Es gibt im Mittelstand 2026 ein wiederkehrendes Phänomen, das mit jedem Monat teurer wird. Eine Abteilung präsentiert dem Geschäftsführer eine Liste von „KI-Projekten". Auf der Liste stehen Vorschläge, die alle als KI bezeichnet werden, von denen aber bei näherer Betrachtung höchstens jeder vierte tatsächlich Maschinenintelligenz erfordert. Die anderen sind etwas anderes: ein nicht klar definierter Workflow, ein kaputter Prozess, oder eine simple Automation.
Der Unterschied zwischen diesen vier Kategorien ist nicht akademisch. Er entscheidet darüber, ob Sie 5.000 Euro oder 500.000 Euro ausgeben. Er entscheidet darüber, ob das Projekt in vier Wochen läuft oder in achtzehn Monaten immer noch nicht produktiv ist. Vor allem entscheidet er, ob Sie das richtige Problem lösen. Denn nichts ist teurer als ein KI-Projekt, das in Wahrheit ein Prozessproblem lösen sollte.
Die vier Kategorien
Schauen wir uns die vier Kategorien einzeln an. Jede löst etwas anderes, jede hat andere Voraussetzungen, jede kostet etwas anderes. Wer die Unterscheidung beherrscht, hat die wichtigste Kompetenz eines Chief AI Officers schon zur Hälfte verinnerlicht.
Workflow
Ein Workflow ist die Abfolge von Schritten, die eine Person oder ein Team ausführt, um ein Ergebnis zu erzielen. Workflows sind individuell, oft ungeschrieben und bestehen meist aus einer Mischung von Klicks, Mails, kleinen Excel-Dateien und Gewohnheiten. Wenn jemand sagt „Bei mir dauert das immer so lange", redet er meist über einen Workflow.
Prozess
Ein Prozess ist die abteilungs- oder gar firmenweite, dokumentierte Abfolge, durch die ein Vorgang läuft. Prozesse haben Eingaben, Ausgaben, Verantwortliche, Übergaben und Regeln. Wenn ein Prozess kaputt ist, leiden viele gleichzeitig. Prozesse sind Sache der Organisation, nicht des einzelnen Mitarbeiters.
Automation
Automation bedeutet, einen klar definierten Schritt durch Software ausführen zu lassen, statt durch Menschen. Voraussetzung: Der Schritt ist regelbasiert, vorhersagbar und kann in Wenn-Dann-Logik abgebildet werden. Automation ist meist günstig, schnell umsetzbar und braucht keine Maschinenintelligenz.
KI
KI wird gebraucht, wenn das Problem unscharf, sprachlich, mustererkennend oder generativ ist. KI ist sinnvoll, wenn keine klaren Regeln formulierbar sind, sondern aus Beispielen oder Wahrscheinlichkeiten gearbeitet werden muss. KI ist teurer, langsamer in der Einführung und braucht mehr Aufsicht als Automation.
Warum die Reihenfolge entscheidend ist
Die vier Kategorien stehen nicht zufällig in dieser Reihenfolge. Sie bilden eine Hierarchie der Lösungsschärfe. Bevor Sie KI in Betracht ziehen, sollten Sie alle drei vorgelagerten Kategorien geprüft haben. Das klingt nach unnötiger Vorsicht, ist aber die einzige Möglichkeit, KI dort einzusetzen, wo sie wirklich gebraucht wird.
Ein Beispiel aus der Realität: Ein Mittelständler mit 180 Mitarbeitenden wollte ein KI-Projekt für „intelligente Rechnungsbearbeitung". Geplantes Budget: 220.000 Euro. Nach 90 Minuten Analyse stellte sich heraus: Die Rechnungen lagen in 14 verschiedenen Formaten vor, weil 14 verschiedene Lieferanten unterschiedliche Standards nutzten. Das eigentliche Problem war kein Erkennungsproblem, sondern ein Lieferantenmanagement-Problem. Die Lösung war keine KI, sondern eine Auftragsbestätigung mit standardisierter Rechnungsanlage. Kosten: weniger als 8.000 Euro über sechs Monate. Wirkung: massiv.
Wäre der Geschäftsführer einer typischen Beratung gefolgt, die das KI-Projekt verkauft hätte, hätte er 220.000 Euro ausgegeben, um die Symptome eines Prozessproblems zu kompensieren. Die KI hätte sogar funktioniert. Sie hätte nur das falsche Problem gelöst.
Der Entscheidungsbaum: Fünf Fragen vor jeder Investition
Damit Sie die Unterscheidung in Ihrem Unternehmen sofort anwenden können, hier der Entscheidungsbaum, mit dem auch wir in Mandaten arbeiten. Fünf Fragen in dieser Reihenfolge, jede mit klaren Konsequenzen.
Die typischen Fallen im Mittelstand
In der Diagnostik wiederholen sich vier Fallen so oft, dass sie eine eigene Sammlung verdienen. Jede einzelne kostet Unternehmen regelmäßig sechsstellige Beträge.
Das oben beschriebene Rechnungs-Beispiel. Ein kaputter Prozess wird mit KI kompensiert, statt repariert. Folge: hohe Kosten, fragile Lösung, der Prozess bleibt kaputt.
„Können wir das nicht mit KI lösen?" sagt ein einzelner Mitarbeiter, weil sein persönlicher Arbeitsablauf umständlich ist. Folge: ein KI-Tool für eine Person, das niemand sonst nutzt. Oft günstig, aber strategisch wertlos.
Ein Anbieter verkauft eine regelbasierte Automation als „KI-Lösung" für das Doppelte. Folge: Sie zahlen für ein KI-Etikett, das eigentlich ein einfaches Skript ist. Verbreiteter, als man glaubt.
Ein KI-Projekt wird gestartet, ohne dass die zugrundeliegenden Daten konsistent, vollständig oder zugänglich sind. Folge: das Projekt scheitert nicht an der KI, sondern an der Datenqualität, die seit Jahren ungelöst ist. Häufigste Ursache für Pilot-Wracks.
Was eine gute Diagnose im Mandat leistet
In jedem Mandat beginnen wir nicht mit einer KI-Strategie, sondern mit einer Bestandsaufnahme der vorgeschlagenen Vorhaben. Typischerweise stellt sich nach 30 bis 60 Tagen heraus, dass von ursprünglich zehn „KI-Projekten" drei tatsächlich KI brauchen, vier eine Automation, zwei eine Prozessreparatur und eins gar nicht stattfinden sollte.
Das klingt zunächst nüchtern, ist aber genau der Wert. Der Geschäftsführer hat plötzlich eine Liste, in der KI dort steht, wo sie hingehört. Und nicht überall, wo jemand das Wort gerne hört.
Aus den drei echten KI-Vorhaben werden im Anschluss ein oder zwei priorisiert, die wirtschaftlich tragen und strategisch zur Position des Unternehmens passen. Aus dieser priorisierten Liste entsteht der Roadmap-Vorschlag. Aus dem Roadmap-Vorschlag wird, nach Freigabe, das tatsächliche Programm.
Was bleibt
Die vier Kategorien Workflow, Prozess, Automation, KI sind keine Theorie. Sie sind ein Werkzeug, das in jedes Erstgespräch gehört. Wer sie beherrscht, spart in den ersten zwölf Monaten typischerweise mehr Geld durch nicht-eingegangene Projekte, als das Mandat eines Chief AI Officers kostet. Das ist der pragmatische Wert dieser Unterscheidung.
Und der strategische Wert ist noch größer: Sie lernen, dass KI ein Mittel ist, kein Ziel. Sobald diese Haltung im Haus verankert ist, lassen sich KI-Investitionen so steuern, dass sie auf das eigentliche Problem treffen. Dort, und nur dort, entsteht Wirkung.
Welche Ihrer Projekte sind echte KI-Projekte?
In einem Erstgespräch klären wir, welche Ihrer geplanten oder bereits laufenden KI-Vorhaben tatsächlich KI brauchen und welche besser anders gelöst werden.
Erstgespräch vereinbaren →