Das Wichtigste in Kürze:
- Viele KMU nutzen KI bisher vor allem in Marketing und Vertrieb – in der Produktion bleiben große ungenutzte Potenziale.
- Hürden sind fehlende Daten, geringe KI‑Kompetenz und unsichere Rentabilität – Tipp: Projekte sollten klar am Business-Nutzen ausgerichtet sein.
- KI kann im Arbeitsalltag stark unterstützen, erfordert aber verantwortungsvolle Nutzung, Qualitätssicherung und klare Regeln zu Datenschutz und Tool-Freigabe.
40 Prozent der mittelständischen gewerblichen Unternehmen nutzen bereits KI. Weitere 21 Prozent haben dies vor. Zu diesem Befund kam 2025 eine Befragung unter 517 Unternehmen mit 20 bis 500 Beschäftigten durch die Hochschule Karlsruhe. Was nach viel Fortschritt klingt, macht auf den zweiten Blick weniger froh: Denn mit KI sind vor allem die größeren Unternehmen vorne mit dabei. Und in erster Linie profitieren die Bereiche Marketing und Vertrieb von KI-Tools. Die wenigsten befragten Unternehmen setzen demnach KI in der Produktion oder für eigene smarte Produkte ein. Zudem, so die nüchterne Bilanz der Umfrage, fehle der strategische Blick auf künftige Anwendungsfelder.
KI in der Produktion – viele geeignete Anwendungsfelder
Dabei bietet KI in der Produktion kleiner und mittlerer Unternehmen (KMU) enormes Potenzial. Sven Theobald, Prozessmanagement-Experte am Fraunhofer-Institut für Experimentelles Software Engineering IESE, nennt einige Beispiele:
Arbeits- und Produktionsplanung: Eine gute Datenbasis vorausgesetzt, kann die KI ermitteln, welche Ressourcen wann erforderlich sind, um einen gegebenen Liefertermin optimal zu erfüllen.
- Qualitätssicherung: Dazu zählen die automatische Sichtprüfung von Teilen und die Oberflächenkontrolle.
- Produktionsfluss: Per Sensor-KI lassen sich Bauteile erkennen und automatisch vorsortieren.
- Zustandsüberwachung & Predictive Maintenance: KI kann Maschinendaten analysieren, Wartungsintervalle voraussagen und Störungen erkennen.
- Prozessoptimierung: Das Auswerten von Prozessdaten ist die Basis, um Abläufe zu verbessern.
- Arbeitsschutz: Dabei prüfen beispielsweise Kamerasysteme, ob Personen Schutzkleidung tragen oder Gefahrenbereiche betreten.
„KMU tun sich schwer, KI-Projekte zu starten, weil sie zu sehr ins Tagesgeschäft eingebunden sind und keine Kapazitäten haben“, berichtet Theobald. Zudem sei ihnen oft nicht klar, welche Schritte vom offensichtlichen KI-Hype zum konkreten Anwendungsfall zu gehen sind. Am Ende muss sich ein KI-Projekt rechnen. Das Forschungsprojekt „KI4KMU-RLP“ des Fraunhofer IESE und einiger Partner geht mit rheinland-pfälzischen KMU die typischen KI-Projektetappen durch. Dies reicht von der Potentialanalyse bis zur Entwicklung einer möglichen Lösung, eines so genannten Demonstrators.
„Es macht keinen Sinn, KI einzuführen, nur weil es KI ist. Erst wenn klarer Business Value da ist, entsteht auch ein echter Nutzen.“
KI kostet – dies sind die Investitionshürden
Sven Theobald, der zum IESE-Projektteam gehört, hat beobachtet: Um KI in der Produktion zu nutzen, gibt es in KMU zuweilen zu wenige brauchbare Daten: „Dazu müssten erstmal Maschinen digitalisiert werden.“ Auch KI‑ oder Data‑Science‑Kompetenz sei im Mittelstand recht rar gesät. Nicht zuletzt fehle es bei unklarer Rentabilität der KI-Investition am Anreiz, Geld in ein KI-Projekt zu stecken.
Tipp: KI nicht als Selbstzweck sehen
Der Experte rät Entscheiderinnen und Entscheidern zu einem nüchternen Blick auf eine mögliche KI-Investition. Seine Tipps:
- Zuerst die Geschäftsziele definieren – dann benötigte Daten identifizieren.
- Früh mit Machbarkeitsanalysen starten – mögliche Ergebnisse: Die Datenbasis ist noch gar nicht vorhanden, oder anstelle einer KI-Lösung erfüllt bereits eine moderne Software den gewünschten Zweck.
- Erwartungen an die Genauigkeit der KI formulieren: Die Zuverlässigkeit der KI muss zu einem definierten Qualitätsstandard passen.
- Make-or-buy-Entscheidung treffen: Manche Lösungen gibt es auf dem Markt bereits. Testen – anpassen – Customer Service nutzen ist unter Umständen effizienter als eine Eigenentwicklung.
- Bei Eigenentwicklungen: mit einem kleinen, funktionsfähigen Prototypen starten. Dieses so genannte „Minimum Viable Product“ in iterativem Vorgehen verbessern.
- Die Organisation und die Beschäftigten im Blick behalten: Neue Tools auf veraltete Prozesse anzuwenden oder die Belegschaft zu überrumpeln, bremst das Projekt aus.
Das mit 1,5 Millionen Euro gefördert Projekt „KI4KMU-RLP“ bietet KMU in Rheinland-Pfalz zwei Dutzend KI-Praxisbeispiele, die Ende 2026 abgeschlossen sein sollen. Sie inspirieren zu einem strategischen Blick auf das zentrale Innovationsthema KI. Ein weiterer Effekt: Erfahrungsaustausch und Vernetzung. „Eine Projektlösung oder ein Konzept, das allen etwas bringt, könnte beim Roll-out Kosten sparen“, wünscht sich Sven Theobald.
KI im Alltag: Dos & Don´ts
So angenehm die Entlastung durch Chatbots wie ChatGPT ist: Beschäftigte behalten die Verantwortung für ihre Arbeit.
Hier kann KI ein sinnvolles Tool sein
- Im Betrieb eignet sich KI zum Strukturieren von Schichtplänen, Erstellen von Mails oder Anleitungen, zur Suche von Ideen und dokumentiertem internen Wissen oder für erste Entwürfe, etwa von Berichten.
- Pionierteams im Unternehmen können im Auftrag der zuständigen Führungskräfte neue Tools testen. Sind der Nutzen erwiesen und Datenschutzfragen geklärt, können Schulungen und Roll-out beginnen.
- KI kann die eigene Kreativität unterstützen und Produktivität erhöhen.
- Im privaten Alltag helfen Chatbots beim Formulieren von Schreiben, bei Übersetzungen oder bei der Informationssuche.
Hier bestehen Grenzen des KI-Einsatzes
- KI liefert oft falsche Ergebnisse. Wer den Output einer KI verwendet, haftet. Darum sind ein gewissenhafter Umgang mit dem Tool und ein Ergebnis-Check unerlässlich.
- Schatten-KI – Tools, die ohne Genehmigung einfach eingesetzt werden – bieten ein Einfallstor für Datenlecks. Führungskräfte sollten einen Workflow definieren, nach dem nur geprüfte KI zur Nutzung freigegeben wird.
- Personenbezogene Daten, Interna und Betriebsgeheimnisse gehören nicht in frei zugängliche KI-Tools. Sicherer ist es, nur anonymisierte oder allgemein gehaltene Informationen zu verwenden und interne Vorgaben genau zu beachten.
- Im privaten Alltag ersetzt KI keine ärztliche Beratung oder Diagnose. Denn es ist völlig unklar, ob die KI-Resultate auf medizinisch fundierten Informationen beruhen. Besser geeignet sind seriöse Gesundheitsportale und natürlich die zuständige Arztpraxis.
