Strategie · · 8 Min. Lesezeit
KI-Strategie für KMU: wo man anfängt, ohne das Budget zu verbrennen
KMU haben kein Problem damit zu wissen, ob sie KI nutzen sollen. Das Problem ist herauszufinden, wo man anfängt, ohne sechs Monate mit Experimenten zu verschwenden, die nirgendwohin führen.
Ein Unternehmer mit 60 Mitarbeitenden rief mich im Juli an. Er hatte in sechs Monaten bereits 35.000 € ausgegeben – für Abonnements von KI-Tools, einen generischen Online-Kurs und einen Berater für „KI-Transformation“, der eine 40-seitige Strategie erstellt hatte. Das konkrete Ergebnis: Drei Personen im Team nutzten ChatGPT, um E-Mails schneller zu schreiben. Alle anderen arbeiteten genau wie zuvor.
Das ist kein Einzelfall. Es ist das häufigste Muster, das ich in italienischen KMU mit 20 bis 200 Mitarbeitenden sehe: Bewusstsein für die Chance, Angst vor der Konkurrenz, überstürzte Investition, enttäuschende Ergebnisse, Zynismus. Das Problem ist nicht die KI. Das Problem ist die Reihenfolge der Schritte.
Der systematische Fehler: ein Tool kaufen, bevor ein Problem definiert ist
KMU, die bei der Einführung von KI scheitern, folgen fast immer demselben Drehbuch. Jemand in der Geschäftsführung liest einen McKinsey-Artikel oder hört etwas auf einer Konferenz. Ein Meeting wird einberufen. Es wird beschlossen, „KI zu machen“. Die IT wird gebeten, Tools zu evaluieren, oder ein Berater wird hinzugezogen, um eine Roadmap vorzuschlagen. Innerhalb weniger Wochen werden Lizenzen gekauft, ein Schulungstag organisiert und Ergebnisse erwartet.
Das Problem ist, dass niemand eine grundlegende Frage beantwortet hat: Welchen konkreten Prozess wollen wir verbessern, um wie viel, und welche Kennzahl sagt uns, ob wir erfolgreich waren?
Ohne eine Antwort auf diese Frage ist jedes Tool gleichermaßen falsch. Mit einer Antwort wird die Wahl des Tools fast offensichtlich – und kostet oft weit weniger als ursprünglich gedacht.
Niemand hat die grundlegende Frage beantwortet: Welchen Prozess wollen wir verbessern, um wie viel, und welche Kennzahl sagt uns, ob wir erfolgreich waren?
Drei Fragen vor jeder Investition
Bevor Sie ein Abonnement abschließen oder einen Berater beauftragen, müssen diese drei Fragen konkrete Antworten haben – keine generischen, keine wunschgetriebenen.
Welcher Prozess kostet Ihr Team die meiste Zeit? Nicht „Wo könnte KI helfen?“, sondern wo die Zeit der Menschen in repetitive Aufgaben mit geringem Wert fließt. Die Antwort kommt aus Gesprächen mit den Teams, nicht mit dem Management. Operations-Verantwortliche wissen, wo die Engpässe liegen. Vertriebsmitarbeitende wissen, wie viele Stunden in das Ausfüllen von Berichten fließen, die niemand liest. Der Kundenservice weiß, welche Fragen jeden Tag eintreffen, identisch mit den vorherigen.
Wo leidet die Qualität unter menschlicher Ermüdung? Prozesse, in denen die Fehlerquote gegen Ende des Tages steigt, in denen die Qualität davon abhängt, wer ausführt, statt vom Prozess selbst, in denen die Variabilität hoch ist – das sind die besten Kandidaten für KI-Unterstützung, weil der Nutzen unmittelbar und messbar ist.
Welche Daten haben Sie bereits, die Sie nicht nutzen? Die meisten KMU haben mehr Daten, als ihnen bewusst ist: Kunden-E-Mails, Support-Tickets, Verträge, Feedback nach dem Kauf, Produktionsdaten. Oft sind diese Daten nicht mangels KI-Tools unzugänglich, sondern mangels Struktur und Sauberkeit. Ein KI-Assistent, der mit schlechten Daten gefüttert wird, liefert schlechte Ergebnisse. Die Frage nach den Daten kommt vor der Frage nach den Tools.
Die vier häufigsten Fehler – und wie man sie vermeidet
Fehler 1: Mit dem Tool beginnen, nicht mit dem Problem. Das unvermeidliche Ergebnis ist, dass das Tool für die Anwendungsfälle genutzt wird, die es selbst in seinen Demos bewirbt, nicht für die echten Probleme des Unternehmens. ChatGPT Enterprise wird genutzt, um E-Mails zu schreiben. Copilot wird genutzt, um Sätze in Word-Dokumenten zu vervollständigen. Daran ist nichts falsch – aber es rechtfertigt die Investition nicht und bewirkt keine Transformation.
Fehler 2: Es als IT-Projekt statt als operatives Projekt behandeln. Die Einführung von KI ist kein Software-Update – sie ist eine Veränderung der Arbeitsweise der Menschen. Wird das Projekt an die IT delegiert, ohne den operativen Bereich einzubeziehen, entstehen technisch korrekte und praktisch ungenutzte Lösungen. Das Team, das den Prozess verantwortet, muss Mitgestalter der Lösung sein, nicht passiver Empfänger.
Fehler 3: Die Dateninfrastruktur überspringen. Generative KI-Modelle können mit begrenzten Daten viel leisten. Aber die wertvollsten Anwendungsfälle für ein KMU – Kunden mit dem richtigen Ton und den richtigen Informationen antworten, Verträge mit branchenspezifischer Terminologie analysieren, Feedback nach unternehmenseigenen Kriterien kategorisieren – setzen voraus, dass die relevanten Daten zugänglich, strukturiert und aktuell sind. In KI zu investieren, bevor die Daten in Ordnung sind, heißt auf Sand zu bauen.
Fehler 4: ROI in drei Monaten erwarten. Bei einfachen, klar definierten Prozessen können Ergebnisse innerhalb weniger Wochen sichtbar werden. Bei komplexen Prozessen, die Integration in bestehende Systeme, Teamschulung und Anpassung der Arbeitsabläufe erfordern, liegt ein realistischer Break-even zwischen sechs Monaten und einem Jahr. Unternehmen, die das Projekt nach drei Monaten mangels Ergebnissen aufgeben, tun dies oft genau dann, wenn sich die bereits geleistete Arbeit auszuzahlen beginnt.
Der minimal tragfähige Weg für ein KMU mit 20 bis 200 Personen
Das ist kein universelles Framework – jedes Unternehmen ist anders. Aber es ist der Ausgangspunkt, den ich am häufigsten verwende, angepasst an den jeweiligen Kontext.
Schritt 1 – Audit der repetitiven Prozesse (2–3 Wochen). Strukturierte Interviews mit 8–10 Personen in unterschiedlichen Rollen. Ziel ist es, Prozesse mit hohem Volumen und geringer Variabilität zu erfassen: wie viele Stunden pro Woche, was ein Fehler kostet, wie viel von implizitem Kontext („wissen, wie wir hier die Dinge machen“) im Vergleich zu expliziten Regeln abhängt. Das Ergebnis ist eine Liste von 5–8 Kandidatenprozessen, geordnet nach potenzieller Wirkung und Umsetzbarkeit.
Schritt 2 – Pilot am schmerzhaftesten Prozess (6–10 Wochen). Nehmen Sie den Prozess an der Spitze der Liste und bauen Sie eine Minimallösung: nicht das endgültige System, sondern eine, mit der Sie messen können, ob der Ansatz funktioniert. Eine klare Hypothese („Wenn wir die Kategorisierung der Tickets automatisieren, sinkt die durchschnittliche Antwortzeit um 30 %“), eine definierte Erfolgskennzahl, eine wöchentliche Feedbackschleife. Funktioniert der Pilot, haben Sie die internen Belege, um eine Skalierung zu rechtfertigen. Funktioniert er nicht, verstehen Sie warum, bevor Sie ein erhebliches Budget binden.
Schritt 3 – Interne Kompetenz aufbauen, bevor Sie skalieren. Der Pilot darf keine Abhängigkeit von einem externen Berater schaffen. Er muss Kompetenz auf 2–3 interne Personen übertragen, die verstehen, wie das System funktioniert, wie man es aktualisiert, wenn sich der Prozess ändert, und wie man eingreift, wenn es falsche Ergebnisse liefert. Ohne diesen Schritt muss man für jedes Update wieder nach außen gehen, und die Gesamtkosten wachsen unbegrenzt.
Was es tatsächlich kostet – realistische Zahlen
Die Kosten variieren je nach Anwendungsfall erheblich, aber hier sind die Größenordnungen, die widerspiegeln, was ich in meinen Projekten sehe.
Beratung zur Festlegung der Strategie und Durchführung des ersten Piloten: zwischen 5.000 € und 15.000 € für ein Engagement von 8–12 Wochen. Lizenzen für KI-Tools: zwischen 200 € und 2.000 € pro Monat, je nach Tools und Anzahl der Nutzer. Die Zeit des internen Teams, die versteckte und am meisten unterschätzte Kostenposition: Rechnen Sie mit 4–8 Stunden pro Woche für die am Piloten beteiligten Personen, mindestens drei Monate lang. Bei durchschnittlichen Stundenkosten von 30–50 € sind das 4.000–10.000 € Opportunitätskosten, die selten in Projektbudgets auftauchen.
Der Break-even im Vergleich zu den aktuellen Kosten hängt vom Prozess ab. Bei der automatischen Kategorisierung von Support-Tickets in einem 10-köpfigen Support-Team liegt der typische Break-even zwischen 4 und 6 Monaten. Bei der Erstellung von Standard-Vertragsentwürfen in einer Anwaltskanzlei sogar darunter. Bei Prozessen, die eine Integration in ERP- oder Legacy-Systeme erfordern, verlängert sich der Zeitrahmen und die Kosten steigen.
Die versteckte und am meisten unterschätzte Kostenposition ist nicht die Software. Es ist die Zeit des internen Teams: 4–8 Stunden pro Woche über drei Monate, die in keinem Projektbudget auftauchen.
Ein abschließendes Wort zur Geduld
Der Druck, „KI zu machen“, ist real und wächst. Wettbewerber experimentieren. Kunden schrauben ihre Erwartungen hoch. Anbieter versprechen Ergebnisse in Wochen. In diesem Kontext ist das Unkonventionellste, was ich empfehlen kann, zugleich das Wirksamste: am Anfang langsamer werden, um danach schneller voranzukommen.
Ein Unternehmen, das sechs Wochen darauf verwendet, das Problem gründlich zu verstehen, bevor es ein Tool wählt, wird in vier Monaten konkrete Ergebnisse erzielen. Ein Unternehmen, das sofort mit dem Tool beginnt, wird ein Jahr damit verbringen zu rechtfertigen, warum es noch keinen messbaren ROI erzielt hat.