KI im Mittelstand beginnt nicht bei der IT (Serie, Teil 7 von 14)
Teil 7 Klein anfangen, aber richtig: Wie der Mittelstand KI pragmatisch einführt, ohne neue Probleme zu erzeugen
Viele mittelständische Unternehmen wissen inzwischen, dass sie sich mit künstlicher Intelligenz beschäftigen müssen. Die eigentliche Frage lautet nicht mehr, ob KI relevant wird. Die wichtigere Frage lautet:Wie beginnt man, ohne sich zu übernehmen — und ohne später alles wieder neu bauen zu müssen?
Genau hier entsteht der häufigste Fehler.
Einige Unternehmen warten zu lange, weil ihnen KI zu groß, zu teuer oder zu unübersichtlich erscheint. Andere starten sofort mit einzelnen Werkzeugen, Automatisierungen oder Pilotprojekten. Beides ist verständlich. Beides kann aber problematisch werden.
Wer zu lange wartet, verliert Lernzeit. Wer zu schnell und ungeordnet beginnt, erzeugt neue Insellösungen.
Der richtige Weg für den Mittelstand liegt dazwischen:
klein anfangen, aber richtig.
Das bedeutet: kein großes Konzernprogramm, aber auch keine unkontrollierte Tool-Bastelei. Ein erster KI-Schritt darf klein sein. Er muss aber so gewählt werden, dass daraus später eine tragfähige Unternehmensfähigkeit entstehen kann.
Klein anfangen heißt nicht, planlos anfangen
Der Satz „Wir fangen erst einmal klein an“ klingt vernünftig. Er kann aber zwei sehr unterschiedliche Bedeutungen haben.Er kann bedeuten:
Wir wählen einen begrenzten Anwendungsfall, prüfen Nutzen, Daten, Risiko und Verantwortung — und setzen ihn kontrolliert um.
Oder er kann bedeuten:
Eine Abteilung probiert ein Werkzeug aus, lädt Daten hoch, automatisiert einen Ablauf und schaut später, was daraus wird.
Der Unterschied ist entscheidend.
Im ersten Fall entsteht ein sauberer erster Baustein. Im zweiten Fall entsteht möglicherweise die nächste Insellösung.
Klein anfangen ist richtig. Aber klein anfangen darf nicht bedeuten, ohne Zielbild, ohne Datenregeln, ohne Verantwortlichkeiten und ohne spätere Anschlussfähigkeit zu starten.
Gerade im Mittelstand ist diese Unterscheidung wichtig. Dort sind Budgets begrenzter, IT-Abteilungen kleiner und Fachwissen stärker an einzelne Personen gebunden. Ein Fehlstart kann später teuer werden.
Der erste Fehler: mit dem Werkzeug beginnen
Viele KI-Initiativen starten mit einer Werkzeugfrage:- Welches KI-Tool sollen wir nutzen?
- Welche Plattform ist am besten?
- Können wir das mit einem Assistenten lösen?
- Können wir mit Low Code automatisieren?
- Welcher Anbieter ist der richtige?
Die erste Frage sollte lauten:
Welches konkrete Unternehmensproblem soll durch KI besser gelöst werden?
Das kann ein langsamer Prozess sein. Eine hohe Fehlerquote. Wiederkehrende manuelle Arbeit. Schlechte Informationsverfügbarkeit. Wissensverlust durch ausscheidende Mitarbeiter. Zu lange Reaktionszeiten im Kundenservice. Oder hoher Aufwand bei Dokumentenprüfung und Auswertung.
Erst wenn das Problem klar ist, lässt sich beurteilen, ob KI überhaupt die richtige Antwort ist.
- Manchmal ist KI sinnvoll.
- Manchmal reicht bessere Prozessorganisation.
- Manchmal reicht ein klassisches Automatisierungssystem.
- Manchmal ist die Datenbasis noch zu schwach.
- Und manchmal ist der Anwendungsfall wirtschaftlich schlicht nicht wichtig genug.
Der zweite Fehler: den einfachsten statt den sinnvollsten Anwendungsfall wählen
Viele Unternehmen starten dort, wo KI am leichtesten einzusetzen ist.Das ist menschlich verständlich. Der Einstieg wirkt schneller, das Risiko scheint kleiner, erste Ergebnisse lassen sich leichter zeigen.
Aber der einfachste Anwendungsfall ist nicht automatisch der beste.
Ein sinnvoller erster KI-Anwendungsfall sollte drei Eigenschaften verbinden:
- Er sollte wirtschaftlich relevant sein.
- Er sollte organisatorisch beherrschbar sein.
- Er sollte später erweiterbar sein.
Ein sehr großer Anwendungsfall mit hohem Risiko kann das Unternehmen überfordern.
Der richtige Einstieg liegt dazwischen: sichtbar genug, um Nutzen zu zeigen; begrenzt genug, um kontrollierbar zu bleiben; sauber genug, um später erweitert werden zu können.
Der dritte Fehler: Datenlage und Fachwissen unterschätzen
KI arbeitet nicht im luftleeren Raum. Sie braucht Informationen.Diese Informationen können aus Datenbanken, Dokumenten, E-Mails, Ticketsystemen, ERP-Systemen, CRM-Systemen, Excel-Listen oder dem Erfahrungswissen von Mitarbeitern stammen.
Genau hier zeigt sich oft das eigentliche Problem.
Viele Unternehmen haben zwar viele Daten, aber keine belastbare Datenbasis. Informationen liegen verteilt, sind uneinheitlich gepflegt oder werden von verschiedenen Abteilungen unterschiedlich interpretiert.
Noch wichtiger: Ein erheblicher Teil des Unternehmenswissens steht nicht in Systemen. Er steckt in den Köpfen erfahrener Mitarbeiter.
Diese Mitarbeiter wissen:
- welche Kunden besonders sind,
- welche Ausnahmen regelmäßig auftreten,
- welche Systemdaten nicht ganz stimmen,
- welche Regeln historisch entstanden sind,
- welche Berichte mit Vorsicht zu lesen sind,
- welche Prozesse offiziell anders aussehen als in der Realität.
Deshalb muss ein guter KI-Start immer fragen:
- Welche Daten braucht die KI?
- Sind diese Daten belastbar genug?
- Welches Fachwissen ist zusätzlich notwendig?
- Wer kann beurteilen, ob die KI-Ergebnisse richtig sind?
Der vierte Fehler: keine Verantwortung festlegen
KI-Ergebnisse wirken oft überzeugend. Texte sind gut formuliert. Zusammenfassungen erscheinen plausibel. Auswertungen sehen professionell aus. Empfehlungen klingen sachlich.Gerade deshalb braucht es klare Verantwortung.
- Wer prüft das Ergebnis?
- Wer entscheidet, ob es verwendet werden darf?
- Wer erkennt fachliche Fehler?
- Wer stoppt den Prozess, wenn die KI falsche Ergebnisse liefert?
- Wer trägt die Verantwortung gegenüber Kunden, Mitarbeitern oder Geschäftsleitung?
Ein erster KI-Anwendungsfall sollte deshalb immer einen fachlichen Eigentümer haben. Nicht nur einen technischen Ansprechpartner.
Die IT kann das Werkzeug bereitstellen. Sie kann Sicherheit, Zugriff und Betrieb unterstützen. Aber sie kann nicht allein beurteilen, ob eine fachliche Empfehlung richtig ist.
Dafür braucht es den Fachbereich.
Und für die Gesamtentscheidung braucht es die Geschäftsführung.
Der fünfte Fehler: Erfolg nicht messbar machen
Viele KI-Piloten bleiben unklar, weil niemand vorher definiert hat, woran Erfolg gemessen wird.Dann heißt es später:
- „Die Lösung ist interessant.“
- „Die Mitarbeiter finden es hilfreich.“
- „Es spart vermutlich Zeit.“
- „Die Ergebnisse sehen gut aus.“
Ein guter erster KI-Schritt braucht einfache, messbare Kriterien:
- Wie viel Zeit soll eingespart werden?
- Wie viele Vorgänge sollen unterstützt werden?
- Wie stark soll die Fehlerquote sinken?
- Wie schnell sollen Anfragen beantwortet werden?
- Wie viele Dokumente sollen vorstrukturiert werden?
- Wie viel Nacharbeit entsteht durch KI-Fehler?
- Wie hoch ist die Akzeptanz im Fachbereich?
- Wie oft muss ein Mensch korrigieren?
Mit Messung wird sie eine Managemententscheidung.
Der richtige Einstieg: ein kontrollierter KI-Baustein
Für den Mittelstand ist der beste Einstieg meist kein großes Programm, sondern ein kontrollierter KI-Baustein.Dieser Baustein sollte klar begrenzt sein:
- ein konkreter Prozess,
- ein klarer Nutzen,
- eine definierte Datenbasis,
- ein fachlicher Verantwortlicher,
- ein überschaubares Risiko,
- eine menschliche Prüfung,
- eine einfache Erfolgsmessung,
- und eine spätere Anschlussfähigkeit.
Nicht alles planen. Aber das Richtige vorab klären.
Nicht alles bauen. Aber nichts bauen, was morgen zur Sackgasse wird.
Ein pragmatischer 7-Schritte-Ansatz
Ein mittelständisches Unternehmen kann den Einstieg in KI mit sieben einfachen Schritten strukturieren.1. Problem statt Werkzeug definieren
Am Anfang steht nicht das Tool, sondern das Problem.- Wo entsteht heute hoher Aufwand?
- Wo gibt es viele Wiederholungen?
- Wo treten Fehler auf?
- Wo suchen Mitarbeiter lange nach Informationen?
- Wo hängt Wissen an einzelnen Personen?
- Wo sind Kundenreaktionen zu langsam?
- Wo fehlt dem Management eine bessere Entscheidungsgrundlage?
2. Wirtschaftlichen Hebel einschätzen
Nicht jedes Problem rechtfertigt KI.Deshalb muss früh geprüft werden:
- Wie oft tritt der Vorgang auf?
- Wie viel Zeit kostet er?
- Welche Fehlerkosten entstehen?
- Welche Kundenwirkung hat er?
- Welche Risiken bestehen?
- Wie groß wäre der Nutzen einer Verbesserung?
3. Daten und Wissen prüfen
Jetzt folgt die Kernfrage:Hat das Unternehmen die Informationen, die KI für diesen Anwendungsfall braucht?
Dabei geht es nicht nur um digitale Daten. Es geht auch um Fachwissen, Regeln, Ausnahmen und Erfahrungswissen.
Ein KI-Pilot ist nur dann sinnvoll, wenn mindestens eine ausreichend belastbare Informationsbasis vorhanden ist — oder wenn das Vorprojekt gerade dazu dient, diese Basis aufzubauen.
4. Risiko und Verantwortung klären
Vor der Umsetzung muss feststehen:- Was darf die KI tun?
- Was darf sie nicht tun?
- Wer prüft Ergebnisse?
- Wer verantwortet den Fachinhalt?
- Welche Daten dürfen genutzt werden?
- Welche Fehler wären kritisch?
- Was passiert bei falschen Ergebnissen?
5. Kleinen Baustein bauen oder einrichten
Erst jetzt wird praktisch umgesetzt.Nicht mit maximalem Umfang, sondern bewusst begrenzt.
Ein erster Baustein sollte so klein sein, dass er beherrschbar bleibt, aber so relevant, dass sein Nutzen sichtbar wird.
Das ist die Kunst.
6. Ergebnisse messen und Fehler dokumentieren
Der Pilot muss nicht perfekt sein. Er soll Erkenntnisse liefern.Deshalb ist wichtig:
- Welche Ergebnisse sind brauchbar?
- Wo irrt sich die KI?
- Welche Daten fehlen?
- Welche Regeln wurden nicht verstanden?
- Welche Mitarbeiter profitieren wirklich?
- Wo entsteht zusätzlicher Prüfaufwand?
7. Entscheiden: stoppen, verbessern oder erweitern
Nach dem Pilot muss eine klare Entscheidung stehen.Nicht jedes KI-Projekt sollte weitergeführt werden.
Mögliche Ergebnisse sind:
- stoppen, weil Nutzen oder Datenlage nicht ausreichen,
- weiter testen, weil noch Fragen offen sind,
- gezielt verbessern, weil der Nutzen sichtbar ist,
- oder schrittweise erweitern, weil der Baustein tragfähig ist.
Klein starten, aber groß genug denken
Der erste KI-Baustein sollte klein sein. Aber er darf nicht isoliert gedacht werden.Schon beim Einstieg muss gefragt werden:
- Kann dieser Baustein später erweitert werden?
- Kann er mit anderen KI-Lösungen zusammenarbeiten?
- Nutzt er Datenquellen, die auch für andere Fälle relevant sind?
- Entstehen neue Insellösungen?
- Sind Regeln und Verantwortlichkeiten wiederverwendbar?
- Lässt sich das Gelernte auf andere Bereiche übertragen?
Dann entsteht vielleicht ein kurzfristiger Nutzen, aber keine langfristige KI-Fähigkeit.
Der Mittelstand braucht keine perfekte Zielarchitektur am ersten Tag. Aber er braucht zentrale Prinzipien.
Die Prinzipien sind zentral. Die Umsetzung wächst schrittweise.
Warum dieser Ansatz kein Bremsen ist
Manche Unternehmen fürchten, dass zu viel Vorprüfung die Geschwindigkeit nimmt.Das Gegenteil ist häufig der Fall.
Ein schlecht gewählter KI-Pilot kann Monate kosten und am Ende kaum nutzbar sein. Ein unkontrolliertes Tool kann Datenschutz- oder Qualitätsprobleme erzeugen. Eine isolierte Lösung kann später teuer ersetzt werden. Ein scheinbar schneller Einstieg kann langfristig langsam machen.
Ein sauberer Einstieg wirkt anfangs etwas langsamer. Aber er verhindert spätere Umwege.
Erst denken, dann arbeiten, ist keine Innovationsbremse. Es ist die Voraussetzung dafür, dass Innovation nicht zur nächsten Baustelle wird.
Was die Geschäftsführung entscheiden muss
KI-Einführung kann nicht vollständig an IT oder Fachbereiche delegiert werden.Die Geschäftsführung muss nicht jedes technische Detail verstehen. Aber sie muss die Leitentscheidungen treffen:
- Welche Ziele verfolgen wir mit KI?
- Welche Risiken akzeptieren wir nicht?
- Welche Daten dürfen genutzt werden?
- Welche Prozesse sind zuerst relevant?
- Welche Ergebnisse müssen menschlich geprüft werden?
- Welche Bereiche dürfen experimentieren?
- Welche zentralen Prinzipien gelten für alle?
- Wie verhindern wir neue Insellösungen?
Wer sie nicht beantwortet, überlässt die KI-Entwicklung dem Zufall, den Fachbereichen, den Toolanbietern oder dem jeweils lautesten internen Bedarf.
Das ist selten eine gute Architektur.
Fazit: Der richtige Start entscheidet über die spätere Richtung
KI im Mittelstand muss nicht groß beginnen. Aber sie muss bewusst beginnen.Der erste Schritt sollte klein genug sein, um bezahlbar und beherrschbar zu bleiben. Gleichzeitig muss er sauber genug sein, um später erweitert werden zu können
.
Der richtige Einstieg folgt deshalb einer einfachen Logik:
- Problem klären,
- Nutzen bewerten,
- Daten und Wissen prüfen,
- Verantwortung festlegen,
- Risiko begrenzen,
- kleinen Baustein umsetzen,
- Ergebnisse messen,
- und erst dann erweitern.
Wer so beginnt, vermeidet zwei typische Fehler: lähmendes Abwarten und blinden Aktionismus.
Denn KI scheitert im Mittelstand selten daran, dass Unternehmen zu klein sind. Sie scheitert eher daran, dass zu schnell am Werkzeug gearbeitet wird, bevor Ziel, Daten, Verantwortung und Skalierbarkeit geklärt sind.
Klein anfangen ist richtig. Aber nur, wenn man vorher groß genug gedacht hat.
Teil 1: Künstliche Intelligenz ist kein reines IT-Projekt - sie ist Chefsache!
Prev:
Teil 6: KI im Mittelstand — ab wann lohnt sich der Aufwand?
Next:
Teil 8: KI ersetzt kein Unternehmenswissen: Warum Fachbereiche ihr Erfahrungswissen vor dem produktiven KI-Einsatz sichern müssen
Die Universal Diplom Ingenieure von 4WT werden meist für Unternehmen aus dem DACH-Raum hinzugezogen wenn Sie:
Lassen Sie uns konkret über Ihr Vorhaben sprechen.
Kein Pitch.
Keine Verpflichtung.
Keine Vertriebsrhetorik
Austausch zwischen zwei Unternehmer, die Klartext reden.
Nur 15 Minuten zur Einordnung Ihres Themas.
📞 +49 30 8687094010 (6:00 bis 16:00 Uhr MEZ)
✉️ uwe.richter@it-e-com.de
🔗 4WT Kontaktseite
🔗 4WT Firmenseite
📅 JETZT ein kostenfreies Infogespräch reservieren!
Manchmal reicht ein einziges Gespräch, um teure Fehler zu vermeiden.
Über 4WT- planen, den südostasiatischen Markt zu erschließen (Expansion, Markteintritt, Diversifizierung von Lieferketten);
- deutsche Universal Diplom Ingenieure mit technischem Sachverstand (juristische thailändische Person mit deutscher DNA), lokaler Präsenz und deutscher Management, jedoch keine Folienberatung suchen;
- einen juristischen deutschen Partner vor Ort in Südostasien zur Unterstützung Ihrer Aktivitäten und als verlängerten Arm benötigen (operativ/technisch-exekutiv Betreuung vor Ort);
- den Eindruck haben, dass in Ihrer Niederlassung ein Shadow-Management etabliert werden muss, welches die asiatische Arbeitskultur schon seit Jahrzehnten kennt, aber eine 100-prozentige deutsche DNA besitzt - Cultural Broker.
- eine kulturell angepasste Unterstützung Ihrer thailändischen Geschäftsführung entsprechend deutscher Qualitäts- und Prozessanforderungen suchen.
- die enormen Kosten ihres entsendeten Expat mit Sorge erfüllen und Sie eine deutlich günstigere skalierbare Alternative suchen.
- eine Repräsentation bzw. bevollmächtigte Unternehmensvertretung als Liaison Office, Business Proxy oder Corporate Service Provider benötigen.
- rechtssichere pragmatische FBA-konforme Inkubation suchen.
Lassen Sie uns konkret über Ihr Vorhaben sprechen.
Kein Pitch.
Keine Verpflichtung.
Keine Vertriebsrhetorik
Austausch zwischen zwei Unternehmer, die Klartext reden.
Nur 15 Minuten zur Einordnung Ihres Themas.
📞 +49 30 8687094010 (6:00 bis 16:00 Uhr MEZ)
✉️ uwe.richter@it-e-com.de
🔗 4WT Kontaktseite
🔗 4WT Firmenseite
📅 JETZT ein kostenfreies Infogespräch reservieren!
Manchmal reicht ein einziges Gespräch, um teure Fehler zu vermeiden.
Dieser Beitrag spiegelt die Perspektive von 4WT wider – einem Ingenieurbüro, das Unternehmen dabei unterstützt, komplexe IT-Landschaften wieder beherrschbar zu machen.
Unser Fokus liegt nicht auf schnellen Lösungen oder Methodentrends, sondern auf Klarheit, Entscheidungsfähigkeit und verantwortungsvoller Automatisierung an der Schnittstelle zwischen Unternehmertum und IT.
🔗 Präsentation des Ingenieurbüros 4WT
