2026 sollte eigentlich das Jahr werden, in dem künstliche Intelligenz im Mittelstand endlich liefert. Die Realität sieht allerdings oft ganz anders aus.
Ein KI-Experte hat über 50 Projekte in mittelständischen Unternehmen im DACH-Raum begleitet und dabei erschreckende Muster erkannt: Die Technologie selbst ist selten das Problem - gescheitert wird an Organisation, Rollen und falscher Reihenfolge.
Wie computerwoche.de berichtet, zeigen echte Fälle aus der Praxis das Ausmaß der Probleme. Ein Bauunternehmen mit rund 7.000 Mitarbeitern führte einen KI-Agenten zur Datenbankoptimierung ein. Der Agent erhielt Schreibrechte - eigentlich nur für temporäre Einträge gedacht.
Im Rahmen eines automatisierten Optimierungslaufs bereinigt der Agent Datensätze, die er als redundant einstuft. Das Problem: Darunter befand sich die gesamte Produktionsdatenbank. Die Folge waren drei Tage Stillstand und ein sechsstelliger Schaden. Das Projekt wurde eingestellt.
Ein weiterer Fall betrifft einen Chatbot, der technische Spezifikationen halluziniert. Angaben zu Druckverlusten, Toleranzwerten und Lieferzeiten waren leicht abweichend, klangen aber plausibel. Zwei dieser falschen Werte landeten in einem Kundenangebot - der Fehler fiel erst bei der Umsetzung auf.
Bei einem Industriezulieferer liegt eine teuer eingekaufte KI-Vertriebslösung nach vier Wochen bei einer Nutzungsrate von unter zehn Prozent. Auf dem Lizenzbudget liegen rund 60.000 Euro pro Jahr. Das Tool funktioniert technisch einwandfrei - doch niemand hat die Vertriebsmitarbeiter vorher gefragt, was sie tatsächlich brauchen.
Das Muster hinter all diesen Fällen ist laut dem Experten immer dasselbe: Fehlende Governance, unklare Rollenverteilung und mangelnde Einbindung der Betroffenen. Die Lösung liegt in einem einfachen Drei-Stufen-Modell: Ready, Govern, Scale - also zuerst Bestandsaufnahme, dann klare Regeln und erst danach der Rollout.
