Suche

KI-Strategie

Wo soll Dein Unternehmen in 12 Monaten mit KI stehen? Konkrete Roadmap statt Vision-Statement.

Das Thema in drei Schritten.

  1. 01 Einordnen 6 Kapitel im vollständigen Fachtext.
  2. 02 Prüfen 3 verknüpfte Szenarien aus der Praxis.
  3. 03 Vertiefen 6 fachliche Anschlüsse zum Weiterlesen.
Inhalt 6 Kapitel
  1. 01 Wo der deutsche Mittelstand 2026 steht
  2. 02 Was eine echte KI-Strategie enthält
  3. 03 Was eine echte KI-Strategie nicht enthält
  4. 04 Die richtige Reihenfolge: Daten vor Modell
  5. 05 Drei Typen, drei Einstiegspfade
  6. 06 Welcher Klärungsumfang sinnvoll ist

Wo der deutsche Mittelstand 2026 steht

KI-Adoption in Deutschland liegt bei 53 % (EU-Durchschnitt: 42 %). Der Mittelstand führt Europa – und gleichzeitig kommen 67 % aller Organisationen über KI-Experimente nicht hinaus. Nur 5,5 % sind „AI High Performers” mit >5 % EBIT-Beitrag (McKinsey 2025). Diese Lücke nennt McKinsey „AI Theater”: KI-Rituale ohne Veränderung des Betriebsmodells.

Was die High Performers anders machen: Workflows grundlegend neu gestaltet (nur 21 % tun das), >20 % des Digitalbudgets in KI, Skalierung über mehrere Geschäftsbereiche, dreimal häufiger Einsatz von KI-Agenten.

Was eine echte KI-Strategie enthält

  • Drei konkrete Use Cases mit Aufwand, quantitativem Schwellwert und erwartbarem Output (z. B. „70 % Automationsquote, sonst kein Rollout”).
  • Tool-Setup entlang Datenklassen – was wird gekauft, was gebaut, was bewusst weggelassen.
  • Daten-Inventar: welche Stammdaten sind vorhanden, welche fehlen, welche dürfen genutzt werden.
  • Team-Plan: wer macht was, wer wird geschult. AI-Literacy nach Art. 4 KI-VO ist seit Februar 2025 Pflicht – ab 02.08.2026 prüffähig, mit Teilnahmeliste und dokumentiertem Schulungsstand. Der Digital Omnibus entschärft die Formulierung leicht („angemessene Kompetenz fördern” statt „sicherstellen”), die Nachweispflicht selbst bleibt. Eines von drei Pflicht- Dokumenten neben Risikoregister und KI-Policy.
  • Förderpfad: BAFA, INQA-Zukunftszentren, Mittelstand-Digital – typisch 30–80 % Förderquote.
  • Budget: realistische Zahlen, 2–3× der Anfangsschätzung einplanen – 85 % aller Unternehmen unterschätzen KI-Kosten um mehr als 10 %.

Was eine echte KI-Strategie nicht enthält

  • „AI-First-Mindset”
  • „Disruption durch generative KI”
  • „Transformation des gesamten Geschäftsmodells”
  • 50-Folien-Slidedecks mit Stockfotos

Die richtige Reihenfolge: Daten vor Modell

Wer mit „Wir brauchen ChatGPT Enterprise” anfängt, hat schon verloren. Die richtige Reihenfolge:

  1. Stammdaten-Klarheit – welches System ist führend für Artikel, Kunden, Personal, Standorte?
  2. Datenkatalog + Governance – Klassifikation, Berechtigungen, Guardrails. Dazu gehört die Festlegung, welche Datenklassen überhaupt in einen Prompt dürfen und was vorher ersetzt werden muss – siehe Pseudonymisierung & Anonymisierung.
  3. Architektur-Entscheidung – Reifegrad-Stufen für Daten.
  4. Use Case mit Schwellwert – konkretes Problem, quantitatives Ziel.
  5. Tool-Wahl – erst jetzt, nicht zuerst.

Drei Typen, drei Einstiegspfade

Für die erste Orientierung lassen sich drei typische Ausgangslagen unterscheiden. Viele Organisationen liegen zwischen A und B:

TypLageErste Antwort
A. Microsoft-geprägte OrganisationM365/Copilot vorhanden, Governance unklarPurview-/Datenkatalog-Pilot, Sensitivity Labels, Copilot-Guardrails
B. „Wir machen alles neu”GF KI-begeistert, Budget da, Richtung unklarReifegrad-Diagnose + 2 Use Cases mit quantitativem Schwellwert
C. AI-Native / Start-upSchnell, keine Altlast, keine Architektur-DisziplinGovernance-by-Design + Datenkatalog ab Tag 1

Welcher Klärungsumfang sinnvoll ist

Wie umfangreich die Klärung wird, hängt von Datenlage, Beteiligten und Entscheidungsreife ab. Als Ergebnis sollte ein kompakter Entscheidungsrahmen entstehen, den Führung und Fachbereiche gemeinsam nutzen können.