Wo KI im Mittelstand tatsächlich Arbeit spart

Über künstliche Intelligenz wird viel versprochen. Im Mittelstand zählt eine nüchternere Frage: Welche Aufgabe im Büro, in der Halle oder im Lager erledigt sich damit schneller, ohne dass die Qualität leidet? Die Antwort fällt erstaunlich konkret aus. Angebote, Posteingang, Belege, Protokolle und Prüfarbeiten enthalten oft genug Routine, damit sich ein Versuch lohnt. Dieser Beitrag zeigt die Einsatzfelder mit dem größten Alltagsnutzen, die nötige Vorarbeit, einen Fahrplan in Schritten und den rechtlichen Rahmen.

Wie verbreitet KI in Betrieben ist

Nach Angaben des Statistischen Bundesamts setzten 2025 rund 26 Prozent der Unternehmen in Deutschland mit mindestens zehn Beschäftigten Technologien der künstlichen Intelligenz ein. Ein Jahr zuvor war es etwa jedes fünfte Unternehmen. Der Abstand nach Größe bleibt deutlich: Bei Unternehmen mit 10 bis 49 Beschäftigten lag der Anteil bei 23 Prozent, bei mittleren Unternehmen bei 36 Prozent und bei großen Unternehmen bei 57 Prozent. Am häufigsten nutzten die KI-Anwender Verfahren zur Auswertung von Texten sowie zur Erzeugung von Bildern, Videos oder Ton.

Aufschlussreich ist auch, was jene Unternehmen bremst, die KI erwogen, aber noch nicht eingeführt haben. In dieser Gruppe nannten 72 Prozent fehlendes Wissen als Grund, 62 Prozent Unklarheit über rechtliche Folgen und 60 Prozent Bedenken beim Datenschutz. 44 Prozent verwiesen auf Schwierigkeiten mit der Verfügbarkeit oder Qualität der nötigen Daten. Alle vier Hürden lassen sich abbauen: mit Wissen, klaren Regeln und etwas Ordnung in den eigenen Unterlagen.

Wo im Büro Zeit frei wird

Die meisten Einsatzfelder im Büro beruhen auf generativer KI, genauer auf Sprachmodellen. Das sind KI-Systeme, die mit großen Textmengen trainiert wurden und Texte verstehen, zusammenfassen und entwerfen können. Ihre Stärke liegt dort, wo viel gelesen, sortiert und formuliert wird und sich Abläufe wiederholen.

• Angebote und Ausschreibungen: Leistungsverzeichnisse auswerten, passende Textbausteine zusammenstellen, einen ersten Entwurf erzeugen.
• Posteingang: E-Mails und Anfragen nach Thema und Dringlichkeit sortieren und an die zuständige Stelle leiten.
• Rechnungseingang: Belege erkennen, Rechnungsdaten auslesen und Buchungsvorschläge zur Prüfung vorbereiten.
• Besprechungen: Protokolle aus Notizen oder Aufzeichnungen erstellen und lange Dokumente zusammenfassen.
• Wissenssuche: Antworten aus eigenen Handbüchern, Verträgen und Datenblättern finden, mit Verweis auf die Fundstelle.
• Übersetzungen: Korrespondenz, Anleitungen und Produktdaten übertragen und von Fachleuten gegenlesen lassen.

Beim Rechnungseingang lohnt ein genauer Blick. Seit dem 1. Januar 2025 müssen Unternehmen in Deutschland elektronische Rechnungen empfangen können. Liegt eine strukturierte E-Rechnung vor, sind die Daten bereits maschinenlesbar. KI-gestützte Belegerkennung hilft deshalb vor allem bei Papier, Scans und einfachen PDF-Dateien, die in der Übergangszeit weiter eintreffen. Wie sich parallel der Zahlungsverkehr digitalisiert, beschreibt unser Beitrag über Fintechs und Bankleistungen.

Dazu kommen Texte, die regelmäßig neu entstehen: Produktbeschreibungen für den Onlineshop, Stellenanzeigen, Kundeninformationen. Ein Entwurf aus dem System erspart das leere Blatt, die Endfassung bleibt Sache der Fachleute. Programmierassistenten schlagen Code vor, erklären ihn oder grenzen Fehler ein, etwa bei eigenen Auswertungen in der Tabellenkalkulation. In allen Fällen gilt: Sprachmodelle können plausibel klingende, aber falsche Angaben erzeugen, sogenannte Halluzinationen. Ein Vorschlag ist deshalb ein Ausgangspunkt, keine geprüfte Lösung.

Fertigung, Lager und Einkauf

Außerhalb des Büros liegt der Nutzen oft in der Bildverarbeitung. Kameras an der Linie erfassen Oberflächen, Maße oder Bestückung, ein trainiertes Modell erkennt Kratzer, fehlende Teile oder Abweichungen. Die Prüferin oder der Prüfer konzentriert sich dann auf die auffälligen Fälle, statt jedes Teil einzeln anzusehen. Voraussetzung sind gleichmäßige Beleuchtung, genügend Bilder von guten und fehlerhaften Teilen und eine klare Festlegung, was als Fehler gilt.

In Lager und Einkauf helfen Bedarfsprognosen. Modelle werten Verkaufshistorie, Saisonmuster und Auftragseingang aus und schlagen Bestellmengen vor. Das kann Lagerbestände senken und Engpässe seltener machen, weil weniger Kapital in Ware gebunden ist, die lange liegt. Prognosen bleiben allerdings Wahrscheinlichkeiten. Sie ersetzen nicht das Gespräch mit dem Vertrieb über einen Großauftrag, der in keiner Historie auftaucht.

Was vorher geklärt sein muss

KI arbeitet nur so gut wie das Material, das sie bekommt. Wer Angebote automatisch vorbereiten will, braucht auffindbare frühere Angebote, gepflegte Artikelstammdaten und aktuelle Preislisten. Für die Wissenssuche müssen Dokumente an einem Ort liegen, in gültiger Fassung und mit klaren Zugriffsrechten. Ein verbreitetes Verfahren dafür, Retrieval Augmented Generation genannt, sucht zuerst passende Stellen in den eigenen Unterlagen und lässt das Sprachmodell erst auf dieser Grundlage antworten. Das senkt das Risiko erfundener Angaben, ersetzt aber nicht die Kontrolle.

Ebenso wichtig ist ein klar beschriebener Prozess. Wer nicht weiß, wie eine Anfrage heute vom Posteingang bis zum Angebot läuft, kann nicht sagen, an welcher Stelle eine Maschine hilft. Oft zeigt schon das Aufschreiben der einzelnen Schritte, wo doppelte Arbeit entsteht. Manche Verbesserung braucht danach gar keine KI, sondern nur eine bessere Vorlage.

Der Einstieg in sechs Schritten

• Einen Prozess wählen, der häufig vorkommt, klar abgrenzbar ist und bei dem Fehler früh auffallen.
• Den heutigen Zeitaufwand messen, zum Beispiel zwei Wochen lang je Vorgang.
• Einen Pilot über einige Wochen mit wenigen Beteiligten und klaren Zielen aufsetzen.
• Die Mitarbeitenden, die den Ablauf kennen, von Anfang an einbinden.
• Jedes Ergebnis von einem Menschen prüfen lassen und Fehler festhalten.
• Erst nach einer ehrlichen Auswertung über eine Ausweitung entscheiden.

Die Messung am Anfang ist der wichtigste und am häufigsten übersprungene Schritt. Ohne Ausgangswert bleibt jede Aussage über Zeitersparnis ein Gefühl. Ebenso wichtig ist die Beteiligung des Teams: Wer täglich Angebote schreibt, erkennt schneller als jede Projektleitung, wo ein Entwurf brauchbar ist und wo er nur nach Arbeit aussieht. Das schafft Akzeptanz und deckt zugleich einen Teil der rechtlichen Pflichten zur KI-Kompetenz ab.

Angebote je Monat	40
Aufwand bisher je Angebot	3 Stunden, zusammen 120 Stunden
Aufwand mit KI-Entwurf und Prüfung je Angebot	1,75 Stunden, zusammen 70 Stunden
Frei gewordene Zeit je Monat	50 Stunden
Wert bei 60 € internem Stundensatz	3.000 €
Angenommene Kosten für Software und Betreuung	600 € im Monat
Rechnerischer Vorteil je Monat	2.400 €

Alle Werte sind angenommene, runde Beispielzahlen. Entscheidend ist der Prüfaufwand: Steigt der Aufwand je Angebot samt Prüfung auf 2,5 Stunden, bleiben nur 20 Stunden Ersparnis. Wirtschaftlich zählt die gewonnene Zeit erst, wenn sie in Kundengespräche, Nachfassen oder zusätzliche Angebote fließt.

Erst messen, dann automatisieren: Ohne Ausgangswert bleibt jede versprochene Zeitersparnis eine Behauptung.

Datenschutz, Geschäftsgeheimnisse und KI-Verordnung

Sobald personenbezogene Daten im Spiel sind, gilt die Datenschutz-Grundverordnung. Das betrifft Kundendaten in E-Mails ebenso wie Bewerbungen oder Gesprächsprotokolle. Die Datenschutzkonferenz, das Gremium der unabhängigen Aufsichtsbehörden von Bund und Ländern, hat im Mai 2024 eine Orientierungshilfe zum Einsatz von KI-Anwendungen veröffentlicht. Sie erinnert unter anderem daran, dass Entscheidungen, die Menschen rechtlich oder ähnlich erheblich betreffen, grundsätzlich nicht allein automatisiert fallen dürfen.

Für Betriebsinterna gilt eine zweite Vorsicht. Kalkulationen, Konstruktionsdaten oder Kundenlisten sind oft Geschäftsgeheimnisse. Das Geschäftsgeheimnisgesetz schützt solche Informationen nur, wenn ihr Inhaber angemessene Maßnahmen zur Geheimhaltung trifft. Vertrauliches gehört deshalb nicht in frei zugängliche Dienste, deren Bedingungen eine Weiterverwendung der Eingaben erlauben. Für sensible Aufgaben kommen Unternehmenslizenzen mit vertraglichen Zusicherungen oder Lösungen auf eigenen Servern in Betracht.

Die europäische KI-Verordnung, der AI Act, ist am 1. August 2024 in Kraft getreten und gilt gestaffelt. Seit dem 2. Februar 2025 verlangt Artikel 4 von Unternehmen, die KI-Systeme einsetzen, sich um die KI-Kompetenz ihres Personals zu kümmern. Mit der Änderung durch den sogenannten KI-Omnibus, in Kraft seit dem 27. Juli 2026, ist klargestellt, dass Maßnahmen zur Förderung dieser Kompetenz gefordert sind und nicht jede einzelne Person ein bestimmtes Niveau erreichen muss. Die Bundesnetzagentur empfiehlt, die Maßnahmen zu dokumentieren. Strengere Pflichten für Hochrisiko-Anwendungen, etwa in der Personalauswahl, greifen nach der Änderung ab Dezember 2027. Fachbegriffe zum Thema erklärt das Wirtschaftslexikon.

KI im Mittelstand ist weniger eine Frage großer Strategien als sorgfältiger Kleinarbeit. Die meisten Erfolge beginnen mit einem einzelnen, gut verstandenen Ablauf, ehrlich gemessenen Zahlen und einem Team, das mitentscheidet. Wer so vorgeht, gewinnt nicht nur Stunden, sondern auch Erfahrung für den nächsten Schritt. Und manche Erkenntnis aus dem Pilot, etwa über unklare Zuständigkeiten oder verstreute Daten, zahlt sich auch ohne jede Software aus.

Häufige Fragen

Welcher Prozess eignet sich für den Anfang?

Gut geeignet sind Abläufe, die häufig vorkommen, klar abgrenzbar sind und deren Ergebnis sich leicht prüfen lässt, etwa das Sortieren von Anfragen, Protokolle oder Angebotsentwürfe. Weniger geeignet für den Einstieg sind seltene Sonderfälle oder Entscheidungen über Personen, bei denen Fehler schwer wiegen und rechtliche Grenzen eng sind.

Dürfen Beschäftigte frei verfügbare KI-Dienste nutzen?

Das entscheidet der Betrieb. Wichtig sind klare Regeln: keine personenbezogenen Daten ohne Rechtsgrundlage, keine Geschäftsgeheimnisse in Dienste, die Eingaben weiterverwenden dürfen, und eine Prüfung aller Ergebnisse. Viele Unternehmen setzen deshalb auf Unternehmenslizenzen mit vertraglichen Zusicherungen und halten fest, welche Werkzeuge für welche Aufgaben freigegeben sind.

Was verlangt Artikel 4 der KI-Verordnung?

Unternehmen, die KI-Systeme anbieten oder einsetzen, müssen seit dem 2. Februar 2025 Maßnahmen ergreifen, um die KI-Kompetenz ihres Personals und beauftragter Personen zu fördern. Seit der Änderung im Juli 2026 ist klargestellt, dass nicht jede einzelne Person ein bestimmtes Kompetenzniveau erreichen muss. Form und Umfang der Schulungen wählen die Betriebe selbst, eine Dokumentation ist ratsam.

Wie lässt sich die Zeitersparnis belegen?

Messen Sie vor dem Pilot einige Wochen lang den Aufwand je Vorgang und wiederholen Sie die Messung während des Pilots unter gleichen Bedingungen. Rechnen Sie die Zeit für Prüfung und Korrekturen ehrlich ein. Erst der Vergleich beider Werte zeigt, ob und wie viel Arbeit tatsächlich entfällt und welche Kosten dem gegenüberstehen.

Begriffe

Generative KI

KI-Systeme, die aus Vorgaben neue Inhalte wie Texte, Bilder, Ton oder Programmcode erzeugen.

KI-Kompetenz

Kenntnisse und Fähigkeiten, um KI-Systeme sachkundig einzusetzen und ihre Chancen und Risiken einzuschätzen.

Retrieval Augmented Generation

Verfahren, bei dem ein Sprachmodell vor der Antwort passende Stellen in hinterlegten Dokumenten sucht und sich darauf stützt.

Zum Wirtschaftslexikon

Quellen

1. Unternehmen mit Nutzung von Technologien der künstlichen Intelligenz nach BeschäftigtengrößenklassenStatistisches Bundesamt
2. Gründe gegen die Nutzung von Technologien der künstlichen Intelligenz nach BeschäftigtengrößenklassenStatistisches Bundesamt
3. KI-KompetenzBundesnetzagentur
4. AI Omnibus enters into forceEuropäische Kommission
5. Orientierungshilfe Künstliche Intelligenz und DatenschutzDatenschutzkonferenz

künstliche intelligenzmittelstandautomatisierungki-verordnungdatenschutz

Bild: Illustration, mit KI erstellt.