Trotz der aktuell angespannten Arbeitsmarktsituation ist der Fachkräftemangel nach wie vor real. In den Jobbörsen finden sich tausende offene Positionen mit KI-Bezug. Doch ein Großteil der ausgeschriebenen KI-Stellen entfällt auf Konzerne. Dort existieren dedizierte Einheiten, langfristige Budgets und die organisatorische Möglichkeit, Spezialrollen über Jahre aufzubauen. Diese Unternehmen können sich leisten, KI als eigene Domäne zu behandeln. Der Mittelstand kann und sollte das nicht. 

Dennoch orientieren sich viele mittelständische Unternehmen genau an diesem Modell. Sofern sie überhaupt aktiv werden, übernehmen sie Rollenbeschreibungen, Skill-Profile und Erwartungshaltungen aus dem Konzernumfeld. Gesucht werden hochspezialisierte Expertinnen und Experten, häufig mit einem starken Fokus auf technische Tiefe. Gleichzeitig bleibt offen, wofür diese Expertise konkret eingesetzt werden soll.

Hier entsteht die erste Schieflage. Technik wird zum Ausgangspunkt gemacht, obwohl Zielbild, Prioritäten und Verantwortlichkeiten unklar sind. Es wird über Modelle, Frameworks und Architekturen gesprochen, während grundlegende Fragen unbeantwortet bleiben: 

• Welche Prozesse sollen unterstützt werden? 
• Welche Entscheidungen sollen besser werden? 
• Wie soll die Wirkung der Maßnahmen gemessen werden?

Das Gegenstück zu dieser Technikfixierung ist ebenso problematisch. Aus Kostengründen wird KI häufig an Werkstudierende, Masteranden oder einzelne engagierte Mitarbeitende delegiert. Ohne klares Mandat, ohne Einbettung in bestehende Strukturen und ohne Verantwortung für den Betrieb entstehen dabei Experimente statt praktikabler, nutzenbringender Lösungen.

Beide Ansätze setzen am falschen Punkt an. Sie sollen die Lösung für ein Problem darstellen, welches erst noch gefunden werden muss.

Der Mittelstand steht vor anderen Rahmenbedingungen als Konzerne. Er arbeitet näher am operativen Geschäft, mit knapperen Ressourcen und weniger Redundanz. Genau darin liegt sein Potenzial. KI entfaltet hier nicht durch maximale technische Tiefe Wirkung, sondern durch gezielte Unterstützung konkreter Aufgaben. Dafür braucht es keine isolierten Spezialisten, sondern Klarheit über Ziele, Prozesse, Daten und Verantwortung.

Die Fehlkalibrierung beschränkt sich nicht auf einzelne Unternehmen, sondern zeigt sich auch auf europäischer Ebene. Deutschland und Europa können den Ansatz der USA oder Chinas weder technologisch noch organisatorisch kopieren. Größere Datenmengen, höhere Risikobereitschaft und andere Kapitalstrukturen lassen sich nicht replizieren. Abwarten ist jedoch ebenso wenig eine Option.

Die Lösung liegt darin anders vorzugehen, statt zu versuchen aufzuholen. Es geht nicht darum, möglichst schnell möglichst viel KI einzuführen. Entscheidend ist, früh zu beginnen, Verantwortung zu klären, Mitarbeitende zu qualifizieren und konkrete Ziele mit praktikablen Lösungen zu verfolgen. Schon ERP-, CRM-, DMS- oder BI-Einführungen haben gezeigt, dass Digitalisierung scheitert, wenn Technik eingesetzt wird, bevor klar ist, was sie bewirken soll.

Entsprechend stellt sich nicht die zentrale Frage, wo die perfekten KI-Talente zu finden sind, sondern ob man bereit ist, den eigenen Ansatz auch an die eigenen Rahmenbedingungen anzupassen.