Anbieter zum Thema

d.velop AG

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

KI-Technologie: Der Pilot-Erfolg täuscht

Genau deshalb ist die aktuelle KI-Welle tückisch. Generative KI liefert nach wenigen Minuten ein sichtbares Ergebnis. Sie schreibt Texte, fasst Dokumente zusammen und findet Informationen. Das erzeugt den Eindruck, der schwierige Teil sei geschafft.

Die OECD sieht in ihrer D4SME-Erhebung 2026 ein anderes Muster. Die Stichprobe ist mit mehr als 2.000 kleinen und mittleren Unternehmen international breit, aber nicht repräsentativ. Trotzdem ist das Bild bemerkenswert: 75 Prozent der Befragten nutzen fertige KI-Werkzeuge. 56,6 Prozent setzen KI nur für einzelne Aufgaben ein. Maßgeschneiderte KI nutzen fünf Prozent, agentenbasierte Systeme 3,6 Prozent. Nur 19 Prozent setzen KI-Technologie über mehrere Funktionen hinweg oder unternehmensweit ein.

Das ist die Lücke zwischen Benutzung und Integration. Ein Assistent kann eine E-Mail verbessern, ohne das Unternehmen zu verstehen. Ein Agent, der einen Auftrag priorisiert, einen Einkauf vorbereitet oder eine Qualitätsabweichung bewertet, braucht dagegen den betrieblichen Kontext hinter der Oberfläche. Auch die Datenbasis bleibt ein Warnsignal. In einer repräsentativen Bitkom-Befragung von Unternehmen ab 20 Beschäftigten sagten 61 Prozent, sie schöpften das Potenzial ihrer vorhandenen Daten kaum oder gar nicht aus. Nur fünf Prozent sahen es vollständig ausgeschöpft.

Wer auf diese Basis lediglich ein neues KI-Werkzeug setzt, automatisiert nicht automatisch Wertschöpfung. Er automatisiert zunächst den Zugriff auf dieselbe Unordnung. Das erklärt auch, warum der Erfolg eines KI-Piloten wenig über seine Skalierbarkeit sagt. Ein Pilot darf Daten von Hand vorbereiten. Er darf Sonderfälle ausklammern. Fachleute können falsche Ergebnisse auffangen. Im Regelbetrieb werden genau diese Ausnahmen zum Kostenfaktor. Dann beginnt die Rückzahlung der Kontextschuld.

KI-Technologie: Der Prozess schlägt das Modell

Wie anders es laufen kann, zeigt die MPG Mendener Präzisionsrohr GmbH. In einem Pilotprojekt des Green-AI Hub Mittelstand wurden vorhandene Produktionsdaten genutzt, um einen Gießprozess besser einzustellen. Innerhalb von sechs Monaten sank der Materialeinsatz nach Projektangaben um 3,5 Prozent. Das entspricht rund 370 Tonnen pro Jahr. Auch der Energieeinsatz sank um 3,5 Prozent.

Die interessante Zahl ist nicht 3,5 Prozent. Interessant ist, was dafür nötig war. Das Projekt setzte bei einem konkreten Prozess und einer messbaren Entscheidung an. Die KI bekam nicht den Auftrag, „die Produktion zu optimieren“. Produktionsdaten wurden für eine klar umrissene Aufgabe nutzbar gemacht: Welche Einstellung verbessert diesen Prozess?

Darin steckt eine wichtige Lehre für den Mittelstand. Kontextschuld wird nicht mit einem riesigen Datenprogramm abgetragen. Auch eine jahrelange Vollsanierung der IT ist keine Voraussetzung. Unternehmen müssen dort beginnen, wo verborgenes Wissen einen messbaren wirtschaftlichen Unterschied macht.

Ein Vorstand sollte deshalb nicht zuerst entscheiden, welches Sprachmodell unternehmensweit zum Standard wird. Er sollte wissen, welche Entscheidungen über Marge, Qualität, Lieferfähigkeit oder Kundenbindung heute von implizitem Wissen abhängen. Danach wird es konkreter: Welche Daten fließen in diese Entscheidung? Welche Ausnahmen gelten? Wer besitzt die fachliche Verantwortung? Welche Entscheidung darf eine KI vorbereiten – und welche darf sie selbst treffen? Erst dann lohnt die Debatte über das Modell.

KI und Arbeit

Arbeitswelt: Wenn KI die Einstiegsjobs frisst, gefährdet das die Führung