Stoppen Sie manuelle Forecast-Konsolidierung: Planen Sie in Echtzeit mit ChatGPT
Finanzteams verlieren in jedem Zyklus Tage damit, unterschiedlichen Tabellen-Versionen hinterherzulaufen, Verknüpfungen zu reparieren und Forecasts aus Regionen und Kostenstellen zusammenzuführen. Dieser Artikel zeigt, wie Sie ChatGPT nutzen können, um die Forecast-Konsolidierung zu automatisieren, Annahmen zu standardisieren und Ihr Team für echte Szenarioanalysen statt Excel-Akrobatik freizusetzen.
Inhalt
Die Herausforderung: Manuelle Forecast-Konsolidierung
Für viele Finanzteams ist die Forecast-Konsolidierung nach wie vor ein mühsamer, manueller Prozess. Regionen, Business Units und Kostenstellen liefern ihre Zahlen in unterschiedlichen Tabellenformaten, mit abweichenden Bezeichnungen und versteckten Annahmen. Controller verbringen dann Tage damit, Dateien einzusammeln, defekte Verknüpfungen zu reparieren und alles zu einer Gesamtansicht zusammenzusetzen, bevor sie überhaupt anfangen können zu prüfen, ob die Zahlen plausibel sind.
Dieser Ansatz funktionierte, als Planungszyklen langsam waren und das geschäftliche Umfeld stabil war. Heute bewegen sich Märkte schneller als quartalsweise Planungskalender, und Stakeholder erwarten Echtzeit-Antworten auf Fragen wie „Was passiert, wenn wir die Preise um 3 % ändern?“ oder „Welche Auswirkungen hat ein Nachfragerückgang in einer Region?“. Klassische Konsolidierungstools und E‑Mail-basierte Tabellen-Workflows können hier schlicht nicht mehr mithalten. Sie sind fragil, versionsanfällig und stark von wenigen Excel-Power-Usern abhängig, die zu Engpässen werden.
Die Auswirkungen gehen weit über reine Frustration hinaus. Manuelle Konsolidierung führt zu vermeidbaren Fehlern, verzögert Entscheidungen und drängt Finanzteams in eine reaktive Rolle. Wenn der konsolidierte Forecast endlich vorliegt, sind viele Annahmen bereits veraltet. Für treiberbasierte Planung, Szenariomodellierung oder echte Business-Partnerschaft bleibt kaum Kapazität. Das schafft einen Wettbewerbsnachteil: Während andere auf dynamische, KI-unterstützte Planung umstellen, zementiert manuelle Konsolidierung statische, jährliche Sichten auf das Geschäft.
Die gute Nachricht: Dieses Problem ist real, aber absolut lösbar. Moderne KI-Tools wie ChatGPT können Daten aus mehreren Forecast-Dateien lesen, abgleichen und erklären und so einen chaotischen Konsolidierungsprozess in einen transparenten, wiederholbaren Workflow verwandeln. Bei Reruption sehen wir, wie gezielte KI-Lösungen fragile Tabellenketten durch robuste, KI-zentrierte Prozesse ersetzen. Im weiteren Verlauf dieser Seite finden Sie konkrete Hinweise, wie Sie ChatGPT nutzen können, um die Konsolidierung zu verschlanken und Ihre Finanzplanung aufzuwerten – ohne Ihr gesamtes Planungssystem auf einmal neu aufzubauen.
Brauchen Sie einen Sparring-Partner für diese Herausforderung?
Lassen Sie uns unverbindlich sprechen und brainstormen.
Innovatoren bei diesen Unternehmen vertrauen uns:
Unsere Einschätzung
Eine strategische Einschätzung der Herausforderung und High-Level-Tipps, wie Sie sie angehen können.
Aus Reruptions Arbeit beim Aufbau von KI-Lösungen in realen Organisationen sehen wir im Finanzbereich immer wieder das gleiche Muster: In der Konsolidierung bricht die Planung. Die Technologie, um das zu beheben, existiert bereits – der Schlüssel ist jedoch, ChatGPT in die Finanzplanung so einzuführen, dass Governance, Datenqualität und bestehende Prozesse respektiert werden. Anstatt ein weiteres theoretisches Framework zu liefern, konzentrieren wir uns darauf, funktionierende KI-Assistenten zu implementieren, die manuelle Arbeit reduzieren und Forecasts verlässlicher machen.
Behandeln Sie ChatGPT als Planungscopilot, nicht als neues Planungssystem
Die erste strategische Entscheidung betrifft die Denkweise. ChatGPT ist kein Ersatz für Ihr ERP, Ihr Konsolidierungstool oder Ihre Planungsplattform. Es ist ein Copilot für Finanzteams, der auf Ihren bestehenden Systemen aufsetzt und bei unstrukturierten, manuellen Tätigkeiten hilft: Versionen vergleichen, Inkonsistenzen identifizieren, Änderungen zusammenfassen und Abweichungen erklären.
Wenn Sie ChatGPT als „Assistenten“ statt als neues führendes System positionieren, reduzieren Sie Widerstände in IT und Finanzbereich. Forecast-Dateien verbleiben in Ihren bestehenden Tools. ChatGPT hilft dabei, sie schneller zu interpretieren und abzugleichen. Dieser Ansatz ermöglicht es Ihnen, KI für Finanzplanung in Wochen statt Jahren zu testen und vermeidet riskante Big-Bang-Ablösungen.
Standardisierung vor Automatisierung gestalten
KI arbeitet am effektivsten, wenn Daten strukturiert sind und Annahmen explizit gemacht werden. Bevor Sie die Forecast-Konsolidierung automatisieren, sollten Sie definieren, wie „gut“ aussieht: standardisierte Bezeichnungen für Kostenstellen und Konten, klare Vorzeichenkonventionen und ein minimaler Satz erforderlicher Spalten (Periode, Einheit, Szenario, Währung, Version).
Nutzen Sie ChatGPT gezielt, um Planungsstandards durchzusetzen. Anstatt jeder Region ein völlig individuelles Excel zu erlauben, definieren Sie eine Vorlage und trainieren Ihren Assistenten darauf, Abweichungen zu markieren: fehlende Felder, unerwartete Kontonamen, falsche Währungen. Das reduziert Störungen vor der Konsolidierung, erhöht damit die Verlässlichkeit der KI-Ausgaben und macht sie deutlich einfacher prüfbar.
Stakeholder zu Vertrauen, Kontrollen und Erklärbarkeit ausrichten
Für CFOs und Controller ist das größte Risiko nicht, dass KI einen Fehler macht – sondern dass sie nicht erklären können, wie eine Zahl zustande kam. Wenn Sie ChatGPT in den Finanzbereich bringen, müssen Sie Erklärbarkeit von Anfang an mitdenken. Ihr Assistent sollte nicht nur konsolidierte Zahlen liefern, sondern auch Fragen beantworten können wie „Welche Regionen haben ihre Umsatzguidance im Vergleich zum Vormonat am stärksten verändert?“ oder „Welche Kostenarten erklären 80 % der Abweichung?“
Binden Sie zentrale Stakeholder früh ein: Controlling, FP&A, Interne Revision und IT-Sicherheit. Vereinbaren Sie, wo KI Zahlen vorschlagen darf (z. B. Interpolation fehlender Perioden, Normalisierung von Formaten) und wo sie nur kommentieren und Auffälligkeiten markieren soll. Eine solche Governance im Vorfeld erhöht das Vertrauen und beschleunigt die Adoption – insbesondere in regulierten Umfeldern.
Bauen Sie bereichsübergreifende Befähigung auf, nicht nur Tools
Erfolgreicher Einsatz von KI in der Finanzplanung ist ebenso eine Frage der Menschen wie der Modelle. Controller müssen lernen, die richtigen Fragen zu stellen, sinnvolle Prompts zu entwerfen und KI-generierte Narrative zu interpretieren. Die IT muss sicheren Zugriff auf Datenquellen ermöglichen. Fachbereiche müssen verstehen, dass häufigere, leichtere Forecasts den einmal-pro-Quartal-Datendump ersetzen.
Planen Sie Enablement ein: kurze Trainings zur Nutzung von ChatGPT für Abweichungsanalysen, Vorlagen für typische Forecast-Fragen und klare Beispiele, wann KI-Ergebnisse vertrauenswürdig sind und wann eine Gegenprüfung nötig ist. Hier kommt unser Co-Preneur-Ansatz ins Spiel: Wir arbeiten eingebettet mit Ihrem Team, begleiten reale Forecast-Zyklen und justieren den Assistenten auf Basis der tatsächlichen Arbeitsweise – nicht nach dem Prozessbild im Handbuch.
Starten Sie mit einem fokussierten Piloten und klaren Entscheidungsfenstern
Anstatt zu versuchen, jeden Aspekt der Konsolidierung zu automatisieren, wählen Sie einen hochrelevanten Ausschnitt: zum Beispiel die quartalsweise OPEX-Forecast-Konsolidierung für einen Regionencluster oder eine Business Unit. Definieren Sie, welche Entscheidungen dieser Pilot unterstützen soll: schnellere Freigabe, mehr diskutierte Szenarien, weniger Fehler in der ersten eingereichten Version.
Messen Sie dann, ob ChatGPT hilft: Zeit von Cut-off bis zur konsolidierten Sicht, Anzahl der Abstimmungsrunden, Anzahl der vor der Geschäftsleitungssitzung gefundenen Issues. Nutzen Sie diese Erkenntnisse für die Entscheidung, wo Sie ausweiten: zusätzliche Regionen, weitere GuV-Positionen oder unternehmensweite treiberbasierte Forecasts. Dieser schrittweise Ansatz reduziert Risiko und schafft interne Belege, die eine breitere Einführung deutlich leichter begründbar machen.
Durchdacht eingesetzt kann ChatGPT die manuelle Forecast-Konsolidierung von einer langsamen, fehleranfälligen Pflichtübung in einen schnellen, transparenten Schritt eines wirklich dynamischen Planungszyklus verwandeln. Der Mehrwert liegt nicht nur in Geschwindigkeit, sondern darin, dass die Finanzfunktion mehr Zeit für Szenariodiskussionen und strategische Entscheidungen gewinnt. Bei Reruption sind wir darauf spezialisiert, solche KI-Copiloten in reale Planungsprozesse zu integrieren – vom ersten PoC bis zu eingebetteten Tools. Wenn Sie sehen möchten, wie das mit Ihren konkreten Forecast-Dateien und Systemen funktionieren könnte, helfen wir Ihnen, eine Lösung zu entwerfen und zu validieren, die zu Ihrer Finanzorganisation passt.
Hilfe bei der Umsetzung dieser Ideen?
Nehmen Sie gerne unverbindlich Kontakt zu uns auf.
Fallbeispiele aus der Praxis
Von Gesundheitswesen bis Nachrichtenmedien: Erfahren Sie, wie Unternehmen ChatGPT erfolgreich einsetzen.
Best Practices
Erfolgreiche Implementierungen folgen bewährten Mustern. Werfen Sie einen Blick auf unsere taktischen Ratschläge für den Einstieg.
Lassen Sie ChatGPT mehrere Forecast-Versionen automatisch abstimmen
Eine der schmerzhaftesten Aufgaben in der manuellen Forecast-Konsolidierung ist der Vergleich unterschiedlicher Versionen derselben Datei. ChatGPT kann unterstützen, indem es Exporte aus Ihren Regionen oder Kostenstellen einliest und eine strukturierte Abweichungsansicht über Versionen und Szenarien hinweg erzeugt.
Exportieren Sie Eingabemasken (z. B. als CSV oder XLSX) aus Ihrem Planungstool oder aus Tabellen. Nutzen Sie eine sichere Integration oder einen Upload-Prozess (zum Beispiel über einen internen, auf ChatGPT basierenden Assistenten, der mit Ihrem Data Lake oder Ihrer Planungsdatenbank verbunden ist). Geben Sie ChatGPT dann klare Anweisungen, wie diese Dateien abzugleichen sind (nach Einheit, Konto, Periode) und welche Versionen zu vergleichen sind.
Beispiel-Prompt zur Abstimmung von Versionen:
Sie sind ein Assistent für Finanzplanung und -konsolidierung.
Sie erhalten mehrere Forecast-Exporte mit den Spalten:
- entity, cost_center, account, period, scenario, version, currency, value
Aufgaben:
1) Alle Dateien auf die gleichen Spaltennamen und Formate ausrichten.
2) Für jede Kombination (entity, cost_center, account, period) die Versionen
LATEST vs PRIOR vergleichen.
3) Eine Abweichungstabelle erstellen: absolute Veränderung, %-Veränderung.
4) Die Top 20 Abweichungen nach absolutem Wert und % je Einheit hervorheben.
5) Alle Zeilen markieren, in denen Währung oder Vorzeichenkonventionen
inkonsistent erscheinen.
Erwartetes Ergebnis: Anstatt Tabellen manuell zu vergleichen, erhalten Controller eine fertige Abweichungstabelle mit klaren Markierungen, wo menschliches Urteil erforderlich ist.
Standardisieren Sie Forecast-Annahmen mit einer KI-lesbaren Vorlage
Konsolidierung wird schwierig, wenn jede Region ihre eigenen Annahmen in versteckten Zellen und Randkommentaren unterbringt. Entwerfen Sie ein standardisiertes „Assumption Sheet“, das jede Forecast-Datei enthalten muss – mit Feldern wie Preissteigerung, FX-Kurse, Volumenwachstum, Einstellungspläne und Sondereffekte. Weisen Sie ChatGPT dann an, diese Annahmen zu extrahieren, zu vergleichen und zusammenzufassen.
Nutzen Sie einen strukturierten Prompt, um Konsistenz in der Erfassung und Berichterstattung von Annahmen zu erzwingen:
Beispiel-Prompt zum Extrahieren von Annahmen:
Sie prüfen Forecast-Arbeitsmappen auf Konsistenz der Annahmen.
Jede Datei enthält ein Blatt mit dem Namen "Assumptions" mit beschrifteten Zellen.
1) Extrahieren Sie alle Annahmen in eine strukturierte Liste mit Feldern:
- entity, scenario, period_range, fx_rate, volume_growth, price_change,
salary_increase, one_off_items (Beschreibung + Betrag)
2) Vergleichen Sie die Annahmen über alle Einheiten hinweg und heben Sie hervor:
- Ausreißer je Kennzahl
- Abweichungen von der Konzern-Guidance
3) Erstellen Sie eine prägnante Zusammenfassung für den CFO: maximal 10 Aufzählungspunkte.
So erkennen Sie deutlich leichter, wenn eine Region mit grundlegend anderen Planungsdrivern arbeitet, bevor diese Unterschiede den konsolidierten Ausblick verzerren.
Erzeugen Sie Management-taugliche Forecast-Narrative automatisch
Wenn die Zahlen konsolidiert sind, muss das Finanzteam weiterhin Kommentierung schreiben: Was hat sich gegenüber dem letzten Forecast verändert, welche Treiber erklären die Bewegung und was bedeutet das für Entscheidungen? ChatGPT ist besonders stark darin, aus strukturierten Abweichungsdaten narrative Erläuterungen zu Planänderungen zu generieren.
Speisen Sie den Assistenten mit Ihrer konsolidierten Abweichungstabelle je Einheit und Konto sowie einer Zuordnung von „Treiberkategorien“ (z. B. Volumen, Preis/Mix, FX, Sondereffekte, strukturelle Veränderungen). Verwenden Sie dann einen Prompt, der kurze Management-Zusammenfassungen je Aggregationsebene anfordert.
Beispiel-Prompt zur Narrativ-Erstellung:
Sie sind ein FP&A-Analyst und verfassen ein Forecast-Update für den CFO.
Input:
- Konsolidierter Forecast vs. zuletzt freigegebenes Budget
- Abweichungstabelle je Einheit, Konto und Treiberkategorie
Aufgaben:
1) Für jede Business Unit eine Zusammenfassung in 5–7 Sätzen erstellen, mit:
- Gesamtumsatz- und EBIT-Abweichung vs. Budget
- Top 3 positive Treiber
- Top 3 negative Treiber
- Wichtige Risiken und Chancen
2) Eine Konzernebene-Zusammenfassung (max. 12 Sätze) verfassen, geeignet
für die erste Seite eines Forecast-Decks.
3) Klare, neutrale Finance-Sprache verwenden. Kein Hype, keine Annahmen
über die Input-Daten hinaus.
Erwartetes Ergebnis: Controller müssen nicht jedes Quartal ähnliche Texte neu schreiben, sondern prüfen, justieren und genehmigen KI-generierte Narrative.
Nutzen Sie ChatGPT zur Validierung der Datenqualität vor der Konsolidierung
Garbage in, garbage out. Bevor Sie irgendetwas konsolidieren, sollten Sie ChatGPT für einen strukturierten Datenqualitätscheck der Forecast-Dateien einsetzen. Der Assistent sollte nach fehlenden Perioden, unerwarteten Negativwerten, nicht passenden Währungen oder Summen suchen, die nicht zu den Zwischensummen passen.
Definieren Sie explizite Prüfregeln in Ihrem Prompt und fordern Sie einen klaren Fehlerbericht an, auf dessen Basis Controller arbeiten können.
Beispiel-Prompt für Datenvalidierung:
Sie prüfen die Forecast-Datenqualität vor der Konsolidierung.
Regeln:
- Perioden müssen Jan–Dez ohne Lücken abdecken.
- Umsatzerlöse dürfen nicht negativ sein.
- Lokalwährung und Konzernwährung müssen zur Mapping-Tabelle passen.
- Zwischensummen müssen der Summe der Unterkonten innerhalb von +/- 0,1 % entsprechen.
Aufgaben:
1) Alle Verstöße gegen diese Regeln mit Dateiname, Blatt und Zellbereich auflisten.
2) Issues als CRITICAL, MAJOR oder MINOR kategorisieren.
3) Nach Möglichkeit wahrscheinliche Ursachen vorschlagen (z. B. Vorzeichen vertauscht,
fehlende Zeile).
Durch diesen automatisierten Check erkennen Sie strukturelle Probleme frühzeitig und vermeiden Nacharbeiten in den letzten Tagen des Forecast-Zyklus.
Integrieren Sie ChatGPT über sichere Connectoren in Ihren Planungs-Stack
Für den wiederkehrenden Einsatz reichen manuelle Uploads nicht aus. Richten Sie eine sichere Integration zwischen ChatGPT und Ihrer Planungsumgebung ein (Data Warehouse, ERP oder Exporte aus dem Planungssystem). Dies kann über APIs, geplante Exporte in einen kontrollierten Speicherort oder ein internes Tool erfolgen, das die ChatGPT-API nur mit den jeweils notwendigen Ausschnitten der Finanzdaten aufruft.
Definieren Sie konkrete Workflows: Beispielsweise zieht ein Job nach Eingang aller regionalen Forecasts die neuesten Versionen, führt die oben beschriebenen Validierungs- und Abweichungsprompts aus und stellt strukturierte Ergebnisse in einem gemeinsamen Kanal oder Dashboard für Controller bereit. So bleibt die KI-unterstützte Forecast-Konsolidierung innerhalb Ihrer Sicherheits- und Compliance-Standards, während manuelle Dateiverarbeitung entfällt.
Verfolgen Sie KPIs, um Wirkung nachzuweisen und kontinuierlich zu verbessern
Damit KI im Finanzbereich nachhaltig wirkt, müssen Sie den Impact messen. Definieren Sie vor dem Start KPIs: Personentage für Konsolidierung, Anzahl der Versionskonflikte pro Zyklus, Zeit von Cut-off bis zur ersten konsolidierten Sicht und Anzahl identifizierter Datenprobleme vor der Vorstandsvorlage. Nutzen Sie ChatGPT, um seine eigenen Outputs zu protokollieren (z. B. Anzahl der erkannten Issues, Zeit zur Erstellung von Zusammenfassungen) und führen Sie diese Kennzahlen in einem einfachen Dashboard zusammen.
Erwartetes Ergebnis: Nach 1–2 Zyklen sehen Finanzteams typischerweise 30–50 % weniger manuellen Aufwand in der Konsolidierung, weniger Last-Minute-Korrekturen und eine schnellere Verfügbarkeit szenarioreifer Zahlen. Diese Effizienzgewinne schaffen wiederum Kapazität für tiefere Analysen, häufigere Forecasts und einen substanzielleren Dialog mit dem Business.
Brauchen Sie jetzt Umsetzungskompetenz?
Lassen Sie uns über Ihre Ideen sprechen!
Häufig gestellte Fragen
ChatGPT hilft, die manuellsten Teile der Forecast-Konsolidierung zu automatisieren: mehrere Exporte aus Regionen oder Kostenstellen einlesen, Strukturen angleichen, Versionen vergleichen sowie Abweichungstabellen und Zusammenfassungen erstellen. Anstatt dass Controller Tabellen manuell abstimmen, kann ein KI-Assistent eine konsolidierte Sicht erzeugen, ungewöhnliche Abweichungen hervorheben und Entwurfs-Kommentare generieren.
Es ersetzt nicht Ihr ERP- oder Planungssystem, sondern setzt darauf auf, indem es Exporte oder API-Daten verarbeitet und strukturierte Ergebnisse zurückliefert, die Controller prüfen und freigeben können. So verkürzt sich der Zeitraum zwischen Datencut-off und entscheidungsreifen Sichten.
Sie benötigen keinen großen Data-Science-Stab, um zu starten. Für einen fokussierten Anwendungsfall wie die Automatisierung der Forecast-Konsolidierung brauchen Sie in der Regel:
- Finanzexpert:innen (FP&A, Controlling) zur Definition von Templates, Regeln und gewünschten Outputs.
- Eine technische Verantwortliche bzw. einen technischen Verantwortlichen, der ChatGPT mit Ihren Datenquellen verbindet (über Exporte, APIs oder ein internes Tool).
- Basiskenntnisse im Prompt Engineering, um die von ChatGPT befolgten Anweisungen zu entwerfen und zu verfeinern.
Reruption arbeitet üblicherweise mit einem kleinen, cross-funktionalen Team – ein bis zwei Finance-Power-User plus ein IT-Kontakt – um von der Idee zu einem funktionierenden Prototyp zu gelangen. Wir übernehmen das KI-Engineering und das Prompt-Design, Ihr Team validiert die Ergebnisse und verankert den Assistenten im Planungszyklus.
Für einen klar abgegrenzten Piloten (z. B. Konsolidierung quartalsweiser OPEX-Forecasts für eine Region) können Sie innerhalb weniger Wochen greifbare Ergebnisse sehen. Unser KI-PoC-Format ist darauf ausgelegt, in kurzer, fixer Zeitspanne einen funktionierenden Prototyp zu liefern – inklusive realer Konsolidierungsläufe auf Ihren Daten.
Beim Impact zielen Finanzteams typischerweise auf 30–50 % weniger manuellen Konsolidierungsaufwand, weniger Versionskonflikte, schnellere Verfügbarkeit konsolidierter Zahlen und besser strukturierte Abweichungserläuterungen. Die genauen Werte hängen von Ihrem Ausgangspunkt ab, aber selbst eine Teilautomatisierung von Versionsvergleichen und Narrativ-Erstellung spart häufig mehrere Tage pro Zyklus.
Sicherheit ist entscheidend, wenn Sie KI in die Finanzplanung bringen. Die richtige Architektur stellt sicher, dass sensible Forecast-Daten in Ihrer kontrollierten Umgebung bleiben. Das kann den Einsatz von Enterprise-Versionen von ChatGPT, Private Deployments oder die Führung sämtlicher Anfragen über ein eigenes Backend bedeuten, das Datensparsamkeit und Zugriffskontrollen gewährleistet.
In unseren Projekten arbeiten wir mit Ihren Security- und Compliance-Teams zusammen, um festzulegen, welche Daten genutzt werden, wie sie bei Bedarf anonymisiert oder aggregiert werden und wie Logs gehandhabt werden. Wir gestalten die Architektur so, dass ChatGPT nur die für eine Aufgabe benötigten Datenausschnitte sieht (z. B. Periode, Konto und Werte für ein bestimmtes Szenario) und vermeiden produktive Identifikatoren, wo sie nicht nötig sind.
Reruption unterstützt Sie End-to-End – von der Idee bis zur funktionsfähigen Lösung. Mit unserem KI-PoC-Angebot (9.900 €) greifen wir einen konkreten Use Case wie manuelle Forecast-Konsolidierung auf und liefern einen technischen Nachweis in Form eines funktionierenden Prototyps: Datenflüsse, Prompts und Beispiel-Outputs auf Ihren realen Daten.
Über den PoC hinaus bedeutet unser Co-Preneur-Ansatz, dass wir mit Ihren Finanz- und IT-Teams eingebettet zusammenarbeiten, statt nur von außen zu beraten. Wir helfen bei der Definition von Templates und Standards, beim Aufbau sicherer Integrationen, bei der Verfeinerung der Prompts anhand realer Forecast-Zyklen und bei der Befähigung, damit Controller- und FP&A-Teams den Assistenten souverän nutzen können. Ziel sind keine Folien, sondern ein verlässlicher KI-Copilot, der Ihre Planungsprozesse spürbar verändert.
Kontaktieren Sie uns!
Direkt Kontaktieren
Philipp M. W. Hoffmann
Founder & Partner
Adresse
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Kontakt
Telefon