KI im Mittelstand

Was bedeutet KI im Mittelstand?

KI im Mittelstand bezeichnet den Einsatz von künstlicher Intelligenz, insbesondere von Sprachmodellen wie Claude und darauf aufbauender Automatisierung, in kleinen und mittelständischen Unternehmen. Im Unterschied zu Konzernen geht es dabei selten um eigene Modelle oder Entwicklungsabteilungen, sondern um die pragmatische Nutzung fertiger Werkzeuge für Texte, Wissen, Kundenkommunikation und Prozesse.

Lange war KI ein Thema für Unternehmen mit Datenwissenschaftlern und großen Budgets. Das hat sich mit den KI-Assistenten der letzten Jahre geändert. Ein Handwerksbetrieb, eine Steuerkanzlei oder ein Großhändler kann heute mit einem Werkzeug wie Claude am selben Tag beginnen, an dem die Entscheidung fällt. Die Hürde ist nicht mehr die Technik, sondern die Frage, wofür und wie.

Der Mittelstand hat dabei einen strukturellen Vorteil: kurze Entscheidungswege, Nähe zwischen Geschäftsführung und Alltag, überschaubare Prozesse. Was in einem Konzern ein Jahr Abstimmung braucht, entscheidet ein mittelständischer Geschäftsführer in einer Woche. Diesen Vorteil zu nutzen, ohne die Grundlagen zu überspringen, ist der Kern von KI im Mittelstand.

Einsatzfelder mit erfahrungsgemäß hohem Nutzen

Die Einsatzfelder unterscheiden sich nach Branche, folgen aber wiederkehrenden Mustern. Das erste Feld ist die Textarbeit: E-Mails, Angebote, Berichte, Protokolle, Stellenanzeigen, Website-Texte. Hier liegt der schnellste Nutzen, weil fast jeder Mitarbeitende täglich Texte schreibt und ein KI-Assistent Entwürfe in Sekunden liefert, die dann geprüft und angepasst werden.

Das zweite Feld ist der Kundenservice: Anfragen verstehen, Antworten vorbereiten, Reklamationen strukturieren, Wissen aus Dokumenten bereitstellen. Erfahrungsgemäß lässt sich hier die Bearbeitungszeit spürbar senken, bei gleichbleibender oder besserer Qualität, sofern ein Mensch die Antworten freigibt.

Das dritte Feld ist das Wissen im Unternehmen: Prozessbeschreibungen, Produktinformationen, Vorlagen, die bisher in Köpfen oder verstreuten Ordnern lagen. In Claude Projects hinterlegt, werden sie für alle nutzbar. Der Aufwand, dieses Wissen aufzuschreiben, ist oft der eigentliche Gewinn.

Das vierte Feld ist die Verarbeitung von Dokumenten: Rechnungen erfassen, Bewerbungen strukturieren, Verträge zusammenfassen, Ausschreibungen auswerten. Hier beginnt der Übergang zur KI-Automatisierung, bei der Werkzeuge wie n8n die Systeme verbinden und Claude den Inhalt versteht.

Das fünfte Feld ist die Analyse: Tabellen auswerten, Kundenrückmeldungen zusammenfassen, Markttrends recherchieren. Für Unternehmen ohne eigene Auswertungsabteilung ist ein KI-Assistent hier ein Sparringspartner, der Fragen beantwortet, die vorher niemand stellen konnte. Konkrete Beispiele aus allen Feldern sammelt der Artikel 25 Claude Use Cases für kleine und mittelständische Unternehmen.

Voraussetzungen im Unternehmen

Vier Voraussetzungen entscheiden erfahrungsgemäß darüber, ob KI im Mittelstand über den Versuch hinauskommt. Die erste ist ein freigegebenes Werkzeug im Unternehmensplan, mit Auftragsverarbeitungsvertrag und zentraler Verwaltung. Solange Mitarbeitende private Konten nutzen, gibt es weder Kontrolle noch Rechtssicherheit.

Die zweite Voraussetzung ist eine Zuständigkeit. Eine Person, oft aus Verwaltung, Marketing oder Kundenservice, hält den Überblick, pflegt Projekte und Prompts, beantwortet Fragen. Ohne diese Person verläuft der Einsatz im Sand, weil niemand sich kümmert.

Die dritte Voraussetzung sind Regeln: eine kurze Richtlinie, welche Werkzeuge erlaubt sind, welche Daten eingegeben werden dürfen und wie Ergebnisse geprüft werden. Diese Richtlinie ist Teil einer angemessenen KI-Governance, die im Mittelstand auf wenigen Seiten Platz hat.

Die vierte Voraussetzung ist eine KI-Schulung. Sie vermittelt Funktionsweise, Grenzen, Regeln und Praxis und erfüllt zugleich die Pflicht zur KI-Kompetenz nach Art. 4 des EU AI Act. Ungeschulte Mitarbeitende nutzen KI entweder nicht oder falsch.

Ein Vorgehen in vier Phasen

Die erste Phase ist die Bestandsaufnahme, ein bis zwei Wochen. Welche Aufgaben kosten Zeit und wiederholen sich? Wer nutzt bereits KI, womit? Welche Daten sind im Spiel? Daraus entsteht eine Liste möglicher Anwendungsfälle, bewertet nach Nutzen und Aufwand.

Die zweite Phase ist die Grundlage, zwei bis vier Wochen. Werkzeug auswählen und im Unternehmensplan einrichten, Vertrag abschließen, Datenschutzbeauftragten einbinden, Richtlinie schreiben, Zuständigkeit benennen, Schulung durchführen. Diese Phase wird gern übersprungen und dann teuer nachgeholt.

Die dritte Phase ist der Pilot, vier bis acht Wochen. Ein bis drei Anwendungsfälle werden mit Projekten und Prompts umgesetzt und im Alltag genutzt. Am Ende steht eine ehrliche Bewertung: Was hat Zeit gespart, was nicht, was muss angepasst werden?

Die vierte Phase ist die Ausweitung. Erfolgreiche Anwendungsfälle werden auf weitere Teams übertragen, neue kommen hinzu, erste Prozesse werden automatisiert. Diese Phase hat kein Ende, sondern wird zur laufenden Aufgabe der zuständigen Person. Den Einstieg in dieses Vorgehen beschreibt der Artikel Claude im Unternehmen einsetzen: Der komplette Einstieg.

Praxisbeispiel aus dem Unternehmensalltag

Ein Elektrogroßhandel mit 70 Mitarbeitenden an zwei Standorten hat sich lange gegen KI entschieden, weil die Geschäftsführung die Datenschutzfragen scheute und keinen konkreten Nutzen sah. Der Anstoß kommt aus dem Vertriebsinnendienst, wo zwei Mitarbeiter über private Konten Angebote formulieren lassen und deutlich schneller sind als die Kollegen.

Die Geschäftsführung entscheidet sich für eine geordnete Einführung. In der Bestandsaufnahme werden acht Anwendungsfälle gesammelt, drei ausgewählt: Angebotsformulierung im Innendienst, Beantwortung technischer Kundenfragen aus Herstellerdatenblättern und Zusammenfassung von Lieferantenrundschreiben für den Einkauf. Claude wird im Team-Plan eingerichtet, der Auftragsverarbeitungsvertrag abgeschlossen, der externe Datenschutzbeauftragte prüft die Anwendungsfälle, eine dreiseitige Richtlinie entsteht, und eine Mitarbeiterin aus dem Marketing übernimmt die Zuständigkeit.

Nach einem Schulungstag und acht Wochen Pilot zeigt sich: Die Angebotsformulierung spart spürbar Zeit und ist einheitlicher geworden. Die technischen Kundenfragen funktionieren, sobald die Datenblätter in einem Projekt liegen, was drei Wochen Aufräumarbeit gekostet hat. Die Lieferantenrundschreiben sind der kleinste Fall, werden aber täglich genutzt. Im nächsten Schritt soll die Rechnungserfassung mit n8n automatisiert werden. Die private Nutzung ist beendet, weil das freigegebene Werkzeug besser funktioniert.

Bedeutung für kleine und mittelständische Unternehmen

Für KMU ist KI kein Zukunftsthema mehr, sondern eine Frage der Umsetzung. Die Werkzeuge sind verfügbar, bezahlbar und ohne Entwicklungsabteilung nutzbar. Der Unterschied zwischen Unternehmen, die davon profitieren, und solchen, die es nicht tun, liegt erfahrungsgemäß in den Grundlagen: Werkzeug, Zuständigkeit, Regeln, Schulung.

Diese Grundlagen zu schaffen und die ersten Anwendungsfälle umzusetzen, ist der Kern unserer KI-Beratung für den Mittelstand. Für Unternehmen, die mit Claude arbeiten möchten, beschreibt die Seite Claude für KMU den konkreten Weg. Die Wahl des Werkzeugs ist dabei nicht die wichtigste Entscheidung, wie der Artikel Claude oder ChatGPT: Was eignet sich besser für Unternehmen? zeigt, sondern die Entscheidung, überhaupt geordnet anzufangen.

Vorteile und Grenzen

KI im Mittelstand bringt spürbare Zeitersparnis bei Routinearbeit, einheitlichere Qualität, besser verfügbares Wissen und die Möglichkeit, mit gleicher Mannschaft mehr zu leisten. Der Einstieg ist günstig und schnell, und die kurzen Wege im Mittelstand beschleunigen die Umsetzung.

Die Grenzen liegen in den Erwartungen und in der Verantwortung. KI ersetzt keine Fachkenntnis und keine Entscheidung, sie bereitet vor. Ergebnisse müssen geprüft werden, Datenschutz und AI Act müssen beachtet werden, und die Einführung braucht Zeit von Menschen, die ohnehin ausgelastet sind. Wer mit realistischen Erwartungen, klaren Regeln und einer zuständigen Person beginnt, kommt erfahrungsgemäß weiter als wer auf das große Projekt wartet. Und wer die generative KI als Werkzeug versteht, nicht als Lösung, trifft die besseren Entscheidungen.