Ein Unternehmen führt ChatGPT, Microsoft Copilot oder ein anderes KI-Tool ein. Die ersten Mitarbeitenden probieren es aus, es gibt einen Workshop und einige beeindruckende Beispiele. Drei Monate später werden vor allem Texte zusammengefasst, E-Mails formuliert und Präsentationen vorbereitet.
Das ist nützlich. Ein Wettbewerbsvorteil ist es noch nicht.
Die KfW kommt in einer Sonderauswertung des Mittelstandspanels zu dem Ergebnis, dass inzwischen 20 Prozent der mittelständischen Unternehmen in Deutschland KI einsetzen. Zwischen 2016 und 2018 waren es gerade einmal vier Prozent. Bei Unternehmen mit eigener Forschung und Entwicklung liegt der Anteil sogar bei 53 Prozent.
Die Nutzung wächst also deutlich. Gleichzeitig werden die Werkzeuge leichter zugänglich. Fast jedes Unternehmen kann dieselben Modelle buchen, dieselben Funktionen testen und dieselben Promptvorlagen herunterladen. Wer ein Tool einführt, hat deshalb zunächst einmal Zugang zu einer Technologie erworben. Ob daraus eine besondere Fähigkeit des Unternehmens entsteht, entscheidet sich an anderer Stelle.
Die KI-Ära braucht andere Fabriken
In seinem Essay „On the German Mittelstand“ beschreibt Kieran Velasquez einen Gedanken, der für die aktuelle KI-Debatte brauchbarer ist als viele Listen mit den besten Tools. Der deutsche Mittelstand sei erfolgreich geworden, weil Unternehmen ihre Maschinen, ihr Produktionswissen, ihre Abläufe und die Erfahrung ihrer Beschäftigten zu schwer kopierbaren Systemen verbunden haben.
Mit KI braucht es wieder solche Fabriken. Sie bestehen diesmal nicht nur aus Hallen und Maschinen, sondern auch aus Daten, dokumentierten Arbeitsabläufen, fachlichem Erfahrungswissen und klaren Regeln für den Einsatz von Modellen.
Das Modell selbst wird dabei immer seltener das Besondere sein. Die großen Anbieter verkaufen ihre Systeme an alle. Funktionen werden kopiert, Preise sinken und neue Versionen ersetzen die alten in kurzen Abständen. Ein Unternehmen kann sich deshalb kaum darauf verlassen, dass der bloße Zugang zu einem bestimmten Modell dauerhaft einen Vorsprung schafft.
Der Abstand entsteht durch die Verbindung der Technologie mit dem, was nur im eigenen Unternehmen vorhanden ist: Wissen über Kunden, Produkte, Fehler, Sonderfälle, Lieferketten und funktionierende Abläufe.
Ein ChatGPT-Abo ist noch keine KI-Strategie
Die KfW-Zahlen zeigen auch, wofür mittelständische Unternehmen KI bisher nutzen. 14 Prozent setzen Systeme zur Erzeugung natürlicher Sprache ein, 10 Prozent verwenden Text- oder Spracherkennung und 3 Prozent nutzen KI für Datenanalyse. Autonome Maschinen spielen mit 1 Prozent bislang kaum eine Rolle.
Viele Unternehmen beginnen dort, wo der Einstieg einfach ist. Texte schreiben, Dokumente zusammenfassen und Informationen strukturieren funktionieren ohne monatelanges IT-Projekt. Das ist ein vernünftiger Anfang. Problematisch wird es, wenn dieser Anfang bereits als Strategie verkauft wird.
Eine Lizenz ist in wenigen Minuten gekauft. Belastbare Daten, geklärte Verantwortlichkeiten und brauchbare Prozesse entstehen nicht so schnell. Genau deshalb lohnt sich vor der nächsten Tool-Runde ein nüchterner KI-Readiness-Check. Er zeigt, ob ein Unternehmen nur mit einzelnen Anwendungen experimentiert oder bereits die Voraussetzungen für einen verlässlichen Einsatz schafft.
Fünf Bausteine eines echten KI-Vorsprungs
1. Proprietäres Wissen
Mittelständische Unternehmen besitzen oft viel Wissen, das in keinem Handbuch steht. Ein erfahrener Servicetechniker erkennt an drei Symptomen, welcher Fehler wahrscheinlich vorliegt. Eine Vertriebsmitarbeiterin weiß, welche Rückfrage einen Interessenten wirklich weiterbringt. Im Einkauf kennt jemand die Ausnahmen, die in der offiziellen Prozessbeschreibung fehlen.
Dieses Wissen ist wertvoll, bleibt aber häufig an einzelne Personen gebunden. KI kann helfen, es auffindbar und nutzbar zu machen. Dafür muss es zuerst erfasst, geprüft und in einen fachlichen Zusammenhang gebracht werden. Ein Ordner mit alten PDFs ist noch keine Wissensbasis.
2. Belastbare Prozesse
Ein schlechter Prozess wird durch KI meistens nur schneller schlecht. Bevor ein Modell eingebaut wird, sollte der bestehende Ablauf verstanden werden.
- Wo entstehen regelmäßig Verzögerungen?
- Welche Informationen werden mehrfach gesucht?
- Welche Entscheidungen wiederholen sich?
- Wo treten vermeidbare Fehler auf?
- Welche Aufgabe benötigt besonders viel Zeit, obwohl sie wenig Wert schafft?
Ein klar abgegrenzter Prozess lässt sich testen, messen und verbessern. Eine allgemeine Ansage wie „Wir müssen mehr mit KI machen“ lässt sich dagegen weder umsetzen noch vernünftig bewerten.
3. Nutzbare Unternehmensdaten
KI-Projekte scheitern selten daran, dass ein Modell gar nichts kann. Häufiger fehlen aktuelle, vollständige und zugängliche Daten. Informationen liegen in E-Mails, Tabellen, Fachanwendungen und Köpfen. Begriffe werden uneinheitlich verwendet, Zuständigkeiten sind unklar und niemand weiß genau, welche Fassung eines Dokuments gilt.
Nutzbare Daten müssen nicht perfekt sein. Sie brauchen aber Eigentümer, Qualitätsregeln und einen nachvollziehbaren Zweck. Wer sämtliche Daten in einen großen Topf kippt, hat noch lange keine gute Grundlage für KI geschaffen.
4. Menschen mit Fachwissen und Urteilsvermögen
Ein Modell kann Varianten erzeugen, Muster erkennen und Informationen verdichten. Ob eine Antwort fachlich stimmt, zum Kunden passt oder ein Risiko übersieht, muss jemand beurteilen können. Je besser KI wird, desto weniger genügt es, nur den Knopf bedienen zu können.
Unternehmen brauchen Mitarbeitende, die gute Aufgaben formulieren, Ergebnisse prüfen und Entscheidungen begründen. Diese Fähigkeiten gehören zu den Future Skills, die bis 2030 wichtiger werden. Fachwissen verliert dabei nicht an Bedeutung. Es wird zur Voraussetzung für einen verantwortbaren KI-Einsatz.
5. Kontinuierliche Verbesserung
Ein KI-Workflow ist kein Projekt, das nach dem ersten funktionierenden Test abgeschlossen ist. Modelle ändern sich, Daten verändern sich und die Beschäftigten entdecken neue Fehlerbilder. Wer daraus lernen will, braucht eine einfache Rückkopplung.
- Ergebnisse systematisch überprüfen
- Fehler dokumentieren
- Rückmeldungen der Anwender aufnehmen
- Prozesse anpassen
- erfolgreiche Lösungen auf weitere Bereiche übertragen
Der Vorsprung wächst dann nicht durch einen einmaligen großen Wurf, sondern durch viele kleine Verbesserungen, die im Arbeitsalltag erhalten bleiben.
Die eigentliche KI-Fabrik ist ein Betriebssystem
Unternehmen sprechen gern über KI-Plattformen. Nützlicher ist der Blick auf das betriebliche System, in dem ein Modell arbeitet. Dazu gehören der Zugriff auf freigegebene Informationen, die Rollen der beteiligten Personen, Prüfschritte, Eskalationswege und messbare Qualitätskriterien.
Ein Beispiel aus dem Kundenservice: Ein Sprachmodell kann eine Antwort auf eine Anfrage vorbereiten. Der Nutzen hängt aber davon ab, ob es auf aktuelle Produktinformationen zugreift, frühere Fälle richtig einordnet, sensible Daten schützt und erkennt, wann ein Mensch übernehmen muss. Ohne diese Regeln produziert das Modell lediglich schneller Text.
Dasselbe gilt im Marketing, im Einkauf oder in der Personalentwicklung. Der einzelne Prompt ist selten der Engpass. Entscheidend ist der verlässliche Ablauf rund um das Modell.
Wo die Mittelstandsromantik an ihre Grenzen kommt
Die Vorstellung vom mittelständischen Unternehmen, das sein einzigartiges Wissen einfach in eine KI überführt und damit die nächste Erfolgsgeschichte schreibt, klingt angenehm. In der Praxis gibt es einige unangenehme Details.
Erfahrungswissen ist nicht automatisch richtig. Manches ist veraltet, widersprüchlich oder nur in einem sehr engen Kontext sinnvoll. Prozesse sind oft historisch gewachsen und werden verteidigt, weil sie vertraut sind. Daten können lückenhaft sein oder in Systemen liegen, die sich nur mit erheblichem Aufwand verbinden lassen.
Dazu kommt die Frage der Abhängigkeit. Wer seine zentralen Abläufe vollständig auf einen externen Anbieter ausrichtet, übernimmt dessen Preisänderungen, Produktentscheidungen und technische Grenzen. Mittelständische Unabhängigkeit entsteht nicht dadurch, dass man eine eigene Oberfläche vor ein fremdes Modell setzt.
Eine belastbare KI-Strategie muss deshalb auch festlegen, welche Aufgaben automatisiert werden dürfen, welche Daten das Unternehmen verlassen, welche Alternativen bestehen und wo menschliche Verantwortung nicht delegiert wird.
Ein pragmatischer Einstieg für mittelständische Unternehmen
Der Einstieg muss weder mit einem unternehmensweiten Transformationsprogramm noch mit der nächsten Lizenzsammlung beginnen. Ein überschaubarer Prozess reicht.
- Einen konkreten Prozess auswählen. Geeignet ist eine häufige, klar abgrenzbare Aufgabe mit erkennbarem Aufwand.
- Den heutigen Arbeitsablauf dokumentieren. Beteiligte, Informationsquellen, Entscheidungen und Fehlerquellen werden sichtbar gemacht.
- Erfahrungswissen einbeziehen. Die Menschen, die den Prozess tatsächlich ausführen, liefern die Ausnahmen und Qualitätskriterien.
- Einen messbaren Test durchführen. Zeitersparnis, Fehlerquote, Bearbeitungsqualität oder Kundenzufriedenheit müssen vor und nach dem Test vergleichbar sein.
- Erkenntnisse sichern und übertragen. Erfolgreiche Regeln, Vorlagen und Prüfschritte werden dokumentiert und für den nächsten Anwendungsfall genutzt.
Wer diese Arbeit methodisch lernen möchte, findet auf meiner Seite einen Überblick über meine KI-Weiterbildungen und Kurse für die Praxis. Dort geht es nicht um möglichst viele Tools, sondern um den sinnvollen Einsatz im beruflichen Alltag.
Wo der Vorsprung tatsächlich entsteht
Die Verbreitung von KI im Mittelstand wird weiter steigen. Das allein sagt wenig über die Wettbewerbsfähigkeit einzelner Unternehmen aus. Wenn alle denselben Assistenten nutzen, werden dessen Standardfunktionen schnell zur Grundausstattung.
Schwer kopierbar bleibt die Verbindung aus eigenem Wissen, sauberen Prozessen, brauchbaren Daten und Menschen, die Ergebnisse beurteilen können. Dazu kommt die Fähigkeit, aus Fehlern systematisch zu lernen. Diese Verbindung lässt sich nicht mit einer zusätzlichen Lizenz einkaufen.
Vielleicht ist das die brauchbarste Lektion aus den Werkhallen des Mittelstands: Die Maschine kann gekauft werden. Die Fähigkeit, sie besser als andere einzusetzen, muss ein Unternehmen selbst entwickeln.