Die Frage ist nicht mehr, ob KI im Mittelstand ankommt. Sie ist längst da – nur meistens unbezahlt und unbemerkt. In fast jedem Unternehmen, in das wir hineinschauen, nutzt ein Drittel der Belegschaft irgendein Sprachmodell für Mails, Angebotstexte oder Recherche. Auf eigene Rechnung, ohne Freigabe, ohne Leitplanken. Parallel dazu läuft in der Geschäftsführung ein „KI-Projekt", das seit acht Monaten in der Pilotphase steckt und dessen Nutzen niemand beziffern kann.

Beides ist ein Symptom desselben Problems: Es fehlt der Rechenrahmen. Ohne ihn entstehen entweder Schatten-IT oder Vorzeigeprojekte. Beides erzeugt keinen Wert.

Der Rechenrahmen: vier Fragen vor jedem Piloten

Wir prüfen jeden KI-Anwendungsfall gegen dieselben vier Fragen. Wer eine davon nicht beantworten kann, hat kein Projekt, sondern ein Experiment – und sollte es entsprechend budgetieren.

  1. Wie oft passiert das? KI rechnet sich über Frequenz, nicht über Komplexität. Ein hochkomplexer Vorgang, der zwölfmal im Jahr auftritt, ist ein schlechter Kandidat. Ein simpler Vorgang, der 400-mal im Monat auftritt, ist ein guter.
  2. Was kostet ein Fehler? Sprachmodelle sind probabilistisch. Wenn eine falsche Ausgabe einen Kunden, eine Zertifizierung oder eine Zahlung kostet, braucht der Fall eine menschliche Freigabestufe – und die frisst den Effizienzgewinn oft wieder auf.
  3. Liegen die Daten sauber und zugänglich? Das ist die Frage, an der die meisten Fälle sterben. Kein Modell repariert eine Stammdatenqualität von 60 Prozent.
  4. Wer besitzt den Prozess danach? Ein KI-Anwendungsfall ohne benannten Verantwortlichen im Fachbereich wird nach dem Piloten nicht weiterentwickelt. Er wird geduldet, bis er stört.
KI rechnet sich dort, wo hohe Frequenz auf niedrige Fehlerkosten trifft. Alles andere ist Forschung – und sollte auch so genannt werden.

Drei Fälle, die sich rechnen

1. Dokumenten-Vorverarbeitung im Rechnungs- und Bestelleingang. Der unspektakulärste und zuverlässigste Fall. Eingehende PDFs, Lieferscheine und Bestellungen werden ausgelesen, den richtigen Stammdaten zugeordnet und als Vorschlag ins ERP gestellt. Ein Mensch bestätigt oder korrigiert. Frequenz: hoch. Fehlerkosten: niedrig, weil jede Buchung ohnehin durch eine Freigabe läuft. In den Mandaten, die wir begleitet haben, verschwinden hier zwischen 30 und 50 Prozent der reinen Erfassungszeit – bei einem Team von drei Personen in der Buchhaltung sind das grob ein bis anderthalb Vollzeitstellen an frei werdender Kapazität, die man in Klärfälle und Mahnwesen umlenkt statt abzubauen.

2. Erstentwürfe in Vertrieb und Service. Angebotstexte, Leistungsbeschreibungen, Antworten auf wiederkehrende Kundenanfragen. Der Wert liegt nicht in der Textqualität – die ist nur mittelmäßig – sondern in der Beseitigung des leeren Blattes. Ein Vertriebsmitarbeiter, der vier Angebote pro Woche schreibt, gewinnt keine Stunden, aber Durchlaufzeit: Angebote gehen am selben Tag raus statt am dritten. Das ist eine Conversion-Frage, keine Effizienzfrage – und in vielen Häusern die wertvollere von beiden.

3. Suche im eigenen Wissensbestand. Technische Dokumentationen, Angebotsarchive, Prüfberichte, alte Projektakten. Der klassische Fall im Anlagenbau und in technischen Dienstleistungen: Ein Servicetechniker sucht 20 Minuten nach der richtigen Revisionsstufe einer Zeichnung. Über eine semantische Suche auf dem eigenen Dokumentenbestand werden daraus zwei Minuten. Voraussetzung – siehe Frage 3 – ist ein halbwegs geordneter Bestand. Das ist der eigentliche Aufwand des Projekts, und er wäre auch ohne KI sinnvoll.

Praxis-Tipp: Rechnen Sie einen KI-Anwendungsfall nie in gesparten Stunden, sondern in verlagerten Stunden. Die Frage „Was macht das Team stattdessen?" muss vor dem Piloten beantwortet sein. Sonst entsteht Kapazität, die niemand zuordnet – und der Nutzen ist nach sechs Monaten nicht nachweisbar.

Drei Fälle, die es nicht tun

1. Der Chatbot auf der eigenen Website. Der beliebteste Einstieg und fast immer der falsche. Die Frequenz ist im B2B-Mittelstand zu niedrig, die Fehlerkosten sind hoch (falsche Produktaussagen gegenüber Interessenten), und der Pflegeaufwand ist dauerhaft. Wer im Monat 200 Website-Anfragen hat, löst das Problem mit einem guten Formular und einer verlässlichen Rückrufzusage – nicht mit einem Modell.

2. Absatzprognosen auf dünner Datenbasis. KI-gestützte Forecasts sind der Fall, bei dem die Erwartung am weitesten von der Realität entfernt liegt. Wer 40 Kunden und einen Auftragseingang mit hoher Streuung hat, bekommt aus keinem Modell eine bessere Prognose als aus einem Vertriebsgespräch. Statistische Verfahren brauchen Masse. Der Mittelstand hat Tiefe.

3. Das bereichsübergreifende „KI-Betriebssystem". Der Anspruch, ein Modell auf alle Unternehmensdaten zu legen und daraus Entscheidungen ableiten zu lassen. Solche Vorhaben scheitern aus demselben Grund wie große ERP-Programme: Sie beginnen mit der Technologie und nicht mit dem Prozess. Wir haben Angebote für solche Plattformen im mittleren sechsstelligen Bereich gesehen, deren erster produktiver Anwendungsfall exakt die Dokumenten-Vorverarbeitung aus Punkt 1 war – für die es Lösungen im vierstelligen Jahresbereich gibt.

Was das für die Governance bedeutet

Der teuerste Fehler ist nicht das falsche Projekt. Er ist das Vakuum davor. Solange es keine Regel gibt, welche Werkzeuge mit welchen Daten benutzt werden dürfen, entscheidet das jeder Mitarbeiter für sich – und lädt im Zweifel den Kundenvertrag in ein Modell, dessen Betreiber niemand geprüft hat.

Eine belastbare Nutzungsregel passt auf zwei Seiten und beantwortet drei Dinge: welche Werkzeuge freigegeben sind, welche Datenklassen hinein dürfen (und welche ausdrücklich nicht), und wer bei Zweifeln entscheidet. Wer bereits mit ISO 27001 oder NIS-2 zu tun hat, hängt das an die bestehende Informationssicherheitsleitlinie an, statt ein Parallelwerk zu bauen. Diese zwei Seiten sind in einem Nachmittag geschrieben und verhindern mehr Schaden als jedes Pilotprojekt Nutzen stiftet.

Zusammenfassung

KI ist im Mittelstand kein Strategiethema, sondern ein Prozessthema mit einem Rechenrahmen. Hohe Frequenz, niedrige Fehlerkosten, saubere Daten, benannter Verantwortlicher – wo diese vier zusammenkommen, entsteht messbarer Wert, meist im unspektakulären Backoffice. Wo sie fehlen, entsteht ein Pilot, der nie in Betrieb geht.

Der pragmatische Weg beginnt nicht mit einer Plattformentscheidung, sondern mit zwei Seiten Nutzungsregeln und einem einzigen Anwendungsfall, den man ehrlich durchrechnet. Wenn Sie gerade zwischen Anbieterangeboten und internen Erwartungen stehen – sprechen Sie uns an. Eine ehrliche Einordnung dauert eine Stunde und ersetzt oft ein halbes Jahr Pilotphase.