Der KI-Wert liegt in der Übergabe

Kurzfassung: KI im Mittelstand ist nicht schon produktiv, weil sie schnelle Entwürfe liefert. Entscheidend ist, ob das Arbeitsergebnis an der nächsten Übergabe im Ablauf fachlich prüfbar, anschlussfähig und wirtschaftlich verwertbar ist. Genau dort sollten Geschäftsleitungen KI-Nutzung, Kennzahlen und Skalierung beurteilen.

Die öffentliche KI-Politik setzt zunehmend auf Bewertung, Nachweisbarkeit und Einsatzkontext. Für deutsche KMU ist daran weniger die abstrakte Regulierung entscheidend als die praktische Übersetzung in den Betrieb: KI sollte dort beurteilt werden, wo ihr Ergebnis weiterverwendet wird. Ein Angebotsentwurf, eine Serviceantwort oder eine Projektzusammenfassung ist nur dann produktiv, wenn die nächste Person im Ablauf damit zuverlässig arbeiten kann.

Der neue Maßstab: Beurteilbarkeit im konkreten Einsatz

Die Verordnung (EU) 2024/1689, bekannt als EU-KI-Verordnung, ordnet KI-Systeme risikobasiert ein. Sie unterscheidet unter anderem verbotene Praktiken, Hochrisiko-Systeme und weniger kritische Anwendungen. Die US-amerikanische Executive Order vom 30. Oktober 2023 stellt sichere und vertrauenswürdige Entwicklung und Nutzung von KI in den Mittelpunkt. Das UK AI Safety Institute befasst sich mit der Bewertung fortgeschrittener KI-Systeme.

Diese öffentlichen Bezugspunkte zeigen eine gemeinsame Richtung: KI wird nicht nur danach betrachtet, was ein System technisch leisten kann. Wichtiger wird, ob Einsatz, Wirkung, Risiko und Kontrolle im konkreten Zusammenhang nachvollziehbar sind.

Für den Mittelstand ergibt sich daraus eine klare Managementeinsicht: Nicht die Modellleistung allein ist relevant, sondern die Übergabefähigkeit des Ergebnisses. Die Frage lautet nicht nur: „Erzeugt die KI einen brauchbaren Text?“ Sondern: „Kann Vertrieb, Service, Projektleitung oder Verwaltung dieses Ergebnis ohne unverhältnismäßige Nacharbeit fachlich prüfen und weiterverwenden?“

Damit verschiebt sich auch die Sicht auf KI-Governance. Sie beginnt nicht zwingend mit einem umfangreichen Regelwerk. Sie beginnt mit einer nüchternen Beobachtung im Arbeitsablauf: Wo erzeugt KI ein Zwischenergebnis, das anschließend von Menschen, Teams oder Kunden genutzt wird? An dieser Stelle entscheidet sich, ob KI im Mittelstand Produktivität schafft oder nur zusätzliche Prüfung auslöst.

Gute Entwürfe sind noch keine verwertbaren Ergebnisse

Viele KI-Piloten wirken zunächst überzeugend, weil sie sichtbare Arbeit beschleunigen. Texte entstehen schneller, E-Mails werden sortiert, Protokolle zusammengefasst, Dokumente verglichen. Das kann nützlich sein, beweist aber noch keine betriebliche Wirkung.

Im Vertrieb wird der Unterschied schnell sichtbar. Wenn KI aus freigegebenen Angebotsbausteinen einen ersten Entwurf erstellt, kann das Zeit sparen. Kritischer wird es, wenn technische Annahmen, Lieferfristen, Sonderkonditionen oder alte Referenzprojekte in den Vorschlag einfließen. Dann entscheidet nicht die sprachliche Qualität, sondern die Prüfbarkeit: Erkennt der Vertriebsmitarbeiter, welche Aussagen verbindlich sind und welche nur aus ähnlichen Fällen abgeleitet wurden?

Im Kundendienst gilt dasselbe. Eine KI-Antwort kann freundlich, konsistent und schnell formuliert sein. Sie bleibt dennoch unbrauchbar, wenn sie die falsche Produktversion, eine veraltete Kulanzregel oder einen unpassenden Vertragsstatus verwendet. Für Servicearbeit zählt nicht, wie rasch eine Erstantwort entsteht. Entscheidend ist, ob der Fall schneller und richtiger abgeschlossen wird.

Auch in der Projektabwicklung ist Vorsicht bei gut klingenden Zusammenfassungen angebracht. Eine KI-Auswertung aus Protokollen, E-Mails und technischen Unterlagen kann helfen, offene Punkte, Terminrisiken oder geänderte Anforderungen sichtbar zu machen. Sie kann aber auch trügerisch beruhigen, wenn eine entscheidende Abhängigkeit fehlt. Für die Projektleitung ist deshalb wichtig, welche Dokumente einbezogen wurden, aus welchem Zeitraum sie stammen und ob Versionen oder Änderungen erkennbar bleiben.

Der wirtschaftliche Prüfpunkt lautet: Verkürzt KI den gesamten Vorgang oder nur den sichtbaren Zwischenschritt? Wenn nach jedem Vorschlag umfangreiche Nachsuche nötig ist, wurde Arbeit nicht eingespart, sondern verlagert.

Agentische Arbeitsabläufe erhöhen die Bedeutung der Zwischenstationen

Besonders relevant wird diese Sicht bei agentischen Arbeitsabläufen. Gemeint sind Abläufe, in denen KI nicht nur eine einzelne Antwort liefert, sondern mehrere Teilschritte vorbereitet: Informationen suchen, Dokumente vergleichen, Fälle klassifizieren, Vorschläge ableiten oder Folgeaktionen anstoßen.

Für KMU kann das attraktiv sein. Ein System könnte etwa eine Kundenanfrage analysieren, passende Produktunterlagen finden, frühere Angebote vergleichen, technische Anforderungen zusammenfassen und einen Angebotsentwurf vorbereiten. Der mögliche Nutzen liegt auf der Hand: weniger Sucharbeit, schnellere Vorbereitung, einheitlichere Ergebnisse.

Doch mit jedem zusätzlichen Schritt entstehen Zwischenannahmen. Wurde die aktuelle Preisliste genutzt oder eine ältere Datei? Stammt eine Lieferzusage aus einem vergleichbaren, aber nicht identischen Projekt? Wurde ein Sonderfall erkannt oder in einen Standardvorgang eingeordnet? Hat die KI eine verbindliche Datenquelle verwendet oder nur naheliegende Dokumente gefunden?

Für die Geschäftsleitung ist dabei nicht entscheidend, jedes technische Detail des Modells zu verstehen. Entscheidend ist, ob der Arbeitsfluss klare Übergabepunkte hat. Eine Fachperson muss erkennen können, wann ein Vorschlag nur Vorarbeit ist, wann er belastbar wirkt und wann eine erfahrene Person prüfen muss.

Organisatorische Anschlussfähigkeit bedeutet in diesem Zusammenhang: Das KI-Ergebnis passt zur vorhandenen Fachlogik, zur Datenlage und zur Verantwortung im Unternehmen. Es ist kein isolierter Vorschlag, sondern ein nutzbarer Beitrag im Ablauf. Fehlt diese Anschlussfähigkeit, entsteht leicht ein technisch eindrucksvoller Prozess, der in der Praxis zusätzliche Abstimmung erzeugt.

Das ist auch für die Beschaffung wichtig. KI kommt im Mittelstand häufig über bestehende Software: CRM-Systeme, Ticketsysteme, Office-Anwendungen, ERP-Erweiterungen oder Dokumentenplattformen. Deshalb reicht die Frage „Hat das System KI?“ nicht aus. Wichtiger ist, ob Quellen begrenzt werden können, ob Rollen und Rechte sauber abbildbar sind, ob Vorschläge nachvollziehbar bleiben und ob kundenwirksame Funktionen kontrolliert freigegeben werden können.

Die passende Messung beginnt nach dem Vorschlag

Viele frühe Kennzahlen setzen zu früh an. Gemessen wird, wie viele Texte erstellt, wie viele Tickets vorsortiert oder wie viele Dokumente zusammengefasst wurden. Diese Werte zeigen Aktivität, aber nicht zwingend Produktivität.

Für eine belastbare Bewertung sollten KMU näher an den betrieblichen Ergebnissen messen. Im Service ist relevant, ob Rückfragen sinken, Eskalationen seltener werden und Fälle schneller abgeschlossen werden. Im Vertrieb zählt, ob Angebotsqualität steigt, Korrekturschleifen abnehmen und Abschlüsse nicht durch falsche Annahmen gefährdet werden. In Projekten ist entscheidend, ob offene Punkte früher erkannt und Entscheidungen auf einer besseren Informationsbasis getroffen werden.

Dafür braucht es keine große KI-Governance-Abteilung. Hilfreich ist eine einfache Evidenzkette für die wichtigen Anwendungen: Welcher Arbeitsschritt wurde verändert? Welche Datenbasis war maßgeblich? Wo musste fachlich korrigiert werden? Welche Auswirkung gab es auf Bearbeitungszeit, Fehler, Rückfragen oder Kundenergebnis?

Diese Betrachtung hilft auch bei B2B-Vertrauen. Größere Kunden, öffentliche Auftraggeber oder Partner in regulierten Lieferketten werden zunehmend wissen wollen, wie KI in Produkten, Dienstleistungen oder internen Abläufen eingesetzt wird. Allgemeine Aussagen wie „wir nutzen KI verantwortungsvoll“ bleiben schwach. Belastbarer ist eine konkrete Beschreibung: KI unterstützt bestimmte Vorgänge, nutzt freigegebene Quellen, Ergebnisse werden fachlich geprüft, kundenwirksame Aussagen bleiben in menschlicher Verantwortung, und sensible Daten werden nur innerhalb definierter Systeme verarbeitet.

Die praktische Entscheidungslinie für KMU-Manager ist damit klar: KI sollte dort skaliert werden, wo sie den nächsten Arbeitsschritt nachweisbar verbessert. Wo sie nur schneller Zwischenergebnisse erzeugt, aber mehr Prüfung, Unsicherheit oder Rückfragen auslöst, bleibt sie besser eine begrenzte Assistenzfunktion. Das ist keine Zurückhaltung gegenüber Technologie, sondern eine betriebswirtschaftliche Unterscheidung zwischen erzeugtem Arbeitsergebnis und verwertbarem Ergebnis.