Deine KI braucht Einarbeitung.
Damit sie versteht, wie ihr arbeitet.
Eure KI kennt
✓ eure Abläufe
✓ eure Sprache
✓ eure Regeln
und liefert konstante Qualität.
Modelle ändern sich.
Dein contextr bleibt.
10 Fragen, 3 Minuten
Du merkst es an den Outputs.
Generisch.
Deine KI schreibt Texte, die für irgendein Unternehmen sein könnten.
Unverbunden.
Deine Tools laufen, aber jedes für sich.
Lückenhaft.
Wenn jemand im Team ausfällt,
fehlt Wissen —
weil es nirgendwo steht.
Das Problem ist nicht die Technologie.
Es ist die fehlende Grundlage.
KI-Tools sind nur so gut wie das, was sie über dich wissen.
Die meisten Teams nutzen KI mit Standardeinstellungen.
Kein Wissen über Geschäftsmodell,
Teamstruktur, Entscheidungswege oder Abläufe. Das Ergebnis: generische Antworten,
die für
niemanden wirklich passen.
Was fehlt, ist nicht das richtige Tool —
sondern der Kontext, auf dem es arbeiten kann.
Generische Antworten Spezifische Ergebnisse
Nicht noch ein Tool.
Sondern die Grundlage, auf der alle Tools arbeiten.
contextr macht sichtbar, wie dein Unternehmen funktioniert —
und übersetzt es für KI.
contextr ist ein KI-Arbeitssystem,
das auf deinem Wissen aufbaut —
nicht auf Standardeinstellungen.
Konfiguriert für dein Geschäft.
Nicht für den Durchschnitt.
Wo contextr bei kleinen und mittleren Teams ansetzt.
Jedes Team hat eigene Abläufe, eigene Entscheidungslogiken, eigenes Wissen in Köpfen. Die folgenden zwölf Szenarien zeigen, wie contextr das in ein KI-Arbeitssystem übersetzt — gegliedert nach Branche, Teamgröße und Kernproblem.
Jede Karte öffnet ein ausführliches Beispiel:
Ausgangslage, Aufgabenstellung, contextr-Einsatz, Ergebnis.
Die Szenarien sind typische Anwendungsfälle aus der Zielgruppe von contextr — keine Kundenreferenzen. Referenzen werden nach Abschluss der laufenden Pilotprojekte separat veröffentlicht.
Kundenstimme halten — bei jedem Text, jeder Person
5–15 Mitarbeiter
// So beschreiben es Betroffene
Wir betreuen 12 Kunden mit je eigener Tonalität, eigenen Tabuthemen, eigenen Pressekontakten. Wenn eine neue Texterin anfängt, brauche ich vier Wochen, bis sie für Kunde X in dessen Stimme schreiben kann — und selbst dann muss ich alles gegenlesen.
// Ausgangslage
Mehrkundenbetreuung mit stark unterschiedlichen Anforderungen. Tonalität und Kundenhistorie als Tacit Knowledge bei Seniors. Neu-Onboarding dauert Wochen.
// Was contextr einrichtet
- Organisationskontext der Agentur plus ein Kunden-Kontext-Profil je Schlüsselkunde.
- Pro Kundenprofil: Tonalität, Tabuthemen, Positionierung, Schlüsselmedien, Krisenhistorie, Do's und Don'ts.
- Custom Agent „Textvorschlag für Kunde X" mit ladbarem Kundenprofil als Kontext.
- Starter-Prompts für Pressemitteilung, LinkedIn-Post im Kundenstil, Krisen-Statement.
// Ergebnis im Alltag
Einarbeitungszeit neuer Texter auf Kundenstandard deutlich verkürzt.
Tonalitätsabweichungen in Freigabeschleifen messbar reduziert.
Kapazität für Neukunden-Akquise steigt, weil bestehende Betreuung weniger Chefzeit bindet.
Projekt-Playbooks mit integrierten Learnings
4–15 Mitarbeiter
// So beschreiben es Betroffene
Jedes Event ist anders, aber 70% der Aufgaben sind dieselben. Trotzdem bauen wir jeden Projektplan neu. Und die Learnings aus der letzten Messe stehen in einer PowerPoint, die niemand mehr öffnet.
// Ausgangslage
Projektpläne werden pro Event neu gebaut. Nachbereitungs-Learnings verschwinden in Einzel-Präsentationen. Junior-Entwicklung gebremst durch Abhängigkeit von Senior-Aufsicht.
// Was contextr einrichtet
- Organisationskontext und Event-Typen-Taxonomie: Messe, Produktlaunch, Kongress, Incentive.
- Pro Event-Typ: Playbook mit Phasen, typischen Pitfalls, Dienstleister-Empfehlungen, Budget-Benchmarks.
- Learnings-Integration als eigener Kernprozess: nach jedem Event 3–5 Erkenntnisse in die Playbooks zurückspielen.
- Starter-Prompts für Kick-off-Briefings, Risiko-Reviews und Nachbereitungen.
// Ergebnis im Alltag
Projektaufsetzzeit von rund zwei Wochen auf wenige Tage.
Learnings werden erstmals systematisch genutzt statt in Präsentations-Gräbern zu verschwinden.
Junior-Projektleiter übernehmen Events eigenverantwortlich, die vorher Senior-Aufsicht brauchten.
Mandats-Onboarding ohne Zwei-Wochen-Vorlauf
5–15 Mitarbeiter
// So beschreiben es Betroffene
Jedes neue Mandat kostet uns zwei Wochen. Die Infos kommen in drei E-Mails, einem Telefonat und manchmal auf einem Zettel. Meine Steuerfachangestellten fragen mich dreimal dasselbe, weil nirgendwo steht, was beim letzten Mandanten dieser Branche der Trick war.
// Ausgangslage
Mandatsaufnahme läuft über verteilte Kanäle. Branchenspezifisches Erfahrungswissen zu Kontierung und DATEV-Sonderfällen steckt im Kopf des Kanzleiinhabers.
// Was contextr einrichtet
- Organisationskontext: Mandatsstruktur, typische Branchen, DATEV-Kontierungslogik, übliche Sondersachverhalte pro Branche.
- Custom Agent „Mandatsaufnahme" mit Ladematrix: je nach Mandantentyp werden andere Sektionen gezogen (Lohn / Bilanz / EÜR / USt-Sonderfälle).
- Starter-Prompts für Standardsituationen: Neumandant Handwerksbetrieb, Wechsel von Lexware zu DATEV, Nachfolgemandat.
// Ergebnis im Alltag
Onboarding-Zeit pro Mandat sinkt von rund zwei Wochen auf etwa eine.
Mandatsaufnahme-Checkliste wird erstmals konsistent genutzt — unabhängig davon, wer sie ausführt.
Steuerfachangestellte arbeiten ohne Nachfragen an Fällen, die vorher Chefsache waren.
Projektgedächtnis über Personenwechsel hinweg
4–12 Mitarbeiter
// So beschreiben es Betroffene
Jedes Projekt hat seinen eigenen Ordner im Server, aber die wichtigen Infos — was mit der Bauherrin besprochen wurde, warum wir uns für diese Fassade entschieden haben, welche Nachbarschaftsvereinbarung noch offen ist — stehen in meinen Notizen oder in Köpfen. Wenn mein Projektleiter wechselt, weiß der Neue nichts.
// Ausgangslage
Projektwissen verteilt auf Serverordner, Notizen und Köpfe. Bei Personenwechseln dauert Einarbeitung mehrere Tage. Entscheidungsbegründungen sind nicht dokumentiert — relevant bei späteren Gewährleistungsfragen.
// Was contextr einrichtet
- Organisationskontext plus ein exemplarisches Projekt-Kontext-Dokument als Template.
- Sektionsstruktur: Bauherrin und Stakeholder, Entwurfslogik und Entscheidungen, offene Abstimmungen, behördliche Auflagen, Nachbarschaft und Baugrundstück-Besonderheiten.
- Empfehlung zum KI-Toolstack passend zur bestehenden IT-Landschaft.
- Starter-Prompts für Projekt-Briefings, Status-Updates an Bauherrschaft und Entscheidungsbegründungen für Behörden.
// Ergebnis im Alltag
Projektübergaben reduzieren sich von rund zwei Arbeitstagen auf wenige Stunden.
Entscheidungsbegründungen sind nachvollziehbar — relevant bei Gewährleistungsfragen.
Bauherr-Kommunikation bleibt konsistent, auch wenn der Projektleiter wechselt.
Mandantenverständnis und Matching-Logik übertragbar machen
3–10 Mitarbeiter
// So beschreiben es Betroffene
Unser Geschäft lebt von Kandidaten-Wissen und Mandantenverständnis. Beides steckt in Kontaktnotizen, LinkedIn-DMs, Gesprächsprotokollen — und in meinem Kopf. Wenn ich einen Research-Mitarbeiter aufbaue, dauert es zwei Jahre, bis er mein Mandantenverständnis hat.
// Ausgangslage
Mandantenverständnis und Matching-Heuristik als Tacit Knowledge bei wenigen Seniors. Research-Onboarding dauert Jahre. Hohes Schlüsselpersonen-Risiko.
// Was contextr einrichtet
- Vollständiger Organisationskontext und Kernprozesse: Mandatsaufnahme, Research, Ansprache, Interview, Abschluss.
- Mandantenprofile als eigener Kontext-Layer: Unternehmenskultur, tatsächliche vs. offizielle Anforderungen, Tabuprofile, Geschichte gescheiterter Einsätze.
- Matching-Logik expliziert: welche Signale aus Kandidatenprofilen wiegen wie schwer.
- Starter-Prompts für Kandidat-Briefings, Longlist-Begründungen und Absage-Formulierungen in Mandanten-Tonalität.
// Ergebnis im Alltag
Research-Mitarbeiter erreichen Produktivität deutlich früher.
Mandantenverständnis wird auditierbar — wichtig bei Research-Übergaben oder Partnerwechsel.
Präzisere Longlisten, weil Tacit-Wissen der Seniors im System liegt.
Objektgedächtnis und Anfragen-Triage
5–20 Mitarbeiter
// So beschreiben es Betroffene
Wir verwalten 140 Objekte. Jedes hat seine eigene Geschichte — welcher Handwerker arbeitet gut, wo sind die Wasseruhren, welcher Eigentümer ist heikel. Telefonanfragen fressen uns auf, weil nirgendwo steht, was beim letzten Mal gemacht wurde.
// Ausgangslage
Hohe Anfragen-Last, verteiltes Objektwissen, personenabhängige Bearbeitung. Vertretungssituationen (Urlaub, Krankheit) führen zu Qualitätsabfällen.
// Was contextr einrichtet
- Organisationskontext plus Objekt-Kontext-Schema als befüllbares Template pro Objekt.
- Anfragen-Kernprozess: Eingang, Triage, Zuordnung, Abarbeitung.
- Custom Agent „Anfragen-Vorklassifizierung" liest Kurzbeschreibung und ordnet Objekt und Dringlichkeit zu.
- Handwerker-Präferenzen und Historie als ladbarer Kontext.
- Starter-Prompts für typische Eigentümer-Antworten und Handwerker-Beauftragungen.
// Ergebnis im Alltag
Durchschnittliche Bearbeitungszeit pro Anfrage messbar reduziert.
Vertretungssituationen funktionieren — Kontext liegt im System, nicht bei der kranken Sachbearbeiterin.
Eigentümer-Zufriedenheit steigt, weil die Qualität personenunabhängig bleibt.
Fall-Eröffnung mit konsistenter Vorab-Prüfung
3–10 Mitarbeiter
// So beschreiben es Betroffene
Wenn ein Mandant anruft, entscheide ich in fünf Minuten, ob wir den Fall nehmen. Meine Sekretärin weiß nicht, was sie fragen soll, wenn ich nicht da bin. Und jeder Fall braucht am Anfang dieselben drei Dokumente — aber wir schreiben sie jedes Mal neu.
// Ausgangslage
Mandatsannahme ist personengebunden. Interessenkonfliktprüfung passiert oft erst nach dem Erstgespräch. Standarddokumente werden jedes Mal neu erstellt.
// Was contextr einrichtet
- Organisationskontext mit Rechtsgebiets-Profilen (Familienrecht, Strafrecht, Zivilrecht, IP).
- Entscheidungslogik für Mandatsannahme als expliziter Wenn-dann-Block: Streitwertgrenzen, Konfliktchecks, ablehnungspflichtige Konstellationen.
- Kompaktprofil für die Sekretärin mit klaren Handlungsanweisungen pro Fallkonstellation.
- Mehrsprachige Ausgabe optional (DE/IT bei Kanzleien mit italienischen Mandanten).
// Ergebnis im Alltag
Sekretariat nimmt Fälle eigenständig auf, inklusive erster Dokumenten-Vorab-Erstellung.
Interessenkonflikt-Prüfung vor dem ersten Mandantenkontakt — nicht danach.
Vollmachten, Mandatsverträge und Deckungsanfragen sind vorausgefüllt; Anwalt prüft nur noch.
Halter-Kontext jenseits der Patientenakte
4–10 Mitarbeiter
// So beschreiben es Betroffene
Unsere Patientenakten sind in der Praxissoftware, aber was der Tierhalter beim letzten Besuch erzählt hat — dass der Hund Probleme mit Lärm hat, dass die Besitzerin pflegende Angehörige ist und keine komplizierten Therapiepläne schafft — das steht nirgends. Die Kollegin macht den Folgetermin und fängt von vorne an.
// Ausgangslage
Medizinische Akten strukturiert. Halter-Kontext (Compliance, Sozialkontext, Kommunikationsvorlieben) nur in Gedächtnissen einzelner Tierärztinnen. Vertretungsqualität schwankt.
// Was contextr einrichtet
- Organisationskontext der Praxis: Schwerpunkte, Behandlungsphilosophie, Kommunikationsregeln mit Haltern.
- Kontext-Layer „Halter-Profil": Compliance-Einschätzung, sprachliche Besonderheiten, emotionale Belastung, finanzielle Rahmen.
- Custom Agent „Terminvorbereitung" liest Akte plus Halter-Kontext plus letzten Behandlungsverlauf und erzeugt ein Briefing.
- Starter-Prompts für individualisierte Therapieplan-Erklärungen und Nachsorge-E-Mails.
// Ergebnis im Alltag
Folgetermin-Briefing in wenigen Minuten statt durch aufwändige Aktensichtung.
Bessere Compliance bei Therapieplänen, weil sie an die Halter-Realität angepasst kommuniziert werden.
Vertretungssituationen funktionieren: die neue Kollegin kennt den Halter-Kontext, nicht nur die Akte.
Wissenstransfer bei Personal- und Ehrenamtswechsel
3–10 Hauptamtliche + Ehrenamt
// So beschreiben es Betroffene
Unsere Ehrenamtlichen sind das Herz der Organisation. Aber wenn eine Person aussteigt, geht ihr Wissen mit. Beim letzten Vorstandswechsel haben wir drei Monate gebraucht, bis der Neue wusste, wer unsere Schlüssel-Spender sind und warum wir mit Partner X nicht mehr zusammenarbeiten.
// Ausgangslage
NGO-Struktur mit hoher Ehrenamts-Fluktuation und Vorstandswechseln. Stakeholder-Beziehungen, Partnerhistorie und Einsatzlogik nicht dokumentiert. Schlanke IT-Landschaft, keine Notion-Business-Umgebung.
// Was contextr einrichtet
- Organisationskontext mit Fokus auf Stakeholder-Landkarte: Spender, Partner, Behörden, Medien.
- Entscheidungshistorie: warum wurden zentrale Weichenstellungen so getroffen, nicht anders.
- Ehrenamts-Einarbeitungs-Prompts für typische Rollen.
- Bewusst schmal gehalten, damit das System auch ohne komplexe Tool-Stacks funktioniert.
// Ergebnis im Alltag
Einarbeitung neuer Ehrenamtlicher verkürzt sich deutlich bis zur Einsatzfähigkeit.
Vorstandswechsel werden dokumentierbar — wichtige Kontinuitätsanforderung im gemeinnützigen Sektor.
Fördermittelanträge werden schneller erstellt, weil Organisationskontext abrufbar ist.
Kalkulationslogik für die nächste Generation
5–15 Mitarbeiter
// So beschreiben es Betroffene
Jedes Angebot dauert einen Abend. Ich gehe durch die Aufmaße, erinnere mich, was der letzte ähnliche Auftrag gekostet hat, und rechne Zuschläge dazu. Mein Sohn soll den Betrieb mal übernehmen — der sieht nur die Zahlen, aber nicht, warum ich bei manchen Kunden 10% drauflege und bei anderen runtergehe.
// Ausgangslage
Kalkulationslogik als Erfahrungswissen des Inhabers. Generationsübergang steht an oder ist absehbar. Kein Notion Business, schlanke IT-Landschaft, preissensitives Segment.
// Was contextr einrichtet
- Organisationskontext: Gewerk-Profil, typische Auftragsarten, Kundensegmente (Privat, Gewerbe, Wohnungsbau).
- Kalkulationslogik expliziert: Materialzuschläge, Lohnfaktoren, Risikozuschläge je Auftragstyp — inklusive der Erfahrungsregeln.
- Starter-Prompts für Angebotsentwürfe aus Aufmaß-Stichpunkten und Nachtragskalkulationen.
- Bewusst schlanker Einstieg mit Ausbaupfad: das Analyse-Paket kann später systematisch erweitert werden.
// Ergebnis im Alltag
Angebotsdauer deutlich reduziert.
Kalkulationslogik erstmals für Nachfolger dokumentiert — relevant bei Generationsübergang.
Junior-Kalkulation wird nachvollziehbar: Chef prüft Ergebnis und korrigiert gezielt statt alles neu zu rechnen.
Recherche-Standardisierung und Fristen-Kontrollsystem
3–8 Mitarbeiter
// So beschreiben es Betroffene
Patentrecherchen sind 60% der Arbeit, aber jede Anwältin sucht anders. Und Fristen — Prioritätsjahr, PCT-Eintritt, Jahresgebühren — sind verteilt auf drei Systeme. Ein Fehler dort kostet den Mandanten das Patent.
// Ausgangslage
Recherche-Qualität schwankt mit der bearbeitenden Person. Fristen liegen verteilt in Docket, E-Mail und Kalender. Haftungsrisiko konzentriert sich auf Einzelpersonen.
// Was contextr einrichtet
- Vollständiger Organisationskontext plus alle Kernprozesse KI-ready.
- Recherche-Standards expliziert: Datenbanken, Suchlogik, Bewertungskriterien für Neuheit und erfinderische Tätigkeit.
- Fristen-System als Kernprozess „Prioritätsjahr-Management" mit Ladematrix für EP, PCT und national.
- Custom Agents für Mandanten-Reporting, differenziert nach Branchen-Schwerpunkt.
- Wartungskonzept: Rechtsprechungsänderungen werden in System-Prompts nachgezogen.
// Ergebnis im Alltag
Recherche-Qualität wird personenunabhängig vergleichbar — wichtig bei Haftungsfragen.
Fristenkontrolle läuft doppelt: bestehendes Docket plus KI-gestützter Abgleich.
Einarbeitung neuer Anwältinnen in Kanzlei-Standards von Monaten auf Wochen.
Gutachten-Bausteinbibliothek mit Qualitäts-Learnings
1–8 Mitarbeiter
// So beschreiben es Betroffene
Ein Gutachten besteht aus 60% Standardbausteinen und 40% Einzelfall. Die Bausteine schreibe ich seit 15 Jahren neu, weil ich sie jedes Mal in einem anderen Gutachten suche. Und wenn ein Gericht mich ablehnt, weil etwas fehlt, lerne ich das für nächstes Mal — aber diese Learnings stehen in meinem Kopf, nicht im Büro.
// Ausgangslage
Wiederkehrende Gutachtenbausteine werden jedes Mal neu geschrieben. Qualitäts-Learnings aus gerichtlichen Verfahren bleiben als Kopfwissen. Nachfolge- oder Teamaufbau dadurch erschwert.
// Was contextr einrichtet
- Organisationskontext: Fachgebiet, übliche Auftraggeber (Gericht, Versicherung, Privat), Methodenstandards.
- Bausteinbibliothek als strukturierter Kontext-Layer: Rechtsgrundlagen-Zitate, Methodenbeschreibungen, Anhänge-Templates — versioniert.
- Qualitäts-Learnings als eigener Layer: was bei welchem Verfahren gefehlt hat, kommt als Meta-Wissen ins System zurück.
- Custom Agent „Gutachten-Skelett": Input Auftragsfakten, Output Bausteinauswahl plus markierte Stellen für Einzelfall-Ausarbeitung.
// Ergebnis im Alltag
Zeit für Standardbausteine sinkt deutlich — mehr Kapazität für den Einzelfall.
Qualitäts-Learnings werden strukturell aufgebaut statt an Einzelpersonen gebunden.
Nachwuchs-Sachverständige oder Familienbetrieb-Nachfolger haben schnelleren Einstieg.
Vom Gespräch zum Arbeitssystem.
Nicht jedes Wissen steht in Dokumenten. Wie Entscheidungen wirklich fallen, warum Abläufe genau so funktionieren, was passiert, wenn jemand Neues anfängt — manches steckt in Köpfen, anderes verteilt auf E-Mails, Chats und Einzelabsprachen.
Ich erfasse dieses Wissen in strukturierten Gesprächen:
Abläufe, Entscheidungslogik, Erfahrungswissen.
Systematisch,
nicht nur mit einem Fragebogen.
Wie euer Team arbeitet —
dokumentiert und strukturiert.
Dokumentation allein reicht nicht.
Damit KI-Tools mit deinem Wissen arbeiten,
muss es in eine Form, die sie verstehen —
als Anweisungen, Regeln und Kontextbausteine
für deine Tools.
Daraus werden KI-Assistenten, die dein Geschäft kennen. Workflows, die deine Prozesse abbilden. Konfiguriert für deinen Stack — nicht als Vorlage.
Dein KI-Arbeitssystem —
konfiguriert, nicht generisch.
Kein Datei-Chaos, kein „wo war das nochmal“. Kontextdokumente, Agents, Prompts, Anleitungen, Wartungshinweise — ein zentrales Portal mit allem, was dein Team braucht.
In deinem Account, unter deiner Kontrolle.
Offline verfügbar, ohne Abo,
ohne Plattform-Abhängigkeit.
dein contextr —
bereit zum Arbeiten, ab Tag eins.
Ein Projekt, ein Ansprechpartner —
von der ersten Frage bis zum fertigen System.
Das Problem ist belegt. Die Lösung auch.
der GenAI-Pilotprojekte schaffen es nicht über die Experimentierphase hinaus. Hauptgrund: fehlende kontextuelle Anpassung.
MIT, 2025
der deutschen KMU nutzen KI aktiv. Der entscheidende Faktor: digitaler Reifegrad und die Fähigkeit, das eigene Geschäft für KI zu übersetzen.
KfW Research, 2026
des entscheidungsrelevanten Wissens lassen Experten im freien Bericht aus — nicht weil sie es zurückhalten, sondern weil Routine unsichtbar macht, was gelernt wurde.
Cognitive Task Analysis Research
der Kleinstunternehmen halten KI im eigenen Unternehmen für nicht anwendbar — ein Übersetzungsproblem, kein Technologieproblem.
OECD, 2025
Eigener Test: Wie groß ist der Unterschied?
Um die These zu prüfen, habe ich einen dreistufigen Benchmark am eigenen Unternehmen durchgeführt: gleiche Prompts, gleiche KI — einmal ohne Kontext, einmal mit strukturiertem Organisationskontext. Das Ergebnis: durchschnittlich +140% Qualitätssteigerung — mit steigendem Effekt bei komplexeren Aufgaben.
Einfache Aufgaben kann KI auch ohne Kontext erledigen.
Bei den wichtigen versagt sie.
Eine aktuelle Studie des Harvard Business Review (2026) bestätigt das Muster: In 15.000 Simulationen lieferten alle getesteten KI-Modelle dieselben generischen Empfehlungen — unabhängig vom Szenario.
Die Forscher nennen es „Trendslop“: Antworten, die professionell klingen, aber austauschbar sind. Der Organisationskontext macht den Unterschied.
Eigener Test: N=1, interner Proof of Concept. Mechanismus extern bestätigt (HBR, 2026; 15.000 Simulationen). Kundenvalidierung durch Pilotprojekte läuft.
Drei Pakete.
Klarer Scope.
Pauschalpreis.
Immer enthalten — in jedem Paket:
dein contextr —
das KI-Arbeitssystem
für deine Organisation.
Sofort einsatzbereit in ChatGPT, Claude & Co:
Eure KI kennt euer Geschäft —
aus eurer Realität,
nicht aus Standardeinstellungen
In jedem Tool sofort einsetzbar — ein Kontextprofil, das überall funktioniert
Der richtige Kontext für jede Aufgabe — ob Tagesgeschäft, Kundenprojekt oder Strategie
dein contextr funktioniert mit jedem KI-Tool — heute und in Zukunft.
Was sich ändert, sind die Modelle. Dein contextr bleibt.
contextr Pro
Nach 5–8 Wochen steht das Komplettsystem: Kontext, KI-Workspace und Prozesse greifen ineinander.
Euer Team ist eingearbeitet.
Was ist enthalten?
- Vollständiger Organisationskontext — alle Kernprozesse erfasst und dokumentiert
- KI-Workspace + Toolstack implementiert und aufeinander abgestimmt
- Prozessübergreifende Verknüpfungen eingerichtet — der Kontext fließt dorthin, wo er gebraucht wird
- Onboarding + Wartungskonzept + 14 Tage Async-Support
- Maintenance Guide + Erweiterungsanleitung:
Du kannst neue Prozesse selbst integrieren
contextr System
Nach 3–5 Wochen läuft ein KI-System in eurem Account, das eure Prozesse kennt und mitarbeitet.
Was ist enthalten?
- Alles aus der contextr Analyse
- Deine identifizierten Hebel-Prozesse umgesetzt —
z.B. ein Custom Agent, der dein Projektbriefing kennt,
ein Claude Skill für Angebotserstellung,
oder ein GPT, das deine Kundenkommunikation versteht - Deine wichtigsten Arbeitsprozesse in KI abgebildet
- Walkthrough-Video + Übergabe-Call
- Adoption-Checkliste: 30-60-90-Tage-Plan für nachhaltige Nutzung
contextr Analyse
Nach 2–3 Wochen weiß eure KI, wie ihr arbeitet — und ihr wisst, wo KI den größten Hebel hat.
Was ist enthalten?
- Organisationskontext erfasst (Geschäftsmodell, Team, Tools, Schmerzpunkte)
- Die Prozesse identifiziert, bei denen KI oder Automatisierung den größten Hebel hat
- Konkrete Empfehlung für deinen KI-Toolstack + individueller Umsetzungsplan
- Prompt-Starter-Set + Startanleitung für deine KI-Tools
Jedes Projekt ist anders — Teamgröße, Branche, Komplexität.
Im Erstgespräch klären wir, was du brauchst — und du bekommst ein verbindliches Angebot.
Alle Pakete sind DSGVO-konform umsetzbar — auch mit sensiblen Daten.
Ggf. zzgl. kundenseitige Tool-Kosten — abhängig vom Paket und deinem bestehenden Setup. In den meisten Fällen bleibt der monatliche Betrag pro Nutzer im zweistelligen Bereich — wird im Projekt vorab transparent kalkuliert. Contextr hat keinen Einfluss auf Preise und Konditionen externer Tool-Anbieter.
Gebaut für Teams, nicht für Konzerne.
Dein Unternehmen verändert sich — Prozesse, Tools, Teamstruktur.
Deshalb bekommst du nicht nur
ein fertiges System, sondern das Wissen
und die Werkzeuge, um es eigenständig weiterzuentwickeln.
Kein Abo, kein laufender Support — Eigenständigkeit ist das Ziel.
Upgrade-Option: Du kannst klein starten. Wenn du nach der Kontext-Analyse merkst,
dass du auch die Umsetzung willst, wird dein bisheriger Paketpreis angerechnet.
Du zahlst nur die Differenz plus einen geringen Aufschlag für den Neustart.
Über mich
20 Jahre strategische Kommunikation in der Musikbranche —
bei drei Weltkonzernen
(Universal, Sony, EMI).
Dann bewusster Wechsel: Prozessarchitektur und Organisationsentwicklung in regulierten Branchen — ISO-Managementsysteme, cross-funktionale Projektleitung, unternehmensweite Digitalisierung.
Dieses Handwerk bringe ich mit: strukturiertes Denken, Prozessverständnis und die Fähigkeit, undokumentiertes Wissen sichtbar und nutzbar zu machen.
Heute sorge ich dafür, dass Teams mit KI wirklich arbeiten können — und dass KI liefert, was sie wirklich brauchen.
Erfahrungswissen wird unsichtbar, sobald es funktioniert. Ich mache es sichtbar.
ISO-9001-Hintergrund, risikobasiertes Denken, systematische Erfassung von Organisationswissen.
Getestete Methodik (+140% PoC), Framework für KI-optimierte Wissensarchitekturen, Context Engineering.
20 Jahre strategische Kommunikation — komplexe Sachverhalte verständlich übersetzen.
Mein Ziel ist, mich überflüssig zu machen.
Nach der Übergabe steht dein System —
und du weißt,
wie du es weiterentwickelst.
Das ist kein Versprechen — das ist das Geschäftsmodell.
Wie KI-ready ist dein Unternehmen?
10 Fragen, 3 Minuten, ehrliche Einschätzung.
Kein Verkaufsgespräch — ein Werkzeug für dich.
Lass uns reden.
Kein Sales-Call.
Ein Gespräch, in dem wir klären,
ob und wie ich helfen kann.
Modelle ändern sich. Dein contextr bleibt.