KI im Unternehmen: was sich lohnt – und was nicht

Zwischen Hype und Zurückhaltung

In den meisten mittelständischen Unternehmen, die ich erlebe, laufen zwei Bewegungen parallel. Auf Leitungsebene steht die Frage im Raum, ob man etwas verpasst. Gleichzeitig nutzt ein Teil der Belegschaft längst irgendwelche KI-Werkzeuge – über private Zugänge, ohne Absprache, und häufig mit Firmendaten in Eingabefeldern, deren weitere Verarbeitung niemand geprüft hat.

Beides ist verständlich, und beides ist keine gute Ausgangslage für Entscheidungen. Die Antwort liegt selten in einer großen Strategie. Sie liegt darin, wenige konkrete Anwendungsfälle ernsthaft zu prüfen – mit einer klaren Aussage darüber, was sie bringen, was sie kosten und unter welchen Bedingungen sie zulässig sind.

„Wo lohnt sich KI bei uns konkret?“

Der Nutzen von KI entsteht fast nie dort, wo die spektakulären Beispiele herkommen. Er entsteht in Tätigkeiten, die häufig anfallen, sprachlastig sind und heute Zeit kosten, ohne Wert zu schaffen: Angebote aus wiederkehrenden Bausteinen erstellen, längere Dokumente erschließen, Anfragen vorsortieren, Protokolle zusammenfassen, Informationen aus verstreuten Ablagen auffindbar machen.

Um solche Stellen zu finden, schauen wir uns Ihre Abläufe an – nicht die Technik. Die Auswahlkriterien sind bewusst nüchtern:

• Häufigkeit Eine Tätigkeit, die zehnmal am Tag anfällt, rechtfertigt Aufwand. Eine, die zweimal im Quartal vorkommt, fast nie.
• Fehlertoleranz Wo ein Vorschlag ohnehin von einem Menschen geprüft wird, ist der Einsatz unkritisch. Wo etwas ungeprüft nach außen geht, sieht es anders aus.
• Datenlage Liegen die nötigen Informationen überhaupt in einer Form vor, mit der ein System arbeiten kann?
• Messbarkeit Lässt sich nach acht Wochen belegen, ob es etwas gebracht hat – oder bleibt es beim Eindruck?

Aus zwei oder drei geeigneten Kandidaten wird einer erprobt, klein und mit einem festen Zeitrahmen. Danach fällt eine Entscheidung: ausweiten, anders zuschneiden oder lassen. Diese dritte Option ist ausdrücklich eingeplant und kein Scheitern – sie ist der Grund, warum man erst erprobt und dann investiert.

„Was passiert dabei mit unseren Daten?“

Das ist die Frage, an der KI-Vorhaben im Mittelstand am häufigsten hängen bleiben – meist zu Recht, aber selten so unlösbar, wie es zunächst wirkt. Entscheidend ist, welche Daten überhaupt in ein System gelangen und wo dieses System betrieben wird. Dafür gibt es abgestufte Optionen:

• Öffentliche Dienste mit Geschäftskundenvertrag: schnell verfügbar, geringer Aufwand. Vertraglich ist eine Verarbeitung ohne Training an Ihren Daten in der Regel zusicherbar – prüfen sollte man es trotzdem, und zwar im konkreten Vertrag statt in der Marketingbroschüre.
• Betrieb in europäischer Cloud-Infrastruktur: ein guter Mittelweg, wenn der Ort der Verarbeitung eine Rolle spielt, etwa wegen Kundenanforderungen.
• Betrieb im eigenen Haus: mit offenen Modellen inzwischen realistisch machbar. Ihre Daten verlassen das Unternehmen nicht. Dafür tragen Sie Betrieb und Pflege selbst, und die Leistungsfähigkeit liegt unter der der größten kommerziellen Modelle – für viele interne Anwendungsfälle reicht sie dennoch aus.

Welcher Weg passt, hängt vom Anwendungsfall ab, nicht von einer Grundsatzentscheidung. Personaldaten und Angebotstexte erfordern nicht dieselbe Sorgfalt.

„Wie sicher ist der Einsatz?“

KI-Systeme bringen Risiken mit, die sich von klassischen Anwendungen unterscheiden. Der Punkt, der im Mittelstand praktisch am meisten wiegt, ist dabei nicht der raffinierte Angriff, sondern die unkontrollierte Nutzung: Wenn niemand einen zugelassenen Weg anbietet, entstehen private Zugänge – und damit Datenabfluss, den niemand bemerkt. Ein offiziell bereitgestelltes, brauchbares Werkzeug ist deshalb oft die wirksamere Sicherheitsmaßnahme als ein Verbot.

Darüber hinaus schaue ich mir vor allem drei Dinge an:

• Was das System sehen darf: Ein KI-Assistent, der auf Ihre Dateiablagen zugreift, erbt deren Berechtigungen. Sind diese unsauber, macht die Suchfunktion plötzlich sichtbar, was jahrelang nur theoretisch zugänglich war. Das führt direkt zurück zum Thema Identitäten und Zugriffe.
• Manipulierte Eingaben: Verarbeitet ein System Inhalte aus E-Mails, Webseiten oder Dokumenten, können dort Anweisungen versteckt sein, die es befolgt. Praktisch heißt das: keine automatisierten Aktionen mit Wirkung nach außen ohne menschliche Freigabe.
• Verlässlichkeit der Ergebnisse: Sprachmodelle formulieren auch dann überzeugend, wenn der Inhalt falsch ist. Deshalb gehört zu jedem Anwendungsfall die Festlegung, wer Ergebnisse prüft, bevor sie wirksam werden.

„Trägt unsere IT überhaupt, was wir vorhaben?“

Hinter vielen KI- und Digitalisierungsvorhaben steckt am Ende eine unspektakulärere Frage: die nach dem Unterbau. Wenn Informationen über gewachsene Ablagen, historische Sonderlösungen und Systeme verteilt sind, die nicht miteinander sprechen, scheitert das Vorhaben nicht am Modell – sondern daran, dass die Daten nicht dort sind, wo sie sein müssten.

Deshalb gehört die Architekturfrage in dieselbe Diskussion. Sie beginnt nicht mit einer Zielarchitektur auf dem Reißbrett, sondern mit einer Bestandsaufnahme: Welche Systeme sind wirklich geschäftskritisch? Wo liegen die Daten, die Sie nutzen wollen? Welche Abhängigkeiten haben Sie sich über die Jahre eingehandelt – von einzelnen Herstellern, von einzelnen Personen, von Software, für die es keinen Nachfolger gibt?

Woran wir dann arbeiten

• Sortieren statt sanieren: Nicht alles Gewachsene muss weg. Vieles läuft stabil und sollte genau deshalb in Ruhe gelassen werden. Wichtig ist zu wissen, was in den nächsten drei Jahren zum Problem wird – und was nicht.
• Cloud dort, wo sie trägt: Die Frage ist nicht „Cloud oder nicht“, sondern für welches System welcher Betriebsweg wirtschaftlich und organisatorisch sinnvoll ist. Beides pauschal zu beantworten, geht regelmäßig schief.
• Abhängigkeiten bewusst wählen: Jede Entscheidung erzeugt Bindung. Das ist in Ordnung, solange man weiß, wie teuer ein späterer Wechsel wäre – und solange die Entscheidung bewusst fällt und nicht nebenbei.
• Offene Standards, wo sie passen: Ich arbeite gern mit Open-Source-Lösungen, weil sie Nachvollziehbarkeit schaffen und die Kontrolle über Daten im Haus halten. Nicht aus Prinzip: Wo ein kommerzielles Produkt das Problem besser löst, empfehle ich das.

Das Ergebnis ist kein Architekturhandbuch, das niemand liest, sondern eine überschaubare Zielrichtung mit einer Reihenfolge – damit die nächste Investition auf die übernächste einzahlt statt gegen sie zu arbeiten.

Wovon ich regelmäßig abrate

• Von der KI-Strategie vor dem ersten Anwendungsfall. Ein Strategiepapier, das keine Erfahrung aus der eigenen Organisation verarbeitet, beschreibt den Markt, nicht Ihr Unternehmen.
• Von Werkzeugen, die ein Problem suchen. Wenn sich nicht in zwei Sätzen sagen lässt, welche konkrete Tätigkeit leichter wird, ist es zu früh.
• Von der Erwartung, Personal zu ersetzen. Realistisch ist eine Entlastung bei bestimmten Aufgaben. Wer mit Stellenabbau kalkuliert, plant meist zu optimistisch – und verliert die Mitarbeit derer, auf die es ankommt.
• Von Verboten ohne Alternative. Sie verlagern die Nutzung nur ins Verborgene, wo Sie nichts mehr davon sehen.

Nächste Schritte