Der deutsche Mittelstand hat in den vergangenen zwei Jahren eine bemerkenswerte Kurskorrektur vollzogen. Während 2022 noch viele Geschäftsführer KI als Thema für Konzerne und Startups betrachteten, zeigen aktuelle Erhebungen des Bitkom, dass mittlerweile rund 45 Prozent der Unternehmen mit 100 bis 499 Mitarbeitern KI-Technologien produktiv einsetzen oder konkret planen. Der Unterschied zu früheren Digitalisierungswellen: Diesmal gibt es spezialisierte Dienstleister, die nicht erst ab einem siebenstelligen Budget ansetzen.
Was KI-Agenturen vom klassischen IT-Dienstleister unterscheidet
Klassische IT-Dienstleister implementieren Software. KI-Agenturen tun etwas anderes: Sie analysieren Geschäftsprozesse auf Automatisierungspotenziale, entwickeln oder konfigurieren KI-Modelle für den konkreten Anwendungsfall und begleiten die Einführung bis in den laufenden Betrieb. Das klingt nach einer Nuancierung, ist in der Praxis aber ein fundamentaler Unterschied.
Ein Maschinenbauer aus dem Sauerland etwa hatte ein klassisches ERP-System im Einsatz, das tadellos Daten verwaltete. Die KI-Agentur, die er 2023 beauftragte, arbeitete nicht am ERP selbst, sondern baute eine vorgelagerte Schicht: ein Modell, das Lieferverzögerungen 14 Tage im Voraus mit einer Trefferquote von 78 Prozent prognostiziert. Die IT war dieselbe, der wirtschaftliche Effekt war neu.
Typische Leistungsfelder mit konkretem Nutzen
Das Angebot von KI-Agenturen ist heterogen. Wer ein Angebot einholt, sollte wissen, welche Leistungsfelder tatsächlich relevant sind. Die häufigsten Bereiche im Mittelstandsgeschäft:
- Prozessautomatisierung: Dokumentenerfassung, Rechnungsprüfung, Auftragsverarbeitung. Ein Logistikdienstleister mit 180 Mitarbeitern reduzierte seine manuelle Dateneingabe um 60 Prozent, nachdem eine KI-Agentur eine OCR-gestützte Lösung mit nachgelagerter Plausibilitätsprüfung einführte.
- Kundenservice und Kommunikation: KI-gestützte Chat- und E-Mail-Assistenten, die auf Unternehmensdaten trainiert sind. Kein generischer Chatbot, sondern ein System, das Produktkataloge, Lieferbedingungen und FAQ kennt.
- Predictive Analytics: Absatzprognosen, Wartungsintervalle, Lageroptimierung. Besonders im produzierenden Gewerbe rechnet sich das schnell, wenn ungeplante Stillstände teuer sind.
- Inhaltsproduktion und Marketing: Automatisierte Produktbeschreibungen, mehrsprachige Texte, personalisierte Angebote. Ein Onlinehändler mit 12.000 SKUs kann nicht jeden Artikel manuell pflegen.
- Datenanalyse und Reporting: Dashboards, die Muster sichtbar machen, die in Excel-Tabellen verborgen bleiben. Inklusive natürlichsprachiger Abfragen ohne SQL-Kenntnisse.
Worauf es bei der Auswahl ankommt
Der Markt für KI-Dienstleistungen ist jung und wenig reguliert. Das bedeutet: Die Qualitätsunterschiede zwischen Anbietern sind erheblich. Wer ein erstes Angebot einholt, sollte drei Fragen stellen.
Erstens: Kann der Anbieter Referenzen aus vergleichbaren Branchen vorweisen, mit messbaren Ergebnissen? Aussagen wie „wir haben die Effizienz gesteigert“ sind wertlos. Konkret sollte es heißen: Bearbeitungszeit von X auf Y Minuten, Fehlerquote von A auf B Prozent, Einsparung von Z Vollzeitäquivalenten.
Zweitens: Wie ist die Übergabe nach Projektende geregelt? Viele mittelständische Unternehmen sitzen nach einem Einführungsprojekt vor einer Lösung, die nur der Dienstleister versteht und wartet. Das erzeugt dauerhafte Abhängigkeit. Seriöse Anbieter planen von Beginn an den Wissenstransfer ein. Dazu gehört auch, dass eigene Mitarbeiter durch gezielte Weiterbildung in die Lage versetzt werden, KI-Systeme zu verstehen und zu steuern. Eine strukturierte KI-Schulung für relevante Fachbereiche ist dabei kein Zusatz, sondern Bestandteil jedes nachhaltigen Einführungsprojekts.
Drittens: Wer hält die Daten und Modelle? Wenn das KI-Modell ausschließlich auf den Servern des Dienstleisters läuft und mit dem eigenen Unternehmens-Know-how trainiert wurde, sollte vertraglich klar geregelt sein, wem dieses Modell gehört.
Kosten und typische Projektstrukturen
Pauschale Preisaussagen sind schwierig, aber Orientierungswerte helfen. Ein initiales Beratungs- und Analyseprojekt, das Prozesse aufnimmt und einen KI-Fahrplan entwickelt, kostet bei mittelständischen Unternehmen typischerweise zwischen 8.000 und 20.000 Euro. Die Umsetzung eines konkreten Automatisierungsprojekts, etwa für die Rechnungsverarbeitung, liegt je nach Komplexität zwischen 25.000 und 80.000 Euro einmalig, plus laufende Wartungskosten von 500 bis 2.000 Euro monatlich.
Wer plant, mehrere Prozesse zu transformieren, fährt oft besser mit einem Rahmenvertrag. Dabei vereinbart das Unternehmen ein festes Stundenvolumen pro Quartal und erhält im Gegenzug Priorität, feste Ansprechpartner und niedrigere Stundensätze als bei Einzelprojekten. Dieses Modell hat sich bewährt, weil KI-Einführungen selten mit einem einzigen Projekt abgeschlossen sind.
| Leistungstyp | Typische Einmalkosten | Laufende Kosten/Monat |
|---|---|---|
| Strategie und Analyse | 8.000 bis 20.000 Euro | entfällt |
| Prozessautomatisierung | 25.000 bis 80.000 Euro | 500 bis 2.000 Euro |
| KI-gestützter Kundenservice | 15.000 bis 40.000 Euro | 800 bis 3.000 Euro |
| Predictive Analytics | 30.000 bis 100.000 Euro | 1.000 bis 4.000 Euro |
Fördermöglichkeiten, die viele übersehen
Ein Punkt, der in Gesprächen mit Mittelständlern häufig fehlt: KI-Einführungsprojekte sind in Deutschland förderfähig. Das Bundesministerium für Wirtschaft und Klimaschutz stellt über das Programm „Digital Jetzt“ Zuschüsse von bis zu 50.000 Euro für Digitalisierungsinvestitionen bereit, zu denen KI-Lösungen ausdrücklich zählen. Einzelne Bundesländer haben eigene Programme aufgelegt, die teils höhere Fördersätze bieten.
Hinzu kommt die steuerliche Seite: Kosten für externe Beratung und Implementierung sind als Betriebsausgaben voll abzugsfähig. Wer intern eigene KI-Entwicklung betreibt, kann unter Umständen von der Forschungsförderung nach dem Forschungszulagengesetz profitieren. Beide Aspekte sollten vor Projektstart mit dem Steuerberater besprochen werden.
Realistischer Zeithorizont
Mittelständische Unternehmen, die KI-Agenturen beauftragen, sollten keine Wunderprojekte in acht Wochen erwarten. Analyse und Konzeption dauern bei seriöser Arbeit vier bis acht Wochen. Entwicklung und Testbetrieb kommen bei einem mittleren Projekt auf drei bis sechs Monate. Der produktive Betrieb beginnt danach, aber erst nach weiteren sechs bis zwölf Monaten zeigt sich, ob die Lösung stabil ist und ob Anpassungen nötig sind.
Das ist kein Argument gegen KI-Investitionen, sondern eine Kalkulationsgrundlage. Unternehmen, die das realistisch einpreisen, sind nach 18 Monaten meistens zufrieden. Wer glaubt, dass ein KI-Projekt schnell und günstig die Welt verändert, ist nach 18 Monaten meistens frustriert.
