KI für Entscheider
KI für KMU: Wo der Hebel liegt, und wo nicht
Mittelstand und KI: Was die Studien-Talker übersehen. Drei realistische Use-Cases, drei überschätzte, und was du in 90 Tagen aufsetzen kannst, ohne dein Team zu überfordern.
Marco Esposito
KI-Speaker, visavimitki.at
22. März 2026
~9 min Lesezeit
Wenn du Geschäftsführer:in eines Unternehmens mit 5–250 Mitarbeiter:innen bist, dann hast du in den letzten 24 Monaten zwei Sorten KI-Beratung gesehen:
- Die Hype-Variante: „Sie müssen jetzt KI einsetzen, sonst sterben Sie aus.”
- Die Skepsis-Variante: „Im Mittelstand funktioniert das eh nicht.”
Beide haben recht und beide haben unrecht. Hier die Mittelstands-Realität, geprüft an Workshops mit 60+ österreichischen und deutschen KMU.
Drei Use-Cases, die fast immer funktionieren
1. Email-Drafts und -Antworten
Standard-Korrespondenz (Angebote anfragen, Termine bestätigen, Anfragen erstbeantworten) lässt sich mit KI in 2 Minuten statt 15 erledigen. Wer 5 solche Mails am Tag schreibt, spart eine Stunde.
Implementation: Microsoft Copilot in Outlook (€21,–/Person/Monat) oder ChatGPT als Nebenkonversation. Aufwand: Setup 1 Stunde pro Person, Schulung 2 Stunden Team-Workshop. ROI sichtbar: Woche 2.
2. Notiz-Zusammenfassungen
Du kommst aus einem Meeting mit 90 Minuten handgeschriebenen Notizen. KI macht in 30 Sekunden eine saubere Zusammenfassung mit To-Dos und offenen Fragen.
Implementation: Aufnahme + Whisper-Transkription, dann ChatGPT für die Zusammenfassung. Oder direkt Notion AI / Microsoft Copilot. Aufwand: Setup 30 Min, Schulung 1 Stunde. ROI sichtbar: ab erstem Meeting.
3. Tabellen aus PDFs / Bildern
Lieferschein-Liste, Restaurantsbon, eine Excel-Tabelle als Screenshot, KI extrahiert sie strukturiert. Spart vor allem in Buchhaltung, Einkauf, Lagerlogistik massiv Zeit.
Implementation: ChatGPT mit Bildupload, Claude mit Bildupload, oder spezialisierte OCR-KI. Aufwand: Setup minimal, Schulung 1 Stunde. ROI sichtbar: ab erstem Use-Case.
Drei Use-Cases, die überschätzt werden
1. Eigener Chatbot für die Webseite
Der Wunsch: 24/7-Kunden-Service. Die Realität: Setup ist aufwendig, Antworten sind oft generisch, Kunden frustrieren sich. Wenn dein Anliegen-Volumen unter 200 Anfragen/Monat liegt: nicht lohnenswert.
Wenn doch sinnvoll: ab 1000+ Anfragen/Monat, mit klar abgegrenzter Wissensbasis (FAQ, Produkt-Specs).
2. „KI-Strategie für die nächsten 5 Jahre”
Das ist ein Beratungs-Verkaufstrick. KI-Modelle ändern sich im Quartalsrhythmus. Eine Fünf-Jahres-Strategie ist Mitte 2027 wertlos. Was du brauchst: ein Lern-System, das einmal pro Quartal evaluiert, was sich geändert hat.
3. Komplett-Automatisierung von Prozessen
„Wir lassen die KI das Bestellwesen komplett übernehmen.” Schöne Idee, in der Praxis: Edge-Cases, Lieferanten-Sondervereinbarungen, Saison-Effekte, die Modelle scheitern an genau den Stellen, wo Menschen Erfahrung brauchen. Sinnvoller: KI assistiert, Mensch entscheidet.
Die 90-Tage-Roadmap
| Woche | Schritt |
|---|---|
| 1 | Bestandsaufnahme: welche Office-Tools nutzt das Team? |
| 2 | Tool-Entscheidung: Microsoft Copilot vs. ChatGPT Enterprise vs. Claude for Work |
| 3 | Pilot-Gruppe (3–5 Personen) ausstatten |
| 4 | Erster Team-Workshop: 3 Patterns, 5 Use-Cases |
| 5–8 | Pilot-Team sammelt Use-Cases, dokumentiert Wins |
| 9 | Use-Case-Katalog für ganzes Team teilen |
| 10 | Schulung Roll-out auf alle Mitarbeiter:innen |
| 11 | Compliance-Setup: AI-Act-Klassifizierung, DSGVO-Check |
| 12 | Review: was hat funktioniert, was nicht, was kommt als nächstes |
Die fünf Fragen, die du dir vorher beantworten solltest
- Wer ist verantwortlich? Ohne benannte Person passiert nichts.
- Welche Daten dürfen rein? Personenbezogene Daten in einen externen LLM = DSGVO-Issue.
- Wie messen wir Erfolg? Stunden pro Woche, Anzahl Mails, NPS, was auch immer, aber benannt.
- Was machen wir mit der gesparten Zeit? Ohne Antwort wird die Zeit „aufgesaugt” und keiner merkt den Effekt.
- Wer schult? Selbermachen, externer Trainer, Online-Kurs, alle drei haben Vor- und Nachteile.
Was die Studien-Talker übersehen
Die meisten KI-Berichte aus 2025 fokussieren auf Großkonzerne (BMW, Siemens, Erste Bank). Die Use-Cases sind dort dramatisch: tausende Stunden eingespart, ganze Fachbereiche umgebaut. Im Mittelstand sind die Sprünge kleiner und unspektakulärer:
- 2 Stunden weniger Verwaltungsarbeit pro Person pro Woche
- Schnellere Reaktionszeiten auf Kunden-Anfragen
- Bessere Dokumentation interner Entscheidungen
Diese Effekte sind unsexy für PR, aber sie summieren sich auf 5–8 % weniger Verwaltungsaufwand pro Jahr. Bei 20 Personen sind das ~2 000 Stunden, die woanders genutzt werden können.
Was uns andere KMU sagen
Aus den future-labs-Workshops, kuratiert (alle anonymisiert, freigabe-dokumentiert):
„Mein Team hat zuerst ‚Spielzeug’ gesagt. Sechs Wochen später: ‚wie haben wir vorher gearbeitet?’.” Geschäftsführer Maschinenbau, 80 MA, Steiermark
„Größter Effekt war nicht Zeitersparnis, sondern weniger Frust bei lästigen Aufgaben. Stimmung im Team ist messbar besser.” HR-Leiterin Logistik, 35 MA, Bayern
„Compliance-Aufwand für AI Act war geringer als befürchtet. 2 Tage Anwalt, dann lief’s.” Geschäftsführerin Beratung, 22 MA, Wien
KI im Mittelstand ist 2026 kein Wettlauf. Es ist Hygiene. Wer 12 Wochen investiert, ist auf einem Niveau, wo das Tagesgeschäft messbar leichter wird. Und das reicht völlig.