KI-Nutzung in KMU: Warum so zögerlich?

Vor gut drei Jahren wurde ChatGPT veröffentlicht. Und obwohl KI das Arbeitsleben spürbar erleichtert, geht die Einführung in vielen KMU und Organisationen nur schleppend voran. Fünf Gründe, warum das so ist – und wie man diesen entgegnen kann.

Wenig überraschend nimmt Deutschland bei der privaten wie beruflichen Nutzung von KI-Tools wie ChatGPT oder Gemini keine Vorreiterrolle ein. Im europäischen Vergleich liegt man laut einer Eurostat-Studie im unteren Mittelfeld. Einen außereuropäischen Vergleich gibt es nicht, aber er dürfte ernüchternd ausfallen.

Unter KI-Fans und Technik-Enthusiasten wird als Grund für die mangelnde Innovationskultur gern die „Das haben wir schon immer so gemacht“-Mentalität hierzulande angeprangert. Das greift aber zu kurz. Zwar ist die generelle Unsicherheitsvermeidung in Deutschland stärker ausgeprägt als in China, Indien oder den USA, doch in technologieoffenen Ländern wie Japan oder Südkorea ist diese noch höher. Die Mentalität kann entsprechend nur ein Grund von vielen sein, der die Einführung von KI im Arbeitsalltag hemmt.

Problem 1: Zu viel Auswahl, zu viele Updates

ChatGPT, Gemini, Copilot, Deepseek oder doch lieber Claude? Und wenn ja, in welcher Version und für welche Aufgabe? Gerade bei Leuten, die sich nicht gerne mit Technik beschäftigen  – und das sind die meisten! – sind es allein schon solche Fragen, die die Nutzung hemmen. Auf dieses Auswahlparadox, wonach zu viele Alternativen die Entscheidungsfindung hinauszögern und sie letztlich sogar komplett verhindern („Analysis Paralysis“), treffen wir im Alltag ständig. Was die meisten Leute daher brauchen, sind einfache Antworten und Sicherheiten.

Lösung: Da die Entwicklung unter den KI-Tools ohnehin schnell voranschreitet und mit jedem Update das schlechteste KI-Tool von heute das Beste von morgen sein kann (und andersrum), ist es aus Unternehmenssicht wichtig, den Mitarbeitern nur ein (kostenpflichtiges) KI-Tool an die Hand zu geben. Und welches? In vielen Fällen dürfte überraschenderweise Microsoft Copilot die Antwort sein. Es ist zwar nicht das beste Modell ist, aber es ist in vielen KMU leicht zu integrieren, siehe Punkt 4.

Problem 2: Zu hohe Erwartungen

In Präsentationen und Webinaren zu KI werden gerne die Vorteile aufgeführt und gezeigt, was möglich ist. Die Referenten zaubern Kaninchen aus dem Hut und die Zuschauer kommen aus dem Staunen kaum raus. 😮 Die Idee dahinter: Den Leuten Lust auf KI machen. Das ist vom Grundsatz her richtig, doch je größer die Versprechungen, desto herber die Enttäuschung, wenn diese nicht gehalten werden können. Und das führt zu Frustration. Ich selbst habe das schon zur Genüge erlebt – gerade bei der Generierung von Bildern und Videos. Im Vortrag alles supereasy und am Büroschreibtisch verzweifelt man an der Bildgenerierung eines Hörgeräts, eines Sicherungskastens oder einer Werkzeugwand.

Lösung: Mehr Ehrlichkeit wagen! Keine Referenten einladen, die einem das Blaue vom Himmel versprechen, sondern praxisnah zeigen, was heute möglich ist und wo es (noch) Probleme gibt. Das sollte eigentlich auch die Mitarbeiter freuen. Denn für sie ist es natürlich besser, wenn KI ihre Arbeit nur beschleunigt und verbessert – und sie nicht komplett ersetzt.

Problem 3: Angst vor Rechtsverstößen

Beim Thema Recht und Datenschutz scheint es mir zwei Lager zu geben:

• Die „Alles egal“-Fraktion: Wir in Deutschland immer mit dem Datenschutz und der Haftung. Das verhindert nur den Fortschritt. Man hat eh keine Kontrolle mehr über irgendwelche Daten. Ich klopf alles rein.
• Die „Vorsicht ist besser als Nachsicht“-Fraktion: KI-Tools am besten gar nicht verwenden: unklare Datenverarbeitung, Datenübertragung in die USA, vorprogrammierte DSGVO-Verstöße durch Eingabe von personenbezogenen Daten, mögliche Datenleaks, urheberrechtliche Schwierigkeiten… Kurzum: Finger weg davon!

Klar, wer nichts macht, macht auch nichts falsch. Das gilt in allen Bereichen. Doch auf KI zu verzichten, ist keine Lösung. Und ein KI-Verbot sorgt zudem für Schatten-IT. Sprich, die Mitarbeiter, die KI verwenden wollen, tun es wahrscheinlich trotzdem.

Lösung: Eine einfache, praxisnahe KI-Richtlinie aufsetzen, in der steht, was Mitarbeiter dürfen und was nicht. Und: Kostenpflichtige Business-/Enterprise-Versionen der KI-Tools verwenden, denn bei diesen werden die Eingaben nicht zu Trainingszecken genutzt und sie sind DSGVO-konform nutzbar. Personenbezogene Daten oder Geschäftsgeheimnisse sollten dennoch nicht eingegeben werden, aber de facto wird es nie jemand erfahren, wenn man es doch tut. Je nach Dienst und Paket ist man dann allerdings schnell bei ca. 30 Euro pro Nutzer und Monat. Wer seinen Mitarbeitern vertraut und wenig Datenschutzbedenken hat, kann auch die kostenlosen Varianten nutzen, aber öffentlich empfehlen kann man das nicht – auch ich nicht. 🤷‍♂️ Zur Wahrheit gehört jedoch auch: In KMU werden in der Praxis häufig kostenlose KI-Tools verwendet und die Wahrscheinlichkeit bei Datenschutzverstößen aufzufliegen und verklagt zu werden, ist gering.

Problem 4: Fehlende KI-Kultur

Die Frage „Kann die KI das für mich erledigen?“ ist bei vielen Leuten noch nicht in den Köpfen verankert. Sie kommen also erst gar nicht auf die Idee, zu fragen, ob die KI ihre Aufgaben übernehmen bzw. sie dabei unterstützten kann. In der Folge wird alles so gemacht wie bisher – und zwar nicht aufgrund technologischer Verschlossenheit, sondern aufgrund fehlender kognitiver Verfügbarkeit. Vorträge und Schulungen sind an der Stelle natürlich nicht verkehrt, aber meines Erachtens besteht dabei immer die Gefahr, dass diese von den Mitarbeitern eher konsumiert und weniger in den Arbeitsalltag integriert werden.

Lösung: Da es in jedem Unternehmen Mitarbeiter gibt, die Lust auf KI haben, wird man auch relativ schnell gute Anwendungsfälle finden. Diese sollte man dann entsprechend (z.B. im Intranet) kommunizieren, um bewusst Nachahmereffekte auszulösen, interne „Challenges“ zu schaffen und Pausengespräche über KI zu initiieren. Auch ein KI-Ideenwettbewerb oder ein Mentoring-Programm mit internen KI-Ansprechpartnern kann helfen, dem Thema im Unternehmen mehr Bedeutung zu geben. Letztlich sollte es das Ziel sein, dass sich die Mitarbeiter an der Kaffeemaschine über ihre Prompts austauschen und fragen „Sag mal, wie machst du das eigentlich?“. Genau das meine ich mit „KI-Kultur“.

Da große Unternehmen wie Microsoft und Google ein wirtschaftliches Interesse daran haben, ihre KI-Produkte zu verkaufen, werden auch immer mehr KI-Funktionen in bestehende Anwendungen integriert. Getreu dem Motto: Wenn der Nutzer nicht zur KI kommt, kommt die KI eben zum Nutzer. Der Nutzer muss dann beispielsweise nicht mehr fragen, ob die KI eine lange E-Mail zusammenfassen kann, sondern Outlook und Gmail bieten es von sich aus an – oder machen es sogar ungefragt. Da Microsoft Office von den meisten KMU verwendet wird, hat es für diese natürlich immense Vorteile, wenn die KI-Integration durch die Anbieter selbst und „automatisch“ erfolgt.

Problem 5: Schwierige KI-Tiefenintegration

KI-Level 1 ist, General-Purpose-LLMs wie ChatGPT, Gemini und Copilot zu verwenden. Level 2 ist, für sich wiederholende Aufgaben Custom-GPTs, Gems oder Agenten zu erstellen, um lange Prompts nicht jedes Mal neu eingeben zu müssen. Level 3 ist, KI mit der bestehenden IT-Infrastruktur zu verknüpfen. Beispiel: Eine Kundenanfrage kommt per E-Mail rein, Outlook hat eine Schnittstelle zum CRM und zur Wissensdatenbank und erstellt direkt einen Entwurf für die Antwort. An der Stelle wird es natürlich richtig interessant und KI zu einer wahnsinnigen Effizienzmaschine, die unter Umständen tatsächlich Jobs vollständig ersetzen kann. Problem: Die Implementierung ist aufwendig und teuer.

Lösung: Sofern die interne IT-Abteilung keine Ressourcen dafür hat (oder es gar keine interne IT-Abteilung gibt), müssen Unternehmen hier wohl oder übel Geld in die Hand nehmen und eine Automation-Agentur oder einen Digitalisierungsexperten beauftragen.

Fazit: KI braucht weniger Hype, sondern mehr Struktur (und Zeit)

Die zögerliche KI-Nutzung in KMU hat meines Erachtens meist weniger mit Technikfeindlichkeit zu tun als mit ganz praktischen Hürden: Zu viele Tools und Updates überfordern, überzogene Erwartungen führen zu Frust, rechtliche Unsicherheiten bremsen die Nutzung, eine echte KI-Kultur entsteht nicht von allein – und eine tiefere Integration in Prozesse und Systeme ist oft teuer und komplex.

Die gute Nachricht: Viele dieser Probleme lassen sich lösen, wenn Unternehmen KI nicht als einmaliges „Projekt“, sondern als fortlaufenden Lernprozess betrachten. Dafür braucht es klare Entscheidungen, einfache Richtlinien und Good-Practice-Beispiele. Vor allem aber brauchen Mitarbeiter etwas, das in vielen KI-Strategien vergessen wird: Zeit. Denn KI bringt schnelle Erfolgserlebnisse, aber produktive Nutzung entsteht nicht durch eine Schulung, sondern durch Ausprobieren, Fehler, Iteration – und Austausch im Team. Wer KI will, muss deshalb nicht nur Tools bereitstellen, sondern auch Freiräume schaffen.