Welche Marge ist wirklich geschützt?

Kurzfassung: Für KI im Mittelstand wird eine neue Prüfgröße wichtig: Nicht ob ein Wettbewerber das ganze Unternehmen kopieren kann, sondern ob ein kleines KI-natives Team einen profitablen Leistungsbaustein in 60 bis 90 Tagen sichtbar nachbauen könnte.

Wenn ein kleineres Team heute Recherche, Softwareanpassung, Angebotsvorbereitung, Dokumentation und fachliche Vorprüfung enger zusammenführen kann, verschiebt sich der Blick auf Marge. Hohe Profitabilität ist dann nicht automatisch ein Schutzsignal. Sie kann auch anzeigen, dass in einem Bereich viel wiederholbare Wissensarbeit steckt, die bisher nur durch Personal, Erfahrung und interne Reibung teuer war.

Der technische Auslöser hat eine betriebliche Pointe

Anthropic hat öffentlich beschrieben, dass Claude inzwischen mehr als 80 Prozent des gemergten Codes in der eigenen Codebasis schreibt. Das ist zunächst eine Aussage aus der Softwareentwicklung. Sie wird relevanter, wenn man sie mit Claude Code zusammendenkt: einem Werkzeug, das Codebasen durchsuchen, Änderungen vornehmen, Tests ausführen und Arbeitsschritte iterieren kann. Parallel wird politisch diskutiert, ob Staaten mit besonders KI-freundlichen Rahmenbedingungen Standortvorteile schaffen können; Javier Milei hat in der Financial Times Argentinien als möglichen Ort für sehr weitgehende KI-Freiheiten positioniert.

Für mittelständische Unternehmen liegt die Pointe nicht in der Frage, ob KI „sich selbst baut“. Entscheidend ist das Arbeitsmuster dahinter: Ein kleines Team kann mit agentischen Arbeitsabläufen mehrere Tätigkeiten bündeln, die früher nacheinander durch verschiedene Rollen gelaufen sind. Ziel setzen, Material suchen, Entwürfe erzeugen, technische Varianten prüfen, Tests oder Plausibilitätsprüfungen anstoßen, Ergebnisse dokumentieren, fachliche Freigabe vorbereiten.

Das verändert die strategische Bewertung von profitablen Leistungen. Angreifbar ist selten das komplette Unternehmen. Angreifbar ist ein klarer Ausschnitt: ein Angebotsmodul, eine Servicevorprüfung, eine technische Dokumentation, eine Ausschreibungsanalyse, ein wiederkehrender Kundenprozess. Die Managementfrage lautet deshalb nicht: „Ersetzt KI unser Geschäftsmodell?“ Sie lautet: „Welcher Teil unserer Marge beruht auf Arbeit, die ein kleines, gut geführtes KI-Team in drei Monaten sichtbar schneller liefern könnte?“

Der 90-Tage-Test macht Marge vergleichbar

Der nützliche Maßstab ist ein gedanklicher Gegenangriff. Eine Geschäftsführung kann eine profitable Leistung so betrachten, als würde ein externer Anbieter sie gezielt nachbauen. Nicht mit großer Organisation, sondern mit fünf guten Leuten, vorhandenen KI-Werkzeugen, Fachaufsicht und ausreichend Zugriff auf öffentliche oder kundenseitig verfügbare Daten.

Nehmen wir die Angebotsvorbereitung im Maschinenbau, Anlagenbau oder technischen Handel. Das Kundenergebnis besteht aus belastbaren Optionen, Preisen, Lieferannahmen, technischen Einschränkungen und verständlicher Kommunikation. Intern entsteht dieses Ergebnis aber oft aus Produktdaten, alten Projekten, Preislisten, Excel-Dateien, E-Mails, Lieferanteninformationen und Erfahrungswissen einzelner Mitarbeiter. Genau diese Vorarbeit ist für agentische Arbeitsabläufe interessant, wenn die Eingaben klar genug sind und ein erfahrener Mensch das Ergebnis prüfen kann.

Der Test fragt nicht, ob ein KI-System allein verkaufen, haften oder entscheiden kann. Er fragt, ob ein kleineres Team den vorbereitenden Teil so stark verkürzen kann, dass Kunden den Unterschied bemerken: schnellere Reaktion, transparentere Varianten, bessere Dokumentation, weniger Rückfragen. Wenn ja, ist die Marge in diesem Baustein nicht mehr allein durch Erfahrung geschützt. Sie hängt stärker an Kundenzugang, Vertrauen, Datenqualität, Entscheidungsqualität und Umsetzungssicherheit.

Ähnlich gilt es im Service. Ein Wartungsanbieter verliert seine Stärke nicht dadurch, dass KI Berichte schreiben kann. Verwundbar wird er, wenn Erstdiagnosen, Ersatzteilvorschläge, Wartungshistorien und Kundenkommunikation weiterhin langsam aus Tickets, Herstellerunterlagen und internen Notizen zusammengesucht werden. Ein KI-natives Team muss nicht den ganzen Servicebetrieb besitzen, um an dieser Stelle schneller und günstiger zu wirken.

Geschützt ist nicht der Aufwand, sondern die Substanz

Viele mittelständische Leistungen wirken wertvoll, weil sie aufwendig sind. Das ist betriebswirtschaftlich verständlich, aber strategisch gefährlich, wenn Aufwand und Kundennutzen verwechselt werden. Kunden bezahlen nicht die interne Sucharbeit. Sie bezahlen ein verlässliches Ergebnis, eine belastbare Entscheidung, eine saubere Umsetzung oder die Reduktion eines Risikos.

Robust bleibt Marge dort, wo schwer kopierbare Substanz entsteht: tiefe Domänenerfahrung, Vertrauen beim Kunden, Verantwortung für das Ergebnis, regulatorische Sicherheit, physische Ausführung, gewachsene Datenbasis, schnelle Eskalation im Ernstfall. Verwundbarer ist Marge dort, wo erfahrene Mitarbeiter vor allem Informationen zusammenführen, Standardfälle vorsortieren, ähnliche Dokumente neu formulieren oder wiederkehrende Prüfungen vorbereiten.

Das heißt nicht, dass solche Arbeit unwichtig wird. Im Gegenteil: Sie wird oft wirtschaftlich wertvoller, wenn sie sauberer organisiert ist. Aber ihre Preislogik verändert sich. Wenn ein Wettbewerber eine technische Vorprüfung in einem Tag vorbereitet, die intern bisher eine Woche brauchte, muss der höhere Preis anders begründet werden als mit Gründlichkeit allein. Dann zählen Nachvollziehbarkeit, fachliche Prüfung, Datenherkunft, Haftung und Integration in die Lieferpraxis.

Hier entsteht auch der praktische Zusammenhang zu KI-Governance. Sie ist nicht nur ein Regelwerk gegen Fehler, sondern ein Vertrauensnachweis. Ein Unternehmen muss erklären können, welche verbindliche Datenquelle genutzt wurde, wer fachlich geprüft hat, welche Annahmen gelten und welche Ergebnisse freigegeben sind. Ohne diese Klarheit steigt zwar die Menge der Entwürfe, aber nicht zwingend die Qualität der Entscheidung.

Die Konsequenz für die Prozessauswahl

Für KI im Mittelstand ist der beste Startpunkt nicht automatisch der größte Prozess oder das sichtbarste Experiment. Relevanter ist ein Leistungsbestandteil mit drei Eigenschaften: wirtschaftliche Bedeutung, hohe Wiederholung und prüfbares Ergebnis. Dort lässt sich erkennen, ob Produktivität wirklich steigt oder nur zusätzliche Abstimmung entsteht.

Eine solche Prozessauswahl zwingt zur Ehrlichkeit. Ist die Datenbasis belastbar? Sind alte Angebote, technische Spezifikationen, Preisregeln und Projekterfahrungen auffindbar? Gibt es Rollenklarheit zwischen KI-Vorarbeit, fachlicher Prüfung und verbindlicher Entscheidung? Passt das Ergebnis in den laufenden Betrieb oder entsteht ein Nebenprozess, den niemand dauerhaft verantwortet?

Die wichtigste Einsicht ist dabei nicht technologisch, sondern kaufmännisch. Ein Unternehmen sollte seine profitablen Leistungen danach ordnen, wie leicht ein kleineres Team den sichtbaren Kundennutzen reproduzieren könnte. Wo das möglich ist, sollte der Mittelständler den Baustein selbst neu organisieren, bevor ein anderer Anbieter ihn schneller, transparenter oder günstiger anbietet.