KI im Mittelstand einführen: Die Mitarbeiter sind nicht das Hindernis, sondern der Schlüssel
Erfolgreiche KI-Projekte beginnen nicht mit einem Tool. sondern mit dem Wissen der Menschen, die betriebliche Prozesse täglich ausführen, Ausnahmen erkennen, Ergebnisse beurteilen und Verantwortung übernehmen.
Unternehmen benötigen dieses Erfahrungswissen, um KI-Assistenten, KI-Agenten oder körperlich handelnde Systeme sinnvoll einzusetzen. Gleichzeitig können Beschäftigte befürchten, mit ihrem Wissen ausgerechnet jene Technologie zu trainieren, die ihre eigene Tätigkeit später verändern oder ersetzen soll. Und dieses Spannungsfeld entscheidet mitunter darüber, ob aus einzelnen KI-Werkzeugen eine tragfähige betriebliche Entwicklung wird. ( Weiterlesen: Wie KMU KI mit Kompetenz, Vertrauen und klaren Regeln einführen )
➨ Unsere Einordnung: KI-Einführung beginnt mit Menschen und Prozessen
Künstliche Intelligenz kann Inhalte strukturieren, Muster erkennen, Wissen verfügbar machen und Handlungsschritte vorbereiten. Sie kennt jedoch weder die ungeschriebenen Regeln eines Unternehmens noch die fachlichen Ausnahmen eines Prozesses, solange Menschen dieses Wissen nicht zugänglich und überprüfbar machen.
Deshalb sind Mitarbeiter nicht nur Anwender neuer KI-Werkzeuge. Sie werden zu fachlichen Trainern, Prüfern und Aufsichtspersonen der Systeme. Ihre Kompetenz, ihr Vertrauen und ihre Beteiligung sind keine weichen Begleitfaktoren, sondern technische und organisatorische Voraussetzungen.
Der richtige Einstieg lautet daher nicht: „Welches KI-Tool sollten wir kaufen?“ Sondern: „Welches betriebliche Problem möchten wir gemeinsam, sicher und messbar verbessern?“
Was der Tesla-Bericht über KI-Einführung sichtbar macht
Im Juli 2026 berichtete das Handelsblatt, dass Beschäftigte im Tesla-Werk Grünheide während ihrer Arbeit Kameras tragen sollen. Die dabei entstehenden Aufnahmen sollen helfen, den humanoiden Roboter Optimus für Tätigkeiten in der Produktion zu trainieren.
Die Meldung klingt zunächst wie eine weitere Nachricht aus dem internationalen Wettlauf um humanoide Robotik. Tatsächlich macht sie jedoch eine wesentlich grundlegendere Abhängigkeit sichtbar:
Ein humanoider Roboter benötigt nicht nur Bilder einer Bewegung. Er benötigt Informationen über Reihenfolgen, Werkzeuge, Abstände, Qualitätsmerkmale und mögliche Ausnahmesituationen. Ein erfahrener Mitarbeiter weiß beispielsweise, wann ein Bauteil nicht richtig sitzt, wann eine Bewegung angepasst werden muss oder welches Geräusch auf eine Abweichung hinweist. Vieles davon ist im Unternehmen nicht vollständig dokumentiert.
Dieses Wissen liegt bei den Menschen, die den Prozess täglich ausführen. Sie stellen der Technologie deshalb nicht nur Arbeitsbewegungen, sondern betriebliches Erfahrungswissen zur Verfügung. Und daraus entsteht ein Spannungsfeld: Das Unternehmen benötigt die aktive Mitwirkung seiner Mitarbeiter, um KI sinnvoll zu trainieren. Gleichzeitig können diese befürchten, damit Systeme aufzubauen, die ihre eigene Tätigkeit später verändern oder teilweise übernehmen.
Wer diesen Widerspruch ignoriert, riskiert nicht nur Widerstand. Er gefährdet die Qualität und den Erfolg des gesamten KI-Projekts.
Prozesswissen entsteht nicht im KI-Modell
Betriebliche Prozesse sehen in einer Verfahrensbeschreibung häufig klar und geradlinig aus. In der Realität bestehen sie zusätzlich aus Erfahrungen, Rückfragen, Sonderfällen und fachlichen Bewertungen.
Dazu gehören beispielsweise:
➨ Nicht dokumentierte Abweichungen
Erfahrene Mitarbeiter erkennen, wann ein Prozess vom vorgesehenen Standardweg abweicht und welche Anpassung in dieser Situation sinnvoll ist.
➨ Fachliche Qualitätsmerkmale
Ob ein Ergebnis wirklich brauchbar ist, lässt sich nicht immer anhand eines einfachen Zahlenwerts beurteilen. Häufig braucht es Erfahrung, um kleine Unstimmigkeiten oder fehlende Zusammenhänge zu erkennen.
➨ Informelle Abstimmungen
Viele Prozesse funktionieren, weil bestimmte Personen wissen, wen sie bei einer Ausnahme fragen müssen oder welche Information aus einer anderen Abteilung benötigt wird.
➨ Wissen über verlässliche Quellen
Nicht jedes Dokument, jede Tabelle oder jede Information besitzt im Unternehmen dieselbe Verbindlichkeit. Fachkundige Mitarbeiter wissen, welche Quelle aktuell ist und welche Angabe zusätzlich geprüft werden muss.
Dieses implizite Wissen ist ein wichtiger Bestandteil der täglichen Arbeit. Es befindet sich aber weder vollständig im ERP-System noch im Organisationshandbuch oder in einer zentralen Wissensdatenbank.
Das gilt für körperliche Tätigkeiten ebenso wie für Büro- und Wissensarbeit.
Ein KI-Assistent kann nicht von selbst wissen, welche Kundenanfrage besonders sensibel ist. Ein KI-Agent kennt nicht automatisch die internen Freigabewege. Und ein Sprachmodell versteht ohne geeigneten Kontext nicht, welche Aussage fachlich korrekt, rechtlich zulässig oder im Unternehmen verbindlich ist. Die Technologie kann Muster erkennen, Inhalte strukturieren und Handlungsschritte vorbereiten. Das betriebliche Verständnis muss jedoch zunächst aus dem Unternehmen selbst kommen.
Mitarbeiter werden zu Trainern und Prüfern der KI
Bei humanoiden Robotern ist die Rolle des Menschen als Trainer besonders deutlich sichtbar. Bewegungen werden aufgezeichnet, demonstriert oder in Simulationen übertragen. Bei generativer KI geschieht im Kern etwas Vergleichbares, auch wenn es weniger auffällig wirkt.
Mitarbeiter:
➨ formulieren geeignete Aufgabenstellungen
Sie beschreiben den fachlichen Kontext, setzen Ziele und stellen der KI die notwendigen Informationen zur Verfügung.
➨ bewerten und korrigieren Ergebnisse
Sie erkennen unvollständige Aussagen, fachliche Fehler, Halluzinationen oder ungeeignete Formulierungen.
➨ stellen Wissen und Dokumente bereit
Sie entscheiden, welche Unterlagen relevant, aktuell und für den jeweiligen Nutzerkreis freigegeben sind.
➨ definieren Qualitätsmaßstäbe
Sie legen fest, wann ein Ergebnis ausreichend, überprüfungsbedürftig oder unbrauchbar ist.
➨ übernehmen die fachliche Aufsicht
Sie entscheiden, wann ein KI-Ergebnis verwendet werden darf und wann menschliche Prüfung oder Freigabe erforderlich bleibt.
Mitarbeiter sind deshalb nicht nur Nutzer der KI. Sie werden zu deren fachlichen Trainern, Prüfern und Aufsichtspersonen. Das zeigt sich besonders deutlich bei unternehmensinternen Wissenssystemen auf Basis von Retrieval-Augmented Generation, kurz RAG. Ein solches System wird nicht allein dadurch gut, dass ein leistungsfähiges Sprachmodell angeschlossen wird. Die Qualität hängt ebenso von den ausgewählten Dokumenten, deren Aktualität, der Rechtevergabe, der Aufbereitung der Inhalte und der fachlichen Bewertung der Antworten ab.
In unseren Praxisberichten erläutern wir, warum die Qualität eines KI-Assistenten immer aus Technik, Wissen und laufender Prüfung entsteht:
Praxisbericht: RAG-Assistent mit FastAPI und Qdrant
KI-Assistent trainieren: Antwortqualität in RAG-Systemen verbessern
Warum eine reine Ersetzungslogik KI-Projekte beschädigt
Unternehmen dürfen mögliche Automatisierungseffekte und Veränderungen von Tätigkeiten nicht verschweigen. Es wäre unglaubwürdig zu behaupten, KI werde Arbeitsabläufe und Berufsbilder überhaupt nicht verändern. Problematisch wird es jedoch, wenn die interne Kommunikation fast ausschließlich auf Kostensenkung, Effizienzsteigerung und Personalersatz hinausläuft.
Dann hören Mitarbeiter nicht:
Wir möchten gemeinsam bessere Werkzeuge entwickeln.
Sie hören:
Helft uns, Eure Arbeit so genau zu dokumentieren, dass wir Euch anschließend möglichst nicht mehr benötigen.
Unter solchen Voraussetzungen darf ein Unternehmen keine offene Wissensweitergabe erwarten. Menschen schützen ihr Erfahrungswissen, wenn sie davon ausgehen müssen, dass seine Weitergabe gegen sie verwendet wird. Sie beteiligen sich nur formal, vermeiden Verantwortung oder weichen auf eigene, unkontrollierte Lösungen aus. Erfolgreiche KI-Einführung benötigt deshalb eine glaubwürdige Antwort auf die Frage:
Welchen Platz haben die Menschen in der zukünftigen Arbeitsweise des Unternehmens?
Eine tragfähige Antwort sollte zeigen:
➨ Welche belastenden Tätigkeiten entfallen sollen
KI kann repetitive Such-, Sortier-, Dokumentations- und Vorbereitungsarbeit reduzieren.
➨ Wo Mitarbeiter bessere Informationen erhalten
Ein internes Wissenssystem kann relevante Unterlagen schneller verfügbar machen und fachkundige Mitarbeiter bei ihrer Arbeit unterstützen.
➨ Welche neuen Aufgaben entstehen
Ergebnisprüfung, Qualitätssteuerung, Wissenspflege und die sichere Weiterentwicklung der Systeme werden zu neuen betrieblichen Aufgaben.
➨ Wie Rollen weiterentwickelt werden
Mitarbeiter sollten nachvollziehen können, welche Fähigkeiten künftig wichtiger werden und welche Weiterentwicklung ihnen ermöglicht wird.
➨ Wie menschliche Kontrolle erhalten bleibt
Das Unternehmen muss klar festlegen, wann KI unterstützen darf und wann ein Mensch entscheiden oder freigeben muss.
Viele KI-Werkzeuge ergeben noch keine KI-Transformation
Eine internationale Befragung des KI-Anbieters WRITER und des Forschungsunternehmens Workplace Intelligence zeigt, wie groß die organisatorische Lücke zwischen KI-Nutzung und erfolgreicher Einführung sein kann.
Befragt wurden 1.200 Führungskräfte und 1.200 Beschäftigte aus mehreren westlichen Ländern, darunter Deutschland. Die teilnehmenden Mitarbeiter nutzten bereits generative KI bei der Arbeit. Die Führungskräfte arbeiteten in Unternehmen, welche die Nutzung entsprechender Werkzeuge erlauben.
Nach den veröffentlichten Ergebnissen:
➨ berichteten 79 Prozent von Schwierigkeiten bei der KI-Einführung
Der Einsatz einzelner Werkzeuge bedeutet noch nicht, dass Prozesse, Rollen und Verantwortlichkeiten im Unternehmen geklärt sind.
➨ bezeichneten 75 Prozent ihre KI-Strategie als eher repräsentativ
Eine Strategie kann gut klingen, ohne im Arbeitsalltag konkrete Orientierung zu geben.
➨ sahen nur 29 Prozent bereits einen erheblichen Ertrag
Individuelle Zeitersparnis einzelner Mitarbeiter wird nicht automatisch zu einem messbaren betrieblichen Nutzen.
➨ erklärten 54 Prozent, KI reiße ihre Organisation auseinander
Unterschiedliche Werkzeuge, unklare Erwartungen und fehlende Zuständigkeiten können neue organisatorische Spannungen erzeugen.
Diese Zahlen sollten nicht unkritisch auf alle deutschen Unternehmen übertragen werden. WRITER ist selbst Anbieter einer Enterprise-KI-Plattform. Zudem untersucht die Befragung größere Unternehmen, in denen KI bereits eingesetzt wird, und nicht den gesamten deutschen Mittelstand. Als Warnsignal sind die Ergebnisse dennoch relevant:
Mitarbeiter können mit ChatGPT, Copilot oder anderen Systemen individuell Zeit sparen, während das Unternehmen als Ganzes keinen messbaren Fortschritt erzielt.
Dann entstehen viele kleine Produktivitätsinseln: Einzelne Mitarbeiter entwickeln eigene Arbeitsweisen. Abteilungen beschaffen unterschiedliche Werkzeuge. Ergebnisse werden nach verschiedenen Maßstäben geprüft. Erfahrungen werden nicht systematisch geteilt. Und das Unternehmen weiß häufig nicht, welche KI-Anwendungen tatsächlich eingesetzt werden.
Aus individueller Produktivität entsteht noch keine betriebliche Struktur.
Shadow AI ist häufig ein Symptom fehlender Orientierung
In der WRITER-Befragung vermuteten 67 Prozent der befragten Führungskräfte, ihr Unternehmen habe bereits einen Datenabfluss oder Sicherheitsvorfall durch nicht freigegebene KI-Werkzeuge erlebt. Diese Zahl beschreibt Einschätzungen der Befragten und nicht ausschließlich forensisch bestätigte Vorfälle. Sie zeigt dennoch, wie stark das Thema in den Unternehmen angekommen ist.
Die übliche Reaktion besteht häufig darin, bestimmte KI-Dienste zu verbieten.
Ein Verbot kann notwendig sein, wenn ein Werkzeug datenschutzrechtlich, vertraglich oder sicherheitstechnisch nicht verantwortbar ist.
Verbote allein lösen das Grundproblem jedoch selten.
Mitarbeiter verwenden öffentliche KI-Systeme meist nicht, weil sie dem Unternehmen schaden möchten. Sie verwenden sie, weil die Werkzeuge schnell zugänglich sind und ein konkretes Problem lösen:
➨ einen Text strukturieren oder verbessern
➨ eine lange Unterlage zusammenfassen
➨ Daten oder Tabellen auswerten
➨ eine Präsentation vorbereiten
➨ einen technischen Zusammenhang erklären
➨ bei einer wiederkehrenden Aufgabe Zeit sparen
Bietet das Unternehmen keine sichere und brauchbare Alternative, entsteht ein informeller KI-Einsatz.
Shadow AI ist daher häufig nicht nur individuelles Fehlverhalten. Sie ist ein Hinweis darauf, dass Bedarf, Richtlinien und bereitgestellte Werkzeuge nicht zusammenpassen.
Der deutsche Mittelstand steht noch am Anfang
Die KfW kommt für den deutschen Mittelstand zu einem differenzierten Bild. Nach ihrer im Februar 2026 veröffentlichten Untersuchung setzen rund 20 Prozent der mittelständischen Unternehmen künstliche Intelligenz ein. Der Anteil hat sich innerhalb von sechs Jahren verfünffacht. Besonders häufig nutzen KI solche Unternehmen, die Forschung und Entwicklung betreiben oder bereits über eine Digitalisierungsstrategie verfügen. Die KfW nennt als wichtige Voraussetzungen einen hohen digitalen Reifegrad, geeignete Daten, technische Infrastruktur und das notwendige Know-how.
Ein Unternehmen, dessen Dokumente unstrukturiert verteilt sind, dessen Zuständigkeiten unklar bleiben und dessen Prozesse nur informell funktionieren, wird durch KI nicht automatisch geordnet. Wer KI nachhaltig einführen möchte, benötigt deshalb nicht zuerst das spektakulärste Modell oder den autonomsten Agenten.
Benötigt werden:
➨ ein konkretes betriebliches Problem
➨ verfügbare und geeignete Daten
➨ geklärte Verantwortlichkeiten
➨ ein realistisches Qualitätsziel
➨ sichere technische Rahmenbedingungen
➨ Menschen, die Ergebnisse fachlich beurteilen können
KI-Kompetenz ist Voraussetzung und rechtliche Aufgabe
Die Vermittlung von KI-Kompetenz ist nicht nur eine Empfehlung für besseres Change-Management. Artikel 4 des EU AI Act verpflichtet Anbieter und Betreiber von KI-Systemen, Maßnahmen für ein ausreichendes Maß an KI-Kompetenz der beteiligten Personen zu treffen. Dabei sollen unter anderem berücksichtigt werden:
➨ technisches Vorwissen
➨ Erfahrung, Ausbildung und Schulung
➨ der konkrete Einsatzkontext
➨ die Risiken des jeweiligen Systems
➨ die vom Einsatz betroffenen Personen
Die Europäische Kommission stellt ausdrücklich klar, dass dies auch Unternehmen betreffen kann, deren Mitarbeiter beispielsweise ChatGPT für Werbetexte oder Übersetzungen einsetzen. Eine bloße Bedienungsanleitung kann je nach Anwendung nicht ausreichen. Die Maßnahmen sollen sich am jeweiligen System, seinem Risiko und den Aufgaben der Beschäftigten orientieren.
KI-Kompetenz bedeutet dabei nicht, dass jeder Mitarbeiter zum KI-Entwickler werden muss.
Sie bedeutet, dass Menschen die Systeme, mit denen sie arbeiten, ausreichend verstehen:
➨ Was kann das System zuverlässig leisten?
➨ Wo liegen seine Grenzen?
➨ Welche Daten dürfen eingegeben werden?
➨ Wie müssen Ergebnisse geprüft werden?
➨ Welche Fehler können entstehen?
➨ Wann darf eine Ausgabe nicht übernommen werden?
➨ Wer trägt die Verantwortung für das Ergebnis?
➨ Wann ist eine menschliche Freigabe erforderlich?
Je nach Rolle fallen die Antworten unterschiedlich aus.
Eine Mitarbeiterin im Marketing benötigt andere Kenntnisse als ein Administrator, eine Führungskraft, ein Datenschutzbeauftragter oder ein Beschäftigter, der ein KI-System in einem besonders sensiblen Prozess verwendet. Eine einmalige allgemeine Präsentation für die gesamte Belegschaft wird diesem Anspruch selten gerecht.
Mehr zu unserem Ansatz finden Sie auf der Seite KI-Kompetenz: KI verstehen, sicher nutzen und verantwortlich gestalten .
Sechs Schritte für eine strukturierte KI-Einführung im Mittelstand
Eine erfolgreiche KI-Einführung muss nicht mit einem mehrjährigen Transformationsprogramm beginnen.
Sie sollte aber einer nachvollziehbaren Reihenfolge folgen.
➨ 1. Bestehende KI-Nutzung sichtbar machen
Bevor neue Werkzeuge beschafft werden, sollte das Unternehmen wissen, welche Systeme bereits verwendet werden.
Dazu gehören nicht nur offiziell bereitgestellte Anwendungen. Relevant sind auch Browserdienste, private Benutzerkonten, KI-Funktionen bestehender Software und automatisierte Erweiterungen.
Die Bestandsaufnahme sollte nicht als Suche nach Schuldigen verstanden werden. Sie soll klären:
Welche Aufgaben werden bereits mit KI bearbeitet?
Welche Werkzeuge kommen zum Einsatz?
Welche Daten werden verwendet?
Wo entsteht erkennbarer Nutzen?
Wo bestehen Sicherheits- oder Datenschutzrisiken?
Welche betrieblichen Bedürfnisse wurden bisher nicht beantwortet?
➨ 2. KI-Kompetenz rollenbezogen aufbauen
Alle Beteiligten benötigen eine gemeinsame Grundlage: Funktionsweise und Grenzen generativer KI, mögliche Halluzinationen, Umgang mit vertraulichen und personenbezogenen Daten, notwendige Ergebnisprüfung, freigegebene Werkzeuge, interne Ansprechpartner und Meldewege.
Darauf sollten rollenbezogene Inhalte aufbauen.
Führungskräfte müssen Geschäftsrisiken, Verantwortlichkeit und strategische Auswirkungen verstehen. Fachabteilungen benötigen sichere Anwendungsmuster. Administratoren und Integratoren müssen Berechtigungen, Schnittstellen, Protokollierung und technische Schutzmaßnahmen beherrschen.
Ziel ist nicht abstraktes KI-Wissen. Ziel ist sichere Handlungsfähigkeit im jeweiligen Arbeitskontext.
➨ 3. Mit einem konkreten Problem beginnen
Ein KI-Projekt sollte nicht mit der Frage starten: „Welches Tool könnten wir einführen?“
Die bessere Frage lautet: „Welches betriebliche Problem möchten wir lösen?“
Geeignete erste Anwendungsfälle sind klar begrenzt und messbar.
Beispiele sind:
Informationen in einem internen Dokumentenbestand schneller finden,
wiederkehrende Kundenanfragen vorbereiten,
technische Dokumentationen strukturieren,
Einarbeitungswissen verfügbar machen,
Protokolle oder Berichte vorstrukturieren,
oder Qualitätsprüfungen unterstützen.
Für den ausgewählten Prozess müssen Nutzen und Grenzen vorab definiert werden:
Wie viel Zeit soll eingespart werden?
Welche Ergebnisqualität ist erforderlich?
Welche Fehler wären tolerierbar?
Wann muss ein Mensch prüfen?
Welche Daten dürfen verwendet werden?
Erst danach wird die passende Technologie ausgewählt.
➨ 4. Die Wissensträger einbeziehen
Ein Prozess sollte nicht allein aus Sicht der Geschäftsführung, der IT oder eines externen Anbieters beschrieben werden.
Die Menschen, die ihn täglich ausführen, kennen typische Sonderfälle, unzuverlässige Datenquellen, informelle Abhängigkeiten, notwendige Rückfragen und fachliche Qualitätsmerkmale.
Ihre Beteiligung ist deshalb keine freundliche Ergänzung. Sie ist eine technische Voraussetzung für ein belastbares System.
Gleichzeitig muss transparent sein, welchem Zweck die Erfassung ihres Wissens dient und welche Auswirkungen das Projekt auf ihre Tätigkeit haben kann.
Vertrauen entsteht nicht durch die Ankündigung, man werde alle „mitnehmen“.
Es entsteht durch nachvollziehbare Ziele, echte Beteiligung und verlässliche Aussagen über die zukünftige Arbeitsweise.
➨ 5. Einen sicheren Handlungsraum schaffen
Ein brauchbarer KI-Rahmen besteht nicht nur aus Verboten.
Er beschreibt:
welche Systeme freigegeben sind,
welche Daten verarbeitet werden dürfen,
welche Rollen Zugriff erhalten,
wie vertrauliche Informationen geschützt werden,
ob Eingaben beim Anbieter gespeichert oder zum Training verwendet werden,
welche Ergebnisse überprüft werden müssen,
wann eine menschliche Freigabe notwendig ist,
wie Nutzung und Änderungen dokumentiert werden,
und was bei einem Fehler oder Sicherheitsvorfall geschieht.
Bei internen Wissenssystemen kommen Dokumentklassifizierung, Rechte auf Dokument- oder Abschnittsebene, Mandantentrennung und nachvollziehbare Quellenangaben hinzu.
Je näher ein KI-System an Entscheidungen oder selbstständige Handlungen heranrückt, desto wichtiger werden wirksame Kontroll- und Abbruchmöglichkeiten.
➨ 6. Mit einem überprüfbaren Piloten lernen
Ein guter Pilot ist klein genug, um beherrschbar zu bleiben, aber relevant genug, um einen echten betrieblichen Nutzen zu zeigen.
Vor Beginn sollten Bewertungskriterien feststehen:
Qualität der Ergebnisse,
Fehlerquote,
Zeitersparnis,
Zahl vermiedener Rückfragen,
Akzeptanz der Nutzer,
Einhaltung der Datenregeln,
Nachvollziehbarkeit der Antworten,
und Aufwand für Prüfung und Korrektur.
Nach dem Pilot folgt keine automatische Ausweitung.
Zunächst wird geprüft:
Hat das System das Problem tatsächlich gelöst?
Welche Fehler sind aufgetreten?
Welche Daten oder Prozessbeschreibungen fehlen?
Haben sich neue Risiken gezeigt?
Welche Schulungen oder Regeln müssen angepasst werden?
Ist der Nutzen größer als der dauerhafte Betriebsaufwand?
Erst dann sollte skaliert werden.
Warum Zeitersparnis allein nicht genügt
Viele KI-Projekte werden fast ausschließlich mit eingesparten Arbeitsstunden begründet. Das greift zu kurz. Ein KI-System kann auch dann wertvoll sein, wenn es:
➨ Wissen gleichmäßiger verfügbar macht
➨ Fehler reduziert
➨ neue Mitarbeiter schneller einarbeitet
➨ Rückfragen vermeidet
➨ Entscheidungen besser dokumentiert
➨ Reaktionszeiten gegenüber Kunden verkürzt
➨ Fachkräfte von Such- und Routinearbeit entlastet
Umgekehrt ist eine schnelle Ausgabe wertlos, wenn sie regelmäßig geprüft und umfassend korrigiert werden muss.
Erfolg sollte deshalb nicht nur über Geschwindigkeit gemessen werden, sondern auch über Qualität, Prozesssicherheit, Akzeptanz, Nachvollziehbarkeit und vermiedene Risiken. Eine KI-Strategie ist nicht deshalb gut, weil sie Begriffe wie Agenten, Automatisierung oder Transformation enthält. Sie muss im Arbeitsalltag Orientierung geben. Ein Mitarbeiter sollte daraus ableiten können: welches Werkzeug er verwenden darf, wofür es geeignet ist, welche Informationen er nicht eingeben darf, wie er Ergebnisse prüft und an wen er sich bei Unsicherheit wenden kann. Eine Führungskraft muss erkennen können: welches Problem gelöst werden soll, welcher Nutzen erwartet wird, welche Risiken bestehen, wer verantwortlich ist und anhand welcher Kriterien ein Projekt fortgeführt oder beendet wird.
Fehlen diese Antworten, bleibt die KI-Strategie ein Schaufenster.
Einordnung aus der Praxis der Internetagentur Scherer
Die Internetagentur Scherer begleitet Unternehmen seit 1998 bei digitalen Projekten, technischer Infrastruktur, individuellen Anwendungen, Datenschutz und der sicheren Einführung künstlicher Intelligenz.
Dabei zeigt sich regelmäßig: Der eigentliche Engpass ist selten nur das eingesetzte KI-Modell. Entscheidend ist, ob Technik, Daten, Prozesse, Rechte und Verantwortlichkeiten zusammenpassen.
Ein leistungsfähiges Sprachmodell hilft nicht, wenn die zugrunde liegenden Dokumente veraltet sind. Ein KI-Agent hilft nicht, wenn nicht geklärt ist, welche Handlung er selbstständig ausführen darf. Und eine allgemeine KI-Schulung hilft nicht, wenn Mitarbeiter anschließend keine sicheren und praxistauglichen Werkzeuge verwenden können.
Unser Ansatz verbindet deshalb:
Bestandsaufnahme der bestehenden KI-Nutzung,
Aufbau rollenbezogener KI-Kompetenz,
Auswahl geeigneter Pilotanwendungen,
sichere RAG- und Wissenssysteme,
Rollen- und Rechtekonzepte,
Datenschutz und technische Schutzmaßnahmen,
sowie eine nachvollziehbare Qualitäts- und Erfolgskontrolle.
Im Mittelpunkt stehen nicht möglichst viele KI-Werkzeuge, sondern tragfähige Prozesse, geschützte Daten, überprüfbare Ergebnisse und eine Einführung, die zu den Menschen und zur Organisation passt.
Fazit: KI beginnt mit Menschen und Prozessen
Der Bericht über Tesla und den humanoiden Roboter Optimus macht den Zusammenhang besonders anschaulich: Bevor eine Maschine eine Tätigkeit ausführen kann, muss menschliche Arbeit beobachtet, verstanden und in Daten, Modelle oder Regeln übersetzt werden. Bei KI-Assistenten und KI-Agenten ist das nicht anders.
Auch sie benötigen Prozesswissen, geeignete Daten, fachliche Qualitätskriterien und Menschen, die ihre Ergebnisse beurteilen können. Die entscheidende Ressource eines KI-Projekts ist deshalb nicht nur Rechenleistung. Es ist die Verbindung aus:
betrieblichem Wissen,
technischer Kompetenz,
klarer Verantwortung,
sicheren Rahmenbedingungen,
und Vertrauen.
Unternehmen, die KI primär als Instrument zum Personalabbau kommunizieren, gefährden genau jene Mitwirkung, die sie für eine erfolgreiche Einführung benötigen. Unternehmen, die lediglich Werkzeuge bereitstellen, erhalten individuelle Nutzung, aber noch keine gemeinsame Transformation. Und Unternehmen, die nur Verbote aussprechen, ohne sichere Alternativen zu schaffen, fördern den verdeckten Einsatz öffentlicher Systeme.
Der bessere Weg beginnt mit einer anderen Frage:
Daraus entsteht kein spektakulärer Schnellstart.
Aber eine belastbare Grundlage für künstliche Intelligenz, die im betrieblichen Alltag tatsächlich funktioniert.
Quellen und weiterführende Informationen
Handelsblatt: Tesla – Deutsche Mitarbeiter sollen humanoiden Roboter Optimus einarbeiten
WRITER und Workplace Intelligence: 2026 AI Adoption in the Enterprise Survey
KfW Research: Einsatz von Künstlicher Intelligenz im Mittelstand
Europäische Kommission: AI Literacy – Questions & Answers zu Artikel 4 des EU AI Act
Jürgen Scherer auf Medium: KI lernt zu handeln – und die Welt sucht nach roten Linien
Hinweis: Die internationale WRITER-Befragung untersucht Unternehmen, in denen generative KI bereits genutzt wird. Die Ergebnisse sind ein wichtiges Warnsignal, aber nicht ohne Weiteres auf sämtliche deutschen KMU übertragbar.
FAQ: KI im Mittelstand strukturiert einführen
Wie sollte ein mittelständisches Unternehmen mit KI beginnen?
Der Einstieg sollte nicht mit der Auswahl eines bestimmten Tools beginnen, sondern mit einem konkreten betrieblichen Problem. Anschließend werden Prozesse, verfügbare Daten, beteiligte Personen, Qualitätsziele, Risiken und notwendige menschliche Kontrollen geklärt. Erst danach wird eine geeignete Technologie für einen begrenzten Pilot ausgewählt.
Warum müssen Mitarbeiter frühzeitig einbezogen werden?
Mitarbeiter kennen die tatsächlichen Abläufe, Ausnahmen, Datenquellen und Qualitätsanforderungen eines Prozesses. Dieses Erfahrungswissen ist für die Entwicklung und Bewertung eines KI-Systems notwendig. Frühzeitige Beteiligung verbessert deshalb nicht nur die Akzeptanz, sondern auch die technische und fachliche Qualität.
Was bedeutet Shadow AI?
Shadow AI bezeichnet KI-Werkzeuge, die Mitarbeiter ohne offizielle Freigabe oder außerhalb der vorgesehenen Unternehmensprozesse verwenden. Dabei können Datenschutz-, Sicherheits-, Vertrags- und Qualitätsrisiken entstehen. Häufig ist Shadow AI ein Hinweis darauf, dass im Unternehmen ein praktischer Bedarf besteht, aber noch keine sichere und brauchbare Alternative bereitgestellt wurde.
Reicht es aus, öffentliche KI-Dienste im Unternehmen zu verbieten?
Ein Verbot kann für ungeeignete oder unsichere Werkzeuge notwendig sein. Es löst aber nicht den betrieblichen Bedarf, der zur Nutzung geführt hat. Erfolgreicher ist eine Kombination aus verständlichen Regeln, geeigneten freigegebenen Werkzeugen, klaren Datenvorgaben und rollenbezogener KI-Kompetenz.
Ist KI-Kompetenz nach dem EU AI Act verpflichtend?
Artikel 4 des EU AI Act verpflichtet Anbieter und Betreiber von KI-Systemen, Maßnahmen für ein ausreichendes Maß an KI-Kompetenz der beteiligten Personen zu treffen. Umfang und Inhalt richten sich unter anderem nach Vorwissen, Rolle, Einsatzkontext und Risiko des verwendeten Systems.
Müssen alle Mitarbeiter dieselbe KI-Schulung erhalten?
Eine gemeinsame Grundlage ist sinnvoll, reicht aber häufig nicht aus. Führungskräfte, Fachanwender, Administratoren, Entwickler und Verantwortliche für Datenschutz oder Informationssicherheit benötigen unterschiedliche Kenntnisse. Schulungen sollten deshalb am tatsächlichen Einsatzkontext und an der jeweiligen Verantwortung ausgerichtet werden.
Welche Anwendungen eignen sich für einen ersten KI-Piloten?
Geeignet sind klar begrenzte Anwendungsfälle mit erkennbarem Nutzen und überschaubarem Risiko. Beispiele sind interne Wissenssuche, Vorstrukturierung wiederkehrender Anfragen, Zusammenfassung technischer Dokumente, Unterstützung bei der Einarbeitung oder Vorbereitung standardisierter Berichte.
Wie lässt sich der Erfolg eines KI-Projekts messen?
Neben Zeitersparnis sollten Ergebnisqualität, Fehlerquote, Zahl vermiedener Rückfragen, Akzeptanz der Nutzer, Nachvollziehbarkeit, Einhaltung der Datenregeln und Aufwand für Prüfung und Korrektur betrachtet werden. Entscheidend ist der verlässliche Beitrag zum gesamten Prozess.
Braucht jedes Unternehmen sofort eine umfassende KI-Strategie?
Nicht jedes Unternehmen benötigt zu Beginn ein umfangreiches Strategiepapier. Es braucht aber klare Orientierung: freigegebene Werkzeuge, Datenregeln, Verantwortlichkeiten, notwendige Prüfungen und ein nachvollziehbares Ziel für den ersten Anwendungsfall. Diese Grundlagen können später zu einer umfassenderen KI-Strategie weiterentwickelt werden.
Was kann die Internetagentur Scherer bei der KI-Einführung übernehmen?
Wir unterstützen bei der Bestandsaufnahme bestehender KI-Nutzung, beim Aufbau rollenbezogener KI-Kompetenz, bei der Auswahl und Bewertung geeigneter Pilotanwendungen, bei sicheren RAG- und Wissenssystemen, bei Rollen- und Rechtekonzepten sowie bei Datenschutz, Infrastruktur und technischer Umsetzung.