Wer sich in den letzten zwei Jahren mit Unternehmensführern unterhalten hat, kennt das Muster: Alle reden über Künstliche Intelligenz, die wenigsten haben konkrete Projekte abgeschlossen. Das liegt nicht an mangelndem Interesse. Es liegt daran, dass zwischen dem ersten Demo-Video und einem funktionierenden Prozess eine Lücke klafft, die viele unterschätzen.
Ich begleite seit knapp drei Jahren Unternehmen mit 20 bis 300 Mitarbeitern bei der Einführung von KI-gestützten Abläufen. Was ich dabei gelernt habe, unterscheidet sich erheblich von dem, was auf Konferenzen präsentiert wird.
Der häufigste Fehler: mit der Technologie starten
Fast jedes Projekt, das ich übernehme, wenn es schiefläuft, hat dasselbe Problem. Das Unternehmen hat ein Tool gekauft oder eine Lösung gebaut, bevor es die Frage beantwortet hat: Welches konkrete Problem lösen wir damit, und wie messen wir den Erfolg?
Ein Logistikdienstleister aus Norddeutschland mit 80 Mitarbeitern investierte 40.000 Euro in ein KI-System zur Routenoptimierung. Nach sechs Monaten war der Betrieb frustriert. Die Software funktionierte technisch. Aber die Disponenten nutzten sie nicht, weil die Ausgaben in ein Format kamen, das nicht zu ihrem Tagesablauf passte. Das Ergebnis: Die alten Excel-Tabellen liefen parallel weiter, die KI war ein teures Nebensystem.
Kein Technologieproblem. Ein Einführungsproblem.
Wo Automatisierung tatsächlich Zeit spart
Die realistischen Einsparpotenziale liegen selten dort, wo Anbieter sie verorten. Hier sind drei Bereiche, in denen ich messbare Ergebnisse gesehen habe:
- Dokumentenverarbeitung: Ein Steuerberatungsbüro mit 35 Mitarbeitern automatisierte die Vorerfassung von Belegen. Ergebnis: 11 Stunden Arbeitszeit pro Woche eingespart, bei gleichzeitig niedrigerer Fehlerquote.
- Erstbearbeitung im Kundenservice: Ein Onlinehändler mit 120 Mitarbeitern setzte einen KI-Assistenten für Standardanfragen ein. 62 Prozent der eingehenden Tickets werden seitdem ohne menschliche Bearbeitung abgeschlossen.
- Angebotskalkulation: Ein Metallbaubetrieb nutzt ein KI-gestütztes Kalkulationstool. Die Erstellungszeit für ein Standardangebot sank von 45 auf 12 Minuten.
Was diese Beispiele gemeinsam haben: Es handelt sich um klar abgegrenzte, wiederholbare Prozesse mit messbarem Output. Vage Ziele wie „Effizienz steigern“ produzieren vage Ergebnisse.
Was gute KI-Beratung ausmacht
Der Markt für KI-Beratung ist in kurzer Zeit unübersichtlich geworden. Jeder zweite Freelancer nennt sich jetzt KI-Berater, und auch etablierte IT-Dienstleister haben entsprechende Angebote hinzugefügt. Das macht die Auswahl schwieriger.
Wer ernsthaft nach einem Partner sucht, sollte auf ein paar konkrete Punkte achten. Erstens: Kann der Anbieter Referenzprojekte aus der eigenen Branche nennen, die mehr als sechs Monate zurückliegen? Echte Erfahrung zeigt sich nicht in der Präsentation, sondern im Nachgespräch. Zweitens: Wird eine Prozessanalyse vor dem Technikgespräch gemacht? Wer sofort mit Toolempfehlungen beginnt, hat das Kernproblem nicht verstanden.
Unternehmen, die strukturierte Unterstützung suchen, finden bei einer spezialisierten KI-Agentur für den Mittelstand oft einen besseren Ausgangspunkt als bei generalistischen IT-Häusern, weil dort der Fokus auf praxistauglichen Lösungen für überschaubare Budgets liegt.
Drittens: Wie sieht das Schulungskonzept aus? Software einführen ohne Befähigung der Mitarbeitenden ist der direkteste Weg zu einem ungenutzten System.
Schulung ist kein Anhang, sondern Kern des Projekts
Der Anteil des Schulungsbudgets an einem KI-Projekt sollte zwischen 25 und 35 Prozent liegen. In der Praxis sind es oft unter 10 Prozent. Das rächt sich.
Mitarbeitende lehnen KI-Tools selten ab, weil sie technologiefeindlich sind. Sie lehnen sie ab, weil niemand ihnen erklärt hat, wie das Tool ihren spezifischen Arbeitsschritt verändert. Eine Buchhalterin, die seit 15 Jahren Rechnungen nach einem bestimmten Schema prüft, braucht kein Motivationsvideo über KI. Sie braucht eine 90-minütige Praxissession an ihrem eigenen Datenmaterial.
Formatfrage: Kurze, aufgabenbezogene Trainings funktionieren besser als mehrtägige Workshops. Drei Einheiten à 60 Minuten, aufgeteilt über zwei Wochen, mit konkreten Aufgaben dazwischen, erzielen nachweislich höhere Übernahmequoten als ein ganzer Schulungstag.
Ein pragmatischer Einstiegsplan für kleinere Unternehmen
Für Betriebe unter 50 Mitarbeitern ohne dedizierte IT-Abteilung empfehle ich diesen Ablauf:
- Prozessaudit: Drei bis fünf wiederkehrende Abläufe identifizieren, die mehr als vier Stunden pro Woche kosten und regelbasiert funktionieren.
- Pilotprojekt: Einen dieser Prozesse auswählen, vier bis acht Wochen testen, konkrete Vorher-Nachher-Zahlen dokumentieren.
- Rollout: Erst nach positivem Pilotbefund auf weitere Prozesse ausweiten.
- Schulung parallel: Betroffene Mitarbeitende von Tag eins einbinden, nicht erst bei der Übergabe.
Dieser Ablauf klingt banal. Er wird trotzdem in der Mehrheit der Projekte nicht eingehalten, weil intern Druck entsteht, schneller zu skalieren.
Was realistische Erwartungen bedeuten
KI ersetzt in mittelständischen Unternehmen im Regelfall keine Stellen. Sie verändert, wie Stellen aussehen. Ein Sachbearbeiter, der früher 60 Prozent seiner Zeit mit Dateneingabe verbracht hat, verbringt diese Zeit künftig mit Qualitätskontrolle, Kundenkontakt oder Ausnahmebearbeitung. Das ist ein echter Mehrwert. Aber es ist kein Wunder und kein Automatismus.
Unternehmen, die KI mit dem Ziel starten, Personalkosten zu senken, erzielen selten gute Ergebnisse, weil die Belegschaft das spürt und die Einführung entsprechend begleitet. Unternehmen, die KI mit dem Ziel starten, Kapazitäten freizusetzen, erzielen häufiger nachhaltige Resultate.
Der Unterschied liegt nicht in der Technologie. Er liegt in der Haltung, mit der ein Projekt gestartet wird.
Fazit: Weniger Hype, mehr Handwerk
KI-Projekte sind kein IT-Thema. Sie sind Organisationsprojekte mit technischer Komponente. Wer das verinnerlicht, trifft bessere Entscheidungen bei der Auswahl von Tools, Beratern und Schulungsformaten. Und wer mit einem klar abgegrenzten Piloten startet, statt auf die perfekte Gesamtlösung zu warten, hat in zwölf Monaten echte Erfahrungswerte statt teurer Grundlagenforschung auf Unternehmenskosten.
Die Technologie ist reif genug. Die Frage ist, ob die Einführung es auch ist.
