Ob sich KI für Unternehmen lohnt, ist 2026 kaum noch die Frage. Laut Bitkom setzen inzwischen 57 Prozent der Unternehmen ab 20 Beschäftigten Künstliche Intelligenz ein. Offen ist, wo sie trägt, was der Einstieg kostet und wer im Team sicher damit arbeitet. Wer nur eine Lizenz kauft und verteilt, hat ein Werkzeug im Haus, aber noch keinen Anwendungsfall.
Dieser Beitrag ist für alle, die im Unternehmen Künstliche Intelligenz nutzen wollen und dafür verantwortlich sind, dass aus Lizenzen echte Nutzung wird. Er ordnet zehn Use-Cases nach Einstiegsstufe und Messgröße. Er zeigt, wofür bei KI-Lösungen tatsächlich Kosten anfallen, was Artikel 4 EU AI Act nach dem Digital Omnibus verlangt und in welcher Reihenfolge du KI im Unternehmen einführst.
KI im Unternehmen 2026: Die Mehrheit nutzt sie, kaum jemand schöpft sie aus
Die Adoption ist keine offene Frage mehr. In der Bitkom-Befragung vom September 2026 (603 Unternehmen ab 20 Beschäftigten, befragt im Juli und August 2026) setzen 57 Prozent KI ein. Ein Jahr zuvor waren es 36 Prozent, zwei Jahre zuvor 20 Prozent. Weitere 38 Prozent planen oder diskutieren den Einsatz, nur noch 4 Prozent sagen, KI sei für sie kein Thema.
Mit der Tiefe sieht es anders aus. Kein Unternehmen mit KI-Einsatz gibt an, das Potenzial vollständig zu nutzen, nur 3 Prozent nutzen es eher stark. 28 Prozent schöpfen es wenig aus, 59 Prozent überhaupt nicht. Am häufigsten arbeitet KI im Kundenkontakt, etwa bei Anfragen (72 Prozent), und in Marketing und Kommunikation (54 Prozent). Deutlich zugelegt haben internes Wissensmanagement, Controlling und Vertrieb.
Wo KI läuft, zahlt sie sich aus: 66 Prozent der Anwender sehen ihre Wettbewerbsposition verbessert, 48 Prozent haben interne Prozesse deutlich beschleunigt. Die Lücke liegt bei der Befähigung. 66 Prozent der Unternehmen schätzen die KI-Kompetenz ihrer Beschäftigten als gering ein. Das ist teuer, weil ungeschulte Nutzung selten über das Ausprobieren hinauskommt. Und es ist riskant, weil KI-Kompetenz eine rechtliche Anforderung ist.
Was „KI im Unternehmen nutzen“ konkret umfasst
Hinter „KI nutzen“ stecken vier Bestandteile, die zusammengehören. Sie einzeln zu benennen zeigt, wo die Arbeit beginnt:
- Use-Cases: definierte Aufgaben, bei denen KI einen messbaren Beitrag leistet. Ohne sie bleibt der Einsatz ein Lösungsangebot ohne Problem.
- Befähigung: Mitarbeiter, die wissen, wann ein Tool passt, wie sie es bedienen und wo seine Grenzen liegen. Das ist der Teil, der am häufigsten fehlt.
- Werkzeuge und Integration: die konkreten KI-Lösungen und ihre Anbindung an vorhandene Systeme und Daten.
- Rahmen: Regeln zum Umgang mit Daten, Freigaben, Dokumentation und Verantwortlichkeiten.
Die vier Spuren laufen parallel. Eine Einführung, die nur die dritte bedient, ist die Standardvariante des Scheiterns: Lizenzen laufen, die Nutzung versickert. Der Wert entsteht bei den Punkten 1 und 2, der Einkauf kommt danach.
10 Use-Cases: Wo KI für Unternehmen heute trägt
Die häufigste Reihenfolge in der Praxis ist falsch herum: erst ein Tool auswählen, dann nach Einsatzzwecken suchen. Sinnvoll ist die Umkehrung. Ein Use-Case taugt als Einstieg, wenn drei Bedingungen zutreffen. Die Aufgabe ist wiederkehrend, ihr Aufwand ist messbar, und ein Fehler ist in seinen Folgen überschaubar oder durch eine Freigabe kontrollierbar.
Die zehn Fälle unten erfüllen diese Kriterien in der Regel. Jeder ist einer von drei Einstiegsstufen zugeordnet. Stufe 1 läuft mit Standard-Tools wie ChatGPT, Microsoft Copilot oder Google Gemini im Browser, ohne Integration. Stufe 2 ist ein Pilot mit Anbindung an eigene Daten. Stufe 3 ist eine integrierte Lösung im Produktivbetrieb. Was jede Stufe kostet und wie lange sie dauert, steht im Abschnitt zu den Kosten.
| Use-Case | Einstiegsstufe | Messgröße |
|---|---|---|
| 1. Kundenanfragen: Antwortentwürfe und Chatbot | 1 (Entwürfe), 3 (Chatbot) | Bearbeitungszeit pro Anfrage |
| 2. KI-Telefonassistent | 3 | Anteil der Anrufe ohne Rückruf erledigt |
| 3. Wissensassistent mit RAG | 2 bis 3 | Suchzeit pro Frage |
| 4. Posteingang sortieren und beantworten | 1 | Bearbeitungszeit pro E-Mail |
| 5. Dokumente und Rechnungen auslesen | 2 bis 3 | Anteil der Belege ohne manuelle Korrektur |
| 6. Angebote und Ausschreibungen | 1 bis 2 | Vorbereitungszeit pro Angebot |
| 7. Marketing-Texte und Varianten | 1 | Zeit bis zum freigegebenen Entwurf |
| 8. Meeting-Protokolle und Aufgaben | 1 | Nachbereitungszeit pro Termin |
| 9. Workflows zwischen Systemen | 2 bis 3 | Durchlaufzeit pro Vorgang |
| 10. KI-Agenten | 3 | Anteil der Vorgänge ohne Eingriff abgeschlossen |
1. Kundenanfragen: Antwortentwürfe und Chatbot
Der Kundenkontakt ist laut Bitkom das häufigste Einsatzfeld. Der risikoarme Einstieg sind Antwortentwürfe für Standardanfragen, die ein Mitarbeiter prüft und freigibt. Fehler fängt die Freigabe ab, gemessen wird die Bearbeitungszeit pro Anfrage. Die Ausbaustufe ist ein Kundenservice-Chatbot, der wiederkehrende Fragen rund um die Uhr beantwortet und an einen Menschen übergibt, wenn er unsicher ist. Er braucht eine gepflegte Wissensbasis, sonst antwortet er falsch statt gar nicht.
2. Telefon: KI-Telefonassistent
Ein KI-Telefonassistent nimmt Anrufe an, beantwortet Standardfragen, erfasst Anliegen und leitet weiter. Er passt dort, wo viele gleichartige Anrufe auflaufen, etwa zu Öffnungszeiten, Terminen oder Bestellstatus. Gemessen wird der Anteil der Anrufe, die ohne Rückruf erledigt sind. Der Aufwandstreiber ist die Integration: Telefonanlage, Kalender und CRM müssen angebunden sein. Anbieter, Kosten und Datenschutz vergleicht der Beitrag Voicebot für Unternehmen.
3. Internes Wissen: Wissensassistent mit RAG
Der Einsatz im internen Wissensmanagement hat sich laut Bitkom binnen eines Jahres verdoppelt, von 11 auf 22 Prozent. Ein Wissensassistent beantwortet Fragen aus Handbüchern, Verträgen oder Tickets und nennt die Fundstelle. Technisch steckt meist Retrieval Augmented Generation (RAG) dahinter: Das Modell sucht zuerst in deinen Dokumenten und formuliert dann die Antwort. Der kritische Faktor ist die Datenanbindung, weniger das Modell. Gemessen wird die Suchzeit pro Frage. Aufbau und Ablauf zeigen die RAG-Wissensassistenten.
4. Posteingang: E-Mails sortieren und beantworten
Der Posteingang ist der einfachste Einstieg in Stufe 1. KI fasst lange Mails zusammen, sortiert nach Dringlichkeit und schreibt Antwortentwürfe in deinem Ton. Dafür braucht es kein Integrationsprojekt, nur eine Vorlage, einen guten Prompt und den Gegencheck durch einen Menschen. Kundendaten gehören dabei in ein freigegebenes Firmen-Tool und nie in einen privaten Account. Gemessen wird die Bearbeitungszeit pro E-Mail. Eine Schritt-für-Schritt-Anleitung mit Beispiel-Prompt steht im Whitepaper 5 KI-Workflows für den Mittelstand.
5. Dokumente und Rechnungen: Daten auslesen
In Controlling und Rechnungswesen ist der KI-Einsatz laut Bitkom von 17 auf 25 Prozent gestiegen. Der typische Fall: Eingangsrechnungen, Lieferscheine oder Formulare auslesen, Felder prüfen und ins ERP übergeben. Die intelligente Datenextraktion ersetzt das Abtippen, unklare Belege prüft weiterhin ein Mensch. Gemessen wird der Anteil der Belege, die ohne manuelle Korrektur durchlaufen. Bei größeren Mengen folgt als Stufe 3 eine integrierte Dokumentenverarbeitung mit Freigabeschritt.
6. Vertrieb: Angebote und Ausschreibungen
Im Vertrieb ist der KI-Einsatz laut Bitkom von 5 auf 14 Prozent gestiegen. Naheliegend sind Erstentwürfe für Angebotstexte und Zusammenfassungen langer Ausschreibungen: Welche Anforderungen sind Pflicht, welche Fristen gelten, wo fehlen Angaben? Das spart Vorbereitungszeit, über Preis und Zusage entscheidet weiter der Mensch. In Stufe 1 reicht ein Standard-Tool mit Vorlage. In Stufe 2 greift die KI zusätzlich auf frühere Angebote und Produktdaten zu. Gemessen wird die Vorbereitungszeit pro Angebot.
7. Marketing: Texte und Varianten
Marketing und Kommunikation sind mit 54 Prozent das zweithäufigste Einsatzfeld. KI liefert Entwürfe für Newsletter, Social-Media-Posts, Produkttexte und Anzeigenvarianten. Fakten, Tonalität und Freigabe bleiben beim Menschen, denn KI schreibt Entwürfe und keine fertigen Ergebnisse. Gemessen wird die Zeit bis zum freigegebenen Entwurf. Welche Automationen sich im Marketing schnell einrichten lassen, zeigt der Beitrag KI im Marketing 2026.
8. Meetings: Protokolle und Aufgaben
Protokolle schreiben und Aufgaben nachhalten kostet in jedem Team Zeit. KI erstellt aus Notizen oder Transkripten eine Zusammenfassung mit Entscheidungen, offenen Punkten und Verantwortlichen. Vorher muss geklärt sein, ob Gespräche aufgezeichnet werden dürfen, und alle Teilnehmer sollten Bescheid wissen. Gemessen wird die Nachbereitungszeit pro Termin. Der Workflow läuft in Stufe 1 mit Copilot, ChatGPT oder Gemini und ist ebenfalls im Whitepaper beschrieben.
9. Prozessautomatisierung: Workflows zwischen Systemen
Sobald eine Aufgabe mehrere Systeme berührt, etwa Formular, CRM und E-Mail, wird aus dem Einzelfall ein Workflow. KI-Automatisierung verbindet die Schritte und setzt das Sprachmodell dort ein, wo Text verstanden oder erzeugt werden muss: Anfrage klassifizieren, Daten extrahieren, Antwort vorbereiten. Gemessen wird die Durchlaufzeit pro Vorgang. Wo sich das sofort rechnet, ordnet der Beitrag KI-Automatisierung im Mittelstand ein. Umgesetzt wird so etwas als Prozessautomatisierung mit KI-Workflows.
10. KI-Agenten: die Ausbaustufe
KI-Agenten gehen einen Schritt weiter als ein Chatbot. Sie handeln selbstständig, holen Angebote ein, vergleichen Preise oder bereiten Entscheidungen vor. Unter den Unternehmen, die KI nutzen oder ihren Einsatz planen oder diskutieren, setzen laut Bitkom 11 Prozent schon Agenten ein, 29 Prozent planen es. Ein Agent braucht verlässliche Daten, angebundene Systeme und klare Guardrails. Als Einstieg eignet er sich deshalb selten. Er baut auf den Fällen 3, 5 und 9 auf, mehr unter KI-Agenten als digitale Mitarbeiter.
Was sich als Einstieg nicht eignet, ist genauso wichtig: Aufgaben mit hohem Schadenspotenzial bei Fehlern, rechtlich heikle Entscheidungen über Personen und Prozesse ohne messbares Ergebnis. Wer dort beginnt, riskiert ein teures Lehrstück und verbrennt die interne Akzeptanz für die nächste Runde. Systematisch auswählen lassen sich die passenden Fälle in einer KI-Use-Case-Identifikation.
KI-Lösungen für Unternehmen: Standard-Tool, Integration oder eigenes Modell
Welche KI-Lösung passt, folgt aus dem Use-Case. Drei Wege sind zu unterscheiden:
- Standard-Tools wie ChatGPT, Microsoft Copilot oder Google Gemini decken Stufe 1 ab. Sie sind sofort verfügbar und arbeiten mit dem, was du hineingibst, sowie je nach Lizenz mit den Datenquellen, die der Anbieter selbst anbindet, etwa E-Mails und Dateien in Microsoft 365 oder Google Workspace. An ERP, Telefonanlage oder die Logik deiner Fachprozesse kommen sie ohne eigene Integration nicht. Entscheidend sind Firmenlizenzen mit geregeltem Datenschutz und klare Regeln, welche Daten hinein dürfen.
- Integrierte Lösungen verbinden ein Large Language Model (LLM) über eine Schnittstelle mit CRM, ERP, Telefonanlage oder Dokumentenablage. Das ist der Normalfall in Stufe 2 und 3: Chatbot, Wissensassistent, Dokumentenverarbeitung, Workflow.
- Selbst betriebene Modelle wie Llama oder Mistral lohnen sich, wenn strenge Datenschutzanforderungen es verlangen oder wenn bei hohem, dauerhaftem Volumen die Token-Kosten eigene Hardware rechtfertigen. Wie ein europäischer Stack aussieht, beschreibt der Beitrag zur digitalen Souveränität.
Beim Datenschutz gilt für alle drei Wege dasselbe: Personenbezogene Daten brauchen eine Rechtsgrundlage, und mit einem externen Anbieter brauchst du in der Regel einen Auftragsverarbeitungsvertrag. Wie das mit ChatGPT und anderen Tools konkret aussieht, zeigt der Beitrag DSGVO und KI.
Was kostet KI im Unternehmen?
Die Antwort hängt weniger vom Modell ab als von Daten und Integration. Als großen Kostenpunkt nennen KI-Anwender in der Bitkom-Befragung vor allem Infrastruktur wie Cloud und Rechenleistung (51 Prozent), die Aufbereitung von Daten (50 Prozent) und die Integration in bestehende Systeme (41 Prozent). Abos und Lizenzen sind nur für 21 Prozent ein großer Kostenpunkt, gleichauf mit externer Beratung. Die Schulung nennen 19 Prozent, den Token-Verbrauch 8 Prozent.
Bitkom-Präsident Ralf Wintergerst fasst das so zusammen: „Wer nur eine Lizenz kauft, hat KI eingekauft, aber noch nichts verändert.“
Für die Planung heißt das: Ein Use-Case in Stufe 1 kostet vor allem Lizenzen und Schulungszeit. Ab Stufe 2 bestimmen Datenlage, Integrationstiefe und Zielsystem den Preis. Bei produktiven Lösungen kommen laufende Kosten dazu, also API- und Token-Kosten der genutzten Sprachmodelle sowie Betrieb und Monitoring. Investiert wird trotzdem: 45 Prozent der Unternehmen geben 2026 laut Bitkom mehr Geld für KI aus als im Vorjahr.
| Schritt | Projektform | Typischer Rahmen | Dauer |
|---|---|---|---|
| Vorab | KI-Workshop und Use-Case-Bewertung | niedriger vierstelliger Bereich | 1 bis 2 Wochen |
| Stufe 1 | Standard-Tool im Browser, ein Workflow | Lizenz je Nutzer und Monat (Beispiele unter der Tabelle) plus Schulungszeit | eine Testwoche je Workflow |
| Stufe 2 | Pilotprojekt / Proof of Concept | ab wenigen Tausend Euro | 2 bis 6 Wochen |
| Stufe 3 | Produktiver Use-Case (Chatbot, Voice-Agent, Automatisierung) | unterer bis mittlerer fünfstelliger Bereich | 6 bis 12 Wochen |
| Laufend | Betrieb und Weiterentwicklung | monatlich nach Nutzung: API- und Token-Kosten plus Monitoring | laufend |
Was die Lizenz in Stufe 1 kostet, zeigen zwei Listenpreise je Nutzer und Monat ohne Umsatzsteuer und ohne befristete Aktionsrabatte (Stand 10. Oktober 2026). Microsoft 365 Copilot Business kostet als Zusatz zu einem Microsoft-365-Business-Tarif 18,20 Euro bei jährlicher Zahlung. Bei Google steckt Gemini im Workspace-Tarif selbst: in Gmail, Docs und Meet ab Business Standard für 13,60 Euro mit Jahresvertrag, E-Mail-Postfach und Speicher inklusive. Microsoft 365 Copilot Chat ist in berechtigten Microsoft-365-Abos ohne Aufpreis enthalten.
Die Spannen für Workshop, Pilot, produktiven Use-Case und Betrieb stammen aus den Kostenangaben von nextlevels zur KI-Beratung und zur KI-Agentur (Stand Juli 2026). Sie sind marktübliche Orientierung, keine Preisliste. Was ein Projekt konkret kostet, hängt von Datenlage, Integrationstiefe und Zielsystem ab. Vor dem Rollout steht deshalb sinnvollerweise ein Proof of Concept, der mit deinen Daten zeigt, ob ein Use-Case trägt, bevor das größere Budget fällt.
Soll eine KI-Funktion Teil einer eigenen Software werden, gibt der Projekt-Rechner eine erste Größenordnung. Ein belastbarer Festpreis entsteht nach der Analyse, zum Beispiel im Rahmen der KI-Beratung.
Die Pflicht dahinter: Artikel 4 EU AI Act nach dem Digital Omnibus
Seit dem 2. Februar 2025 gilt Artikel 4 der KI-Verordnung (EU AI Act). Er richtet sich an Anbieter und Betreiber von KI-Systemen. Betreiber ist nach Artikel 3 jede Person oder Stelle, die ein KI-System in eigener Verantwortung verwendet, außer bei rein persönlicher, nicht beruflicher Nutzung. Das trifft auch den Mittelständler mit Copilot-Lizenzen. Die Pflicht gilt unabhängig von der Risikoklasse, also auch weit unterhalb der Hochrisiko-Systeme.
Mit dem Digital Omnibus hat die EU den Artikel neu gefasst. Die Verordnung (EU) 2026/1744 vom 8. Juli 2026 erschien am 24. Juli 2026 im Amtsblatt und ist am 27. Juli 2026 in Kraft getreten. Statt ein ausreichendes Maß an KI-Kompetenz „sicherzustellen“, ergreifen Anbieter und Betreiber nun Maßnahmen, um die Entwicklung der KI-Kompetenz ihres Personals „zu unterstützen“. Ein bestimmtes Kompetenzniveau muss niemand garantieren, das stellt der neue Text ausdrücklich klar.
Kommission und Mitgliedstaaten sollen Anbieter und Betreiber, insbesondere KMU, dabei unterstützen. Die großen Verschiebungen des Pakets betreffen die Hochrisiko-Pflichten: Für Systeme nach Anhang III gelten sie ab dem 2. Dezember 2027, für Systeme nach Anhang I ab dem 2. August 2028. Artikel 4 dagegen gilt bereits.
Drei Punkte werden oft ungenau wiedergegeben. Erstens schreibt Artikel 4 kein Schulungsformat und kein Zertifikat vor. Nach den FAQ der EU-Kommission zur KI-Kompetenz genügt ein interner Nachweis über Schulungen und andere Maßnahmen. Zweitens überwachen seit August 2026 nationale Marktüberwachungsbehörden die Einhaltung. In Deutschland ist das nach dem KI-MIG (in Kraft seit 29. Juli 2026) grundsätzlich die Bundesnetzagentur. Drittens enthält der Bußgeldkatalog in § 15 KI-MIG keinen Tatbestand zu Artikel 4.
Das Risiko ist damit mittelbar, aber real. Entsteht durch fehlende KI-Kompetenz ein Schaden, etwa durch ungeprüfte Ausgaben oder abgeflossene Kundendaten, fällt die mangelnde Befähigung auf das Unternehmen zurück. Wer am Use-Case schult und das dokumentiert, erfüllt die alte wie die neue Fassung. Was der AI Act 2026 sonst verlangt, fasst der Beitrag EU AI Act für den Mittelstand zusammen.
Einstieg: KI im Unternehmen einführen in fünf Schritten
Ein strukturierter Einstieg folgt einer Sequenz, weil spätere Schritte auf früheren aufbauen. Die Reihenfolge ist Teil der Methode:
- Bestandsaufnahme. Wo wird KI bereits genutzt, auch inoffiziell über private Accounts (Schatten-KI)? Das ist der reale Ausgangspunkt. Eine KI-Potenzialanalyse verbindet diese Bestandsaufnahme mit einer Bewertung deiner Prozesse und dauert je nach Unternehmensgröße ein bis drei Wochen.
- Use-Cases priorisieren. Zwei bis drei Fälle aus der Liste oben nach Häufigkeit, Messbarkeit und Fehlerfolgen auswählen. Lieber wenige, die tragen, als ein breiter Katalog, der niemanden bindet.
- Rahmen festlegen. Welche Daten dürfen in welche Tools? Wer gibt frei? Wie wird die Nutzung dokumentiert? Diese Regeln sind der Kern deiner KI-Governance und erfüllen zugleich einen Teil der Artikel-4-Pflicht.
- Am Use-Case schulen. Nicht alle brauchen dasselbe (dazu der nächste Abschnitt). Die Schulung setzt am priorisierten Fall an, mit den Tools und Daten, mit denen das Team am nächsten Tag arbeitet.
- Messen und entscheiden. Jeder Use-Case bekommt vorab eine Messgröße und eine Frist. Danach entscheidest du: ausrollen, nachschärfen oder ersetzen.
Der häufigste Fehler in dieser Sequenz ist das Überspringen von Schritt 3. Wer ohne Rahmen ausrollt, produziert genau die unkontrollierte Nutzung, die Artikel 4 adressiert, und verschiebt das Governance-Problem nur nach hinten. Wer die Schritte 1 bis 3 mit Unterstützung angehen will, findet in der Prozessanalyse und KI-Strategie den passenden Rahmen.
Was eine KI-Schulung leisten muss
Bei der Schulung hat sich viel bewegt. Laut Bitkom schulen 70 Prozent der Unternehmen ihre Beschäftigten im Umgang mit KI: 11 Prozent alle, 22 Prozent einen Großteil, 37 Prozent ausgewählte Beschäftigte. 25 Prozent bieten keinerlei Schulung an, nach 43 Prozent im Vorjahr. Unter den KI-Anwendern schulen 91 Prozent. Offen ist damit vor allem, was eine Schulung leisten muss.
Eine wirksame KI-Schulung ist kein einmaliger Vortrag zum Thema „Was ist KI“. Sie deckt drei Kompetenzebenen ab, und nicht jede Rolle braucht alle drei in derselben Tiefe:
- Technisches Grundverständnis: Was generative KI kann und was nicht, warum ein Sprachmodell Fehler (Halluzinationen) produziert und was einen guten Prompt von einem schlechten unterscheidet. Diese Ebene brauchen alle, die KI bedienen.
- Rechtlicher und organisatorischer Rahmen: Welche Daten verarbeitet werden dürfen, was der interne Rahmen vorgibt und wann ein Mensch in der Verantwortung bleibt. Diese Ebene brauchen alle, die KI im Arbeitskontext einsetzen.
- Anwendungstiefe im Use-Case: Die konkrete Bedienung im priorisierten Anwendungsfall. Diese Ebene ist rollenspezifisch und gehört zur Einführung selbst, nicht in ein allgemeines Webinar.
Ob eine Schulung wirkt oder nur abgehakt wird, entscheidet sich fast immer in der dritten Ebene. Allgemeines KI-Wissen ist schnell vermittelt und ebenso schnell vergessen. Befähigung entsteht am konkreten Anwendungsfall. Formate dafür beschreiben die KI-Workshops und Team-Enablement. Halte Datum, Teilnehmer und Inhalte jeder Schulung fest, das ist dein Nachweis für Artikel 4.
Häufige Fragen zu KI im Unternehmen
Wie können Unternehmen KI nutzen? Am besten eignen sich wiederkehrende Aufgaben mit messbarem Aufwand und kontrollierbarem Fehler: Kundenanfragen beantworten, Dokumente auslesen, internes Wissen durchsuchen, Texte und Protokolle entwerfen. Der Einstieg gelingt mit Standard-Tools im Browser. Integrierte Lösungen mit Anbindung an CRM, ERP oder Dokumentenablage folgen, wenn ein Pilot seine Messgröße erreicht.
Was kostet KI im Unternehmen? Als marktübliche Orientierung (Stand Juli 2026) liegt ein Workshop mit Use-Case-Bewertung im niedrigen vierstelligen Bereich, ein Pilot ab wenigen Tausend Euro und ein produktiver Use-Case im unteren bis mittleren fünfstelligen Bereich. Dazu kommen laufende API- und Betriebskosten. Die größten Kostenpunkte sind laut Bitkom Infrastruktur, Datenaufbereitung und Integration; Lizenzen spielen eine kleinere Rolle.
Müssen Mitarbeiter zu KI geschult werden? Wer KI-Systeme beruflich einsetzt, muss nach Artikel 4 EU AI Act seit Februar 2025 Maßnahmen zur KI-Kompetenz des Personals ergreifen. Seit dem Digital Omnibus heißt das, die Entwicklung dieser Kompetenz zu unterstützen. Schulungen sind der übliche Weg. Ein Zertifikat ist laut EU-Kommission nicht nötig, ein interner Nachweis genügt.
Welche KI-Lösungen eignen sich für den Mittelstand? Für den Start Standard-Tools wie ChatGPT, Microsoft Copilot oder Google Gemini mit klaren Datenregeln. Für Kundenservice, Dokumente und Wissenssuche integrierte Lösungen, die ein Sprachmodell an CRM, ERP oder Dokumentenablage anbinden. Selbst betriebene Modelle lohnen sich vor allem bei strengen Datenschutzanforderungen oder hohem, dauerhaftem Volumen.
Wie lange dauert es, bis KI im Unternehmen produktiv läuft? Ein Workflow mit Standard-Tool lässt sich in einer Testwoche erproben. Ein Pilot dauert marktüblich zwei bis sechs Wochen, ein produktiver Use-Case mit Integration sechs bis zwölf Wochen. Wie schnell es tatsächlich geht, hängt vor allem von Datenlage und Integrationstiefe ab.
Fazit
KI im Unternehmen zu nutzen heißt, vier Dinge zusammenzubringen: Use-Cases, Befähigung, Werkzeuge und Rahmen, in dieser Prioritätsreihenfolge. Der Stand 2026 ist eindeutig. Die Mehrheit nutzt KI, kaum jemand schöpft sie aus, und seit Februar 2025 ist KI-Kompetenz mit Artikel 4 EU AI Act eine Pflicht, die der Digital Omnibus weicher formuliert, aber nicht abgeschafft hat.
Der pragmatische Einstieg ist klein: Bestand aufnehmen, zwei bis drei Use-Cases aus der Liste priorisieren, einen Rahmen setzen, am Use-Case schulen, messen. Wer sofort und ohne Projekt anfangen will, findet fünf fertige Abläufe im Whitepaper 5 KI-Workflows für den Mittelstand.
Wenn du wissen willst, wo KI in deinen Prozessen den größten Hebel hat, ist die KI-Potenzialanalyse der nächste Schritt. Strategie, Pilot und Umsetzung begleitet die KI-Beratung. Eine KI-Agentur bringt Use-Case-Erfahrung aus anderen Mittelständlern mit und verhindert, dass Schulung und Tool-Auswahl aneinander vorbeilaufen. Woran du eine echte Umsetzungspartnerin erkennst, zeigt der Beitrag KI-Agentur auswählen.
