Was ist ein KI-System?
KI-Systeme für KMU sind Softwarelösungen, die Daten analysieren und Vorhersagen, Empfehlungen oder Automatisierungen auf Basis von Algorithmen ermöglichen. Sie dienen der Prozessunterstützung, z. B. in Marketing und Logistik. Dabei sind rechtliche Anforderungen zu erfüllen, um Sicherheit, Transparenz und den Schutz von Grundrechten zu gewährleisten. Klare Regeln für den Einsatz von KI-Systemen wurden mit dem AI Act der EU festgelegt. Für KMU bedeutet das, dass KI-Anwendungen bestimmten Risikoklassen zugeordnet und entsprechend kontrolliert werden müssen, um rechtliche Konsequenzen zu vermeiden und Vertrauen zu schaffen.
Welche KI-Technologien sind für KMU relevant?
Nicht jede Aufgabe benötigt dieselbe Technologie. Die Auswahl richtet sich nach Prozess, Datenlage und Zielsetzung.
1 | Regelbasierte Automatisierung
Regelbasierte Systeme automatisieren wiederkehrende Abläufe anhand fest definierter Regeln. Sie treffen keine eigenen Entscheidungen und lernen nicht aus Daten. Dazu zählen Workflow-Automatisierung, Robotic Process Automation (RPA) und klassische Chatbots.
Automatisierungspotenziale:
Angebotserstellung
Rechnungs- und Belegverarbeitung
Termin- und E-Mail-Workflows
Freigabeprozesse
Stammdatenpflege
Standardanfragen im Kundenservice
Diese Lösungen eignen sich für strukturierte, klare Prozesse, sind kostengünstig, einfach zu integrieren und ermöglichen einen schnellen Einstieg in die Automatisierung mit geringem Risiko und schnellem ROI.
2 | Machine Learning
Machine Learning analysiert historische Unternehmensdaten, erkennt Muster und leitet daraus Prognosen oder Klassifikationen ab. Im Mittelpunkt steht die datenbasierte Unterstützung operativer und strategischer Entscheidungen.
Anwendungsbeispiele:
Absatz- und Umsatzprognosen
Lager- und Bestandsoptimierung
Predictive Maintenance
Qualitätskontrolle
Nachfrageprognosen
Betrugs- und Anomalieerkennung
Je nach Einsatzgebiet können diese Anwendungen als Hochrisiko-KI eingestuft werden und unterliegen dann zusätzlichen Anforderungen des AI Acts.
3 | Generative KI & Large Language Models (LLMs)
Generative KI erstellt neue Inhalte auf Basis natürlicher Sprache. Large Language Models unterstützen Mitarbeitende bei Wissensarbeit, Kommunikation und Dokumentation – und damit weit über das Marketing hinaus.
Einsatzbereiche:
Wissensmanagement
Dokumentation und Recherche
Zusammenfassungen
Produktbeschreibungen, Präsentationen
E-Mails, Support und Kommunikation
Programmcode und Übersetzungen
LLMs beschleunigen die Erstellung von Inhalten erheblich. Die Ergebnisse sollten fachlich geprüft werden, da KI-Modelle fehlerhafte oder unvollständige Antworten erzeugen können. Werden KI-generierte Inhalte veröffentlicht, greifen die Transparenzpflichten des AI Acts.
4 | KI-Agenten
Während ein Large Language Model (LLM) Inhalte generiert, automatisiert ein KI-Agent mehrstufige Geschäftsprozesse durch die Anbindung von Anwendungen und Datenquellen. Ein Beispiel aus dem Vertrieb: Kundenanfrage trifft ein → der Agent liest die E-Mail → ruft die Kundendaten ab → erstellt ein Angebot → legt einen CRM-Eintrag an → informiert den Vertrieb.
Geschäftsbereiche & Prozesse:
Angebots- und Auftragsbearbeitung
Bearbeitung von Kundenanfragen
Dokumenten- und Vertragsanalyse
Rechnungsprüfung
Recherche und Wissensmanagement
E-Mail-Management
KI-Agenten eignen sich besonders für standardisierte Prozesse mit mehreren Arbeitsschritten. Vor der Einführung sind Prozessqualität, Datenbasis sowie organisatorische und rechtliche Anforderungen zu prüfen. Bei kritischen Entscheidungen bleibt die menschliche Kontrolle erforderlich.
Geschäftsprozesse mit KI automatisieren
Erfolgreiche KI-Projekte beginnen nicht mit einem Tool, sondern mit einem Geschäftsprozess. Ausgangspunkt ist die Frage, wo im Unternehmen heute manueller Aufwand, hohe Fehlerquoten oder wiederkehrende Routinetätigkeiten entstehen. Erst danach folgt die Auswahl der passenden Technologie.
Strukturiert von der Idee zur KI
Welche KI-Technologie für einen Geschäftsprozess geeignet ist, ergibt sich aus einer strukturierten Analyse. Dabei werden Geschäftsabläufe bewertet, geeignete Anwendungsfälle identifiziert und wirtschaftliche sowie technische Rahmenbedingungen berücksichtigt. Die Bewertung umfasst unter anderem:
➱ Analyse der bestehenden Geschäftsprozesse
➱ Identifikation geeigneter KI-Anwendungsfälle
➱ Bewertung von Nutzen und Umsetzungsaufwand
➱ Prüfung der Datenqualität und Datenverfügbarkeit
➱ Auswahl der passenden KI-Technologie(n)
➱ Berücksichtigung der Anforderungen des AI Acts
AI Act: Welche Anforderungen gelten für KMU?
Mit dem Einsatz von KI entstehen neben neuen Möglichkeiten auch neue Pflichten. Je nach Anwendungsfall sind Anforderungen des AI Acts, der DSGVO sowie weitere rechtliche Vorgaben zu berücksichtigen. Wer diese Anforderungen bereits bei Auswahl und Einführung berücksichtigt, reduziert den späteren Anpassungsaufwand und schafft klare Verantwortlichkeiten. Für die Praxis eines KMU sind vor allem folgende Fragen relevant:
➱ Welche KI-Systeme werden eingesetzt?
➱ Welcher Risikoklasse sind sie zuzuordnen?
➱ Wer trägt die Verantwortung für den Einsatz?
➱ Werden KI-generierte Inhalte gekennzeichnet?
➱ Menschliche Kontrollprozesse bei kritischen Anwendungen?
➱ Sind die Mitarbeitenden ausreichend geschult?
Der AI Act der Europäischen Union bildet einen verbindlichen Rahmen für die Nutzung von KI-Systemen im Unternehmen und sollte bereits bei der Planung berücksichtigt werden. Je nach Risikoklasse gelten für KI-Systeme unterschiedliche gesetzliche Anforderungen. Unternehmen sollten deshalb bereits vor der Einführung prüfen, welche Pflichten für ihre Anwendungen gelten. Dazu zählen insbesondere Transparenz, Dokumentation, Risikomanagement, die Kennzeichnung KI-generierter Inhalte sowie menschliche Kontrolle und regelmäßige Überwachung.
AI Act in der praxis
➥ KI in der Personalauswahl
Künstlich intelligent, automatisch daneben.
Bei der Personalauswahl wird ein KI-System eingesetzt, das Bewerbungen automatisch analysiert und bewertet. Dabei verlässt sich das Unternehmen vollständig auf die Vorschläge der KI. Die Ergebnisse der KI werden nicht durch Menschen geprüft. So werden hochqualifizierte Bewerber:innen übersehen.
Der Einsatz von KI in der Bewerber:innen-Auswahl kann Prozesse effizienter gestalten. Vertraut ein Unternehmen jedoch blind den KI-Ergebnissen, können qualifizierte Kandidat:innen durch AI Bias benachteiligt werden. Dabei spiegeln KI-Systeme Vorurteile aus Trainingsdaten wider. Bei sensiblen Entscheidungen wie Personalfragen ist eine ergänzende menschliche Prüfung gesetzlich verpflichtend, ebenso wie ein Lebenszyklus-Monitoring und die Dokumentation der Ergebnisse. Für solche Systeme mit hohem Risiko gelten weitergehende Pflichten wie eine CE-Kennzeichnung und Konformitätserklärung.
➥ KI im Webshop
Die KI war’s, aber g’sagt hat’s keiner.
Ein mittelständisches Unternehmen nutzt ein KI-Modell, das automatisch Bilder für den Online-Shop generiert. Die Bilder wurden jedoch ohne Hinweis auf ihre künstliche Herkunft veröffentlicht und wurden auch keiner redaktionellen Kontrolle durch einen Menschen unterzogen. Damit liegt ein Verstoß gegen die Transparenzpflicht gemäß Artikel 50 der EU-KI-Verordnung vor.
Mithilfe von General Purpose AI-Modellen (GPAI) wie ChatGPT können KMU Inhalte automatisiert erstellen, von Produktbeschreibungen über Social-Media-Texte bis hin zu Bildern für den Webshop. GPAI-Modelle unterliegen gesetzlichen Pflichten. Dazu zählen eine technische Dokumentation, der Hinweis auf die KI-Interaktion, die Kennzeichnung der KI-generierten Inhalte sowie die Meldung systemischer Risiken an die Behörden. Versäumnisse, wie z. B. ein fehlendes Label „KI-generiert“, können rechtliche und finanzielle Folgen haben.
Bauen Sie KI-Kompetenzen in Ihrem Team gezielt auf. Praxisnahe AI-Trainings unterstützen Führungskräfte und Mitarbeitende beim sicheren und effizienten Einsatz von Künstlicher Intelligenz. Erfahren Sie mehr zum Aufbau von KI-Kompetenzen.
KI-Standortbestimmung
Nicht jeder Geschäftsprozess benötigt ein Large Language Model oder einen KI-Agenten. Für klar strukturierte und regelbasierte Abläufe ist eine Workflow-Automatisierung häufig die wirtschaftlichere und technisch einfachere Lösung. Ein erfolgreiches KI-Projekt beginnt mit einer strukturierten Bestandsaufnahme, die folgende Fragen beantworet.
1 | Geschäftsprozesse
Wo entsteht heute manueller Aufwand? Welche Tätigkeiten wiederholen sich? Welche Entscheidungen basieren auf großen Datenmengen? Wo bestehen Medienbrüche oder hohe Fehlerquoten?
2 | Daten
Sind ausreichend Daten in geeigneter Qualität, Vollständigkeit und Aktualität vorhanden? Ist der Datenzugriff geregelt, sind die Prozesse hinreichend standardisiert?
3 | Technologie
Passt zum jeweiligen Prozess eine Workflow-Automatisierung, Machine Learning, ein LLM oder ein KI-Agent?
4 | AI Act
Welche Risikoklasse liegt vor? Handelt es sich um ein GPAI-Modell wie ChatGPT oder um eine Hochrisiko-Anwendung? Welche Kennzeichnungs- und Dokumentationspflichten gelten?
5 | Organisation
Wer verantwortet den KI-Einsatz? Wer prüft die Ergebnisse? Wer dokumentiert Änderungen und überwacht die Einhaltung gesetzlicher Vorgaben?
6 | Wirtschaftlichkeit
Welcher Use Case liefert den größten Nutzen? Welche Projekte sollten zuerst umgesetzt werden?
KI-Systeme für KMU
Der wirtschaftliche Nutzen von KI entsteht durch die Auswahl geeigneter Geschäftsprozesse, die passende Technologie und eine strukturierte Einführung. Unternehmen, die KI systematisch planen, unterstützen Automatisierung, Wissensarbeit und datenbasierte Entscheidungen gezielt und erfüllen zugleich die Anforderungen des AI Acts. Ebenso wichtig wie die Technologie sind Datenqualität, klare Verantwortlichkeiten und eine kontinuierliche Qualitätssicherung.
KI-Readiness-Check
Der KI-Readiness-Check zeigt Ihnen in 2 Minuten, wo mögliche Lücken liegen und welche Schritte als nächstes sinnvoll sein könnten. Wo steht Ihre Organisation? Der KI-Readiness-Check bietet Ihnen online eine erste, unverbindliche Orientierung.
Vereinbaren Sie gerne einen persönlichen Termin.
Weiterführende Informationen
AI Act EU, WKO
KI-Gesetz, Europäische Kommission
FAQs zur KI, Europäische Kommission
