Use Cases finden.
Teams aufbauen.
In Betrieb bringen.

Microteaming plant, besetzt und baut Vorhaben aus Data, digitalen Produkten und KI mit Teams von drei bis fünf Menschen, verstärkt durch KI-Agenten. Das Team stellen wir aus Ihrem Haus, mit Freelancern oder gemischt, für Inhaber, Geschäftsführung und Fachbereiche im Mittelstand und in Familienunternehmen.

Microteaming

Eine Beratung, die selbst umsetzt. Wir finden mit Ihnen den Anwendungsfall, der sich lohnt, stellen ein kleines Team für ihn auf und liefern, bis die Lösung im Alltag läuft.

Kleine Teams brauchen weniger Abstimmung. Vier Personen haben sechs Kommunikationswege, zwölf Personen haben 66; das Netz am Anfang dieser Seite zeigt beides.

Die Besetzung organisieren wir, mit Ihren Mitarbeitenden, mit Freelancern oder gemischt. Jedes Team bekommt ein Ziel, eine Kennzahl und vom ersten Tag an Zugang zu Daten und Werkzeugen.

Anatomie eines Microteams In der Mitte ein Use Case. Darum drei Rollen: Domain Expert aus dem Haus des Kunden, Tech Lead und Data Scientist als Freelancer. Außen ein Ring aus KI-Agenten für Recherche, Daten, Coding und Qualitätssicherung. Ein Use Case Domain Expert Tech Lead Data Scientist Recherche QA Daten Coding KI-Agenten
Anatomie eines Microteams Drei Rollen um einen Use Case, umgeben von KI-Agenten. Ein Mensch gibt das Ziel vor, die Agenten führen aus, ein Mensch prüft und gibt frei.
  • aus Ihrem Haus
  • Freelance
  • KI-Agent

Leistungen

Was wir umsetzen

Data

Wir führen verstreute Daten zu einer Basis zusammen, auf die sich Geschäftsführung und Fachbereiche verlassen können. Berichte, Kennzahlen und Prognosen entstehen danach aus einer Quelle.

  • Datenplattform und Reporting für die Steuerung
  • Zusammenführung von ERP, CRM und Fachsystemen
  • Prognosen für Absatz, Bedarf und Auslastung

Digitale Produkte

Wir entwickeln Software, die Abläufe im Unternehmen vereinfacht oder Kunden eine neue Leistung bietet. Das Team baut vom ersten Prototyp bis zur Anwendung im täglichen Einsatz.

  • Interne Werkzeuge, die manuelle Abläufe ablösen
  • Portale und Self-Service für Kunden und Partner
  • Neue digitale Leistungen bis zum ersten Markttest

KI

Wir setzen KI dort ein, wo sie messbar Arbeit abnimmt, und jedes Ergebnis bleibt für einen Menschen prüfbar. Dazu gehören klare Regeln, wer KI wofür nutzt und wer freigibt.

  • Auswertung von Rechnungen, Verträgen und Anfragen
  • Assistenten auf dem Wissen des eigenen Unternehmens
  • KI-Governance mit Regeln, Rollen und Prüfschritten

Staffing

Wir stellen das Microteam für Ihr Vorhaben zusammen und organisieren die Besetzung vollständig. Die Menschen kommen aus Ihrem Haus, sind Freelancer, die wir auswählen, oder beides; Verträge, Einarbeitung und Koordination liegen bei uns.

  • Internes Staffing mit Mitarbeitenden aus Fachbereich und IT
  • Freelancer für Engineering, Data und KI
  • Gemischte Teams, in denen das Wissen im Haus bleibt

Projekte

Ausgewählte Projekte

Fünf Projekte aus Data, digitalen Produkten und KI, jeweils mit Ausgangslage, Besetzung, Vorgehen und Ergebnis.

  • aus Ihrem Haus
  • Freelance
  • KI
  • Daten und Systeme

Vorgehen

Ein Use Case, ein Team, bis in den Betrieb

  1. Use Cases finden

    Mit Geschäftsführung und Fachbereichen sichten wir, wo Daten, Software oder KI einen spürbaren Unterschied machen. Ausgewählt wird der Anwendungsfall mit dem größten Nutzen und der geringsten Hürde.

    Ergebnis
    Ein priorisierter Use Case mit Ziel, Kennzahl und einer Einschätzung der nötigen Daten und Systeme.
  2. Microteam aufbauen

    Wir besetzen das Team mit drei bis fünf Menschen, intern, mit Freelancern oder gemischt, und organisieren Auswahl, Verträge und Einarbeitung. Dazu gehört immer jemand aus Ihrem Fachbereich, der den Prozess kennt; KI-Agenten übernehmen Recherche, Datenaufbereitung und Routinen beim Coding.

    Ergebnis
    Ein besetztes Team mit klarem Mandat und eine geschützte Umgebung, in der es ab dem ersten Tag arbeitet.
  3. Umsetzen

    Das Team liefert in kurzen Zyklen und zeigt jede Woche funktionierende Software. Was KI-Agenten erzeugen, prüft ein Mensch, bevor es weitergeht.

    Ergebnis
    Eine Lösung im Betrieb, Kennzahlen zu ihrer Wirkung und Mitarbeitende, die sie weiterführen.

Grundsatz

Für den nächsten Use Case entsteht ein eigenes Team. So bleibt jedes Team klein, und der Abstimmungsaufwand wächst nicht mit.

  1. Use Case 1eigenes Team
  2. Use Case 2eigenes Team
  3. Use Case 3eigenes Team
Wachstum über weitere Teams: Jedes bleibt bei drei bis fünf Menschen plus KI-Agenten.

Warum kleine Teams

49 %

So viel ihrer Zugkraft brachte jede Person im Schnitt noch auf, als acht Menschen gemeinsam an einem Seil zogen. Allein waren es 100 %, zu dritt noch 85 %.

Zugkraft pro Person nach Gruppengröße
1 Person100 %
2 Personen93 %
3 Personen85 %
8 Personen49 %

Maximilien Ringelmann (1913), aufbereitet von Kravitz und Martin, Journal of Personality and Social Psychology 50 (1986)

+350 %

Teams ab neun Personen waren rund 30 % schneller als Teams unter vier. Sie kosteten rund 350 % mehr und machten rund 500 % mehr Fehler.

Teams ab neun Personen, Index: Teams unter vier Personen = 100 %
Laufzeit70 %
Kosten450 %
Fehler600 %

QSM, Re-Analyse von D. Putnam (2018, 390 Anwendungen). QSM ist eine Branchendatenbank; die Zahlen sind nicht in einem Fachjournal begutachtet.

4,6

So viele Personen empfanden Mitglieder als ideale Gruppengröße. Bei diesem Wert galt eine Gruppe weder als zu klein noch als zu groß.

Personen je Gruppe; hervorgehoben der Bereich eines Microteams (3 bis 5)

Hackman und Vidmar, Sociometry 33 (1970)

Die Microteaming-Methode

Methode, Quellen und den vollständigen Zyklus beschreibt das Paper zur Methode, veröffentlicht auf Zenodo in der 2. Auflage vom Juli 2026. Es ist frei verfügbar unter CC BY 4.0 und über seine DOI zitierfähig.

Krimmel, N. P. (2026). Die Microteaming-Methode: Wie kleine, KI-gestützte Einheiten große Data- & KI-Initiativen zum Erfolg führen. Zenodo. https://doi.org/10.5281/zenodo.23164154

Porträt von Nicholas Krimmel in Schwarz-Weiß, mit Brille und Bart, in weißem Hemd vor schwarzem Hintergrund.

Gründer

Nicholas Krimmel

Nicholas Krimmel arbeitet seit 2009 in Data und KI und ist Autor der Microteaming-Methode, veröffentlicht auf Zenodo. Er ist Lehrbeauftragter an der FOM Hochschule Düsseldorf.

Forschung, Lehre und Beiratsarbeit beschreibt er auf seiner persönlichen Seite. In Microteaming bündelt er die Projekte, in denen aus diesen Themen laufende Systeme werden.