Welche Marge lässt sich nachbauen?

Kurzfassung: Für KMU ist nicht die Frage entscheidend, ob KI die ganze Firma ersetzt. Wichtiger ist, welche margenstarke Teilleistung ein kleines KI-Team in 60 bis 90 Tagen so weit nachbauen könnte, dass Kunden schneller Orientierung, Vorarbeit oder Service erhalten.

Die relevante KI-Frage im Mittelstand liegt oft unterhalb der großen Strategiebegriffe. Ein Unternehmen wird nicht als Ganzes kopiert. Angreifbar werden einzelne Leistungen, bei denen Kunden heute für Geschwindigkeit, Struktur und fachliche Vorarbeit bezahlen – obwohl ein erheblicher Teil intern aus wiederholbarer Informationsarbeit besteht.

Der Stresstest: Welche Leistung ist schneller kopierbar als gedacht?

Der zugespitzte Managementtest lautet: Gibt es eine margenstarke Leistung, die zwei bis fünf KI-kundige Personen mit verfügbaren Werkzeugen, Datenzugängen und Branchenwissen in 60 bis 90 Tagen teilweise nachbilden könnten?

Für deutsche KMU ist daran weniger die Zahl der Tage entscheidend als die Perspektive. Der Blick wandert weg von Abteilungen und Produkten hin zu Leistungsbestandteilen. Ein kleines Team muss keinen Maschinenbauer, Großhändler oder Servicebetrieb ersetzen. Es kann einen eng begrenzten Ausschnitt anbieten: technische Erstklärung, Angebotsvorbereitung, Ersatzteilidentifikation, Dokumentenvergleich, Servicehistorien oder die Vorstrukturierung komplexer Kundenanfragen.

Damit wird Marge zu einer Replikationsfläche. Robust ist sie dort, wo sie auf echter Differenzierung beruht: Kundenzugang, Qualität, Lieferfähigkeit, Haftung, physische Umsetzung, Spezialwissen. Anfälliger ist sie dort, wo sie aus langsamer Koordination, verteiltem Wissen und wiederholbaren Such- oder Vergleichsarbeiten entsteht.

Die Managementfrage lautet deshalb nicht: „Kann KI unseren Vertrieb oder Service ersetzen?“ Sie lautet: Welche bezahlte Vorarbeit wirkt für Kunden hochwertig, ist operativ aber teilweise standardisierbar?

Die angreifbare Zone liegt vor der eigentlichen Entscheidung

Viele profitable Leistungen bestehen aus zwei Schichten. Sichtbar ist das Expertenurteil: eine technische Bewertung, eine kaufmännische Freigabe, eine Risikoabwägung. Darunter liegt oft viel Vorarbeit: Dokumente lesen, alte Fälle suchen, Varianten vergleichen, Seriennummern prüfen, Rückfragen formulieren, Projektstände zusammenführen.

Genau diese untere Schicht ist für agentische Arbeitsabläufe interessant. Anthropic beschreibt wirksame KI-Agenten nicht als frei laufende Systeme, sondern als Lösungen für klar begrenzte Aufgaben mit Werkzeugzugriff, überprüfbaren Zwischenschritten und menschlicher Kontrolle. Für KMU heißt das: Die relevante Anwendung ist nicht die vollautomatische Entscheidung, sondern die bessere Vorbereitung einer Entscheidung.

Ein Beispiel aus dem technischen Vertrieb: Ein Kunde schickt Zeichnungen, Fotos, alte Bestellnummern oder Spezifikationen. Intern sucht jemand ähnliche Angebote, prüft Produktvarianten, fragt Technik oder Einkauf und formuliert eine erste Einschätzung. Die finale Verantwortung bleibt bei Menschen. Aber ein Teil der Arbeit folgt Mustern, die KI mit Zugriff auf Angebote, Produktdaten, Handbücher oder Serviceberichte vorbereiten kann.

Für den Kunden zählt zunächst nicht, ob die erste Antwort vollständig verbindlich ist. Er bewertet, ob er schneller eine brauchbare Orientierung erhält. Wenn ein Wettbewerber diese Vorstrukturierung in Stunden statt Tagen liefert, verändert sich die Erwartung an die gesamte Leistung.

Service zeigt das Muster, nicht die Blaupause

Klarna berichtete, dass ein KI-Assistent im Kundenservice im ersten Monat rund zwei Drittel der Chats bearbeitete. Diese Zahl ist nicht eins zu eins auf industrielle B2B-Servicefälle übertragbar. Ein Maschinenstillstand, eine sicherheitsrelevante Diagnose oder eine Gewährleistungsfrage verlangt andere Prüfungen als ein standardisierter Verbraucher-Chat.

Übertragbar ist aber das Muster: Wo Anliegen häufig wiederkehren, gut dokumentiert sind und zunächst begrenztes Risiko haben, kann KI einen relevanten Teil der Erstbearbeitung übernehmen. Im Mittelstand betrifft das zum Beispiel Lieferstatus, bekannte Störungsmeldungen, Wartungshistorien, Ersatzteilfragen oder die Vorbereitung eines Servicetermins.

Entscheidend ist die Übergabequalität. Ein gutes KI-System ersetzt nicht den Servicetechniker. Es kann aber vorab Informationen sammeln, Fehlerbilder clustern, Rückfragen vorschlagen, ähnliche Fälle anzeigen und den nächsten sinnvollen Schritt vorbereiten. Dadurch entsteht Produktivität nicht durch Autonomie, sondern durch bessere Anschlussfähigkeit zwischen Vorarbeit und fachlicher Prüfung.

Hier liegt auch die Grenze. Wenn Vor-Ort-Diagnose, regulatorische Anforderungen, Sicherheitsfragen oder individuelle Kundenkonstellationen dominieren, bleibt KI unterstützend. Angreifbar sind nicht die verantwortlichen Entscheidungen, sondern die wiederholbaren Schritte davor.

Datenzugang entscheidet über die eigene Lernkurve

Ein kleines externes KI-Team kann nur das nachbilden, was es fachlich beschreiben und mit Daten versorgen kann. Dasselbe gilt für das etablierte Unternehmen selbst. Eine verbindliche Datenquelle ist deshalb kein IT-Nebenthema, sondern ein Wettbewerbsfaktor.

In vielen KMU liegt das relevante Wissen verteilt: im ERP, im CRM, in E-Mails, auf Dateiservern, in alten Angeboten, in Serviceberichten und in den Köpfen erfahrener Mitarbeiter. Solange diese Informationen nicht verlässlich nutzbar sind, bleibt KI im Mittelstand unter ihren Möglichkeiten. Gleichzeitig können externe Anbieter einzelne Ausschnitte trotzdem angreifen, wenn öffentliche Daten, Kundendokumente oder Branchenstandards für eine erste Vorarbeit ausreichen.

Microsoft beschreibt im Work Trend Index 2025 KI-Agenten als Teil neuer Arbeitsformen, in denen Aufgaben, Übergaben und menschliche Kontrolle stärker digital organisiert werden. Für ein KMU bedeutet das nüchtern: Entscheidungsqualität entsteht nicht durch ein einzelnes Werkzeug, sondern durch ein Zusammenspiel aus Datenbasis, fachlicher Prüfung und klarer Verantwortung.

Die praktische Konsequenz ist eng genug, um handhabbar zu bleiben. Eine Geschäftsführung sollte nicht „KI überall“ prüfen, sondern zwei bis drei margenstarke Leistungen zerlegen: Welche Teile sind echte Differenzierung? Welche Teile bestehen aus Suchen, Vergleichen, Strukturieren und Vorbereiten? Und welche davon könnte ein kleines Team mit heutigen Werkzeugen in wenigen Wochen als nützlichen Teilservice anbieten?

Dort, wo der zweite Anteil groß ist, liegt der erste sinnvolle Test. Nicht als Großprogramm, sondern als Nachbauversuch im eigenen Haus: Kann das Unternehmen die angreifbare Vorarbeit selbst schneller, konsistenter und kundennäher bereitstellen, bevor ein anderer Anbieter genau diesen Ausschnitt besetzt?