// KI-Arbeitssysteme für SoloSolo-Selbstständige und Teams
Deine KI braucht Einarbeitung.
Modelle sind Apps –
contextr ist das System
euer Kontext-Layer
Dein Kontext – konstante Qualität über jedes Modell
→ daraus, einsatzbereit
Muster ab Tag 1 · voller Ausbau optional
Modelle ändern sich.
Dein contextr bleibt.
kein Abo, kein Lock-in
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 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
// eine Frage, zwei Antworten
Wie wirkt contextr konkret?
Die Probe:
dieselbe Frage an eine KI,
einmal ohne und einmal mit dem Kontext,
den contextr aufbaut.
Frage: „Wie sorgt ihr dafür, dass die KI das Unternehmen wirklich versteht?"
KI ohne Kontext
Plausibel. Aber leer.
„Wir analysieren Ihre Prozesse und Anforderungen in strukturierten Gesprächen und erfassen alle relevanten Informationen. So stellen wir sicher, dass die KI optimal auf Ihr Unternehmen abgestimmt ist und konsistente, hochwertige Ergebnisse liefert."
→ klingt kompetent.
Und genau wie jeder Wettbewerber.
KI mit contextr-Kontext
Konkret – und belegbar.
„Profis lassen im freien Bericht bis zu 70% ihrer Entscheidungsschritte aus – nicht aus Unwillen, sondern weil Routine unsichtbar wird. Das belegt aktuelle Forschung zu Experteninterviews.
Deshalb fragen wir nicht nur ab, sondern nach:
mit kontrafaktischen Fragen, Fehleranalyse und Teach-Back-Methoden holen wir genau das hervor, was sonst im Kopf bleibt.
Und weil eine KI selbst Verstandenes nach jeder Sitzung wieder vergisst, sichern wir kontinuierliche Qualität durch einen lebendigen Kontext – der eure realen Bedingungen abbildet und mit euch wächst."
→ unverwechselbar.
Methode, Technik, Evidenz – gezeigt, nicht behauptet.
Den Unterschied macht der Kontext.
Nicht noch ein Tool.
Sondern die Grundlage, auf der alle Tools arbeiten.
contextr ist ein KI-Arbeitssystem, das auf deinem Wissen aufbaut –
konfiguriert für dein Geschäft, nicht für den Durchschnitt.
Was das konkret bedeutet: strukturierter Organisationskontext,
konfigurierte KI-Assistenten und Workflows –
abgestimmt auf eure Prozesse, nicht von der Stange.
Wo contextr bei Solo-Selbstständigen und kleinen Teams ansetzt.
Jedes Unternehmen und jedes Team hat eigene Abläufe, eigene Entscheidungslogiken, eigenes Wissen in Köpfen. Die folgenden zwölf Szenarien zeigen, wie contextr das in ein KI-Arbeitssystem übersetzt.
Jede Karte öffnet ein 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.
Positionierung halten – über den ganzen Kundenstamm
1 Person
// So beschreiben es Betroffene
Ich berate sechs Kunden, jeder mit eigener Story, eigenen Tabus, eigenen Medien. Das trage ich alles im Kopf. Die KI könnte mir Entwürfe liefern – aber nur, wenn sie wüsste, für wen ich gerade schreibe und wie.
// Ausgangslage
Solo-Beratung mit mehreren parallelen Kunden. Positionierungslogik und Kunden-Spezifika als Tacit Knowledge bei einer Person. KI-Entwürfe generisch, weil der Kunden-Kontext fehlt.
// Was contextr einrichtet
- Arbeitskontext-Dokument: eigenes Beratungsprofil und Methodik, plus je ein kompaktes Kunden-Kontext-Profil (Tonalität, Tabuthemen, Positionierung, Schlüsselmedien).
- Übersicht der Aufgaben mit dem größten KI-Hebel: Pressetexte, Statements, LinkedIn-Posts im jeweiligen Kundenstil.
- Fertige KI-Instruktionen, die den richtigen Kunden-Kontext laden – konsistente Ergebnisse je Mandat.
- Im Übergabe-Gespräch: je ein einsatzfertiges Beispiel-Feature pro Funktionstyp des genutzten Tools als Vorlage.
// Ergebnis im Alltag
Entwürfe treffen den Kundenton ab dem ersten Draft.
Strategische Raster (Positionierung, Botschaftshaus) jederzeit abrufbar statt jedes Mal neu erarbeitet.
Mehr Mandate parallel betreubar, ohne dass die Qualität an einzelnen Tagen schwankt.
Markenstimme und Kampagnen-Standards über das ganze Team
4–12 Mitarbeitende
// So beschreiben es Betroffene
Jeder bei uns schreibt und gestaltet anders. Die Markenstimmen unserer Kunden, die Kampagnen-Logiken, die Best Practices – das steckt bei den Seniors. Wenn ein Junior anfängt oder jemand im Urlaub ist, schwankt die Qualität, und alles muss durch die Freigabe der Erfahrenen.
// Ausgangslage
Team mit mehreren Kunden und uneinheitlicher Arbeitsweise. Kunden-Markenstimmen und Kampagnen-Standards als Tacit Knowledge bei Seniors. Onboarding langsam, Freigabeschleifen binden Senior-Kapazität.
// Was contextr einrichtet
- Organisationskontext der Agentur plus je ein Kunden-Kontext-Profil pro Schlüsselkunde: Markenstimme, Zielgruppen, Kampagnen-Historie, Do's und Don'ts.
- Kampagnen-Playbooks als geteilter Kontext: Standard-Phasen, Kanal-Logiken, Erfolgskriterien.
- Custom Agents für Kanal-Texte (Social, Newsletter, Landingpage) mit ladbarem Kundenprofil; rollenspezifische Profile fürs Team.
- Starter-Prompts für Briefings, Kampagnen-Konzepte und Reportings.
// Ergebnis im Alltag
Neue Teammitglieder liefern früher im Agentur- und Kundenstandard.
Markenkonsistenz über alle Kanäle und Personen – weniger Freigabeschleifen.
Senior-Kapazität verschiebt sich von Korrektur zu Strategie und Neugeschäft.
Eigener Stil über wechselnde Auftraggeber
1 Person
// So beschreiben es Betroffene
Ich schreibe für drei Auftraggeber, jeder mit eigenem Stilguide, eigener Zielgruppe, eigenen No-Gos. Die KI hilft beim Rohtext – aber ich muss jedes Mal von vorne erklären, für wen und wie. Am Ende ist Selberschreiben schneller.
// Ausgangslage
Solo-Redaktion mit mehreren Auftraggebern unterschiedlicher Stilvorgaben. Stilwissen und Qualitätskriterien unstrukturiert. KI-Output generisch, der Briefing-Aufwand frisst den Zeitgewinn.
// Was contextr einrichtet
- Arbeitskontext-Dokument: eigene redaktionelle Linie und Recherche-Standards, plus je ein Auftraggeber-Stilprofil (Zielgruppe, Tonalität, Formate, No-Gos).
- Übersicht der Aufgaben mit dem größten KI-Hebel: Rohentwürfe, Headline-Varianten, Faktencheck-Strukturen, Textredaktion.
- Fertige KI-Instruktionen, die den richtigen Stil laden – kein Wiederholungs-Briefing.
- Im Übergabe-Gespräch: je ein einsatzfertiges Beispiel-Feature pro Funktionstyp des genutzten Tools als Vorlage.
// Ergebnis im Alltag
Von der Recherchenotiz zum strukturierten Entwurf in einem Bruchteil der Zeit.
Stilkonsistenz pro Auftraggeber, ohne jedes Mal neu zu erklären.
Kapazität für mehr Aufträge bei gleichbleibender Qualität.
Projektgedächtnis über Personenwechsel hinweg
4–12 Mitarbeitende
// 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.
Eigene Routine als abrufbarer Hebel
1 Person
// So beschreiben es Betroffene
Ich bin Einzelkämpfer. Mandantenschreiben, Einsprüche, Standardbescheide – ich formuliere das seit Jahren ähnlich, aber jedes Mal neu. Die KI hilft kaum, weil sie meine Linie, meine Mandantentypen und meine Formulierungen nicht kennt.
// Ausgangslage
Einzelperson ohne Team. Fachliche Routine und Mandantenkommunikation als unstrukturiertes Erfahrungswissen. KI liefert generische Vorlagen, die nicht zur eigenen Linie passen – mehr Korrektur als Hilfe.
// Was contextr einrichtet
- Arbeitskontext-Dokument: Tätigkeitsschwerpunkte, typische Mandantentypen, eigene Formulierungslinie, wiederkehrende Fallkonstellationen.
- Übersicht der Aufgaben mit dem größten KI-Hebel: Schriftsatz-Entwürfe, Mandanten-Korrespondenz, Fristen- und Erinnerungstexte.
- Fertige KI-Instruktionen, die die eigene Tonalität und fachliche Linie tragen – sofort im genutzten Tool einsetzbar.
- Im Übergabe-Gespräch: je ein einsatzfertiges Beispiel-Feature pro Funktionstyp des genutzten Tools als Vorlage.
// Ergebnis im Alltag
Entwürfe für Standardschreiben in Minuten statt aus dem Leeren.
Konsistente eigene Linie über alle Mandate – ohne jeden Satz gegenzulesen.
Mehr Zeit für die Fälle, die wirklich Kopfarbeit brauchen.
Objektgedächtnis und Anfragen-Triage
5–20 Mitarbeitende
// 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 dem kranken Sachbearbeiter.
Eigentümer-Zufriedenheit steigt, weil die Qualität personenunabhängig bleibt.
Eigene Playbooks statt jedes Mal bei null
1 Person
// So beschreiben es Betroffene
Ich plane Events allein – vom Kick-off bis zur Nachbereitung. 70% läuft jedes Mal ähnlich, trotzdem baue ich jeden Ablaufplan neu. Und die Learnings vom letzten Event stehen in irgendeiner Datei, die ich nicht wiederfinde.
// Ausgangslage
Einzelperson, hohe Wiederholung über Events bei jeweils neuem Aufsatz. Erfahrungswissen und Checklisten unstrukturiert. Kein Team, das Routine abnimmt – der Hebel muss aus dem System kommen.
// Was contextr einrichtet
- Arbeitskontext-Dokument: eigene Event-Typen, Standard-Phasen, typische Pitfalls, Dienstleister-Präferenzen.
- Übersicht der Aufgaben mit dem größten KI-Hebel: Ablaufpläne aus Event-Eckdaten, Briefings, Checklisten, Nachbereitungen.
- Fertige KI-Instruktionen, die das passende Event-Playbook laden; Learnings fließen strukturiert zurück.
- Im Übergabe-Gespräch: je ein einsatzfertiges Beispiel-Feature pro Funktionstyp des genutzten Tools als Vorlage.
// Ergebnis im Alltag
Ablaufplanung aus Eckdaten in Minuten statt an einem ganzen Abend.
Gleichbleibende Qualität über jedes Event – die eigene Routine ist abrufbar.
Learnings sammeln sich an einem Ort statt in vergessenen Dateien.
Kalkulationslogik für die nächste Generation
5–15 Mitarbeitende
// 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.
Methodenwissen in jeder Session konsistent
1 Person
// So beschreiben es Betroffene
Mein Wissen steckt in mir – Methoden, Übungen, Fallbeispiele aus zehn Jahren. Wenn ich Material für eine Session vorbereite oder einen Teilnehmer-Follow-up schreibe, fängt die KI bei null an, weil sie meinen Ansatz nicht kennt.
// Ausgangslage
Einzelperson, deren Angebot auf eigener Methodik beruht. Programm-Wissen, Übungsdesigns und Sprache unstrukturiert. KI-Unterstützung generisch, nicht auf den eigenen Ansatz abgestimmt.
// Was contextr einrichtet
- Arbeitskontext-Dokument: eigener methodischer Ansatz, Programm-Bausteine, Zielgruppen, Sprache und Haltung.
- Übersicht der Aufgaben mit dem größten KI-Hebel: Session-Materialien, Teilnehmer-Follow-ups, Übungsdesigns, Angebotstexte.
- Fertige KI-Instruktionen, die den eigenen Ansatz und die eigene Sprache tragen.
- Im Übergabe-Gespräch: je ein einsatzfertiges Beispiel-Feature pro Funktionstyp des genutzten Tools als Vorlage.
// Ergebnis im Alltag
Session-Vorbereitung und Follow-ups in einem Bruchteil der Zeit – im eigenen Ansatz.
Konsistente Qualität, unabhängig von Auslastung oder Tagesform.
Mehr Kapazität für die Arbeit mit Menschen statt für Materialaufbereitung.
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.
Eigene Methodik über alle Mandate
1 Person
// So beschreiben es Betroffene
Ich arbeite mit einer eigenen Methodik, über Jahre gewachsen. Bei jedem neuen Mandat erkläre ich der KI von vorne, wie ich Probleme strukturiere – sonst kommen Standard-Frameworks zurück, die ich nicht verwende.
// Ausgangslage
Solo-Beratung mit eigener, gewachsener Methodik. Analyse-Raster und Vorgehensmodelle als Kopfwissen. KI liefert generische Frameworks statt des eigenen Ansatzes.
// Was contextr einrichtet
- Arbeitskontext-Dokument: eigenes Beratungsmodell, Analyse-Raster, typische Mandatstypen, Sprache und Deliverable-Formate.
- Übersicht der Aufgaben mit dem größten KI-Hebel: Analyse-Strukturen, Workshop-Designs, Angebots- und Berichtsentwürfe.
- Fertige KI-Instruktionen, die die eigene Methodik tragen – kein Rückfall auf Standard-Frameworks.
- Im Übergabe-Gespräch: je ein einsatzfertiges Beispiel-Feature pro Funktionstyp des genutzten Tools als Vorlage.
// Ergebnis im Alltag
Analyse- und Berichtsentwürfe im eigenen Denkrahmen, nicht von der Stange.
Konsistente Methodik über alle Mandate, jederzeit abrufbar.
Schnellere Angebote und Deliverables bei gleichbleibender Qualität.
Gutachten-Bausteinbibliothek mit Qualitäts-Learnings
1–8 Mitarbeitende
// 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.
Kontextdokument
prozess: Discovery & Scoping
schritte:
- schritt: 1
name: Erstgespräch / Qualifizierung
entscheidungslogik:
- WENN kein laufendes Geschäft → Ablehnung (Zielgruppe)
- WENN IT-Dienstleistung erwartet → Ablehnung (Scope)
- WENN außerhalb Zielgruppe → Ablehnung
- SONST → Pre-Discovery-Fragebogen versenden
werkzeuge: [E-Mail, Telefon]
dauer: 15-20 Min
- schritt: 2
name: … Ein Ausschnitt aus dem Kontextdokument: Abläufe als maschinenlesbare Wenn-Dann-Logik – so versteht die KI nicht nur was du tust, sondern wie du entscheidest.
Use-Case-Landkarte
| Aufgabe | Kategorie |
|---|---|
| Interne Recherche / Doku | 🟢fehlertolerant |
| Content-Entwürfe | 🟡prüfpflichtig |
| Kundenkommunikation | 🟡prüfpflichtig |
| Angebote / Verträge | 🔴KI-ausgeschlossen |
| … weitere Aufgaben | |
Nicht jede Aufgabe ist gleich KI-tauglich. Die Landkarte zeigt, wo KI direkt liefert (grün), wo ein Mensch prüft (gelb) und wo KI nur zuarbeitet (rot) – priorisiert nach Wirkung und Risiko.
Hinter jeder Zeile der Landkarte liegt ein ausgearbeiteter Use Case – zum Beispiel:
use_case: Content-Entwürfe kategorie: 🟡 prüfpflichtig ziel: schnelle Erstentwürfe in deiner Tonalität input: Briefing + Kontextdokument + Brand Voice ablauf: Entwurf → menschliche Prüfung → Freigabe output: Entwurf mit markierten Prüfstellen …
In der Discovery identifizieren wir die Use Cases, die für dich und dein Unternehmen den größten Hebel haben. Jeder ist so beschrieben, dass du ihn direkt umsetzen kannst – entweder selbst, gemeinsam in contextr Sessions oder komplett für dich gebaut.
KI-Skill
skill: Discovery-Call vorbereiten
id: SK-01
ausloeser: >
Neuer Kontakt "Qualifiziert" ODER
"bereite Discovery-Call vor"
schritte:
- name: Kontextanalyse
output: Kontaktprofil (5–8 Stichpunkte)
- name: Hypothesen formulieren
output: 3 falsifizierbare Hypothesen
- name: Call-Agenda erstellen
output: Agenda (1 Seite)
- name: … Ein fertig konfigurierter KI-Skill: Auslöser, Arbeitsschritte, definierter Output. Du startest ihn – er kennt deinen Ablauf. Keine Prompt-Bastelei mehr.
Vom Gespräch zum Arbeitssystem.
Wie Entscheidungen fallen, wie Abläufe funktionieren, wie die Kommunikation läuft – manches Wissen steckt in Köpfen, anderes in Dokumenten.
Die Basis erfasst ein Fragebogen.
Im Gespräch folgt, worauf es ankommt:
Abläufe, Entscheidungslogik, Erfahrungswissen –
die Details, die den Unterschied machen.
Deine Arbeitsweise –
dokumentiert und strukturiert.
Dokumentation allein reicht nicht.
Damit KI-Tools mit deinem Wissen arbeiten können,
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, Skills, Prompts,
Anleitungen, Wartungshinweise –
ein zentrales Portal
mit allem, was dein Team braucht.
Lokal bei dir verfügbar,
für jede Plattform nutzbar.
dein contextr –
bereit zum Arbeiten, ab Tag eins.
Ein System wirkt erst, wenn es im Alltag arbeitet. Deshalb endet die Übergabe nicht mit Dokumenten – sondern mit angelegten Beispiel-Features und deinen priorisierten Use Cases.
Wie du sie umsetzt, entscheidest du: eigenständig, gemeinsam in contextr Sessions – oder ich baue für dich. Die drei Wege →
dein Weg zur effektiven KI-Nutzung –
dein System wirkt.
Ein Projekt, ein Ansprechpartner –
von der ersten Frage bis zum fertigen System.
So sieht ein contextr aus.
Was du hier siehst, ist Struktur und Tiefe.
Alle Inhalte werden individuell erstellt.
Außerdem enthalten
- Globale Instruktionen
& System-Prompts Systemsteuerung - Projekte, Workflows, Custom Agents KI-Assistenten
- Brand Voice System
- Leitfäden & Anleitungen Umsetzung & Wartung
- Starter-Prompts Prompts
- Schnellstart & FAQ Orientierung
Das Problem ist belegt. Die Lösung auch.
Die Wahrnehmung
der Kleinstunternehmen halten KI im eigenen Unternehmen für nicht anwendbar – ein Übersetzungsproblem, kein Technologieproblem.
OECD, 2025
Die Adoption
der deutschen KMU nutzen KI aktiv. Der entscheidende Faktor: digitaler Reifegrad und die Fähigkeit, das eigene Geschäft für KI zu übersetzen.
KfW Research, 2026
Das Ergebnis
der GenAI-Piloten in Unternehmen blieben binnen sechs Monaten ohne messbaren Geschäftseffekt. Kernursache laut Report: Tools, die die Organisation nicht kennenlernen – fehlender Kontext, nicht fehlende Technologie.
MIT NANDA, „The GenAI Divide", 2025 – Vorab-Report: 52 Interviews, 153 Befragte, 300+ untersuchte Initiativen
Die Ursache
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
Die wenigsten trauen KI etwas zu, die wenigen Versuche bleiben meist ohne messbaren Effekt – und der Grund ist immer derselbe: Das entscheidende Wissen bleibt verborgen und somit ungenutzt.
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.
Zwei Streams.
Klarer Scope.
Festpreis vorab.
Immer enthalten – in beiden Streams:
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
Der richtige Kontext für jede Aufgabe – ob Tagesgeschäft, Kundenprojekt oder Strategie
Datenschutz nach DSGVO: Verarbeitung in der EU, Auftragsverarbeitungsvertrag pro Projekt, sensible Inhalte werden anonymisiert oder lokal verarbeitet.
Dein contextr funktioniert mit jedem KI-Tool – heute und in Zukunft.
Was sich ändert, sind die Modelle. Dein contextr bleibt.
contextr Team
Für Teams von 3–10 Personen. Euer geteilter Organisationskontext als Wissensbasis – alle Rollen, Schnittstellen und Prozesse in einer gemeinsamen Grundlage.
Das bekommt ihr – sofort nutzbar: Ich erfasse, wie eure Organisation arbeitet, und verdichte es zu einer geteilten Wissensbasis. Die wirkt ab dem ersten Tag in jedem KI-Tool, das ihr nutzt – zum Beispiel ChatGPT oder Claude – ohne dass etwas gebaut werden muss. Euer contextr allein bringt bessere Outputs im ganzen Team – und ist die ideale Basis für eure spezifischen Anwendungsfälle.
Was ist enthalten?
In der Discovery (1.290 EUR) enthalten:
- Ein umfassender Vorab-Fragebogen und ein 90-minütiges Discovery-Gespräch, in dem ich Rollen, Prozesse und Schnittstellen aufnehme – auch das, was ein Fragebogen nicht erfassen kann.
- Eure geteilte Wissensbasis – sofort in jedem KI-Tool nutzbar.
- Priorisierte Use Cases – ich identifiziere die KI-Hebel in eurer Organisation, gewichte sie nach Wirkung und priorisiere, womit ihr anfangt.
- Ein Übergabe-Gespräch, in dem wir gemeinsam je ein einsatzfertiges Feature pro Funktionstyp eures KI-Tools anlegen (Skill, Project, Custom GPT oder Connector). Ihr lernt dabei, wie die einzelnen Rollen effizient mit der gemeinsamen Wissensbasis arbeiten und wie ihr eigene Profile einrichtet.
- 30-60-90-Tage-Plan und Anleitung zur eigenständigen Nutzung.
- Ein Abschluss-Gespräch einige Wochen später – wir klären offene Fragen aus dem Arbeitsalltag.
Danach: von der Grundlage zur Umsetzung – siehe unten.
contextr Solo
Für Solo-Selbstständige und kleine Teams (1–3 Personen). Nach 14–21 Tagen weiß deine KI, wie du arbeitest.
Das bekommst du – sofort nutzbar: Ich erfasse deinen Arbeitskontext und verdichte ihn zu einer klaren Wissensbasis.
Die fügst du in jedes KI-Tool ein – zum Beispiel ChatGPT oder Claude – und bekommst ab dem ersten Moment bessere, treffendere Antworten. Freie Tool-Wahl, keine Abhängigkeit. Dein contextr wirkt ab dem ersten Tag der Nutzung – und ist die ideale Basis für deine individuellen Use Cases.
Was ist enthalten?
In der Discovery (490 EUR) enthalten:
- Ich erfasse, wie du arbeitest – über einen umfassenden Fragebogen, deine Unterlagen und optional deine Website. Dein Aufwand: rund 2–2,5 Stunden über 2–3 Wochen.
- Ein 45-minütiges Gespräch, in dem ich aufnehme, was ein Fragebogen nicht erfassen kann, und wir offene Punkte gemeinsam klären.
- Deine Wissensbasis als Dokument, das du in jedem KI-Tool sofort einsetzt – plus fertige Instruktionen mit Anleitung und eine Startseite, von der aus du alles nutzt.
- Priorisierte Use Cases – ich identifiziere die Aufgaben, bei denen KI dir den größten Hebel bringt, und priorisiere sie nach Wirkung. Du bekommst eine klare Landkarte, womit du anfängst.
- Ein Übergabe-Gespräch, in dem wir gemeinsam je ein einsatzfertiges Feature pro Funktionstyp deines KI-Tools anlegen (Skill, Project, Custom GPT oder Connector) – als Vorlage, an der du beim eigenständigen Weiterbauen ansetzt.
- Ein Abschluss-Gespräch einige Wochen später – wir klären offene Fragen, die im Arbeitsalltag mit der KI aufgetaucht sind.
Danach: von der Grundlage zur Umsetzung – siehe unten.
Ggf. zzgl. eigene Tool-Kosten – abhängig vom Stream 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 kleine Setups – solo oder im Team.
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.
Von der Grundlage zur Umsetzung.
Nach der Discovery hast du eine klare Wissensbasis,
deine priorisierten Use Cases und je ein Muster-Feature pro Funktionstyp.
Wie du von dort weitergehst, entscheidest du.
Auf eigenen Wegen
Du hast alles, was du brauchst – deine Wissensbasis und deine priorisierten Use Cases. Du gehst in eigenem Tempo weiter, mit eigener Recherche und Learning by Doing. Auf LinkedIn teile ich regelmäßig Methoden, Denkrahmen und Anwendungs-Walkthroughs, mit denen du selbst weiterkommst. Ich bleibe hilfreich, ohne dass du etwas buchst.
→ contextr auf LinkedIn folgenGemeinsam umsetzen
Wir setzen deine priorisierten Use Cases gemeinsam um – an deinen eigenen Anwendungsfällen, in deiner Arbeitsumgebung. Ich erläutere zu Beginn die Features (Skills / Workflows / Agents), die wir in der Übergabe bereits angelegt haben. Anhand dieser Muster setzen wir die nächsten Use Cases um. Zwischen den Sessions wendest du sie im Alltag an. Danach erweiterst du dein System eigenständig.
- Solo: 3 Sessions à 90 Min über 4–6 Wochen.
- Team: 4 Sessions à 90 Min über 6–8 Wochen, rollenspezifisch und moderiert für mehrere Teilnehmer.
Festpreis.
Ich baue für dich
Ich setze deine priorisierten Use Cases für dich um – vom maßgeschneiderten KI-Baustein bis zur prozessübergreifenden Automation. Du musst nichts selbst aufbauen – die Lösung steht, wenn ich übergebe.
Tiefe und Umfang werden in der Discovery gemeinsam festgelegt. Das Angebot erhältst du dort.
Alle drei Wege haben dasselbe Ziel:
Du arbeitest eigenständig mit deinem neuen Arbeitssystem weiter.
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.
Diploma of Advanced Studies in
Digital Strategy & Transformation,
Hochschule für Wirtschaft und Umwelt
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.