Der Sprung in das KI-Zeitalter gilt als entscheidend, um die Innovationskraft und die Wettbewerbsfähigkeit der deutschen Wirtschaft zu stärken. Aber deutsche Mittelständler sind beim Einsatz von KI-Technologien noch zurückhaltend. Das hängt häufig mit fehlenden Kenntnissen über die Potenziale von KI, den nicht erkannten Nutzen nach ersten KI-Projekten oder der unzureichenden Digitalisierung des Unternehmens zusammen. Oft arbeiten die kleinen und mittleren Unternehmen (KMU) noch volle Auftragsbücher ab und sehen deshalb keinen Anlass, ins KI-Zeitalter aufzubrechen.

KI im Mittelstand – Unterschiedliche Voraussetzungen und Zielvorstellungen

Der Mittelstand gilt als das Rückgrat der deutschen Wirtschaft: Zusammen stellen KMU mehr als die Hälfte aller Arbeitsplätze (57 Prozent) und erzielen etwa ein Drittel aller Erlöse. Viele kleinere und mittlere Unternehmen stehen aber erst am Anfang der Digitalisierung: Nur rund ein Fünftel aller KMU in Deutschland haben ihre Prozesse und Produktion bereits digitalisiert, alle anderen befinden sich gerade erst in diesem Umstellungsprozess. Die Unternehmensgröße spielt dabei zwar eine entscheidende Rolle, die Digitalisierungsfähigkeit der Unternehmensprozesse sowie die Digitalisierungsbereitschaft der Unternehmen hängen aber auch stark vom Geschäftsmodell und Investitionsspielraum ab.

Trotz der Zurückhaltung vieler Mittelständler geht die Mehrheit davon aus, dass KI künftig an Bedeutung gewinnen wird: Insbesondere KMU besitzen mit ihren kurzen Entscheidungswegen und ihrer überschaubaren Größe auch gute Voraussetzungen, um schnell auf technische Innovationen und Marktpotenziale reagieren zu können. Inhaber- oder familiengeführte Unternehmen können ihre Beschäftigten beim Veränderungsprozess besser einbinden und es sind weniger Umsetzungsbarrieren zu erwarten als in Großkonzernen.

KI-Roadmaps – Praktische Umsetzungspläne für die Einführung von KI im Mittelstand

Die Einführung von KI im Mittelstand erfordert besondere Schlüsselkompetenzen, die gezielt aufgebaut werden müssen.

1. Analyse: Status quo
Soll eigenes Know-how im Unternehmen aufgebaut werden? Dann müssen Beschäftigte im Bereich KI weitergebildet werden. Alternativ können Mittelständler dafür auch auf externe Beratung und Services zurückgreifen. Welche Prozesse sollen in Daten abgebildet werden? Im Unternehmen muss ein Grundverständnis entwickelt werden, aus welchen Daten welche Muster abgeleitet werden können.
Am Anfang der KI-Einführung sollte auch die grundsätzliche Zielvorstellung festgelegt und der digitale Reifegrad des Unternehmens bestimmt werden. Wie weit ist die Digitalisierung im Unternehmen ausgeprägt? In welchen Bereichen ist das Unternehmen technisch und operativ in der Lage, selbst KI-Methoden anzuwenden?

2. Bewertung: KI-Nutzen
Auch beim zweiten Meilenstein müssen zunächst Fragen zum Unternehmen abseits von KI beantwortet werden. Was ist die Zielsetzung eines Unternehmens? Was soll mit KI erreicht werden? Dient KI lediglich dazu, einen kleinen Teil des Produktionsprozesses zu verbessern, oder sollen mithilfe von KI neue Geschäftsmodelle konzipiert werden? Müssen die Zielkundschaft und entsprechende Geschäftsmodelle erst mit aufgebaut werden?

3. Entwurf: KI-Strategie
Im nächsten Schritt sollte ein Konzept für die Umsetzung einer spezifischen KI-Strategie für das Unternehmen entworfen werden. Intelligente Automatisierung, verbesserte Kundenkommunikation oder die Erschließung neuer Absatzmärkte: Was ist das gewünschte Ergebnis der KI-Lösung? Die KI-Strategie definiert die übergeordneten Ziele aller KI-Anwendungen, die im Unternehmen entwickelt oder eingesetzt werden. Für den Entwurf einer Strategie sollte konkret bewertet werden, wie sich Produkte oder Prozesse eines Unternehmens mithilfe von KI optimieren lassen.

4. Praxis-Check: KI-Strategie
Basierend auf der entwickelten KI-Strategie und den identifizierten Anwendungsfällen sollten Unternehmen anschließend die nötigen Voraussetzungen für Pilotprojekte schaffen. Welche Informationen und Daten werden benötigt, um das KI-Modell für das geplante Pilotprojekt zu trainieren? Verschiedene Konzepte für die Einführung von KI-Technologien sollten anhand mehrerer Faktoren überprüft werden: Dazu zählen Produkte, Geschäftsmodelle, Datenbasis und digitale Infrastruktur sowie die personellen und finanziellen Ressourcen im Unternehmen.

Die Praxisprojekte sollten nicht nur vor dem Hintergrund möglicher KI-Anwendungen betrachtet werden, sondern vor allem hinsichtlich der eigentlichen Produkt-und Prozessprobleme. Ohne eine bereichsübergreifende Betrachtung von Prozessen funktionieren KI-Projekte nur selten oder sind mit zu hohen Aufwänden verbunden. In diesem Zusammenhang sollten auch notwendige Veränderungen im Unternehmen angestoßen werden (Change-Management), denn die Nutzung von KI-Potenzialen hängt stark von der Unternehmenskultur und den Beschäftigten ab.

5. KI-Einführung
Auch KI-Modelle können veralten, wenn sich Marktdynamiken und Geschäftsmodelle im Unternehmen verändern. Wenn KI-Anwendungen im Unternehmen erfolgreich implementiert wurden, sind daher sowohl bei intern entwickelten als auch bei zugekauften KI-Lösungen Feedback-Schleifen notwendig. Für diesen iterativen Entwicklungsprozess sollten im Unternehmen klare Vorgaben entwickelt werden: Wie können KI-Modelle kontinuierlich verbessert werden? Welche Daten müssen dazu gegebenenfalls noch erhoben werden?

Den kompletten Bericht von „Lernende Systeme – die Plattform für Künstliche Intelligenz“ mit vielen Praxisbeispielen finden Sie hier.