Deliverables erstellen: Memos, Decks und Client Reports

# Deliverables erstellen: Memos, Decks und Client Reports

Eine Associate im zweiten Jahr bei einer mittelgroßen Beratung lädt zwölf Dokumente aus dem Datenraum in ein KI-Tool und bittet um ein Due-Diligence-Memo. Neunzig Sekunden später hat sie acht Seiten saubere Prosa. Es sieht fertig aus. Ist es nicht. Zwei der Risiko-Flags sind halluziniert (vom Modell erfunden), und die Zusammenfassung zum Working CapitalWorking CapitalWorking capital is the difference between a company's current assets and current liabilities, measuring short-term liquidity and the funds available to run daily operations.Vollständige Definition ansehen → nennt eine Zahl, die in keiner der Quelldateien auftaucht.

Das ist der Kernkonflikt beim KI-gestützten Entwerfen in Professional Services: Die Maschine bringt Sie schnell zum ersten Draft, aber die letzte Meile, also genau das, wofür Kunden zahlen, läuft weiter über menschliches Urteilsvermögen.

Diese Lektion zeigt Ihnen, wie Sie einen Prompt-and-Review-Workflow aufbauen, der die Geschwindigkeit mitnimmt, ohne das Risiko zu erben.

Warum Deliverables der perfekte KI-Anwendungsfall sind (und die perfekte Falle)

Der größte Teil des Outputs in Professional Services ist strukturiert, repetitiv und template-getrieben. Ein Engagement Letter (der Vertrag, der Scope, Honorare und Konditionen eines Kundenprojekts definiert), ein Due-Diligence-Memo, ein Board Deck: Alle folgen vorhersehbaren Formen. Genau diese Struktur beherrschen Large Language Models gut.

Aber diese Dokumente tragen auch berufliche Haftung. Eine falsch formulierte Freistellungsklausel oder eine erfundene Finanzkennzahl ist kein Tippfehler. Es ist eine Kundenbeziehung, und manchmal ein Rechtsstreit.

Das Ziel lautet also nicht „die KI schreibt das Deck“. Das Ziel ist ein Workflow, in dem die KI Zusammenstellung und Struktur übernimmt und Menschen für Fakten, Urteil und Verantwortung stehen.

Der Prompt-and-Review-Workflow

Denken Sie in vier Stufen. Die KI macht die Schwerarbeit in Stufe eins und zwei. Sie dominieren drei und vier.

Stufe 1: Das Rohmaterial strukturieren

Fangen Sie nicht damit an, ein fertiges Memo zu verlangen. Fangen Sie damit an, das Modell Ihre Inputs organisieren zu lassen.

Angenommen, Sie haben Deal Notes, drei Finanzberichte und ein Transkript eines Management-Interviews für eine Due-Diligence-Prüfung. Ihr erster Prompt:

> „Du hilfst, ein Due-Diligence-Memo zu strukturieren. Unten stehen meine Rohnotizen und Dokumente. Extrahiere und liste ohne Kommentar auf: (1) alle quantitativen Zahlen mit ihrem Quelldokument, (2) genannte Risiken, (3) offene Fragen. Füge keine Analyse hinzu. Markiere alles, wo die Quelle unklar ist.“

Das bewirkt zwei Dinge. Es zwingt das Modell, jede Zahl an eine Quelle zu binden, und es legt Lücken offen, bevor sie sich in polierter Prosa verstecken.

Stufe 2: Gegen ein Template entwerfen, das Sie kontrollieren

Jetzt geben Sie dem Modell das Skelett. Professionelle Firmen haben bereits eigene Templates. Fügen Sie Ihres ein.

> „Verwende ausschließlich die oben extrahierten Fakten und entwirf Abschnitt 3 (Financial Overview) unseres Standard-DD-Memos. Folge dieser Struktur: [Überschriften einfügen]. Wo ein Fakt fehlt, schreibe [GAP: beschreibe, was benötigt wird]. Nichts ableiten oder schätzen.“

Die [GAP]-Anweisung ist das Arbeitstier. Statt fehlende Daten mit selbstbewusst klingender Füllmasse zu übertünchen, lässt das Modell sichtbare Löcher, die Sie füllen.

Stufe 3: Der menschliche Review-Durchgang (nicht verhandelbar)

Hier lebt das Partner-Urteil. Führen Sie jeden KI-Draft durch eine feste Checkliste:

• Fact Trace: Lässt sich jede Zahl einem Quelldokument zuordnen? Wenn das Modell sie nicht belegen kann, löschen Sie sie.
• Materialität: Hat das Modell das eine Risiko, das den Deal kippt, unter fünf trivialen begraben? KI gewichtet schlecht. Sie gewichten nach Konsequenz.
• Urteilsfragen: „Die Kundenkonzentration des Targets ist ein Risiko“ ist ein Fakt. „Diese Konzentration ist angesichts der Dreijahresverträge akzeptabel“ ist ein Urteil. Der zweite Satz ist Ihrer, niemals der des Modells.
• Ton und Beziehung: Ein Engagement Letter an einen langjährigen Kunden liest sich anders als einer an eine erstmalige Gegenpartei. Das Modell kennt Ihre Historie nicht. Sie schon.

Eine brauchbare Merkregel: KI kann beschreiben. Nur Sie können empfehlen.

Stufe 4: Ton und Format verfeinern

Sobald Fakten und Urteil festgezogen sind, schicken Sie es zum Polieren zurück ans Modell.

> „Straffe diesen Abschnitt für ein Partner-Publikum. Behalte jede Zahl und jeden Vorbehalt exakt wie geschrieben. Reduziere abschwächende Formulierungen. Ziel: eine Seite.“

Polieren lässt sich sicher automatisieren, weil Sie die Substanz bereits validiert haben.

Ein durchgerechnetes Beispiel: das Due-Diligence-Memo

So spielen sich die vier Stufen bei einem realen Deliverable-Typ ab.

Input: Die Anwälte des KKThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →äufers senden Ihnen die Zahlen eines Zielunternehmens und bitten um ein Risiko-Memo vor einem Komitee-Meeting am Dienstag.

Stufe 1 verwandelt den Datenraum in eine quellenbelegte Faktenliste. Sie sehen sofort, dass das Modell markiert hat: Der Umsatz im Pitch Deck (etwa eine vom Management genannte Schätzung) passt nicht zu den geprüften Abschlüssen. Gut. Diese Abweichung ist jetzt sichtbar, statt zu einer einzigen falschen Zahl verrechnet zu werden.

Stufe 2 liefert einen strukturierten Draft, in dem [GAP: keine Erklärung für Umsatzabweichung] im Text steht.

Stufe 3 ist der Punkt, an dem Sie Ihr Honorar verdienen. Sie rufen den Kunden an, erfahren, dass die Abweichung eine zeitliche Differenz in der Umsatzrealisierung ist, und Sie schreiben den Urteilssatz: „Die Abweichung spiegelt eine Periodenverschiebung nach dem neuen Umsatzstandard wider und ist kein Indikator für eine Gefährdung der Unternehmensfortführung.“ Diese Einschätzung kann kein Modell treffen. Sie erfordert Kenntnis des Kunden, des Standards und der Tragweite.

Stufe 4 bringt es in das vom Komitee bevorzugte einseitige Briefing-Format.

Gesamtzeit: vielleicht ein Drittel eines vollständig manuellen Drafts. Aber beachten Sie: Die eingesparte Zeit floss in Extraktion und Formatierung, nicht ins Denken. Das Denken blieb bei Ihnen.

🎬 [VIDEO: „How to Write Effective Prompts for Business Writing“ - youtube.com - ein praktischer Durchgang zur Prompt-Strukturierung für professionelle Dokumente]

Wo KI hilft und wo sie nicht führen darf

| Aufgabe | KI führt | Mensch führt |

|---|---|---|

| Rohnotizen organisieren | Ja | Review |

| Boilerplate-Abschnitte entwerfen | Ja | Review |

| Lange Dokumente zusammenfassen | Ja | Verifizieren |

| Ein Deck formatieren | Ja | Abzeichnen |

| Materialität eines Risikos bewerten | Nein | Ja |

| Eine Handlungsempfehlung geben | Nein | Ja |

| Rechts- oder Honorarkonditionen in einem Engagement Letter | Nein | Ja |

| Endgültige Freigabe gegenüber dem Kunden | Nein | Ja |

Ein Grundsatz aus der Forschung zur Zuverlässigkeit von KI: Modelle sind standardmäßig flüssig, nicht wahrheitsgetreu. Flüssigkeit ist kein Beweis. Eine verständliche Einführung dazu, warum Modelle erfinden, finden Sie in dieser Übersicht des Alan Turing Institute.

Guardrails, die Sie aus Schwierigkeiten halten

Fügen Sie niemals vertrauliche Kundendaten in ein öffentliches Consumer-Tool ein. Nutzen Sie das Enterprise- oder Private-Deployment Ihrer Firma, wo Inputs nicht für Training verwendet werden und Daten unter Governance bleiben. Prüfen Sie zuerst Ihre Engagement-Konditionen und Vertraulichkeitspflichten.

Führen Sie einen Quellenordner. Jede Zahl in einem Deliverable sollte sich auf ein Dokument zurückführen lassen, das Sie vorlegen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen. Der KI-Workflow macht das leichter, wenn Sie in Stufe eins Quellenangaben erzwingen.

Offenlegen gemäß Firmenpolitik. Manche Kunden und manche Regulatoren erwarten inzwischen die Offenlegung von KI-Unterstützung in Deliverables. Kennen Sie die Haltung Ihrer Firma, bevor Sie versenden.

Die Verantwortungsregel: Wer das Deliverable unterschreibt, verantwortet jedes Wort, auch die Worte, die das Modell geschrieben hat. „Die KI hat das gesagt“ ist keine Verteidigung gegenüber einem Kunden oder einem Gericht.

Anwendung auf Decks und Engagement Letters

Die gleichen vier Stufen lassen sich übertragen, mit Anpassungen.

Beratungs-Decks: KI ist stark darin, ein validiertes Findings-Memo in Bullets auf Folienebene und einen logischen Ablauf zu überführen. Lassen Sie sie zuerst eine „Storyline“ erzeugen (ein Satz pro Folie), prüfen Sie die Argumentation, dann generieren Sie Inhalte. Lassen Sie sie niemals Daten für ein Chart erfinden. Geben Sie ihr Ihre Zahlen.

Engagement Letters: Nutzen Sie KI, um Standardklauseln aus Ihrer freigegebenen Bibliothek zusammenzustellen und den Draft gegen eine Scope-Checkliste zu prüfen. Lassen Sie sie keine Honorarkonditionen, Haftungsobergrenzen oder Freistellungen von Null entwerfen. Das sind rechtliche und kommerzielle Entscheidungen. Ein Partner und, wo relevant, der General Counsel verantworten sie.

Das Muster gilt über alle drei hinweg: Zusammenstellung automatisieren, Urteil selbst verantworten.

Key Takeaways

• Nutzen Sie einen Workflow in vier Stufen: quellenbelegte Fakten extrahieren, gegen Ihr eigenes Template mit [GAP]-Markern entwerfen, einen menschlichen Review-Durchgang machen, dann das Polieren automatisieren.
• Erzwingen Sie Quellenangaben früh. Wenn das Modell eine Zahl nicht an ein Quelldokument binden kann, gehört sie nicht ins Deliverable.
• KI kann beschreiben und organisieren; sie darf niemals Materialitätsbewertungen, Empfehlungen oder rechtliche und honorarbezogene Entscheidungen treffen. Die bleiben bei einem namentlich benannten Menschen.
• Schützen Sie Vertraulichkeit: nur Enterprise-Tools unter Governance nutzen, einen nachvollziehbaren Quellenordner führen und KI-Nutzung gemäß Firmenpolitik offenlegen.
• Wer unterschreibt, verantwortet jedes Wort. Der Nutzen ist Geschwindigkeit; die Verantwortung bleibt unverändert.