KI-Strategie Mittelstand: In 90 Tagen von null auf produktiv

70 % der KI-Projekte scheitern. Nicht weil die Technologie nicht funktioniert, sondern weil Unternehmen ohne Plan starten. Sie kaufen Tools, bevor sie wissen, welches Problem sie lösen. Sie bauen Prototypen, ohne zu messen, ob die sich lohnen. Und sie skalieren Lösungen, die niemand im Team nutzt.

Dieser Artikel ist dein Gegenplan: Ein 90-Tage-Fahrplan, der im deutschen Mittelstand funktioniert. Nicht für Tech-Konzerne mit eigenem ML-Team, sondern für Unternehmen mit 10 bis 500 Mitarbeitern, die KI pragmatisch einführen wollen.

Phase 1: Bestandsaufnahme und Quick Wins (Tag 1–30)

Die ersten 30 Tage entscheiden, ob dein KI-Projekt Momentum bekommt oder im Sande verläuft. Ziel: Verstehen, wo du stehst, und einen ersten sichtbaren Erfolg erzielen.

KI-Readiness: 5 Fragen für den Selbstcheck

Bevor du in Tools investierst, beantworte diese fünf Fragen ehrlich:

1. Haben wir digitale Daten? KI braucht Daten. Wenn eure Prozesse auf Papier, in Köpfen oder in Excel-Tabellen stecken, ist der erste Schritt Digitalisierung – nicht KI.

2. Gibt es wiederkehrende Prozesse mit klaren Regeln? KI automatisiert am besten Aufgaben, die oft vorkommen und einem Muster folgen. Einmalige Kreativaufgaben sind der falsche Startpunkt.

3. Ist die Geschäftsführung committed? Ohne Rückendeckung von oben scheitern KI-Projekte an der ersten Widerstandslinie. Ein GF-Workshop ist oft der effizienteste Einstieg.

4. Gibt es einen internen Champion? Du brauchst eine Person, die das Projekt vorantreibt – nicht zwingend ein Techniker, aber jemand mit Entscheidungskompetenz und Lust auf Veränderung.

5. Sind wir bereit, Prozesse zu ändern? KI in einen kaputten Prozess zu stecken macht ihn nicht besser – nur schneller kaputt.

Top-3-Prozesse identifizieren

Suche Prozesse, die drei Kriterien erfüllen: hohes Volumen, klare Regeln, messbare Kosten. Hier sind die häufigsten Kandidaten im Mittelstand:

Ersten Use Case umsetzen: Der Quick Win

Wähle den Prozess mit dem besten Verhältnis aus Aufwand und Wirkung. Für die meisten Mittelständler ist das einer dieser drei:

Option A: Interner Knowledge-Bot Dauer: 2–3 Wochen. Dein Team stellt Fragen an einen Chatbot, der auf eurer Wissensdatenbank basiert (Handbücher, FAQs, Prozessdokumente). Keine Halluzinationen, weil die Antworten aus euren echten Quellen kommen. Was so ein Chatbot kostet.

Option B: E-Mail-Klassifizierung Dauer: 1–2 Wochen. Eingehende Mails werden automatisch kategorisiert und an die richtige Abteilung geroutet. Einfache Anfragen bekommen einen Antwortvorschlag.

Option C: Report-Automatisierung Dauer: 1–2 Wochen. Daten aus CRM, ERP oder Excel werden automatisch zu einem Wochenreport oder Dashboard zusammengeführt – ohne Copy-Paste.

Warum der Quick Win so wichtig ist: Er beweist intern, dass KI funktioniert. Er gibt dem Team ein greifbares Ergebnis. Und er liefert dir die Daten, die du für Phase 2 brauchst.

Phase 2: Pilotprojekt (Tag 30–60)

Du hast einen Quick Win, dein Team hat erste KI-Erfahrung, und du weißt, wo der größte Hebel liegt. Jetzt wird es ernst.

MVP-Ansatz: Klein starten, messen, iterieren

Ein Pilotprojekt ist kein fertiges Produkt. Es ist ein Minimum Viable Product (MVP) – die kleinste Version, die echten Nutzen stiftet und messbare Ergebnisse liefert.

Was ein gutes KI-Pilotprojekt ausmacht:

• Klar definierter Scope: Ein Prozess, ein Team, ein messbares Ziel
• Echte Daten: Keine Demo-Daten, sondern eure tatsächlichen Informationen
• Definierte KPIs: Zeitersparnis, Fehlerquote, Kundenzufriedenheit – messbar und vorher/nachher vergleichbar
• Zeitbegrenzung: 4 Wochen, dann wird ausgewertet. Kein endloses Basteln.

Team einbinden: Wer macht was?

Typische Kosten in Phase 2

Erwarte für ein KI-Pilotprojekt im Mittelstand:

• Einfacher Chatbot (FAQ, internes Wissen): 5.000–10.000 €
• Prozessautomatisierung (E-Mail-Routing, Angebotserstellung): 8.000–15.000 €
• Integration in bestehendes System (API-Anbindung): 10.000–20.000 €

Dazu kommen laufende Kosten von 200–800 €/Monat für API-Nutzung und Hosting.

Phase 3: Skalieren oder Stoppen (Tag 60–90)

Die ehrlichste Phase. Hier entscheidest du auf Basis von Daten – nicht von Hoffnung.

KPIs auswerten: Hat sich der Pilot gelohnt?

Vergleiche die Ergebnisse mit deiner Ausgangslage:

Wenn die Zahlen stimmen: Weiter zu Skalierung. Wenn die Zahlen nicht stimmen: Analysieren, warum. Oft liegt es nicht an der Technologie, sondern an der Datenqualität oder der Prozess-Definition. Manchmal ist die Antwort auch: Stoppen und das Budget woanders einsetzen.

Roadmap für die nächsten 6 Monate

Wenn der Pilot erfolgreich war, planst du jetzt die Skalierung:

1. Monat 4–5: Pilot produktionsreif machen (Fehlerbehandlung, Monitoring, DSGVO-Compliance)
2. Monat 5–6: Zweiten Use Case starten (gleiche Methodik, neuer Bereich)
3. Monat 6–9: Integration in bestehende Systeme vertiefen, Team schulen
4. Ab Monat 9: Dritter Use Case, interne KI-Kompetenz aufbauen

Governance und Verantwortlichkeiten festlegen

Spätestens jetzt brauchst du klare Regeln:

• Wer entscheidet über neue KI-Use-Cases? Nicht jeder sollte eigenständig KI-Tools einführen.
• Wie werden Daten geschützt? Welche Daten dürfen in welche Systeme?
• Wer überwacht die KI-Systeme? Automatisierung heißt nicht „einmal einrichten und vergessen”.
• Wie werden Mitarbeiter eingebunden? Transparenz und Schulung verhindern Widerstand.

Checkliste: KI-Strategie in 90 Tagen

Phase 1 (Tag 1–30) ✓

• [ ] KI-Readiness-Check durchgeführt
• [ ] Top-3-Prozesse mit KI-Potenzial identifiziert
• [ ] ROI-Schätzung für Top-Use-Case erstellt
• [ ] Quick Win definiert und umgesetzt
• [ ] Interner Champion benannt
• [ ] Geschäftsführung ist committed

Phase 2 (Tag 30–60) ✓

• [ ] Pilotprojekt mit klarem Scope definiert
• [ ] KPIs festgelegt (vorher/nachher)
• [ ] MVP mit echten Daten umgesetzt
• [ ] Team geschult und eingebunden
• [ ] Erste Ergebnisse gemessen

Phase 3 (Tag 60–90) ✓

• [ ] Pilot-KPIs ausgewertet
• [ ] Entscheidung: Skalieren, anpassen oder stoppen
• [ ] 6-Monats-Roadmap erstellt
• [ ] Governance-Regeln definiert
• [ ] Budget für nächste Phase freigegeben

FAQ

Können wir das auch ohne externen Berater machen?

Ja, wenn du jemanden im Team hast, der KI-Erfahrung hat und die Kapazität bekommt. In der Praxis fehlt im Mittelstand oft beides. Ein externer Partner beschleunigt Phase 1 und 2 erheblich und verhindert typische Anfängerfehler.

Was, wenn unser Pilot scheitert?

Das ist kein Versagen – es ist ein Ergebnis. Du weißt danach, was nicht funktioniert und warum. Die Investition in Phase 1 und 2 (typisch 10.000–20.000 €) ist deutlich günstiger als ein 200.000-€-Projekt, das nach 12 Monaten scheitert.

Funktioniert der Plan auch für kleinere Unternehmen (unter 20 Mitarbeiter)?

Ja. Die Phasen bleiben gleich, aber der Scope wird kleiner. Ein 10-Personen-Unternehmen braucht keine Governance-Struktur – aber einen priorisierten Use Case und einen messbaren Pilot.

Brauche ich eigene Server oder Infrastruktur?

Für die meisten Pilotprojekte nicht. Cloud-basierte Lösungen (Azure, AWS, Google Cloud) sind in Wochen einsatzbereit. On-Premise wird erst relevant, wenn du besonders sensible Daten verarbeitest oder regulatorische Anforderungen hast.

Fazit: KI-Strategie ist kein Projekt – es ist eine Fähigkeit

Die 90 Tage sind der Anfang. Was du in dieser Zeit aufbaust, ist nicht nur ein KI-System, sondern die Fähigkeit deines Unternehmens, Technologie strategisch einzusetzen. Das ist der eigentliche Wettbewerbsvorteil – nicht das einzelne Tool.

Und wer gerade am Anfang steht: Ein KI-Workshop für Geschäftsführer kann die Phase 1 auf einen einzigen Tag komprimieren. Statt wochenlang selbst zu recherchieren, kommst du mit einem fertigen Use Case und einer Roadmap raus.

Du willst deine 90-Tage-KI-Strategie mit einem Experten planen? Buch dir ein kostenloses 30-Minuten-Gespräch – wir schauen gemeinsam, wo bei dir der größte Hebel liegt.