Verteidigbare Marge im KI-Zeitalter

Kurzfassung: Für KMU ist KI strategisch relevant, wenn hohe Marge auf wiederholbarer Wissensarbeit beruht. Der nützliche Stresstest: Kann ein kleines, fachkundiges Team mit heutigen KI-Werkzeugen in 60 bis 90 Tagen eine kundennützliche Vorleistung daraus bauen?

Viele Mittelständler betrachten KI im Mittelstand zuerst als Werkzeug für Produktivität: schneller schreiben, schneller suchen, schneller zusammenfassen. Für die Geschäftsführung ist eine andere Perspektive oft wertvoller. Relevant sind Leistungsbestandteile, bei denen Fachwissen regelmäßig in ein prüfbares Ergebnis übersetzt wird — etwa Angebotsvorbereitung, Serviceeinschätzung, Ausschreibungsanalyse oder Projektvorbereitung. Dort kann ein kleines KI-natives Team ansetzen, ohne das gesamte Unternehmen nachzubauen.

Der Auslöser: KI-Anwendungen werden leichter zusammensetzbar

Die aktuelle Dynamik hat politische, finanzielle und operative Anker. In den USA formulierte die Executive Order „Removing Barriers to American Leadership in Artificial Intelligence“ vom Januar 2025 ausdrücklich das Ziel, Hindernisse für amerikanische KI-Führerschaft abzubauen. Die Anordnung sieht unter anderem einen KI-Aktionsplan vor und verlangt eine Überprüfung bestehender Vorgaben, die diesem Ziel entgegenstehen könnten.

Parallel fließt weiter erhebliches Kapital in Anbieter von Basismodellen. Anthropic gab im März 2025 eine Series-E-Finanzierung über 3,5 Milliarden US-Dollar bekannt; die Bewertung nach Finanzierung lag laut Unternehmensangabe bei 61,5 Milliarden US-Dollar. Für deutsche KMU ist nicht die einzelne Bewertung entscheidend. Wichtiger ist der Markteffekt: Modellleistung, Entwicklungswerkzeuge und Umsetzungswissen werden schneller verfügbar.

Auch die praktische Bauweise solcher Lösungen wird konkreter. Anthropic beschreibt in „Building effective agents“ Muster für agentische Arbeitsabläufe: Modelle werden mit Werkzeugen, Datenzugriffen, mehrstufigen Aufgabenketten, Bewertungsschleifen und menschlicher Kontrolle verbunden. Zudem unterscheidet Anthropic zwischen fest definierten Abläufen und Agenten, bei denen ein Sprachmodell dynamischer über nächste Schritte und Werkzeugeinsatz entscheidet.

Die Managementübersetzung lautet: Ein kleines Team muss kein eigenes KI-Modell entwickeln, um einen begrenzten Wissensprozess neu zu verpacken. Es kann vorhandene Modelle mit Produktdaten, Regeln, Dokumenten, Schnittstellen und fachlicher Prüfung kombinieren. Dadurch wird nicht das ganze Geschäftsmodell angreifbar, sondern ein profitabler Ausschnitt.

Die vorbereitete Entscheidung ist oft der eigentliche Angriffspunkt

In vielen B2B-Geschäften entsteht ein erheblicher Teil des Werts vor der finalen Lieferung. Kunden wollen früher wissen, ob eine Anfrage vollständig ist, welche Variante wahrscheinlich passt, wo Risiken liegen, welche Unterlagen fehlen oder welcher nächste Schritt sinnvoll ist.

Diese vorbereitete Entscheidung wird intern häufig als Aufwand behandelt. Tatsächlich beeinflusst sie Abschlusswahrscheinlichkeit, Reaktionszeit, Kundenzufriedenheit und Projektkosten. Genau hier kann KI im Mittelstand die Angebotslogik verändern.

Ein Beispiel ist die technische Angebotsvorbereitung. Kunden senden Zeichnungen, Spezifikationen oder Lastenhefte. Vertrieb, Innendienst und Technik prüfen dann Produktvarianten, technische Grenzen, Preislogik, Lieferfähigkeit und Rückfragen. Ein KI-gestützter Baustein kann Kundenunterlagen einlesen, fehlende Angaben markieren, freigegebene Varianten vorschlagen, ähnliche frühere Angebote finden und einen Entwurf für Rückfragen oder Kalkulationsannahmen erstellen. Die fachliche Freigabe bleibt beim Unternehmen. Der Kunde erlebt dennoch eine schnellere Orientierung.

Ähnlich im Service. Bei wiederkehrenden Störungsbildern liegen oft Handbücher, Fehlermeldungen, Wartungshistorien, Ersatzteillisten und frühere Tickets vor. Ein agentischer Arbeitsablauf kann Maschinentypen erkennen, Fehlercodes einordnen, ähnliche Fälle suchen, wahrscheinliche Ursachen strukturieren und eine erste Antwort vorbereiten. Sicherheitsrelevante Entscheidungen bleiben beim Fachpersonal, aber die Zeit bis zur brauchbaren Einschätzung sinkt.

Auch Projekt- und Ausschreibungsvorbereitung passt in dieses Muster. Umfangreiche Unterlagen werden segmentiert, Muss-Kriterien markiert, Fristen erkannt, technische Ausschlüsse sichtbar gemacht und Risiken zu früheren Projekten abgeglichen. Die kaufmännische oder technische Entscheidung wird nicht automatisiert. Aber die Such- und Sortierarbeit vor der Entscheidung wird schneller und konsistenter.

Der Angriffspunkt ist deshalb nicht „KI ersetzt Experten“. Er liegt zwischen unstrukturiertem Eingangsmaterial und geprüfter fachlicher Einschätzung.

Der 60-bis-90-Tage-Test misst Replizierbarkeit

Für Geschäftsführung und Bereichsleitung ist ein nüchterner Stresstest hilfreich: Könnte ein kleines fachkundiges Team mit heutigen KI-Werkzeugen innerhalb von zwei bis drei Monaten eine brauchbare Vorleistung zu diesem Leistungsbaustein bauen?

Dieser Test ist keine Prognose. Er hilft bei der Prozessauswahl. Interessant sind Tätigkeiten mit ähnlichen Eingaben, vorhandenen Wissensquellen und prüfbaren Ergebnissen. Eingaben können Kundenanfragen, Tickets, Zeichnungen, Lastenhefte oder Projektberichte sein. Als Quellen dienen Produktdaten, Preisregeln, technische Ausschlüsse, Servicehistorien, Normenbezüge, frühere Angebote oder kundenspezifische Sonderregeln. Prüfbarkeit bedeutet: Eine erfahrene Fachperson kann erkennen, ob der Vorschlag plausibel, unvollständig oder falsch ist.

Entscheidend ist nicht, ob die KI sofort die finale Verantwortung übernehmen kann. Oft reicht eine belastbare Vorstruktur: fehlende Informationen, passende Varianten, erkennbare Risiken, sinnvolle Rückfragen, erste Kostenannahmen. Dieser Teilnutzen ist für Kunden häufig wertvoll, weil er Entscheidungen beschleunigt.

Die wirtschaftliche Kennzahl lautet deshalb nicht „eingesparte Minuten“, sondern Kosten pro verwertbarem, fachlich geprüftem Ergebnis. Ein automatisch erzeugter Angebotsentwurf hilft wenig, wenn die Korrektur länger dauert als die manuelle Erstellung. Eine schnelle Serviceantwort ist nur nützlich, wenn sie Rückfragen reduziert und die Entscheidungsqualität erhöht. Eine Ausschreibungszusammenfassung hat Wert, wenn sie Risiken sichtbar macht und die interne Freigabe vorbereitet.

Kleine Teams wirken hier oft schneller, weil sie enger schneiden. Sie wählen einen klaren Anwendungsfall, begrenzen Datenquellen, definieren eine Ausgabe und testen direkt mit Nutzern. Etablierte Unternehmen müssen zusätzlich ERP-Zugriffe, Freigaben, Haftung, Datenschutz, Kundenzusagen und Zuständigkeiten klären. Diese organisatorische Anschlussfähigkeit ist notwendig. Sie sollte aber nicht dazu führen, dass der kundennützliche Ausschnitt unsichtbar bleibt.

Verteidigung entsteht durch belastbare Reproduktion, nicht Größe

Nicht jede Marge ist kurzfristig durch KI angreifbar. Schwerer nachzubilden sind Leistungen, bei denen physische Umsetzung, Haftungsübernahme, Anlagenkenntnis, persönliche Kundenbeziehung oder sicherheitskritische Erfahrung dominieren. Eine Anlagenfreigabe, eine hochindividuelle Sonderkonstruktion oder eine Vor-Ort-Diagnose lässt sich nicht einfach durch eine Dokumentenauswertung ersetzen.

Trotzdem können auch dort vorgelagerte Schritte neu organisiert werden. Die KI entscheidet nicht über den sicheren Betrieb einer Anlage. Sie kann Messwerte ordnen, Wartungshistorien zusammenfassen, ähnliche Störungsbilder anzeigen, Rückfragen vorbereiten und Abweichungen markieren. Der Experte bleibt verantwortlich, arbeitet aber mit besserer Ausgangslage.

Für etablierte KMU liegt hier ein echter Vorteil: Sie besitzen häufig bessere Daten, tiefere Kundenkenntnis und praktische Liefererfahrung. Diese Stärken wirken nur, wenn sie als verbindliche Datenquelle nutzbar sind. Produktvarianten, technische Grenzen, Preislogik, Servicehistorien und Sonderregeln müssen so zugänglich sein, dass agentische Arbeitsabläufe verlässlich darauf aufbauen können.

KI-Governance ist in diesem Zusammenhang kein separates Regelwerk neben dem Geschäft. Sie legt fest, welche Quellen gelten, welche Ergebnisse nur vorbereitet werden dürfen, wo fachliche Prüfung zwingend bleibt und wer die Ausgabe gegenüber dem Kunden verantwortet. Ohne diese Klarheit bleibt KI ein Hilfsmittel einzelner Mitarbeitender. Mit ihr kann ein neuer, prüfbarer Servicebaustein entstehen.

Die konkrete Konsequenz: Margen sollten nicht nur nach Produkten, Kunden oder Abteilungen betrachtet werden, sondern nach wiederholbaren Wissensbausteinen mit eigenem Kundennutzen. Wenn ein solcher Baustein in 60 bis 90 Tagen extern nachbildbar wäre, sollte das Unternehmen selbst entscheiden, ob daraus eine schnellere Vorprüfung, ein bezahltes Diagnosepaket, eine bessere Angebotsvorbereitung oder ein neuer Servicebaustein wird.