KI-Einführung im Mittelstand: Warum der richtige Partner wichtiger ist als das richtige Tool

Es kursiert ein Mythos über KI-Einführung im Mittelstand: Kauft das richtige Tool, und der Rest ergibt sich. Seisenbacher, ein Ybbsitzer Zulieferer für Schienenfahrzeug-Inneneinrichtungen mit 90 Mitarbeitern, wäre fast darauf hereingefallen. Ein Testsystem, das viel versprochen und wenig gehalten hat, hat Geld und Zeit gekostet. Was danach kam, war besser: ein KI-Spezialist über persönliche Empfehlung, ein konkretes erstes Projekt, und heute läuft Alfred, das interne KI-System für Eingangsrechnungen, mit 80 % Automatisierungsquote. Die Lehre daraus ist klarer als jede Tool-Empfehlung.

Das Muster, das sich wiederholt: Tool-Demo überzeugt, Realität enttäuscht

Seisenbacher hat im Bereich Konstruktion ein KI-System getestet, das Spezifikationen automatisch auswerten sollte. Das Versprechen: funktioniert ohne großen Programmieraufwand, schnell einsatzbereit. Die Realität: "Man kommt drauf, das System kann das überhaupt nicht, und es gibt niemanden, der dann die Programmierung so anpassen würde, dass diese Anwendung für uns funktionieren wird." So beschreibt es Christian Forstner, Geschäftsführer bei Seisenbacher.

Das ist kein Einzelfall. Es ist das häufigste Muster bei KI-Projekten in produzierenden Betrieben: Ein Anbieter zeigt eine überzeugende Demo, der Testaccount kostet schon einiges, und dann stellt sich heraus, dass der Use Case des eigenen Unternehmens nicht zum Standardprodukt passt. Und niemand beim Anbieter hat Interesse daran, das zu ändern.

Das Problem liegt nicht bei der KI-Technologie. Es liegt daran, dass generische Tools für generische Prozesse gebaut sind. Wer ein hochindividuelles Projektgeschäft betreibt, wie Seisenbacher mit 120.000 verschiedenen Artikeln und kaum einem Standardteil, braucht jemanden, der das versteht.

Was wirklich funktioniert hat: persönliche Empfehlung, klarer Scope, schneller Prototyp

Nach der gescheiterten Testphase hat Seisenbacher einen anderen Weg eingeschlagen. Forstner beschreibt es direkt: "Über Zufälle sind wir an einen Herrn geraten, der uns beim Thema KI wirklich vollumfänglich unterstützt und dann die Systeme aufsetzt."

Kein Ausschreibungsverfahren, kein Anbietervergleich mit 20 Kriterien. Eine persönliche Empfehlung aus dem Netzwerk. Das klingt nach Zufall, ist aber für Mittelständler oft der realistischste Weg: Wer in der eigenen Branche oder Region nach konkreten Erfahrungen fragt, kommt schneller zu einem verlässlichen Partner als über jede Plattform.

Was dann folgte, war methodisch sauber. Seisenbacher hat sich hingesetzt und eine Liste aller möglichen KI-Anwendungsfälle im Unternehmen erstellt. Dann wurde priorisiert: Welche Projekte lassen sich schnell umsetzen? Wo ist ein Prototyp in kurzer Zeit möglich? Wo sieht man schnell einen Erfolg?

Die Antwort war Alfred, das KI-System für Eingangsrechnungen. Nicht das ambitionierteste Projekt auf der Liste, aber das mit dem klarsten Problem, dem messbaren Ergebnis und der überschaubarsten Umsetzung. Heute verarbeitet Alfred 80 % der 1.700 monatlichen Eingangsrechnungen automatisch.

Die drei Faktoren, die über Erfolg oder Misserfolg entscheiden

1. Der Partner muss das Unternehmen verstehen, nicht nur die Technologie. Ein KI-Spezialist, der noch nie in einem produzierenden Betrieb gearbeitet hat, wird die richtigen Fragen nicht stellen. Seisenbacher hat einen Partner gefunden, der Verständnis für das Unternehmen und die Aufgabe hat und offen und direkt unterstützt. Das ist die Grundvoraussetzung.

2. Der erste Schritt muss schnell sichtbar sein. Wer mit einem Zwei-Jahres-Projekt startet, verliert intern die Unterstützung, bevor das erste Ergebnis da ist. Seisenbacher hat bewusst das Projekt gewählt, das am schnellsten einen Prototyp ermöglicht. Das schafft Vertrauen, bei der Geschäftsführung, bei den Mitarbeitern, beim Partner.

3. Mitarbeiter müssen Teil des Prozesses sein, nicht Betroffene. Die Buchhaltungskolleginnen bei Seisenbacher waren anfangs skeptisch gegenüber Alfred. Das hat sich geändert, weil sie den Entstehungsprozess mitgestaltet haben. Wer KI über die Köpfe der Betroffenen hinweg einführt, scheitert an der Akzeptanz, nicht an der Technologie.

Was das für eure KI-Suche bedeutet

Für Mittelständler, die jetzt mit KI starten wollen, ist die Partnerfrage wichtiger als die Tool-Frage. Nicht weil Tools egal wären, sondern weil das richtige Tool ohne den richtigen Partner nicht funktioniert, und der richtige Partner das passende Tool findet.

Konkrete Schritte, die bei Seisenbacher funktioniert haben:

• Interne Liste aller möglichen KI-Anwendungsfälle erstellen, ohne Priorisierung
• Dann nach Umsetzbarkeit und Geschwindigkeit priorisieren, nicht nach Ambition
• Mit einem Prototyp starten, der in Wochen, nicht Monaten sichtbar ist
• Betroffene Mitarbeiter von Tag eins einbinden

Und: Interne Richtlinien für die KI-Nutzung festlegen, bevor die ersten Tools im Einsatz sind. Seisenbacher reguliert intern, welche Informationen in welche Systeme fließen dürfen. Forstner dazu: "Wenn man da nicht gewisse Richtlinien festlegt, können wir nicht kontrollieren, welche Informationen, die teilweise streng vertraulich sind, da verwendet werden."

Fazit

• Generische KI-Tools passen selten auf individuelle Industrieprozesse: Testet früh, aber mit realistischen Erwartungen.
• Der richtige Partner kommt oft über persönliche Empfehlung, nicht über Plattformen.
• Startet mit dem schnellsten umsetzbaren Projekt, nicht mit dem größten.
• Mitarbeiter einbinden ist kein Nice-to-have, sondern Voraussetzung für Akzeptanz.
• Interne KI-Richtlinien gehören vor den ersten Tool-Einsatz, nicht danach.

Ihr sucht einen Partner, der euren Betrieb versteht und nicht nur eine Demo zeigt? In einer KI-Engpass-Analyse mit Daniel bekommt ihr eine ehrliche Einschätzung: was bei euch realistisch ist, wo der schnellste Hebel liegt und wie ein erster Schritt konkret aussehen kann.