Die vier größten Hürden für KI-Startups im Mittelstand

Künstliche Intelligenz ist im deutschen Mittelstand schon längst ein heißes Thema. Das Interesse ist groß, dennoch scheitern viele Unternehmen an der Einführung der neuen Technologie. Anfangs vielversprechende Pilotprojekte entwickeln sich nicht selten zu schwarzen Löchern, in denen Unsummen an Zeit und Geld verschwinden. 

Die Zusammenarbeit mit einem KI-Startup kann Abhilfe verschaffen, verlangt aber von beiden Seiten, sich auf Strukturen einzulassen, die teils deutlich von der eigenen Arbeitsweise abweichen.

Für eine erfolgreiche Implementierung entscheidend sind die Voraussetzungen, unter denen KI eingesetzt wird. Diese Erfahrung haben wir seit der Gründung unseres Unternehmens amber sowohl bei kleinen als auch bei großen Projekten gemacht. Vier Punkte halte ich für zentral, wobei der Großteil nicht das Thema „Technologie“ betrifft.

1. Champion und Sponsor als separate Rollen

Startups und Mittelständler arbeiten unterschiedlich. Junge Technologieunternehmen sind daran gewöhnt, Produkte schnell weiterzuentwickeln, Dinge auszuprobieren und Entscheidungen mit wenigen Beteiligten zu treffen. In etablierten Unternehmen existieren dagegen über Jahre gewachsene Zuständigkeiten, Prozesse und Entscheidungswege. Das hat Auswirkungen darauf, wie ein gemeinsames KI-Projekt umgesetzt wird.

Wichtig ist, früh mit den richtigen Ansprechpartnern in Kontakt zu kommen. Welche Person für ein Thema formal zuständig ist, lässt sich im Organigramm nachvollziehen. Welche Person ein Projekt aber tatsächlich intern umsetzt und weiterentwickelt, kann daraus meist nicht abgelesen werden.

Im besten Fall findet man einen internen Champion. Das ist jemand, der technologisch interessiert ist, die Produktvision teilt und über kurzfristige Schwierigkeiten hinwegsieht. Im ersten Gespräch erkennt man ihn daran, dass er einen eigenen Anwendungsfall mitbringt, Prozessdetails auf Nachfrage konkret beschreiben kann und ungefragt Namen von Kollegen nennt, die man einbeziehen sollte.

Ein Champion allein reicht allerdings nicht. Daneben braucht es einen Sponsor: Jemanden, der das Budget freigibt und dem Thema Priorität gegenüber anderen Vorhaben einräumt. Projekte mit Champion, aber ohne Sponsor enden häufig nach der Pilotphase, weil niemand über den nächsten Schritt entscheidet. Projekte mit Sponsor, aber ohne Champion scheitern meist im Alltag, weil niemand die Umsetzung vorantreibt.

Einen Punkt unterschätzen Startups dabei regelmäßig: Die Mitbestimmung. Sobald ein System Daten verarbeitet, die Rückschlüsse auf die Arbeit einzelner Personen zulassen, ist der Betriebsrat einzubinden. Dieser Schritt lässt sich nicht nachholen und kostet Zeit, falls er während des laufenden Projekts notwendig wird. Im ersten Gespräch sollten daher zwei Fragen gestellt werden: Gibt es bereits eine Rahmenbetriebsvereinbarung zu KI- oder IT-Systemen, und wenn ja, wer ist der Ansprechpartner? Wird das zuständige Gremium übergangen, entsteht schnell Misstrauen – und ein Betriebsrat, der sich übergangen fühlt, hat viele Möglichkeiten, ein Projekt hinauszuzögern.

2. Vom Modell zum Geschäftsnutzen

Gerade KI-Startups neigen dazu, viel über Technologie zu sprechen. Das ist nachvollziehbar: Neue Modelle, technische Möglichkeiten und schnelle Entwicklungsschritte sind schließlich ein wesentlicher Teil dessen, womit man sich täglich beschäftigt.

Auf Kundenseite stehen jedoch meist andere Fragen im Vordergrund. Welches konkrete Problem wird gelöst? Wie groß ist die Zeitersparnis? Welche Prozesse werden einfacher? Und wie lässt sich feststellen, ob die Einführung tatsächlich den gewünschten Erfolg bringt?

Je komplexer die Technologie im Hintergrund ist, desto klarer muss deshalb ihr Nutzen kommuniziert werden.

Das gilt insbesondere beim Thema KI, weil die Erwartungen hier hoch und teilweise diffus sind. Für Startups ist es daher vorteilhaft, sich auf die Perspektive des jeweiligen Kunden einzulassen: Während sich der eine bereits durch raffinierte Technik begeistern lässt, muss der andere möglicherweise noch von dem Potenzial dahinter überzeugt werden.

Auf jeden Fall sollte vor Projektbeginn festgelegt werden, woran der Erfolg gemessen wird. Da die Erfassung von spezifischen KPIs bei Pilotprojekten mit einem hohen zeitlichen Aufwand verbunden ist, empfiehlt es sich für Startups, den tatsächlichen Erfolg anhand der konkreten Userzahlen zu bewerten.

Das macht den Wert des Produkts für den unmittelbaren Ansprechpartner nicht nur besser nachvollziehbar. Es erleichtert ihm auch, das Projekt intern zu rechtfertigen.

3. Klein anfangen, den Rollout aber vorher klären

Wer als Startup mit einem mittelständischen Unternehmen zusammenarbeitet, darf nicht die Erwartung haben, bestehende Prozesse über Nacht zu verändern. Viele dieser Prozesse haben sich über Jahrzehnte bewährt und beruhen auf umfangreichem Branchen-, Kunden- und Erfahrungswissen.

Entscheidend ist, gemeinsam Lösungen zu finden, die sich anfangs in bestehende Arbeitsabläufe integrieren, um diese dann im Laufe der Zeit Stück für Stück zu verändern.

Dazu gehört auch, beim ersten Kundenprojekt nicht zu groß zu denken. Bei KI wird schnell über Transformation gesprochen. In der Praxis ist es sinnvoller, zunächst einen klar begrenzten Anwendungsfall auszuwählen, dessen Ergebnis sich schnell beurteilen lässt.

Ein guter erster Anwendungsfall besitzt vier Eigenschaften: Er kommt täglich vor, betrifft zunächst eine Abteilung, die benötigten Daten sind bereits digital verfügbar, und das Ergebnis lässt sich innerhalb von wenigen Wochen bewerten.

Das eigentliche Risiko eines Pilotprojekts ist, dass es nicht über seinen ursprünglichen Zustand hinauskommt. Deshalb gehört die Frage, was nach einem erfolgreichen Piloten passiert, an den Anfang: Wer entscheidet über den Rollout, welches Budget ist dafür vorgesehen, welche Abteilung folgt als nächstes. Diese drei Punkte lassen sich vor Projektstart mühelos klären und ersparen später unnötige Diskussionen.

Ergänzend muss Kunden klar aufgezeigt werden, dass die Befähigung ihrer Mitarbeiter zur Nutzung des Produkts nicht Aufgabe des Anbieters ist. Statt auf eine individuelle Schulung jedes einzelnen Mitarbeiters zu setzen, sollten sich Unternehmen interne Dynamiken wie Word of Mouth oder Peer to peer-Enablement stärker zunutze machen.

Gelingt das Projekt, entsteht etwas, das für jede weitere Zusammenarbeit unerlässlich ist: Vertrauen. Mitarbeiter sehen, wie die Technologie im Arbeitsalltag funktioniert, Verantwortliche haben die Möglichkeit, den Nutzen anhand konkreter Ergebnisse zu bewerten und Startups lernen die Prozesse und Anforderungen des Kunden besser kennen.

4. Der Engpass liegt selten im Modell

In der öffentlichen Diskussion über KI geht es häufig um Modelle. In Projekten dagegen um Zugriff. Unternehmenswissen ist verstreut auf Dateiablagen, Dokumentenmanagement, Intranet und Laufwerke einzelner Abteilungen, was meist an jahrzehntelang gewachsenen Strukturen liegt. Bevor ein System damit arbeiten kann, muss geklärt werden, welche Quellen anzubinden sind und wer welche Inhalte sehen darf.

Ein System, das Unternehmenswissen zugänglich macht, zeigt dabei auch auf, wo Berechtigungen bisher unsauber gepflegt wurden. Das kann unangenehm sein. Es weist jedoch lediglich auf einen Zustand hin, der schon vorher bestand und nun sichtbar wird. Wer das früh genug anspricht und als gemeinsame Aufgabe begreift, verhindert, dass es im Nachgang zu einem Systemfehler umgedeutet wird.

In der Praxis sollte man also gleich im ersten technischen Gespräch klären, welche Systeme zum Einsatz kommen, wer sie administriert und ob ein sorgfältig gepflegtes Berechtigungskonzept existiert. Letzteres bestimmt den Zeitplan stärker als jede Modellentscheidung.

Was die andere Seite beitragen muss

Die obigen Punkte richten sich alle an Startups. Für eine erfolgreiche Zusammenarbeit braucht es allerdings immer zwei Parteien. Auf Kundenseite entscheiden drei Faktoren über den weiteren Verlauf: Eine dezidiert verantwortliche Person mit Entscheidungsspielraum, ein von der Fachabteilung verbindlich geblocktes Zeitfenster während der Pilotphase und eine ehrliche Auskunft über den Zustand der Unternehmensdaten. Projekte, bei denen die IT federführend ist und die Fachabteilung erst gegen Ende dazustößt, verlaufen meistens schwieriger.

Fazit: Technologie allein reicht nicht

Die technischen Möglichkeiten von KI entwickeln sich mit ungeahnter Geschwindigkeit. Für die Zusammenarbeit zwischen Startups und Mittelstand ist die Qualität der Technologie aber nur ein Teil der Gleichung. Mindestens ebenso wichtig ist die Fähigkeit, die richtigen Menschen hinter das Projekt zu bringen, einen messbaren wirtschaftlichen Nutzen zu definieren und die Datenrealität des jeweiligen Unternehmens zu verstehen.

Für KI-Startups bedeutet das manchmal auch, weniger über KI zu sprechen. Entscheidend ist am Ende nicht, wie innovativ eine Lösung klingt, sondern ob sie im Unternehmen funktioniert.

Über den Autor
Bastian Maiworm ist Co-Founder und CRO von amber, einer AI-Plattform, die kleinen und mittelständischen Unternehmen hilft, ihr Unternehmenswissen zentral verfügbar zu machen und operativ nutzbar zu machen. Durch die Kombination einer proprietären AI Data Layer mit Generativer KI unterstützt amber Unternehmen dabei, Informationen schneller zu finden, fundierte Erkenntnisse zu gewinnen und wissensintensive Prozesse zunehmend zu automatisieren. Das Unternehmen wurde 2020 gegründet und arbeitet heute mit über 400 Kunden zusammen.

Startup-Jobs: Auf der Suche nach einer neuen Herausforderung? In der unserer Jobbörse findet Ihr Stellenanzeigen von Startups und Unternehmen.

Foto (oben): KI