KI im Mittelstand
Die richtige KI am richtigen Ort

Prof. Dr. Diane Robers, Leiterin der Akademie für Politik und Zeitgeschehen der Hanns-Seidel-Stiftung.

© Jan Vogel/UMU

Bereits in ihrer Begrüßung machte Prof. Dr. Diane Robers, Leiterin der Akademie für Politik und Zeitgeschehen der Hanns-Seidel-Stiftung, deutlich, wohin die Entwicklung geht: KI ist im Mittelstand nicht mehr nur Zukunftstechnologie. Sie wird zunehmend zu einer Frage der Wettbewerbsfähigkeit. Laut KfW-Mittelstandspanel nutzen rund 780.000 mittelständische Unternehmen in Deutschland KI. Allerdings konzentriert sich der Einsatz noch stark auf vergleichsweise leicht zugängliche Anwendungen wie Sprach- und Textverarbeitung. Anspruchsvollere industrielle Anwendungen sind deutlich weniger verbreitet.

Damit verschiebt sich die entscheidende Frage. Es geht immer weniger darum, ob KI eingesetzt wird, sondern wo sie einen konkreten wirtschaftlichen Nutzen bringt. Robers sieht dabei eine besondere Stärke des Mittelstands: Nicht allein IT-Spezialisten entscheiden über den Erfolg einer Anwendung. Gerade die Beschäftigten, die Kunden, Produkte und Produktionsprozesse kennen, können beurteilen, wo KI tatsächlich einen Mehrwert schafft.

Dafür braucht es allerdings die entsprechende Grundlage. Das wären funktionierende digitale Prozesse, geeignete Daten, Infrastruktur und qualifizierte Mitarbeiter. KI kommt also nicht auf der grünen Wiese ins Unternehmen. Sie trifft auf gewachsene Strukturen und kann deren Stärken nutzen, aber auch Schwachstellen sichtbar machen.

KI und Produktivität: der konkrete Business-Case

Dr. Yorck Otto, Präsident der UMU in München, lenkte den Blick deshalb auf eine Frage, die für Unternehmen unmittelbarer kaum sein könnte: Was bringt KI wirtschaftlich? Für den Mittelstand sieht er vor allem Potenzial bei Produktivität und Kosten. Bürokratie-, Personal-, Entwicklungs-, Vertriebs-, Verwaltungs- und Fertigungsprozesse könnten optimiert werden.

Das beginnt bei vergleichsweise einfachen Anwendungen. Wiederkehrende Tätigkeiten wie Kundenanfragen, die mit Chat-Bots und Copilots arbeiten, lassen sich automatisieren, Daten schneller auswerten, Texte und Bilder erstellen. Auch Kundenmanagement, Marketing und unternehmerische Entscheidungen können unterstützt werden. Solche KI-Anwendungen können insbesondere wiederkehrende Prozesse im Unternehmen automatisieren und Beschäftigte entlasten. Beschäftigte gewinnen dadurch Zeit für Aufgaben, bei denen Erfahrung und Fachwissen gefragt sind.

Gerade angesichts steigender Kosten und des Fachkräftemangels wird KI damit zu einem praktischen Instrument. Gleichzeitig sinken die Zugangshürden. Leistungsfähige Anwendungen, die früher erhebliche Investitionen vorausgesetzt hätten, stehen inzwischen auch kleineren Unternehmen zu vergleichsweise geringen Kosten zur Verfügung.

Die Frage ist daher nicht mehr nur, ob sich ein Unternehmen KI leisten kann. Es geht darum, wo sie im eigenen Betrieb einen messbaren Unterschied macht.

Spezialisierte KI: Der Wettbewerbsvorteil steckt im eigenen Wissen

Damit kommt eine Stärke des Mittelstands ins Spiel, die leicht übersehen wird: sein spezifisches Wissen. Unternehmen verfügen über gewachsene Kundenbeziehungen, spezialisierte Produkte und Produktionsverfahren sowie über Daten, die über Jahre entstanden sind.

Dr. Annette Doms, Autorin des Buches „Von Gutenberg zu Chat-GPT: Damit wir nicht die Kontrolle über die Zukunft verlieren“, sieht gerade darin einen möglichen Wettbewerbsvorteil. Wenn viele Unternehmen künftig auf dieselben leistungsfähigen Basismodelle zurückgreifen können, wird entscheidend, was sie daraus mit ihrem eigenen Wissen und ihren eigenen Daten machen.

Interessant werden damit spezialisierte Anwendungen wie Vertical-AI-Lösungen (damit sind KI-Anwendungen für bestimmte Bereichen und Aufgaben gemeint, die beispielsweise MRT-Bilder nach Auffälligkeiten untersucht und auswertet). Sie können auf bestimmte Branchen, Produkte oder Unternehmensprozesse zugeschnitten werden. Der Mittelstand muss also nicht versuchen, die großen internationalen Technologiekonzerne beim Bau universeller KI-Modelle einzuholen. Er kann dort ansetzen, wo er ohnehin über einen Wissensvorsprung verfügt.

Allerdings zeigt sich dabei schnell eine Schwachstelle vieler gewachsener Unternehmen. Die benötigten Daten liegen nicht immer strukturiert vor, sondern in unterschiedlichen Systemen und Datensilos. KI macht damit sichtbar, wie wichtig eine solide digitale Grundlage ist.

Wem gehören die Daten – und wer darf sie nutzen?

Damit wird aus der Frage nach dem eigenen Wissen unmittelbar eine Frage der Datenhoheit. Ralph Josef Huuk, Geschäftsführer der Münchner KI-Firma „Deep-Mask“, verwies auf den Wert der nicht öffentlich verfügbaren Unternehmensdaten. Produktionswissen, Kundeninformationen, interne Abläufe oder technische Details können für Unternehmen ein erhebliches Kapital darstellen.

Wer KI nutzt, muss deshalb genau überlegen, welche Informationen an welche Systeme und Anbieter übermittelt werden. Dabei muss es nicht die eine technische Lösung geben. Denkbar ist ein Mix aus leistungsfähigen großen Modellen für bestimmte Anwendungen und lokal oder in Europa betriebenen Systemen dort, wo sensible Daten besonders geschützt werden müssen.

Daten werden damit zu einem strategischen Vermögenswert. Voraussetzung ist allerdings, dass Unternehmen überhaupt wissen, welche Daten sie besitzen, wo sie und in welcher Qualität sie vorliegen.

KI als Führungsaufgabe: Mehr als eine IT-Frage

Die zunehmende Verbreitung von KI verändert deshalb nicht nur Prozesse, sondern auch die Rolle der Unternehmensleitung. Denn KI wird vielerorts bereits genutzt, ohne dass eine umfassende Strategie dahintersteht. Mitarbeiter greifen auf Chat-GPT, Copilot, Übersetzungsprogramme oder KI-Funktionen in Marketing, Customer-Relationship-Management (CRM, deutsch: Kundenbeziehungsmanagement), Recruiting und Buchhaltung zurück.

Für Doms liegt darin eine zentrale Herausforderung: Unternehmen müssen zunächst wissen, wo und wie KI bereits eingesetzt wird. Andernfalls entsteht eine „Schatten-KI“, bei der unklar bleibt, welche Daten verarbeitet werden, wie zuverlässig die Ergebnisse sind und wer dafür Verantwortung trägt.

KI wird damit zur Führungsaufgabe. Es braucht einen Überblick über die eingesetzten Anwendungen, eine Bewertung ihrer Risiken und klare Zuständigkeiten. Gleichzeitig müssen Beschäftigte lernen, nicht nur mit KI zu arbeiten, sondern ihre Ergebnisse einzuordnen. Welche Antwort muss überprüft werden? Welche Daten dürfen eingegeben werden? Und wann muss ein Mensch die Entscheidung übernehmen?

Gerade weil KI immer überzeugender formulierte Antworten liefert, gewinnt menschliche Urteilskraft an Bedeutung. Doms fasste diesen Gedanken prägnant zusammen: „Wenn Antworten billig werden, dann wird Urteilskraft teuer.“

EU AI Act: Regulierung zwischen Sicherheit und Innovation

Wo KI in Unternehmensprozesse eingreift, stellt sich schließlich die Frage nach Verantwortung und Regulierung. Der EU AI Act (das weltweit erste umfassende Gesetz zur einheitlichen Regulierung von KI in der Europäischen Union) betrifft nicht nur Entwickler von KI-Systemen. Auch Unternehmen, die KI einsetzen, tragen als Bereitsteller (englisch: Deployer) Verantwortung. Welche Anforderungen gelten, hängt unter anderem vom jeweiligen Einsatzbereich und dessen Risiko ab.

Prof. Dr. Eric Hilgendorf von der Universität Würzburg richtete den Blick auf das Spannungsfeld zwischen Regulierung und Innovation. Eine zu vorsichtige Umsetzung könne dazu führen, dass Unternehmen vorhandene Möglichkeiten gar nicht erst ausprobieren. Reallabore (englisch: Regulatory Sandboxes) könnten helfen, neue Anwendungen unter kontrollierten Bedingungen zu testen und gleichzeitig Erfahrungen mit den rechtlichen Anforderungen zu sammeln.

Für den Mittelstand stellt sich damit eine weitere praktische Frage. Nicht nur, was KI kann, sondern auch, unter welchen Bedingungen sie eingesetzt werden kann.

Die richtige KI am richtigen Ort

Am Ende der Diskussion steht deshalb weniger die Frage nach der spektakulärsten Technologie als nach dem sinnvollen Einsatz im eigenen Unternehmen. Produktivität, Fachkräftemangel und neue Geschäftsmodelle sprechen für KI. Datenqualität, Fachwissen, Datenschutz, Qualifikation und klare Verantwortlichkeiten entscheiden darüber, ob daraus tatsächlich ein Nutzen entsteht.

Gerade hier liegt die besondere Chance des Mittelstands. Er muss nicht beim globalen Wettlauf um das größte KI-Modell mithalten. Sein Wettbewerbsvorteil kann vielmehr darin liegen, KI mit dem eigenen Wissen zu verbinden. Mit spezialisierten Produkten, langjähriger Erfahrung, eigenen Daten und detaillierter Kenntnis von Kunden und Prozessen.

Für den Mittelstand geht es deshalb nicht darum, möglichst viel KI einzusetzen, sondern die richtige KI am richtigen Ort. Entscheidend ist, die eigenen Stärken zu kennen und dort mit KI zu verbinden, wo daraus ein konkreter unternehmerischer Mehrwert entsteht.*

*Hinweis: Der Text wurde mithilfe von KI erstellt.