KI-Strategie für den Mittelstand: Ein praktischer Leitfaden für den Einstieg

KI ist im Mittelstand angekommen — als Schlagwort. Als Strategie selten. Die meisten Unternehmen experimentieren mit ChatGPT, ein paar haben einen Piloten gestartet, fast keine haben einen Plan. Dabei ist eine KI-Strategie für den Mittelstand keine Frage des Budgets. Sie ist eine Frage der Disziplin.

Dieser Leitfaden beschreibt, wie ein mittelständisches Unternehmen in wenigen Wochen vom diffusen Interesse zu einer belastbaren Strategie kommt. Ohne Hyperscaler-Verträge, ohne dreistellige Beratungstage, ohne Innovationstheater.

Warum die meisten KI-Initiativen im Mittelstand scheitern

Drei Muster wiederholen sich. Erstens: Technik vor Problem. Jemand liest einen Artikel über Agenten, kauft Lizenzen, sucht danach den Anwendungsfall. Zweitens: Leuchtturm statt System. Ein spektakuläres Pilotprojekt, das nie in den Regelbetrieb kommt, weil Datenlage, Prozesse und Verantwortlichkeiten nicht mitwachsen. Drittens: Delegation an die IT. KI ist ein Geschäftsthema. Wer sie als reine Tool-Frage behandelt, bekommt Tools — keine Wirkung.

Schritt 1: Den eigenen Reifegrad ehrlich einschätzen

Bevor irgendetwas gekauft, beauftragt oder ausgerollt wird, drei Fragen: Welche Daten haben wir wirklich, in welcher Qualität, an welchem Ort? Welche Prozesse sind dokumentiert genug, dass eine Maschine sie unterstützen könnte? Wer im Unternehmen kann eine KI-Lösung fachlich beurteilen — nicht technisch, sondern inhaltlich?

Die Antworten sind oft unbequem. Genau deshalb sind sie der Startpunkt.

Schritt 2: Anwendungsfälle nach Wirkung sortieren, nicht nach Sichtbarkeit

Ein guter erster Anwendungsfall hat drei Eigenschaften: Er adressiert ein Problem, das Geld kostet oder Zeit frisst. Er ist klein genug, dass das Scheitern keinen Schaden anrichtet. Er ist groß genug, dass der Erfolg im Unternehmen sichtbar wird. Angebote schreiben, Reklamationen vorsortieren, technische Dokumentation durchsuchbar machen, Stammdaten bereinigen — solche Fälle sind unspektakulär und tragen.

• ●Wirkung in Euro oder Stunden pro Monat schätzbar.
• ●Abgrenzbarer Prozess, klare Eingangs- und Ausgangsdaten.
• ●Ein fachlicher Verantwortlicher, der das Ergebnis beurteilen kann.
• ●Kein regulatorischer Sonderfall im ersten Wurf.

Schritt 3: Build oder Buy — meistens Buy, manchmal beides

Der Mittelstand baut selten eigene Modelle. Er kauft Werkzeuge und integriert sie. Die Frage ist nicht „welches Modell", sondern „welcher Anbieter, welcher Vertrag, welche Datenhoheit". Wo personenbezogene oder geschäftskritische Daten im Spiel sind, gehört der Anbieter mit derselben Sorgfalt geprüft wie ein Lohnabrechnungsdienstleister. Wo es nur um Textentwürfe geht, reicht ein Standardtarif.

Schritt 4: Governance, bevor sie weh tut

Eine KI-Strategie braucht drei Dokumente, mehr nicht: eine Liste erlaubter und verbotener Anwendungsfälle, eine Datenschutz-Folgenabschätzung für die ersten produktiven Fälle, eine kurze Nutzungsrichtlinie für Mitarbeitende. Wer mit fünfzig Seiten Policy startet, baut Bürokratie statt Befähigung.

Schritt 5: Befähigen, nicht beauftragen

Der Hebel im Mittelstand liegt selten in einem einzelnen großen Projekt. Er liegt darin, dass dreißig oder dreihundert Mitarbeitende KI in ihren Alltag einbauen. Das passiert nicht durch eine E-Mail vom Vorstand. Es passiert durch Praxisformate: kleine Lerngruppen, gemeinsame Anwendungsfälle, sichtbare Ergebnisse.

Wie eine KI-Strategie ohne großes Budget aussieht

Sie ist ein zehnseitiges Dokument. Sie nennt drei bis fünf priorisierte Anwendungsfälle mit erwarteter Wirkung und Verantwortlichen. Sie legt fest, welche Werkzeuge eingeführt werden und unter welchen Bedingungen. Sie beschreibt, wie gelernt wird — durch regelmäßige Reviews, nicht durch Zertifikate. Sie hat ein Budget, das eher fünf- als sechsstellig ist. Sie läuft sechs Monate, dann wird sie überarbeitet.

Die drei häufigsten Fragen

Brauchen wir einen Chief AI Officer? Wahrscheinlich nicht. Sie brauchen eine Person, die das Thema verantwortet — neben einer bestehenden Rolle.

Sollten wir auf europäische Modelle setzen? Pragmatisch wählen. Datenhoheit, Vertragslage und Funktionsumfang entscheiden — nicht die Herkunft allein.

Wann ist der richtige Zeitpunkt? Vor zwei Jahren. Sonst jetzt.

„The greatest danger in times of turbulence is not the turbulence; it is to act with yesterday's logic."— Peter Drucker