Welche KI-Projekte lohnen sich im Mittelstand? Eine ehrliche Einordnung
5 Min. Lesezeit
Kurz beantwortet
KI-Projekte lohnen sich im Mittelstand vor allem dort, wo viele ähnliche Texte, Dokumente oder Anfragen anfallen: Belege auslesen, E-Mails vorsortieren, Entwürfe für Standardantworten schreiben, internes Wissen auffindbar machen. Selten lohnen sich eigene Modelle, Projekte ohne messbares Ziel und Anwendungen, bei denen jeder Fehler teuer ist und trotzdem niemand prüft.
Was bedeutet das für Ihr Unternehmen? Erstgespräch vereinbaren
„Wir wollen etwas mit KI machen, aber was eigentlich?“ Diese Frage höre ich von Geschäftsführern fast jede Woche. Die gute Nachricht: Die KI-Projekte, die sich im Mittelstand rechnen, sind meist unspektakulär. Sie nehmen Ihrem Team Routinearbeit ab, die heute viele Stunden bindet, und schaffen Zeit für die Aufgaben, die Ihr Unternehmen stark gemacht haben.
Was haben lohnende KI-Projekte gemeinsam?
Aus meinen Projekten kenne ich vier Merkmale, die fast immer zusammenkommen:
- Die Aufgabe kommt oft vor. Hunderte Belege, Anfragen oder Berichte im Monat, nicht fünf.
- Es geht um Sprache oder Dokumente. Klassische Automatisierung braucht feste Regeln und saubere Daten. KI kann auch mit freien Texten, wechselnden Layouts und unvollständigen Angaben umgehen.
- Fehler fallen auf und lassen sich korrigieren. Ein Mensch prüft das Ergebnis, bevor es Folgen hat.
- Der Nutzen ist messbar. Sie wissen vorher, wie viele Minuten ein Vorgang heute dauert.
Welche KI-Anwendungen rechnen sich häufig?
- Belege und Dokumente auslesen: Rechnungen, Lieferscheine, Formulare oder Antragsunterlagen. Die KI erkennt die relevanten Felder auch dann, wenn jeder Absender ein anderes Layout verwendet.
- E-Mails und Anfragen vorsortieren: Thema erkennen, an die richtige Person weiterleiten, Kundennummer auslesen und einen Antwortentwurf vorbereiten.
- Entwürfe für wiederkehrende Texte: Angebote, Standardantworten oder Berichte. Ihr Team prüft und ergänzt, statt bei null anzufangen.
- Internes Wissen auffindbar machen: Handbücher, Verträge, Produktdaten und Prüfvorschriften werden durchsuchbar, mit Quellenangabe zu jeder Antwort.
Welche KI-Projekte enttäuschen häufig?
- Ein eigenes KI-Modell trainieren: teuer und fast nie nötig. Warum das so ist, steht im Beitrag Brauchen wir ein eigenes KI-Modell?
- KI ohne konkreten Ablauf: Eine allgemeine KI-Strategie ohne ersten Anwendungsfall produziert Folien, aber keine Einsparung.
- Vollautomatik bei hohem Fehlerrisiko: Preise, Zusagen oder rechtliche Bewertungen ohne menschliche Prüfung sind ein Risiko, kein Fortschritt.
- Ein Chatbot als Selbstzweck: Kommen kaum Anfragen über die Website, rechnet er sich nicht. Mehr dazu im Beitrag Lohnt sich ein KI-Chatbot auf der Website?
Wie prüfen Sie ein KI-Projekt vor dem Start?
Die Grundrechnung ist dieselbe wie bei jeder Automatisierung: Vorgänge pro Monat, Minuten pro Vorgang, Kosten einer Arbeitsstunde. Wie das geht, zeigt der Beitrag Lohnt sich Prozessautomatisierung? Bei KI kommen zwei Fragen hinzu: Wie gut muss das Ergebnis sein, und was kostet ein Fehler?
Ein Beispiel: 300 Anfragen im Monat, je 8 Minuten. Die KI sortiert vor und schreibt Entwürfe, das halbiert die Bearbeitungszeit. Das sind 240 Stunden im Jahr, bei 50 Euro pro Stunde also 12.000 Euro. Abzüglich 2.400 Euro laufender Kosten bleiben 9.600 Euro. Kostet die Umsetzung 10.000 Euro, hat sie sich nach gut einem Jahr bezahlt gemacht.
Klein anfangen, dann ausbauen
Starten Sie mit einem Anwendungsfall, bauen Sie einen Prototyp mit echten Daten und messen Sie den Nutzen nach wenigen Wochen. Warum das günstiger ist als ein großes Konzept vorab, erkläre ich im Beitrag Prototyp statt Pflichtenheft.
Julius Launhardt prüft mit mittelständischen Unternehmen, welche KI-Anwendungen sich für sie wirklich rechnen, und setzt sie selbst um. Mehr dazu auf der Seite zur KI-Beratung.
Häufige Fragen
Ab welcher Unternehmensgröße lohnt sich KI?
Entscheidend ist nicht die Größe, sondern die Menge gleichartiger Vorgänge. Schon ein Betrieb mit zwanzig Mitarbeitenden kann profitieren, wenn täglich viele ähnliche Dokumente oder Anfragen anfallen.
Wie schnell sollte sich ein KI-Projekt amortisieren?
Für überschaubare Anwendungen innerhalb von zwölf bis vierundzwanzig Monaten. Rechnet sich ein Projekt erst nach drei Jahren oder später, ist es meist zu groß angelegt oder der Nutzen zu unsicher.
Brauche ich dafür eigene Trainingsdaten?
Für die meisten Anwendungen genügen vorhandene Dokumente, E-Mails und einige gute Beispiele. Ein eigenes Training ist selten nötig. Wichtiger ist, dass die Daten zugänglich und einigermaßen aktuell sind.
Was passiert, wenn die KI Fehler macht?
Damit sollten Sie rechnen. Gute Lösungen sind so gebaut, dass ein Mensch die Ergebnisse prüft, bevor sie Folgen haben, und dass sich Fehler mit wenigen Klicks korrigieren lassen.