Analysen
KI im Mittelstand: Wie künstliche Intelligenz den Blick auf das eigene Unternehmen verändert – und was realistisch erreichbar ist
Künstliche Intelligenz im Mittelstand ist weniger ein neues Werkzeug als ein neuer Blick auf das Unternehmen: Prozesse werden zu Aufgaben mit überprüfbarem Ergebnis, Daten zu einem Vermögenswert, Entscheidungen zu prüfbaren Hypothesen und Arbeitskosten zu Nutzungskosten. In Studien mit echten Beschäftigten steigerte KI-Unterstützung die Produktivität im Kundenservice im Schnitt um 15 Prozent und verkürzte die Zeit für berufliche Texte um 40 Prozent. Dieselbe Forschung zeigt die Grenzen: Außerhalb dessen, was KI gut kann, sank der Anteil richtiger Lösungen.678
Viele Gespräche über KI im Unternehmen beginnen mit der Frage nach dem richtigen Tool. Verständlich – aber oft eine Sackgasse: Ein gekauftes Werkzeug ohne veränderten Prozess bewirkt wenig. Die eigentliche Veränderung passiert woanders – in der Art, wie Geschäftsführung und Team auf das eigene Unternehmen blicken.
Den größten Nutzen bringt KI nicht dort, wo ein Unternehmen ein neues Tool kauft, sondern dort, wo es seine Arbeit neu beschreibt: Welche Entscheidungen trifft der Mensch, welche Schritte kann das System übernehmen, und woran erkennen wir, dass es funktioniert? Die Technik ist der einfachste Teil einer Einführung. Schwieriger und wichtiger ist es, Prozesse und Daten in Ordnung zu bringen.
— Dariusz Wtykło, Inhaber und CEO von Primessio
Vier Verschiebungen im Blick auf das Unternehmen
Prozesse: von Tätigkeitslisten zu Aufgaben mit überprüfbarem Ergebnis
Ein Prozess, der als „wer klickt was“ beschrieben ist, lässt sich kaum an KI übergeben. Derselbe Prozess als Aufgabe mit Eingabe, erwartetem Ergebnis und Prüfweg – sehr wohl. Die OECD nennt auf Basis von Interviews mit Organisationen, die KI-Agenten einsetzen, drei Bedingungen: Die Aufgabe ist strukturiert genug, um geplant zu werden, das Ergebnis lässt sich mit verlässlichen Daten oder Systemeinträgen abgleichen, und die Kosten eines Fehlers sind begrenzt oder umkehrbar9. Ein guter Maßstab, um die eigenen Abläufe durchzugehen.
Daten: vom Archiv zum arbeitenden Vermögenswert
KI arbeitet mit den Daten des Unternehmens – Dokumenten, Tickets, Auftragshistorie. Deshalb verschieben sich die Kosten von Lizenzen hin zur Datenqualität: In der Bitkom-Studie nennen 50 Prozent der KI-Anwender die Aufbereitung von Daten als großen Kostenpunkt, 51 Prozent die Infrastruktur und 41 Prozent die Integration in bestehende Systeme10. Wer Daten als Vermögenswert behandelt, gewinnt – unabhängig vom gewählten Modell.
Entscheidungen: von Bauchgefühl zu prüfbaren Hypothesen
KI liefert schnell Varianten, Auswertungen und Empfehlungen. Die Entscheidung bleibt beim Menschen, aber ihr Charakter ändert sich: Statt eines Bauchgefühls liegen mehrere begründete Optionen auf dem Tisch, die geprüft werden müssen. Das verlangt Disziplin – in der globalen McKinsey-Umfrage geben nur 27 Prozent der Befragten aus Unternehmen mit generativer KI an, dass alle KI-Inhalte vor der Nutzung geprüft werden12.
Kostenmodell: von Stellen und Lizenzen zu Nutzungskosten
Die Kosten des Modells selbst fallen rasant: Eine Anfrage an ein Modell auf GPT-3.5-Niveau kostete im November 2022 noch 20 US-Dollar pro Million Tokens, im Oktober 2024 nur noch 0,07 US-Dollar11. Routinearbeit, bisher ein Fixkostenblock, wird zu variablen Kosten, die mit der Zahl der Aufgaben skalieren. Wie man das rechnet, zeigt unsere Kostenanalyse – den Link finden Sie am Ende des Beitrags.
Was realistisch erreichbar ist – was Studien zeigen
Die belastbarsten Belege stammen aus Studien, in denen ein Teil der Beschäftigten KI nutzen konnte und ein anderer nicht. Jede betrifft eine konkrete Aufgabe, nicht ein ganzes Unternehmen:
| Studie | Aufgabe | Ergebnis |
|---|---|---|
| Brynjolfsson, Li, Raymond, Quarterly Journal of Economics, 2025 | Kundenservice | im Schnitt +15 Prozent gelöste Anfragen pro Stunde, mit großen Unterschieden zwischen Beschäftigten6 |
| Noy, Zhang, Science, 2023 | berufliche Texte | Zeit −40 Prozent, Qualität +18 Prozent7 |
| Dell’Acqua u. a., Harvard Business School, 2023 | Beratungsaufgaben innerhalb der KI-Fähigkeiten | +12,2 Prozent erledigte Aufgaben, 25,1 Prozent schneller8 |
| dieselbe Studie | Aufgabe außerhalb der KI-Fähigkeiten | 19 Prozent geringere Wahrscheinlichkeit einer richtigen Lösung8 |
Die Lehre lautet nicht „KI beschleunigt alles“, sondern: KI hilft deutlich bei Aufgaben, die sie gut beherrscht, und schadet dort, wo Menschen ihre Antworten ungeprüft übernehmen. Die Grenze ist nicht offensichtlich – die Forschenden nennen sie deshalb „zerklüftet“8. Erfolgreiche Mittelständler ziehen diese Grenze zuerst in den eigenen Prozessen und skalieren erst danach.
Wo Unternehmen in Deutschland und der EU heute stehen
| Gebiet | Unternehmen mit KI-Nutzung 2025 |
|---|---|
| Deutschland | 26 Prozent2 |
| Europäische Union (ab 10 Beschäftigten) | 20,0 Prozent1 |
| Polen | 8,7 Prozent3 |
In der globalen McKinsey-Umfrage, zitiert im Stanford AI Index, geben 88 Prozent der Befragten an, KI in mindestens einer Unternehmensfunktion zu nutzen4 – eine andere Grundgesamtheit (überwiegend große Organisationen) und Methode, daher stellen wir diese Zahl nicht neben die amtliche Statistik. Der häufigste Grund, warum Unternehmen in der EU keine KI nutzen, ist fehlendes Fachwissen (70,3 Prozent), gefolgt von unklaren rechtlichen Folgen (53,6 Prozent) und Datenschutzbedenken (52,7 Prozent)5. Diese Hürden lassen sich mit Methode adressieren, nicht nur mit Budget.
Was Sie vermeiden sollten
- Ein Projekt ohne klares Problem. Im Schnitt erreichen nur 48 Prozent der KI-Projekte den Produktivbetrieb, und der Weg vom Prototyp dauert 8 Monate13. RAND nennt als häufigste Ursachen ein missverstandenes Problem, fehlende Daten und den Fokus auf die neueste Technik statt auf das eigentliche Problem14.
- Aufgaben außerhalb der KI-Fähigkeiten. Dort sank der Anteil richtiger Lösungen, weil Menschen überzeugend klingenden Antworten vertrauten8.
- Inhalte und Entscheidungen ohne menschliche Kontrolle. Die Verantwortung für das Ergebnis bleibt im Unternehmen, egal wer es vorbereitet hat.
- Vollautomatisierte Entscheidungen über Menschen. Die niederländische Datenschutzbehörde hat festgestellt, dass Uber gegen das Verbot vollautomatisierter Entscheidungen verstoßen und Fahrer nicht ausreichend informiert hat15.
Wo Sie anfangen
Beginnen Sie mit einer Prozesslandkarte, nicht mit der Modellwahl. Wählen Sie eine Aufgabe, die wiederkehrt, ein überprüfbares Ergebnis hat und deren Fehler umkehrbar sind. Legen Sie fest, woran Sie Erfolg erkennen, bevor Sie etwas bauen. Klären Sie Daten und Berechtigungen, planen Sie die menschliche Kontrolle – und skalieren Sie erst dann auf weitere Prozesse.
Diesen Weg beschreibt Schritt für Schritt das Primessio-Modell der KI-Einführung – eine von Primessio in der Projektpraxis entwickelte Methode, von der Prozesslandkarte bis zum Betrieb. Wenn Sie ihn mit einem Team gehen möchten, das die Umsetzung mit Ihnen gemeinsam macht, lesen Sie mehr zu KI-Beratung und KI-Automatisierung für Unternehmen.
Häufige Fragen
Wie verändert KI die Führung eines mittelständischen Unternehmens?
Sie verlagert den Fokus von Werkzeugen auf Prozesse, Daten und Entscheidungen. Statt „Welche Software kaufen wir?“ lautet die Frage: Welche Aufgaben haben ein überprüfbares Ergebnis und können an KI gehen – und welche Entscheidungen bleiben beim Menschen? Laut OECD bewährt sich KI dort, wo sich Ergebnisse mit verlässlichen Daten abgleichen lassen und Fehler begrenzt oder umkehrbar sind.9
Was kann KI im Mittelstand realistisch erreichen?
Studien messen Effekte bei konkreten Aufgaben, nicht für ganze Unternehmen: im Kundenservice im Schnitt 15 Prozent mehr gelöste Anfragen pro Stunde, bei beruflichen Texten 40 Prozent weniger Zeit bei höherer Qualität. Das Ergebnis hängt von Prozess, Daten und Team ab – deshalb versprechen wir keine Zahlen, sondern messen sie nach der Einführung.67
Wie viele Unternehmen in Deutschland nutzen KI?
Laut Destatis nutzte 2025 etwas mehr als ein Viertel der Unternehmen in Deutschland (26 Prozent) künstliche Intelligenz. EU-weit waren es 20,0 Prozent der Unternehmen mit mindestens 10 Beschäftigten.21
Womit sollte ein Mittelständler bei KI anfangen?
Mit einer Prozesslandkarte und einer einzigen Aufgabe, deren Ergebnis sich prüfen lässt – nicht mit der Modellwahl. Laut RAND scheitern KI-Projekte am häufigsten, wenn das Problem missverstanden wird, Daten fehlen oder die Technologie wichtiger ist als das Problem. Schritt für Schritt führt das Primessio-Modell der KI-Einführung durch diesen Weg.14
Was sollte man bei der KI-Einführung vermeiden?
Drei Dinge: Aufgaben außerhalb dessen, was KI gut kann (dort sank der Anteil richtiger Lösungen), Inhalte und Entscheidungen ohne menschliche Kontrolle (nur 27 Prozent der Befragten geben an, dass alle KI-Inhalte vor der Nutzung geprüft werden) und vollautomatisierte Entscheidungen über Menschen ohne Rechtsgrundlage – dafür hat die niederländische Datenschutzbehörde Uber sanktioniert.81215
Quellen
- Eurostat: 20% of EU enterprises use AI technologies
- Destatis: Unternehmen mit Nutzung von Technologien der künstlichen Intelligenz nach Beschäftigtengrößenklassen
- GUS: Społeczeństwo informacyjne w Polsce w 2025 r.
- Stanford HAI: AI Index Report 2026 — Chapter 4: Economy
- Eurostat: The use of artificial intelligence in the European Union — Key results
- The Quarterly Journal of Economics: Generative AI at Work (Brynjolfsson, Li, Raymond)
- Science: Experimental evidence on the productivity effects of generative artificial intelligence (Noy, Zhang)
- Harvard Business School / SSRN: Navigating the Jagged Technological Frontier (Dell’Acqua et al.)
- OECD: Agentic AI in organisations: Early insights from practitioner interviews (OECD AI Papers No. 65)
- Bitkom: Erstmals nutzt die Mehrheit der Unternehmen KI
- Stanford HAI: The 2025 AI Index Report — Research and Development
- McKinsey & Company: The state of AI: How organizations are rewiring to capture value
- Gartner: Gartner Survey Finds Generative AI Is Now the Most Frequently Deployed AI Solution in Organizations
- RAND Corporation: The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed
- European Data Protection Board: Dutch DPA fines Uber EUR 824 990 000 for unlawful automated decision-making and insufficient transparency