KI-Projekte im Mittelstand: Wie sie in der Praxis ablaufen

Wo KI im Mittelstand tatsächlich ansetzt

Die interessanten Anwendungsfälle in kleinen und mittleren Unternehmen sind selten spektakulär. Sie sitzen dort, wo täglich viele kleine, gleichartige Vorgänge von Hand bearbeitet werden – und wo deshalb Zeit verloren geht, ohne dass es jemandem auffällt. Typisch sind:

• Posteingang und Anfragen: E-Mails und Formularanfragen vorsortieren, Anliegen erkennen, Standardfälle vorbereiten, Dringendes hervorheben.
• Dokumente auslesen: Rechnungen, Lieferscheine, Aufmaße oder Verträge in strukturierte Daten überführen – mit einer Prüfliste für die Fälle, bei denen die Erkennung unsicher ist.
• Angebots- und Auftragsvorbereitung: Informationen aus mehreren Systemen zusammenführen, damit ein Mitarbeiter prüft und freigibt, statt zu suchen und zu tippen.
• Wissenssuche im eigenen Bestand: Antworten aus Handbüchern, Verträgen und abgelegten Vorgängen finden – mit Quellenangabe, damit das Ergebnis überprüfbar bleibt.
• Backoffice-Abläufe: Stammdatenpflege, Terminierung, Nachfassen, Übertragungen zwischen Systemen, die bisher jemand manuell erledigt.

Was in dieser Aufzählung fehlt, ist ebenso aussagekräftig: eigene Modelle trainieren, unternehmensweite Datenplattformen aufbauen, vollautomatische Entscheidungen ohne menschliche Kontrolle. Solche Vorhaben sind im Mittelstand fast immer zu groß, zu teuer oder zu riskant.

Der Ablauf eines typischen Projekts

1. Prozess aufnehmen. Nicht der dokumentierte Ablauf zählt, sondern der tatsächliche. Dafür braucht es Gespräche mit den Menschen, die die Arbeit machen – und die Bereitschaft, sich den Vorgang einmal komplett zeigen zu lassen.
2. Machbarkeit und Datenlage prüfen. Welche Daten liegen in welcher Qualität vor, wer darf darauf zugreifen, gibt es eine Schnittstelle? Diese Phase entscheidet häufiger über Erfolg oder Misserfolg als jede Technologiewahl.
3. Pilot mit klaren Abnahmekriterien. Ein abgegrenzter Ausschnitt, messbare Kriterien und eine vorher vereinbarte Definition dessen, was „gut genug“ heißt – inklusive der Frage, wie mit Fehlern umgegangen wird.
4. Rollout und Schulung. Die Lösung geht in den Alltag, die Anwender werden eingewiesen, Zuständigkeiten für Ausnahmefälle werden festgelegt.
5. Betrieb und Nachjustierung. Nach einigen Wochen zeigt die Praxis, was angepasst werden muss. Projekte ohne diese Phase fallen erfahrungsgemäß in alte Abläufe zurück.

Woran Projekte scheitern

Der Prozess ist gar nicht festgelegt. Wenn fünf Mitarbeiter denselben Vorgang unterschiedlich bearbeiten, lässt sich nichts automatisieren, bevor nicht entschieden ist, was gilt. Diese Entscheidung kann nur der Kunde treffen – und sie ist oft der eigentliche Nutzen des Projekts.

Die Datenlage wurde überschätzt. Daten liegen in PDFs, in gewachsenen Excel-Dateien oder nur in Köpfen. Die Aufbereitung ist dann der größte Aufwandsblock – und wer ihn nicht einplant, sprengt den Zeitrahmen.

Es gibt keinen Verantwortlichen beim Kunden. Ohne jemanden, der Fragen entscheidet, Testdaten liefert und Ergebnisse abnimmt, bleibt jedes Projekt stehen – unabhängig davon, wie gut der Dienstleister arbeitet.

Abnahmekriterien fehlen. Ohne vorher festgelegte Kriterien wird die Abnahme zur Geschmacksfrage, und Nicht-Determinismus wird zum Streitpunkt statt zu einer Eigenschaft, mit der man umgeht.

Das Werkzeug kam vor dem Problem. Projekte, die mit „Wir wollen etwas mit KI machen“ beginnen, enden häufiger in einer Demo als im Betrieb. Projekte, die mit „Diese drei Stunden pro Tag nerven uns“ beginnen, gehen in Betrieb.

Was das für Freelancer und Partner bedeutet

Der größte Teil der Arbeit ist Prozess-, Daten- und Integrationsarbeit. Wer beides kann – zuhören und sauber bauen – ist in solchen Projekten deutlich wertvoller als jemand, der nur eines davon beherrscht. Für den Einstieg als KI-Freelancer haben wir die gefragten Fähigkeiten und den Weg ohne vorzeigbare Referenzen gesondert beschrieben. Unternehmen mit eigenem Kundenstamm finden unter Implementierungspartner für KI die Rollenverteilung im Detail.

Und wenn Sie diese Arbeit lieber fest im Team machen möchten als projektbasiert: Welche Rollenprofile bei uns vorkommen und wie eine Initiativbewerbung aussehen sollte, steht unter Karriere bei Onterion.

Datenschutz und Vertraulichkeit

In fast jedem dieser Projekte werden personenbezogene oder vertrauliche Daten verarbeitet. Vor dem ersten Testlauf sollte deshalb geklärt sein, welche Daten überhaupt gebraucht werden, wo sie verarbeitet werden, wer Zugriff hat, wie lange sie gespeichert bleiben und welche Vereinbarungen zur Auftragsverarbeitung nötig sind. Der wirksamste Grundsatz ist der einfachste: so wenige Daten wie möglich, und Testdaten bevorzugt anonymisiert. Diese Hinweise sind allgemeiner Natur und ersetzen keine datenschutzrechtliche Beratung.

Mehr zur Marke und zu den Lösungen selbst finden Sie auf onterion-ai.de. Wie eine Zusammenarbeit mit uns abläuft, steht unter Zusammenarbeit.

Erfahrungsbericht aus der Projektpraxis; keine Rechts- oder Datenschutzberatung. Stand: Juli 2026.