Beratung anfordern

wissen · ki-strategie für den mittelstand

Wann lohnt sich KI im Mittelstand?

Use-Case-Discovery trifft auf TCO-Modell: KI kann Geschäftsprozesse unterstützen und dabei Geld sparen. Abseits vom Programmieren finden sich in jedem Unternehmen unzählige Anwendungsfelder, die durch KI sinnstiftend unterstützt werden können. Oftmals fehlt ein Weg, klar darzustellen, ob sich eine Einführung lohnt — und eine Technologie für die Umsetzung.

Diese Seite beantwortet fünf Fragen: die größten Hürden bei der Einführung, was es braucht, damit es sich lohnt, welche Kosten wirklich anfallen, wie Regelwerke Kosten beeinflussen — und wie eine belastbare ROI-Betrachtung aussieht.

praxisbeispiel

Ein (einfacher) digitaler Geschäftsprozess

Der Reklamationsassistent nimmt Kundenanfragen entgegen und steuert erste interne Aktivitäten — ein durchgängiger Prozess aus acht Schritten:

  1. 01 · MS Outlook

    Zyklischer Abruf des Postfachs

  2. 02 · KI-Analyse

    Analyse der eingegangenen Kunden-E-Mail

  3. 03 · Datenbankabgleich

    Stakeholder? Reklamation schon mal vorgekommen? Gleiches Bauteil? Gleicher Kunde?

  4. 04 · Kalenderabfrage

    Verfügbarkeiten der Stakeholder prüfen

  5. 05 · MS Teams

    KI-gestütztes Erstellen eines Briefings

  6. 06 · Kalendereintrag

    Termin an Stakeholder mit Briefing

  7. 07 · MS Outlook

    KI-basierter Draft der Ausgangsmail

  8. Ergebnis

    Erste Reaktion und interne Koordination laufen ohne manuelles Zutun

  • 2–3 h

    manuell

  • 32 s

    automatisiert, KI-gestützt

  • 4.074

    Token pro Durchlauf, 1–2 / Woche

  • Souverän gehostet

    KI-Modell, DSGVO-konform

die drei wesentlichen hürden

Die größten Hürden

Die Frage ist nicht mehr ob, sondern wann KI sich rechnet. Der Engpass ist selten die Technik — sondern die Auswahl der richtigen Use Cases und deren Anzahl, eingebettet in den unternehmensspezifischen Rahmen.

Toolpreis ≠ Gesamtkosten

Die Lizenz ist nur die Spitze des Eisbergs.

Regulatorische Anforderungen

EU AI Act, DSGVO und spezifische Rahmenwerke beeinflussen den Gesamtblick aufs Ganze.

Messbare Ertragssteigerungen fehlen

Initiativen zeigen selten messbaren Ertragsanstieg.

kriterien

Vier Kriterien für die „Lohnt-sich"-Frage

Faustregel: Erst wenn alle vier Kriterien zusammenkommen, wird aus einer Idee ein tragfähiger Business Case.

(Viele) Use Cases

Ist der Use Case klar, die Prozesse dahinter beschrieben und in BPMN 2.0 und DMN modelliert? Wo liegen die Prozesse gemäß Landkarte — Management, Kern, Support?

Strukturierte Daten

Sind verwertbare Daten vorhanden und zugänglich? Welche Daten werden verarbeitet — und welche Anforderungen bestehen an das KI-Modell?

Volumen & Frequenz

Hohe Anzahl und Wiederholung erzeugen einen Skaleneffekt. Das Tokenvolumen entscheidet mit.

Wirtschaftlichkeit

Übersteigt der Nutzen die TCO über fünf Jahre — wo liegt der ROI?

vorgehen

Vom Use Case zur Automatisierungsprognose

Jede Aktivität wird bewertet: regelbasiert → RPA · wissensbasiert → KI-Agent · entscheidungskritisch → menschliche Freigabe. So entsteht eine Prognose statt eines Bauchgefühls — KI-unterstützt und erfahrungsbasiert, Widerstand abgebaut.

  1. 01

    Use Cases finden

    Use Case Discovery beschreibt den Prozess detailliert

  2. 02

    BPMN-2.0-Modellierung

    Prozess sauber modellieren, nach ISO-Standard inkl. Frequenz und Dauer

  3. 03

    Automatisierungspotenzial detektieren

    Was kann automatisiert (RPA) und durch KI unterstützt werden

  4. 04

    Tokenvolumen prognostizieren

    Automatisierungsgrad anhand Volumen und Potenzial bestimmen

  5. 05

    Überführung ins TCO-Modell

    Entscheidung basierend auf Zahlen

wirtschaftlichkeit: tco statt lizenzpreis

Der Toolpreis ist nur die Spitze des Eisbergs

Tragfähige Use Cases, ein intelligentes Tech-Stack, zielgerichtete Datenaufbereitung, Schnittstellen, Schulung, Sicherstellung des laufenden Betriebs und Governance entscheiden über den wirtschaftlichen Erfolg — nicht das Tool. Der günstigste Einstieg ist selten die wirtschaftlichste Lösung.

Lizenz / Toolpreis — sichtbar

  • Datenaufbereitung & -zugang
  • Schnittstellen & Integration
  • Schulung & Adoption
  • Betrieb — Modellaufrufe, Quality Gates
  • Governance & Sicherheit

Das TCO-Modell: Anschaffungs- und Betriebskosten transparent darstellen

Use Cases ranken, Deployment-Optionen vergleichen — On Premise, Private Cloud, Cloud, Hybrid, Co-Pilot, GPUaaS, LLMaaS — leasen, kaufen oder bereits vorhanden. Monetäre Parameter: Modellgröße, Anzahl der Sitze, PUE, Strompreis, Hardware-Lifecycle, Inflation, Mitarbeiterkosten. Mehr dazu auf der Seite zur Sellium-Methode.

risiko & konformität

Regelwerke als Kostentreiber

Regelwerke bestimmen maßgeblich, wie aufwendig ein KI-Einsatz im laufenden Betrieb wird. Sie sind kein einmaliger Posten — sie verursachen laufende Aufwände und fließen direkt in die TCO-Prognose ein.

Risiko & Konformität

EU AI Act

Use Cases einstufen, technisch dokumentieren, ggf. Konformität nachweisen. Mehr zum EU AI Act

Datenschutz

DSGVO

Folgenabschätzung, Rechtsgrundlagen und Auftragsverarbeitung klären.

Datenschutz

Cloud Act

Konflikt mit der DSGVO. Rechtshoheit über den Anbieter entscheidet.

Branchenwerke

z. B. TISAX

OEM verlangen oft EU-Hoheit; Prototypenschutz verlangt lückenlose Zugriffskontrolle. Auch ISO/IEC 42001 fließt ein.

der weg zum roi

Fünf Schritte zur belastbaren ROI-Betrachtung

  1. Schritt 1: Use Cases

    Sauber beschrieben, in hoher Anzahl.

  2. Schritt 2: AI Readiness & IT-Check-up

    Detailliertes Bild des Unternehmens.

  3. Schritt 3: Tokenvolumen-Prognose

    Automatisierungsgrad anhand Volumen und Potenzial bestimmen.

  4. Schritt 4: TCO-Modell

    Verarbeitet die Eingangsdaten und berechnet die laufenden Kosten.

  5. Schritt 5: ROI

    Entscheidung basierend auf Zahlen.

das resultat — ein beispiel aus der praxis

  • 845.000 €

    Einsparung p. a.

  • 1.185.000 €

    Delivery-Aufwand für alle Use Cases

  • 1,5 Jahre

    Payback

  • 70 %

    des Nutzens tragen 5 bestimmte Use Cases

Präferenz in diesem Fall: ein Hybrid-Ansatz.

take-aways

Die wichtigsten Take-aways

  • 01

    Use Cases sollten in großer Stückzahl vorliegen — sauber dokumentiert.

  • 02

    Je mehr Use Cases laufen, desto größer der Hebel.

  • 03

    Das Tokenvolumen und die erforderliche Modellgüte entscheiden mit.

  • 04

    (KI-unterstützte) Geschäftsprozessautomation braucht keine große Infrastruktur.

  • 05

    Selbstgehostete KI schlägt häufig Co-Pilot in Bezug auf Kosten und Compliance.

kontakt

Let's talk

Gern sind wir rund um das Thema KI für dich da. Wir melden uns umgehend bei dir.

AdresseCarolastraße 4-6, 09111 Chemnitz
Soziales NetzLinkedIn

Kontakt aufnehmen