KI im Mittelstand: Vom Chatbot zum Betriebssystem
Sobald KI auf Dateien, Kunden, Mail oder ERP zugreift, ist sie keine Spielerei mehr. Dann ist sie Unternehmens-IT.
KI-Inhalte verändern sich schnell. Nächster planmäßiger Audit: 30.08.2026.
Nicht das stärkste Modell entscheidet, sondern klarer Zweck, freigegebene Daten, begrenzte Rechte, messbare Qualität und ein Betrieb, den jemand verantwortet.
Viele Betriebe beginnen mit einem Chatfenster und springen zu früh zum Agenten. Belastbar wird KI erst, wenn Aufgabe, Datenweg, Zugriffsrechte, Fehlerfall, Kosten und Verantwortliche zusammenpassen.
Readiness beginnt nicht beim Modell
Wenn niemand sagen kann, wie eine Aufgabe heute sauber erledigt wird, kann KI sie nicht zuverlässig verbessern. Der erste Check gilt deshalb dem Prozess: Wer startet ihn? Welche Informationen sind nötig? Wo wird entschieden? Was passiert bei einem Fehler? Erst danach kommt die Modellfrage.
Drei Menschen beantworten dieselben Fragen immer wieder anders. Bevor eine KI antwortet, werden Kategorien, Textbausteine, Eskalationen und Freigaben geklärt. Die eigentliche Verbesserung beginnt vor dem ersten Prompt.
Assistent, Automation oder Agent?
Ein Assistent schlägt vor. Eine Automation führt feste Schritte aus. Ein Agent wählt innerhalb eines Rahmens selbst Schritte und Werkzeuge. Je weiter das System handeln darf, desto kleiner sollten Rechte und Aktionsraum sein. Eine Automation wird nicht allein durch ein KI-Modell zum Produkt. Erst Prozess, Datenfluss, Fehlerbehandlung, Kontrolle und Wartung machen daraus ein belastbares System.
Zusammenfassen ist Assistenz. Einen geprüften Betrag ins System übertragen ist Automation. Rechnung, Auftrag und Abweichung selbst suchen und eine Buchung auslösen ist agentisch – und braucht deshalb Freigabegrenzen.
Cloud, Europa, lokal oder hybrid
Es gibt keinen pauschal richtigen Betriebsweg. Cloud kann schnell und leistungsfähig sein. Europäische Angebote können Vertrags- und Datenwege vereinfachen. Lokal kann Kontrolle erhöhen, bringt aber Betriebspflichten. Hybrid trennt sensible Wissensbestände von allgemeinen Aufgaben. Entscheidend sind tatsächlicher Datenfluss, Vertrag, Konfiguration, Kompetenz und Ausfallplan.
Die Rechnung ist größer als der Tokenpreis
Zu den Gesamtkosten gehören Einrichtung, Datenpflege, Schnittstellen, Tests, Freigaben, Schulung, Überwachung, Nacharbeit und Wechsel. Ein günstiges Modell in einem schlechten Prozess bleibt teuer. Ein teureres Modell kann sinnvoll sein, wenn es messbar Fehler oder Kontrollaufwand senkt.
Mehrere Modelle statt neuer Religion
Recherche, Schreiben, Klassifikation, Bild und lokale Wissenssuche haben unterschiedliche Anforderungen. Eine Multi-Modell-Strategie kann Abhängigkeit verringern und Qualität erhöhen. Sie braucht jedoch gemeinsame Tests, dokumentierte Auswahlregeln und einen Fallback – sonst wird Vielfalt nur neues Chaos.
30 Tage, ohne Theater
Woche eins: Aufgabe und Daten klären. Woche zwei: zehn bis dreißig echte Fälle testen. Woche drei: Rechte, Freigaben und Fehlerwege einbauen. Woche vier: mit wenigen Nutzern betreiben und messen. Danach wird entschieden: stoppen, verbessern oder ausrollen. Ein gescheiterter Pilot ist billiger als ein ungeprüfter Rollout.
Behauptung & Befund
Ein klarer Anwendungsfall, passende Daten und kontrollierbarer Betrieb bestimmen den Nutzen stärker als ein allgemeiner Spitzenplatz.
Ohne definierten Prozess automatisiert ein Agent vor allem Unklarheit und verteilt sie schneller.
Eigener Betrieb schafft Kontrolle, verlangt aber Rechtekonzept, Updates, Schutz, Dokumentation und fachliche Prüfung.
Modelle, Preise, Daten, Schnittstellen und Anforderungen ändern sich. KI-Systeme brauchen laufenden Betrieb.
Quellen
- Artificial Intelligence Risk Management Framework Autor/Institution: NISTPublisher: NIST
- Artificial Intelligence Risk Management Framework: Generative AI Profile Autor/Institution: NISTPublisher: NIST
- Künstliche Intelligenz: Risiken und Empfehlungen Autor/Institution: BSIPublisher: BSI
- Regulation (EU) 2024/1689 – Artificial Intelligence Act Autor/Institution: Europäische UnionPublisher: Europäische Union
- Künstliche Intelligenz und Datenschutz Autor/Institution: BfDIPublisher: BfDI
- Prompt Injection Autor/Institution: OWASPPublisher: OWASP
- OECD AI Principles und Definition eines KI-Systems Autor/Institution: OECDPublisher: OECD
- AI Agent node and human review Autor/Institution: n8nPublisher: n8n