KI im Mittelstand: Wie ein realistischer Einstieg aussieht

In vielen mittelständischen Unternehmen liegt das Thema künstliche Intelligenz seit zwei Jahren auf dem Tisch, ohne dass sich etwas bewegt. Das hat einen nachvollziehbaren Grund: Die öffentliche Diskussion pendelt zwischen Heilsversprechen und Untergangsszenario, und beides taugt nicht als Entscheidungsgrundlage für einen Betrieb mit achtzig Mitarbeitern und begrenzten Kapazitäten.

Dabei ist der Einstieg unspektakulärer, als die Debatte vermuten lässt. Er beginnt nicht mit einer Technologieentscheidung, sondern mit einer Bestandsaufnahme.

Werbung

Erst der Engpass, dann das Werkzeug

Die produktivsten Anwendungsfälle im Mittelstand sind selten spektakulär. Sie liegen dort, wo qualifizierte Mitarbeiter viel Zeit mit gleichförmiger Textarbeit verbringen: Angebote aus wiederkehrenden Bausteinen, Zusammenfassungen von Protokollen, Erstentwürfe für Ausschreibungen, Aufbereitung von Serviceanfragen, Übersetzungen, Pflege von Produktbeschreibungen.

Ein brauchbarer erster Schritt ist deshalb eine schlichte Frage an die Fachabteilungen: Welche Tätigkeit kostet regelmäßig Zeit, erfordert Sorgfalt, aber keine echte fachliche Entscheidung? Genau dort liegt der erste Anwendungsfall, und er ist meist klein genug, um ihn in Wochen statt in Quartalen zu erproben.

Vier Kriterien für die Auswahl

• Häufigkeit. Etwas, das zehnmal am Tag vorkommt, rechnet sich schneller als etwas, das zehnmal im Jahr vorkommt.
• Fehlertoleranz. Ein Erstentwurf, den ein Mensch prüft, ist unkritisch. Eine automatisch versendete Rechtsauskunft ist es nicht.
• Datenlage. Liegen die nötigen Informationen strukturiert vor oder stecken sie in Köpfen und Dateiablagen?
• Messbarkeit. Lässt sich vorher festlegen, woran der Erfolg erkennbar wäre?

Wer diese vier Fragen beantwortet, sortiert die meisten Ideen von selbst aus, und behält diejenige übrig, mit der sich ohne großes Risiko anfangen lässt.

Datenschutz ist eine Gestaltungsfrage, kein Ausschlusskriterium

Der häufigste Einwand lautet, man dürfe wegen der Datenschutz-Grundverordnung ohnehin nichts. Das ist in dieser Pauschalität falsch. Entscheidend sind drei Punkte: Welche Daten verlassen das Unternehmen, wo werden sie verarbeitet, und ist das vertraglich geregelt? Für viele Anwendungsfälle lässt sich die Frage entschärfen, indem personenbezogene Daten gar nicht erst Teil der Verarbeitung werden, oder indem Modelle in europäischen Rechenzentren beziehungsweise im eigenen Netz betrieben werden.

Wichtig ist, diese Klärung an den Anfang zu stellen und nicht an das Ende eines Pilotprojekts. Nichts bremst ein Vorhaben so zuverlässig wie eine Datenschutzfrage, die erst kurz vor dem Produktivstart gestellt wird.

Die Mitarbeiter entscheiden über den Erfolg

Ein Werkzeug, dem die Belegschaft misstraut, wird nicht genutzt, und ein nicht genutztes Werkzeug hat keinen Nutzen. Deshalb gehört zu jedem Einstieg eine offene Aussage darüber, was das System tun soll und was nicht. Wo es um Entlastung von Routine geht, sollte man das auch so benennen. Wo Sorgen um Arbeitsplätze bestehen, hilft keine Broschüre, sondern eine klare Ansage der Geschäftsführung.

Praktisch bewährt hat sich, zwei oder drei Mitarbeiter aus der betroffenen Abteilung von Anfang an einzubinden. Sie erkennen im Alltag binnen Tagen, ob ein Ergebnis brauchbar ist, eine Erkenntnis, für die eine externe Bewertung Wochen bräuchte.

Die NexTao GmbH aus Düsseldorf begleitet solche Vorhaben als KI-Beratung von der Standortbestimmung bis zum ersten produktiven Anwendungsfall. Der Ansatz ist bewusst werkzeugoffen: Erst wenn Aufgabe, Datenlage und Rahmenbedingungen geklärt sind, wird über konkrete Systeme gesprochen.

Woran sich der Nutzen tatsächlich messen lässt

Der häufigste Fehler bei der Bewertung ist die Frage nach der eingesparten Zeit. Sie klingt naheliegend, ist aber schwer zu erheben und lädt zu geschönten Angaben ein. Belastbarer sind Kennzahlen, die ohnehin erfasst werden: Durchlaufzeit vom Eingang einer Anfrage bis zum Angebot, Anzahl der Rückfragen je Vorgang, Fehlerquote bei der Stammdatenpflege, Bearbeitungsdauer im Support.

Entscheidend ist, diese Zahlen vor dem Start zu erheben. Ohne Ausgangswert lässt sich später jede Veränderung behaupten und keine belegen, und genau daran scheitern viele Pilotprojekte bei der Frage nach der Ausweitung.

Ein zweiter, oft unterschätzter Nutzen liegt in der Qualität statt in der Geschwindigkeit: Wenn ein Angebot vollständiger ist, weil ein System auf fehlende Positionen hinweist, ist das wirtschaftlich wertvoller als eine um zehn Minuten verkürzte Bearbeitung.

Was ein erster Schritt kosten darf

Ohne Zahlen zu nennen: Ein sinnvoller Pilot ist so bemessen, dass sein Scheitern das Unternehmen nicht belastet. Wenn ein Vorhaben nur dann vertretbar ist, wenn es gelingt, ist es zu groß geschnitten. Die Erfahrung aus Digitalisierungsprojekten gilt unverändert: klein anfangen, ehrlich auswerten, dann erweitern.