KI-Strategie im Mittelstand: Von Piloten zur Umsetzung
In Gesprächen mit Geschäftsführern mittelständischer Unternehmen hören wir derzeit zwei Sätze auffallend oft. Erstens: "Wir müssen da was machen." Zweitens: "Wir haben einiges ausprobiert, aber hängen geblieben ist wenig." Beide Sätze beschreiben dasselbe Problem von zwei Seiten. Es fehlt nicht an Motivation oder Werkzeugen. Es fehlt ein Umsetzungspfad, der zur Größe und Risikotragfähigkeit des Mittelstands passt.
Drei Sackgassen, die Piloten beerdigen
Bevor wir zum Pfad kommen, lohnt der Blick auf die Sackgassen. Drei Muster finden wir in Erstgesprächen immer wieder vor.
Die Tool-Beschaffung ohne Aufgabe. Lizenzen sind gekauft, eine Aufgabe wurde nie definiert. Ein halbes Jahr später nutzt ein Bruchteil der Belegschaft das Werkzeug gelegentlich, und niemand kann sagen, was es bewirkt. Das Budget ist trotzdem weg, und mit ihm oft die Bereitschaft für einen zweiten Anlauf.
Der Pilot ohne Messgröße. "Das Team findet es ganz gut" ist keine Entscheidungsgrundlage. Ohne Vorher-Messung endet jeder Pilot in Geschmacksfragen, und Geschmacksfragen verlieren in der nächsten Budgetrunde gegen alles, was Zahlen hat.
Das Dauer-Experiment. Der Pilot läuft nach dem geplanten Ende einfach weiter, halb betreut, halb vergessen. Er bindet Aufmerksamkeit, produziert keine Entscheidung und dient intern als Beleg dafür, dass "das mit der KI bei uns nicht richtig zündet".
Alle drei Sackgassen haben dieselbe Wurzel: Es fehlt der Rahmen aus Aufgabe, Besitzer und Messung. Genau den liefern die folgenden vier Schritte.
Schritt 1: Aufgaben analysieren, nicht Technologien
Der häufigste Fehler, den wir in Projekten sehen, ist die Reihenfolge: Erst wird ein Werkzeug beschafft ("Wir haben jetzt Copilot-Lizenzen"), dann wird nach Anwendungsfällen gesucht. Dreht es um. Listet die zehn zeitintensivsten wiederkehrenden Aufgaben in Vertrieb, Verwaltung und Kundenservice. Bewertet jede nach zwei Kriterien: Wie strukturiert ist die Aufgabe? und Wie teuer ist ein Fehler?
Strukturiert und fehlertolerant (Angebotsentwürfe, Protokolle, Erstantworten im Support) → sofort pilotieren. Strukturiert, aber fehlerkritisch (Rechnungen, Verträge) → KI als Assistenz mit Vier-Augen-Prinzip. Unstrukturiert und fehlerkritisch → vorerst Menschen-Sache.
So sieht die Matrix gefüllt aus, mit Aufgaben, wie sie uns in mittelständischen Projekten typischerweise begegnen:
| Fehler kostet wenig | Fehler kostet viel | |
|---|---|---|
| Strukturierte Aufgabe | Angebotsentwürfe, Besprechungsprotokolle, Erstantworten im Support → sofort pilotieren | Rechnungsprüfung, Vertragsentwürfe → KI als Assistenz, Freigabe im Vier-Augen-Prinzip |
| Unstrukturierte Aufgabe | Recherche-Zusammenfassungen, erste Ideen für Marketingtexte → pilotieren, Erwartungen niedrig halten | Personalentscheidungen, Preisverhandlungen, Krisenkommunikation → vorerst Menschen-Sache |
Wichtig ist die schriftliche Form. Solange die Liste nur in Köpfen existiert, gewinnt das lauteste Tool und nicht die dankbarste Aufgabe. Für die erste Fassung reicht eine Stunde mit den Bereichsverantwortlichen; perfekt muss die Matrix nicht sein, nur ehrlich. Sie wirkt außerdem als Korrektiv gegen Wunschdenken: Wer seine Angebotskalkulation rechts oben einsortiert, hat damit auch entschieden, dass dort kein Vollautomat hingehört.
Schritt 2: Zwei Prozesse, ein Besitzer, 90 Tage
Pilotiert nicht zehn Ideen, sondern zwei. Diese dafür richtig: mit einem benannten Verantwortlichen, der den Prozess kennt (nicht der IT-Leiter qua Amt), mit einer Vorher-Messung (Stunden pro Woche, Durchlaufzeit, Fehlerquote) und mit einem festen Enddatum. Nach 90 Tagen gibt es genau drei zulässige Ergebnisse: skalieren, anpassen und verlängern, oder beenden. Das vierte, übliche Ergebnis lautet "läuft so nebenher". Es ist verboten, denn es bindet Aufmerksamkeit und liefert nichts.
Was eine Vorher-Messung konkret bedeutet, zeigen drei Beispiele. Die Zahlen sind typische Beobachtungen aus unseren Projekten und als Größenordnung zu lesen: Ein Angebotsentwurf kostet im technischen Vertrieb oft zwei bis vier Stunden, gemessen vom Anfrageeingang bis zum versandfertigen Dokument. Eine qualifizierte Erstantwort im Support liegt häufig bei 15 bis 30 Minuten pro Vorgang. Ein Besprechungsprotokoll bindet 30 bis 60 Minuten Nacharbeit pro Termin. Erst mit solchen Startwerten lässt sich nach 90 Tagen entscheiden statt fühlen.
Der Besitzer hat in diesen 90 Tagen drei Pflichttermine. In Woche 1 legt er Messgrößen und Startwerte fest und definiert, was das Werkzeug ausdrücklich nicht tun darf. In Woche 4 prüft er die ersten Ergebnisse mit dem Team und justiert Prompts, Vorlagen und Zuständigkeiten. In Woche 12 legt er der Geschäftsführung die Zahlen vor und empfiehlt eine der drei Entscheidungen. Findet sich für diese Rolle niemand, ist das selbst ein Befund: Dann fehlt nicht Personal, sondern Priorität.
Schritt 3: Datenbasis und Website KI-fähig machen
Zwei Infrastruktur-Themen entscheiden, ob aus Piloten Systeme werden:
Euer Firmenwissen muss für KI nutzbar sein: Produktdaten, Preislisten, Dokumentation in durchsuchbarer, strukturierter Form. Das ist meist das eigentliche Projekt hinter dem KI-Projekt (Stichwort RAG).
Ob eure Datenbasis so weit ist, klärt ein kurzer Termin mit der IT. Drei Fragen, die ihr morgen stellen könnt:
1. Liegt unser Produkt- und Prozesswissen durchsuchbar vor? Gemeint sind gepflegte Datenbanken, Wikis oder strukturierte Ablagen. Ein Laufwerk voller gescannter PDFs ist keine Datenbasis, sondern ein vorgelagertes Digitalisierungsprojekt. 2. Welche Quelle führt? Stehen Preise im ERP, im Webshop und in einer Excel-Liste, antwortet eine KI mit drei verschiedenen Wahrheiten. Vor dem KI-Projekt steht die Entscheidung, welches System gilt. 3. Kommen wir per Schnittstelle an die Daten? Was nur per Handexport erreichbar ist, lässt sich nicht in laufende Workflows einbinden. Eine ehrliche Schnittstellen-Inventur dauert einen Tag und erspart später Monate.
Eure Website wird zur Schnittstelle zwischen eurem Unternehmen und den KI-Systemen eurer Kunden. ChatGPT, Perplexity und Google AI Overviews müssen euer Angebot korrekt wiedergeben können: strukturierte Daten, klare Aussagen, beantwortete Fragen. Ein schneller Selbsttest: Fragt ChatGPT oder Perplexity nach eurem Unternehmen und euren Kernleistungen. Was dort falsch oder gar nicht erscheint, kostet euch bereits heute Anfragen, denn die Antwort bekommt dann ein Wettbewerber, dessen Seiten KI-lesbar sind. Mehr dazu im Beitrag GEO: Sichtbarkeit in der KI-Suche.
Schritt 4: Messen, entscheiden, wiederholen
KI-Strategie ist kein Projekt mit Enddatum, sondern ein Takt: Quartal für Quartal zwei neue Aufgaben prüfen, Bestehendes nachmessen, Gelerntes dokumentieren. Wer diesen Takt etabliert hat, braucht keine "KI-Transformation" mehr. Er hat eine Organisation, die neue Werkzeuge routiniert bewertet und einbaut.
In der Praxis ist der Takt ein fester Quartalstermin von etwa 90 Minuten mit vier Punkten auf der Agenda:
- Nachmessen: Laufende KI-Workflows gegen ihre Startwerte aus Schritt 2 prüfen. Was liefert, was ist eingeschlafen?
- Entscheiden: Für jeden Piloten eine der drei Optionen wählen: skalieren, anpassen und verlängern, oder beenden. Vertagen ist keine Option.
- Nachschub: Zwei neue Aufgaben aus der Matrix von Schritt 1 auswählen und je einen Besitzer benennen.
- Festhalten: Dokumentieren, was funktioniert hat und was nicht, einschließlich des Schulungsbedarfs im Team.
Realistische Größenordnung für den Einstieg: ein zweistelliger Personentage-Aufwand für Analyse und ersten Piloten, kein siebenstelliges Programm. Der Mittelstand hat hier einen strukturellen Vorteil gegenüber Konzernen: kurze Wege, schnelle Entscheidungen, Prozesse, die eine Person noch vollständig überblickt. Nutzt ihn, und beginnt mit der Aufgabenliste aus Schritt 1.
Brauchen wir einen KI-Beauftragten?
In den meisten mittelständischen Unternehmen nicht als neue Stelle. Wichtiger ist, dass jeder einzelne KI-Prozess einen Besitzer aus dem Fachbereich hat, der ihn kennt und nachmisst. Eine schlanke Koordinationsrolle, oft beim Digitalisierungs- oder Prozessverantwortlichen, genügt, um Doppelarbeit und Tool-Wildwuchs zu vermeiden. Ein KI-Beauftragter ohne Prozessnähe wird dagegen schnell zum Flaschenhals, durch den jede Idee muss und aus dem wenig herauskommt.
Eigenes Modell oder API?
Für fast alle Mittelständler gilt: Modelle per API mieten und austauschbar halten. Ein eigenes Modell zu trainieren oder selbst zu betreiben lohnt nur bei sehr speziellen Daten und sehr hohem Anfragevolumen, und beides ist seltener, als Anbieterprospekte suggerieren. Die wirtschaftlich wichtigere Frage ist, wem die Integrationsschicht zwischen Modell und euren Systemen gehört. Wie ihr diese Entscheidung sauber trefft, zeigt unser Beitrag Make or Buy bei KI-Lösungen.
Was ist mit Datenschutz?
Datenschutz ist lösbar, aber nicht nachträglich. Klärt vor dem Piloten drei Punkte: welche Datenkategorien das Werkzeug verarbeitet, wo der Anbieter sie verarbeitet (EU-Region beziehungsweise Auftragsverarbeitung mit klaren Verträgen) und ob personenbezogene Daten für die Aufgabe überhaupt nötig sind. Viele Pilotaufgaben funktionieren mit anonymisierten oder rein internen Daten. Bindet euren Datenschutzbeauftragten in Woche 1 ein, nicht erst nach der ersten Beschwerde.
Wie nehmen wir die Belegschaft mit?
Mit Ehrlichkeit und Beteiligung. Sagt klar, dass es um Entlastung von Routinearbeit geht, und belegt das, indem die ersten Piloten lästige Aufgaben übernehmen statt prestigeträchtige. Lasst die Menschen, die den Prozess heute machen, das Werkzeug mit auswählen, testen und bewerten; sie erkennen Schwächen schneller als jede Projektgruppe. Misstrauen entsteht in unserer Beobachtung selten durch die KI selbst, meist durch eine Einführung über die Köpfe hinweg.
Zum Vertiefen im Wissensbereich
Ihr wollt wissen, was diese Themen für euer Unternehmen bedeuten? Der Zukunfts-Check zeigt in 2–4 Wochen, wo die größten Hebel liegen.
