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. Verlässlich funktioniert das dort, wo die Aufgabe klar begrenzt ist, die Daten sauber sind 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.

Wie kann man KI im Unternehmen nutzen? Konkrete Anwendungsfälle

Am besten gelingt die Übersetzung über Prozesse, 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 am Ende mehr Wert als in der Beschleunigung dessen, was ohnehin schon läuft.

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 Prozess 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 sollten Sie schlicht selbst bauen. Für kleine, interne und unkritische Werkzeuge sind KI-Coding-Tools inzwischen gut genug, dass ein technisch interessierter Mitarbeiter damit brauchbare Lösungen erstellt, und dafür braucht es keinen Dienstleister. Die Grenze verläuft dort, wo Software geschäftskritisch wird, also sobald mehrere Nutzer, sensible Daten oder Integrationen im Spiel sind und das Ergebnis über Jahre gepflegt werden muss.

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 sauber 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 verlässliche Schnittstellen, Berechtigungen und definierte Fehlerwege.

Deshalb prüfen wir 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 Individualsoftware sein. Welche Form passt, entscheidet der konkrete Anwendungsfall. Entscheidend ist nicht die Bezeichnung der Lösung, sondern ob sie den Ablauf im Alltag verlässlich verbessert.

Die Grenze gehört dazu. Agenten übernehmen begrenzte, wiederkehrende Aufgaben eigenständig, innerhalb ihrer Werkzeuge, Berechtigungen und Tests. Bei Recherche, Analysen und Entwicklung beschleunigt KI die Arbeit erheblich, aber die Einschätzung und die Entscheidung bleiben bei Menschen.

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 Prozess, 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 entsteht oft in wenigen Tagen und zeigt am echten Ablauf, 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.

Wenn Sie wissen möchten, wo KI in Ihrem Betrieb konkret ansetzen kann, sprechen wir über einen konkreten Ablauf. Wo Standard reicht oder KI (noch) nicht trägt, sagen wir das – und wo es sich lohnt, zeigen wir es an einem kleinen, prüfbaren ersten Schritt statt an Folien.