Consulting
- Fast jede KI-Anwendung besteht aus 8 Bausteinen: Text zu Text, Sprache zu Text, Text zu Sprache, Dokument zu Text, Text zu Bild, Video und Avatar, Übersetzung, Suche im eigenen Wissen.
- Tools wechseln schnell, die Bausteine bleiben. Wer sie kennt, kann jedes neue Tool einordnen.
- Der Nutzen entsteht in der Kombination: Ein Voicebot am Telefon ist zum Beispiel Sprache zu Text, ein Sprachmodell und Text zu Sprache hintereinander.
- Bei Stimme, Video und Gesprächsaufnahmen gelten eigene Regeln: Einwilligung, Rechte an der Stimme und seit 2. August 2026 die Kennzeichnung von Deepfakes.
KI-Anwendungen: das Wichtigste vorab
Jede Woche erscheinen neue KI-Tools. Wer versucht, alle zu kennen, verliert schnell den Überblick. Dabei machen die meisten Tools im Kern dasselbe: Sie verbinden wenige KI-Bausteine auf eine neue Art. Ein Protokoll-Tool wandelt Sprache in Text um und fasst den Text zusammen. Ein Telefonassistent macht dasselbe und liest die Antwort zusätzlich mit einer KI-Stimme vor.
In diesem Artikel lernst du die 8 Bausteine kennen, aus denen fast alle KI-Anwendungen bestehen. Zu jedem Baustein bekommst du ein Beispiel aus dem Betrieb, typische Tools und die Grenzen. Danach siehst du an drei Abläufen, wie aus einzelnen Bausteinen etwas wird, das dir jede Woche Arbeit abnimmt.
Was sind KI-Anwendungen?
Eine KI-Anwendung ist ein Programm, das mit künstlicher Intelligenz eine Aufgabe erledigt, für die bisher ein Mensch lesen, zuhören, schreiben oder gestalten musste. Drei Begriffe helfen beim Einordnen:
- Baustein: eine einzelne Fähigkeit, zum Beispiel „Sprache zu Text“. Bausteine sind langlebig.
- Tool: ein Produkt, das einen oder mehrere Bausteine anbietet, zum Beispiel ein Transkriptions-Dienst. Tools kommen und gehen.
- Ablauf: mehrere Bausteine hintereinander, verbunden mit deinen Programmen. Hier entsteht der eigentliche Nutzen.
Moderne Modelle sind oft multimodal: Sie verarbeiten Text, Sprache, Bilder und Video und können zwischen diesen Formen übersetzen. Deshalb lassen sich die Bausteine gut nach dem Muster „Eingang zu Ausgang“ benennen.
Die 8 KI-Bausteine im Überblick
| Baustein | Was er macht | Beispiel im Betrieb |
|---|---|---|
| 1 Text zu Text | Versteht, schreibt, kürzt und ordnet Texte | Antwortentwurf auf eine Kundenanfrage |
| 2 Sprache zu Text | Schreibt Gesprochenes mit (Transkription) | Protokoll aus einer Besprechung |
| 3 Text zu Sprache | Liest Text mit einer KI-Stimme vor | Sprecherstimme für ein Erklärvideo |
| 4 Dokument zu Text | Liest Belege, Formulare und Fotos aus | Eingangsrechnungen erfassen |
| 5 Text zu Bild | Erzeugt und bearbeitet Bilder aus einer Beschreibung | Titelbild für einen Ratgeber |
| 6 Video und Avatar | Erzeugt Videos oder einen sprechenden Avatar | Schulungsvideo in mehreren Sprachen |
| 7 Übersetzung | Überträgt Text und Sprache in andere Sprachen | Anleitung für Mitarbeitende auf Polnisch |
| 8 Suche im eigenen Wissen | Beantwortet Fragen aus deinen Unterlagen | „Wie war das Vorgehen bei Reklamationen?“ |
Die Tools in den folgenden Abschnitten sind Beispiele, keine Empfehlung, Stand Oktober 2026. Welches davon zu dir passt, hängt von deinen Programmen, deinem Datenschutz und deinem Budget ab.
1. Text zu Text: der Allrounder
Was er kann: Sprachmodelle verstehen Texte und schreiben neue. Sie fassen zusammen, formulieren um, ordnen E-Mails ein, ziehen Angaben aus einer Anfrage und erstellen Entwürfe für Angebote oder Antworten.
Im Betrieb: Eine Anfrage kommt per E-Mail. Die KI erkennt, worum es geht, fasst sie in drei Zeilen zusammen und schreibt einen Antwortentwurf mit deinen Textbausteinen.
Tools: ChatGPT, Claude, Gemini, Microsoft Copilot.
Grenzen: Sprachmodelle können plausibel klingende Fehler machen. Preise, Zusagen und Fakten prüft immer ein Mensch. Wie du einen eigenen Assistenten mit festen Regeln baust, steht im Artikel KI-Assistent erstellen.
2. Sprache zu Text: Transkription
Was er kann: Die KI schreibt Gesprochenes mit, erkennt verschiedene Sprecher und setzt Zeitstempel. Zusammen mit Baustein 1 wird daraus ein Protokoll mit Aufgabenliste.
Im Betrieb: Nach dem Termin beim Kunden sprichst du im Auto eine Sprachnotiz ein. Im Büro liegt daraus ein sauberer Gesprächsbericht mit den nächsten Schritten.
Tools: die Transkription in Microsoft Teams oder Zoom, Whisper von OpenAI (auch auf eigenen Rechnern nutzbar), Diktierfunktionen in Smartphone und Office.
Grenzen: Fachbegriffe, Namen und Dialekt gehen manchmal schief. Gespräche darfst du nur mit Einwilligung aller Beteiligten aufnehmen, mehr dazu unten im Abschnitt Recht.
3. Text zu Sprache: die KI-Stimme
Was er kann: Text to Speech liest Texte mit einer natürlich klingenden Stimme vor, in vielen Sprachen und Tonlagen. Manche Anbieter liefern zu jedem Wort einen Zeitstempel, damit Bild und Ton exakt zusammenpassen.
Im Betrieb: Sprecherstimme für Erklär- und Schulungsvideos, Ansagen in der Telefonanlage, Artikel zum Anhören, Antworten eines Voicebots.
Tools: ElevenLabs, Azure AI Speech von Microsoft, Google Cloud Text-to-Speech.
Grenzen: Kostenlose Tarife erlauben oft keine gewerbliche Nutzung. Prüfe die Lizenz, bevor eine Stimme auf deiner Website oder in einer Anzeige läuft. Eine fremde Stimme nachzubilden ist ohne Einwilligung tabu.
4. Dokument zu Text: Belege und Formulare auslesen
Was er kann: Die KI liest gescannte Dokumente, PDFs und Fotos und gibt die Angaben strukturiert aus: Lieferant, Datum, Betrag, Positionen. Anders als die klassische Texterkennung (OCR) versteht sie auch, welche Zahl der Gesamtbetrag ist.
Im Betrieb: Eingangsrechnungen, Lieferscheine, Aufmaß-Fotos, handschriftliche Notizen oder ausgefüllte Formulare landen ohne Abtippen in deinem Programm.
Tools: die Belegerkennung in Buchhaltungsprogrammen, Azure AI Document Intelligence, Google Document AI, multimodale Sprachmodelle.
Grenzen: Bei schlechten Fotos und ungewöhnlichen Formaten braucht es Stichproben. Eine Beispielrechnung für die Belegerfassung findest du im Artikel KI-Automatisierung.
5. Text zu Bild: Bilder erzeugen und bearbeiten
Was er kann: Du beschreibst ein Motiv, die KI erzeugt das Bild. Bestehende Bilder lassen sich erweitern, freistellen oder in einen anderen Stil übertragen.
Im Betrieb: Titelbilder für Ratgeber, Grafiken für Social Media, Varianten für Anzeigen, Symbolbilder für Schulungen. Die Bilder in diesem Blog entstehen so, mit einer festen Stilvorgabe, damit alle zusammenpassen.
Tools: die Bildmodelle von OpenAI (auch in ChatGPT), Midjourney, Adobe Firefly, Canva.
Grenzen: Schrift im Bild ist oft fehlerhaft, Produkte und echte Personen sehen nicht verlässlich gleich aus. Für Referenzen und Teamfotos bleiben echte Fotos die bessere Wahl.
6. Video und Avatar
Was er kann: Videomodelle erzeugen kurze Clips aus Text oder Bild. Avatar-Tools lassen eine digitale Person einen Text sprechen, auf Wunsch in vielen Sprachen.
Im Betrieb: Schulungs- und Onboarding-Videos, die du ohne Dreh aktualisieren kannst, mehrsprachige Anleitungen, kurze Clips für Anzeigen.
Tools: HeyGen, Synthesia, die Videomodelle von Google, OpenAI und Runway.
Grenzen: Avatare wirken schnell austauschbar. Für Vertrauen beim Kunden ist dein echtes Gesicht stärker. Gut geeignet sind Avatare für interne Schulungen, mehr dazu im Artikel Mitarbeiterschulung digitalisieren.
7. Übersetzung
Was er kann: KI übersetzt Texte, Dokumente und inzwischen auch gesprochene Sprache, oft mit passendem Fachvokabular.
Im Betrieb: Arbeitsanweisungen für Mitarbeitende mit anderer Muttersprache, Angebote für Kunden im Ausland, mehrsprachige Website-Inhalte.
Tools: DeepL, Google Übersetzer, Sprachmodelle aus Baustein 1.
Grenzen: Bei Verträgen, Sicherheitshinweisen und Werbeaussagen sollte eine Person mit der Zielsprache gegenlesen.
8. Suche im eigenen Wissen
Was er kann: Die KI beantwortet Fragen aus deinen eigenen Unterlagen: Handbücher, Angebote, Prozessbeschreibungen, frühere E-Mails. Fachleute sprechen von RAG (Retrieval Augmented Generation): Erst sucht das System die passenden Stellen, dann formuliert das Sprachmodell die Antwort mit Quellenangabe.
Im Betrieb: Neue Mitarbeitende fragen „Wie läuft eine Reklamation ab?“ und bekommen die Antwort aus deiner Prozessbeschreibung statt aus dem Gedächtnis des Kollegen.
Tools: NotebookLM von Google, Microsoft Copilot mit SharePoint, eigene Wissensdatenbanken.
Grenzen: Die Antworten sind nur so gut wie deine Unterlagen. Wie du Wissen so ablegst, dass KI damit arbeiten kann, zeigt der Artikel Second Brain für Unternehmen.
Aus Bausteinen wird ein Ablauf
Einzeln genutzt sparen die Bausteine ein paar Minuten. Verbunden zu einem festen Ablauf sparen sie jede Woche Stunden. Die Verbindung übernimmt meist ein Automatisierungswerkzeug wie n8n, Make oder Zapier, einen Vergleich findest du im Artikel Zapier-Alternative. Drei Beispiele:
Voicebot am Telefon
- Sprache zu TextAnrufer schildert sein Anliegen
- Text zu TextKI versteht es und fragt nach Adresse und Termin
- Text zu SpracheKI-Stimme antwortet
- ErgebnisZusammenfassung landet im Postfach oder CRM
Besprechung zum Protokoll
- AufnahmeTermin wird mit Einwilligung aufgezeichnet
- Sprache zu TextTranskript mit Sprechern
- Text zu TextBeschlüsse und Aufgaben
- ErgebnisAufgaben stehen im Projektwerkzeug
Erklärvideo
- Text zu TextSkript entwerfen, Mensch gibt frei
- Text zu SpracheSprecherstimme mit Wort-Zeitstempeln
- AnimationGrafiken erscheinen zum gesprochenen Wort
- Ergebnisfertiges Video ohne Dreh
Der Voicebot ist ein gutes Beispiel für die Logik dahinter: Für den Anrufer wirkt er wie ein einziges Produkt. Technisch sind es drei Bausteine hintereinander. Wenn du das weißt, kannst du Anbieter viel gezielter vergleichen: Wie gut versteht er Dialekt? Wie natürlich klingt die Stimme? Wohin geht die Zusammenfassung? Wie Anfragen danach weiterlaufen, beschreibt der Artikel Kundenservice automatisieren.
Praxisbeispiel: mein Erklärvideo mit KI-Stimme
Das Erklärvideo auf meiner Startseite stellt in 90 Sekunden meine vier Leistungen vor. Es entstand ohne Kamera und ohne Sprecherstudio, genau nach dem dritten Ablauf oben: Das Skript habe ich mit KI entworfen und selbst freigegeben. Eine lizenzierte KI-Stimme hat es eingesprochen und zu jedem Wort einen Zeitstempel geliefert. Daran hängen die Animationen, jede Grafik erscheint genau in dem Moment, in dem das passende Wort fällt.
Der Vorteil im Alltag: Ändert sich ein Satz, wird nur dieser Teil neu vertont und das Video neu erzeugt. Kein neuer Drehtermin, keine neue Aufnahme. Unter dem Video steht ein Hinweis, dass die Stimme mit KI erzeugt wurde.
Recht und Sicherheit: worauf du bei den Bausteinen achtest
Terminvorbereitung mit der privaten KI: Schatten-KI im Vertrieb
Ein Bekannter aus dem Vertrieb erzählte mir, wie er sich auf Kundentermine vorbereitet: Er lässt seine private KI recherchieren. Wie geht es der Firma, was macht sie genau, mit wem arbeitet sie zusammen, welche aktuellen Nachrichten gibt es? In wenigen Minuten hat er ein Briefing, für das er früher eine Stunde gebraucht hätte.
Die Idee ist gut. Das Problem ist das private Konto. Die Recherche zu öffentlichen Informationen ist selten heikel. Heikel wird es, sobald die eigenen Unterlagen dazukommen: „Hier ist unser letztes Angebot, hier sind meine Notizen aus dem CRM, wie sollte ich vorgehen?“ Genau dieser Schritt liegt nahe, weil das Briefing damit besser wird. Dann landen Preise, Konditionen, Gesprächsverläufe und Namen von Ansprechpartnern in einem Konto, über das das Unternehmen keine Kontrolle hat. Je nach Tarif und Einstellung können Eingaben zum Training genutzt werden, einen Vertrag zur Auftragsverarbeitung gibt es nicht, und wechselt der Mitarbeiter den Arbeitgeber, nimmt er den Verlauf mit.
Besser: derselbe Ablauf in einem freigegebenen, geschäftlichen KI-Konto (was das genau ändert, steht im Artikel ChatGPT Business oder privat). Dazu eine feste Vorlage für das Terminbriefing, die nur öffentliche Quellen nutzt und jede Aussage mit Quelle belegt, und eine klare Regel, welche internen Daten hineindürfen. So bleibt der Zeitgewinn, und das Wissen bleibt im Unternehmen. Warum Mitarbeitende überhaupt zu privaten Tools greifen und wie du das in geregelte Bahnen lenkst, steht im Artikel Schatten-KI.
- Gespräche aufnehmen nur mit Einwilligung. Wer das nicht öffentlich gesprochene Wort eines anderen ohne dessen Zustimmung aufnimmt, macht sich nach § 201 StGB strafbar. Kündige Aufnahmen und Transkription vorher an, auch in Videokonferenzen und am Telefon.
- Stimmen und Gesichter gehören Menschen. Eine echte Stimme oder ein echtes Gesicht darfst du nur mit Einwilligung der Person nachbilden. Das gilt auch für Mitarbeitende.
- Deepfakes kennzeichnen. Seit dem 2. August 2026 gelten die Transparenzpflichten aus Art. 50 der KI-Verordnung. Wer mit KI Bilder, Videos oder Ton erzeugt, die echten Personen oder Ereignissen täuschend ähneln, muss das offenlegen. Ein Hinweis unter KI-Videos und bei KI-Stimmen ist ohnehin fair gegenüber deinen Kunden.
- Datenschutz bei jedem Baustein. Kundendaten gehören nur in Tools mit Vertrag zur Auftragsverarbeitung und klarer Regel, ob Eingaben zum Training genutzt werden. Was erlaubt ist, legst du in einer KI-Richtlinie fest. Weitere Gefahren beschreibt der Artikel KI-Risiken.
- Lizenzen prüfen. Bei Stimmen, Bildern und Videos bestimmt der Tarif, ob du das Ergebnis gewerblich nutzen darfst.
Die Hinweise zu Recht und Datenschutz in diesem Artikel sind keine Rechtsberatung. Kläre verbindliche Fragen für dein Unternehmen mit einer Fachperson.
Womit du startest
- Aufgabe statt Tool suchen: Schreib drei Aufgaben auf, die jede Woche wiederkommen und viel Lesen, Zuhören oder Schreiben verlangen.
- Bausteine zuordnen: Welche der 8 Bausteine steckt in jeder Aufgabe? Ein Gesprächsbericht ist zum Beispiel Sprache zu Text plus Text zu Text.
- Einen Ablauf testen: Nimm die häufigste Aufgabe, lass die KI vier Wochen lang nur Entwürfe liefern und prüfe jedes Ergebnis.
- Messen und ausbauen: Vergleiche die Zeit vorher und nachher. Lohnt es sich, verbinde den Ablauf fest mit deinen Programmen.
Konkrete Startfälle für das Büro mit Zeitersparnis findest du im Artikel KI-Anwendungsfälle im Büro, Beispiele für Handwerksbetriebe im Artikel KI im Handwerk.
Fazit
KI-Anwendungen wirken unübersichtlich, weil es so viele Tools gibt. Dahinter stecken aber nur 8 Bausteine: Text zu Text, Sprache zu Text, Text zu Sprache, Dokument zu Text, Text zu Bild, Video und Avatar, Übersetzung und die Suche im eigenen Wissen. Wer sie kennt, kann jedes neue Tool in wenigen Minuten einordnen. Den echten Nutzen bringen sie, wenn du zwei oder drei davon zu einem festen Ablauf verbindest, mit klaren Regeln und einem Menschen, der prüft, was nach außen geht.
Häufige Fragen
Was sind KI-Anwendungen?
KI-Anwendungen sind Programme, die mit künstlicher Intelligenz eine Aufgabe erledigen, etwa Texte schreiben, Gespräche mitschreiben, Belege auslesen, Bilder erzeugen oder Fragen aus deinen Unterlagen beantworten. Technisch bestehen sie meist aus wenigen Bausteinen, die in vielen Tools wiederkehren.
Wie nutzen Firmen KI?
Kleine und mittlere Unternehmen nutzen KI vor allem für Texte und E-Mails, Zusammenfassungen und Protokolle, das Auslesen von Rechnungen und Belegen, Antworten im Kundenservice, Übersetzungen sowie Bilder und Videos für Marketing. Den größten Effekt hat KI, wenn sie in einen festen Ablauf eingebaut ist und nicht nur ab und zu im Browser genutzt wird.
Welche KI gibt es außer ChatGPT?
Für Texte gibt es neben ChatGPT zum Beispiel Claude, Gemini und Microsoft Copilot. Daneben gibt es spezialisierte KI für einzelne Bausteine: DeepL für Übersetzungen, Whisper für Transkription, ElevenLabs für KI-Stimmen, Midjourney oder Adobe Firefly für Bilder, HeyGen oder Synthesia für Avatar-Videos und NotebookLM für die Arbeit mit eigenen Dokumenten.
Was ist multimodale KI?
Multimodale KI verarbeitet mehrere Arten von Daten, also Text, Sprache, Bilder oder Video, und kann zwischen ihnen übersetzen. Ein Beispiel ist ein Modell, das ein Foto einer Rechnung liest und die Angaben als Text ausgibt, oder eines, das eine Sprachnachricht versteht und schriftlich antwortet.
Was ist ein Voicebot?
Ein Voicebot ist ein KI-Assistent am Telefon. Er wandelt die Sprache des Anrufers in Text um, ein Sprachmodell versteht das Anliegen und formuliert eine Antwort, und eine KI-Stimme spricht sie aus. Im Betrieb nimmt er zum Beispiel Anrufe an, wenn niemand rangehen kann, fragt die wichtigsten Angaben ab und schickt eine Zusammenfassung.
Darf ich mich mit KI auf Kundentermine vorbereiten?
Ja, und es spart viel Zeit: Die KI fasst öffentliche Informationen über das Unternehmen, aktuelle Nachrichten und mögliche Gesprächsthemen zusammen. Nutze dafür aber ein vom Unternehmen freigegebenes, geschäftliches KI-Konto und kein privates. Spätestens wenn Angebote, CRM-Notizen oder Namen von Ansprechpartnern dazukommen, gehören diese Daten nicht in ein privates Konto. Lass dir außerdem Quellen nennen und prüfe wichtige Aussagen nach.
Darf ich KI-Stimmen geschäftlich nutzen?
Ja, wenn der Tarif des Anbieters die gewerbliche Nutzung erlaubt und du keine fremde Stimme ohne Einwilligung nachbildest. Kostenlose Tarife schließen die gewerbliche Nutzung oft aus. Wirkt eine KI-Stimme oder ein Avatar wie eine echte Person, solltest du den Einsatz kenntlich machen. Diese Antwort ist keine Rechtsberatung.
Maschinenbauingenieur mit Master in Kunststofftechnik und MBA, sieben Jahre Team- und Abteilungsleitung in der Industrie. Seit 2019 baut er digitale Vertriebs-, Schulungs- und KI-Systeme. Mehr über Fabian
Quellen
Dieser Beitrag wurde mit KI-Unterstützung erstellt.
