KI im Mittelstand: pragmatisch starten statt gross denken

In vielen Unternehmen beginnt die Diskussion sehr technisch. Es geht um:

• Modelle
• Plattformen
• Anbieter
• Datenschutz
• Architektur
• Automatisierungspotenziale

Diese Themen sind wichtig. Aber oft zu früh.

Denn bevor über Technologie entschieden wird, muss klar sein: Welches Problem soll überhaupt gelöst werden?

Genau diese Frage bleibt häufig unbeantwortet. Dadurch entstehen Projekte, die zwar technisch interessant sind — aber im Alltag kaum Wirkung erzeugen.

Viele Unternehmen suchen zuerst nach der «richtigen KI». Sinnvoller ist eine andere Frage:

Welche Entscheidung soll schneller, besser oder verlässlicher werden?

Oder konkreter:

• Welche Arbeit kostet unnötig Zeit?
• Wo entstehen wiederkehrende Rückfragen?
• Welche Informationen sind schwer zugänglich?
• Wo hängt Wissen an einzelnen Personen?
• Welche Prozesse sind unnötig manuell?

KI ist selten die eigentliche Lösung. Sie ist ein Werkzeug innerhalb einer grösseren Lösung. Wer zu früh über Modelle spricht, überspringt oft das eigentliche Problemverständnis.

Viele Probleme lassen sich einfacher lösen. Manchmal reicht:

• eine bessere Struktur
• ein klarerer Prozess
• eine saubere Datengrundlage
• eine kleinere Automatisierung
• ein internes Tool

KI wird oft dort eingesetzt, wo zuerst organisatorische Klarheit nötig wäre. Dadurch entstehen unnötig komplexe Lösungen.

Gute Projekte reduzieren Komplexität. Sie erhöhen sie nicht.

Besonders wirkungsvoll ist KI dort, wo:

• viel Wissen verarbeitet wird
• Informationen schwer auffindbar sind
• wiederkehrende Entscheidungen getroffen werden
• manuelle Klassifikation passiert
• grosse Mengen Text entstehen oder gelesen werden

Zum Beispiel:

• interne Wissenssuche
• Unterstützung im Kundendienst
• Zusammenfassungen und Strukturierung
• Dokumentenanalyse
• automatische Vorverarbeitung von Informationen

Diese Anwendungsfälle haben oft einen klaren operativen Nutzen — und lassen sich vergleichsweise schnell validieren.

Erfolgreiche KI-Projekte starten klein. Ein guter Pilot:

• löst ein konkretes Problem
• hat klare Erfolgskriterien
• ist operativ relevant
• kann innerhalb weniger Wochen getestet werden

Meist ist ein Zeitraum von 4 bis 8 Wochen ausreichend. Das Ziel ist nicht Perfektion. Das Ziel ist herauszufinden, ob der Ansatz funktioniert, ob er genutzt wird — und ob er echten Mehrwert schafft.

Vergrössern

Viele Unternehmen versuchen, Risiken durch grosse Konzepte zu reduzieren. Oft passiert das Gegenteil.

Je grösser ein Projekt startet, desto mehr Annahmen entstehen:

• über Nutzung
• über Prozesse
• über Datenqualität
• über Akzeptanz
• über organisatorische Abläufe

Kleine Piloten reduzieren genau dieses Risiko. Sie machen Probleme sichtbar, bevor grosse Investitionen entstehen.

Ein funktionierender KI-Demo reicht nicht aus. Die eigentliche Herausforderung beginnt danach:

• Wer nutzt die Lösung?
• Wie verändert sich der Prozess?
• Wer übernimmt Verantwortung?
• Welche Entscheidungen basieren künftig darauf?
• Wie wird Qualität sichergestellt?

Viele Projekte scheitern genau an diesem Übergang. Technisch funktioniert die Lösung. Operativ bleibt sie isoliert.

Nach einem erfolgreichen Pilot beginnt die eigentliche Arbeit. Dann geht es um:

• Standardisierung
• Verantwortlichkeiten
• Stabilität
• Monitoring
• Integration in bestehende Prozesse

Erst dadurch entsteht nachhaltiger Nutzen. Nicht durch den ersten Use Case allein.

Nicht jede Organisation braucht sofort eine umfassende KI-Strategie. Oft ist der sinnvollere Weg:

• klein starten
• Wirkung messen
• Verständnis aufbauen
• schrittweise erweitern

Dadurch entstehen Lösungen, die verstanden werden, genutzt werden — und langfristig funktionieren.

Wir starten nicht mit Modellen oder Tools. Wir starten mit dem operativen Alltag:

• Wo entsteht Reibung?
• Welche Arbeit kostet Zeit?
• Welche Informationen fehlen?
• Welche Entscheidungen könnten besser unterstützt werden?

Erst danach entscheiden wir, ob KI sinnvoll ist. Und wenn ja: wie klein man sinnvoll starten kann.

KI im Mittelstand funktioniert selten über grosse Visionen. Sondern über:

• klare Probleme
• kleine Schritte
• konkrete Wirkung
• saubere Integration in den Alltag

Die wichtigste Frage lautet deshalb nicht: «Welche KI sollen wir einsetzen?»

Sondern: «Welches Problem lohnt es sich wirklich zu lösen?»