Kurz zusammengefasst: Eine gute KI-Beratung für den Mittelstand beginnt nicht mit einer Tool-Demo, sondern mit einem klar abgegrenzten Geschäftsproblem. Sie liefert eine priorisierte Anwendungsfall-Liste, belastbare Daten- und Prozessanforderungen, eine Wirtschaftlichkeitsrechnung, ein Sicherheits- und Betriebskonzept sowie einen realistischen Umsetzungsplan. Entscheidend ist, ob die Beratung auch nach dem Workshop Verantwortung für Pilot, Integration und messbare Ergebnisse übernehmen kann.
KI ist im Mittelstand angekommen, aber noch längst nicht gleichmäßig produktiv verankert. Nach aktuellen Auswertungen von KfW Research nutzen 20 Prozent der mittelständischen Unternehmen mindestens eine KI-Technologie. Besonders verbreitet sind leicht zugängliche Anwendungen zur Erzeugung natürlicher Sprache und zur Texterkennung. Anspruchsvollere Verfahren wie Data Analytics oder autonome Maschinensteuerung sind deutlich seltener. Genau hier trennt sich gelegentliche Tool-Nutzung von einer Investition, die einen betrieblichen Engpass dauerhaft beseitigt.
Was eine KI-Beratung konkret liefern sollte
Das Ergebnis einer Beratung darf nicht nur eine Präsentation mit Ideen sein. Für eine Investitionsentscheidung benötigt die Geschäftsführung mindestens fünf verwertbare Ergebnisse:
- Eine Prozessaufnahme: Wo entstehen Wartezeiten, Medienbrüche, Doppelarbeit, Fehler und Wissensverluste?
- Eine priorisierte Anwendungsfall-Liste: Bewertet nach Nutzen, Umsetzbarkeit, Datenlage, Risiko und Integrationsaufwand.
- Eine belastbare Zieldefinition: Zum Beispiel Bearbeitungszeit pro Vorgang, Erstlösungsquote, Fehlerquote oder Durchlaufzeit – jeweils mit Ausgangswert und Zielkorridor.
- Ein Lösungs- und Betriebskonzept: Standardsoftware, individuelle Entwicklung oder eine Kombination; dazu Schnittstellen, Verantwortlichkeiten, Freigaben, Monitoring und laufende Kosten.
- Eine Entscheidungsvorlage: Budgetspanne, Pilotumfang, Zeitplan, Abbruchkriterien und nächste Ausbaustufe.
Eine reine Ideensammlung ist zu wenig, weil sie weder die technische Anschlussfähigkeit noch die Wirtschaftlichkeit prüft. Umgekehrt ist ein monatelanges Strategieprojekt oft unnötig. Für viele Unternehmen ist ein fokussierter Einstieg sinnvoll: einen relevanten Prozess analysieren, zwei bis drei Lösungswege vergleichen und den besten in einem begrenzten Pilot testen.
Der Ablauf: vom Geschäftsproblem zum kontrollierten Pilot
1. Ziel und Entscheidungsrahmen klären. Zu Beginn wird festgelegt, welche Entscheidung am Ende getroffen werden soll. Geht es um eine interne Wissenssuche, Angebotsvorbereitung, Dokumentenverarbeitung, Serviceunterstützung oder Qualitätsprüfung? Ebenso wichtig: Wer ist Prozessverantwortlicher, wer genehmigt Datenzugriffe und welches Budget darf ein Pilot beanspruchen?
2. Prozess und Ausgangswerte messen. Nicht der theoretische Ablauf im Organigramm zählt, sondern die tatsächliche Arbeit. Eine Stichprobe von Vorgängen zeigt, wie viele Minuten einzelne Schritte benötigen, welche Sonderfälle auftreten und wie oft nachgearbeitet wird. Ohne diese Basis lässt sich später kein Nutzen nachweisen.
3. Daten und Risiken prüfen. Welche Dokumente, Datenbanken und Fachanwendungen werden gebraucht? Dürfen die Daten verarbeitet werden? Wie aktuell und vollständig sind sie? Das BSI weist darauf hin, dass generative Modelle neue Sicherheitsrisiken mitbringen und bekannte Bedrohungen verstärken können. Deshalb gehören Berechtigungen, Protokollierung, Schutz vertraulicher Inhalte, Tests gegen fehlerhafte Ausgaben und ein Vorgehen für Sicherheitsvorfälle in das Konzept.
4. Lösungsoptionen vergleichen. Ein vorhandenes Produkt kann richtig sein, wenn der Prozess weitgehend standardisiert ist. Eine individuelle Integration lohnt sich eher, wenn mehrere Systeme verbunden, eigene Regeln abgebildet oder besondere Qualitätsanforderungen erfüllt werden müssen. Der Vergleich sollte Lizenz-, Einführungs-, Integrations-, Prüf- und Betriebskosten einbeziehen – nicht nur den Preis des KI-Modells.
5. Pilot mit Abnahmekriterien umsetzen. Ein guter Pilot bearbeitet echte, aber kontrollierte Fälle. Vor dem Start stehen Testdatensatz, Qualitätskriterien, menschliche Freigaben und ein Fallback-Prozess fest. Das freiwillig nutzbare NIST AI Risk Management Framework strukturiert den Umgang mit KI-Risiken über die Funktionen Govern, Map, Measure und Manage. Für ein mittelständisches Projekt lässt sich daraus eine praktische Regel ableiten: Verantwortung festlegen, Einsatzkontext verstehen, Qualität messen und erkannte Risiken aktiv behandeln.
Auswahlkriterien für Beratung und Umsetzungspartner
Referenzen in derselben Branche sind hilfreich, aber nicht das einzige Kriterium. Wichtiger ist, ob ein Anbieter den konkreten Prozess versteht und nachvollziehbar von der Analyse bis zum Betrieb arbeiten kann. Im Auswahlgespräch sollten Unternehmen folgende Punkte prüfen:
- Problemorientierung: Fragt der Anbieter nach Fallzahlen, Durchlaufzeiten und Fehlerkosten – oder spricht er fast nur über Modelle und Tools?
- Technische Tiefe: Kann er Schnittstellen, Datenflüsse, Rollen, Testverfahren und Betriebsvarianten erklären?
- Unabhängigkeit: Werden mehrere Lösungswege verglichen, oder ist das Ergebnis durch eine Produktpartnerschaft praktisch vorgegeben?
- Messbarkeit: Gibt es vor dem Pilot definierte Qualitäts-, Zeit- und Wirtschaftlichkeitskennzahlen?
- Sicherheit und Regulierung: Werden Datenschutz, Informationssicherheit, Rechte an Daten und Inhalten sowie die Risikoklasse des Einsatzes früh geprüft?
- Wissenstransfer: Werden Fachbereich und IT so eingebunden, dass das Unternehmen die Lösung später fachlich steuern kann?
- Betriebsverantwortung: Sind Monitoring, Fehlerbehandlung, Modell- oder Anbieterwechsel und laufende Optimierung geklärt?
Auch Kompetenzaufbau ist kein Zusatzthema. Artikel 4 des EU AI Act verpflichtet Anbieter und Betreiber von KI-Systemen, für ein ausreichendes Maß an KI-Kompetenz bei Beschäftigten und weiteren beteiligten Personen zu sorgen. Die EU-Kommission erläutert, dass der konkrete Umfang vom Wissen, der Erfahrung und dem Nutzungskontext abhängt. Ein Berater sollte daher nicht nur Technik liefern, sondern auch Rollen, Arbeitsanweisungen und passende Schulungen einplanen.
Praxisbeispiel: technische Anfragen schneller vorbereiten
Ein mittelständischer Ausrüster erhält technische Kundenanfragen per E-Mail. Beschäftigte suchen Spezifikationen in Produktblättern, alten Angeboten und Serviceunterlagen zusammen. Statt sofort einen autonomen Assistenten einzuführen, wird zunächst der Ablauf gemessen: Eingang klassifizieren, fehlende Angaben erkennen, relevante Dokumente finden und einen Antwortentwurf vorbereiten.
Der Pilot arbeitet nur mit freigegebenen Unterlagen und 200 bereits abgeschlossenen Vorgängen. Er darf Quellen vorschlagen und einen Entwurf erstellen, aber keine Antwort selbst versenden. Abgenommen wird er nur, wenn relevante Dokumente zuverlässig gefunden, Aussagen mit Fundstellen belegt und definierte vertrauliche Inhalte nicht ausgegeben werden. Zusätzlich werden Bearbeitungszeit und Nacharbeitsquote mit dem bisherigen Verfahren verglichen. So entsteht eine Investitionsentscheidung auf Basis realer Fälle – keine Hochrechnung aus einer Produktdemo.
FAQ: Häufige Fragen zur KI-Beratung im Mittelstand
Wie lange dauert eine KI-Beratung?
Eine fokussierte Analyse eines einzelnen Prozesses kann häufig in wenigen Wochen zu einer belastbaren Entscheidungsvorlage führen. Eine unternehmensweite Roadmap dauert länger. Entscheidend sind Verfügbarkeit der Fachverantwortlichen, Datenzugang und die Frage, ob nur bewertet oder bereits ein technischer Pilot gebaut wird.
Was kostet eine KI-Beratung?
Der Aufwand hängt stärker vom Umfang als von der Unternehmensgröße ab. Ein klar abgegrenzter Prozess mit vorhandenen Daten ist günstiger zu untersuchen als eine bereichsübergreifende Plattform. Seriös ist ein Angebot, wenn Arbeitspakete, Ergebnisse, Annahmen und nicht enthaltene Leistungen transparent benannt sind.
Braucht jedes Unternehmen zuerst eine KI-Strategie?
Nein. Für einen begrenzten, risikoarmen Anwendungsfall reicht oft ein klarer Entscheidungsrahmen. Eine umfassendere Strategie wird wichtig, sobald mehrere Bereiche KI einsetzen, gemeinsame Daten oder Plattformen nutzen oder zentrale Vorgaben für Sicherheit, Beschaffung und Betrieb benötigen.
Woran erkennt man einen geeigneten ersten Anwendungsfall?
Er tritt häufig auf, verursacht messbaren Aufwand oder Fehler und lässt sich mit verfügbaren Daten prüfen. Gleichzeitig sollten Folgen einer falschen Ausgabe begrenzbar sein. Prozesse mit hoher Fallzahl und menschlicher Endkontrolle sind oft besser geeignet als seltene, irreversible Entscheidungen.
Sollte die Beratung herstellerunabhängig sein?
Mindestens die frühe Bewertung sollte Alternativen offen vergleichen. Dazu gehören Standardprodukt, individuelle Integration und gegebenenfalls eine Verbesserung ohne KI. Später kann eine Spezialisierung auf eine Plattform sinnvoll sein, wenn die Entscheidung nachvollziehbar getroffen wurde.
Quellen: KfW Research: Künstliche Intelligenz im Mittelstand, 29.07.2026; Destatis: Jedes fünfte Unternehmen nutzt künstliche Intelligenz, 25.11.2024; EU-Kommission: Fragen und Antworten zur KI-Kompetenz; BSI: Generative KI-Modelle – Chancen und Risiken; NIST AI Risk Management Framework.
Sie möchten einen konkreten Prozess bewerten statt weitere Tools zu sammeln? GO-ITC unterstützt bei Prozessaufnahme, Wirtschaftlichkeitsrechnung, Pilotkonzept und technischer Umsetzung. Sprechen Sie mit GO-ITC über einen klar abgegrenzten Einstieg.