KI im Unternehmen einsetzen: was wirklich funktioniert

Was kann KI in einem Unternehmen konkret übernehmen? Vor allem wiederkehrende Arbeit, die aus Lesen, Vergleichen und Vorbereiten besteht. Eine Ausschreibung auswerten und einen Angebotsentwurf daraus bauen, einen Bericht aus vorhandenen Daten erstellen, einen Markt oder einen Lieferanten recherchieren. Das funktioniert dort, wo die Aufgabe klar begrenzt ist, die Daten stimmen und ein Mensch an den richtigen Stellen prüft.

Die meisten Inhaber, mit denen wir sprechen, zweifeln nicht am Potenzial. Ihre Frage ist konkreter, nämlich wo genau im eigenen Betrieb. Gerade in spezialisierten Unternehmen, im Maschinenbau etwa oder im Messebau, sehen die Abläufe anders aus als in den generischen Beispielen der üblichen Leitfäden, und daran scheitert die Übertragung meistens. Dieser Artikel übersetzt deshalb in die Praxis solcher Betriebe: welche Anwendungsfälle dort wirklich tragen, wo sich KI noch nicht lohnt und was sie braucht, um im Alltag zu bestehen.

Eine große Feldstudie zeigt zugleich Potenzial und Grenze solcher Beispiele. In Generative AI at Work untersuchten Erik Brynjolfsson, Danielle Li und Lindsey Raymond die Einführung eines Assistenten bei 5.172 Support-Mitarbeitern. Im Mittel stieg die Zahl gelöster Fälle pro Stunde um 15 %, doch weniger erfahrene Beschäftigte profitierten deutlich stärker als die erfahrensten. Das Ergebnis gilt für einen klar begrenzten, textlastigen Ablauf mit vielen brauchbaren Beispielen, und der Mittelwert verdeckt wichtige Unterschiede zwischen Aufgaben und Menschen. Auf andere Abläufe lässt es sich deshalb nicht einfach übertragen.

Wie kann man KI im Unternehmen nutzen? Konkrete Anwendungsfälle

Am besten gelingt die Übersetzung über Abläufe, die Sie sofort wiedererkennen. Vier Bereiche tauchen in spezialisierten Betrieben immer wieder auf.

• Angebots- und RFQ-Bearbeitung. Der Agent liest die Ausschreibung, gleicht sie mit Artikel- und Preisdaten ab, markiert was fehlt und legt einen Entwurf vor. Die Freigabe bleibt beim Vertrieb, aber niemand sucht die Grundlagen mehr von Hand zusammen.
• Berichte und Auswertungen, etwa ein geprüfter, wiederholbarer DATEV-Export statt der manuellen Tabellen-Aufbereitung im Monatsabschluss.
• Recherche über Märkte, Lieferanten und Interessenten, mit klaren Quellen und Kriterien, damit am Ende bewertete Ergebnisse stehen und nicht eine weitere Linkliste.
• Übergaben zwischen Systemen. Bestellungen und Auftragsbestätigungen abgleichen, Status nachhalten, Daten zwischen Shop und Buchhaltung übertragen, vorbereitet vom Agenten und freigegeben von Ihren Leuten.

Wie das in der Praxis aussieht, zeigt ein Projekt aus der CNC-Automation. Eine KI-gestützte Vertriebsrecherche liest dort Unternehmenswebsites, Maschinenpark-Seiten und Stellenanzeigen, bewertet die gefundenen Signale gegen eine vorher definierte Ideal-Customer-Logik und übersetzt sie in priorisierte Leads samt Gesprächsansatz (Zielgerichteter Vertrieb für kameragesteuerte CNC-Automation). Interessant war daran weniger die Zeitersparnis als die Reihenfolge. Der Vertrieb startet jetzt bei den technisch relevantesten Betrieben statt bei einer langen Liste gleich aussehender Firmen, und zu jedem steht dabei, warum er passt.

Die Vorhaben, die nie gestartet sind

Der zweite Blick lohnt sich auf die Arbeit, die bisher gar nicht stattfand. Die Vertriebskampagne für ein neues Kundensegment, die Marketingserie nach der Messe, die regelmäßige Analyse der eigenen Auftragsdaten. An der Idee scheiterten solche Vorhaben selten, sie scheiterten daran, dass neben dem Tagesgeschäft niemand die Zeit dafür hatte. Diese Rechnung verändert sich gerade. Was früher ein eigenes Projekt gewesen wäre, wird zu einem Ablauf, der nebenher läuft, und Ihre Leute prüfen das Ergebnis, statt es zu erarbeiten. Für viele Betriebe steckt hier vermutlich mehr Wert als in der Beschleunigung dessen, was ohnehin schon läuft; belegen können wir das bisher nur an einzelnen Projekten.

Wo sich KI im Unternehmen (noch) nicht lohnt

Die Gegenliste ist genauso wichtig. In diesen vier Fällen raten wir von einem KI-Projekt ab:

• Der Ablauf liegt nah am Standard. Buchhaltung, Lohnabrechnung und Kalender sind in guter Standardsoftware am besten aufgehoben, und was dort fehlt, ist meist Konfiguration und Disziplin statt eines neuen Werkzeugs.
• Der Ablauf selbst ist unklar. Dann beschleunigt KI nur das Durcheinander, und schneller falsch bleibt falsch.
• Die Aufgabe ist selten. Was zweimal im Jahr vorkommt, darf manuell bleiben, weil sich Aufbau und Pflege erst mit der Wiederholung rechnen.
• Die Datenlage trägt nicht. Ohne verlässliche Quelle frisst der Prüfaufwand den Gewinn wieder auf, und dann ist saubere Datenhaltung der erste Schritt.

Und manches können Sie selbst bauen. Bei einem kleinen Werkzeug, das intern bleibt und keine kritische Entscheidung beeinflusst, kann ein technisch interessierter Mitarbeiter mit einem KI-Coding-Tool sinnvoll beginnen. Unterstützung wird wichtiger, sobald die Software geschäftskritisch wird, mehrere Nutzer mit ihr arbeiten oder sensible Daten und Integrationen ins Spiel kommen. Dann muss das Ergebnis über Jahre gepflegt werden.

Dahinter steht eine einfache Rechnung. KI senkt die Kosten des Bauens und lässt die Kosten der Verantwortung unberührt. Betrieb, Pflege, Randfälle und Prüfung bleiben echte Arbeit, und sie entscheiden am Ende, ob sich ein Vorhaben trägt.

Diese zweite Zahl steht in keinem Angebot.

Was KI im Betrieb braucht, damit sie trägt

KI im Mittelstand scheitert selten am Sprachmodell. Entscheidend ist, ob Aufgabe, Daten, Zugriffe und menschliche Prüfung geklärt sind. Ein vorhandenes KI-Werkzeug kann das für eine klar begrenzte Aufgabe bereits mitbringen. Wo mehrere Programme, eigene Regeln oder sensible Daten zusammenkommen, braucht es zusätzlich dokumentierte Schnittstellen, Berechtigungen und definierte Fehlerwege. Welche Information eine KI für eine bestimmte Aufgabe überhaupt sehen muss, klärt das Kontextmanagement im Unternehmen.

Prüfen Sie zuerst, ob ein vorhandenes Werkzeug die Aufgabe zuverlässig löst. Wenn das nicht reicht, kann der nächste Schritt eine eingerichtete Arbeitsweise, eine Verbindung zwischen bestehenden Programmen, eine kleine Automatisierung, ein begrenzter KI-Agent oder eigene Software sein. Lässt sich die Regel für den Normalfall in drei Sätzen aufschreiben, ist eine feste Automatisierung billiger und leichter zu prüfen als ein Agent; ein Agent gehört dorthin, wo jeder Fall anders aussieht. Welche Form passt, entscheidet der konkrete Anwendungsfall. Entscheidend ist, ob die Lösung den Ablauf im Alltag besser macht; wie sie heißt, ist zweitrangig.

Die Grenze gehört dazu. Agenten übernehmen ganze Aufgaben eigenständig, in Schritten, innerhalb ihrer Werkzeuge, Berechtigungen und Tests. Verbindliches gibt ein Mensch frei; kleine, umkehrbare Schritte laufen automatisch mit Stichprobe.

Wie so eine Grundlage aussieht, zeigt XPO Inventory: eine Business-App für Messebau-Teams, in der Lagerbestand, Reservierungen und Projektstatus in einem gemeinsamen Datenmodell zusammenlaufen und jede Bewegung als Transaktion protokolliert wird. Auf einem solchen System kann Automatisierung sicher aufsetzen, weil jederzeit klar ist, welche Daten gelten und wer was darf.

KI einführen: der erste Schritt

KI einführen klingt nach einem Programm mit Workshops und Roadmap. Der bessere Einstieg ist deutlich kleiner: ein Ablauf, ein Prototyp, ein prüfbares Ergebnis. Wählen Sie dafür einen Ablauf, der regelmäßig Zeit kostet und klare Regeln hat, etwa die Angebotsvorbereitung oder den Monatsbericht.

Für kleinere Unternehmen ist das der realistische Weg. Ein schmaler Prototyp am echten Vorgang, den Ihr Team sofort ausprobiert, zeigt, ob der Fall trägt, bevor Sie größer investieren. Danach wissen Sie nicht nur, was KI kann, sondern was sie in Ihrem Betrieb kann, und das ist eine andere Frage. Genau dafür ist ein Erstgespräch da: einen Ablauf durchgehen und ehrlich einordnen, welche Form er braucht.

Der erste Schritt sollte klein und prüfbar sein; wo Standard reicht oder KI noch nicht trägt, ist Aufhören die richtige Entscheidung. Welche Wege danach offenstehen, zeigen die KI-Leistungen im Überblick. Mit der Angebotsvorbereitung oder dem Monatsbericht als Beispiel sprechen wir über den konkreten Ablauf.