Kaum ein Thema hat die Wirtschaftspresse in den vergangenen Jahren so dominiert wie künstliche Intelligenz – und kaum eines produziert eine so große Lücke zwischen Rhetorik und Betriebsalltag. Während Konzerne eigene KI-Abteilungen aufbauen, stellt sich für die vier Millionen kleinen und mittleren Unternehmen in Deutschland eine nüchternere Frage: Was davon rechnet sich bei uns? Die Antwort fällt differenzierter aus, als es Enthusiasten wie Skeptiker vermuten.

Verbreitung: Was die Zahlen wirklich sagen

Nach der IKT-Erhebung des Statistischen Bundesamts nutzt inzwischen rund ein Fünftel der Unternehmen in Deutschland KI-Technologien – mit steilem Gefälle nach Größe: Bei Großunternehmen ist es etwa die Hälfte, bei kleinen Unternehmen deutlich weniger als jedes fünfte. KfW Research kommt für den Mittelstand zu ähnlichen Befunden und ergänzt einen wichtigen Punkt: Ein erheblicher Teil der Nutzung ist informell. Beschäftigte verwenden generative Werkzeuge wie Text- und Bildassistenten auf eigene Faust, ohne dass es eine Unternehmensrichtlinie oder gar eine Integration in Prozesse gäbe.

Die Verbreitungszahlen überzeichnen und unterzeichnen die Realität also zugleich: Formal eingeführt haben KI nur wenige Mittelständler – faktisch in Berührung mit ihr sind fast alle. Der Unterschied zwischen beidem ist genau die Strecke zwischen Pilotprojekt und Produktivbetrieb.

Zwei Kollegen betrachten skeptisch eine Chat-Oberfläche am Laptop im Büro.
Zwischen Pilotprojekt und Produktivbetrieb bleibt die generative KI im Alltag oft Vertrauenssache. Foto: RTB

Einsatzfelder: Wo KI im Betrieb heute Geld verdient

Jenseits der Schlagworte haben sich im Mittelstand einige Einsatzfelder herausgebildet, deren Nutzen belegbar ist:

  • Angebots- und Auftragsbearbeitung: KI-Systeme lesen Anfragen, Ausschreibungen und Bestellungen aus, gleichen sie mit Artikelstämmen ab und erstellen Angebotsentwürfe. Gerade im Großhandel und im Maschinenbau verkürzt das die Reaktionszeit von Tagen auf Stunden.
  • Kundenservice: Assistenten beantworten Standardanfragen und bereiten komplexe Fälle für Mitarbeiter vor – als Entlastung, nicht als Ersatz.
  • Qualitätskontrolle: Kamerabasierte Systeme erkennen Oberflächenfehler oder Montageabweichungen zuverlässiger als das ermüdende menschliche Auge; in der Fertigung eines der ältesten produktiven KI-Felder.
  • Dokumenten- und Rechnungsverarbeitung: Eingangsrechnungen, Lieferscheine und Verträge werden automatisch erfasst, geprüft und verbucht.
  • Marketing und Kommunikation: Produkttexte, Übersetzungen, Social-Media-Inhalte – der niedrigschwelligste Einstieg, aber selten der mit dem größten Hebel.
  • Instandhaltung: Predictive Maintenance meldet Verschleiß, bevor die Maschine steht – setzt allerdings Sensorik und saubere Betriebsdaten voraus.

Die Hürden: Daten, Datenschutz, Know-how

In den Befragungen von Bitkom, KfW und den Mittelstand-Digital-Zentren des Bundeswirtschaftsministeriums wiederholen sich drei Hindernisse. Erstens die Datenbasis: KI braucht strukturierte, zugängliche Daten – in vielen Betrieben liegen Informationen aber verstreut in Ordnern, E-Mail-Postfächern und Altsystemen. Wer die Digitalisierung der Grundprozesse übersprungen hat, kann sie mit KI nicht überholen; welche Zuschüsse dabei helfen, zeigt unser Überblick zu den Förderprogrammen für Digitalisierung 2026.

Zweitens die Rechtslage: Datenschutz bei personenbezogenen Daten, Geschäftsgeheimnisse in Cloud-Diensten, Urheberrechte an generierten Inhalten und die gestaffelten Pflichten des EU-AI-Acts erzeugen Unsicherheit – gerade in Betrieben ohne eigene Rechtsabteilung. Drittens das Know-how: Es fehlt weniger an Datenwissenschaftlern als an Mitarbeitern, die Fachprozesse und KI-Möglichkeiten zusammendenken können.

Die Kosten-Nutzen-Rechnung

Die gute Nachricht: Die Einstiegskosten sind gefallen. Generative KI ist als Abonnement für zweistellige Eurobeträge je Nutzer und Monat verfügbar; branchenspezifische Lösungen für Dokumentenverarbeitung oder Qualitätskontrolle kosten typischerweise vier- bis fünfstellige Beträge im Jahr. Teuer wird es an anderer Stelle: bei der Aufbereitung der eigenen Daten, der Integration in ERP- und CRM-Systeme – ein Kerngeschäft der deutschen Softwarebranche – und der Schulung der Belegschaft. In Projektberichten der Mittelstand-Digital-Zentren entfallen auf die eigentliche KI-Lizenz oft weniger als ein Drittel der Gesamtkosten.

Auf der Nutzenseite dominiert nicht der Personalabbau, sondern die Entlastung: Wenn eine Fachkraft zwei Stunden Routinearbeit pro Tag spart, entspricht das bei angespanntem Arbeitsmarkt einem Wert, der sich seriös beziffern lässt – und der angesichts des Fachkräftemangels oft der eigentliche Business Case ist. Realistisch sind Amortisationszeiten von ein bis drei Jahren für gut zugeschnittene Anwendungen; Projekte ohne klaren Prozessbezug amortisieren sich dagegen häufig nie.

Vom Pilotprojekt in den Produktivbetrieb: was sich bewährt

Aus den dokumentierten Praxisprojekten lassen sich wiederkehrende Erfolgsmuster ablesen: klein anfangen, aber mit einem Prozess, der wirklich weh tut; von Beginn an messen (Bearbeitungszeit, Fehlerquote, Durchlaufzeit); die betroffenen Mitarbeiter früh einbinden statt vor vollendete Tatsachen zu stellen; und eine klare Regel für den Umgang mit sensiblen Daten aufstellen, bevor die Belegschaft eigene Wege findet. Unternehmen, die so vorgehen, berichten deutlich häufiger von einem Übergang in den Produktivbetrieb als jene, die mit Leuchtturmprojekten starten.

Der Mittelstand muss dabei nicht Vorreiter sein – aber er sollte anschlussfähig bleiben. Denn die Wettbewerber, die Prozesse heute beschleunigen, setzen die Maßstäbe von morgen. Wie sich junge Anbieter auf genau diese Nachfrage spezialisieren, beschreibt unser Lagebild zum Gründungsstandort Deutschland.

Häufige Fragen

Wie viele mittelständische Unternehmen nutzen bereits KI?

Nach Daten des Statistischen Bundesamts nutzt rund ein Fünftel der Unternehmen KI, kleine Unternehmen deutlich seltener als große. Die informelle Nutzung generativer Werkzeuge durch einzelne Beschäftigte liegt in Befragungen erheblich höher.

Mit welchen Kosten muss ein KMU für den KI-Einstieg rechnen?

Generative Standardwerkzeuge kosten zweistellige Eurobeträge je Nutzer und Monat. Der größere Aufwand entsteht durch Datenaufbereitung, Systemintegration und Schulung – in Praxisprojekten macht die Softwarelizenz oft weniger als ein Drittel der Gesamtkosten aus.

Welche KI-Anwendung eignet sich für den Einstieg?

Bewährt haben sich klar abgegrenzte Prozesse mit hohem Routineanteil und messbarem Ergebnis, etwa die automatische Erfassung von Eingangsrechnungen oder die Vorqualifizierung von Kundenanfragen. Wichtig sind eine saubere Datenbasis und eine interne Richtlinie zum Umgang mit sensiblen Informationen.