KI-Lösung auswählen: Voraussetzungen und Kriterien im Mittelstand

Die kurze Antwort: Bei der Wahl einer KI-Lösung oder KI-Plattform zählt zuerst, ob sie den teuersten Schritt in Ihrem Ablauf trifft, dann wo sie Daten verarbeitet, ob sie sich an Ihre Systeme anbinden lässt, ob Sie wieder wechseln können und wer sie im Betrieb verantwortet. Diese Kriterien helfen aber erst, wenn vier Voraussetzungen stehen: ein konkreter Anwendungsfall, belastbare Daten, ein benannter Verantwortlicher und eine geklärte Rechtslage.

Wer mit KI anfangen will, fragt meist als Erstes: Welches Werkzeug nehmen wir? Die Frage ist berechtigt, sie kommt nur zu früh. Deshalb erst die Voraussetzungen, dann die Auswahlkriterien.

Welche Voraussetzungen müssen vor dem KI-Start stehen?

Mehr als 80 Prozent der KI-Projekte scheitern nach Schätzungen, die die RAND Corporation 2024 zusammengetragen hat, doppelt so häufig wie IT-Projekte ohne KI (RAND, „The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed“, 2024). Als häufigste Ursache nennen die 65 befragten Fachleute, dass das zu lösende Problem missverstanden oder unklar vermittelt wird, an zweiter Stelle fehlende oder ungeeignete Daten. Was dahintersteckt, beschreiben wir im Beitrag Warum KI-Projekte scheitern.

Drei Muster sehen wir in der Projektarbeit immer wieder:

• Ein Anwendungsfall wird gewählt, weil er technisch spannend klingt, nicht weil er ein konkretes und teures Problem löst.
• Das Projekt startet, obwohl die nötigen Daten in vier oder fünf Systemen liegen und niemand weiß, wie vollständig sie sind.
• Nach einigen Monaten ist niemand mehr persönlich verantwortlich, weil der ursprüngliche Ansprechpartner gewechselt hat oder nie Entscheidungsbefugnis hatte.

Die folgenden vier Voraussetzungen sind keine Anforderungen für Fortgeschrittene. Sie sind die Mindestbedingung für ein Projekt, das nicht nur startet, sondern im Alltag ankommt.

Voraussetzung 1: Ein Anwendungsfall mit Bezug zu Stunden und Euro

Die häufigste Fehlentscheidung ist, KI einzuführen, weil alle anderen es tun. Verbreitet ist KI inzwischen: Laut einer repräsentativen Bitkom-Umfrage unter 604 Unternehmen ab 20 Beschäftigten setzten im Sommer 2025 36 Prozent KI ein, fast doppelt so viele wie im Vorjahr mit 20 Prozent (Bitkom, Presseinformation vom 15.09.2025). Ob sich der Einsatz rechnet, sagt diese Zahl nicht. Erfahrungsgemäß wird KI oft ausprobiert, ohne an ein Ergebnis gebunden zu sein.

Ein Anwendungsfall mit Bezug zu Stunden und Euro heißt: Wir können vor dem Projekt benennen, welcher manuelle Schritt heute wie viel Aufwand kostet und was eine KI-Lösung davon realistisch einspart. Ohne diese Zahl fehlt die Entscheidungsgrundlage, für den Start wie für die Bewertung nach sechs Monaten.

Drei Fragen reichen für einen ersten Selbstcheck:

1. Welche Aufgaben wiederholen sich in Ihrem Betrieb täglich oder wöchentlich?
2. Wie viele Mitarbeiterstunden kosten diese Aufgaben zusammengerechnet pro Woche?
3. Folgen diese Abläufe klaren Regeln, oder steckt in jedem Fall eine Sonderentscheidung?

Ab etwa zehn Stunden pro Woche in regelbasierten Abläufen lohnt sich erfahrungsgemäß ein strukturierter Check. Darunter ist der Einführungsaufwand oft noch zu hoch.

Voraussetzung 2: Eine belastbare Datenbasis

An dieser Voraussetzung sterben viele Projekte still. Nicht weil niemand daran denkt, sondern weil der wahre Zustand der Daten erst sichtbar wird, wenn das Projekt läuft.

Vorhersagende Anwendungen wie Nachfrageplanung oder Qualitätsprognosen sind ohne ausreichende historische Daten nicht machbar. Generative Anwendungen, die Texte lesen oder entwerfen, kommen mit einer schwächeren Datenbasis weiter, aber auch dort bestimmt die Qualität der Eingaben die Qualität der Ergebnisse.

Ein typisches Ausgangsbild in Betrieben mit 50 bis 500 Mitarbeitenden: Kundenstammdaten in der Warenwirtschaft, Bestellhistorien im ERP, Kommunikation in E-Mail-Postfächern, und handschriftliche Lieferscheine werden gescannt, aber nie strukturiert erfasst. Wer darauf ein Vorhersagemodell bauen will, baut auf Lücken.

Die Fragen, die wir in einer Bestandsaufnahme prüfen:

• Liegen die Daten, die der Anwendungsfall braucht, strukturiert vor, oder stecken sie in PDF-Anhängen, E-Mails und handgeschriebenen Listen?
• Gibt es einen einheitlichen Kunden- und Artikelstamm, oder wurde über Jahre in parallelen Systemen gepflegt?
• Wie vollständig sind die historischen Daten? Für Vorhersagemodelle braucht es erfahrungsgemäß mindestens ein bis zwei Jahre saubere Vergangenheitsdaten.

Wer merkt, dass die Datenbasis noch nicht trägt, räumt zuerst auf. Je nach Ausgangslage dauert das erfahrungsgemäß drei bis sechs Monate. Das ist kein Rückschlag, sondern die richtige Reihenfolge. Mehr dazu im Beitrag Datenqualität: Warum KI ohne saubere Daten scheitert.

Voraussetzung 3: Ein namentlich benannter Verantwortlicher

Kein KI-Projekt funktioniert dauerhaft ohne einen Menschen, der persönlich verantwortlich ist. Nicht „das Team“, nicht „die IT“, nicht „der Geschäftsführer, falls Fragen kommen“.

Diese Person braucht zwei Dinge: Prozesswissen und Entscheidungsbefugnis. Sie muss den Ablauf kennen, den die KI übernehmen soll, und entscheiden dürfen, ohne bei jedem Schritt zu eskalieren. Technisches KI-Wissen ist kein Kriterium.

Fehlt diese Person, liefert der externe Dienstleister, aber intern nimmt niemand ab, bewertet und steuert. Das Projekt läuft auf Sparflamme, bis niemand mehr weiß, wer sich kümmert. Die Benennung dauert wenige Minuten und gehört zu den wirksamsten Schritten überhaupt.

Voraussetzung 4: DSGVO und EU AI Act klären

Der EU AI Act ist seit dem 1. August 2024 in Kraft. Für die meisten Mittelständler bedeutet er weniger Aufwand als befürchtet, aber er bedeutet etwas.

Wer KI in Entscheidungen einbindet, die Personen betreffen, also Mitarbeitende, Kunden oder Bewerber, muss prüfen, in welche Risikoklasse das System fällt. Typische Mittelstandsanwendungen wie E-Mail-Assistenz, Angebotserstellung und Dokumentenanalyse liegen meist darunter, aber das muss geprüft sein, nicht angenommen.

Drei Fragen für den ersten Überblick:

1. Welche KI-Werkzeuge setzen wir bereits ein oder planen es, einschließlich ChatGPT und KI-Funktionen in vorhandener Bürosoftware?
2. Auf welche Daten greifen diese Werkzeuge zu, und sind personenbezogene Daten darunter?
3. Liegen Auftragsverarbeitungsverträge mit den Anbietern vor, und wo werden die Daten verarbeitet?

Das ist kein Gutachten, sondern eine Liste, die intern jemand an einem halben Arbeitstag durcharbeiten kann. Was im Einzelnen zu prüfen ist, steht im Beitrag zu EU AI Act und DSGVO im Mittelstand. Das ist Einordnung, keine Rechtsberatung.

Worauf achten Sie bei der Wahl einer KI-Lösung oder Plattform?

Stehen die vier Voraussetzungen, geht es um die Auswahl. Sieben Kriterien tragen die Entscheidung, unabhängig davon, ob Sie ein fertiges Werkzeug lizenzieren, eine Plattform für eigene Abläufe wählen oder eine Lösung bauen lassen.

1. Passung zum Ablauf. Trifft die Lösung den teuersten Schritt in Ihrem Ablauf, oder nur einen, der leicht zu zeigen ist? Eine Vorführung mit Ihren eigenen Beispielen sagt mehr als eine mit den Beispielen des Anbieters.
2. Datenstandort und Vertrag. Wo werden Ihre Daten verarbeitet, gibt es einen Auftragsverarbeitungsvertrag, und was sagt der Vertrag dazu, ob Ihre Eingaben zum Training von Modellen genutzt werden?
3. Anbindung an vorhandene Systeme. Lässt sich die Lösung an ERP, Warenwirtschaft, Postfach und Dokumentenablage anbinden, die Sie heute nutzen? Eine Lösung, in die jemand Daten von Hand kopieren muss, spart weniger, als sie verspricht.
4. Wechselmöglichkeit. Können Sie Daten, Einstellungen und Abläufe exportieren? Lässt sich das KI-Modell dahinter austauschen, wenn ein besseres oder günstigeres verfügbar ist?
5. Betrieb. Wer überwacht die Lösung, wer bemerkt Fehler, wer spielt Änderungen ein? Gibt es Protokolle, aus denen sich nachvollziehen lässt, was passiert ist?
6. Kosten über die Laufzeit. Wird je Nutzer, je Vorgang oder nach Verbrauch abgerechnet? Rechnen Sie durch, was bei doppelter Menge passiert, nicht nur im Startmonat.
7. Nachvollziehbarkeit. Kann ein Mitarbeiter sehen, warum die KI zu einem Ergebnis kam, und es korrigieren, bevor es wirkt?

Warum die Werkzeugfrage erst an dritter Stelle kommt, nach Problem und Ablauf, steht in Welches KI-Tool soll ich nehmen? Die falsche Frage und die richtige. Für Plattformen, die Abläufe zwischen Systemen verbinden, gibt es einen eigenen Beitrag zur Plattformwahl im Mittelstand.

Standardwerkzeug oder eigene Lösung: Wann passt was?

	Standardwerkzeug	Eigene Lösung
Typischer Einsatz	Einzelne Mitarbeitende bei Texten, Recherche, Zusammenfassungen unterstützen	Wiederkehrenden Ablauf über mehrere Systeme übernehmen
Anbindung an Ihre Systeme	Gering oder keine	Kern der Lösung
Menge	Einzelne Aufgaben	Viele gleichartige Vorgänge pro Tag
Start	Schnell, mit Regeln und Schulung	Erfahrungsgemäß einige Wochen bis zum ersten Ablauf im Alltag
Risiko	Unkontrollierte Nutzung ohne Regeln	Abhängigkeit, wenn Betrieb und Übergabe ungeklärt sind

Oft ist beides richtig: ein Standardwerkzeug mit klaren Regeln für alle, dazu eine eigene Lösung für den einen Ablauf, der die meisten Stunden bindet. Was beim Standardwerkzeug zu regeln ist, beschreibt der Beitrag zu Shadow AI im Mittelstand.

Die Voraussetzungen und Auswahlkriterien auf einen Blick

Prüfpunkt	Kernfrage	Warnsignal
Anwendungsfall	Was kostet der Ablauf heute in Stunden und Euro?	Wir können es nicht beziffern
Datenbasis	Liegen die nötigen Daten strukturiert vor?	Daten in mehreren Systemen, Lücken unklar
Verantwortlicher	Wer ist namentlich zuständig?	„Wir klären das noch“
Rechtslage	Was gilt nach DSGVO und AI Act für unsere Anwendung?	Noch nie geprüft
Passung	Trifft die Lösung den teuersten Schritt?	Vorführung nur mit Beispielen des Anbieters
Datenstandort	Wo wird verarbeitet, was sagt der Vertrag zum Training?	Keine klare Antwort
Anbindung	Läuft sie mit unseren Systemen?	Daten müssen von Hand übertragen werden
Wechsel	Können wir Daten und Abläufe mitnehmen?	Kein Export
Betrieb	Wer überwacht und ändert?	Niemand benannt
Kosten	Was kostet die doppelte Menge?	Nur der Startpreis ist bekannt

Was ein KI-Audit hier leistet

Die Prüfpunkte klingen überschaubar. In der Praxis braucht die ehrliche Bestandsaufnahme Zeit, weil im Tagesgeschäft niemand die Ruhe hat, alle Fragen konsequent durchzuarbeiten. Ein KI-Audit nimmt das ab: welche Abläufe wie viel kosten, welche Datenbasis trägt, wo Lücken sind und welche Anwendungsfälle mit der vorhandenen Grundlage starten können. Das Ergebnis ist ein priorisierter Fahrplan mit Zahlen aus Ihrem Betrieb, kein Ideenkatalog. Wie das abläuft, steht im Beitrag KI-Audit für den Mittelstand, unsere Leistungen im Überblick unter Leistungen.

Häufige Fragen

Welche Voraussetzungen muss ein Mittelstandsbetrieb vor dem KI-Start erfüllen? Vier: ein konkreter Anwendungsfall mit Bezug zu Stunden oder Euro, eine ausreichende Datenbasis, ein namentlich benannter interner Verantwortlicher und eine geklärte Lage bei DSGVO und EU AI Act.

Worauf sollte ein mittelständisches Unternehmen bei der Wahl einer KI-Plattform achten? Auf Passung zum teuersten Schritt im Ablauf, Datenstandort und Vertrag, Anbindung an vorhandene Systeme, Wechselmöglichkeit, Betrieb, Kosten bei wachsender Nutzung und Nachvollziehbarkeit der Ergebnisse.

Standardwerkzeug oder eigene KI-Lösung: Was passt wann? Ein Standardwerkzeug passt für die Unterstützung einzelner Mitarbeitender ohne Anbindung an Ihre Systeme. Eine eigene Lösung passt, wenn ein wiederkehrender Ablauf über mehrere Systeme läuft und viele Vorgänge pro Tag anfallen.

Muss man den EU AI Act prüfen, bevor man KI im Unternehmen einsetzt? Ja, zumindest grob: Welche KI-Werkzeuge nutzen wir, auf welche Daten greifen sie zu, sind personenbezogene Daten im Spiel? Die Einstufung eines konkreten Falls gehört in fachkundige Hände.

Was jetzt? Wenn Sie wissen wollen, welche Ihrer Abläufe die Voraussetzungen bereits erfüllen und wo der erste Hebel am meisten bringt: Der KI Impact Audit (Report 48 Stunden nach dem Interview) prüft das mit Zahlen aus Ihrem Betrieb.

KI Impact Audit buchen →