Warum KI-Projekte im Mittelstand an Prozessen scheitern — nicht an der Technik

Wer heute Fachartikel über künstliche Intelligenz liest, bekommt leicht den Eindruck, dass deutsche Unternehmen zwischen zwei Welten leben. In der einen Welt werden Produktivitätssprünge versprochen, Geschäftsmodelle neu gedacht, ganze Abteilungen transformiert. In der anderen Welt — der, in der die meisten produzierenden Mittelständler und Handwerksbetriebe tatsächlich arbeiten — wird KI, allen voran noch ChatGPT heimlich (unkoordiniert) von einzelnen Mitarbeitenden genutzt, um E-Mails zu formulieren, während die Geschäftsführung überlegt, wer eigentlich für Datenschutzfragen zuständig ist.

Zwischen diesen beiden Welten klafft eine Lücke. Und weil diese Lücke größer wird haben wir die Jarvis GmbH gegründet.

Die These: Es liegt nicht an der Technik

Wenn KI-Projekte im produzierenden Mittelstand oder im Handwerk scheitern — und das tun sie häufig — wird als Erstes die Technik verantwortlich gemacht. Das Tool habe nicht funktioniert, die Integration sei zu komplex gewesen, die Daten nicht verfügbar.

Das ist bequem, weil es die Verantwortung aus dem Unternehmen heraus in die Hände der Anbieter schiebt. Und es stimmt fast nie.

In meiner Zeit als Prozess- und Digitalisierungsberater habe ich gelernt, dass gescheiterte Digitalisierungs- und KI-Projekte in den allermeisten Fällen ein anderes Problem haben: Die Anforderungen wurden nicht sauber identifiziert, und die Prozesse, in die die neue Lösung hineingebaut werden sollte, wurden vor der Einführung nicht analysiert, nicht hinterfragt und nicht angepasst.

Das Ergebnis ist vorhersehbar. Eine neue Technologie wird in einen alten, schlecht verstandenen Ablauf gepresst. Die Software tut, was man ihr sagt — das Unternehmen tut, was es immer tat. Nur eben jetzt mit zusätzlicher Komplexität.

Parallel zu meiner Beratungsarbeit habe ich diese Beobachtung wissenschaftlich unterfüttert. In einer qualitativen Forschungsarbeit zur Einführung von KI in kleinen und mittleren Unternehmen habe ich auf Basis von Literaturanalyse und Experteninterviews untersucht, woran die Einführung tatsächlich hängt. Das Ergebnis hat bestätigt, was die Praxis gezeigt hat, aber auch Aspekte herausgearbeitet, die in der alltäglichen Beratung leicht übersehen werden.

Genau an diesem Schnittpunkt aus Forschung und Praxis setzt diese Artikelserie an, die ich hier in den kommenden Wochen fortführe.

Der informelle Einstieg: Was längst passiert, ohne dass die Führung es weiß

Ein Befund aus meiner Forschungsarbeit, der sich in der Praxis täglich bestätigt: KI wird in mittelständischen Unternehmen und Handwerksbetrieben bereits umfassend genutzt — nur eben nicht dort, wo die Geschäftsführung vermutet, und selten so, wie sie es verantworten könnte.

In nahezu jedem Unternehmen, mit dem wir in Vorgesprächen sitzen, gibt es Mitarbeitende, die längst mit KI arbeiten. Meistens über private ChatGPT-Accounts, gelegentlich mit Firmendaten, die besser nicht in einem öffentlichen Modell gelandet wären. Die Geschäftsführung hat davon oft nur eine vage Vorstellung. Wenn sie eine hat.

Das hat zwei Konsequenzen. Die gute: Es existiert bereits eine kritische Masse an Menschen im Unternehmen, die praktische KI-Erfahrung haben und als interne Multiplikatoren taugen. Die schlechte: Ohne Leitplanken entstehen Datenschutzrisiken, die niemand überblickt, und eine Nutzung, die nie in messbare Geschäftsergebnisse übersetzt wird — weil sie im Verborgenen stattfindet.

Wer als Geschäftsführer sauber mit dem Thema starten will, beginnt deshalb nicht bei null. Er beginnt bei minus eins: Erst sichtbar machen, was im Unternehmen tatsächlich passiert. Dann entscheiden, was strategisch ausgebaut wird. Alles andere — neue Tools auswählen, Pilotprojekte definieren, Schulungen planen — kommt danach.

Das eigentliche Problem: Prozesse, die nie jemand hinterfragt hat

Die Bestandsaufnahme ist der einfache Teil. Der schwierige Teil kommt danach — und hier beginnt die eigentliche Arbeit, für die es Jarvis gibt.

Nahezu jedes Unternehmen, das wir begleiten, hat Prozesse, die über Jahre gewachsen sind und die nie jemand systematisch hinterfragt hat. Der Angebotsprozess funktioniert, weil ein Mitarbeitender in der kaufmännischen Leitung genau weiß, welche Informationen aus welchen sieben Quellen zusammenkommen müssen. Die Bautagesberichte werden abends handschriftlich erfasst und am nächsten Tag im Büro abgetippt — weil das immer so war. Der Werksleiter hat im Kopf, welche Aufträge in welcher Reihenfolge laufen müssen, und niemand sonst versteht das System vollständig.

Diese Prozesse funktionieren. Sie funktionieren nur nicht gut, nicht skalierbar und nicht ohne die beteiligten Personen. Und sie sind der Grund, warum viele KI-Projekte in genau diesen Unternehmen scheitern. Weil die neue Technologie in diese unklaren Abläufe hineingebaut wird, statt die Abläufe zuerst sauber zu verstehen.

Die unbequeme Wahrheit: Bevor KI in einem Unternehmen echten Wert schafft, muss oft die Prozessarbeit erledigt werden, die seit Jahren liegt. Anforderungen identifizieren. Schritte dokumentieren. Entscheidungen treffen, welche Abläufe so bleiben und welche sich durch die neue Technologie ändern dürfen.

Erst dann lohnt sich der Blick auf die Technologie.

Das ist unspektakulär. Es liest sich in keinem Zukunftsmagazin gut. Aber es ist der Unterschied zwischen einem KI-Projekt, das in einer Schublade landet, und einem, das tatsächlich wirkt.

Die Lücke im Markt: Zwei Welten, die sich nicht begegnen

In meiner Forschungsarbeit habe ich einen Handlungsrahmen entwickelt, der kleinen und mittleren Unternehmen eine Schritt-für-Schritt-Anleitung zur KI-Einführung gibt. Dieses Rahmenwerk hat fünf Phasen, beginnend bei der Bestandsaufnahme und endend bei der Skalierung. Die Arbeit in der Praxis hat mir gezeigt, dass dieses Grundgerüst trägt.

Sie hat mir aber auch gezeigt, dass die Arbeit an den Phasen selten von einem einzelnen Anbieter kompetent geleistet wird.

Der Markt ist in zwei Lager geteilt. Auf der einen Seite Systemhäuser, die Technik verkaufen: Lizenzen, Tools, Integrationen. Auf der anderen Seite klassische Unternehmensberatungen, die Strategie liefern: Roadmaps, Konzepte, Präsentationen.

Zwischen beiden klafft eine Lücke und in dieser Lücke sitzt das mittelständische Unternehmen, das weder ein weiteres Tool noch ein weiteres Strategiepapier braucht, sondern jemanden, der beides versteht und in der eigenen Werkshalle oder Werkstatt tatsächlich etwas umsetzt.

Diese Kombination aus strategischer und operativer Sicht — Prozesse verstehen, Technologie kennen, beides zusammenführen und am Ende dafür geradestehen, dass es funktioniert — ist selten. Genau aus dieser Mitte heraus arbeiten wir bei Jarvis.

Wie es weitergeht

Im nächsten Artikel vertiefen wir, welche Hürden bei der KI-Einführung im produzierenden Mittelstand und im Handwerk tatsächlich die größten sind und warum die Gewichtung in der Praxis oft anders aussieht als in der Theorie. Danach schauen wir uns an, welche Wege in der Praxis funktionieren.