt der AWS-Standardvertrag mit EU-Hosting.

Die Stiftung Datenschutz hat einen Praxisleitfaden zur Anonymisierung veröffentlicht (2022), der konkrete Maßnahmen für gemeinnützige Organisationen beschreibt.

Was es kostet — realistisch gerechnet

Einstieg (fast kostenlos) NotebookLM ist kostenlos. ChatGPT Plus kostet 20 USD/Monat — das sind weniger als 2 Stunden Projektleitungszeit im Monat. Wer keine Enterprise-Anforderungen hat und mit anonymisierten Daten arbeitet, startet mit minimalem Investment.

Regulärer Betrieb Für ein Team mit 3–5 Hauptamtlichen, die regelmäßig Berichte erstellen:

• ChatGPT Plus oder Claude Pro: 20 USD/Person/Monat
• Microsoft 365 Copilot: ca. 30 €/Person/Monat (zusätzlich zur M365-Lizenz)
• Otter.ai Business für Meeting-Transkription: 20 USD/Person/Monat

Einmalige Einrichtungszeit Der eigentliche Aufwand ist nicht der Tool-Preis, sondern die initiale Prompt-Entwicklung und die Aufbereitung der Fördervorlagen. Erfahrungsgemäß dauert es 2–4 Arbeitstage, bis ein Team einen stabilen Workflow hat: Vorlage analysieren, Prompt entwickeln, mit einem echten Bericht testen, anpassen. Das ist eine Investition, die sich ab dem ersten vollständig genutzten Bericht amortisiert.

Wie du den Nutzen misst

Die einfachste Methode: Lass Karolin (oder wer immer Berichte schreibt) beim nächsten Bericht die Zeit stoppen — aufgeteilt nach Aggregation, Entwurf, Prüfung. Dann denselben Bericht mit KI-Unterstützung. Die Differenz ist der Nutzen. Wenn eine Projektleiterin für 60 € brutto die Stunde arbeitet und drei Tage einspart: Das sind 1.440 € pro Bericht — bei einem Tool-Abo von 20 €/Monat. Die Rechnung ist transparent.

Warum die niedrige Kosten-Einschätzung trotzdem stimmt: Diese eingesparte Zeit fließt nicht als Cash zurück. Sie ermöglicht mehr Projektarbeit — aber das schlägt sich nicht als Kostensenkung in der Förderabrechnung nieder. Wer hofft, durch Dokumentationsautomatisierung konkret Fördergelder zu sparen, liegt falsch. Es geht um Kapazität, nicht um Euros.

Typische Einstiegsfehler

1. KI-Berichte einreichen, ohne sie gründlich zu überarbeiten. Das ist das gefährlichste Muster. KI-generierte Texte neigen zu übermäßiger Adjektivdichte, formelhafter Positivsprache und gelegentlichen Halluzinationen — also Aussagen, die klingen als wären sie belegt, es aber nicht sind. Das CJD beschreibt das Problem als „Vanilla-Content”: Text, der kompetent wirkt, aber beim Fördergeber durch seine Beliebigkeit auffällt. Der minimale Qualitätsfilter: Lies jeden KI-Entwurf sorgfältig. Lass mindestens eine Nacht zwischen Erstellung und Abgabe verstreichen.

2. Quelldokumentation aufholen statt aufbauen. Viele Organisationen versuchen, kurz vor dem Berichtstermin die Dokumentation der letzten sechs Monate nachzuholen: Meeting-Protokolle aus dem Gedächtnis rekonstruieren, Anwesenheitslisten zusammensuchen, Maßnahmen rückwirkend beschreiben. Das funktioniert weder mit noch ohne KI. Die Zeitersparnis durch KI entsteht nur dann, wenn die Quellmaterialien schon vorliegen. Wer erst jetzt mit Dokumentation beginnt, sollte das tun — aber den KI-Nutzen realistisch erst für den übernächsten Bericht einplanen.

3. Einen universellen Prompt für alle Fördergeber verwenden. ESF-Berichte, BMBF-Nachweise und Stiftungsberichte haben grundlegend verschiedene Anforderungen — in Struktur, Tiefe, Qualitätsindikatoren und Sprache. Ein einziger Prompt, der für alle funktioniert, existiert nicht. Wer mit einem schlechten Prompt schlechte Entwürfe bekommt und daraus schließt, dass KI „nicht funktioniert”, hat das falsche Werkzeug nicht auf das Problem angepasst.

4. Den Workflow einführen und nicht weiterentwickeln. Teams, die KI-Unterstützung für Berichte einführen und nach drei Monaten aufgehört haben, den Prompt zu optimieren, erleben oft, was Praktiker als „Enttäuschungskurve” beschreiben: Der erste Versuch ist beeindruckend, der dritte ist noch gut, ab dem sechsten wirkt es wie Pflichtarbeit. Was fehlt, ist eine kurze Prüfung nach jedem Bericht: Was hat die KI gut gemacht? Wo muss der Prompt schärfer sein? Dieser 20-Minuten-Schritt entscheidet über langfristigen Nutzen.

Was mit der Einführung wirklich passiert — und was nicht

Die technische Seite ist einfach. Die organisatorische ist es nicht.

Was fast immer passiert: Der erste KI-gestützte Bericht braucht genauso lange wie ein normaler — weil das Team Zeit damit verbringt, den Prozess zu verstehen, Prompts zu testen und die Ergebnisse kritisch zu lesen. Das ist normal und kein Zeichen, dass der Ansatz falsch ist. Der Durchbruch kommt beim zweiten oder dritten Bericht, wenn der Prozess sitzt.

Was selten kommuniziert wird: Die größten Zeitgewinne entstehen nicht beim Schreiben, sondern beim Aggregieren. Wer bisher 4–6 Stunden damit verbracht hat, Informationen aus verschiedenen Quellen zusammenzusuchen, gewinnt durch strukturierte KI-Abfragen mehr Zeit als durch die Texterstellung selbst.

Was zu Widerstand führt: In manchen Teams gibt es eine Person, die „den Bericht bisher immer gemacht hat” und die eigene Expertise darin sieht. Diese Person wird skeptisch sein — nicht weil KI nicht funktioniert, sondern weil ihr Beitrag sich verändert. Das ist eine Führungsaufgabe: Die neue Rolle ist nicht „Bericht schreiben”, sondern „Bericht kuratieren und qualitätssichern”. Das ist wertvoller, nicht weniger wert.

Was nicht passiert: Die KI übernimmt nicht die Verantwortung für Richtigkeit, Vollständigkeit oder fristgerechte Einreichung. Die zeichnungsberechtigte Person unterschreibt weiterhin. Das ist gut so.

Konkrete Empfehlungen für den Start:

• Beginne mit einem Bericht, der bereits eingereicht und abgenommen wurde — so kannst du das KI-Ergebnis risikolos mit dem Original vergleichen
• Entwickle einen Dokumentations-Minimalstandard für laufende Projekte: Was muss nach jedem Meeting festgehalten werden? (Datum, Themen, Maßnahmen, Teilnehmendenzahl — mehr braucht es nicht)
• Führe einen festen „Zwischen-Check” ein: 4 Wochen vor dem Berichtstermin prüfst du, welche Informationen fehlen — nicht 3 Tage vorher

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Unsere Berichte sind zu spezifisch, die KI kann das nicht.” Jede Organisation denkt das anfangs. In der Praxis ist der inhaltliche Kern jedes Zwischenberichts erstaunlich ähnlich: Maßnahmen beschreiben, Indikatoren berichten, Abweichungen erklären. Was spezifisch ist, sind die Begriffe und die Struktur des jeweiligen Fördergebers — und genau das kannst du dem KI-Prompt beibringen. Wer sich die Zeit nimmt, dem System ein gutes Beispiel aus dem eigenen Kontext zu geben, bekommt treffende Ergebnisse.

„Darf ich KI für Förderberichte einsetzen?” Die Offenlegungspflicht bei KI-Nutzung entfällt, wenn KI-generierte Inhalte durch eine zeichnungsberechtigte Person geprüft und verantwortet werden. Das ist bei Förderberichten fast immer der Fall. KI ist ein Schreibwerkzeug — wie Word oder ein Diktiergerät früher. Solange du für den Inhalt eintrittst, gibt es keine generelle Sperrung. Im Zweifel: direkt beim Fördergeber anfragen. Viele haben inzwischen eigene KI-Leitlinien veröffentlicht.

„Wir haben keine Zeit, den Workflow aufzubauen.” Das ist das häufigste Argument — und es dreht die Kausalität um. Der Aufbau dauert 2–4 Arbeitstage, einmalig. Danach sparst du bei jedem Bericht 2–3 Tage. Wer sagt, er hat keine Zeit für den Aufbau, hat eigentlich keine Zeit für die nächsten 10 Berichte auf Basis des alten Systems. Der Aufwand lohnt sich ab dem ersten vollständigen Berichtszyklus.

„KI erfindet Zahlen.” Das stimmt — wenn du keine Zahlen mitgibst. Ein gut konfigurierter Prompt liefert der KI alle relevanten Zahlen aus deiner Dokumentation und weist sie an, nur mit diesen zu arbeiten. Das Ergebnis: die KI beschreibt und erklärt, erfindet aber nicht. Zahlen im Bericht musst du trotzdem mit den Originalbelegen abgleichen — das war bisher auch deine Aufgabe.

Woran du merkst, dass das zu dir passt

Du bekommst von diesem Ansatz den größten Nutzen, wenn mindestens drei der folgenden Punkte zutreffen:

• Du erstellst für mindestens ein Projekt pro Jahr einen Zwischenbericht für einen institutionellen Fördergeber
• Der Berichtsprozess dauert bei dir erfahrungsgemäß mehr als zwei Arbeitstage
• Du führst (oder könntest künftig führen) laufende Meeting-Protokolle, Teilnehmerlisten und eine Budget-Ist-Übersicht
• Das Team hat mehr als eine geförderte Projektstelle — der Aufbau-Aufwand verteilt sich dann auf mehrere Köpfe
• Du leitest oder koordinierst mehrere Projekte gleichzeitig und verlierst in Berichtsphasen regelmäßig den Überblick

Wann es sich noch nicht lohnt — drei harte Ausschlusskriterien:

1. Deine Organisation hat genau ein gefördertes Projekt mit einem Bericht pro Jahr. Der Aufwand für Prompt-Entwicklung und Workflow-Etablierung amortisiert sich erst ab etwa 2–3 Berichten pro Jahr. Für ein Einzel-Projekt mit jährlichem Bericht lohnt sich der Setup-Aufwand nicht — du schreibst schneller von Hand.

2. Eure Projektdokumentation läuft bisher vollständig undokumentiert. KI aggregiert — sie erfindet keine Meeting-Protokolle, die nie erstellt wurden, keine Teilnehmerlisten, die nicht geführt wurden. Wer diesen Schritt überspringt und erwartet, dass die KI trotzdem einen vollständigen Bericht produziert, wird enttäuscht. Zuerst Dokumentationsstandards einführen, dann KI.

3. Der Bericht muss hochsensible personenbezogene Daten verarbeiten, und ihr habt keine DSGVO-konforme EU-Hosting-Lösung verfügbar. Für Projekte mit Sozialdaten, Gesundheitsdaten oder Daten besonderer Kategorien (Art. 9 DSGVO) reicht ein US-Tool auch mit AVV nicht aus — hier braucht es entweder vollständige Anonymisierung vor der KI-Verarbeitung oder eine On-Premise-Lösung, die für die meisten kleinen NGOs außerhalb der Reichweite liegt.

Wenn du unsicher bist: Es gibt eine Überschneidung mit der Jahresbericht-Automatisierung und der KI-gestützten Wirkungsberichterstattung. Zwischenberichte für Fördergeber sind spezifischer strukturiert, deutlich compliance-lastiger und entstehen unter Termindruck — dieser Use Case ist der richtige, wenn dein primäres Problem die Berichtslast gegenüber institutionellen Geldgebern ist.

Das kannst du heute noch tun

Öffne NotebookLM (kostenlos, Google-Konto reicht). Lade das Quellmaterial deines letzten Zwischenberichts hoch: Meeting-Protokolle, die Maßnahmenübersicht, den aktuellen Budget-Ist-Stand — alles in anonymisierter oder aggregierter Form. Stelle dann die Frage: „Fasse die wichtigsten Projektaktivitäten der letzten sechs Monate zusammen, gegliedert nach Maßnahmentyp.”

Wenn die Antwort hilfreich ist, hast du damit den Grundstein des Workflows gelegt. Das dauert 20 Minuten — und zeigt dir, bevor du einen Cent ausgibst, ob der Ansatz für dein Material funktioniert.

Für den produktiven Einsatz mit echten Berichtsvorlagen, speziell für ESF- und BMBF-konforme Zwischenberichte:

Quellen & Methodik

• CJD-Praxisbericht, Zeitaufwand Förderanträge: Sigu-Plattform für Soziale Innovationen, „Smarte Prozesse, bessere Texte: KI für Fördermittelanträge” (2025) — berichtet von Zeitreduktion eines ersten Berichtsentwurfs von „etwa einer Woche” auf „zehn Sekunden” durch KI-Einsatz beim CJD (Christliches Jugenddorfwerk Deutschland). URL: sigu-plattform.de
• MINT-vernetzt KI-Workshop, Praxistipps und Toolpreise: MINTvernetzt, „Erfolgreich Fördermittel beantragen mit KI” (2024). Mira Pape, zertifizierte Fördermittelberaterin, dokumentiert praktische Erfahrungen mit ChatGPT Plus (20 USD), Grantable (24 USD/Monat) und anderen Tools. URL: mint-vernetzt.de
• KI-Offenlegungspflicht bei Förderanträgen: Fundraising Evangelisch, „KI-unterstützte Fördermittelanträge” (2025) — Hinweis, dass Offenlegungspflicht entfällt, wenn KI-Inhalte durch zeichnungsberechtigte Person verantwortet werden. URL: fundraising-evangelisch.de
• ESF- und BMBF-Prüfanforderungen Zwischenbericht: VDI/VDE Innovation + Technik GmbH, „Zwischennachweis — FAQ BMBF-Förderung” (Stand 2025); BLE Merkblatt zur Erstellung von Berichten; Stiftung Datenschutz, Praxisleitfaden zur Anonymisierung personenbezogener Daten (2022).
• Dropout-Rate bei fehlender Schulung: Improvado, „AI Report Generation: Best Tools, Use Cases & Implementation Guide” (2026) — 40 % Toolabbruchrate bei Teams, die die Einführungsphase überspringen. URL: improvado.io
• DSGVO Art. 28 (AVV-Pflicht): Datenschutz-Grundverordnung in der aktuell gültigen Fassung. Stiftung Datenschutz, Praxisleitfaden zur Anonymisierung personenbezogener Daten.
• Zeitaufwand Berichtserstellung (2–5 Tage): Erfahrungswerte aus Fördermittelberatungspraxis, bestätigt durch Angaben bei sigu-plattform.de und fundraising-evangelisch.de.

Willst du wissen, welche deiner konkreten Berichtsvorlagen sich am besten für KI-Unterstützung eignen und wie ein Workflow für deine spezifische Förderkonstellation aussehen sollte? Meld dich — das klären wir in einem kurzen Gespräch.