Unsere Kunden
Sie sind nicht allein - 56% der CEOs berichten von keinerlei finanziellem Return aus AI. Der Grund ist immer derselbe: individuelle Nutzung, kein Delivery-System, kein Weg. Diesen Weg bauen wir mit Ihnen, Schritt für Schritt, organisationsweit.
Um klar über KI-Adoption zu sprechen, brauchten wir eine gemeinsame Sprache. Deshalb haben wir die Delivery Levels entwickelt: eine Skala, die zeigt, wo Ihr Team heute steht und wo der Wert liegt.
In den vergangenen Monaten haben wir KI-Workshops mit drei Unternehmen durchgeführt und mit jedem die ehrliche Bestandsaufnahme gemacht - unterschiedliche Größen, unterschiedliche Branchen, unterschiedliche Tools. Alle drei landeten auf DL2. Denn darunter liegt dieselbe Geschichte: individuelle, isolierte KI-Nutzung. Jeder wird für sich ein wenig schneller, und nichts davon wird je zum Teamstandard.
Die Form sagt alles: ein Ausschlag dort, wo getippt wird, und fast nichts sonst. Die KI hilft jedem Entwickler, ein wenig schneller Code zu schreiben, aber Requirements, Architektur, Testing, Review und Dokumentation laufen genau so wie vor den Lizenzen.
Die Geschäftsführung hat GitHub Copilot für alle Entwickler in einer Beschaffungsentscheidung freigegeben. Rollout in zwei Wochen, Adoption bei 90%.
Copilot in jeder IDE. Sonst nichts: keine Rules-Dateien, keine Architektur-Dokumentation für die KI, keine Review-Methodik. Jeder Vorschlag startet ohne Projektwissen.
~1,25× individuelle Gewinne, auf Teamebene unsichtbar
Diese Form ist aus einem Grund zackig. Die Entwicklung ragt heraus, weil eine Handvoll Power-User brillante persönliche Setups gebaut hat, während Testing und Dokumentation kaum ins Gewicht fallen. Die Spitzen gehören einzelnen Personen, nicht dem Team - sind diese Personen im Urlaub, sind die Spitzen mit ihnen weg.
Keine zentrale Entscheidung. Entwickler brachten eigene Tools mit: hier Cursor, dort Claude, überall ChatGPT. Einzelne Power-User sind sichtbar schneller.
Fünf verschiedene KI-Tools in zwölf Teams. Einige Entwickler haben persönliche Rules-Dateien geschrieben, keine wird geteilt. Das beste Setup der Firma liegt auf einem einzigen Laptop.
Inseln mit 2× neben Teams auf 1×
Die sauberste Form der drei, und genau das ist das Problem. Jede Phase liegt auf demselben bescheidenen Niveau, weil die Plattform den Zugang vereinheitlicht hat, ohne die KI klüger über das eigentliche Produkt zu machen. Gleichmäßig, kontrolliert und festgefahren.
Internes KI-Gateway gebaut: SSO, Compliance-Logging, Liste freigegebener Modelle, sogar eine eigene Chat-Oberfläche. Achtzehn Monate Plattformarbeit.
Beeindruckende Infrastruktur um die KI herum, nichts darin. Das Gateway routet Prompts, trägt aber keine Projektkonventionen, keine Service-Map, keine Teamstandards. Sicherer Zugang zu einem kontextblinden Assistenten.
Enterprise-Infrastruktur, Einzelnutzer-Output
Drei Wege hinein, ein Plateau. Was allen dreien fehlt, ist identisch: ein gemeinsames Kontextsystem, das die KI vor jeder Aufgabe liest. Das ist der eine Schritt von DL2 zu DL3.
Sie müssen dafür keine Vollzeit-Taskforce aufbauen. Was Sie brauchen, ist die Fähigkeit selbst - ein paar Tage im Monat, zu planbaren Kosten, so lange, bis die neue Arbeitsweise zur Routine geworden ist. Wir haben das in drei Stufen strukturiert, die aufeinander aufbauen, und keine verpflichtet Sie zur nächsten.
Ein 30-minütiges Gespräch plus eine bewertete Analyse Ihrer sechs Delivery-Phasen.
Wir bauen das Kontextsystem, das die KI vor jeder Aufgabe liest - an Ihrer eigenen Codebasis.
Von den Grundlagen bis zur Führungsebene, vermittelt in Ihrer Codebasis an Ihrer eigenen Arbeit.
Wir arbeiten typischerweise mit Produkt- und Engineering-Verantwortlichen in Mittelstandsunternehmen zwischen 50 und 1.000 Mitarbeitenden: Fertigung, Software, Finanzdienstleistungen, Logistik, Handel.
Das Feedback aus unseren Workshops und Trainings - und die Ergebnisse, die sie einige Monate später vorweisen können.
Ein zweitägiger AI Delivery Workshop in München mit den Engineering-Teams von SimonsVoss: sieben Teams auf den Delivery Levels eingeordnet, ein gemeinsames CLAUDE.md als Team-Gehirn etabliert und die KI-Nutzung über alle sechs SDLC-Phasen strukturiert, von Spec-First-Requirements bis zu Release Notes aus dem Repository.
„Wir kamen mit einer App zu Intertec, die uns ausgebremst hat: langsam zu erweitern, langsam zu ändern, nirgends KI im Prozess. Sie haben nicht nur das Produkt neu gebaut. Sie haben neu gebaut, wie wir bauen: ein Designsystem, gemeinsame Komponenten, KI im Ideation- und Delivery-Prozess selbst. Aus einem vollständig manuellen Setup wurde ein DL3-fähiges Team.“
„Wir hatten kein Produkt, wir hatten Tabellen. Jede Anmeldung für ein Basketballprogramm war manuell, Zeile für Zeile. Intertec hat mit uns bei Null angefangen: Ideation, Planung, Produktanforderungen, alles KI-getrieben vom ersten Tag an. Herausgekommen ist eine eigene Plattform, DL3-fähig gebaut. Das hat verändert, was unser kleines Team übernehmen kann.“
Notizen aus der Praxis: wie die Delivery Levels funktionieren und was es braucht, um eine Stufe zu steigen.
Der vollständige Leitfaden zur fünfstufigen Skala: Definitionen, Produktivitätsfaktoren und die objektiven Gates, die entscheiden, wann ein Team eine Stufe erreicht hat.
Auf DL4 übergeben Sie Ihren gemeinsamen Kontext an eine Flotte von Agenten und treten in die Prüferrolle zurück. Das Schwierige sind nicht die Agenten. Es ist das Agenten-Organigramm.
Die Teams, die mit Agenten gewinnen, haben nicht mit Agenten angefangen. Sie haben mit Kontext angefangen: gemeinsame Regeln, Feedback-Loops und menschliche Gates, die die KI vor jeder Aufgabe liest.
In 30 Minuten ordnen wir Ihr Team auf der Skala ein, benennen den einen Engpass, der den Rest blockiert, und zeigen, was die nächste Stufe wert ist. Bericht in einer Woche - vorlagefähig für die Geschäftsführung.