Kaum eine Technologie wird derzeit so laut beworben – und so unterschiedlich bewertet – wie künstliche Intelligenz. Für den Mittelstand lohnt ein nüchterner Blick: Wo ersetzt KI tatsächlich Handarbeit, wo verbessert sie Entscheidungen, und wo produziert sie vor allem Aufwand? Die Antwort hängt weniger an der Technik als am Zuschnitt des Anwendungsfalls.
Woran ein guter Einstiegsfall zu erkennen ist
Bewährt haben sich Aufgaben mit drei Eigenschaften. Sie kommen häufig vor, sodass sich die Einrichtung lohnt. Ihr Ergebnis lässt sich von einem Menschen schnell prüfen – schneller jedenfalls, als er die Aufgabe selbst erledigen würde. Und ein einzelner Fehler ist ärgerlich, aber nicht folgenreich, weil er vor der Weiterverarbeitung auffällt. Wo alle drei Bedingungen zutreffen, kann KI ihre Stärken ausspielen, ohne dass ihre Schwächen teuer werden.
Zu diesen Schwächen gehört eine Eigenschaft, die jede Einführung berücksichtigen muss: Sprachmodelle erzeugen mitunter plausibel klingende Aussagen, die sachlich falsch sind. Das ist kein Mangel einzelner Produkte, sondern folgt aus der Arbeitsweise dieser Modelle. Ein Einsatzkonzept, das eine Prüfung durch Menschen vorsieht, ist deshalb kein Misstrauensvotum, sondern Teil der Konstruktion.
Drei Felder mit belastbarem Nutzen
Erstens die Dokumentenverarbeitung. Rechnungen, Lieferscheine, Auftragsbestätigungen und Posteingänge lassen sich heute automatisch erfassen, zuordnen und vorsortieren; der Mensch prüft und gibt frei, statt abzutippen. Der Nutzen ist leicht zu messen: Bearbeitungszeit je Beleg und Anteil der Belege, die ohne Korrektur durchlaufen. Gehen Rechnungen bereits als strukturierte E-Rechnung ein, braucht es für das Auslesen übrigens keine KI – dann genügt eine Schnittstelle.
Zweitens das Wissensmanagement. Ein internes Assistenzsystem, das Handbücher, Richtlinien, Ablagen und abgeschlossene Vorgänge durchsucht und Antworten mit Quellenangabe liefert, verkürzt Einarbeitung und Suche. Entscheidend ist die Quellenangabe, denn sie macht jede Antwort überprüfbar. Ebenso entscheidend ist, dass das System nur Dokumente auswertet, die der jeweilige Nutzer ohnehin sehen darf – sonst wird aus der Wissenssuche ein Weg um das Berechtigungskonzept herum.
Drittens die Qualitäts- und Anomalieprüfung. In Produktion und IT-Betrieb können trainierte Modelle Abweichungen erkennen, die bei Stichproben durchrutschen würden – vom ungewöhnlichen Schwingungsmuster einer Maschine bis zur Auffälligkeit im Netzwerkverkehr. Voraussetzung sind ausreichend Daten aus dem Normalbetrieb, damit das Modell lernen kann, was als normal gilt. Ohne diese Datengrundlage bleibt das Feld ein Versprechen.
Zwei Bereiche, in denen Zurückhaltung klug ist
Der erste sind vollautomatische Entscheidungen gegenüber Kunden, Bewerbern oder Beschäftigten. Wo ein System ohne menschliche Prüfung über Kreditrahmen, Vertragsannahme oder Bewerbungen entscheidet, sind Fehler teuer, schwer erkennbar und rechtlich heikel. Artikel 22 der DSGVO gibt Betroffenen grundsätzlich das Recht, keiner ausschließlich automatisierten Entscheidung unterworfen zu werden, die ihnen gegenüber rechtliche Wirkung entfaltet oder sie ähnlich erheblich beeinträchtigt. KI in Personalauswahl und Beschäftigung zählt zudem nach der KI-Verordnung zu den Hochrisiko-Anwendungen.
Der zweite ist der unkontrollierte Datenabfluss. Wer vertrauliche Unterlagen in frei zugängliche Dienste kopiert, gibt sie an Dritte weiter – oft ohne vertragliche Grundlage und ohne zu wissen, was dort mit ihnen geschieht. Bevor ein Werkzeug freigegeben wird, gehört geklärt, welche Daten es verlassen dürfen und unter welchen Bedingungen.
Vom Versuch zum Regelbetrieb
Die Regel für den Einstieg lautet: klein anfangen, Ergebnis messen, Datenfluss kontrollieren. In der Umsetzung heißt das:
- Einen konkreten, messbaren Anwendungsfall wählen statt einer allgemeinen KI-Strategie – etwa die Eingangsrechnungen einer einzelnen Abteilung.
- Vorher festlegen, woran der Erfolg erkennbar sein soll, und den Ausgangswert messen. Ohne Vorher-Wert gibt es kein belastbares Nachher.
- Klären, welche Daten das Unternehmen verlassen dürfen – und welche nicht.
- Eine verantwortliche Person benennen, die Ergebnisse bewertet und über Fortführung oder Abbruch entscheidet.
- Ergebnisse stichprobenartig prüfen, solange das Verfahren neu ist, und die Stichprobe erst verkleinern, wenn die Fehlerquote über längere Zeit stabil bleibt.
- Den Abbruch als mögliches Ergebnis zulassen. Ein Versuch, der zeigt, dass sich ein Fall nicht lohnt, hat seinen Zweck ebenfalls erfüllt.
Für den Versuch genügen meist einige Wochen und eine überschaubare Gruppe von Nutzern. Wichtiger als die Dauer ist, dass am Ende eine Entscheidung steht, die sich auf die vorher festgelegten Kennzahlen stützt – und nicht auf den allgemeinen Eindruck, das Werkzeug sei irgendwie hilfreich gewesen.
Bleibt der Faktor, an dem viele Einführungen tatsächlich hängen: die Menschen, deren Arbeit sich verändert. Sie kennen die Ausnahmen, an denen ein automatisiertes Verfahren scheitert, und sollten deshalb von Beginn an beteiligt sein, nicht erst bei der Schulung. In Betrieben mit Betriebsrat ist zudem zu beachten, dass die Einführung technischer Einrichtungen, die zur Überwachung von Verhalten oder Leistung geeignet sind, der Mitbestimmung unterliegt (§ 87 Abs. 1 Nr. 6 BetrVG). Das betrifft viele KI-Werkzeuge, weil sie Nutzungsdaten protokollieren.
Hinzu kommt eine Pflicht, die unabhängig von Größe und Branche gilt: Seit dem 2. Februar 2025 verlangt Artikel 4 der KI-Verordnung von Unternehmen, die KI-Systeme einsetzen, Maßnahmen für die KI-Kompetenz ihrer Beschäftigten. Eine kurze, auf die freigegebenen Werkzeuge und die jeweilige Rolle zugeschnittene Schulung, deren Durchführung dokumentiert ist, erfüllt diesen Zweck besser als ein allgemeiner Vortrag.
Wer so vorgeht, hat nach einigen Monaten keine KI-Strategie auf Papier, aber einen Anwendungsfall mit belegtem Nutzen – und damit eine tragfähige Grundlage für den nächsten.
Verwandte Themen: Wer hier weiterdenkt, liest bei Prozessautomatisierung, KI Datenschutz und KI-Server weiter.
