Ein Rahmen, um herauszufinden, was KI in Ihrem Unternehmen wirklich leistet und ob sie es wert ist, behalten zu werden. Bevor die Aufsichtsbehörde dieselbe Frage stellt.
Das Problem
Die meisten mittelständischen Unternehmen tun das Erste, ohne das Zweite zu tun.
In einer Umfrage aus dem Jahr 2024 gaben über 78 % der europäischen KMU an, dass ihre Mitarbeitenden täglich KI-Tools nutzten. Weniger als 23 % hatten überhaupt eine Governance, um zu wissen, welche Tools auf welche Prozesse angewendet werden und welche Ergebnisse sie liefern. Die Lücke zwischen „wir nutzen KI" und „wir steuern KI intelligent" ist genau der Ort, an dem das meiste Geld verschwindet. Und an dem das größte regulatorische Risiko sitzt.[1]
Die 42 % der Organisationen, die 2025 die meisten ihrer KI-Projekte aufgaben (ein Anstieg von nur 17 % im Vorjahr), hörten nicht auf, weil KI nicht funktioniert. Sie hörten auf, weil sie nicht messen konnten, ob sie funktioniert, weil sie nicht erkennen konnten, was zu beheben war, und weil ihnen die Bereitschaft fehlte, die Unsicherheit weiter zu finanzieren.[2] Das ist kein KI-Problem. Das ist ein Operations-Problem.
Dieser Leitfaden führt Sie durch dasselbe fünfstufige Audit, das Vectimo mit zahlenden Kunden durchführt, abgespeckt zur Durchführung in Eigenregie. Sie ermitteln, welche KI Ihr Unternehmen tatsächlich betreibt, bewerten, welche Prozesse mehr Aufmerksamkeit verdienen, prüfen Ihre Datenbasis, identifizieren Ihre Pflichten aus der EU-KI-Verordnung und erstellen ein grundlegendes ROI-Bild. Das Ganze sollte einen Nachmittag dauern.
Orientierung
Ein vollständiges KI-Operations-Audit umfasst Prozess, Daten, Compliance und Kosten. In dieser Reihenfolge.
Die meisten „KI-Audits", die Sie online finden, sind für Machine-Learning-Ingenieure und Compliance-Juristen geschrieben. Sie fragen nach Modellarchitektur, Verzerrungen in Trainingsdaten und algorithmischer Erklärbarkeit. Das ist wichtig, wenn Sie KI bauen. Wenn Sie KI nutzen, um ein Dienstleistungsunternehmen zu führen, ist das größtenteils irrelevant. Was Sie tatsächlich wissen müssen, ist: Welche Workflows berührt die KI, welche Datenqualität speist diese Workflows, welche rechtlichen Pflichten haben Sie und was kostet das im Vergleich zu dem, was es spart?
Jeder der fünf folgenden Schritte behandelt einen dieser Bereiche. Sie brauchen keinen Berater im Raum. Sie brauchen eine Tabelle, ein ehrliches Gespräch mit Ihrem Team und etwa einen halben Tag.
Welche Workflows KI berühren, welche nicht und welche es sollten. Die Grundlage jeder weiteren Entscheidung.
Ob die Informationen, die Ihre KI-Systeme speisen, sauber, zugänglich und zweckmäßig sind.
Was die EU-KI-Verordnung bereits von Ihnen verlangt, was im August 2026 kommt und was das in der Praxis bedeutet.
Was Sie für KI-Tools ausgeben, gegenüber dem, was Sie einsparen. Die meisten Unternehmen sind von beiden Zahlen überrascht.
Sie können nicht prüfen, was Sie nicht erfasst haben. Beginnen Sie damit, alles aufzulisten.
Das KI-Inventar ist der unspektakuläre Teil dieser Übung und der wichtigste. Das Ziel ist ein einziges Dokument, das jedes KI-gestützte Tool, jede Funktion und jeden Workflow in Ihrem Unternehmen auflistet: wer dafür verantwortlich ist, was es berührt, was es kostet und welche Daten hindurchlaufen. Aus unserer Erfahrung mit Kunden bringt das Inventar fast immer drei Dinge ans Licht: Tools, die niemand aktiv nutzt, erhebliche Kostendopplungen und mindestens ein System, das nach der EU-KI-Verordnung als Hochrisiko gelten würde.
Beginnen Sie damit, alle, die mit dem operativen Geschäft zu tun haben, zu bitten, jedes Tool aufzulisten, das eine Empfehlung ausspricht, eine Entscheidung automatisiert, Inhalte generiert oder Dokumente verarbeitet. Beziehen Sie die KI-Funktionen ein, die in Tools eingebettet sind, die Sie bereits nutzen: das Widget zur Lebenslauf-Vorauswahl in Ihrer HR-Plattform, das prädiktive Lead-Scoring in Ihrem CRM, die intelligente Terminplanung in Ihrem Außendienst-Tool. Genau diese eingebetteten Funktionen sind es oft, die ein regulatorisches Risiko schaffen, weil niemand sie als „KI" betrachtet hat.
Übertragen Sie dies in eine Tabelle. Füllen Sie eine Zeile pro Tool oder KI-Funktion aus. Beziehen Sie eingebettete KI ein (die KI-Funktionen innerhalb von Tools, die Sie bereits nutzen), nicht nur eigenständige KI-Anwendungen.
| Tool / Funktion | Geschäftsfunktion | Verantwortlich | Monatliche Kosten (€) | Verarbeitete Daten | Risikoeinstufung EU-KI-Verordnung | Zuletzt geprüft |
|---|---|---|---|---|---|---|
| ChatGPT / Claude | Inhaltsentwürfe, Recherche | Marketing | 23–250 | Interne Dokumente, E-Mails | Minimal | — |
| Microsoft Copilot | E-Mail-Zusammenfassung, Entwürfe | Mehrere | In M365 enthalten | Alle E-Mails + Kalender | Minimal | — |
| KI-Lebenslauf-Vorauswahl (im HR-Tool) | Bewerbervorauswahl | HR | Inklusive | Personenbezogene Daten, Lebensläufe | Hochrisiko | — |
| Prädiktives Lead-Scoring (CRM) | Vertriebspriorisierung | Vertrieb | Inklusive | Kundendaten | Prüfung nötig | — |
| KI-Terminplanung / Routing | Außendiensteinsatz | Operations | Variabel | Auftragsdaten, Standorte | Minimal | — |
| Dokumentenverarbeitung / OCR | Rechnungs- / Formularerfassung | Finanzen | Variabel | Finanzdokumente | Minimal | — |
| KI-Chatbot (kundenseitig) | Kundensupport erster Ebene | CX | Variabel | Kundenanfragen, personenbezogene Daten | Prüfung nötig | — |
Wenn das Inventar vollständig ist, summieren Sie Ihre gesamten monatlichen KI-Ausgaben, einschließlich der inklusiven Tools, bei denen KI der Grund für das Upgrade war. Fragen Sie dann: Für welchen Prozentsatz dieser Tools überprüft jemand im Unternehmen aktiv die Ergebnisse, misst die Genauigkeit oder verantwortet das Resultat? Die typische Antwort, die wir sehen, liegt unter 20 %.
Nicht jede Aufgabe verdient KI. Die Matrix zeigt Ihnen, wo Sie vorpreschen und wo Sie vorsichtig sein sollten.
Die nützlichste Einzelfrage in einem KI-Operations-Audit lautet: In welche Prozesse gehört KI und in welche nicht? Die Antwort hängt von zwei Variablen ab, die auf nahezu jede Aufgabe in einem Dienstleistungs- oder Handwerksbetrieb zutreffen: wie oft sie vorkommt (Volumen) und wie viel Expertise nötig ist, um sie richtig zu erledigen (Urteilsintensität).
Arbeit mit hohem Volumen und geringer Urteilsintensität ist der Ort, an dem sich KI am schnellsten auszahlt. Ein Außendienstunternehmen, das monatlich 400 Rechnungen mit identischer Datenstruktur bearbeitet, lässt erhebliches Geld liegen, indem es sie manuell verarbeitet. Eine Boutique-Beratung, die pro Woche ein maßgeschneidertes Angebot schreibt, bei dem die Angebotsqualität das Alleinstellungsmerkmal ist, sollte dieses Angebot nicht automatisieren. Die Matrix macht das sichtbar.
Bewerten Sie jede bedeutende, sich wiederholende Aufgabe in Ihrem Unternehmen auf zwei Achsen: Volumen (wie oft pro Woche?) und Urteilsintensität (erfordert eine gute Erledigung Expertise, Beziehungen oder Kontext, der sich schwer schriftlich festhalten lässt?).
Seltene, komplexe Aufgaben, bei denen Fehler teuer sind. KI bringt Risiko statt Effizienz. Beispiele: Vertragsverhandlung, Kundeneskalationen, Preisstrategie.
KI kann entwerfen, zusammenfassen oder abrufen, aber ein Mensch entscheidet. Beispiele: Angebotserstellung, Triage von Kunden-E-Mails, Leistungsbeurteilungen, Vertriebs-Nachfassen.
Die Zeitersparnis ist real, aber klein. Lohnt sich zu automatisieren, sobald die höher priorisierten Punkte erledigt sind. Beispiele: Besprechungsnotizen, interne Statusmeldungen.
Hier zahlt sich KI am schnellsten aus. Repetitive, strukturierte, häufige Aufgaben mit klaren richtigen Antworten. Beispiele: Rechnungserfassung, Auftragsplanung, Dokumentenklassifizierung, Dateneingabe, Standard-Kundenanfragen.
Sobald Sie Ihre Prozesse auf dieser Matrix platziert haben, bewerten Sie jeden „Zuerst automatisieren"-Kandidaten anhand von drei zusätzlichen Kriterien, um Ihre Umsetzungs-Roadmap zu priorisieren:
| Kriterium | Wert 1 (gering) | Wert 3 (mittel) | Wert 5 (hoch) |
|---|---|---|---|
| Zeitaufwand: wie viele Personenstunden pro Woche? | <2 Std./Woche | 2–10 Std./Woche | >10 Std./Woche |
| Datenverfügbarkeit: sind die Eingabedaten strukturiert und zugänglich? | Verstreut, unstrukturiert | Teilweise organisiert | Strukturiert, zugänglich |
| Fehlerkosten: was passiert, wenn es schiefgeht? | Leicht erkennbar und behebbar | Spürbar, aber korrigierbar | Kostspielig oder für Kunden sichtbar |
Prozessautomatisierung wurde als der am häufigsten genannte Nutzen unter KMU eingestuft, die KI bereits einsetzen, genannt von 53 % der Befragten in der OECD-Studie zur KI-Adoption im Mittelstand 2025.[4] Die branchenspezifischen Zahlen sind konkret: In Logistik und Transport holt die automatisierte Rechnungsprüfung 1 bis 3 % der gesamten Frachtausgaben zurück; die KI-gestützte Ladungsoptimierung senkt die Betriebskosten typischerweise innerhalb von sechs Monaten um 10 bis 20 %.[6] Das sind keine Prognosen, sondern der Mittelwert dessen, was Unternehmen nach der Implementierung berichten.
KI ist nur so gut wie die Daten, auf denen sie läuft. Fünf Fragen, die Ihnen zeigen, wo Sie tatsächlich stehen.
Die meisten KI-Projektfehler auf Mittelstandsebene haben nichts mit der KI selbst zu tun. Sie scheitern, weil die Daten, die das System speisen, inkonsistent oder unzugänglich sind oder schlicht nicht das erfassen, was das Unternehmen glaubt zu erfassen. Der Cisco AI Readiness Index 2025 ergab, dass 66 % der EU-Organisationen Schwierigkeiten haben, Daten zu zentralisieren. Und ohne zentralisierte, strukturierte Daten liefert die meiste KI-Automatisierung entweder schlechte Ergebnisse oder erfordert so viel manuelle Bereinigung, dass die Zeitersparnis verschwindet.[3]
Diese fünf Fragen sind der minimale Daten-Reifecheck, bevor Sie Budget für eine KI-Implementierung freigeben. Sie erfordern keinen Dateningenieur zur Beantwortung, sondern ehrliche Gespräche mit den Menschen, die für die Prozesse verantwortlich sind.
Beantworten Sie jede Frage für den konkreten Prozess, den Sie automatisieren möchten. „Ja" = bereit. „Teilweise" = behebbar. „Nein" = stoppen und beheben, bevor Sie Geld für KI ausgeben.
Zwei Pflichten gelten bereits für Sie. Eine dritte ist drei Monate entfernt. Hier ist, was für ein KMU zählt.
Die EU-KI-Verordnung (EU AI Act) wurde im August 2024 zum Gesetz. Für die meisten KMU lautet die praktische Frage nicht „gilt das für mich?", denn das tut es, wenn Sie KI nutzen, um Entscheidungen zu treffen oder zu stützen. Die Frage ist, welche Pflichten wann gelten und welche konkreten Schritte erforderlich sind. Das Folgende ist keine Rechtsberatung. Es ist die Lesart eines Praktikers, was die Verordnung von einem Dienstleistungs- oder Handwerksbetrieb verlangt, der KI-Tools von der Stange nutzt.
Artikel 4: KI-Kompetenz. Jede Organisation, die KI-Systeme betreibt, muss Maßnahmen ergreifen, um eine angemessene KI-Kompetenz ihrer Mitarbeitenden sicherzustellen. Das bedeutet kein formales Zertifizierungsprogramm. Es bedeutet aber, dass ein Mitarbeitender, der ein KI-Tool zur Stützung einer Entscheidung nutzt, ein hinreichendes Verständnis davon braucht, was das Tool tut und wo es versagen kann. Sie sollten dokumentieren, welche Schulungen Sie angeboten haben.
Der nationale Durchsetzungsrahmen tritt in Kraft. Die Mitgliedstaaten müssen ihre nationalen Marktüberwachungsbehörden einsatzbereit haben. Ab diesem Datum können Anbieter und Betreiber von KI-Systemen zivilrechtlich haftbar sein, wenn KI-Systeme von Mitarbeitenden betrieben werden, die keine angemessene Schulung erhalten haben, und daraus ein Schaden entsteht.[7]
Die Pflichten für Hochrisiko-KI werden durchsetzbar. Wenn Sie ein System betreiben, das nach Anhang III als Hochrisiko gilt, müssen Sie Konformitätsbewertungen, technische Dokumentation, Risikomanagementsysteme und Mechanismen zur menschlichen Aufsicht vorweisen. Bußgelder: bis zu 15 Mio. € oder 3 % des weltweiten Jahresumsatzes, je nachdem, welcher Betrag höher ist.[8]
Anhang III der Verordnung führt acht Kategorien von Hochrisiko-KI auf. Für einen typischen mittelständischen Dienstleistungs- oder Handwerksbetrieb sind drei Kategorien am wahrscheinlichsten relevant:
Wenn irgendetwas in Ihrem KI-Inventar als Hochrisiko gelten könnte, sind dies die Schritte:
Die ROI-Berechnung ist einfacher, als Sie denken. Bei den Eingangsgrößen ehrlich zu sein, ist schwerer.
Der typische Fehler in der KI-ROI-Analyse besteht darin, die theoretische Zeitersparnis zu zählen und die tatsächlichen Kosten zu ignorieren. Die Implementierungszeit, die Schulungszeit, die laufende Aufsichtszeit, die Tool-Abonnements, das Prompt-Engineering, die Sonderfälle, die weiterhin einen Menschen erfordern: Das summiert sich. Das genaue Bild, sowohl auf der Kosten- als auch auf der Einsparungsseite, macht den Unterschied zwischen einem Projekt, das liefert, und einem, das nach sechs Monaten gestrichen wird.
Die folgende Formel ist bewusst einfach. Sie ist darauf ausgelegt, in ein Gespräch mit Ihrem CFO oder Operations-Verantwortlichen zu passen, nicht ein Finanzmodell zu ersetzen. Nutzen Sie sie, um Ihr KI-Inventar gegen echte Zahlen zu prüfen, bevor Sie weiter in die Implementierung investieren.
Führen Sie diese Berechnung für jedes Tool in Ihrem Inventar durch. Sie werden typischerweise feststellen: zwei oder drei Tools, die starke positive Renditen zeigen und mehr Investition erhalten sollten; mehrere Tools, die etwa am Break-even liegen und entweder Verbesserung oder Konsolidierung benötigen; und mindestens eines, das bei seinem aktuellen Nutzungsmuster Geld verliert.
| Branche / Funktion | Benchmark-Ergebnis | Quelle |
|---|---|---|
| B2B: branchenübergreifend, Frankreich | Medianer ROI +159,8 % über 24 Monate; 8 Monate Amortisation | [5] |
| Logistik: Rechnungsprüfung | Holt 1–3 % der gesamten Frachtausgaben zurück | [6] |
| Logistik: Ladungsoptimierung | 10–20 % Kostsenkung in 3–6 Monaten | [6] |
| Außendienst: KI-Planung | 2- bis 3-faches Sendungsvolumen bei gleicher Teamgröße | [6] |
| HR: Onboarding-Automatisierung | 2 bis 3 Stunden pro Neueinstellung für HR und Management gespart | [10] |
| Professional Services: Dokumentenverarbeitung | 60–90 % Reduktion der manuellen Extraktionszeit | [6] |
Interpretation
Fünf Arbeitsblätter erledigt. Hier ist, wie ein gesunder Zustand aussieht und was Ihnen Sorgen bereiten sollte.
Wenn Sie alle fünf Schritte durchlaufen haben, sollten Sie Folgendes haben: ein vollständiges KI-Inventar mit Kosten- und Risikomarkierungen, eine Matrix zur Prozessbewertung mit einer priorisierten Automatisierungs-Roadmap, eine Bewertung der Datenreife je Prozess, ein klares Bild Ihrer Pflichten aus der EU-KI-Verordnung und zumindest eine grobe ROI-Berechnung für Ihre aktuellen Tools. Die folgende Tabelle ordnet häufige Ergebnisse den empfohlenen Maßnahmen zu.
| Was Sie gefunden haben | Status | Was zu tun ist |
|---|---|---|
| Klares Inventar, positiver ROI bei 2+ Tools, keine Hochrisiko-Markierungen | Guter Zustand | Führen Sie dieses Audit quartalsweise durch. Ihr nächster Schritt ist die Priorisierung der nächsten Automatisierungsstufe aus Ihrer Prozessmatrix. |
| Klares Inventar, 1–2 Hochrisiko-KI-Tools identifiziert | Handlungsbedarf | Kontaktieren Sie umgehend die Anbieter zwecks Dokumentation. Benennen Sie Aufsichtsverantwortliche. Tun Sie das vor August 2025. |
| Erhebliche Kostendopplung oder Break-even-Tools | Konsolidieren | Kündigen oder konsolidieren Sie sich überschneidende Abonnements. Bewerten Sie in 90 Tagen mit klareren Nutzungsdaten neu. |
| Datenreife unter 3/5 bei „Zuerst automatisieren"-Kandidaten | Zuerst Daten beheben | Geben Sie kein Geld für die KI-Implementierung aus, bevor die Datenbasis steht. Die ROI-Prognosen werden nicht halten. |
| Keine Verantwortlichkeit, keine dokumentierte KI-Kompetenz-Schulung, EU-Exponierung unklar | Dringend | Stoppen Sie das Hinzufügen von KI-Tools. Bringen Sie die Governance vor August 2025 in Ordnung. Wenn Sie sich über Ihre regulatorische Exponierung unsicher sind, holen Sie sich eine ordentliche Bewertung. |
| Negativer oder nicht berechenbarer ROI bei der Mehrheit der Tools | Neuanfang nötig | Etwas ist strukturell falsch: entweder die Prozessauswahl, die Datenqualität oder die Implementierung. Ein DIY-Audit hat Sie so weit gebracht, wie es kann. |
Dieser Leitfaden gibt Ihnen den Rahmen. Was er Ihnen nicht geben kann, ist die Interpretation von Sonderfällen, die Erfahrung zu wissen, welche Anbieterdokumentation glaubwürdig und welche Standardware ist, oder die ROI-Modellierung, die Ihre spezifische Kostenstruktur und Wachstumskurve berücksichtigt. Wenn Sie die fünf Schritte durchlaufen haben und sich in einer der folgenden Situationen wiederfinden, ist die nächste Investition ein professionelles Audit, nicht weitere Selbstbewertung:
Sie haben ein KI-System, das Entscheidungen zu Beschäftigung, Kredit oder Sicherheit berührt, und sind sich Ihres Compliance-Status nicht sicher. Die Bußgelder bei Nichteinhaltung sind real. Holen Sie sich eine dokumentierte Bewertung.
Ihre Tools zeigen einen negativen ROI, aber die Teams sträuben sich, sie einzustellen, oder Sie können nicht bestimmen, warum ein Tool nicht liefert. Eine externe Sicht durchbricht interne Politik.
Sie haben zu viele Automatisierungskandidaten und begrenzte Umsetzungskapazität. Priorisierung auf diesem Niveau erfordert ROI-Modellierung gegen Ihre spezifische Kostenstruktur, nicht Benchmarks.
Ihr Daten-Reifecheck hat Probleme offengelegt, die nicht in der Verantwortung eines einzelnen Teams liegen. Das erfordert eine architektonische Sicht und Unterstützung beim Change-Management.
Das bezahlte Audit dauert zwei Wochen und liefert ein Ergebnis: eine priorisierte KI-Chancen-Roadmap mit ROI-Modellierung, Anbieterbewertungen und einem Compliance-Statusbericht zur EU-KI-Verordnung, zugeschnitten auf Ihr Unternehmen. Festpreis, kein Retainer erforderlich.
Gespräch vereinbaren · 2.500 € Sehen, was enthalten istWas Sie erhalten
Wie es abläuft
Wer es durchführt
Felix Steinhauser, ehemaliger Director of AI Strategy & Delivery bei SIXT SE. Keine Anbieterbindungen. Kein Upselling von Tools. Nur die ehrliche Antwort.
Quellen
Neue praxisnahe Leitfäden für den europäischen Mittelstand auf dem Weg zur KI, geliefert sobald sie erscheinen. Kein Spam, jederzeit abbestellbar.
Lieber umgesetzt statt nur erklärt? Vectimo übernimmt die KI-Einführung von Anfang bis Ende.
Mit Vectimo arbeiten →