Ich will KI in meinem Unternehmen einsetzen. Wie fange ich an?
Das ist die häufigste Frage, die uns Geschäftsführer heute stellen. Und in ihr steckt oft schon der häufigste Fehler.
Denn die meisten KI-Projekte im Mittelstand scheitern nicht an der Technik. Sie scheitern daran, dass sie mit dem Satz beginnen: Wir brauchen jetzt irgendwie KI. Das ist kein Ziel, sondern ein Wunsch nach einem Werkzeug, bevor das Problem überhaupt benannt ist.
Dieser Leitfaden dreht die Reihenfolge um. Er zeigt Ihnen, wie Sie vom konkreten Problem zu einer funktionierenden Lösung kommen, ohne Budget zu verbrennen und ohne ein teures Projekt zu starten, das nach der ersten Vorführung wieder einschläft.
Der häufigste Fehler zuerst
Viele Unternehmen gehen von der Technik aus. Sie sehen beeindruckende Vorführungen, lesen von den Möglichkeiten und wollen mitmachen. Also suchen sie nach einem Ort, an dem sich KI einbauen lässt.
Das ist der falsche Ausgangspunkt. KI ist kein Selbstzweck, sondern manchmal die günstigste Lösung für ein teures Problem. Die richtige Frage lautet deshalb nicht: Wo können wir KI einsetzen? Sondern: Welcher Prozess kostet uns unverhältnismäßig viel Zeit oder Geld, obwohl er sich immer wieder ähnlich abspielt?
Wer so denkt, findet meist schnell mehrere Kandidaten. Und er kann am Ende auch messen, ob sich der Einsatz gelohnt hat.
Schritt 1: Das richtige Problem finden
Nicht jede Aufgabe eignet sich als erster KI-Anwendungsfall. Gute erste Kandidaten haben bestimmte Merkmale gemeinsam.
Sie treten häufig auf, denn ein Werkzeug, das eine seltene Aufgabe erleichtert, spart kaum etwas. Sie sind wiederkehrend und laufen ähnlich ab. Sie drehen sich um Sprache oder Text, denn genau darin sind heutige Modelle stark. Und ein Mensch kann das Ergebnis leicht prüfen, bevor es Schaden anrichten kann.
Typische gute Anwendungsfälle im Mittelstand sind das Vorformulieren von Angeboten, das Sortieren und Vorbeantworten von E-Mails, das Herausziehen von Daten aus Dokumenten wie Rechnungen oder Lieferscheinen, erste Antwortentwürfe für Kundenanfragen sowie das Zusammenfassen von Protokollen oder Recherchen.
Ungeeignet als Einstieg ist alles, was ohne menschliche Prüfung rechtlich bindend wird, was sicherheitskritisch ist oder was so selten vorkommt, dass sich der Aufwand nie lohnt.
Schritt 2: Nach Wert und Machbarkeit sortieren
Wenn Sie mehrere Kandidaten haben, brauchen Sie eine Reihenfolge. Bewerten Sie jeden Fall nach zwei Fragen.
Die erste Frage ist der Wert: Wie viel Zeit oder Geld spart die Lösung, wenn sie funktioniert? Die zweite Frage ist die Machbarkeit: Sind die nötigen Daten vorhanden, ist das Risiko gering, und lässt sich das Ganze mit vertretbarem Aufwand umsetzen?
Beginnen Sie mit den Fällen, die in beiden Punkten gut abschneiden. Ein hoher Wert bei gleichzeitig guter Machbarkeit ist Ihr schneller Erfolg. Solche frühen Erfolge sind wichtig, denn sie schaffen Vertrauen im Team und rechtfertigen die nächsten Schritte.
Aufwendige Fälle mit hohem Wert heben Sie sich für später auf, wenn Sie Erfahrung gesammelt haben. Fälle mit geringem Wert lassen Sie vorerst ganz weg.
Schritt 3: Kaufen, anbinden oder selbst bauen?
Für die Umsetzung gibt es drei grundsätzliche Wege, die sich in Aufwand, Kosten und Kontrolle unterscheiden.
Der erste Weg ist Kaufen. Sehr oft steckt die passende KI-Funktion bereits in einer Software, die Sie ohnehin nutzen, oder es gibt ein fertiges Werkzeug dafür. Das ist der schnellste und günstigste Weg, bietet aber die geringste Kontrolle und passt sich Ihren Besonderheiten kaum an.
Der zweite Weg ist Anbinden. Dabei wird ein Sprachmodell über eine Schnittstelle in Ihren bestehenden Ablauf eingebunden, etwa in Form eines kleinen internen Werkzeugs. So lässt sich der Prozess passgenauer gestalten, ohne dass Sie eine komplette Anwendung entwickeln. Dieser Mittelweg ist für viele mittelständische Aufgaben ideal.
Der dritte Weg ist Selbst bauen. Eine maßgeschneiderte Lösung lohnt sich, wenn der Prozess zum Kern Ihres Geschäfts gehört, sehr spezifisch ist oder wenn die Lösung auf Ihren eigenen Dokumenten und Daten aufbauen muss. Das ist der aufwendigste Weg, gibt Ihnen aber die volle Kontrolle und den größten Wettbewerbsvorteil.
Als Faustregel gilt: Kaufen Sie, was es fertig gibt. Bauen Sie nur das selbst, was Sie von anderen unterscheidet.
Schritt 4: Die unglamouröse Wahrheit über Ihre Daten
Sobald ein Werkzeug Fragen aus Ihren eigenen Dokumenten beantworten soll, kommt der Teil, über den in Vorführungen selten gesprochen wird: Ihre Daten.
Ein Modell kann nur so gut antworten, wie die Grundlage ist, die es bekommt. Wenn Ihre Dokumente über zehn Ordner verstreut, veraltet oder unstrukturiert sind, wird auch die beste KI schlechte Ergebnisse liefern. Der Grundsatz lautet schlicht: Mist hinein, Mist heraus.
Deshalb steckt ein großer Teil der eigentlichen Arbeit im Aufräumen und Zugänglichmachen der Daten, nicht in der KI selbst. Wer das vorher weiß, plant realistisch. Wer es übersieht, wundert sich später über enttäuschende Ergebnisse.
Schritt 5: Klein pilotieren, hart messen
Widerstehen Sie der Versuchung, gleich das ganze Unternehmen umzustellen. Nehmen Sie einen einzigen, eng umrissenen Anwendungsfall und testen Sie ihn über zwei bis vier Wochen.
Entscheidend ist, dass Sie vorher festlegen, woran Sie Erfolg messen. Wie viel Zeit spart die Lösung pro Vorgang? Wie hoch ist die Fehlerquote? Was kostet ein Durchlauf? Und nehmen die Mitarbeiter das Werkzeug überhaupt an?
Ohne diese Kennzahlen bleibt am Ende nur ein Bauchgefühl, und aus einem Bauchgefühl lässt sich keine Investitionsentscheidung ableiten. Genau daran scheitern viele Vorhaben: Sie erzeugen eine beeindruckende Vorführung, die niemand in Zahlen fassen kann, und schlafen deshalb wieder ein.
Schritt 6: Governance von Anfang an mitdenken
Datenschutz und Regeln sind kein Anhängsel für das Projektende, sondern gehören von Beginn an dazu. Drei Punkte sollten Sie im Blick haben.
Erstens die Transparenz. Ab dem 2. August 2026 gelten die Transparenzpflichten des EU-KI-Gesetzes. Nutzer müssen erkennen können, wenn sie mit einem Chatbot sprechen oder wenn Inhalte von einer KI erzeugt wurden. Diese Pflicht ist überschaubar, aber Sie sollten sie einhalten.
Zweitens die Verhältnismäßigkeit. Für die allermeisten mittelständischen Anwendungen fällt der KI-Einsatz in eine niedrige Risikoklasse. Die Pflichten bleiben dann gut handhabbar: Transparenz, eine einfache interne Richtlinie, menschliche Kontrolle bei folgenreichen Entscheidungen und ein Protokoll darüber, was das System tut. Die kursierenden Schreckensmeldungen über Strafen in Millionenhöhe betreffen verbotene oder hochriskante Anwendungen, nicht den alltäglichen Einsatz eines Sprachmodells im Büro.
Drittens der Mensch in der Schleife. Sprachmodelle können überzeugend klingen und trotzdem falschliegen. Alles, was Konsequenzen hat, gehört vor der Verwendung durch einen Menschen geprüft. Und achten Sie darauf, wohin Ihre Daten fließen. Sensible Inhalte gehören in eine geschützte, möglichst europäische Umgebung, nicht in ein beliebiges Werkzeug aus dem Netz.
Schritt 7: Skalieren und Verantwortung klären
Hat sich ein Pilot bewährt, weiten Sie ihn aus, aber nur das, was sich tatsächlich bewiesen hat. Übertragen Sie das Vorgehen dann Schritt für Schritt auf die nächsten Anwendungsfälle.
Wichtig ist, dass jemand im Unternehmen die Verantwortung übernimmt. Ohne einen internen Kümmerer versandet auch die beste Lösung. Sie brauchen dafür kein eigenes KI-Team, aber eine klar benannte Person, die das Thema vorantreibt, Rückmeldungen sammelt und über Verbesserungen entscheidet.
Typische Fallstricke im Überblick
Zu groß angesetzt: statt eines eng umrissenen Piloten gleich die große Lösung, die dann nie fertig wird.
Kein Verantwortlicher: niemand fühlt sich zuständig, das Projekt verliert an Fahrt.
Halluzinationen ignoriert: den überzeugend klingenden Antworten blind vertraut, ohne Prüfung durch einen Menschen.
Nicht gemessen: keine Kennzahlen, deshalb keine belastbare Aussage über den Nutzen.
Sensible Daten sorglos verschickt: vertrauliche Inhalte an beliebige Werkzeuge außerhalb Europas gegeben.
Fazit
Sie brauchen weder ein eigenes Datenteam noch ein sechsstelliges Budget, um zu beginnen. Sie brauchen einen einzigen mühsamen, sich wiederholenden Prozess, einen eng umrissenen Piloten, eine ehrliche Messung und eine solide Grundordnung.
Wer so vorgeht, sieht die ersten Ergebnisse in Wochen, nicht in Jahren. Und er baut Schritt für Schritt echtes Vertrauen auf, im Team und in die Technik, statt einer beeindruckenden Vorführung nachzulaufen, die niemand in Zahlen fassen kann.
Fragon Studios begleitet mittelständische Unternehmen von der ersten Idee bis zur produktiven Lösung, mit Fokus auf konkreten Nutzen statt auf Schlagworten. Wenn Sie herausfinden möchten, welcher Prozess in Ihrem Unternehmen sich am schnellsten lohnt, sprechen Sie uns an.