76 % der kleinen und mittleren Unternehmen in Deutschland kämpfen mit der Qualität ihrer Daten, wenn sie KI einführen wollen (KI-Index 2026, Institut für angewandte KI). Gleichzeitig berichten 85 % der gescheiterten KI-Projekte weltweit von genau diesem Problem als Hauptursache (Gartner, 2025). Und trotzdem starten die meisten Betriebe ihr erstes KI-Vorhaben, ohne vorher zu prüfen, ob die Grundlagen stimmen.
Der KI-Reifegrad zeigt, wo ein Unternehmen insgesamt steht. Der 90-Tage-Fahrplan beschreibt, wie ein Pilotprojekt strukturiert abläuft. Dazwischen fehlt ein Schritt: die ehrliche Prüfung, ob der Betrieb überhaupt bereit ist, einen Piloten sinnvoll zu starten. Dieser Artikel liefert genau das.
1. Datenqualität: Drei Fragen, die Sie vor jedem KI-Projekt beantworten sollten
Gartner beziffert den Anteil gescheiterter KI-Projekte, die an Datenqualität scheitern, auf 85 %. Für den Mittelstand bedeutet das: Bevor Sie ein Tool evaluieren oder einen Berater beauftragen, prüfen Sie drei Dinge.
Liegen die relevanten Daten digital vor? Papierlisten, handschriftliche Stundenzettel und mündliche Absprachen sind kein Datenfundament. Eine Zeitarbeitsfirma, die Einsatzzeiten noch per Fax erfasst, braucht keinen KI-Piloten, sondern einen Digitalisierungsschritt davor.
Sind die Daten strukturiert und konsistent? Eine Excel-Tabelle mit einheitlichen Spalten zählt. Ein Ordner mit 400 PDFs in unterschiedlichen Formaten zählt nicht. Für ein erstes Projekt brauchen Sie keine Data-Warehouse-Architektur, aber die Felder müssen einheitlich benannt und vollständig befüllt sein.
Gibt es genug Datensätze? Für einfache Klassifikationsaufgaben reichen oft einige hundert saubere Einträge. Für komplexere Vorhersagemodelle eher einige tausend. Die genaue Schwelle hängt vom Use Case ab, aber „wir haben 30 Datenpunkte" ist ehrlich gesagt zu wenig für alles außer einem Prompt-basierten Ansatz.
2. Prozessreife: Dokumentiert oder Kopfwissen?
68 % der KMU starten ein KI-Projekt ohne eine dokumentierte Roadmap (Bitkom, 2025). Noch häufiger fehlt die Dokumentation der Prozesse, die automatisiert werden sollen. Und genau das ist das Problem: Sie können keinen Prozess automatisieren, den niemand aufgeschrieben hat.
In einer Steuerkanzlei bedeutet das zum Beispiel: Ist die Belegvorsortierung ein klar definierter Ablauf mit Regeln, oder macht das „der Meier, weil er's halt kann"? Bei einem Versicherungsmakler die Frage: Gibt es eine dokumentierte Checkliste für die IDD-Beratungsprotokollierung, oder variiert das von Berater zu Berater?
Der Test ist einfach. Nehmen Sie den Prozess, den Sie automatisieren wollen, und schreiben Sie ihn in maximal zehn Schritten auf. Wenn Sie dafür jemanden fragen müssen, der den Prozess „im Kopf hat", ist das ein Warnsignal. Nicht ein Grund aufzuhören, aber ein Grund, die Dokumentation vor den Piloten zu setzen.
3. Team-Readiness: Widerstand ernst nehmen, bevor er teuer wird
67 % der deutschen Unternehmen berichten von Mitarbeiterwiderstand bei der KI-Einführung (Bitkom, 2025). In einem Konzern lässt sich das mit Change-Programmen auffangen. In einem Betrieb mit fünf bis fünfzehn Mitarbeitern kann ein einzelner Skeptiker das gesamte Projekt lahmlegen.
Team-Readiness prüfen heißt nicht: alle begeistern. Es heißt: drei Dinge vorher klären.
- Gibt es mindestens eine Person, die Verantwortung übernimmt? Keine Vollzeitstelle nötig. Aber jemand, der Ergebnisse bewertet, Feedback sammelt und der Geschäftsführung berichtet.
- Wissen die Betroffenen, was geplant ist? „Wir machen jetzt KI" ohne Kontext erzeugt Angst. „Wir testen ein Tool, das euch bei der Belegvorsortierung 40 Minuten pro Tag abnehmen soll" erzeugt Neugier.
- Ist der Betriebsrat (falls vorhanden) eingebunden? Unternehmen, die den Betriebsrat früh einbeziehen, führen KI im Schnitt 40 % schneller ein. Das klingt paradox, aber Mitbestimmung vorher spart Eskalation nachher.
Nur 28 % der KMU haben eine Change-Management-Strategie für KI-Einführung. Für einen Fünf-Personen-Betrieb braucht das keinen Berater. Es braucht ein ehrliches Gespräch im Team vor dem Start.
4. Budget: Was ein KI-Pilot realistisch kostet
Ein strukturierter KI-Pilot im Mittelstand kostet typischerweise zwischen 2.500 und 10.000 Euro inklusive externer Begleitung. Für Kleinstbetriebe mit bis zu 9 Mitarbeitern beginnen Kompaktanalysen bei 2.500 Euro. Betriebe mit 10 bis 49 Mitarbeitern liegen bei rund 3.900 Euro, größere bei bis zu 6.500 Euro.
Die BAFA-Beratungsförderung senkt den Eigenanteil erheblich: 50 % Zuschuss in den alten Bundesländern (und Hessen), 80 % in den neuen Bundesländern (Berlin und Region Leipzig ausgenommen, dort 50 %). Maximal förderfähig sind 3.500 Euro netto. Die Förderung läuft bis zum 31. Dezember 2026. Achtung: Steuerberater sind als beratende Berufsgruppe von der BAFA-Förderung ausgenommen.
Wichtig ist nicht nur der Euro-Betrag, sondern auch die Zeitinvestition. Planen Sie intern 2 bis 4 Stunden pro Woche für die Projektbegleitung ein, mindestens für die ersten drei Monate. Ohne diesen internen Aufwand bleibt das Projekt ein externer Bericht, der in der Schublade landet.
5. Die Go/No-Go-Entscheidung: Wann starten, wann warten?
Nicht jeder Betrieb ist heute bereit für ein KI-Pilotprojekt. Das ist keine Schwäche, sondern eine realistische Einschätzung, die Geld spart. Prüfen Sie die fünf Bereiche und zählen Sie die Ergebnisse:
- Datenqualität: Relevante Daten digital, strukturiert, ausreichend vorhanden?
- Prozessreife: Zielprozess dokumentiert, messbar, wiederholbar?
- Team-Readiness: Zuständigkeit benannt, Team informiert, kein aktiver Widerstand?
- Budget: 2.500 bis 10.000 Euro (brutto) verfügbar, BAFA-Förderung geprüft?
- Entscheidungsmandat: Geschäftsführung hat Go, Zeitrahmen und Ressourcen freigegeben?
Drei oder mehr Ja: Starten Sie den Piloten. Sie haben die Grundlagen, und die verbleibenden Lücken lassen sich während des Projekts schließen. Ein unabhängiger KI-Berater kann beim Aufsetzen helfen.
Weniger als drei Ja: Investieren Sie zuerst in die Grundlagen. Dokumentieren Sie den Zielprozess. Bereinigen Sie die Datenbasis. Führen Sie das Gespräch im Team. Das dauert vier bis sechs Wochen und kostet fast nichts, verhindert aber, dass ein Pilotprojekt an vermeidbaren Voraussetzungen scheitert.
Bereitschaft ist kein Zustand, sondern eine Entscheidung
Die Zahlen sind eindeutig: Die meisten KI-Projekte scheitern nicht an der Technologie. Sie scheitern an Voraussetzungen, die sich prüfen und herstellen lassen, bevor das erste Tool installiert wird. Datenqualität, Prozessdokumentation, Team-Bereitschaft, realistisches Budget, klares Mandat. Fünf Bereiche, keiner davon aufwendig.
Wer seinen KI-Reifegrad bestimmt hat und bei Stufe 1 oder 2 steht, findet in diesem Bereitschafts-Check die Brücke zum konkreten Projekt. Wer bei drei oder mehr grünen Feldern steht, kann mit dem 90-Tage-Fahrplan direkt loslegen.