Projektabschlussbericht automatisch erstellen

Das echte Ausmaß des Problems

In einer vierköpfigen Beratungsboutique kostet ein Projektabschlussbericht im Schnitt zwei bis drei Volltage — verteilt auf zwei bis drei Personen. Das sind 16 bis 24 Berater-Stunden, die nach Projektende anfallen, wenn das Team bereits mental im nächsten Projekt steckt und die Motivation, rückwärts zu schauen, auf dem Tiefpunkt ist.

Das PMI (Project Management Institute) schätzt, dass Projektabschluss-Dokumentation typischerweise 5–10 Prozent des gesamten Projektaufwands ausmacht. Bei einem dreimonatigen Projekt mit vier Beratern entspricht das etwa zwei bis vier Wochen kollektiver Arbeitszeit — der Abschlussbericht ist nur ein Teil davon, aber oft der sichtbarste Engpass. Ergebnisse werden fragmentiert aus verschiedenen Systemen zusammengetragen, Erkenntnisse aus dem Gedächtnis rekonstruiert, und Executive Summarys entstehen unter Zeitdruck kurz vor der Übergabe.

Die Konsequenzen sind dreifach: Erstens leidet die Qualität — Berichte werden kürzer und oberflächlicher, als das Projekt verdient. Zweitens geht Wissen verloren, das für künftige Projekte wertvoll wäre. Drittens: Abschlussberichte sind das wichtigste Rohmaterial für Referenzprojekte im Vertrieb. Wer sie halbherzig schreibt, gibt damit die stärkste Akquisitionswaffe aus der Hand.

Eine Harvard/BCG-Studie aus 2024 zeigt: Beraterinnen und Berater, die bei wissensintensiven Dokumentationsaufgaben mit Generativer KI arbeiten, erledigen diese Aufgaben 25,1 Prozent schneller und liefern Ergebnisse mit mehr als 40 Prozent höherer Qualität im Vergleich zu einer Kontrollgruppe ohne KI-Unterstützung. Der größte Hebel dabei liegt nicht im Schreiben, sondern im Strukturieren und Aggregieren — genau dem Teil, der bei Abschlussberichten die meiste Zeit kostet.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus Consulting-Praxis mit strukturiertem Prompt-Workflow und vorbereiteten Projektartefakten; stark abhängig von Qualität und Vollständigkeit der Eingabedokumente.

Anders als bei der Projektstatus-Automatisierung, die wöchentlich Zeitersparnis bringt, ist der Abschlussbericht ein einmaliges Ereignis pro Projekt — aber dafür mit einem hohen Kosten-pro-Ereignis, der sich KI-Unterstützung klar rechtfertigt.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Wer heute 16–24 Stunden in einen Abschlussbericht investiert, kann diesen Aufwand mit einem strukturierten KI-Workflow auf 4–6 Stunden reduzieren. Das ist real und messbar. Kein Score von 5, weil dieser Anwendungsfall im Gegensatz zur laufenden Projektdokumentation nur einmal pro Projekt eintritt — der tägliche Entlastungseffekt ist damit geringer als bei kontinuierlichen Prozessen.

Kosteneinsparung — mittel (3/5) Der Nutzen ist direkt: eingesparte Beraterstunden bei einem Tagessatz von 1.000–2.500 Euro machen 8–16 eingesparte Berater-Stunden schnell zu einem vierstelligen Betrag pro Projekt. Die Werkzeugkosten liegen bei 20–30 Euro pro Person und Monat — das Verhältnis ist günstig. Trotzdem kein höherer Score: Die Kosteneinsparung ist pro-Projekt klar, aber über das Jahr gerechnet hängt sie stark davon ab, wie viele Projekte abgeschlossen werden.

Schnelle Umsetzung — mittel (3/5) Mit einem NotebookLM-Notizbuch oder einem ChatGPT-Projekt kann man innerhalb eines Nachmittags einen ersten Pilotbericht erstellen. Der Weg zu einem verlässlichen, teamweit nutzbaren Workflow dauert 2–4 Wochen — Template-Entwicklung, Eingabestruktur, Qualitätssicherung. Kein Hochrisiko-Projekt, aber auch kein One-Click-Setup.

ROI-Sicherheit — hoch (4/5) Die Einsparung ist direkt messbar: Stunden gesparter Aufwand × Stundensatz oder Tagessatz des Beraters. Wer 10 Stunden einspart und mit 1.500 Euro Tagessatz rechnet, spart rund 1.875 Euro pro Projekt. Das ist transparent und nachvollziehbar — keine indirekten Effekte oder schwer isolierbare Nutzenpositionen wie bei manchen anderen KI-Anwendungen.

Skalierbarkeit — gut (4/5) Das Prompt-Template lässt sich auf alle Projekttypen anwenden — Strategie, IT-Implementierung, Change Management, M&A-Begleitung. Kein linearer Mehraufwand mit wachsender Projektzahl. Kein Score von 5, weil jeder generierte Bericht inhaltliche Prüfung durch eine fachkundige Person erfordert — das KI-System kann das Projekt nicht verstehen, es kann die Artefakte nur strukturieren. Der menschliche Verifikationsaufwand skaliert mit.

Richtwerte — stark abhängig von Projektvolumen, Dokumentationsqualität und Komplexität des Mandats.

Was der Generator konkret macht

Der Kernprozess ist konzeptionell einfach: Du gibst dem Sprachmodell alle verfügbaren Projektartefakte und einen strukturierten Prompt, das Modell synthetisiert daraus einen Berichtsentwurf.

In der Praxis bedeutet das:

Schritt 1 — Artefakte sammeln. Alle Dokumente, die das Projekt dokumentieren, werden in einer Sitzung zusammengeführt: Statusberichte, Protokolle, Abschlusspräsentation, Kundenfeedback, Risikoliste, offene Punkte. Das muss die Beraterin oder der Berater selbst tun — dieser Schritt ist nicht automatisierbar, aber strukturierbar. Eine Checkliste, die mit dem Projekt startet, macht das am Ende deutlich schneller.

Schritt 2 — Kontext an das Modell übergeben. In einem Tool mit großem Kontextfenster (NotebookLM, ChatGPT Projects oder Claude) werden die Artefakte hochgeladen. Das Modell liest alle Dokumente und kann daraus Querverweise, Kernthemen und Abweichungen extrahieren — ohne dass man selbst jedes Dokument noch einmal liest.

Schritt 3 — Strukturierter Prompt. Ein Prompt gibt dem Modell die Abschnitte des Berichts vor: Executive Summary, Projektziele vs. tatsächliche Ergebnisse, Meilensteine und Abweichungen, Lessons Learned, offene Punkte, Empfehlungen. Das Modell generiert einen Entwurf — kein Fertigprodukt, aber eine überarbeitungsfähige Vorlage, die 70–80 Prozent des Redaktionsaufwands bereits erledigt hat.

Schritt 4 — Prüfen und ergänzen. Die Beraterin oder der Berater liest den Entwurf auf Lücken und Fehler durch. Zwei Aufgaben bleiben: fachliche Bewertungen einfügen, die keine Artefakte haben, und Halluzinationen ausschließen (dazu mehr im Fehler-Abschnitt).

Das Ergebnis ist kein KI-Bericht — es ist der Bericht des Beraters, der mit KI-Unterstützung schneller und vollständiger entstanden ist.

Wenn die Projektdaten über sechs Tools verteilt sind

Das ist das eigentliche Problem. Nicht das Schreiben — das Zusammenführen.

Ein typisches Beratungsprojekt hinterlässt Spuren in mindestens fünf bis sieben Systemen: Confluence oder SharePoint für die Dokumentation, Jira oder Asana für Aufgaben, Microsoft Teams oder Slack für asynchrone Kommunikation, Zoom- oder Teams-Transkripte für Meetings, E-Mail für Kundenkommunikation, OneDrive oder Google Drive für Präsentationen, manchmal noch ein Projektmanagement-Tool wie monday.com.

Das KI-System bekommt nur das, was du ihm gibst. Wenn du drei von sieben Quellen hochlädst, generiert es einen Bericht auf Basis von drei von sieben Quellen. Und du wirst es oft erst im Feedback-Gespräch mit dem Kunden merken — wenn eine zentrale Projektentscheidung nicht im Bericht auftaucht, weil sie nur in einer E-Mail-Kette war.

Was in der Praxis hilft:

Starte mit dem Abschlussbericht-Input beim Projekt-Kick-off. Führe ein einfaches “Bericht-Notizbuch” — ein gemeinsames Dokument, in das alle beteiligten Personen projektbegleitend notieren, was für den Abschlussbericht relevant ist: wichtige Entscheidungen, Abweichungen vom Plan, Kundenfeedback in Meilensteingesprächen. Nicht als Protokoll — als Materialsammlung. Das kostet pro Woche 10–15 Minuten und halbiert den Aggregationsaufwand am Ende.

Alternativ: Verwende ein Meeting-Transkriptions-Tool wie Fireflies.ai oder Otter.ai für alle internen und Kundenmeetings. Diese Transkripte sind für den Abschlussbericht Gold wert — sie enthalten Entscheidungen, Begründungen und Kundenstimmen, die sonst verloren gehen. Das klappt gut mit der Kick-off-Dokumentation: Wer am Anfang sauber dokumentiert, hat am Ende weniger zu rekonstruieren.

Wenn am Ende trotzdem sechs Quellen vorliegen: Nicht alles hochladen, sondern priorisieren. Was sind die drei bis vier Dokumente, die das Projekt am vollständigsten abbilden? In der Regel: die letzte Abschlusspräsentation, der letzte Statusbericht, die Projektstruktur/WBS und das Protokoll des Abschluss-Meetings. Mit diesen vier Quellen lässt sich ein guter Entwurf erstellen — der Rest dient der Verifikation.

Konkrete Werkzeuge — was wann passt

NotebookLM — der kostenlose Einstieg Upload von PDFs, Word-Dateien, Google Docs, PowerPoints. NotebookLM fasst die Dokumente zusammen und beantwortet Fragen darüber — ideal, um zuerst Kernthemen und Lessons Learned aus den Artefakten zu destillieren, bevor man den eigentlichen Prompt für den Bericht ansetzt. Kein EU-Hosting (Google-Server USA) — für Mandantendaten erst nach Datenschutzprüfung nutzen. Kostenlos bis 50 Quellen pro Notizbuch.

ChatGPT mit Projects — für strukturierten Teamworkflow ChatGPT Projects ermöglichen das Hochladen und Speichern von Projektdokumenten in einem eigenen Bereich, auf den im Verlauf der gesamten Berichtsarbeit zugegriffen werden kann. Geeignet für Einzelberater oder kleine Teams. Free- und Plus-Pläne nutzen Eingaben standardmäßig für Modell-Training (Opt-out möglich); ab Business-Plan kein Training auf eigenen Daten und stärkere Datenschutzgarantien. Preis: ab 23 EUR/Person/Monat (Team-Plan).

Claude mit Projects — für lange Dokumente Claudes Stärke ist das Kontextfenster von 200.000 Tokens — das entspricht etwa 500 Buchseiten. Wer umfangreiche Projektdokumentation auf einen Schlag verarbeiten will, ohne in mehrere Portionen aufzuteilen, hat damit mehr Spielraum als mit vielen Wettbewerbern. Qualitativ stark bei strukturierten Texten. Kein EU-Hosting im Consumer-Plan (claude.ai); für DSGVO-sensible Mandantendaten nur über AWS Bedrock (Frankfurt) oder Enterprise-Plan nutzbar. Pro-Plan: ab 20 EUR/Monat.

Microsoft 365 Copilot — für Teams im M365-Ökosystem Wenn das Projekt in SharePoint, Teams und OneNote dokumentiert ist, kann Copilot direkt über alle M365-Inhalte suchen und zusammenfassen. Kein Upload nötig — das System durchsucht die vorhandene Struktur. EU Data Boundary verfügbar, DSGVO-konformer als viele Alternativen. Nachteil: Hoher Preis (ca. 15,60 EUR/Person/Monat zusätzlich zur M365-Lizenz) und die tatsächliche Nutzungsrate liegt laut Marktdaten 2026 bei nur 3–4 % der gekauften Lizenzen, weil der Einstieg mehr Change Management erfordert als erwartet.

meinGPT oder CompanyGPT — bei Mandaten mit strengen Datenschutzanforderungen Für Projekte, bei denen Kundendaten, Strategiepapiere oder vertrauliche Finanzdaten in den Bericht-Kontext fließen, bieten meinGPT (Deutschland-Hosting, ISO 27001) und CompanyGPT (EU-Hosting, DSGVO-konform) die sicherste Alternative zu US-Diensten. Teurer (ab 29 EUR/User/Monat), aber der einzig saubere Weg, wenn der Mandant keine explizite Freigabe für US-Cloud-Verarbeitung gegeben hat.

Zusammenfassung: Wann welcher Ansatz

• Kein DSGVO-Problem, Einstieg kostenlos: NotebookLM
• Einzelberater oder kleines Team, strukturierter Workflow: ChatGPT Projects
• Sehr lange Dokumentenbasis auf einmal verarbeiten: Claude
• M365 bereits im Einsatz, EU-Compliance wichtig: Microsoft 365 Copilot
• Strenge Vertraulichkeitsklauseln, Mandantendaten im Prompt: meinGPT oder CompanyGPT

Datenschutz und Datenhaltung

Projektabschlussberichte enthalten fast immer schützenswerte Daten: Kundennamen, Vertragsdetails, Strategiepläne, Personalentscheidungen, Finanzkennzahlen. Sobald diese Daten in ein KI-System fließen, gelten die DSGVO-Anforderungen — für das System selbst und für alle dahinterliegenden Cloud-Dienste.

Die entscheidende Frage ist nicht nur datenschutzrechtlich, sondern auch vertraglich: Erlaubt der Beratervertrag oder ein separates NDA die Verarbeitung von Kundendaten durch Drittdienste? Viele Mandantenverträge enthalten Klauseln, die Subunternehmer-Freigaben erfordern. Ein KI-Tool, das Kundendaten verarbeitet, ist ein Subunternehmer im Sinne von Art. 28 DSGVO — mit AVV-Pflicht.

In der Praxis bedeutet das:

• US-gehostete Consumer-Tools (NotebookLM, ChatGPT Free/Plus, claude.ai) sollten für echte Mandantendaten nur genutzt werden, wenn du die Datenschutzlage mit dem Kunden geklärt hast und ein AVV mit dem Tool-Anbieter vorliegt.
• US-gehostete Business/Enterprise-Pläne (ChatGPT Business/Enterprise, Claude Enterprise) bieten AVV und keine Trainingsnutzung — das ist besser, aber die Verarbeitung liegt weiterhin in den USA.
• EU-Hosting mit AVV (Microsoft 365 Copilot mit EU Data Boundary, meinGPT, CompanyGPT) ist die sauberste Lösung für sensible Mandate — und oft die einzige, die ohne Rückfrage beim Mandanten genutzt werden kann.

Praktische Lösung: Trenne inhaltliche Roharbeit von vertraulichen Details. Nutze das KI-System für die Struktur und die nicht-sensiblen Teile (Projektmeilensteine, Lessons Learned auf Prozessebene) — und ergänze danach manuell die Inhalte, die nicht in externe Systeme dürfen. Das ist weniger elegant als ein vollständiger Workflow, aber in vielen Mandatssituationen das pragmatisch Richtige.

Was es kostet — realistisch gerechnet

Werkzeugkosten (monatlich)

• NotebookLM: kostenlos (Basisversion, bis 50 Quellen)
• ChatGPT (Team-Plan): ca. 23 EUR/Person/Monat
• Claude (Pro): ab 20 EUR/Monat
• Microsoft 365 Copilot: 15,60 EUR/Person/Monat zusätzlich zur M365-Lizenz
• meinGPT: 29 EUR/Person/Monat
• CompanyGPT: ab ca. 580 EUR/Monat Infrastruktur + 29 EUR/User/Monat

Für eine vierköpfige Boutique-Beratung: 80–120 EUR/Monat für ein Team-Tool — oder weniger, wenn nur einzelne Personen den Abschlussberichtworkflow nutzen.

Was du dagegenrechnen kannst Wer pro Projekt 10–16 Stunden einspart und mit einem Tagessatz von 1.500 EUR arbeitet, spart rund 1.900 bis 3.000 EUR je Projekt. Bei acht abgeschlossenen Projekten pro Jahr ergibt das eine Jahreseinsparung von 15.000–24.000 EUR an Berater-Opportunity-Cost. Auch im konservativen Szenario (50 Prozent der theoretischen Einsparung) rechtfertigt das die Werkzeugkosten mehrfach.

Wie du den ROI tatsächlich misst Nicht durch theoretische Kalkulation, sondern durch direkte Zeiterfassung. Wie lange brauchst du für den nächsten Abschlussbericht — mit und ohne KI-Unterstützung? Das reicht als erster Beleg. Wer mehrere Berichte vergleicht, hat nach drei Projekten genug Daten für eine ehrliche Einschätzung.

Einmalige Einrichtungskosten Kein Setup, das technische Infrastruktur erfordert. Der wesentliche Aufwand liegt in der Entwicklung eines stabilen Prompt-Templates (2–4 Stunden) und der Einigung auf eine Eingabestruktur im Team (1 Meeting). Das ist alles.

Drei typische Einstiegsfehler

1. Zu viel auf einmal hochladen. Der Impuls: Alle 23 Confluence-Seiten, alle E-Mail-Ketten, alle Jira-Tickets. Das Ergebnis ist ein Bericht, der klingt als hätte jemand alle Dokumente gleichzeitig zusammengefasst — weil genau das passiert ist. Prioritäten setzen: Welche vier bis sechs Dokumente bilden den Projektverlauf am vollständigsten ab? Mit diesen starten, den Rest für Nachfragen bereithalten.

2. Den Entwurf ohne Verifikation abgeben. Das ist der gefährlichste Fehler — und er ist schwerer zu sehen als die anderen, weil der Entwurf gut aussieht.

Der Fall Deloitte Australia ist das prominenteste Beispiel: 2025 enthielt ein mit Azure OpenAI/GPT-4o generierter Abschnitt eines Beratungsberichts für die australische Regierung zwölf Referenzen auf eine erfundene akademische Studie und ein frei erfundenes Zitat eines Bundesrichters. Der Bericht hatte einen Auftragswert von A$440.000. Deloitte musste einen Teil des Honorars zurückzahlen. Die Halluzination war nicht offensichtlich — der Text klang glaubwürdig und korrekt.

Für Projektabschlussberichte bedeutet das: Jede Quellenangabe prüfen. Jede Zahl gegenüber den Originaldokumenten verifizieren. Jede Behauptung über Projektziele mit dem ursprünglichen Scope-Dokument abgleichen. Das ist nicht optional.

3. Das Prompt-Template nicht dokumentieren. Der erste Bericht, den man so erstellt, ist gut. Der zweite, wenn man das Prompt nicht aufgeschrieben hat und nach Gefühl nochmal etwas anderes probiert, ist inkonsistenter. Und spätestens wenn eine Kollegin oder ein Kollege den Prozess übernehmen soll, fehlt die Grundlage. Wer das Template nach dem ersten Pilotbericht nicht fixiert, baut keine Routine — sondern macht jedes Mal wieder Improvisation.

4. Maintenance vergessen: Das Template veraltet mit dem Unternehmen. Wenn sich das Reporting-Format mit einem neuen Kunden ändert, wenn ein neuer Abschnitt im Template aufgenommen werden soll, wenn das Unternehmen neue regulatorische Anforderungen hat — dann muss das Template aktualisiert werden. Niemand erinnert sich daran, wenn es keinen fixen Verantwortlichen und keinen Kalender-Anlass gibt. Jährliche Template-Review, 30 Minuten, eine Person zuständig — das reicht.

Was mit der Einführung wirklich passiert

In Beratungen ist die erste Reaktion auf KI-gestützte Berichterstellung oft eine Mischung aus Skepsis und neugierigem Abwarten. Zwei Widerstands-Muster tauchen regelmäßig auf:

Die Qualitätsbeauftragten. Beraterinnen und Berater, die viel Stolz in ihre schriftliche Arbeit investieren, reagieren auf den Gedanken, dass ein Sprachmodell ihren Abschlussbericht schreibt, mit echtem Widerstand — manchmal auch Ablehnung. Das ist kein irrationales Verhalten. Ihr Einwand ist: Ein Bericht ist kein generisches Dokument, er ist eine Positionierung unserer Arbeit gegenüber dem Kunden. Das stimmt. Die Antwort darauf ist nicht „das Modell macht es genauso gut”, sondern: Das Modell macht den Entwurf, du machst den Bericht. Der Unterschied liegt in der Überarbeitungsstufe.

Die Tool-Abstinenzler. Wer noch kein KI-Tool regelmäßig nutzt, wird den Abschlussbericht nicht als guten Einstiegspunkt sehen. Das ist umgekehrt richtig: Der Abschlussbericht ist einer der besten Einstiegspunkte, weil der Kontext klar ist, das Ergebnis sofort bewertbar ist und der Fehler keine direkten Kundenschäden auslöst. Es ist ein internes Dokument, das man vor dem Versand prüft.

Was hilft:

• Einen Bericht als Pilotprojekt mit dem gesamten Team gemeinsam erstellen — nicht als Demo, sondern als echter Arbeitsworkflow
• Das Ergebnis ehrlich vergleichen: Qualität, Vollständigkeit, Zeitaufwand
• Den Prompt danach gemeinsam verfeinern — das erzeugt kollektive Ownership
• Klar kommunizieren: Der Berater unterschreibt den Bericht, nicht das Modell

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Der Abschlussbericht ist zu individuell — ein Template funktioniert nicht.” Das Argument verkennt, was ein Template ist: nicht der Inhalt, sondern die Struktur. Jeder Abschlussbericht hat Executive Summary, Ergebnisse vs. Ziele, Lessons Learned, offene Punkte, Empfehlungen — unabhängig vom Projekttyp. Die inhaltliche Individualität entsteht durch die Artefakte, nicht durch das Template. Das Modell füllt die Struktur mit dem, was das konkrete Projekt produziert hat.

„Wir können dem KI-Tool keine Kundendaten geben.” Das ist ein berechtigtes Argument — für US-Consumer-Tools ohne AVV. Es ist kein Argument gegen KI-gestützte Berichterstellung generell. meinGPT und CompanyGPT sind genau für diesen Anwendungsfall gebaut. Alternativ: Anonymisierte Artefakte einsetzen, Kundennamen durch Platzhalter ersetzen, Zahlen auf Prozentbasis statt absolut angeben — und nach der KI-Generierung die Originaldaten einfügen.

„Das ist doch nur ein Entwurf — dann kann ich auch gleich selbst schreiben.” Der entscheidende Unterschied ist der Aggregationsaufwand. Der Berater schreibt nicht an einem leeren Dokument — er kämpft mit 23 Confluence-Seiten, fünf Statusberichten und drei E-Mail-Ketten. Das Modell macht diese Aggregationsarbeit, nicht das Schreiben. Wer selbst schreibt, macht beides. Das ist der Zeitunterschied.

Woran du merkst, dass das zu dir passt

• Du schreibst mehr als drei Projektabschlussberichte pro Jahr und der Aufwand ist jedes Mal eine Zumutung
• Deine Projektartefakte liegen in mindestens drei verschiedenen Tools — Confluence, E-Mail, SharePoint, Jira
• Das Team hat beim letzten Abschluss Lessons Learned “aus dem Gedächtnis” rekonstruiert, weil niemand sie systematisch dokumentiert hat
• Deine Abschlussberichte werden als Referenzprojekte in Angeboten verwendet — und du weißt, dass bessere Berichte euch im Vertrieb helfen würden
• Der Abschlussbericht kommt regelmäßig Wochen nach Projektende — weil alle längst im nächsten Projekt stecken

Wann es sich nicht lohnt — drei Ausschlusskriterien:

1. Unter drei abgeschlossenen Projekten pro Jahr. Der Aufwand für Template-Entwicklung, Tool-Einführung und Routineetablierung amortisiert sich erst bei regelmäßiger Wiederholung. Wer einmal im Jahr einen Abschlussbericht schreibt, ist mit einem guten Word-Template besser bedient.

2. Projektdokumentation entsteht ad hoc und unsystematisch. Wenn die einzigen verlässlichen Artefakte am Projektende in E-Mail-Ketten und Gedächtnisprotokollen stecken, ist das KI-Problem kein Schreib-, sondern ein Dokumentationsproblem. Schritt eins ist dann die Projektdokumentation grundsätzlich zu strukturieren — erst dann macht der KI-Abschlussbericht Sinn.

3. Mandate mit strikten Vertraulichkeitsklauseln ohne explizite Drittdienstfreigabe. Wenn der Beratervertrag keine Subunternehmer-Freigabe für KI-Tools enthält und der Mandant nicht erreichbar ist, um das zu klären, bleibt nur eine Option: entweder ohne Mandantendaten arbeiten (Artefakte anonymisieren) oder auf KI-Unterstützung für diesen Bericht verzichten. Das ist ärgerlich, aber rechtlich die saubere Lösung.

Das kannst du heute noch tun

Öffne NotebookLM — kostenlos, kein Account nötig außer einem Google-Konto — und lade die vier wichtigsten Artefakte eures letzten abgeschlossenen Projekts hoch: Abschlusspräsentation, letzten Statusbericht, Protokoll des Abschluss-Meetings und ein Dokument mit den ursprünglichen Projektzielen.

Stell dem Notizbuch eine Frage: “Was waren die drei wichtigsten Erkenntnisse aus diesem Projekt?” Schau, was zurückkommt. Das dauert 15 Minuten und zeigt dir sofort, ob der Ansatz für dein Material funktioniert — bevor du einen Cent ausgibst.

Wenn du einen vollständigen Berichtsentwurf generieren willst, hier ein strukturierter Prompt, den du direkt verwenden kannst:

Quellen & Methodik

• BCG/Harvard Business School Studie 2024: Faraj, Samer et al. (2024), „Generative AI Instantly Elevates the Aptitude of Knowledge Workers: Consultants Achieve up to 49 Percentage Point Improvement on Complex Tasks Outside Their Skillset”, BCG Press Release, 5. September 2024 (bcg.com). Kernbefund: Beraterinnen und Berater mit GPT-4-Zugang erledigten Dokumentationsaufgaben 25,1 Prozent schneller und lieferten Ergebnisse mit mehr als 40 Prozent höherer Qualität.
• Deloitte Australia / Halluzination-Fallstudie: Fortune, „Deloitte was caught using AI in $290,000 report to help the Australian government crack down on welfare after a researcher flagged hallucinations”, 7. Oktober 2025 (fortune.com). Incident Database AI, Incident #1193. Bericht enthielt 12 fabrizierte Quellen-Referenzen und ein erfundenes Richterzitat; Deloitte zahlte einen Teil des Honorars zurück.
• PMI-Richtwert Projektabschluss-Aufwand: Project Management Institute, „A Guide to the Project Management Body of Knowledge (PMBOK Guide)” 7th Edition (2021). Schätzung 5–10 Prozent des Gesamtaufwands für Abschlussaktivitäten.
• Werkzeugpreise: Veröffentlichte Tarife von OpenAI (ChatGPT Team), Anthropic (Claude Pro), Microsoft (M365 Copilot), Google (NotebookLM), SelectCode (meinGPT), 506.ai (CompanyGPT) — Stand Mai 2026.
• Art. 28 DSGVO (AVV): Datenschutz-Grundverordnung in der aktuell gültigen Fassung; Bundesbeauftragter für den Datenschutz und die Informationsfreiheit, „Handreichung KI”, Dezember 2025.

Du willst wissen, welches Tool für dein spezifisches Mandatsumfeld und deine Dokumentationsstruktur am besten passt — und wie ein sauberes Prompt-Template für euren Berichtstyp aussieht? Meld dich — das klären wir in einem kurzen Gespräch.