Wann KI für den Mittelstand nicht die Antwort ist. Und wann ganz sicher

Eine der meistzitierten Zahlen des letzten Jahres stammt aus einer MIT-Studie zur KI-Adoption in Unternehmen: rund 95% aller GenAI-Pilotprojekte liefern keinen messbaren Umsatz- oder Gewinnbeitrag.

Im selben Atemzug berichtet der McKinsey State of AI-Report: Nur etwa ein Zehntel der Unternehmen erreicht mit KI einen messbaren EBITDA-Effekt von mehr als 5% in der betroffenen Funktion.

Der Bitkom-Mittelstandsbericht 2025 zeigt, dass zwar zwei Drittel der deutschen Mittelständler KI einsetzen oder planen, aber nur eine kleine Minderheit den Schritt vom Experiment zur produktiven Wertschöpfung schafft.

Diese Zahlen werden meist als Warnung gelesen: „KI wird überschätzt." Doch das ist die falsche Lesart.

Die richtige lautet: KI wird falsch eingesetzt, und zwar dort, wo eine andere Lösung längst besser, billiger und robuster wäre. Wer als Mittelständler entscheidet, wann KI wirklich der richtige Hebel ist und wann nicht, verschiebt sich aus den 95% in die 10%, die tatsächlich Wirkung sehen.

Wann KI nicht die richtige Antwort ist

Fünf Konstellationen, in denen ich regelmäßig sage: „Lassen Sie die KI hier außen vor. Ihr Problem ist ein Anderes."

1. Das Grundproblem ist ein Prozessproble

Wenn ein Bestellprozess vier Wochen dauert, weil drei Abteilungen sich nicht abstimmen, wird KI nichts daran ändern. Sie wird die Verspätung nur eleganter dokumentieren.

Wer einen schlechten Prozess automatisiert, bekommt einen schnellen schlechten Prozess.

Die klassische Reihenfolge, vereinfachen, dann automatisieren, dann erst Intelligenz hinzufügen, gilt unverändert. W

2. Wenn deterministische Regeln reichen

Eine erstaunliche Zahl von „KI-Projekten" im Mittelstand sind in Wirklichkeit Aufgaben, die ein gut konfiguriertes Excel-Makro, eine eine Datenbankregel oder eine klassische Robotic-Process-Automation-Lösung in der Hälfte der Zeit und zu einem Bruchteil der Kosten erledigt, und mit hundertprozentig vorhersehbarem Ergebnis.

Faustregel: Wenn die Antwort auf eine Aufgabe immer dieselbe sein muss und sich in einer Wenn-dann-Logik beschreiben lässt, ist KI das teurere Werkzeug.

3. Wenn das Volumen zu gering ist

Ein Tool zu konfigurieren, einzuführen, zu schulen und zu betreiben hat Fixkosten. Wenn die Aufgabe, die das Tool ablösen soll, im Monat fünf Stunden Sachbearbeitung kostet, lohnt sich der Aufwand kaum.

Der Mittelstand am Hochrhein hat hier einen Vorteil gegenüber Konzernen: kleinere Volumina sind die Regel, und manuelle Erledigung ist oft die Antwort.

KI lohnt sich, wenn Frequenz × eingesparte Zeit × Stundensatz × Stabilität deutlich über den Total Cost of Ownership liegt.

4. Wenn die Datenbasis nicht trägt

Modelle sind nur so gut wie das, womit man sie füttert. Wer keine sauber strukturierten Daten hat, baut auf Sand, und merkt es erst im Produktivbetrieb. „Garbage in, garbage out" ist keine theoretische Floskel; es ist der häufigste Grund, warum Pilotprojekte still beerdigt werden.

Bevor in KI investiert wird, muss die ehrliche Frage beantwortet sein: Haben wir die Daten, die das Modell überhaupt braucht? In welcher Qualität? Mit welchen Rechten? In welcher Aktualität?

5. Wenn es in Wirklichkeit ein Führungs- oder Kulturproblem ist

Wenn die Sachbearbeitung überlastet ist, weil die Priorisierung aus der Geschäftsleitung fehlt, wird KI nicht helfen. Wenn ein Vertriebsteam keine Leads konvertiert, weil das Angebot unklar ist, wird KI nicht helfen.

Organisationen, die ihren strukturellen Engpass nicht benennen wollen, suchen oft im Werkzeug die Antwort, die sie eigentlich im Führungskreis treffen müssten. KI ist dafür ein teures Vermeidungswerkzeug.

Wann KI ein Game Changer ist

Die Spiegelfrage ist genauso wichtig. Es gibt Felder, in denen klassische Werkzeuge an ihre Grenze stoßen, und KI tatsächlich einen Sprung erlaubt, der vor zwei Jahren nicht denkbar war.

1. Wo unstrukturierte Sprache, Bilder oder Audio in großer Menge anfallen

Das ist der ehrlichste Game-Changer. Klassische Software ist großartig bei strukturierten Daten, Zahlen, Tabellen, Datenbankfeldern. Sie ist hilflos bei E-Mails, Verträgen, Protokollen, Rechnungs-PDFs, Reklamationstexten, Anrufmitschnitten, technischen Zeichnungen, Fotos vom Schaden. Genau dort hat KI in den letzten drei Jahren einen Sprung gemacht, der nicht zurückzudrehen ist.

Wer im Tagesgeschäft mit großen Mengen unstrukturierter Information umgeht, Reklamationen, Eingangsrechnungen, Kundenanfragen, Wartungsberichten, Bewerbungsunterlagen, sitzt auf einem Anwendungsfeld, in dem KI tatsächlich neue Werte schafft.

2. Wo Wissen schwer auffindbar im Unternehmen verteilt ist

Praktisch jeder Mittelständler hat zwischen 20 und 200 Mitarbeitenden, die Wissen tragen. Im eigenen Kopf, im Intranet, in E-Mail-Archiven, in Spezifikationen, alten Angeboten, Berichten. Niemand findet etwas wieder.

KI-Modelle, die auf einer kuratierten internen Wissensbasis arbeiten, sind die erste Anwendung, in der Mittelständler bei guter Umsetzung unmittelbar einen Effekt spüren. Das ist kein Pilotthema, sondern ein produktives Werkzeug für Einarbeitung, Service, Vertrieb und Engineering.

3. Wo Kommunikation personalisiert werden muss

Vertriebskorrespondenz, Angebotsentwürfe, technische Antworten auf häufige Anfragen, mehrsprachige Kundenkommunikation, strukturierte Erstentwürfe von Verträgen, Berichten oder Protokollen, überall dort, wo derselbe inhaltliche Skelett-Text immer wieder neu auf einen Einzelfall angewendet werden muss, ersetzt KI keinen Sachverstand. Aber sie ersetzt zuverlässig die erste Stunde Tipparbeit. Bei einem mittelständischen Vertriebsteam summiert sich das schnell auf zweistellige Wochenstunden.

4. Wo wiederkehrende Klassifikations- und Extraktionsarbeit zu Routine wird

Eingangsrechnungen automatisch lesen und in die Buchhaltung übergeben. Reklamationen nach Schweregrad sortieren. Wartungsberichte nach Mustern durchsuchen. All das war vor fünf Jahren entweder unmöglich oder nur mit teurer Spezialsoftware lösbar.

Heute ist es mit Standardwerkzeugen erreichbar, und der Mittelstand profitiert hier überproportional, weil die Volumina nicht groß genug sind, um eigene Entwicklung zu rechtfertigen, aber zu groß für Handarbeit.

5. Wo Wissensarbeit den Engpass darstellt, nicht Produktion

Im Maschinenbau, in der Konstruktion, in der Steuer- und Rechtsberatung, in technischen Büros sitzt der Engpass selten an der Werkbank. Er sitzt Erstentwurf von Berichten, Spezifikationen, Angeboten.

KI-gestützte Erstentwürfe verkürzen genau hier Bearbeitungszeiten, ohne die fachliche Verantwortung anzutasten. Das ist ein leiser Effizienzhebel, der in den Bilanzen erst nach 12–18 Monaten sichtbar wird, aber dann deutlich.

3 Fragen vor der KI-Investition

  1. Was wäre die nicht-KI-Lösung? Wenn es eine gibt, die in Aufwand und Effekt vergleichbar wäre, wählt sie. KI ist kein Selbstzweck.
  2. Wie sieht die Aufgabe in einem Jahr aus, wenn sie gut gelöst ist? Wenn das Bild unklar ist, sind Sie zu früh für ein Tool. Sie brauchen erst eine schärfere Beschreibung des Zielzustands.
  3. Was passiert, wenn das Tool morgen ausfällt? Wenn die Antwort lautet „dann steht das Geschäft", haben Sie ein Risiko geschaffen, das vorher nicht da war. Wenn die Antwort lautet „dann geht es manuell weiter, nur langsamer", sind Sie auf einem gesunden Pfad.

Was das im Alltag bedeutet

Für die meisten Mittelständler heißt das praktisch: weniger Pilotprojekte, längere Vorbereitung, klarere Auswahl. Nicht „lasst uns mal ChatGPT ausprobieren", sondern: Welche zwei oder drei wiederkehrenden, gut beschreibbaren Engpässe gibt es im Tagesgeschäft, bei denen unstrukturierte Information, Personalisierung oder Wissens-Wiederfindung im Spiel sind? Genau dort lohnt sich der erste, enge, klar messbare Schritt.

Die Frage „brauchen wir KI?" ist die falsche. Die richtige lautet: „An welcher unserer zehn größten Engpassstellen ist KI die ökonomisch beste Antwort, und an welchen wäre sie nur der teuerste Weg, ein anderes Problem zu ignorieren?"

Diese Frage ist nicht in einem zweistündigen Workshop zu beantworten. Aber sie ist beantwortbar, und ihre Beantwortung ist die mit Abstand wichtigste Investition, die ein Mittelständler 2026 in Sachen KI macht.

Häufige Fragen zum Thema

Woran erkennen wir, ob unser KI-Vorhaben eher zu den 95 oder zu den 10% gehört? Indikatoren auf der falschen Seite: Das Vorhaben ist mit einem Tool-Namen formuliert, nicht mit einer Geschäftsfrage. Es gibt keine messbare Ausgangsgröße, an der Erfolg festgestellt werden könnte. Der erwartete Effekt wird in Aufzählungen statt in Euro oder Stunden beschrieben. Wer drei dieser Punkte abhakt, sollte vor dem Pilot noch einmal einen Schritt zurückgehen.

Wir haben gehört, KI ersetzt klassische Automatisierung wie RPA oder Make/N8n. Stimmt das? Nein, sie ergänzt sie. Klassische Automatisierung bleibt das richtige Werkzeug für deterministische, regelbasierte Abläufe. KI kommt ins Spiel, wenn unstrukturierte Eingaben (Text, Bild, Audio) verstanden oder Entscheidungen unter Unsicherheit getroffen werden müssen. Die meisten produktiven Anwendungen im Mittelstand sind heute Kombinationen aus beidem, nicht ein Entweder-oder.

Reicht ein ChatGPT-Abo, um zu starten? Für einzelne Power-User: oft ja. Für ein Unternehmen, das KI als Teil seiner Wertschöpfung einsetzen will: selten. Die Frage „welches Tool" ist zweitrangig zu „welche Daten gehen rein, welcher Anwendungsfall, welche Nutzergruppe, welche Bestandstools, welches Budget pro Kopf". Wer diese fünf Vorfragen nicht geklärt hat, kauft fast immer das falsche Tool, unabhängig davon, ob es ChatGPT, Copilot oder eine europäische Plattform ist.

Müssen wir jetzt handeln, oder können wir noch ein Jahr abwarten? Beides ist falsch formuliert. „Handeln" heißt nicht „Tool einführen", sondern „Klarheit schaffen". Diese Klarheit, welche Engpässe lohnen, welche nicht, welche Vorbedingungen müssen geschaffen werden, ist die Aufgabe der nächsten sechs Monate. Wer die in 2026 macht, hat 2027 die Wahl. Wer wartet, kauft 2027 unter Druck.

Wie aufwendig ist eine ehrliche Standortbestimmung? Eine fundierte Erstbewertung der KI-Potenziale eines Mittelständlers, Engpässe, Datenlage, organisationale Reife, realistische erste Schritte, ist Tagessache, nicht Monatssache. Sie ersetzt nicht die spätere Umsetzung, aber sie verhindert die zwei häufigsten Fehler: zu früh in das falsche Tool zu investieren oder zu lange aus Unsicherheit zu warten.

Was, wenn wir intern niemanden haben, der KI bewertet? Das ist die Normalität, nicht die Ausnahme. Im Mittelstand zwischen 30 und 200 Mitarbeitenden gibt es selten einen Chief AI Officer, und das muss auch nicht sein. Was es braucht, ist eine Person, die innen die Geschäftsfrage trägt, und eine Person, die außen die KI-Landschaft versteht. Das Zusammenspiel ist die Beratungsleistung, kein Wissenstransfer in Frontalform, sondern ein gemeinsamer Bewertungsprozess.

Wenn Sie sich gerade selbst fragen, in welche der beiden Kategorien Ihr nächstes geplantes KI-Vorhaben fällt, dann ist genau das das Gespräch, für das ich da bin. Ein 30-minütiges Discovery-Gespräch ist kostenlos und ohne weitere Verpflichtung.

Thomas Schröpfer, Strategischer KI-Sparringspartner für den Mittelstand am Hochrhein. thomas-schroepfer.de · ki-beratung-hochrhein.de