Alfred  ·  Sales Deck
Folien
← Übersicht
webstake · Internes Pitch-Deck

Alfred

Prozess-Automation für Unternehmen,
die nicht modernisieren können —
aber trotzdem automatisieren wollen.

Kurze Vorstellung: Was wir heute besprechen. Kein Tech-Talk, keine Features — sondern die Frage: Wem können wir helfen, wer ist der richtige Kunde, und was kann Vertrieb realistisch versprechen? Ich zeige euch danach eine Live-Demo — echte Anwendung, kein Mockup.
Das Problem

Stell dir Renate vor.

Renate ist Sachbearbeiterin. Qualifiziert. Erfahren.
Jeden Montag macht sie dieselben 12 Klicks —
Daten aus System A in System B übertragen.
45 Minuten. Jede Woche. Seit 7 Jahren.

Das ist der Kern-Schmerzpunkt. Nicht Technologie — Bürokratie, Vendor Lock-in, politische Strukturen. Vorstände und Abteilungsleiter die "nein" sagen, nicht weil es falsch ist, sondern weil es nicht in ihrem Bereich liegt. Renate löst das selbst — oder macht es 7 Jahre lang per Hand. Wir geben ihr eine dritte Option.
Markt

RPA ist kein neues Problem.

$27 Mrd.

Robotic Process Automation — weltweit, heute.
UiPath, Blue Prism, Automation Anywhere sind Milliarden-Unternehmen.
Weil das Problem real ist.

RPA ist keine neue Idee — der Markt ist 27 Milliarden Dollar groß. Das ist die Validierung. Das Problem: Die etablierten Anbieter sind teuer, komplex und brauchen Consultants. Wir spielen in diesem Markt — aber mit einem anderen Ansatz für einen anderen Kunden.
Wettbewerb

“Dann nehmen wir UiPath.”

Lizenzkosten
€6.000–60.000
pro Jahr · Einstieg bis Enterprise
ohne Implementierung
Implementierung
€10.000–20.000
pro Prozess · ca. 15 Tage Aufwand
ROI bei 3 Std./Tag: < 12 Monate
Maintenance
5–20 %
der Initialkosten/Jahr
Jedes UI-Update bricht den Bot

Für Renates 45-Minuten-Montag? Niemand macht das.

Das ist die Lücke, in der wir sitzen. Klassisches RPA ist zu teuer und zu komplex für mittelständische Einzelprozesse. Große Konzerne können sich das leisten — für den Mittelstand ist das nicht realistisch. Genau diese Kunden bleiben ohne Automatisierung — weil der Aufwand größer ist als der Nutzen mit den existierenden Tools.
Wettbewerb · die andere Seite

“Was ist mit ChatGPT? Der klickt doch auch?”

Browser Use, Anthropic Computer Use, OpenAI Operator — die klicken sich autonom durch.
Das klingt perfekt. Ist es nicht.

Das ist die Frage, die wir im Vertrieb hören werden. “Kann das nicht einfach ChatGPT machen?” Die Antwort: Für eine Demo ja. Für einen Buchhaltungsprozess, der jeden Tag läuft und auditiert werden muss — nein. Unser Ansatz ist deterministisch: der Bot tut exakt das, was Renate ihm gezeigt hat. Nicht mehr, nicht weniger. Das ist der AI Act-konforme Weg: Mensch hat Kontrolle, Bot ist das Werkzeug.
Die Lösung

Renate zeigt dem Bot, was er tun soll.
Einmal. Fertig.

AI Act compliant 100% inhouse möglich Kein IT-Ticket nötig YAML = Prozessdoku
Drei Schritte: aufnehmen, ausführen, steuern. Das ist der gesamte Workflow. Wichtig für Sales: kein IT-Projekt, kein Consultant, kein Projektbudget. Der Schlüsseluser — also Renate — macht das selbst. In Stunden, nicht Monaten. “AI Act compliant by design” ist ein Argument für regulierte Branchen und öffentliche Auftraggeber.
Architektur · warum das funktioniert

KI nur dort, wo KI hingehört.

Alfred ist eine disziplinierte Variante des Agentic-AI-Musters — mit einer klaren Grenze zwischen dem, was das Modell tut und dem, was das Werkzeug tut.

🧠 LLM — genau eine Aufgabe
  • Intent erkennen — “Was will der Nutzer?”
  • Parameter extrahieren — Projektnamen, Nummern, Namen aus dem Freitext
  • Workflow auswählen — übergibt an das richtige Skript
  • Danach: komplett aus dem Prozess
🔧 Skript — deterministisch
  • Führt aus — Schritt für Schritt, genau wie aufgenommen
  • Liest & schreibt — Quelldaten auslesen, Zielfelder befüllen
  • Verkettet Teilaufgaben — Login → Lesen → Schreiben → Speichern
  • Kein KI-Eingriff, keine Abweichung
Das ist das Argument, das ChatGPT / Browser Use schlägt. Die klicken sich autonom durch — KI entscheidet jeden einzelnen Schritt. Deshalb halluzinieren sie. Wir nutzen KI nur für die eine Frage, die sie sicher beantworten kann: “Was soll ich tun?” Alles danach ist Handwerk: aufgezeichnete, verifizierte, wiederholbare Schritte. Das macht den Prozess auditierbar, vorhersagbar und AI-Act-konform. Technische Zuhörer: Das Muster heißt “Router + deterministischer Agent”. Kein ReAct-Loop, kein Tool-Calling durch das Modell. Nicht-technische Zuhörer: “Die KI versteht den Satz. Den Rest macht das Skript. Das Skript irrt sich nicht.”
Showcase · Echtes Unternehmen

Der Alltag in Renates Firma.

Renate hilft auch im Vertrieb.

Szenario 1 · Dokument verarbeiten
Ein Lieferant schickt ein PDF-Angebot per Mail. Es ist dringend — aber niemand hat Zeit, die 22 Felder ins CRM abzutippen. Das PDF liegt im Posteingang. Renate sagt dem Bot Bescheid.
“Verarbeite das PDF-Angebot aus dem Posteingang und lege es im CRM an.”
  • LLM erkennt: Stack “process-document” — Posteingang öffnen + CRM-Angebot anlegen
  • Bot öffnet Posteingang, klickt “Verarbeiten” — OCR liest das PDF
  • LLM extrahiert: Kunde, Positionen, Preise, Konditionen aus dem OCR-Text
  • Bot zeigt Zusammenfassung — Renate bestätigt oder korrigiert fehlende Felder
  • Bot füllt das CRM-Formular, Position für Position — speichert als Entwurf
Szenario 2 · Angebot kopieren
Die Seniorenmannschaft im Büro mag das neue CRM — aber sie tragen nur halbe Datensätze ein, verwenden falsche Projekte, schreiben Firmennamen falsch. Renate korrigiert täglich. Manuell.
“Erstelle aus dem Angebot X für Kunde Y ein neues Angebot für Projekt Z. Übernimm alle Positionen.”
  • LLM erkennt: Workflow “copy-offer” — Quellangebot ANB-2024-0042 vorausgefüllt
  • Bot öffnet Tab 1 — liest alle Felder aus dem Quellangebot: Kunde, Konditionen, 4 Positionen
  • Bot öffnet Tab 2 (SSO-Redirect) — überträgt alle Daten, Position für Position
  • Status → Entwurf, speichern — fertig. Renate prüft, sie sendet ab.

Kein Tippfehler. Kein falsches Projekt. Kein vergessenes Zahlungsziel. Renate ist Mensch geblieben — der Bot hat die Handarbeit übernommen.

Zwei Showcases nebeneinander: links das neue Szenario (PDF aus Posteingang → OCR → CRM), rechts das bestehende (Angebot kopieren). Szenario 1 zeigt die volle Pipeline: Mail-Posteingang → OCR-Rezeptor liest das PDF → LLM extrahiert Daten generisch aus dem OCR-Text → Bestätigung durch den Menschen (Human-in-the-Loop) → Web-Effektor füllt das CRM. Der Mensch bleibt in der Schleife — er bestätigt, bevor der Bot tippt. Unklare Felder werden erfragt, nicht geraten. Szenario 2 ist der bekannte Copy-Offer-Showcase: Bot liest Quellangebot, überträgt exakt in Tab 2. Pointe für beide: Die Seniorenmannschaft ändert nichts an ihrer Arbeitsweise. Der Bot gleicht aus.
Was geht · Grüne Zone

Alles, was im Browser läuft.

Einfache Regel: wenn der Mitarbeiter es im Browser tut, kann der Bot es auch.

Die erste Frage im Kundengespräch: “Arbeiten eure Leute in einem Browser oder in einem Windows-Programm?” Browser → grüne Zone, können wir. Windows-Programm → rote Zone, müssen wir genauer hinschauen. SAP Fiori ist wichtig: die meisten großen SAP-Kunden haben Fiori für ihre Hauptmodule. Das ist eine große Zielgruppe.
Was geht nicht (direkt) · Rote Zone

Native Desktop-Anwendungen.

Direkt nicht automatisierbar
  • SAP GUI — klassischer Windows-Client
  • Klassische POS-Software — proprietäre Kassen-Terminals
  • Native Lager-Clients — Eigenentwicklungen ohne Web-Zugang
  • Excel-Makros, Office-Automation
Aber: fast immer gibt es einen Web-Weg
  • SAP → Fiori prüfen (meist vorhanden)
  • POS → Web-Reporting-Portal im Back-Office
  • Lager → Inventur-Export, Bestellportal oft web-basiert
  • Hybridansatz: automatisiere den Web-Teil, dokumentiere die Lücken
Roadmap: Windows-Native
  • UI Automation API — findet Buttons/Felder per Name/ID, kein Monitor nötig
  • Gleiche YAML-Syntax — click, fill, waitFor; nur ein anderer Executor
  • Headless-fähig — läuft in VMs und Remote-Sessions
  • Pilot: SAP GUI oder legacy ERP auf Windows-Server
Das ist die wichtigste Folie für Sales: ehrlich sein, aber nicht aufgeben. “Wir können das nicht” ist selten die ganze Antwort. Die richtige Frage: “Gibt es einen Web-Zugang?” Kundengespräch: immer nachfragen, welche Module auf SAP Fiori laufen. Das klären wir gemeinsam vor dem Pilot. Chefkoch als Beispiel: Rezept-Updates, Inventur-Reports — das läuft alles im Web. Roadmap-Spalte: Windows UI Automation (pywinauto / WinAppDriver) kann dieselbe YAML-Struktur ausführen — click/fill/waitFor gegen native UI-Elemente statt DOM. Gleiche Sprache, anderer Runner. Für Kunden ohne Web-Zugang.
Häufigste Einwand-Frage

“Wir haben SAP.”

Das ist kein Nein — es ist eine Folgefrage.

SAP GUI — klassischer Windows-Client
✗ Direkt nicht
Proprietary native Oberfläche, kein Browser
SAP Fiori — Web-Frontend
✓ Vollständig
Läuft im Browser — wir können jeden Schritt automatisieren
SAP WebGUI
✓ Vollständig
Auch browser-basiert — grüne Zone

Erste Frage im Gespräch: “Welche Module nutzt ihr, und wie greift ihr darauf zu?”

SAP ist in 90% der mittelständischen Gespräche ein Thema. Deswegen diese eigene Folie. Die gute Nachricht: SAP hat massiv in Fiori investiert. Die meisten Kernprozesse (MM, FI, HR-Self-Service) haben Fiori-Apps. Action: Checkliste für Sales bauen — “Welche SAP-Module, Fiori-Zugang vorhanden (ja/nein)?” — das ist die Go/No-Go-Frage.
Marktfit

Warum Deutschland?
Warum jetzt?

Der “Office Crazy”-Punkt: die Bürokratie, die eigentlich ein Problem ist, ist gleichzeitig unser Vertriebsargument. DSGVO ist in Deutschland ein echter Entscheidungs-Blocker für Cloud-KI-Tools. “Läuft alles inhouse, kein Byte verlässt das Netz” — das schlägt jedes US-Cloud-Angebot. Security sagt “nein” zu APIs — aber den Browser nutzt jeder. Wir arbeiten genau in diesem Korridor. AI Act ist ein Türöffner für regulierte Branchen: Gesundheit, Finanzen, öffentliche Verwaltung. “AI Act compliant by design” — das ist eine konkrete Aussage, die Einkäufer und Compliance-Abteilungen hören wollen.
Positionierung

Wer sind wir im Vergleich?

Kriterium UiPath / Blue Prism Browser Use / Operator (LLM) Alfred
Einrichtungsaufwand Consultant, Monate Minimal — schreibt selbst Schlüsseluser, Stunden
Kosten ab €6k/Jahr Lizenz + €10–20k/Prozess Impl. API-Volumen, bei Skalierung teuer Minimal (lokales LLM)
Zuverlässigkeit Hoch (wenn gewartet) Niedrig — halluziniert Hoch — deterministisch
Auditierbarkeit Mittel Keine Vollständig — YAML + Log
Datenschutz Cloud je nach Vendor US-Cloud 100% inhouse möglich
Neue Prozesse IT-Projekt, Budget, Consultant Kein Prozessmodell Schlüsseluser lernt es selbst

Wir sind nicht ChatGPT, wir sind DeepSeek.

Die Tabelle nicht vorlesen — nur die Pointe: Wir sind die einzige Option, die sowohl günstig als auch zuverlässig als auch datenschutzkonform ist. Klassisches RPA: teuer und gut. LLM-Agenten: günstig und schlecht. Wir: günstig und gut — aber mit klarer Scope-Grenze (nur Browser). Zur Phrase: ChatGPT steht für “allwissend, unberechenbar, teuer, US-Cloud”. DeepSeek steht für “fokussiert, effizient, lokal, transparent”. Das sind wir.
Go-to-Market

Zwei Wege zum Kunden.

Kompetenz-Übertragung

webstake-Produkt · Selbstständigkeit

  • Pilot-Tag vor Ort mit Schlüsseluser
  • User lernt, selbst aufzunehmen
  • Danach: autonom — ohne uns, ohne IT
  • Preismodell: Pilot + Lizenz
Consulting-Modell

Avenga als Partner · Abhängigkeit als Service

  • Avenga implementiert, begleitet, wartet
  • Kunde kauft “managed automation”
  • Wir liefern die Plattform
  • Avenga liefert das Projektgeschäft
Das ist strategisch wichtig: wir können zwei verschiedene Kundensegmente ansprechen. Segment 1 will Kompetenz. Segment 2 will “jemand kümmert sich darum”. Avenga als Vertriebskanal bedeutet auch: deren Bestandskunden sind potenzielle Alfred-Kunden. Frage an Sales: Gibt es schon einen Kontakt bei Avenga, den wir aktivieren können?
Sales-Targeting

Woran erkenne ich den richtigen Kunden?

Mittelstand mit Legacy-ERP Öffentliche Verwaltung Gesundheitswesen Franchise-Systeme Möglicher Pilot: Chefkoch
Die Qualifizierungsfrage für Sales: “Arbeiten eure Mitarbeiter mit Web-Anwendungen? Welcher Prozess kostet die meiste Zeit?” Wenn die Antwort “Ja” und “wir wissen es genau” ist — das ist euer Pilot-Kandidat. Chefkoch: Inventur, Lagerhaltung-Reports, Rezept-Updates. Alles web-erreichbar — prüfen ob Zugang da ist.
Modulbaukasten

Was kann der Bot heute — und morgen?

Jedes Modul ist ein unabhängiger Baustein. Neue Fähigkeiten = neues Modul, kein Umbau.

Receptoren · Daten lesen
Web Receptor
Browser · DOM · Navigation · Formular-Daten auslesen
LIVE
Doc Receptor (OCR)
PDF · Dokumente · Bilderkennung → strukturierte Daten
LIVE
Mail Receptor
E-Mail-Postfach · IMAP · Anhänge lesen, OCR + LLM-Extraktion
LIVE
Voice Receptor
Spracheingabe → Text · lokales Whisper-Modell auf GPU
LIVE
Extension (Recorder + Prozessbegleiter)
Prozesse aufzeichnen · Guidance Overlay · Lernmodus · Chrome MV3
LIVE
Effektoren · Daten schreiben
Web Effector
Browser · Klicken · Formulare ausfüllen · Multi-Tab
LIVE
ERP Effector
SAP · Navision · native Schnittstellen
GEPLANT
Mail Effector
E-Mail senden · Entwurf erstellen · SMTP
GEPLANT
API Receptor / Effector
REST · OpenAPI-Spec → Daten lesen & schreiben · Headless Automation ohne Browser
GEPLANT

● Live — im Prototyp einsatzbereit    ● Geplant — Architektur steht, Umsetzung nach Kundenbedarf

Die Folie zeigt, dass das System modular ist — nicht monolithisch. Sechs Module sind heute live: Web Receptor/Effector, Doc Receptor (OCR), Mail Receptor, Voice Receptor, und die Browser Extension mit Recorder + Prozessbegleiter. Mail-Pipeline: E-Mail kommt rein → Alfred erkennt den Typ → OCR + LLM extrahieren die Daten → User bestätigt → Alfred füllt das Formular. Extension: Prozesse aufnehmen (Scan + Click Recorder), Guidance Overlay für neue Mitarbeiter, Lernmodus der Nutzungsverhalten analysiert. Die geplanten Module (ERP, API) sind architektonisch vorbereitet und werden nach Kundenbedarf priorisiert.
Sales-Targeting

Welches Modul passt zum Kunden?

Qualifizierungsfragen pro Modul — erkenne den Use-Case im Gespräch.

Web Effector · LIVE
“Unsere Leute tippen jeden Tag die gleichen Daten in drei verschiedene Systeme.”
  • Browser-basierte Anwendungen (CRM, ERP-Web, Portale)
  • Wiederkehrende Formulare, Copy-Paste zwischen Tabs
  • Frage: “Läuft das im Browser?”
Doc Receptor (OCR) · LIVE
“Wir kriegen PDFs per Mail und tippen alles manuell ins System.”
  • Eingehende Dokumente (Angebote, Rechnungen, Bestellungen)
  • Strukturierte Datenerfassung aus Papier/PDF
  • Frage: “Wie viele Dokumente pro Woche?”
API Receptor / Effector · GEPLANT
“Wir haben eine Schnittstelle, aber niemand hat sie angebunden.”
  • Systeme mit REST-API oder OpenAPI-Spec
  • Daten lesen und schreiben ohne Browser-Umweg
  • Frage: “Gibt es eine API-Dokumentation?”
Mail Receptor · LIVE
“Jeden Morgen sortiere ich 30 Mails und trage die Daten manuell ein.”
  • E-Mail-getriebene Prozesse (Bestellungen, Anfragen, Reports)
  • Anhänge automatisch per OCR + LLM extrahieren und ins System übertragen
  • Frage: “Kommen die Daten per Mail rein?”
Diese Folie ist das Herzstück für die Sales-Qualifizierung. Jede Karte hat einen typischen Kundensatz als Trigger — wenn man den im Gespräch hört, weiß man welches Modul passt. Web Effector + Doc Receptor sind die heutigen Showcases — damit startet jeder Pilot. API Receptor/Effector ist der nächste große Schritt: Kunden mit OpenAPI-fähigen Systemen brauchen keinen Browser-Umweg. Die Fragen am Ende jeder Karte sind die konkreten Qualifizierungsfragen für den Vertrieb.
Nächste Schritte

Worauf es jetzt ankommt.

Der erste Pilot kostet “einen Tag vor Ort”.
Jede weitere Automatisierung danach kostet den Kunden fast nichts.

Ehrlich sein über den Stand: wir sind im Prototyp-Stadium. Das ist kein Nachteil — der richtige Kunde schätzt, gemeinsam etwas aufzubauen. Aber keine Versprechen machen die wir nicht halten können. Checkliste vor dem Pilot: Prozess klar? Hosting entschieden? Systemzugang gesichert? Ansprechpartner motiviert? Ziel heute: Einen konkreten nächsten Schritt festlegen — kein offener Punkt ohne Owner rausgehen.
Fragen & Diskussion

Danke.

“Wir ersetzen niemanden.
Wir geben Renate ihren Montag zurück.”

Fragen, Einwände, Ideen — jetzt.

Offene Diskussion. Mögliche Fragen die kommen können: • “Was kostet das?” → Pilot-Tag + Lizenzmodell noch zu definieren, aber deutlich unter RPA-Niveau • “Wie lange dauert die Einrichtung?” → Pilot 1 Tag, erster automatisierter Prozess am gleichen Tag lauffähig • “Was passiert wenn das System sich ändert?” → Bot schlägt Fehler, Renate korrigiert den Schritt (Backlog: Resilient Replay) • “Datenschutz?” → 100% on-premise möglich, LLM läuft lokal, keine Daten verlassen das Unternehmen