6-2025

Künstliche

Künstliche IntelligenzPraxistipps: Einführung von KI im MittelstandKünstliche Intelligenz (KI) gilt alseine der zentralen Technologiender digitalen Transformation. Inallen Bereichen der Wirtschaft versprichtdie Nutzung von KI großesPotenzial. Insbesondere auchkleine und mittelgroße Betriebe(KMU) können von diesem technologischenFortschritt profitieren:Von der Optimierung interner Prozesseüber die Ver besserung derKundenkommunikation bis hin zurEntwicklung innovativer Produkteund Geschäftsmodelle.Autoren:Olga Mordvinovaincontext.technology GmbHPlattform Lernende SystemeDr. Andreas LieblappliedAI Initiative GmbHPlattform Lernende Systemewww.plattform-lernende-systeme.deFür die Einführung KI-basierterAnwendungen in KMU bedarf es eingutes Know-How, die nötigen Ressourcenund eine klare Strategie. Einpraxisorientierter Leitfaden in Formeiner KI-Roadmap kann Unternehmenhelfen, KI strukturiert und zielgerichteteinzuführen.Insgesamt lassen sich zur Einführungvon KI fünf idealtypische Meilensteinezur Orientierung beschreiben.Der Weg führt entlang der Analysedes Status quo über die Bewertungdes KI-Nutzens, dem Entwurfeiner KI-Strategie, einem anschließendenPraxis-Check bis hin zureigentlichen Einführung.1. Analyse: Status quoDer erste Schritt auf dem Weg zurKI-Einführung ist eine Analyse desStatus quo im eigenen Unternehmen.Hierbei stellt sich die Frage,wieviel eigenes KI-Know-how dasUnternehmen aufbauen wievielexterne Expertise es hinzuziehenmöchte. Beschäftigte müssen entsprechendim Bereich KI weitergebildetwerden. Alternativ oderzusätzlich können Mittelständlerdafür auch auf externe Beratungund Services zurückgreifen. Ebensosollte im Unternehmen erfasst werden,welche Prozesse sich für dieDatenerfassung und -analyse eignen.Ein Grundverständnis für dieStärken und Schwächen von KI istdabei unabdinglich, um KI gezielteinsetzen zu können.Bestimmungdes digitalen ReifegradsEin weiterer entscheidender Punktin dieser Phase ist die Bestimmungdes digitalen Reifegrads des Unternehmens.Wie weit ist die Digitalisierungbereits fortgeschritten?In welchen Abteilungen könnte KIgewinnbringend eingesetzt werden?Die Analyse der Wertschöpfungskettesowie die Identifikationvon Best-Case-Szenarien undbestehenden Herausforderungensind sehr hilfreich für die nächstenSchritte. Zudem gilt es zu bewerten,ob bereits Ziele und Kennzahlenfür KI-Anwendungen existierenoder ob diese erst geschaffenwerden müssen.Relevante DatenIn dieser Phase sollte auch dieDatenbasis und -strategie des Unternehmensbewertet oder ausgearbeitetwerden: Ziel ist, relevante Datenzu identifizieren und zu sammeln.Klare Richtlinien zu Datensicherheitund Datenschutz sollten hier bereitsmitentwickelt werden. Darüber hinausist es hilfreich, vorhandenes Domänenwissenaus verschiedenen Abteilungenin die Status-Quo-Analyseein fließen zu lassen.2. Bewertung: KI-NutzenNachdem der Status quo erfasstwurde, folgt die Bewertung deskonkreten Nutzens von KI für dasUnternehmen. Dabei sind zunächstgrundlegende strategische Fragenzu klären. Was ist die Zielsetzungeines Unternehmens? Was soll mitKI erreicht werden? Soll KI lediglichbestehende Prozesse optimierenoder neue Geschäfts modelleermöglichen? Diese Überlegungensollten in den Kontext der übergeordnetenUnternehmensstrategiegestellt werden.Wichtig ist es hierbei Leistungskennzahlenzu definieren und dieErfolgserwartungen von KI-Investitionenrealistisch zu schätzen.Durch KI-Lösungen können Einsparungenin den eigenen Prozessenerzielt oder Kundenoptimierungenbis hin zu völlig neuen Produktenund Dienstleistungen ermöglichtwerden. In vielen Unternehmen sindProzesse häufig schon gut optimiertund der zusätzliche Return on Investment(ROI) durch KI fällt daher oftmalsnur moderat aus. Vielversprechendererscheint daher häufig, mitKI-Lösungen (z. B. Software für B2B-Wertschöpfungsketten) auch neueMärkte zu erobern oder höhere Marktanteileerzielen zu können. VielversprechendeAnwendungsfälle auchaußerhalb der Kernbereiche desUnternehmens können leicht übersehenwerden, daher sollte in dieserPhase eine Übersicht über möglicheAnwendungsfälle erstellt werden.Erst nachdem klar ist, wo der realistischeund möglichst skalierbareKundennutzen mit entsprechenderZahlungsbereitschaft für die vielversprechendstenKI-Lösungen liegt,sollte eine detaillierte KI- Strategieentworfen werden.3. Entwurf: KI-StrategieIm nächsten Schritt gilt es, eineumfassende KI-Strategie zu entwerfen,die sich in die Unternehmenszieleeinfügt. Hierbei stehen verschiedeneAspekte im Fokus: Automatisierung,verbesserte Kundenkommunikationoder gar die Erschließung neuer Märkte.Eine erfolgreiche KI-Strategiedefiniert die übergeordneten Zieleund zeigt auf, wie KI zur Optimierungvon Produkten oder Prozessenbeitragen kann. Vor allem mussim Rahmen einer Strategieentwicklungdie Wettbewerbs situation analysiertwerden:• Handelt es sich beim beabsichtigtenKI-Einsatz um etwas, das auchrelevante Marktteilnehmer tun?• Müssen wir hier nachziehen, umden Anschluss nicht zu verlieren?• Oder können wir mit KI vielleichtsogar einen schwer imitierbarenWettbewerbsvorteil für unserUnternehmen schaffen?10 PC & Industrie 6/2025

Künstliche IntelligenzMöglichst realistische Szenarien fürMarktanteilentwicklung, Prognosenzu Kosten und Erlösen sollten imRahmen der Strategieentwicklunganalysiert werden.StrategieentwicklungDie Strategieentwicklung mussdabei sowohl organisatorische alsauch technologische Aspekte berücksichtigen.Dazu zählen unter anderemdie Auswahl der richtigen Technologien,die Festlegung der benötigtenpersonellen und finanziellenRessourcen sowie die Integrationder KI-Strategie in die bestehendeUnternehmensstruktur. Best-Practice-Beispieleanderer Unternehmenkönnen dabei als wertvolle Orientierungdienen.Ein zentraler Punkt ist die Entscheidungzwischen interner Entwicklungund externem Einkauf vonKI-Lösungen. Während eigene Entwicklungenmehr Kontrolle bieten,sind externe Lösungen oft schnellerverfügbar. Je nach Unternehmenkönnen auch hybride Modellesinnvoll sein.4. Praxis-Check:KI-Strategie in Pilotprojektenhohem Digitalisierungsgrad angesiedeltwerden, um auf einer gutenAusgangslage aufbauen zu können.Dennoch ist es wichtig, sich nichtausschließlich auf KI-Anwendungenzu fokussieren, sondern stets denübergeordneten Geschäftsprozessim Blick zu behalten.UnternehmenskulturAuch Fragen der Unternehmenskulturund des Change-Managementssind in dieser Phase entscheidendund sollten vor der eigentlichen KI-Einführung beantwortet und vorbereitetwerden. Die Anwendung derKI im Unternehmen sollte immermenschenzentriert sein. Nur wennBeschäftigte in den KI-Prozess eingebundenwerden, kann eine nachhaltigeImplementierung gelingen.Auch Fragen zur langfristigen Datensicherheitund zum Datenschutzspielen eine bedeutende Rolle undmüssen vor der eigentlichen KI-Einführunggeklärt werden.5. KI-EinführungDie Einführung von KI ist ein iterativerProzess, der oft kontinuierlichnachjustiert werden muss.KI-Modelle und KI-basierte Prozessekönnen mit der Zeit an Genauigkeitverlieren, wenn sich äußereund innere Bedingungen verändern.Insbesondere das Wettbewerbsumfeldkann Änderungen notwendigmachen, wenn andere Anbieter imKI-Rennen aufholen oder vorne liegenund Kunden drohen zu wechseln.Deshalb sind regelmäßigeFeedback-Schleifen notwendig,um KI-Modelle und KI-basierteProzesse stetig zu verbessern undanzupassen.Da die Implementierung von KIkeine einmalige Maßnahme ist, sonderneine dauerhafte Transformation,erfordert diese auch regelmäßigeQualifizierungsmaßnahmen undWeiterbildungen für Beschäftigte.Machen oder kaufen?Zum Start der KI-Einführung stehtfür mittelständische Unternehmendie zentrale Frage im Raum: Soll KIintern entwickelt oder auf externeDienste zurückgegriffen werden?Während eigene KI-Lösungen langfristigWettbewerbsvorteile sichernkönnen, sind sie oft mit hohen Kostenund Ressourcenaufwand verbunden.Für viele Mittelständler bietendaher Software-as-a-Service-Angebote eine Alternative. Diesecloudbasierten Lösungen ermöglicheneinen schnellen Einstieg undanfangs weniger technischem Aufwand.Allerdings muss auch beider Zusammenarbeit mit externenAnbietern interne IT/KI-Kompetenzaufgebaut werden, damit sichdas externe Produkt auf die internenBedingungen anpassen lässt.Externe Ansätzesind zudem sinnvoll, wenn unternehmensinternesKI-Know-how fehltoder branchenweite Herausforderungennur durch hohe Anfangsinvestitionenlösbar sind. Kooperationenmit IT-Beratungen, Systemhäusernoder Forschungseinrichtungenwie Hochschulen und KI-Kompetenzzentren reduzierenRisiken und nutzen komplementäreRessourcen. Doch auch Software-as-a-Service-ModellebergenHerausforderungen: Geschäftsprozessesind je nach Unternehmensehr unterschiedlich, was individuelleAnpassungen erfordert undkomplexe Einführungsprojekte mitsich bringen kann.Letztlich hängt die Entscheidungvon der strategischen Wettbewerbspositionierungab – häufigkann auch eine Mischstrategiefür unterschiedliche Geschäftsbereichesinnvoll sein.Weiterführende InformationenDer Beitrag basiert auf dem Booklet„KI im Mittelstand“ der PlattformLernende Systeme, einem Gemeinschaftsprojektmit Kooperationspartnernaus Forschungseinrichtungenund Unternehmen, unterstützt durchMitglieder der Plattform LernendeSysteme. Stellvertretend fungierenOlga Mordvinova und Dr. AndreasLiebl als Autoren des Gastbeitrages.Über diePlattform Lernende SystemeDie Plattform Lernende Systemeist ein Netzwerk von Expertinnenund Experten zum Thema KünstlicheIntelligenz (KI). Sie bündeltvorhandenes Fachwissen und fördertals unabhängiger Makler deninterdisziplinären Austausch undgesellschaftlichen Dialog.Wer schreibtBasierend auf der entwickeltenKI-Strategie und den identifiziertenAnwendungsfällen sollten Unternehmenanschließend die nötigenVoraussetzungen für Pilotprojekteschaffen. Diese dienen dazu, ersteErfahrungen mit KI zu sammeln undzu evaluieren, welche Anpassungender Strategie notwendig sind. Unternehmenmüssen hier prüfen, ob dieeingeschlagene Strategie funktioniert,ein Nutzen für Pilotkundenentsteht und ob KI und Daten inbeabsichtigter Qualität rechtzeitigzur Verfügung stehen. Pilotprojektesollten gezielt in Bereichen mitOlga Mordvinova ist Gründerinund CEO der incontext. technologyGmbH. Mit ihrem Unternehmensetzt sich Olga Mordvinova für dienachhaltige Anwendung von KI/MLin der Industrie ein; sie ist zudemBeirätin und Mentorin mit der Fachexpertisein Digitalisierung und KI.Dr. Andreas Liebl ist Geschäftsführerder appliedAI Initiative GmbHsowie des gemeinnützigen appliedAIInstitute for Europe gGmbH.appliedAI ist Europas größte Initiativefür die Anwendung vertrauenswürdigerKI-Technologie. ◄PC & Industrie 6/2025 11