KI-Strategie-Beratung im Mittelstand: vom Vorhaben zum Betrieb

Eine KI-Strategie-Beratung im Mittelstand beginnt in der Praxis oft mit einer Übersicht über Verfahren und Anbieter. Das ist die falsche Reihenfolge, und sie erklärt einen Teil der Vorhaben, die nach einem gelungenen Pilotprojekt stehen bleiben. Die tragfähige Reihenfolge geht vom Prozess aus: Welche Tätigkeit kostet messbar Zeit oder Geld, welche Entscheidung fällt heute auf unzureichender Grundlage, und liegen die Daten vor, mit denen sich daran etwas ändern lässt. Dieser Artikel beschreibt, was eine Strategiearbeit für mittelständische Unternehmen abdecken sollte und in welcher Abfolge.

Vom Prozess, nicht von der Technologie

Der übliche Einstieg ist eine Ideensammlung: Was könnte man mit KI machen? Das Ergebnis ist eine Liste von Möglichkeiten ohne Bezugsgröße, aus der anschließend nach Sympathie ausgewählt wird.

Der belastbare Einstieg dreht die Frage um und sucht nach drei Merkmalen in bestehenden Abläufen:

Wiederholung in Menge. Eine Tätigkeit, die täglich oder wöchentlich in nennenswerter Stückzahl anfällt. Angebotsprüfung, Rechnungserfassung, Anfragenklassifizierung, Ersatzteildisposition, Qualitätssichtprüfung. Bei geringer Stückzahl trägt kein Automatisierungsaufwand.

Entscheidungen unter Unsicherheit. Wann ein Bauteil zu tauschen ist, welcher Bedarf im nächsten Quartal ansteht, welcher Kunde eine Nachfrage wert ist. Heute wird das aus Erfahrung entschieden, was oft gut funktioniert und selten überprüfbar ist.

Wissen in unstrukturierter Form. Technische Dokumentation, Prüfberichte, Serviceprotokolle, Verträge. Bestände, die vorhanden sind und in denen niemand systematisch sucht, weil die Suche zu lange dauert.

Für jeden Kandidaten gehören drei Zahlen auf ein Blatt: wie oft der Vorgang anfällt, wie viel Zeit oder Kosten er heute bindet, und was ein Fehler kostet. Ohne diese drei Zahlen ist keine Priorisierung möglich, und mit ihnen fällt ein Teil der Ideen von selbst heraus.

Die Datenlage entscheidet vor dem Modell

Der zweite Schritt prüft für die verbliebenen Kandidaten, ob die Daten den Anwendungsfall überhaupt tragen. Vier Prüfungen genügen für eine erste Einschätzung.

Liegen die Daten strukturiert vor? Ein Bestand aus zehn Jahren Serviceberichten in Freitextform ist ein Rohstoff, kein Datensatz. Er ist nutzbar, aber die Aufbereitung ist der größere Teil der Arbeit und gehört in die Schätzung.

Reicht die Historie? Für ein Prognosemodell mit saisonalem Verlauf sind drei bis vier Jahre eine sinnvolle Untergrenze. Für seltene Ereignisse zählt nicht der Zeitraum, sondern die Zahl der beobachteten Fälle. Fünf Ausfälle eines Bauteils sind eine Anekdote, keine Grundlage.

Sind die Daten im Entscheidungsmoment verfügbar? Ein Merkmal, das ein Mitarbeiter zwei Tage nach dem Vorgang nachträgt, existiert zum Zeitpunkt der Vorhersage nicht. Modelle, die auf solchen Merkmalen trainiert wurden, zeigen im Test hervorragende Werte und lassen sich nicht in Betrieb nehmen.

Wie sauber sind die Daten wirklich? Nicht die Einschätzung der IT, sondern eine Stichprobe. Doppelte Stammsätze, uneinheitliche Einheiten, nachträglich geänderte Buchungen und fehlende Werte bestimmen, wie viel Vorarbeit nötig ist. Wir behandeln das als eigenen Prüfschritt, weil es der häufigste Grund für Verzögerungen ist, und haben die Systematik dahinter in einem Artikel zur Datenqualität im Unternehmen beschrieben.

Das Ergebnis dieses Schritts ist keine Aussage über Machbarkeit im Prinzip, sondern eine Aufwandsschätzung je Anwendungsfall, in der die Datenaufbereitung sichtbar ist. In mittelständischen Vorhaben liegt sie regelmäßig bei der Hälfte bis zwei Dritteln des Gesamtaufwands.

Eigenentwicklung oder Standardprodukt

Für die meisten Anwendungsfälle im Mittelstand ist ein vorhandenes Produkt die wirtschaftlichere Antwort. Belegerfassung, Übersetzung, Transkription, Sprachassistenz im Kundendienst und allgemeine Dokumentensuche sind gelöste Aufgaben mit reifen Anbietern. Eine Eigenentwicklung konkurriert hier gegen Entwicklungsbudgets, die um Größenordnungen höher liegen.

Eigenentwicklung trägt in einer anderen Konstellation: wenn das Verfahren an eigenem Prozesswissen hängt, das kein Anbieter abbildet. Eine Qualitätsprüfung auf Merkmalen, die für das eigene Produkt spezifisch sind. Eine Disposition, deren Regeln aus dem eigenen Betrieb stammen. Eine Bewertung technischer Unterlagen mit branchenspezifischer Systematik. Dort liegt der Wert im Prozesswissen, und genau das lässt sich nicht einkaufen.

Die dritte, häufig übersehene Variante liegt dazwischen: ein Standardmodell, angebunden an die eigenen Daten und den eigenen Prozess. Ein Sprachmodell, das auf die eigene Dokumentation zugreift, ist keine Eigenentwicklung eines Modells, sondern eine Integrationsarbeit mit einem klar begrenzten Aufwand. Die technischen Bausteine dafür haben wir im Artikel zur Vektordatenbank im Unternehmen beschrieben.

Die Entscheidung sollte je Anwendungsfall fallen, nicht als Grundsatz. Eine Organisation, die alles selbst baut, bindet Kapazität ohne Gegenwert. Eine, die alles einkauft, gibt ihr Prozesswissen an den Anbieter ab.

Das Betriebsmodell gehört in die Strategie

Der am häufigsten unterschätzte Teil ist die Frage, wer das Ergebnis betreibt. Ein Modell ist kein Projekt mit Abschlussdatum, sondern ein System mit Lebenszyklus.

Was zum Betrieb gehört und benannt sein sollte:

• Überwachung der Modellgüte. Die Verteilung der Eingangsdaten verschiebt sich, das Sortiment ändert sich, ein Lieferant wechselt. Ohne Messung sinkt die Qualität still, und der Verlust fällt erst auf, wenn jemand dem System nicht mehr vertraut.
• Nachtraining. In welchem Rhythmus, auf welcher Datenbasis, mit welcher Freigabe.
• Fehlerbehandlung. Was passiert, wenn das Modell nicht antwortet oder offensichtlich falsch liegt. Der Rückfallweg auf die manuelle Bearbeitung muss existieren und geübt sein.
• Zuständigkeit. Eine benannte Person oder Rolle, nicht ein Bereich. Wenn niemand namentlich zuständig ist, ist niemand zuständig.

Für mittelständische Organisationen ohne eigenes Datenteam ist das die entscheidende Weichenstellung. Sie spricht in vielen Fällen für Lösungen mit geringerem Betriebsaufwand, auch wenn ein aufwendigeres Verfahren im Test besser abschneidet. Ein einfaches Modell im geordneten Betrieb schlägt ein gutes Modell ohne Zuständigkeit. Was der Weg in den Betrieb technisch bedeutet, beschreiben wir im Artikel zu KI im Unternehmen in Produktion bringen.

Regulatorik früh einordnen, nicht am Ende

Die EU-KI-Verordnung stuft Anwendungen nach Risiko ein, und die Einstufung bestimmt den Aufwand. Sie gehört deshalb in die Konzeption und nicht in eine Freigabe kurz vor der Einführung.

Für den Mittelstand sind vor allem zwei Punkte relevant. Erstens fallen Anwendungen im Personalbereich, etwa bei Auswahl oder Bewertung von Beschäftigten, in eine höhere Risikoklasse mit entsprechenden Dokumentations-, Transparenz- und Aufsichtspflichten. Zweitens gelten für Systeme, die unmittelbar mit Menschen interagieren oder Inhalte erzeugen, Kennzeichnungspflichten.

Der überwiegende Teil industrieller Anwendungsfälle, also Instandhaltung, Prognose, Qualitätsprüfung und interne Dokumentensuche, liegt unterhalb der hohen Risikoklasse. Das ist ein Argument dafür, mit diesen Fällen zu beginnen: Sie verbinden einen klaren Nutzen mit überschaubaren Pflichten.

Unabhängig von der Einstufung sind zwei Punkte in jedem Fall zu klären: die datenschutzrechtliche Grundlage, wenn personenbezogene Daten verarbeitet werden, und die Mitbestimmung, sobald ein System Leistung oder Verhalten von Beschäftigten erfassen kann. Beide sind früh klärbar und spät teuer.

Was eine Strategiearbeit als Ergebnis liefern sollte

Der Begriff Strategie deckt in Angeboten sehr unterschiedliche Leistungen ab, von einem Workshop bis zu einer mehrmonatigen Untersuchung. Damit die Beauftragung vergleichbar wird, hilft es, die Ergebnisse zu benennen, die am Ende vorliegen sollen.

Vier Dokumente reichen aus und sind auch für kleinere Organisationen in wenigen Wochen erreichbar:

Eine bewertete Liste von Anwendungsfällen, je Fall mit Menge, heutigem Aufwand, Fehlerkosten, benötigten Daten und einer groben Aufwandsschätzung. Wichtig ist, dass die verworfenen Fälle mit ihrer Begründung darin stehen. Sonst kommen sie in sechs Monaten unverändert zurück.

Eine Bestandsaufnahme der Daten, die für die vordersten Fälle nötig sind: Quelle, Format, Historie, Aktualität, bekannte Qualitätsprobleme. Das ist der Teil, der am häufigsten fehlt und am meisten über die Machbarkeit sagt.

Eine Einordnung nach EU-KI-Verordnung je Fall, mit den daraus folgenden Pflichten.

Ein Vorschlag für den ersten Umsetzungsschritt, mit Betriebsmodell, benannter Zuständigkeit und den Kriterien, an denen nach der Erprobung über die Fortsetzung entschieden wird.

Was nicht als Ergebnis taugt: eine Übersicht über Anbieter und Verfahren ohne Bezug zu den eigenen Prozessen, eine Reifegradbewertung ohne abgeleitete Maßnahme, oder eine Roadmap über zwei Jahre, deren erste Station nicht mit heute verfügbaren Daten machbar ist.

Woran Vorhaben im Mittelstand hängen bleiben

Die Hürden sind in mittelständischen Organisationen andere als in Konzernen, und sie sind selten technischer Natur.

Der Pilot ohne Anschlussentscheidung. Ein Vorhaben wird als Erprobung aufgesetzt, gelingt, und danach fehlt der Beschluss, es in den Betrieb zu überführen. Der Grund ist meist, dass die Kriterien für diese Entscheidung nie festgelegt wurden. Ein Pilot sollte mit der Frage starten, was er zeigen muss, damit weitergemacht wird, und wer diese Entscheidung trifft.

Die Abhängigkeit von einer Person. In vielen mittelständischen Unternehmen trägt eine einzelne Person das Vorhaben fachlich und technisch. Das beschleunigt den Anfang und macht das Ergebnis fragil. Ein zweiter Kopf, der den Aufbau nachvollziehen kann, ist keine Redundanz, sondern die Bedingung dafür, dass das System einen Urlaub übersteht.

Der fehlende Anschluss an den Arbeitsplatz. Ein Ergebnis, das in einem eigenen Werkzeug erscheint, verlangt vom Sachbearbeiter, ein zusätzliches Fenster zu öffnen und eine zusätzliche Gewohnheit aufzubauen. Ein Ergebnis, das im ERP, im CRM oder in der Werkstattsoftware auftaucht, wird bearbeitet, weil es in einem bestehenden Ablauf liegt. Die Integrationsarbeit dorthin ist häufig aufwendiger als das Modell selbst und wird in Schätzungen regelmäßig zu klein angesetzt. Wir behandeln sie deshalb als eigenen Posten und nicht als Nacharbeit, unabhängig davon, ob die Anbindung über bestehende Schnittstellen oder über eine eigene Schicht in der Systemintegration läuft.

Der Vergleich mit dem Ist-Zustand fehlt. Ein Modell wird an seiner statistischen Güte gemessen, nicht daran, wie die Aufgabe heute erledigt wird. Ohne eine Messung des heutigen Verfahrens, mit derselben Stichprobe und denselben Kriterien, lässt sich nicht sagen, ob eine Verbesserung eingetreten ist. Diese Messung ist unbequem, weil sie manchmal zeigt, dass die manuelle Bearbeitung besser ist als angenommen. Genau deshalb gehört sie vor den Start.

Erwartungen aus dem Konsumbereich. Die Erfahrung mit Sprachmodellen im privaten Gebrauch erzeugt die Erwartung, dass ein System sofort und ohne Vorbereitung sinnvolle Antworten liefert. Im betrieblichen Kontext hängen Qualität und Verlässlichkeit an den eigenen Daten, und die Vorarbeit daran ist der Teil, der Zeit kostet. Diese Erwartung früh und offen zu korrigieren, erspart eine Enttäuschung im dritten Monat.

Eine Reihenfolge, die im Mittelstand funktioniert

Aus der Praxis heraus trägt dieser Ablauf:

1. Prozesse mit Wiederholung, Unsicherheit oder unstrukturiertem Wissen aufnehmen, mit Menge, Kosten und Fehlerkosten.
2. Datenlage je Kandidat prüfen, mit einer Aufwandsschätzung für die Aufbereitung.
3. Regulatorische Einstufung je Kandidat, vor der Priorisierung.
4. Einen Anwendungsfall auswählen, der klein genug für einen Zeitraum von wenigen Monaten und relevant genug ist, um bemerkt zu werden.
5. Betriebsmodell und Zuständigkeit festlegen, bevor gebaut wird.
6. Umsetzen, in Betrieb nehmen, messen, und erst danach den nächsten Fall aufsetzen.

Der sechste Punkt ist der, an dem die meisten Vorhaben abweichen. Nach einem gelungenen Pilotprojekt entsteht die Neigung, mehrere Fälle gleichzeitig zu starten. Im Mittelstand hängen sie dann an denselben wenigen Personen, und keiner erreicht den Betrieb. Ein Fall nach dem anderen ist langsamer im Plan und schneller im Ergebnis.

Wir begleiten diese Arbeit als KI-Beratung für den Mittelstand, meist beginnend mit den Schritten eins bis drei, weil sich danach ohnehin ein Teil der ursprünglichen Ideenliste erledigt hat.