Stakeholder-Kommunikation automatisieren

Das echte Ausmaß des Problems

Stakeholder-Kommunikation ist eine der heimlichen Zeitfallen in der Unternehmensberatung. Die inhaltliche Arbeit — Analyse, Bewertung, Handlungsempfehlung — ist sichtbar und wird berechnet. Die Übersetzungsarbeit danach ist es nicht.

In einem McKinsey-Bericht zur Produktivität in Professional Services (2024) beschreibt eine Kommunikationsspezialistin, dass sie früher 60 Prozent ihrer Arbeitszeit damit verbrachte, Inhalte für verschiedene Zielgruppen zu synthetisieren. Mit Generativer KI sind es noch 10 Prozent. Das ist kein Versprechen eines Anbieters — es ist eine dokumentierte Praxisbeobachtung.

Für Beratungsprojekte konkret: Bei einem typischen Lenkungsausschuss-Zyklus mit drei bis fünf unterschiedlichen Stakeholder-Gruppen entstehen 3–5 Stunden Kommunikationsaufwand pro Runde — nur für Umformulierung, Priorisierung und Tonalitätsanpassung, nicht für die inhaltliche Analyse. Bei wöchentlichem Rhythmus sind das 15–20 Stunden im Monat. Pro Berater. Das ist reale Kapazität, die weder dem Kunden noch dem Projekt zugutekommt.

Das Problem hat drei Schichten:

• Die Tiefenebene: Stakeholder haben unterschiedliches Informationsbedürfnis. Ein CFO will wissen, ob das Budget hält. Die IT-Abteilung will Schnittstellenspezifikationen. Der Betriebsrat will wissen, ob Stellen betroffen sind. Einheitsbrei bedient niemanden.
• Die Tonebene: C-Level-Kommunikation ist direkt und strategisch. Fachabteilungen wollen Kontext und Details. Mitarbeitende brauchen Sicherheit und klare Handlungsanweisung. Wer denselben Ton überall einsetzt, verliert die Hälfte der Leserschaft.
• Die Zeitebene: Der Donnerstagabend passiert nicht am Montag, wenn alle ausgeruht sind. Er passiert am Ende einer langen Projektwoche — wenn die kognitive Kapazität am niedrigsten ist und die Fehlerrate für Tonalitätsmissgriffe am höchsten.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zahlen in der ersten Spalte sind Erfahrungswerte aus Beratungsprojekten — keine repräsentative Studie. Die zweite Spalte zeigt erreichbare Werte, wenn Personas sorgfältig kalibriert sind und die inhaltliche Analyse sauber vorbereitet wurde. Wer die Vorarbeit spart, spart auch die Zeitersparnis.

Einschätzung auf einen Blick

Zeitersparnis — stark (4/5)
Drei bis fünf Stunden pro Kommunikationsrunde sind bei fünf Stakeholder-Gruppen realistisch einzusparen. Das macht diesen Use Case zu einem der stärksten Zeithebel in der Berater-Tagesarbeit. Warum nicht die Höchstnote? Weil die Qualitätskontrolle — das kritische Lesen jedes Entwurfs vor dem Versand — nicht wegfällt. Wer das unterschätzt, riskiert einen Tonalitätsmissgriff, der mehr Schaden anrichtet als die eingesparte Stunde wert ist.

Kosteneinsparung — gering (2/5)
Die Einsparung ist real, aber indirekt: Du sparst Beraterkapazität, die nicht als separate Kostenposition sichtbar ist. Das ist ein anderer Hebel als bei der Due-Diligence-Dokumentenanalyse, wo stundengenaue Kosten gegen Softwarekosten gerechnet werden können. Stakeholder-Kommunikation ist schwerer zu isolieren — und im Controlling selten eine eigene Zeile. Niedrigster Wert in dieser Kategorie innerhalb der Vergleichsanwendungsfälle, weil der Nachweis auf Ebene einzelner Kostenpositionen kaum gelingt.

Schnelle Umsetzung — gut (4/5)
Eine erste Persona-Bibliothek mit drei bis vier Stakeholder-Typen lässt sich in einer Woche aufbauen und testen. Der Unterschied zu noch einfacheren Use Cases wie der Kick-off-Dokumentation: Personas müssen kalibriert werden — der erste Entwurf ist selten gut genug. Plane zwei bis drei Feedback-Runden ein, bevor du die Bibliothek auf alle Projekte ausweitest.

ROI-Sicherheit — mittel (3/5)
Zeitersparnis ist messbar: Wie viele Stunden hat Lea am Donnerstagabend verbracht, vor und nach der Einführung? Aber ob die Kommunikationsqualität gestiegen ist — ob Stakeholder besser informiert, schneller entscheiden, weniger nachfragen — das ist schwerer zu belegen. Subjektive Rückmeldungen helfen, aber ersetzen keine harten Zahlen. Wer ROI sauber nachweisen will, muss die Messung vor der Einführung planen, nicht danach.

Skalierbarkeit — maximal (5/5)
Das ist der stärkste Hebel dieses Use Cases: Eine einmal aufgebaute Persona-Bibliothek skaliert auf alle Projekte, alle Kommunikationsanlässe und alle Teammitglieder gleichzeitig. Neues Projekt, neue Stakeholder-Konstellation — die Bibliothek wird angepasst, nicht neu gebaut. Kein vergleichbarer Use Case in dieser Kategorie bietet dieselbe Hebelwirkung über Projekte und Teams hinweg.

Richtwerte — stark abhängig von Projektgröße, Anzahl der Stakeholder-Gruppen und Qualität der inhaltlichen Vorarbeit.

Was das System konkret macht

Der technische Mechanismus ist einfacher als er klingt: Du gibst dem LLM eine Persona-Definition für jede Stakeholder-Gruppe — eine präzise Beschreibung, wer diese Person ist, was sie wissen will, was sie nicht interessiert, welchen Ton sie bevorzugt, welche Themen heikel sind. Dann gibst du den inhaltlichen Kern ein — die Rohinformationen, die sowieso aufbereitet werden. Das System übersetzt, segmentiert und formuliert um — und du prüfst und korrigierst.

Das Resultat sind keine fertig versandbereiten Dokumente. Es sind qualitativ hochwertige Entwürfe, die eine echte Überarbeitungsrunde von 10–15 Minuten benötigen — statt einer Neuerstellung von 60–90 Minuten.

Die Schritte im Alltag

1. Inhalt vorbereiten: Stichpunkte, Zahlen, Risikoeinschätzungen — alles, was du sowieso im Kopf oder im Notebook hast, in einen strukturierten Block bringen. 10–20 Minuten.

2. Persona auswählen: Aus der Bibliothek die Stakeholder-Gruppe wählen. Nicht neu schreiben — aufrufen.

3. Generieren: Das System erstellt den Entwurf. 30–60 Sekunden.

4. Prüfen und anpassen: Fakten verifizieren, Ton nachjustieren, Firmenpolitik berücksichtigen. 10–15 Minuten pro Version. Das ist der Schritt, der nicht wegfällt — und nicht wegfallen sollte.

5. Wiederholen: Nächste Persona, nächste Version.

Was klingt wie eine Kleinigkeit — die Schritt-4-Verifikation — ist der wichtigste Teil. Ein Halluzinations-freier Entwurf ist keine Selbstverständlichkeit. Deloitte fand in einer Studie von 2024, dass 38 Prozent der Führungskräfte falsche Entscheidungen auf Basis von AI-generierten Ausgaben getroffen haben. In der Stakeholder-Kommunikation bedeutet ein Fehler oft nicht nur eine Korrektur-E-Mail — es bedeutet verlorenes Vertrauen beim Kunden.

Persona-Bibliothek aufbauen — die eigentliche Arbeit

Das ist der Schritt, den viele unterschätzen. Eine gute Persona-Bibliothek ist nicht ein Satz Prompts, die du irgendwo kopiert hast. Sie ist eine strukturierte Beschreibung deiner echten Stakeholder — spezifisch für dein Beratungsfeld, deinen typischen Kundentypus und deine gängigen Projektsituationen.

Was eine gute Persona enthält:

• Rolle und Entscheidungskontext: Wer ist diese Person? Welche Entscheidungen trifft sie auf Basis des Updates? Der CFO entscheidet über Budget-Freigaben. Der Betriebsrat entscheidet über Zustimmung oder Widerstand. Die IT-Abteilung entscheidet über Ressourcenplanung.

• Informationshierarchie: Was will diese Person zuerst wissen? Was ist ihr nichts wert? Für einen Lenkungsausschuss: Budget-Status, Meilensteine, Eskalationsbedarfe — in dieser Reihenfolge. Technische Details: letzte Folie, kleiner.

• Sprachliche Konventionen: C-Level kommuniziert anders als Projektteam. Kurzform statt Erklärung, Entscheidung statt Prozess, Ergebnis statt Weg. Das muss explizit in die Persona — nicht implizit überlassen.

• Heiße Themen und Tabu-Bereiche: Was in diesem Projekt politisch sensibel ist. Beim Betriebsrat z.B.: niemals “Effizienz” oder “Optimierung” ohne sofortigen Kontext, niemals Anzahl betroffener Stellen ohne Mitbestimmungsrahmen.

• Dokumentformat und Umfang: Eine E-Mail ist keine PowerPoint-Folie. Ein Executive Summary ist kein detaillierter Bericht. Das Format gehört in die Persona, nicht in jeden Prompt.

Wie du die Bibliothek aufbaust:

Starte mit den zwei oder drei Stakeholder-Typen, mit denen du täglich arbeitest. Schreib für jeden eine halbe Seite Personas-Beschreibung. Teste sie an echten Inhalten — nicht Musterinhalten. Lass eine Kollegin oder einen Kollegen die Entwürfe bewerten: Klingt das nach dem CFO, den wir kennen? Wenn nicht, wo ist der Ton falsch? Drei bis vier Feedback-Iterationen reichen, um eine brauchbare Persona zu kalibrieren.

Die fertige Bibliothek speicherst du als Prompt-Vorlage im KI-Tool deiner Wahl. Bei Claude in einem Project, bei ChatGPT in einem Custom GPT oder einem System-Prompt. Das System kennt die Persona dauerhaft — nicht nur für diese Session.

Konkrete Werkzeuge — was wann passt

Claude — für Beratungsprojekte mit komplexem Inhalt
Claude schreibt differenzierter als viele Wettbewerber — besonders bei Nuancen in der Tonalität. Für den CFO-Brief, der gleichzeitig Dringlichkeit und Kontrolle kommunizieren soll, ohne Panik zu erzeugen, ist das relevant. Claude-Projekte erlauben es, Personas dauerhaft zu hinterlegen — kein Neu-Eingeben bei jeder Session. Kosten: 20 USD/Monat (Pro) oder 25 USD/Nutzer/Monat (Team). Für Teams mit Kundendaten: Team-Plan Pflicht, kein Training auf Eingaben. Datenhaltung US-seitig — für vertrauliche Mandanteninformationen Vorsicht geboten, Team- oder Enterprise-Plan mit AVV nötig.

ChatGPT — für Teams, die bereits im OpenAI-Ökosystem arbeiten
Custom GPTs ermöglichen es, vorgefertigte Personas als eigene Assistenten zu hinterlegen. “CFO-Update-Assistent” als Custom GPT, der den richtigen Ton kennt. Breiteres Plugin-Ökosystem als Claude, aber in der Schreibqualität für nuancierte Texte leicht im Nachteil. ChatGPT Plus: 20 USD/Monat. Für Unternehmenseinsatz: ChatGPT Team (30 USD/Nutzer/Monat) oder Enterprise. Ebenfalls US-gehostet.

Microsoft 365 Copilot — für Teams in der Microsoft-Welt
Wenn Stakeholder-Kommunikation hauptsächlich über Outlook, Teams und Word läuft, ist M365 Copilot die naheliegendste Lösung. Copilot verfasst E-Mails, passt Ton und Länge an und arbeitet direkt im gewohnten Workflow. Kosten: ab 15,60 EUR/Person/Monat als Add-on. EU-Datenhosting verfügbar — relevanter Vorteil gegenüber Claude und ChatGPT für datenschutzsensible Projekte. Weniger flexibel bei sehr spezifischen Persona-Definitionen als Claude-Projekte.

Gamma — wenn verschiedene Stakeholder unterschiedliche Präsentationsformate brauchen
Nicht alle Stakeholder-Kommunikation läuft über E-Mail oder PDF. Gamma erstellt aus Stichpunkten visuelle Präsentationen und Dokumente — und passt Format und Tiefe auf Knopfdruck an. Für Executive Summaries als Slideshow oder Betriebsrat-Briefings als visuell strukturierte Übersicht. Kostenlos (mit Branding) oder ab 10 USD/Monat. Ergänzung, kein Ersatz für die textbasierten Workflows.

Make.com — für automatisierte Kommunikations-Pipelines
Wenn Stakeholder-Kommunikation regelmäßig und nach festem Schema läuft (wöchentlicher Status an vier Empfängergruppen), lässt sich der Prozess via Make.com teil-automatisieren: Daten aus einem Projektmanagementsystem einholen, durch LLM-Persona-Prompts verarbeiten, als Entwürfe in geteilte Dokumente schreiben. Erfordert Setup-Aufwand von ein bis zwei Tagen — lohnt sich ab etwa zwölf Projekten gleichzeitig.

Zusammenfassung: Wann welcher Ansatz

• Hohe Anforderungen an Tonalität, nuanciertes Schreiben → Claude
• Teams bereits im OpenAI-Ökosystem → ChatGPT
• Microsoft-365-Umgebung, EU-Datenhosting gewünscht → Microsoft 365 Copilot
• Präsentationen für verschiedene Stakeholder-Formate → Gamma
• Regelmäßige Kommunikationszyklen automatisieren → Make.com

Datenschutz und Datenhaltung

Stakeholder-Kommunikation enthält fast immer vertrauliche Projektinformationen — Budgetzahlen, Personalentscheidungen, Risikoeinschätzungen, M&A-Details. Das sind Daten, die nicht in einen kostenlosen KI-Account eingegeben werden dürfen.

Die wichtigsten DSGVO-Punkte für Beratungsunternehmen:

AVV ist Pflicht, keine Option. Wer Projektinformationen mit Personenbezug — Mitarbeiterdaten aus Organisationsanalysen, Kundendaten aus CRM-Auswertungen, Gehaltsbänder aus HR-Projekten — an einen KI-Dienst übergibt, braucht einen Auftragsverarbeitungsvertrag (Art. 28 DSGVO). Das gilt auch dann, wenn die Eingaben anonymisiert wirken: Kombinationseffekte können Personenbezug herstellen.

• Claude Team/Enterprise: AVV verfügbar, aber Datenhosting in den USA. Für streng vertrauliche Mandanteninformationen Claude über AWS Bedrock Frankfurt einbinden — das verlangt Cloud-Know-how und ist kein Self-Service.
• ChatGPT Team/Enterprise: AVV und Datenschutzkonfigurationen verfügbar, ebenfalls US-seitig gehostet.
• Microsoft 365 Copilot: EU-Datenhosting ist konfigurierbar über das Microsoft EU Data Boundary-Programm. Für Beratungsunternehmen in Deutschland die rechtlich entspannteste Option unter den Cloud-Tools.

Mandatsdaten gehören nicht ungefiltert in externe Systeme. Eine sinnvolle Praxis: Inhaltlich abstrahieren, bevor Daten in externe Tools gehen. Statt “Kunde X hat in Q3 15 Mio. EUR Verlust gemacht” → “Mandant hat im Berichtszeitraum erhebliche Ergebnisverschlechterung erlitten”. Die Persona-Bibliothek und die Kommunikationsstruktur können mit echten Daten kalibriert werden — die Produktivnutzung mit anonymisierten oder abstrahierten Inhalten.

Interne Einsatzregeln dokumentieren. Welche Datenklassen dürfen in welche Tools? Wer ist für die Einhaltung zuständig? Das ist keine IT-Frage, sondern eine Führungsfrage. Beratungsunternehmen mit mehr als fünf Mitarbeitenden sollten eine einseitige Richtlinie haben — nicht als Bürokratie, sondern als Schutz bei Mandantenprüfungen.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Persona-Bibliothek aufbauen (drei bis fünf Typen, kalibriert und getestet): 1–2 Arbeitstage intern, kein externer Aufwand
• Schulung und Onboarding des Teams: 2–4 Stunden (1 Workshop + Nacharbeitung)
• Gesamte Einrichtung ohne externe Hilfe realistisch: 3–4 Arbeitstage Gesamtaufwand

Laufende Werkzeugkosten (monatlich, pro Person)

• Claude Pro: 20 USD (~18 EUR) — für Einzelberater ausreichend
• Claude Team: 25 USD (~23 EUR) — wenn Persona-Bibliothek geteilt wird
• ChatGPT Plus: 20 USD (~18 EUR)
• ChatGPT Team: 30 USD (~28 EUR)
• Microsoft 365 Copilot Add-on: ab 15,60 EUR — lohnt sich nur, wenn M365-Lizenz ohnehin vorhanden

Was du dagegenrechnen kannst Eine Beraterin wie Lea Hoffmann mit drei Projekten gleichzeitig verbringt typisch drei bis fünf Stunden pro Woche mit reiner Kommunikationsübersetzung. Das sind 12–20 Stunden im Monat. Bei einem internen Kostensatz von 80–150 EUR/Stunde ergibt das 960 bis 3.000 EUR monatliche Kapazitätskosten — nur für diesen einen Prozessschritt.

Der Softwarekostenpunkt liegt bei 18–28 EUR. Das Verhältnis ist so günstig, dass die eigentliche Frage nicht “Kostet es sich ein?” lautet, sondern “Warum machen wir es noch nicht?”

Wichtige Einschränkung: Die Kapazitätseinsparung wird in der Praxis nur zu 40–60 Prozent realisiert. Qualitätskontrollen, Lernkurven, Ausnahme-Situationen, politisch heikle Passagen, die doch manuell geschrieben werden müssen — das alles frisst einen Teil der theoretischen Einsparung. Im konservativen Szenario: 1,5 bis 2 Stunden weniger pro Woche pro Berater. Auch das ist bei einem Team von fünf Beratern 7,5 bis 10 Stunden wöchentlich — jede Woche.

Wie du den ROI nachweist: Lass jeden Berater für zwei Wochen dokumentieren, wie lange die Kommunikationsrunde vor Einführung dauert — ohne Diskussion, nur Zeiterfassung. Nach vier Wochen Einsatz: nochmals messen. Der Unterschied ist dein Beleg. Ohne diese Baseline ist jede Effizienzbehauptung nicht belegbar.

Typische Einstiegsfehler

1. Die Persona ist zu allgemein.
”Schreib das für einen CFO” ist keine Persona. Ein CFO in einem Konzern möchte andere Dinge wissen als ein CFO in einem familiengeführten Mittelständler. Ein CFO, der das Projekt aktiv unterstützt, kommuniziert anders mit als ein CFO, der skeptisch ist. Die Persona muss spezifisch genug sein, um echte Unterschiede in der Ausgabe zu produzieren — sonst macht das System das, was Menschen auch tun: einen mittelmäßigen Kompromisstext schreiben.

2. Der Entwurf wird ohne Prüfung versendet.
Das ist das gefährlichste Muster. KI-Entwürfe klingen überzeugend — auch wenn Zahlen leicht abweichen, Nuancen fehlen oder ein Satz eine unbeabsichtigte Implikation trägt. Eine Deloitte-Studie aus 2024 dokumentiert, dass 38 Prozent der befragten Führungskräfte falsche Entscheidungen auf Basis von AI-generierten Inhalten getroffen haben. In der Stakeholder-Kommunikation ist ein Fehler nicht nur ein inhaltliches Problem — es ist ein Vertrauensproblem mit dem Mandanten. Jeder Entwurf wird gelesen, bevor er gesendet wird. Das ist kein optionaler Schritt.

3. Die Persona-Bibliothek wird einmal erstellt und nie aktualisiert.
Das ist der stille Fehler, der Monate nach dem Start zuschlägt. Projekte verändern sich. Ein Stakeholder, der anfangs zustimmend war, ist jetzt skeptisch. Ein Thema, das früher neutral war, ist jetzt politisch aufgeladen. Eine Persona, die auf dem Stand vom Projektstart kalibriert wurde, produziert nach sechs Monaten systematisch Entwürfe mit falschem Ton. Plane eine quartalsweise Überprüfung ein: Ist die Persona noch richtig? Hat sich die Stakeholder-Konstellation verändert? Dieser Schritt dauert 30 Minuten — er verhindert Monate von subtil falsch kalibrierten Kommunikationen.

4. Personas werden quer durch das Team eingesetzt, ohne Kalibrierung für das spezifische Projekt.
Eine Persona, die für ein Digitalisierungsprojekt entwickelt wurde, taugt nicht ohne Anpassung für ein Restrukturierungsprojekt. Die generellen Stakeholder-Typen (CFO, IT-Leitung, Betriebsrat) bleiben gleich, aber die projektspezifischen Heiß-Themen, Tabu-Bereiche und Informationsprioritäten ändern sich fundamental. Jedes neue Projekt braucht eine Persona-Einrichtungsphase von einem halben Tag — auch wenn die Basistypen schon vorhanden sind.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist das Einfachste. Was in der Praxis mehr Aufmerksamkeit braucht, sind die menschlichen Widerstände — und sie sind verständlicher als sie zunächst klingen.

Das Tonalitätsgefühl als persönliche Kompetenz.
Viele Senior-Berater haben über Jahre ein feines Gespür entwickelt, wie welcher Stakeholder kommuniziert werden muss. Das ist keine Kleinigkeit — das ist eine hart erarbeitete Expertise. Wenn ein System diese Übersetzung für neue Kolleginnen und Kollegen auf Knopfdruck erledigt, kann das sich anfühlen wie eine Entwertung dieser Expertise. Wichtig: Das System entwertete die Expertise nicht — es setzt sie in die Bibliothek um. Wer die beste Persona für einen CFO-Typ geschrieben hat, zeigt genau damit, dass er die Expertise hat. Die sinnvollste Einbindung: Senior-Berater kalibrieren die Personas, Junior-Berater nutzen sie. Die Hierarchie der Expertise bleibt.

Die “KI macht Fehler”-Haltung.
Stimmt. Und sie macht weniger Fehler als ein erschöpfter Berater am Donnerstagabend. Die Gegenfrage: Wie oft ist es schon vorgekommen, dass eine E-Mail zu spät, mit dem falschen Ton oder mit einem inhaltlichen Missverständnis rausgegangen ist — weil keine Zeit mehr war, sie noch einmal zu lesen? KI-Entwürfe als Ausgangspunkt mit menschlicher Prüfung sind besser als manuelle Eilentwürfe ohne Prüfung. Das ist die relevante Vergleichsbasis, nicht KI gegen fehlerfreien Menschen.

Was konkret hilft:

• Einen gemeinsamen Workshop zum Persona-Aufbau durchführen, in dem die erfahrensten Berater ihre impliziten Kriterien explizit machen — das ist unabhängig von der KI wertvoll
• In den ersten vier Wochen Entwürfe im Team kommentieren lassen: Was war gut? Was fehlte? Das verbessert die Persona-Bibliothek und gibt den Nutzenden das Gefühl der Kontrolle
• Die ersten Erfolge benennen: “Lea hat die Kommunikationsrunde diese Woche in 45 Minuten erledigt” — nicht als Statistik, sondern als konkretes Beispiel im nächsten Team-Meeting

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Das klingt nicht nach mir / nach unserem Stil.”
Stimmt — am Anfang. Eine generische Persona klingt nach niemandem. Eine kalibrierte Persona klingt nach dem, was in die Kalibrierung geflossen ist. Wenn du sagst, das klingt nicht nach dir, ist das kein Zeichen, dass KI nicht funktioniert — es ist das Feedback für die nächste Iteration. Die konkrete Folgefrage: Welcher Satz klingt falsch, und warum genau? Diese Antwort verbessert die Persona.

„Meine Kunden sind zu spezifisch, das kann KI nicht erfassen.”
Du erklärst einem neuen Kollegen in einer Stunde, was bei Kunde X wichtig ist, welcher Ton funktioniert, was nie geschrieben werden darf. Warum sollte das nicht in einer Persona-Beschreibung festgehalten werden können? KI liest keine Gedanken — aber sie liest präzise schriftliche Instruktionen sehr gut. Was du einem Junior-Kollegen erklärst, kannst du in eine Persona schreiben.

„Wir haben das immer manuell gemacht, und es hat funktioniert.”
Funktioniert haben auch Faxgeräte. Die Frage ist nicht, ob es ohne KI geht — die Frage ist, was mit der eingesparten Zeit passiert. Drei bis vier Stunden pro Woche pro Berater, die statt in Kommunikationsübersetzung in strategische Analyse, Kundenbeziehung oder Neugeschäft fließen, sind ein anderes Argument als “das ist effizienter”.

Woran du merkst, dass das zu dir passt

• Du oder dein Team bereiten für ein einziges Thema regelmäßig mehr als drei verschiedene Kommunikationsvarianten vor
• Ihr arbeitet gleichzeitig an mehr als zwei bis drei Projekten mit jeweils unterschiedlichen Stakeholder-Konstellationen
• Die Kommunikationsrunden fressen regelmäßig Abend- oder Wochenendstunden, obwohl der Inhalt eigentlich fertig ist
• Neue Teammitglieder benötigen Wochen, bis sie die kommunikativen Eigenheiten der Stakeholder verstanden haben
• Du wünschst dir, dass deine Entwürfe konsistenter wären — nicht besser im Einzelfall, sondern konsistenter über alle Projekte und Phasen hinweg

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Weniger als drei gleichzeitige Projekte mit Stakeholder-Kommunikation. Unterhalb dieser Schwelle ist der Aufwand für Persona-Kalibrierung und -Pflege höher als die Zeitersparnis. Dann reicht eine gut durchdachte manuelle Vorlage, die du anpasst. Die Persona-Bibliothek amortisiert sich erst über Wiederholung.

2. Kein definierter Kommunikationsprozess vorhanden. KI skaliert, was bereits existiert — sie schafft keine Struktur aus dem Nichts. Wenn unklar ist, wer wann was an wen kommuniziert, löst das kein KI-Tool. Die Voraussetzung ist ein funktionierender, wenn auch zeitaufwändiger Prozess. Automatisierung danach, Prozessklärung davor.

3. Hochpolitische Mandate mit fragilen Stakeholder-Beziehungen. Restrukturierungen, Konflikte zwischen Gesellschaftern, Führungswechsel mit unklarer Machtverteilung — in diesen Situationen sind Kommunikationsfehler existenziell für das Mandat. Kein KI-Entwurf ersetzt hier das direkte Gespräch und die politische Feinfühligkeit. Die Persona-Bibliothek kann unterstützen — als Hauptwerkzeug ist sie in solchen Mandaten ein Risiko.

Das kannst du heute noch tun

Öffne Claude oder ChatGPT — kostenlos, kein Setup. Wähle einen Stakeholder aus deiner aktuellen Arbeit. Beschreibe diese Person in vier bis fünf Sätzen: Rolle, was sie wissen will, was sie nicht interessiert, welchen Ton sie bevorzugt, ein konkretes Tabu-Thema für dieses Mandat. Dann gib einen aktuellen Projektstatus als Stichpunkte ein. Lass das System einen Entwurf schreiben.

Lies den Entwurf. Was ist gut? Was klingt falsch? Genau diese Antwort ist deine erste Persona-Iteration — in 20 Minuten, kein Geld ausgegeben.

Hier ist ein Prompt-Template, das du direkt verwenden kannst:

Quellen & Methodik

• McKinsey, „The human side of generative AI: Creating a path to productivity” (2024): Dokumentierte Praxisbeobachtung einer Kommunikationsspezialistin, die Syntheseaufgaben von 60 Prozent auf 10 Prozent der Arbeitszeit reduzierte durch GenAI-Einsatz. Verfügbar auf mckinsey.com/capabilities/people-and-organizational-performance.
• Deloitte, „State of AI in the Enterprise 2024”: 38 Prozent der befragten Führungskräfte berichteten von falschen Entscheidungen auf Basis AI-generierter Ausgaben; 66 Prozent der Unternehmen berichten von Produktivitäts- und Effizienzgewinnen durch Enterprise AI. Verfügbar auf deloitte.com.
• Erfahrungswerte Stakeholder-Kommunikation in Beratungsprojekten: Zeitangaben für Kommunikationsrunden (3–5 Stunden/Runde, 5 Stakeholder-Gruppen) basieren auf eigenen Beobachtungen aus Projekten mit 10–50 Mitarbeitenden-Unternehmen; keine repräsentative Studie.
• Preisangaben Werkzeuge: Claude (Anthropic, April 2026), ChatGPT (OpenAI, April 2026), Microsoft 365 Copilot (Microsoft, April 2026), Gamma (Gamma Tech, April 2026). Preise in USD/EUR auf Basis veröffentlichter Tarife.
• Halluzinations-Statistiken: Suprmind AI Hallucination Statistics Research Report 2026 (4,3 Stunden/Woche Verifikationsaufwand; 67,4 Mrd. USD globale Schäden 2024). Zu betrachten als Orientierungswert, nicht als präzise Einzelerhebung.

Du willst wissen, ob Stakeholder-Kommunikation in deinem Beratungsalltag das richtige Angriffsziel ist — oder ob ein anderer Use Case mehr Hebelwirkung hat? Meld dich — das klären wir in einem kurzen Gespräch.