Eigener KI-Assistent oder Standard-Tool. Wann sich Maßanfertigung im Mittelstand lohnt

Standard-KI-Tools haben in den vergangenen zwei Jahren einen riesigen Sprung gemacht. ChatGPT Team, Microsoft Copilot, Claude for Work und ähnliche Lösungen liefern für viele alltägliche Aufgaben hervorragende Ergebnisse. E-Mails formulieren, Texte zusammenfassen, recherchieren, übersetzen, brainstormen.

Diese Tools sind günstig, sofort verfügbar und benötigen kein eigenes Setup. Für 70 bis 80 Prozent typischer Wissensarbeit reichen sie vollkommen aus.

Wer als Mittelständler einsteigt, sollte deshalb fast immer mit Standard-Tools beginnen. Sie schaffen Erfahrung, geben dem Team Sicherheit und kosten in der Regel weniger als die Probleme, die sie lösen. Eine eigene Lösung ohne diese Grundlage zu bauen, ist meist verschwendetes Geld.

Spätestens wenn folgende Bedingungen zusammenkommen, lohnt sich der Blick auf eigene Lösungen.

Erstens spezifischer Prozesskontext. Wenn der Mehrwert nicht im freien Gespräch liegt, sondern in einer klar definierten Abfolge. Angebot kalkulieren, Reklamation klassifizieren, Eingangsrechnung prüfen.

Zweitens unternehmenseigenes Wissen. Wenn KI auf interne Spezifikationen, Verträge, technische Dokumentation oder Kundendaten zugreifen soll, die in keinem öffentlichen Modell vorhanden sind.

Drittens saubere Eingaben und Ausgaben. Wenn Eingaben strukturiert und Ausgaben mit klaren Feldern und Freigaben versehen sein müssen, sind Chat-Oberflächen ungeeignet. Eine Anwendung mit definierten Masken passt besser.

Viertens Integration. Wenn Daten aus mehreren Systemen zusammenfließen oder Ergebnisse automatisch in CRM, ERP oder Buchhaltungssoftware landen sollen.

Wenn drei oder vier dieser Bedingungen erfüllt sind, ist eine eigene Lösung selten optional und meist die richtige Antwort.

Im Mittelstand begegnen uns wiederkehrend drei Szenarien, in denen eigene Anwendungen einen klaren Vorteil bringen.

Erstens der interne Wissensassistent. Eine Such- und Frage-Antwort-Oberfläche, die auf alle internen Dokumente Zugriff hat. Verträge, Prozessbeschreibungen, technische Spezifikationen. Mitarbeiter müssen nicht mehr wissen, wo etwas liegt. Sie fragen einfach.

Zweitens der prozessgebundene Assistent. Ein gezieltes Tool für einen konkreten Prozess, etwa Angebotskalkulation. Eingabemasken für die Kundenanforderungen, im Hintergrund läuft eine KI-Pipeline, am Ende kommt ein konsistentes Angebot heraus, das ein Vertriebler nur noch prüft.

Drittens der Kundenfront-Bot. Ein gezielter Chatbot auf der Website oder im Kundenportal, der häufige Fragen beantwortet, Termine bucht oder Anfragen vorqualifiziert. Im Gegensatz zu Standard-Bots ist er auf das eigene Geschäft trainiert und versteht Sprache, Begriffe und Eigenheiten der Zielgruppe.

Ein typischer mittelständischer Maschinenbauer verbringt pro Angebot mehrere Stunden. Vertrieb sammelt Anforderungen, sucht in alten Projekten nach Referenzen, holt Rückfragen aus dem Engineering, schreibt einen Angebotstext.

Eine eigene Anwendung dreht den Prozess um. Eine klare Eingabemaske erfasst Kundenanforderungen strukturiert. Ein KI-Workflow durchsucht historische Projekte, findet Vergleichbares, schlägt eine Konfiguration vor, kalkuliert grob und erzeugt einen ersten Angebotstext.

Vertrieb prüft, ergänzt, sendet ab. Das verkürzt den Aufwand pro Angebot von vier auf eine Stunde. Bei zwanzig Angeboten pro Woche sind das 60 zurückgewonnene Stunden, in denen Vertrieb verkaufen kann statt schreiben. Über das Jahr gerechnet entspricht das fast zwei vollzeitäquivalenten Mitarbeitern, die für andere Aufgaben frei werden.

Ein Familienunternehmen mit 120 Mitarbeitern hat über zwanzig Jahre eine umfangreiche Dokumentation aufgebaut. Verträge, Lieferantenvereinbarungen, technische Spezifikationen, Qualitätsrichtlinien. Wer eine Frage hat, sucht erst im Dateisystem, fragt dann Kollegen, wartet manchmal Tage auf eine Antwort.

Ein interner KI-Assistent mit Zugriff auf diese Dokumente verändert den Alltag spürbar. Mitarbeiter stellen Fragen in natürlicher Sprache und bekommen Antworten mit Quellenverweis. Der Assistent ersetzt keinen Experten, aber er verkürzt die Suche dramatisch.

Wichtig ist hier die saubere Architektur. Daten verlassen das Unternehmen nicht, Berechtigungen werden respektiert, Quellen sind nachvollziehbar. Genau diese Kontrolle ist mit Standard-Tools nicht erreichbar.

Eigene Lösungen müssen nicht groß sein. Im Mittelstand sehen wir typische Größenordnungen.

Ein gezielter Wissensassistent für eine Abteilung kostet je nach Datenlage und Tiefe zwischen 15.000 und 40.000 Euro in der ersten Umsetzung. Hinzu kommen laufende Kosten für Hosting und Modellnutzung, oft im Bereich einiger hundert Euro pro Monat.

Ein prozessgebundener Assistent mit Eingabemasken und Integration in ein System liegt in der Regel zwischen 25.000 und 80.000 Euro. Der genaue Wert hängt stark von der Komplexität der Anbindung an bestehende Systeme ab.

Ein Kundenfront-Bot mit echter Geschäftslogik startet bei rund 20.000 Euro und kann bei tieferer Integration in CRM und Buchungssysteme deutlich höher liegen.

In allen Fällen gilt: Der ROI entsteht nicht aus Tool-Kostenersparnis, sondern aus zurückgewonnener Zeit und besserer Qualität in den unterstützten Prozessen. Bei sauber gewählten Use Cases amortisieren sich solche Lösungen typischerweise innerhalb von zwölf bis 24 Monaten.

Es gibt klare Situationen, in denen eine eigene Anwendung der falsche Weg ist. Vier davon begegnen uns regelmäßig.

Wenn das Team noch nicht mit KI vertraut ist. Erst wer Standard-Tools im Alltag souverän nutzt, weiß, was eine eigene Lösung können muss.

Wenn der Use Case unklar ist. Wer eine Anwendung baut, ohne genau zu wissen, welches Problem sie löst, baut eine Lösung auf der Suche nach einem Problem. Das wird teuer und selten wertvoll.

Wenn die Datenlage unzureichend ist. Eigene Anwendungen brauchen sauberen Datenzugriff. Wenn Quellen unstrukturiert oder lückenhaft sind, hilft kein Tool. Erst Datenarbeit, dann Anwendung.

Wenn der Prozess sich gerade ändert. Wer einen Prozess automatisiert, der in sechs Monaten neu aufgesetzt wird, baut Wegwerf-Software.

Eine eigene Anwendung lebt nicht von der Erstumsetzung allein. Drei Faktoren entscheiden über die Halbwertszeit.

Erstens saubere Architektur. KI-Modelle, Datenzugriff und Benutzeroberfläche sind getrennt. So lassen sich Modelle austauschen, sobald bessere verfügbar sind, ohne die ganze Anwendung neu zu bauen. Bei der Geschwindigkeit, mit der sich der Markt entwickelt, ist diese Trennung kein Luxus, sondern Pflicht.

Zweitens Beobachtbarkeit. Es muss erkennbar sein, wenn ein Modell schlechte Ergebnisse liefert oder Nutzungsmuster sich verändern. Ohne Monitoring bleibt jede Anwendung nach einigen Monaten eine Blackbox.

Drittens Verantwortung im Unternehmen. Eine eigene Anwendung gehört dem Unternehmen, nicht dem Dienstleister. Wer das ernst nimmt, sorgt für Übergabe von Wissen, Dokumentation und Zugängen vom ersten Tag an.

Damit aus einem Werkzeug nicht ein Klotz am Bein wird, sondern ein Asset, das mit dem Unternehmen wächst.