Welche Prozesse Mittelständler zuerst mit KI automatisieren sollten

KI ist mächtig, aber nicht universell. Sie kann Texte erzeugen, Inhalte zusammenfassen, klassifizieren, vergleichen, übersetzen und einfache Entscheidungen anhand klarer Regeln treffen. Sie ist dagegen schwach, wenn echtes Erfahrungswissen gefragt ist, wenn physische Prozesse gesteuert werden müssen oder wenn die Datenlage zu dünn ist.

Im Mittelstand bedeutet das konkret: Eine erfahrene Disponentin, die Maschinenbelegung jongliert und implizit weiß, welcher Lieferant in welcher Woche reagiert, ist KI heute überlegen. Eine Mitarbeiterin, die täglich zwanzig Eingangsmails klassifiziert und ins CRM überträgt, kann durch KI massiv entlastet werden.

Bevor Sie also Tools einführen, lohnt sich der nüchterne Blick auf den Charakter der Aufgabe. Sprache, strukturierte Daten, hohe Wiederholung und klare Eingaben sind starke Signale. Bauchgefühl, jahrzehntelanges Erfahrungswissen, körperliche Tätigkeit und Sondersituationen sind eher Warnsignale.

In der Beratung mittelständischer Unternehmen tauchen immer wieder dieselben drei Muster auf, in denen KI besonders schnell Wirkung zeigt.

Das erste Muster ist Wiederholung mit Variation. Aufgaben, die im Kern immer gleich ablaufen, aber bei jeder Anwendung kleine inhaltliche Unterschiede haben. Angebotsschreiben, Standardberichte, Kundenkorrespondenz, Reklamationsantworten. Hier kann KI eine erste Fassung erzeugen, die ein Mensch nur noch prüft und freigibt.

Das zweite Muster ist Informationsverdichtung. Aufgaben, bei denen Mitarbeiter Daten aus mehreren Quellen zusammensuchen und in einer Zusammenfassung übersetzen. Wochenreports, Projektstatusberichte, Wettbewerbsbeobachtung, Meetingprotokolle. Hier kann KI Suchen, Sortieren und Zusammenfassen übernehmen.

Das dritte Muster ist Klassifizierung und Routing. Aufgaben, bei denen Eingangsmaterial wie E-Mails, Anfragen, Dokumente oder Belege zugeordnet und an die richtige Stelle weitergeleitet wird. Hier kann KI vorklassifizieren und damit eine Vorstufe schaffen, die menschliche Bearbeitung dramatisch beschleunigt.

Im Maschinenbau zeigt sich hohes Potenzial in der Erstellung technischer Angebote. Vertriebsmitarbeiter durchsuchen Spezifikationen, vergleichen Referenzprojekte und schreiben Angebotstexte. Eine KI mit Zugriff auf interne Projektdaten erstellt eine fundierte erste Fassung. Pro Angebot lassen sich so mehrere Stunden einsparen.

In Handel und Dienstleistung wirken KI-Lösungen besonders stark im Kundensupport. Standardanfragen werden klassifiziert, häufige Fragen automatisch beantwortet, komplexe Fälle vorqualifiziert an die richtige Person weitergeleitet. Mitarbeiter werden nicht ersetzt, sondern bekommen mehr Zeit für die wirklich anspruchsvollen Anliegen.

In produzierenden Familienunternehmen liegt häufig Potenzial in der Buchhaltung. Eingehende Rechnungen werden automatisch erfasst, Kontierungsvorschläge gemacht, Abweichungen geprüft. Was früher einen halben Buchhaltertag pro Woche kostete, läuft im Hintergrund.

In klassischen Dienstleistern lohnt sich oft ein interner Wissensassistent. Verträge, Richtlinien, Projektdokumentation werden über eine einfache Frage-Antwort-Oberfläche zugänglich. Niemand muss mehr in Verzeichnissen wühlen, niemand wartet auf Rückfragen aus Nachbarteams.

Damit Priorisierung nicht zur Geschmackssache wird, lohnt sich ein einfaches Modell mit drei Dimensionen.

Wirkung. Wie oft passiert der Prozess? Wie viele Menschen sind beteiligt? Was ist der heutige Zeitaufwand? Ein Prozess, den eine Person fünf Stunden pro Woche macht, summiert sich auf 250 Jahresstunden. Lassen sich davon 60 Prozent automatisieren, sind das 150 zurückgewonnene Jahresstunden pro Mitarbeiter.

Aufwand. Wie zugänglich sind die nötigen Daten? Müssen Systeme integriert werden? Reicht ein Standardtool oder braucht es eine eigene Lösung? Je tiefer die Integration, desto mehr Vorbereitung.

Risiko. Welche Auswirkung hat ein Fehler? Ein vorklassifiziertes E-Mail-Routing kann Korrekturen verkraften. Eine automatisch versendete Kundenkommunikation oder ein automatisch erstelltes Angebot mit Preisangaben darf das nicht.

Aus diesen drei Dimensionen entsteht ein klares Bild. Hohe Wirkung, niedriger Aufwand, niedriges Risiko sind die idealen Erstkandidaten. Hohe Wirkung mit hohem Risiko brauchen mehr Vorbereitung. Niedrige Wirkung mit hohem Aufwand können warten.

Es gibt Prozesse, die KI auf den ersten Blick reizvoll erscheinen lassen, in der Praxis aber Probleme erzeugen. Vier Konstellationen sollten Mittelständler kennen.

Erstens Prozesse, in denen Erfahrungswissen das eigentliche Asset ist. Wenn ein Disponent über zwanzig Jahre Beziehungen zu Lieferanten und ein implizites Verständnis der Produktion hat, lässt sich das nicht durch ein Modell ersetzen. Hier kann KI höchstens unterstützen, nicht entscheiden.

Zweitens Prozesse mit zu wenig Datenlage. Wenn ein Vorgang im Jahr nur dreißigmal vorkommt, lohnt sich der Aufwand der Automatisierung selten. Erst Wiederholungsfrequenz schafft Hebel.

Drittens Prozesse mit zu schwacher Datenqualität. Wenn Eingangsmaterial unstrukturiert, lückenhaft oder widersprüchlich ist, wird KI fehlerhafte Ergebnisse liefern. Erst Datenstruktur, dann KI.

Viertens Prozesse, die ohnehin neu geordnet werden müssen. Wer einen kaputten Prozess automatisiert, hat einen automatisierten kaputten Prozess. Manchmal ist die richtige Antwort, den Prozess zuerst zu vereinfachen.

Nehmen wir ein typisches Familienunternehmen mit 80 Mitarbeitern und einem Verwaltungsanteil von 12 Personen. Vier dieser Personen verbringen je fünf Stunden pro Woche mit Aufgaben, die sich teilweise automatisieren lassen. Das ergibt 20 Stunden pro Woche, hochgerechnet rund 1.000 Stunden pro Jahr.

Wenn 50 Prozent dieser Zeit durch KI-gestützte Workflows entlastet werden, sind das 500 zurückgewonnene Jahresstunden. Bei einem Vollkostensatz von 35 Euro pro Stunde entspricht das einem Wert von 17.500 Euro pro Jahr. Bei einem realistischen Setup-Aufwand von 30.000 bis 60.000 Euro für die ersten zwei bis drei Use Cases amortisiert sich die Investition damit innerhalb von zwei bis drei Jahren.

Diese Zeit wird selten in Stelleneinsparung übersetzt. Sie wandert dorthin, wo Zeitmangel heute Engpässe schafft. Schnellere Reaktion auf Kunden, gründlichere Qualitätsprüfung, mehr Kapazität für Vertrieb und für die Aufgaben, die wirklich menschliches Urteil brauchen.

Hochgerechnet auf einen mittelständischen Betrieb mit 200 Mitarbeitern sind selbst konservativ gerechnet sechsstellige Effizienzpotenziale realistisch. Voraussetzung bleibt: die richtigen Prozesse zuerst.

Statt monatelanger Strategieprojekte hat sich im Mittelstand ein schlanker Vier-Wochen-Sprint bewährt.

Woche eins. Bestandsaufnahme. Sammeln Sie über alle Abteilungen Aufgaben, bei denen Mitarbeiter regelmäßig Routineanteile sehen. Fragen Sie konkret nach den Tätigkeiten, die Energie kosten, ohne fachlich anspruchsvoll zu sein. Eine Stunde pro Abteilung reicht oft.

Woche zwei. Bewertung. Tragen Sie die Kandidaten in ein einfaches Raster aus Wirkung, Aufwand und Risiko ein. Entscheidende Daten sind Häufigkeit, Zeitaufwand pro Vorgang, Datenverfügbarkeit und Fehlerkosten.

Woche drei. Auswahl. Wählen Sie zwei bis drei Prozesse, die in der Kombination aus Wirkung und Machbarkeit am stärksten sind. Eher klein und sichtbar als ambitioniert und unsicher.

Woche vier. Pilotvorbereitung. Definieren Sie Erfolgsmaßstäbe, klären Sie Datenfragen, benennen Sie eine verantwortliche Person und planen Sie eine erste konkrete Umsetzung. Vier bis sechs Wochen später laufen erste Workflows live.

Sobald ein erster Prozess automatisiert läuft, geschieht etwas Entscheidendes. Das Team versteht aus eigener Erfahrung, was KI kann und was nicht. Skepsis weicht Realismus. Aus dem ersten Erfolg entsteht ein Anschauungsobjekt für die nächsten Schritte.

Der zweite Prozess geht meist schneller, weil interne Erfahrung wächst. Ab dem dritten oder vierten Use Case lohnt sich, das Vorgehen zu standardisieren und ein kleines internes KI-Team zu etablieren, das Use Cases priorisiert und Wissen sichert.

Die Reihenfolge der ersten Prozesse entscheidet damit nicht nur über kurzfristige Effizienz. Sie entscheidet, ob KI im Unternehmen als sichtbare Verbesserung ankommt oder als weiteres Strategieprojekt versickert. Genau deshalb lohnt sich, hier nicht aus dem Bauch heraus zu entscheiden.