Dieser Artikel stammt von Jakob Mayer, CEO von SlideLizard. Er unterstützt Unternehmen dabei, ihre Präsentationsprozesse zu modernisieren und effizient zu skalieren.
Jede Woche spreche ich mit Menschen, die große Organisationen führen – Operations-Leiter, Strategie-Verantwortliche, Vertriebsleiter. Und an irgendeinem Punkt fast jedes Gesprächs kommt dasselbe zur Sprache. Nicht als Beschwerde, eher als resignierte Feststellung:
Wir verbringen immer noch wahnsinnig viel Zeit mit PowerPoint.
Nicht, weil es ihnen an Tools fehlen würde. Sie haben Copilot. Sie haben die KI-Foliengeneratoren ausprobiert. Sie haben Corporate-Templates, Brand Guidelines, irgendwo ein Designteam. Und trotzdem verbringt ein erfahrener Analyst an einem Freitagnachmittag drei Stunden damit, eine KPI-Folie zu aktualisieren, weil sich die Zahlen geändert haben.
Früher dachte ich, das sei ein Workflow-Problem. Nach Jahren des Aufbaus von SlideLizard bin ich überzeugt, dass es etwas Grundlegenderes ist. Es ist das, was wir heute das Last-Mile-Problem von KI-Präsentationen nennen – und genau dieses Problem soll LIZ AI lösen.
-
Inhalt
1. Warum KI-Foliengeneratoren das nicht lösen
Als die erste Welle der KI-Präsentationstools kam, war das Versprechen offensichtlich: Beschreib deine Präsentation, bekomm deine Präsentation. Lade ein PDF hoch, erhalte 30 Folien. Tippe einen Prompt ein, sieh zu, wie die Magie passiert.
Das Problem ist: So funktionieren Enterprise-Präsentationen in Wirklichkeit nicht.
Ein Pitch Deck für einen CFO ist nicht dasselbe wie eine Unternehmensübersicht für eine neue Mitarbeiterin. Ein Management-Update für den Vorstand ist nicht dasselbe wie ein Projektstatus für den Teamlead. Jede dieser Präsentationen folgt einer impliziten Logik – einer Struktur, einem Sprachregister, einer Informationsdichte – die kein generisches KI-Tool je zu verstehen gelernt hat.
Was du stattdessen bekommst, sind 30 technisch korrekte, aber inhaltlich unpassende Folien. Und dann verbringt trotzdem jemand zwei Stunden damit, sie zu korrigieren.
Wir haben angefangen, das als das „Last-Mile-Problem“ von KI-Präsentationen zu bezeichnen: Die KI bringt dich zu 60% ans Ziel, und für den Teil, der wirklich zählt, bist du dann auf dich allein gestellt. LIZ AI existiert, um genau diese Lücke zu schließen.
2. Das Datenschutzproblem im Enterprise
Es gibt ein zweites Problem, das die meisten Enterprise-Teams stoppt, bevor sie überhaupt so weit kommen. Enterprise-Präsentationen enthalten genau die Art von Informationen, die das Unternehmen niemals verlassen sollten: Umsatzprognosen, M&A-Gespräche, strategische Roadmaps, unveröffentlichte Produktdaten.
Die Standardantwort der KI-Anbieter – „Wir nehmen Datenschutz ernst und Ihre Daten sind verschlüsselt“ – geht für jeden, der schon einmal in einem Procurement-Review saß, völlig am Kern vorbei. Die Daten verlassen trotzdem das Unternehmen. Das ist das Problem.
Es zu lösen erfordert, neu zu durchdenken, wo die Sicherheitsgrenze architektonisch liegt – nicht nur eine aktualisierte Datenschutzrichtlinie. Der Ansatz von LIZ AI: Sensible Inhalte verlassen die lokale Umgebung nie. Echte Zahlen werden auf dem Gerät durch Platzhalter ersetzt, sensibler Text wird entfernt, bevor irgendetwas ein Modell erreicht. Das LLM erhält ein strukturelles Skelett. Die Originaldaten reisen nie mit.
3. Ein anderes Denkmodell: Der Präsentationszyklus
Das ist keine neue Beobachtung. Menschen versuchen seit Jahren, Präsentationsarbeit zu automatisieren. Der Grund, warum es sich jetzt lohnt, das neu zu betrachten, ist, dass sich die zugrunde liegende Technologie grundlegend verschoben hat. Foundation Models haben einen Punkt erreicht, an dem kontextuelles Verständnis – von Sprache, Struktur, Zielgruppe, Absicht – gut genug ist, um darauf domänenspezifische Logik aufzubauen.
Die Erkenntnis, die unseren Ansatz bei LIZ AI geschärft hat, kam daher, zu beobachten, wie Enterprise-Teams tatsächlich mit Präsentationen arbeiten.
Sie erstellen Präsentationen nicht einmal. Sie pflegen sie. Sie aktualisieren sie. Sie passen sie an verschiedene Zielgruppen, verschiedene Märkte, verschiedene Momente im Produktzyklus an. Eine Präsentation ist nie fertig; sie befindet sich in einem permanenten Zustand der Weiterentwicklung.
Klassische KI-Tools denken in Output. Generieren. Fertig.
Echte Enterprise-Präsentationen leben in einem Zyklus: erstellen, prüfen, aktualisieren, anpassen, auf Brand-Compliance prüfen, erneut aktualisieren, für eine andere Zielgruppe anpassen, wiederholen. In dem Moment, in dem man so darüber nachdenkt, wird offensichtlich, warum ein One-Shot-Generierungstool nicht die Antwort sein kann.
4. Was ein Large Presentation Model wirklich bedeutet
LIZ AI basiert auf dem, was wir ein Large Presentation Model nennen. Ich möchte hier vorsichtig sein, denn der Begriff wird leichtfertig herumgeworfen.
Ein Large Presentation Model ist kein Large Language Model, das viele Folien gesehen hat. Es ist ein System, das die Logik professioneller Präsentationen versteht: wie verschiedene Folientypen funktionieren, welche Strukturmuster für welche Anwendungsfälle funktionieren, wie Brand und Inhalt zusammenhängen und wie eine einzelne Folie in den Kontext der gesamten Präsentation passt.
Der Unterschied in der Praxis sieht so aus: Wenn ein Sales Manager eine Folie mit einem Wettbewerbsvergleich braucht, generiert LIZ AI nicht einfach zwei Textspalten. Es versteht, dass eine Vergleichsfolie im Sales-Kontext einen klaren visuellen Gewinner, eine bestimmte Dichte an Aussagen und ein Sprachregister braucht, das Vertrauen aufbaut. Es kennt den Unterschied zwischen einer Executive Summary auf Vorstandsebene und einem Projektstatus-Update – nicht, weil es ihm gesagt wurde, sondern weil es Präsentationslogik versteht.
Noch wichtiger: LIZ AI arbeitet selektiv. Wenn ein Element auf einer Folie nicht funktioniert – eine Überschrift, ein Textblock, ein Datenlabel – markierst du es, beschreibst, was du willst, und nur das ändert sich. Nichts anderes. Der Rest der Folie bleibt unangetastet.
Das klingt nach einer Kleinigkeit. Ist es nicht. Die größte Frustration mit aktuellen KI-Tools ist nicht der Output, den man beim ersten Versuch bekommt. Es ist, dass jeder Verbesserungsversuch alles andere kaputt macht. Selektives Editieren ist der Unterschied zwischen einem Tool, das man einmal benutzt, und einem Tool, das man jeden Tag benutzt.
5. Wohin sich LIZ AI entwickelt: Agentische Präsentationen
Agentic AI – Systeme, die nicht nur auf Prompts reagieren, sondern Initiative ergreifen, Bedingungen überwachen und autonom handeln – wird Enterprise-Workflows auf eine Weise treffen, auf die die meisten Unternehmen nicht vorbereitet sind.
Für Präsentationen bedeutet das etwas Konkretes: Stell dir ein vierteljährliches Vorstands-Deck vor, das sich selbst aktualisiert. Nicht, weil jemand ein Makro ausgeführt hat, sondern weil LIZ AI deine verbundenen Datenquellen überwacht, erkennt, dass sich die Umsatzzahl geändert hat, prüft, ob die aktualisierte Zahl die narrative Logik benachbarter Folien beeinflusst, und die Anpassung vornimmt – markiert zur menschlichen Überprüfung vor dem nächsten Meeting.
Der naheliegende Einwand: Die Daten, die in deinen Systemen liegen, sind selten die Daten, die am Ende auf der Folie landen. Die meisten Teams ziehen nicht einfach eine Zahl und setzen sie ein. Sie passen sie an, gleichen sie ab, treffen Ermessensentscheidungen, die in jemandes Kopf leben, nicht in einer Datenbank.
Das stimmt. Und es ist tatsächlich das wichtigere Problem. Wenn der Vorbereitungsschritt vor einer Präsentation das manuelle Zusammenfügen von fünf Quellen und einer Reihe undokumentierter Regeln erfordert, dann ist das ein Zeichen dafür, dass das System of Record nicht mit der tatsächlichen Arbeitsweise des Unternehmens Schritt gehalten hat. Eine KI, die diese Lücke offenlegt, ist wertvoller als eine, die sie überdeckt.
Für Teams, die genau wissen, wie dieser manuelle Schritt aussieht: LIZ AI kann ihn lernen. Die Logik, Quellen zu kombinieren – diese Zahl aus dem CRM, jene um die aktuelle Prognose angepasste Kennzahl, dieser Text aus dem neuesten Strategiedokument – lässt sich einmal definieren und dann automatisch anwenden. Das menschliche Urteilsvermögen verschwindet nicht. Es wird kodiert.
6. Bei der Last Mile ging es immer darum, Folien richtig zu halten
Die technischen Komponenten existieren. Was in den meisten Organisationen fehlt, ist die Schicht, die Präsentationen spezifisch versteht – die kontextuelle Logik, die Brand-Regeln, die zielgruppenspezifischen Anpassungen – gut genug, um ihr autonomes Handeln anzuvertrauen.
In diese Richtung bewegt sich LIZ AI. Nicht schnellere Folienerstellung. Ein System, das deine Präsentationsinfrastruktur so versteht wie ein erfahrener Kollege – und das die Pflegearbeit übernehmen kann, damit sich die Menschen im Raum auf das Denken konzentrieren können.
Bei der Last Mile ging es nie darum, Folien zu generieren. Es ging immer darum, sie richtig zu halten.
