Bereit für KI: Strategien für jeden Reifegrad

jannoon028/Shutterstock

Mittelstand ist nicht gleich Mittelstand. In den einzelnen Unternehmen herrschen sehr unterschiedliche Voraussetzungen für den Einsatz von KI-Technologien. Im Gegensatz zu einigen Hidden Champions stehen gerade viele kleinere und mittlere Betriebe erst am Anfang der Digitalisierung. Neben der Unternehmensgröße spielen auch das Geschäftsmodell und der Investitionsspielraum eine wichtige Rolle für die Fähigkeit und die Bereitschaft, KI-Lösungen zu nutzen. Entsprechend unterschiedlich ist das strategische Vorgehen.

Unterschiedliche Voraussetzungen für den Einsatz

Eine aktuelle Befragung des Bundesverbands mittelständische Wirtschaft (BVMW) und des Mittelstand 4.0-Kompetenzzentrums Berlin zeigt die großen Unterschiede hinsichtlich der Anforderungen, Hürden und Erfahrungen beim Thema KI. Zentrale Hemmnisse für die Nutzung von KI-Technologien sind neben fehlendem fachlichem Know-how eine unzureichende Datenbasis bzw. -infrastruktur sowie knappe finanzielle Ressourcen. Oft fehlt den Unternehmen auch der Überblick über Einsatzfelder und Nutzenpotenziale von KI. Bemessen an ihren technischen Kompetenzen und Infrastrukturen sowie ihrer strategischen Ausrichtung weisen Mittelständler daher eine sehr unterschiedliche KI-Einsatzfähigkeit (KI-Readiness) auf.

Gleichwohl: Die Mehrheit der Mittelständler geht davon aus, dass KI künftig an Bedeutung gewinnen wird. Gerade KMU besitzen mit ihren kurzen Entscheidungswegen und ihrer überschaubaren Größe auch gute Voraussetzungen, um schnell auf technische Innovationen und Marktpotenziale reagieren zu können. Zudem können inhaber- oder familiengeführte Unternehmen ihre Beschäftigten beim Veränderungsprozess besser einbinden und es sind weniger Umsetzungsbarrieren zu erwarten als in Konzernen.

Reif für die Einführung von KI-Technologien? Orientierung bieten folgende Instrumente:

AI Maturity Assessment

Mit dem AI Maturity Assessment bietet die appliedAI Initiative, unterstützt durch BDI und Bitkom, ein kostenfreies digitales Tool, mit dem Mittelständler ihren KI-Reifegrad in unterschiedlichen Phasen bestimmen können – vom frühen Ausprobieren der Technologie bis zur skalierten Anwendung im Unternehmen. Basierend auf ihren Antworten erhalten Mittelständler anschließend individuelle Empfehlungen.

Checkliste des Mittelstand 4.0-Kompetenzzentrums Berlin

Die Checkliste des Mittelstand 4.0-Kompetenzzentrums Berlin liefert einen Überblick über zentrale Fragen, die vor der Einführung von KI zu stellen sind.

KIRC (KI-Readiness-Check)

Der KI-Readiness-Check des Mittelstand-Digital Zentrums Kaiserslautern (KIRC) ermöglicht Ihnen die Selbsteinschätzung Ihrer eigenen KI-Reife. Durch die Beantwortung von zielgerichteten Fragen zu vier Themengebieten und an Hand allgemeiner Aussagen zu Ihrem Unternehmen, ermittelt der Readiness-Check den Reifegrad Ihres Unternehmens. Der Readiness-Check berücksichtigt dabei mehrere Dimensionen, die relevant für einen erfolgreichen Umgang mit Künstlicher Intelligenz sind.

Strategien zur Umsetzung von KI

Abhängig von ihrer KI-Einsatzfähigkeit empfehlen sich für Mittelständler unterschiedliche Strategien zur schrittweisen Einführung von Verstetigung von KI.

  • Nutzen von KI
    erkennen

    Aktivierende KI-Strategie

  • KI pragmatisch einsetzen

    Pragmatische KI-Strategie

  • KI-Projekte
    skalieren

    Adaptive KI-Strategie

  • KI-Projekte
    verstetigen

    Verstetigende KI-Strategie

Aktivierende KI-Umsetzungsstrategie

Rund 40 Prozent der mittelständigen Unternehmen in Deutschland nutzen KI-Technologien noch nicht und denken auch nicht darüber nach. Um von den Möglichkeiten der Technologie zu profitieren, empfiehlt sich im Sinne einer aktivierenden KI-Umsetzungsstrategie folgendes Vorgehen:

  • Status quo analysieren: Die Vernetzung mit regionalen Partnern weitet den Blick für gelungene Praxisbeispiele oder die Entwicklung gemeinsamer KI-Projekte. Mögliche Anlaufstellen sind Industrie- und Handelskammern, Mittelstand 4.0-Kompetenzzentren oder andere Transferzentren. Der Einstieg in KI erfordert keine komplett digitalisierten Unternehmensbereiche. Möglich sind auch Pilotprojekte in einzelnen Abteilungen.
  • Nutzen von KI identifizieren: KI ist kein Selbstzweck. Je nach betrieblicher Anforderung kann auch eine Prozessoptimierung die bessere Lösung sein. Entscheidend ist daher die Frage: Können KI-Systeme für das Unternehmen einen Mehrwert schaffen oder neue Geschäftsmodelle ermöglichen? Bei der Beantwortung dieser Fragen unterstützen Expertinnen und Experten in anwendungsorientierten Forschungseinrichtungen und den KI-Kompetenzzentren.
  • KI-Strategie entwickeln: Fällt die Entscheidung für ein KI-Projekt, sind geeignete Anwendungsfälle im Unternehmen zu bestimmen: Welche Prozesse und Produkte lassen sich durch KI optimieren? Welchen Mehrwert verspricht dies? Für die Umsetzung können KI-as-a-Service-Angebote sinnvoll sein, da sie weniger Investitionen und eigenes Know-how erfordern.
  • Praxis-Check durchführen: Welche Daten müssen gesammelt und modelliert werden? Diese Frage stellt sich im nächsten Schritt. Nicht immer sind für einzelne Projekte riesige Datenmengen notwendig. Wichtig ist, ein Bewusstsein für die eigenen Daten zu schaffen und entsprechende Datenverzeichnisse zu erarbeiten. Auch dabei können externe Partner helfen. Wichtig auch: die Beschäftigten in den KI-Transformationsprozess einbinden und offen über den Einsatz von KI diskutieren – auch hinsichtlich ihrer Wirtschaftlichkeit.
  • KI-Lösung einführen: War das KI-Projekt erfolgreich? Um dies zu bewerten, braucht es geeignete Erfolgskriterien. Werden diese erfüllt, sollte der Pilot zu einem realen KI-Projekt ausgeweitet werden. Ob dieses machbar ist, lässt sich häufig erst einschätzen, wenn die Trainingsdaten vorliegen. Daher benötigt die KI-Einführung Ressourcen und Zeit – für das erste Datenprodukt etwa sechs bis zwölf Monate.

 

Förderprogramme, Vernetzungs- und kostenlose Beratungsangebote zur Umsetzung einer aktivierenden KI-Strategie finden Sie hier.
Wie andere Mittelständler KI-Technologien bereits erfolgreich nutzen, zeigen folgende Praxisbeispiele.

Pragmatische KI-Umsetzungsstrategie

Rund ein Viertel der Mittelständler in Deutschland plant aktuell erste KI-Projekte. Diese Unternehmen verfügen meist über einen mittleren digitalen Reifegrad und haben die Chancen einer technologischen Weiterentwicklung erkannt. Im Sinne einer pragmatischen KI-Umsetzungsstrategie empfiehlt sich folgendes Vorgehen:

  • Status quo analysieren: Viele Unternehmen mit mittlerem Digitalisierungsgrad erheben bereits eigene Daten und werten diese aus. Zu prüfen ist, ob Struktur und Qualität der gesammelten Daten für das Training von KI-Technologien geeignet sind. Feststellen lässt sich das häufig erst bei der Umsetzung eines konkreten Projekts.
  • KI-Nutzen bewerten: Welche Verbesserungen für Produkte, Beschäftigte, Kunden, Organisationsstruktur oder Wertschöpfung soll die KI-Lösung bringen? Ausgehend von dieser Frage sollten Unternehmen einzelner Anwendungsfälle erstellen und priorisieren. Dabei sind stets die Potenziale von KI-Technologien zu prüfen.
  • KI-Strategie entwickeln: Wie kann KI in fünf bis zehn Jahren Prozesse und Produkte verbessern? Dieses Ziel sollte im Fokus einer pragmatischen KI-Strategie stehen. Dazu gilt es, erfolgreiche Pilotprojekte systematisch zu realen Projekten zu erweitern. Vielen Unternehmen fällt dies schwer. Ursachen dafür können in der Datenverwaltung oder der Prozessinfrastruktur liegen, die teilweise in der Pilotphase gänzlich fehlt. Anders als Pilotprojekte benötigen dauerhafte KI-Lösungen einen kontinuierlichen Datenstrom. Dieser muss auch bei externen Dienstleistern sichergestellt werden. Voraussetzung bei internen KI-Lösungen ist eine solide digitale Infrastruktur, die eine kontinuierliche Pflege, Aktualisierung und Optimierung der Datenbasis im Realbetrieb ermöglicht. Gerade beim Übergang von Pilot- zur Routineanwendung ist es wichtig, die Beschäftigten mitzunehmen und Verhaltensweisen festzulegen, etwa bei fehlerhaften Empfehlungen der KI.
  • Praxis-Check durchführen: Für die Umsetzung von KI-Pilotprojekten empfiehlt sich: Mit Anwendungen starten, die den höchsten Mehrwert versprechen und zeitnah umsetzbar sind. Und: die zur Zielsetzung und Struktur des Unternehmens sowie zur Wertschöpfungsarchitektur und den Produkten passen. Hilfreiche Fragen hierfür sind: Wer sind die potenziellen Kunden? Welche Kundenwünsche werden bislang noch nicht bedient?
  • KI-Lösung einführen: Für die Einführung von KI im Unternehmen empfehlen sich kleine Projektteams, die Pilotprojekte bewerten sowie Finanzierungs- und Investitionskonzepte entwickeln. Die Beschäftigten sollten von Beginn an in Umstellungsprozesse sowie in eine offene Diskussion über Investitionsvorhaben und deren Auswirkungen eingebunden werden.

Förderprogramme, Vernetzungs- und kostenlose Beratungsangebote zur Umsetzung einer pragmatischen KI-Strategie finden Sie hier.
Wie andere Mittelständler KI-Technologien bereits erfolgreich nutzen, zeigen folgende Praxisbeispiele.

Adaptive KI-Umsetzungsstrategie

Knapp 30 Prozent der Mittelständler in Deutschland wenden KI-Technologien bereits in einzelnen Pilotprojekten an. Sie passen sich damit Veränderungen im Markt an (z.B. Verhalten von Mitbewerbern, Kundenwünsche) und erkennen zugleich Optimierungs- und Modernisierungspotenziale. Diese Unternehmen verfügen häufig über einen erweiterten digitalen Reifegrad. Bis zum messbaren Erfolg und einer erfolgreichen Skalierung von KI-Projekten sind aber noch einige Schritte zu bewältigen. Im Sinne einer adaptiven KI-Umsetzungsstrategie empfiehlt sich für sie folgendes Vorgehen:

  • Status quo analysieren: Die Unternehmen erfassen Prozesse mit zahlreichen Datenpunkten nicht nur in einzelnen Fertigungszellen, sondern im gesamten Unternehmen in Echtzeit. Die relevanten Datenquellen liegen jedoch oft dezentral in verstreuten Datensilos vor und stehen nur einem kleinen Personenkreis zur Verfügung bzw. sind nicht miteinander kompatibel. Neben der Verknüpfung von Daten stellt sich häufig auch die Frage nach der Datensouveränität. Rechtssicherer Datenzugang zum Teilen von Daten ist eine wichtige Voraussetzung für die Nutzung von KI-Anwendungen. Ungeklärt ist auch die Skalierbarkeit von KI-Anwendungen, die bereits in einzelnen Unternehmensbereichen eingesetzt werden.
  • KI-Nutzen bewerten: Skaleneffekte können den Erfolg von KI-Lösungen bremsen. Daher ist genau zu analysieren, in welchem Wertschöpfungsbereich bzw. ob beim Geschäftsmodell Stärken und Schwächen oder Optimierungspotenziale vorliegen. Letztere bestehen unter anderem darin, einzelne Prozesselemente noch effizienter zu gestalten (z.B. in der Lieferkette, im Kundenmanagement), Prozessabläufe zu optimieren (z.B. Distribution, KI-assistierte Dokumentation und Analyse interner Prozesse) oder Marketingmaßnahmen zielgenauer zu konzipieren.
  • KI-Strategie entwickeln: Abhängig von der Bewertung des KI-Potenzials sollte das Unternehmen Praxisbeispiele für die Entwicklung einer betriebsinternen KI-Strategie heranziehen. KI-basierte Methoden können helfen, eine E-Commerce-Strategie (z.B. Preisindikation) oder die Qualitätskontrolle in der Industrie zu verbessern. In kleinen Projektteams sollten konkrete Projektideen getestet und weiterentwickelt werden. Größere Unternehmen bauen hierfür oft auch zentrale KI-Teams auf. Notwendig ist auch hier, dass die Beschäftigten den stetigen Prozess der KI-Transformation aktiv mitgestalten.
  • Praxis-Check durchführen: Die erfolgreiche Umsetzung der KI-Strategie hängt stark von der Organisations- und Unternehmenskultur ab. Auch die vorhandenen Fähigkeiten und Kompetenzen der Beschäftigten sollten berücksichtigt werden. Kooperationen mit Forschungseinrichtungen, Start-ups oder regionale Netzwerke mit anderen Unternehmen können eine Option sein, um die eigenen Organisationsstrukturen zu komplementieren.
  • KI-Lösung einführen: Um ein Use Case-Portfolio auch dann erfolgreich zu managen, wenn einzelne Wissensträger aus dem Unternehmen ausscheiden, empfiehlt sich der Aufbau von Wissen-Hubs. Weitere KI-Projektideen lassen sich dadurch testen, konzeptionell weiterentwickeln und die Skalierbarkeit gewährleisten. So können Know-how aufgebaut und langfristig interne Lösungen entwickelt werden. Dies ist vor allem relevant, wenn für die weitere KI-Transformation des Unternehmens keine spezifische Software am Markt vorhanden ist, die den Anforderungen der Organisation gerecht wird.

Förderprogramme, Vernetzungs- und kostenlose Beratungsangebote zur Umsetzung einer pragmatischen KI-Strategie finden Sie hier.
Wie andere Mittelständler KI-Technologien bereits erfolgreich nutzen, zeigen folgende Praxisbeispiele.

Verstetigende KI-Umsetzungsstrategie

Knapp sechs Prozent der Mittelständler in Deutschland setzen KI-Technologien bereits in allen Geschäftsbereichen ein. Dazu zählen insbesondere größere Unternehmen mit einem hohen digitalen Reifegrad. Diese KI-Vorreiter haben früh innovative Anwendungen in ihr Geschäft integriert oder neue KI-Geschäftsmodelle entwickelt. Sie handeln in Bezug auf die KI-Nutzung sehr beweglich, reaktionsschnell und proaktiv – und verfolgen somit eine verstetigende KI-Umsetzungsstrategie.

    • Status quo analysieren: Alle Geschäftsbereiche sind weitgehend digitalisiert, KI-Lösungen bereits in vielen Wertschöpfungsbereichen implementiert. KI-Expertinnen und -Experten arbeiten häufig in den jeweiligen Fachabteilungen oder verantworten das Thema zentral. KI ist fester Bestandteil der Unternehmensführung und Weiterentwicklung des Unternehmens, teilweise ist auch die Interaktion mit den Kunden bereits automatisiert. Häufig wurde KI zur Prozessoptimierung eingesetzt – die dadurch entstandene Datenbasis und das Wissen aus Pilotprojekten bieten vielfältige Chancen, KI-basierte Geschäftsmodelle umzusetzen.
    • KI-Nutzen bewerten: Optionen zur Optimierung durch KI sollten am Innovationspotenzial ausgerichtet werden. Anwendungsfälle sind vor dem Hintergrund der Unternehmensziele zu prüfen und der skalierbare Kundennutzen zu bewerten. Denkbar sind Kooperationen mit Anbietern von Daten, Technologien und digitalen Plattformen. So lässt sich Wissen innerhalb digitaler Wertschöpfungsnetzwerke aufbauen und daraus Mehrwert schaffen. Wertschöpfungsnetzwerke ermöglichen innovative Leistungsangebote auf Grundlage plattformbasierter, datengetriebener Geschäftsmodelle. Voraussetzung dafür ist der sichere, weitgehend offene Zugang und Austausch von Daten aus verschiedenen Quellen über Unternehmens- und Branchengrenzen hinweg.
    • KI-Strategie entwickeln: Die bestehende KI-Strategie ist darauf zu prüfen, ob sich Wünsche und Verhalten der Kunden verändern oder sich Prozesse weiter optimieren lassen. Werden im Unter-nehmen erst wenige KI-Anwendungen in verschiedenen Wertschöpfungsbereichen eingesetzt, so können daraus gewonnene Daten für die Einführung weiterer KI-Anwendungen bzw. den Aufbau KI-basierter Geschäftsmodelle verwendet werden.
    • Praxis-Check durchführen: Passt die gegenwärtige KI-Strategie noch zu einer sich ändernden Geschäftsstrategie? Diese Analyse ist zentral für die nachhaltige Nutzung von KI-Technologien. Wichtig auch: die Beschäftigten kontinuierlich weiterbilden. Für die weitere KI-Transformation können auch Partnerschaften mit indirekten Wettbewerbern, Start-ups, Technologieunternehmen oder Forschungseinrichtungen bzw. der Aufbau einer eigenen Forschungs- und Entwicklungsabteilung sinnvolle Schritte sein.
    • KI-Lösung einführen: Sind KI-Lösungen bereits über verschiedene Geschäftsdimensionen im Einsatz, gilt es, sie laufend zu pflegen und weiterzuentwickeln. Da die Qualität von KI-Anwendungen über die Zeit abnehmen kann, müssen eventuell neue Daten erhoben oder Datenquellen erschlossen werden. Zusätzlich ist stetig zu analysieren, wie sich Kundenwünsche verändern könnten, Produkte/Services angepasst werden müssten und welche – auch branchenfremden – Partner (auch: Zulieferer, Lieferanten) künftig interessant für Kooperationen sein könnten. Mitarbeiterbezogene Maßnahmen im Hinblick auf KI sollten dauerhaft in die Unternehmensorganisation integriert werden.

Förderprogramme, Vernetzungs- und kostenlose Beratungsangebote zur Umsetzung einer pragmatischen KI-Strategie finden Sie hier.
Wie andere Mittelständler KI-Technologien bereits erfolgreich nutzen, zeigen folgende Praxisbeispiele.