Der beste erste KI-Anwendungsfall ist klar begrenzt, häufig wiederkehrend, datenbasiert und wirtschaftlich messbar. Ein KI-Agent unterstützt die Vorarbeit; Verantwortung und Freigabe bleiben beim Menschen.
KI ist im Mittelstand angekommen – aber der richtige Einstieg bleibt unklar
Künstliche Intelligenz ist für deutsche Unternehmen kein fernes Zukunftsthema mehr. Nach Angaben des Statistischen Bundesamtes nutzten 2025 bereits 26 Prozent der Unternehmen in Deutschland KI-Technologien. Gleichzeitig zeigen aktuelle Unternehmensbefragungen, dass viele Betriebe noch nach einem tragfähigen Weg vom Experiment in den produktiven Einsatz suchen.
Gerade Hidden Champions und industriell geprägte Familienunternehmen stehen dabei vor einem besonderen Spannungsfeld. Sie verfügen über tiefes Fachwissen, komplexe Produkte und gewachsene Prozesse. Zugleich sind ihre Ressourcen begrenzt, sensible Kunden- und Konstruktionsdaten besonders schützenswert und erfahrene Mitarbeitende schwer zu ersetzen.
Die Versuchung ist groß, sofort über eine umfassende KI-Strategie, eine neue Plattform oder die Transformation des gesamten Unternehmens zu sprechen. Das klingt ambitioniert – und häufig auch teuer. In der Praxis führt ein zu großer Einstieg schnell zu langen Konzeptphasen, unklaren Zuständigkeiten und Nutzenversprechen, die sich im Tagesgeschäft kaum messen lassen.
Warum viele KI-Projekte zu groß beginnen
Viele Unternehmen starten mit der Technologie: Welches Sprachmodell ist das beste? Brauchen wir eine Plattform? Soll die Lösung in der Cloud oder im eigenen Rechenzentrum laufen? Diese Fragen sind wichtig – aber sie kommen zu früh, wenn noch nicht klar ist, welche konkrete Arbeit verbessert werden soll.
Ein zu großer Start hat meist vier Folgen:
- Der Nutzen bleibt abstrakt, weil zu viele Prozesse gleichzeitig betrachtet werden.
- Die Organisation erlebt KI zunächst als Zusatzaufwand statt als Entlastung.
- Mitarbeitende sollen Daten, Regeln und Wissen dokumentieren, bevor sie einen Vorteil spüren.
- Die Investition lässt sich schwer gegen eine klare betriebswirtschaftliche Kennzahl prüfen.
Der bessere Weg kehrt die Reihenfolge um: Zuerst wird ein eng begrenzter, belastender Arbeitsablauf ausgewählt. Dann wird eine Lösung gebaut, deren Beitrag im Alltag sichtbar ist. Erst wenn sie funktioniert, folgt der nächste Anwendungsfall.
Der richtige Ausgangspunkt: ein konkreter Zeitfresser
Zeitfresser sind Tätigkeiten, die notwendig sind, aber überproportional viel wertvolle Arbeitszeit binden. Dazu gehören das Suchen von Informationen, das Übertragen zwischen Systemen, das Vergleichen von Dokumenten, wiederkehrende Prüfungen, Fristenkontrolle oder die Vorbereitung standardisierter Texte.
Solche Aufgaben sind für KI-Agenten besonders interessant. Ein Agent kann Informationen aus freigegebenen Quellen zusammentragen, einen Vorgang strukturieren, fehlende Angaben erkennen und einen Entwurf vorbereiten. Er arbeitet dabei nicht unabhängig von der Organisation, sondern innerhalb definierter Rechte, Regeln und Freigaben.
Fünf Merkmale eines guten ersten KI-Anwendungsfalls
- Er tritt häufig auf. Je regelmäßiger der Vorgang, desto schneller entsteht messbarer Nutzen.
- Er enthält viel Routine. Ein relevanter Teil der Arbeit besteht aus Suchen, Sortieren, Übertragen, Vergleichen oder Formulieren.
- Das Ergebnis kann geprüft werden. Ein verantwortlicher Mitarbeiter kann den Vorschlag fachlich kontrollieren und freigeben.
- Die benötigten Informationen sind grundsätzlich vorhanden. Sie liegen vielleicht verteilt, aber in erreichbaren und freigegebenen Systemen oder Dokumenten.
- Der Erfolg ist messbar. Bearbeitungszeit, Durchlaufzeit, Fehler, Rückfragen, Vollständigkeit oder Kapazität lassen sich vor und nach dem Pilot vergleichen.
Nicht jeder Prozess eignet sich als erster Schritt
Ein Prozess ist ungeeignet, wenn er selten vorkommt, fast ausschließlich auf nicht dokumentiertem Expertenurteil beruht, keine überprüfbaren Ergebnisse liefert oder sofort weitreichende autonome Entscheidungen erfordern würde. Auch ein technisch spektakulärer Anwendungsfall ist kein guter Einstieg, wenn sein wirtschaftlicher Beitrag unklar bleibt.
Warum die Angebotserstellung ein besonders guter Einstieg ist
In vielen technisch geprägten Mittelständlern bündelt die Angebotserstellung genau jene Eigenschaften, die einen sinnvollen Pilotprozess ausmachen. Sie kommt regelmäßig vor, verbindet viele Informationsquellen und bindet qualifizierte Mitarbeitende mit wiederkehrender Vorarbeit.
Ein gutes Angebot braucht weiterhin Erfahrung. Kundenanforderungen müssen verstanden, technische Lösungen beurteilt, Risiken erkannt und wirtschaftliche Entscheidungen getroffen werden. Doch bevor diese eigentliche Facharbeit beginnt, wird häufig gesucht und gesammelt:
- vergleichbare frühere Angebote und Projekte,
- aktuelle Produktdaten, Preise und Lieferzeiten,
- technische Spezifikationen und freigegebene Textbausteine,
- offene oder widersprüchliche Kundenanforderungen,
- Vertragsabweichungen und notwendige Freigaben.
Ein Angebots-Agent kann diese Vorarbeit übernehmen. Er liest eine Kundenanfrage, strukturiert die Anforderungen, findet passende Informationen und erstellt eine qualifizierte Arbeitsgrundlage. Der Vertriebsingenieur prüft die technische Lösung, ergänzt Erfahrungswissen und entscheidet über das finale Angebot.
So kann ein Angebots-Agent im Alltag arbeiten
- Eine Anfrage oder Ausschreibung trifft per E-Mail oder über das CRM ein.
- Der Agent erkennt Anforderungen, Fristen, offene Punkte und Widersprüche.
- Er sucht in freigegebenen Dokumenten und Systemen nach passenden Produkten, früheren Angeboten und vergleichbaren Projekten.
- Er übernimmt aktuelle Stammdaten und kennzeichnet Angaben, die bestätigt werden müssen.
- Er bereitet einen Angebotsentwurf einschließlich Quellenhinweisen und notwendiger Freigaben vor.
- Der verantwortliche Mitarbeiter prüft, verändert und genehmigt das Ergebnis.
Das ERP bleibt dabei das verlässliche System für Stammdaten, Aufträge, Kosten und Freigaben. Der KI-Agent ergänzt es dort, wo Informationen aus verschiedenen Quellen zusammengeführt und in ihrem Kontext verstanden werden müssen.
Der wirtschaftliche Nutzen muss von Anfang an messbar sein
Ein Pilotprojekt sollte nicht mit allgemeinen Aussagen wie „mehr Innovation“ bewertet werden. Vor dem Start wird eine belastbare Ausgangslage erhoben. Danach wird geprüft, ob der Agent tatsächlich Arbeit abnimmt und Ergebnisse verbessert.
Geeignete Kennzahlen für den Pilot
- Bearbeitungszeit je Angebot
- Zeit für Informationssuche und interne Abstimmung
- Zeit bis zur ersten qualifizierten Kundenreaktion
- Anzahl der mit dem vorhandenen Team bearbeiteten Anfragen
- Vollständigkeit der Angebotsunterlagen
- Zahl der Rückfragen, Korrekturen und Übertragungsfehler
- Einhaltung interner Prüf- und Freigabeschritte
Schon ein begrenzter Pilot kann dadurch eine klare Investitionsentscheidung ermöglichen: Spart der Anwendungsfall genug Zeit? Verbessert er die Qualität? Akzeptieren die Mitarbeitenden die Unterstützung? Lassen sich die benötigten Systeme sicher anbinden? Erst nach dieser Prüfung wird ausgebaut.
Mitarbeitende werden nicht ersetzt – ihre Zeit wird wertvoller
Die Akzeptanz von KI entscheidet sich nicht in einer Präsentation, sondern im Arbeitsalltag. Wenn Mitarbeitende KI zunächst als zusätzliche Dokumentationspflicht, Kontrollinstrument oder abstraktes Zukunftsprogramm erleben, entsteht Widerstand. Wenn ein Agent hingegen eine ungeliebte Routine übernimmt, wird der Nutzen unmittelbar erfahrbar.
Das Ziel ist nicht, Fachwissen zu umgehen. Im Gegenteil: Qualifizierte Mitarbeitende sollen mehr Zeit für Kunden, technische Lösungen, Verhandlungen, Verbesserungen und schwierige Entscheidungen gewinnen. Ihre Korrekturen und Freigaben helfen zugleich, bestätigtes Unternehmenswissen für zukünftige Vorgänge nutzbar zu machen.
Sichere KI im Unternehmen: Kontrolle ist Teil des Designs
Für industrielle Mittelständler reicht es nicht, dass eine KI technisch leistungsfähig ist. Sie muss zu den Schutzbedürfnissen des Unternehmens passen. Kundenanfragen, Kalkulationen, technische Zeichnungen, Vertragsbedingungen und Erfahrungswissen gehören zu den wertvollsten Informationen des Betriebs.
Eine belastbare Lösung sollte deshalb bereits im Pilot klare Leitplanken erfüllen:
- Zugriff nur auf freigegebene Datenquellen und entsprechend bestehender Benutzerrechte
- nachvollziehbare Quellen für wesentliche Aussagen und Vorschläge
- protokollierte Bearbeitungsschritte und menschliche Freigaben
- keine Nutzung vertraulicher Unternehmensdaten zum Training öffentlicher Modelle
- eine Betriebsform, die zur Datenklassifizierung passt – bei besonders sensiblen Informationen gegebenenfalls vollständig in der eigenen Infrastruktur
- klare Regeln dafür, welche Aufgaben der Agent vorbereiten darf und welche Entscheidungen beim Menschen bleiben
On-Premises-KI oder eine abgeschottete private Umgebung kann für Unternehmen sinnvoll sein, die hohe Anforderungen an Datensouveränität, technische Geheimnisse und Unabhängigkeit stellen. Entscheidend ist jedoch nicht ein Schlagwort, sondern ein überprüfbares Sicherheits- und Berechtigungskonzept.
In sieben Schritten vom Zeitfresser zum produktiven KI-Agenten
- Zeitfresser identifizieren: Mitarbeitende benennen, wo heute regelmäßig wertvolle Zeit verloren geht.
- Anwendungsfall begrenzen: einen klaren Teilprozess statt einer gesamten Abteilung auswählen.
- Ausgangslage messen: Zeit, Qualität, Fehler und Rückfragen vor dem Pilot erfassen.
- Daten und Regeln klären: Quellen, Rechte, Freigaben und Verantwortlichkeiten festlegen.
- Pilot mit echten Vorgängen durchführen: unter kontrollierten Bedingungen und mit menschlicher Prüfung.
- Nutzen und Akzeptanz bewerten: Kennzahlen und Rückmeldungen der Anwender zusammenführen.
- Erst dann ausbauen: den Prozess verbessern oder den nächsten sinnvollen Zeitfresser angehen.
Vom ersten Agenten zum lernenden Unternehmen
Ein erfolgreicher Angebots-Agent ist zunächst nur eine konkrete Arbeitshilfe. Dennoch entsteht im Hintergrund eine wiederverwendbare Grundlage: sichere Zugriffe, Verbindungen zu ERP, CRM und Dokumenten, definierte Freigaben, bestätigte Wissensquellen und ein nachvollziehbarer Umgang mit Korrekturen.
Darauf kann ein weiterer Agent aufbauen – beispielsweise für Reklamationen und Gewährleistungsfälle. Während das Angebot dokumentiert, was dem Kunden versprochen wurde, zeigt die Reklamation, was aus diesem Versprechen geworden ist. Werden beide Perspektiven verbunden, kann das Unternehmen systematisch aus abgeschlossenen Aufträgen lernen.
Später können weitere Anwendungsfälle für Vertragsprüfung, Auftragsklärung, Lieferantenanfragen, technische Dokumentation, Zertifikate oder Qualitätsprüfungen folgen. Jeder neue Agent muss sich zunächst wirtschaftlich rechtfertigen. Gleichzeitig erweitert er die gemeinsame sichere Wissens- und Prozessgrundlage.
Checkliste: Ist Ihr Unternehmen bereit für den ersten KI-Agenten?
- Wir kennen einen häufigen Prozess, der qualifizierte Mitarbeitende mit Routine bindet.
- Wir können klar beschreiben, welches Ergebnis der Agent vorbereiten soll.
- Ein verantwortlicher Mensch kann jedes Ergebnis prüfen und freigeben.
- Die wichtigsten Informationen sind in erreichbaren Systemen oder Dokumenten vorhanden.
- Datenzugriffe, Rollen und vertrauliche Inhalte lassen sich eindeutig abgrenzen.
- Wir können mindestens zwei Kennzahlen vor und nach dem Pilot vergleichen.
- Die betroffenen Mitarbeitenden werden in Auswahl, Erprobung und Verbesserung einbezogen.
Wenn fünf oder mehr Aussagen zutreffen, ist meist genügend Substanz für einen begrenzten Pilot vorhanden. Sind es weniger, sollte nicht sofort eine Plattform beschafft werden. Dann lohnt es sich zunächst, Prozess, Datenlage und Verantwortlichkeit zu schärfen.
Häufige Fragen zur Einführung von KI im Mittelstand
Muss ein Unternehmen zuerst eine vollständige KI-Strategie entwickeln?
Nein. Es braucht klare Leitplanken für Sicherheit, Verantwortung und Ziele. Der produktive Einstieg kann dennoch mit einem eng begrenzten Anwendungsfall beginnen. Die übergreifende Strategie wächst auf Basis realer Erfahrungen.
Wie teuer ist der Einstieg in KI?
Das hängt von Prozess, Datenquellen und Integrationen ab. Ein Pilot sollte bewusst so begrenzt sein, dass sein Nutzen gegen überschaubare Kosten geprüft werden kann. Teuer wird der Einstieg vor allem dann, wenn Umfang und Erfolgskriterien unklar bleiben.
Braucht ein Mittelständler ein eigenes KI-Team?
Nicht zwingend. Fachbereich und IT müssen den Prozess, Datenzugriffe und Freigaben gemeinsam verantworten. Spezialisierte Umsetzungspartner können Technologie und Integration bereitstellen; Prozesswissen und Entscheidungshoheit bleiben im Unternehmen.
Kann KI direkt mit dem ERP arbeiten?
Ja, wenn geeignete Schnittstellen, Berechtigungen und Kontrollen vorhanden sind. Der Agent sollte das ERP nicht ersetzen, sondern Informationen nutzen oder vorbereitete Schritte innerhalb definierter Regeln anstoßen.
Wann ist On-Premises-KI sinnvoll?
Wenn besonders schützenswerte Kunden-, Produkt-, Entwicklungs- oder Kalkulationsdaten verarbeitet werden, hohe Anforderungen an Unabhängigkeit bestehen oder interne Richtlinien eine externe Verarbeitung ausschließen. Die konkrete Architektur sollte aus der Datenklassifizierung abgeleitet werden.
Welcher KI-Anwendungsfall eignet sich nach der Angebotserstellung?
Häufig sind Reklamationen und Gewährleistungsfälle sinnvoll. Sie erfordern ebenfalls viel Informationssuche und verbinden das ursprüngliche Kundenversprechen mit der tatsächlichen Erfahrung aus Lieferung, Betrieb und Service.
Fazit: Nicht mit der Transformation beginnen – mit Entlastung
Hidden Champions müssen nicht am ersten Tag wissen, wie ihr Unternehmen in fünf Jahren mit KI arbeiten wird. Sie müssen einen ersten Anwendungsfall finden, der heute einen echten Unterschied macht.
Die Angebotserstellung ist dafür häufig ideal: Sie verbindet Kundenbedarf, technisches Wissen und wirtschaftliche Entscheidung. Ein Angebots-Agent kann die Routine vorbereiten, ohne Verantwortung zu übernehmen. Sein Nutzen lässt sich messen, die Mitarbeitenden erleben konkrete Entlastung und die vorhandenen Systeme bleiben bestehen.
Wenn dieser erste Schritt funktioniert, folgt der nächste. So entsteht keine teure Transformation auf Vorrat, sondern eine Reihe wirtschaftlich begründeter Verbesserungen. Und fast nebenbei wächst die sichere Grundlage, auf der das Unternehmen sein Wissen bewahrt, Prozesse verbindet und dauerhaft wettbewerbsfähiger wird.
Quellen und weiterführende Informationen
1. Statistisches Bundesamt: Nutzung von IKT in Unternehmen (2025). Daten zur Nutzung künstlicher Intelligenz in deutschen Unternehmen. https://www.destatis.de/DE/Themen/Branchen-Unternehmen/Unternehmen/IKT-in-Unternehmen-IKT-Branche/IKT-U-Erhebung/info.html
2. Bitkom: Künstliche Intelligenz in Deutschland – Studienbericht 2026. Repräsentative Unternehmensbefragung zu Nutzung, Erwartungen, Investitionen und Hürden. https://www.bitkom.org/Bitkom/Publikationen/Kuenstliche-Intelligenz-in-Deutschland
3. Bitkom: Generative KI im Unternehmen – Leitfaden 2025. Praxisorientierte Hinweise zu rechtlichen und ethischen Fragen. https://www.bitkom.org/Bitkom/Publikationen/Generative-KI-im-Unternehmen