Die meisten mittelständischen Unternehmen haben in den letzten zwei Jahren KI ausprobiert. Piloten gestartet, Use Cases definiert, Tools evaluiert. Und trotzdem bleibt eine nüchterne Beobachtung: Der Betrieb hat sich nicht wesentlich verändert.
Nicht weil die Technologie nicht funktioniert. Sondern weil KI auf Prozesse trifft, die niemand wirklich überblickt.
Das ist die unbequeme Wahrheit hinter vielen KI-Projekten im Mittelstand – und der Ausgangspunkt für eine ehrlichere Diskussion über das, was KI tatsächlich leisten kann.
Das Problem kennt jeder. Die Ursache kennt kaum jemand.
Ein Geschäftsführer eines Maschinenbauers beschreibt es so: „Wir wissen, dass unsere Durchlaufzeiten zu lang sind. Wir sehen es in den Zahlen. Aber wenn wir fragen, wo genau der Prozess hängt – bekommt niemand eine Antwort, die in unter einer Woche kommt.“
Das ist kein Einzelfall. Es ist das strukturelle Problem produzierender und dienstleistender Unternehmen ab einer bestimmten Komplexität: Die Abläufe zwischen Einkauf, Produktion, Logistik und Vertrieb sind so eng verzahnt und historisch gewachsen, dass niemand das Gesamtbild hat.
Reporting-Systeme und BI-Tools zeigen, was passiert ist. Sie zeigen nicht, warum – und sie zeigen erst recht nicht, wo im Prozess heute eingegriffen werden müsste.
Konkrete Beispiele aus der Praxis:
- Aufträge werden storniert – aber das Material läuft weiter durch Beschaffung und Produktion
- Dispositionsregeln aus den Krisenjahren 2021/22 sind noch aktiv und erzeugen Pufferbestände, die niemand mehr erklären kann
- Produktvarianten wechseln im Vertrieb – die Stücklisten in der Beschaffung hinken Wochen hinterher
- Freigabeprozesse verzögern sich intern – nicht wegen fehlenden Willens, sondern weil niemand sieht, wo der Vorgang gerade hängt
Diese Probleme sind nicht neu. Neu ist, dass KI sie lösen könnte – wenn sie den richtigen Kontext bekommt.
Warum KI-Piloten im Mittelstand häufig stecken bleiben
Die Frage, die auf der WirtschaftsWoche KI im Mittelstand im Mittelpunkt steht, trifft den Kern: Wie kommt KI vom Experiment in den echten Betrieb?
Die häufigste Antwort in der Praxis lautet: Sie kommt nicht. Nicht weil das Tool schlecht ist. Sondern weil das Tool auf unklare Prozesse trifft.
KI braucht Prozesskontext. Sie muss verstehen, wie Beschaffung, Produktion und Auftragsabwicklung tatsächlich miteinander verknüpft sind – nicht wie sie im ERP-Handbuch beschrieben stehen. Wer diesen Kontext nicht liefert, bekommt Vorhersagen ohne Grund und Empfehlungen ohne Wirkung.
Mut schlägt Budget – das stimmt. Aber Mut ohne Prozesstransparenz schlägt ins Leere.
Process Intelligence: Der Schritt vor der KI-Einführung, den viele überspringen
Process Intelligence bedeutet: Prozesse zuerst sichtbar machen – auf Basis der Daten, die im Unternehmen bereits vorhanden sind. ERP, SCM, Produktionssysteme, Finance. Diese Daten werden semantisch verknüpft und zu einem digitalen Prozesszwilling zusammengefügt: einem genauen Abbild davon, wie der Betrieb wirklich läuft.
Erst auf diesem Fundament kann KI gezielt handeln. Nicht als weiteres Analyse-Tool, das Abweichungen anzeigt. Sondern als aktiver Kopilot, der Prozessabweichungen erkennt, Handlungen anstößt und sicherstellt, dass Verbesserungen nicht nach drei Monaten wieder verschwinden.
Die Logik dahinter ist einfach:
- Prozesse verstehen – auf Basis echter Betriebsdaten, nicht Organigramme
- Ursachen identifizieren – nicht nur Symptome sehen
- KI-Agenten gezielt einsetzen – die wissen, wo sie ansetzen sollen
- Wirkung sichern – kontinuierlich, nicht einmalig
Das ist kein IT-Projekt. Es braucht keine Systemmigration, keine monatelange Implementierung. Die eigenen Daten genügen – und erste Erkenntnisse sind innerhalb weniger Tage sichtbar.
Was das in der Praxis bedeutet – ein Blick aus dem Betrieb
Dirk Kühn, Senior Vice President bei der REWE Group, spricht auf der WirtschaftsWoche KI im Mittelstand über genau diese Erfahrung: Wie Process Intelligence in einem der größten deutschen Handelskonzerne eingesetzt wird, um komplexe operative Abläufe erstmals wirklich überblickbar zu machen.
Sein Erfahrungsbericht ist deshalb wertvoll, weil er nicht das Labor-Erfolgsbeispiel ist – sondern der ehrliche Praxisbericht aus einer Organisation, die dieselben Reibungspunkte kennt, mit denen Mittelständler täglich arbeiten: gewachsene IT-Strukturen, abteilungsübergreifende Prozesse, Widerstand gegen Veränderung.
Die entscheidende Frage, die er beantwortet: Was braucht es wirklich, damit Technologie nicht nur Transparenz schafft – sondern echten operativen Impact erzeugt?
Vom Pilot zur Wirkung: Was Entscheider heute entscheiden müssen
KI-Transformation scheitert im Mittelstand selten an fehlendem Willen. Sie scheitert an fehlender Grundlage.
Für CEOs, COOs und IT-Leiter, die KI nicht nur einführen, sondern wirklich nutzen wollen, stellen sich heute drei konkrete Fragen:
- Verstehen wir unsere Prozesse gut genug, um KI gezielt einzusetzen – oder setzen wir sie auf Unklarheit auf?
- Haben wir die richtigen Werkzeuge, um Ursachen zu sehen – oder nur Symptome?
- Wie stellen wir sicher, dass KI-Verbesserungen im Betrieb bleiben – und nicht nach dem nächsten Quartal wieder verschwinden?
Wer diese Fragen beantwortet hat, kann KI skalieren. Wer sie überspringt, landet im nächsten Piloten.
In einer Woche wissen, wo der Betrieb wirklich hängt. Das ist kein Versprechen für die Zukunft – das ist der Ausgangspunkt für echte Veränderung.
Über den Autor
Constantin Wehmschulte ist CEO und Co-Founder von mpmX. Er ist überzeugt: Führungskräfte brauchen heute nicht noch mehr Dashboards und Analytics, sondern echte Entlastung. Bei mpmX treibt er die Vision voran, dass KI-Agenten Mitarbeiter aktiv bei der Prozesssteuerung unterstützen, anstatt sie mit unzähligen Reports allein zu lassen. Für ihn steht der Mensch im Mittelpunkt, der durch Technologie befähigt wird, strategische Ziele wie Working-Capital-Optimierung zielgerichtet zu erreichen. mpmX ist für Wehmschulte kein reines Softwaretool, sondern ein intelligenter Copilot, der die Lücke zwischen Vision und operativer Exzellenz schließt. Sein Ziel ist es, Analyselähmung durch echte Handlungsfähigkeit und messbaren Cashflow-Impact zu ersetzen.