54,5 Prozent nutzen KI – und der Mittelstand hängt trotzdem hinten

6 Min. Lesezeit

54,5 Prozent. So viele deutsche Unternehmen setzen laut ifo Institut inzwischen Künstliche Intelligenz ein, ein Sprung von fast 14 Punkten innerhalb eines Jahres. In vielen Strategie-Decks steht jetzt der Satz: Wir nutzen KI. Was dort selten steht: dass nutzen und Wert daraus ziehen zwei verschiedene Dinge sind. Und dass ausgerechnet der Mittelstand zwischen den Großkonzernen und den Kleinstfirmen zurückfällt.

Verwandt:KI im Mittelstand: Der Engpass sitzt in den Altsystemen  /  KI-Agenten im Team: Warum nur jeder neunte Pilot live geht

Was die 54,5 Prozent wirklich sagen, und was nicht

Die Zahl stammt aus der ifo-Erhebung vom Mai 2026, veröffentlicht Anfang Juni. Sie ist ein gutes Signal: Vor einem Jahr lag der Wert bei 40,9 Prozent, jetzt setzt mehr als die Hälfte der Unternehmen KI ein. Der Knick nach oben ist echt, kein Rauschen. Wer 2024 noch zögerte, hat 2026 zumindest einen Fuß in der Tür.

Was bedeutet KI-Nutzung in der ifo-Erhebung? Erfasst wird, ob ein Unternehmen KI im Betrieb einsetzt, von der einfachen Texterzeugung bis zur eingebetteten Prozessautomatisierung. Es ist eine Selbsteinschätzung über die Breite des Einsatzes, kein Maß für Tiefe oder Wertbeitrag. Ein Team, das gelegentlich einen Chatbot nutzt, zählt genauso wie eines, das KI in die Fertigungssteuerung gelegt hat.

Genau hier liegt die Falle für jedes Strategie-Deck. Die 54,5 Prozent klingen nach Durchbruch, beschreiben aber die Verbreitung, nicht die Wirkung. In meinen Projekten habe ich beides gesehen: das Unternehmen, das stolz auf seine KI-Quote ist und kein einziges Modell in einem Prozess hat, der Geld bewegt. Und das, das von KI kaum redet und längst die Angebotskalkulation damit fährt. Die Quote unterscheidet diese beiden nicht.

Warum der Mittelstand zwischen den Stühlen sitzt

Der interessanteste Befund steht nicht in der Überschrift, sondern in der Aufschlüsselung nach Größe. Großunternehmen liegen bei 67,2 Prozent, kleine Firmen bei 51,2 Prozent. Dazwischen, bei rund 47 Prozent, hängen die mittleren Betriebe. Der klassische Mittelstand liegt also nicht nur hinter den Konzernen, sondern auch hinter den Kleinen.

Das hat einen unbequemen Grund. Der Konzern hat ein KI-Team, ein Budget und eine Datenabteilung, die seit Jahren aufräumt. Die kleine Firma hat keinen dieser Apparate, dafür kurze Wege: Der Inhaber probiert am Freitagnachmittag ein Tool aus und rollt es am Montag aus. Der Mittelständler hat von beidem zu wenig. Zu groß für die Hemdsärmel-Lösung, zu klein für die eigene KI-Einheit. Diese Sandwich-Position ist kein Versagen, sie ist strukturell.

Wer das ignoriert und den Mittelstand mit Konzern-Playbooks bearbeitet, scheitert verlässlich. Eine KI-Governance, die für den Konzern gebaut ist, erstickt einen 200-Personen-Betrieb. Umgekehrt trägt die spontane Tool-Einführung des Kleinunternehmers nicht, sobald Compliance, Betriebsrat und gewachsene Systeme mitreden.

Der stille Sprung von Pilot zu Prozess

In fast jedem Projekt sieht der erste KI-Schritt gut aus. Ein Pilot in einer kontrollierten Umgebung, saubere Daten, ein motiviertes Team, ein vorzeigbares Ergebnis im Lenkungskreis. Der Pilot ist nicht das Problem. Das Problem ist der Meter dahinter, der Übergang in den Regelbetrieb, wo das Modell an echte Systeme andockt, mit echten Stammdaten und echten Ausnahmen.

Dort, im Übergang, kommen die meisten Projekte ins Stocken, die ich begleitet habe. Die ifo-Quote zählt den Piloten bereits als Nutzung, der Geschäftswert entsteht aber erst im Betrieb. Zwischen beidem liegt die Strecke, die auf keiner Vorzeige-Demo auftaucht: Wer pflegt die Stammdaten, wer übernimmt die Verantwortung bei einer Fehlentscheidung des Modells, wer bezahlt den Betrieb, wenn der Pilot-Etat aufgebraucht ist. Das sind keine KI-Fragen. Das sind Projektfragen.

Der Engpass sitzt selten im Modell

Wenn ein KI-Vorhaben im Mittelstand stockt, ist fast nie das Modell schuld. Die Modelle sind besser, als die meisten Prozesse, in die man sie stecken will. Der Engpass sitzt an drei Stellen, und alle drei sind unbequem, weil sie nicht mit Technologie zu lösen sind.

Erstens die Datenbasis. Ein Modell ist so gut wie die Stammdaten, die es füttern. Wer seine Artikel- und Kundendaten seit zehn Jahren in drei Systemen mit vier Wahrheiten pflegt, bekommt von KI vor allem schnell sortierten Datenmüll. Zweitens die Governance. Nicht die schwere Variante mit Komitee und Richtlinienordner, sondern die schlichte Frage, wer einen Use Case stoppen darf, der nett klingt und nichts bringt. Drittens die Verantwortung. Solange niemand benannt ist, der Erfolg oder Misserfolg eines KI-Einsatzes trägt, bleibt jedes Vorhaben ein Experiment, das man jederzeit folgenlos abbrechen kann.

Das sind unspektakuläre Baustellen, und genau an ihnen scheitern die spektakulären Vorhaben. Die ehrlichste Disziplin im KI-Projekt ist nicht das Prompting. Es ist, sich selbst, dem Team und dem Stakeholder nicht in die Tasche zu lügen, dass Nutzung schon Wirkung sei.

Was im nächsten Quartal zählt

Für den Mittelstand führt der Weg über weniger Quote, dafür mehr Tiefe. Ein Use Case, der wirklich in den Regelbetrieb geht und dort messbar etwas spart oder verdient, ist mehr wert als fünf Pilotprojekte in der Vorzeigephase. Das verlangt eine unbequeme Auswahl: einen Prozess benennen, an dem KI wirklich Geld bewegt, die Stammdaten dafür in Ordnung bringen und eine Person benennen, die das Ergebnis verantwortet.

Die 54,5 Prozent sind eine gute Nachricht, solange man sie als Startlinie liest. Wer sie als Zielmarke abhakt, steht in einem Jahr mit einer hohen Nutzungsquote und einer dünnen Wirkung da. Den Vorsprung holt im Mittelstand der Betrieb, der einen einzigen Prozess so gut mit KI löst, dass es im Ergebnis sichtbar wird. Die Quote allein bringt ihn nicht.

Häufige Fragen

Lesetipps der Redaktion

• KI-Kompetenz im Mittelstand: erst die Köpfe, dann die Tools
• Make-or-Buy bei KI: selbst bauen oder einkaufen?
• Werkzeughygiene im Mittelstand: 5 harte Lehren

Mehr aus dem MBF Media Netzwerk

Bildquelle: Md Jawadur Rahman / Pexels