Wenn man in Europa und den USA schaut, gibt es etwa 184.000 Maschinenbau-Betriebe. Und die kommen so zustande: wir haben sie eingegrenzt auf Unternehmen zwischen 20 und 100 Mitarbeitern, oder? Sie sind alle kleine und mittlere Unternehmen. Und ob sie in Michigan sind oder der Mittelstand in Deutschland — sie stehen unter massiver Konkurrenz. Sie stehen, sie stehen unter massivem Druck. Und dieser Druck ist überall gleich, richtig? Es gibt eine Menge Konkurrenz. Diese kleinen und mittleren Unternehmen betreiben teure Maschinen. Teure Maschinen kosten Geld, auch wenn man sie nicht benutzt, richtig? Weil man sie trotzdem amortisieren muss. Man will sie also am Laufen halten. Aber sie haben auch Probleme, die Fachkräfte zu finden, die sie brauchen, um diese Maschinen zu betreiben. Und sie wissen, dass sich diese Situation tatsächlich verschlechtern wird, wenn die aktuelle Generation der Babyboomer in den Ruhestand geht.
Und genau hier liegt der Haken. Laut KfW erreichen KI-nutzende Mittelständler mit 76 Prozent durchaus schon eine positive Umsatzrendite, bei Nicht-Nutzern sind es dagegen nur 46 Prozent. Die Nutzung der KI, hat sich dabei binnen eines Jahres fast verdoppelt.
Diese kleinen und mittleren Unternehmen betreiben teure Maschinen, die sich amortisieren werden müssen — und sie haben Probleme Fachkräfte zu finden, die sie dringend brauchen. Diese prekäre Situation wird sich mit dem Renteneintritt der Babyboomer noch weiter verschärfen.
ROI — Return on Investment, also das Verhältnis der Kosten für ein Vorhaben und dem Nutzen, den es bringt. Im Kontext von KI heißt das: Was kostet dich das Tool, und was bringt es dir konkret zurück an Zeit, Gewinn und Arbeitsentlastung?
Build or Buy: die Entscheidung, die sich rechnet
Denk an KI als Dienstleistung wie Elektrizität. Du musst kein Kraftwerk bauen, um dein Geschäft zu betreiben. Du musst es nur ins Netz einstecken und für das zahlen, was du verbrauchst.
Häufig ist die Antwort, die ich finde, einfacher: Die meisten Unternehmen müssen einfach die bestehenden KI-Tools klug einsetzen, nicht ihre eigenen Module feinabstimmen — einfach die APIs von Anbietern wie ChatGPT, Claude und Llama verwenden. Das ist eine wirklich erfrischende Erkenntnis — baue kein Kraftwerk, wenn du nur ins Netz einstöpseln musst.
Der erste ist der Preis. Vor zwei Jahren war der Betrieb der Infrastruktur wirklich teuer, wie ich schätze, hat er 5.000 bis 10.000 Dollar pro Monat gekostet, nur für die Infrastruktur, aber jetzt ist es ein Abo für 20 bis 200 Dollar im Monat, und du kannst die KI-Infrastruktur selbst betreiben.
Wenn du für dein KI-Abo 5.000 Dollar im Monat zahlst und du deine eigenen Infrastrukturberechnungen für die nächsten sechs bis zwölf Monate durchführst und die Kosten für den Aufbau der gesamten Infrastruktur etwa 60.000 Dollar betragen und die Wartungskosten 2.000 Dollar betragen — dann wirst du innerhalb der nächsten fünf bis sechs Monate einen ROI sehen. Es ist ziemlich offensichtlich, dass in sechs Monaten die Infrastrukturberechnungen abgedeckt sind und die nächsten sechs Monate deine Marge sind. Ich würde sagen, das ist die eine Sache.
Nur ein Beispiel: Wenn du für ein Projekt 50.000 bis 60.000 Dollar zahlst, um es bauen zu lassen, musst du auch bedenken, dass es nach einem Jahr 80.000 bis 120.000 Dollar im Jahr kosten wird, um es zu warten und weitere Funktionen zu bauen. 120.000 Dollar im ersten Jahr für ein 50.000-Dollar-Projekt ist ein echtes Weckruf.
Was nach dem Pilot zählt — und was davor
Den Piloten mit, sagen wir, GPT Enterprise haben wir dann zu 50 Prozent direkt im Unternehmen gesehen und implementiert, also erfolgreich implementiert ist es zu 40 Prozent. Wenn man das jetzt ein bisschen vertieft und auf Workflows geht, also integrierte Workflows im Unternehmen, dann sehen wir da schon ordentliche Kluft. Und zwar wurden diese integrierten Tools, also die auf Workflows abzielen, die wirklich in den Tools stattfinden, wo die Mitarbeitenden arbeiten, da sehen wir, dass das zu 60 Prozent ausgedacht wurde. 20 Prozent haben Piloten gestartet und bei 5 Prozent ist es erfolgreich implementiert worden.
Und der erste Punkt ist also: Verstehen wir unsere Prozesse im Detail? Das heißt, weiß ich überhaupt selbst, was ich optimieren möchte.
Und dann ist der nächste Punkt die Diagnosefähigkeit: Haben wir die Fähigkeit, die Probleme im Unternehmen zu erkennen, bevor ein Tool reinkommt?
Und zwar muss man vor dem Pilot schon festgelegt haben, welche spezifischen und messbaren Use Cases möchte man im Piloten eigentlich überprüfen? Also gibt es vorab etwas, was mit dem Partner definiert wurde, was wir in dieser Pilotphase wirklich erkunden wollen, wo wir wirklich einen messbaren Nutzen davon ziehen — und vom aktuellen Ist-Zustand: Wo wollen wir in 12 Monaten stehen? Wo wollen wir uns wiederfinden? Also was sollte durch so eine Integration wirklich auf lange Frist besser werden? Das sind die ersten paar Fragen, die ich an die Hand geben möchte.
Welche Zahlen 2026 als real gelten
Laut IBM-Studie vom Oktober 2025 berichten 62 Prozent der deutschen Unternehmen von spürbaren Produktivitätssteigerungen durch KI. Rund 59 Prozent der Befragten nennen Zeitersparnis als häufigsten konkreten Nutzen. Die größten Hürden laut Bitkom: Rechtliche Unsicherheit und fehlendes Know-how mit je 53 Prozent, fehlende Personalressourcen mit 51 Prozent. Rund 43 Prozent der Unternehmen haben keine KI-Strategie — und genau dort scheitern Projekte an Akzeptanz und der Bereitschaft zur Erneuerung.
Warum beschleunigt sich der Trend jetzt? Weil es KI gibt. Genau das wird KI tun — sie wird diese Entwicklung auf ein neues Level heben. Der primäre Wert, den wir aus KI ziehen, ist Flexibilität. KI wird uns Zugang zu wahrnehmungsgetriebener Automatisierung geben. Sie wird all die Tätigkeiten, die jetzt noch in Hardware passieren — Wahrnehmung, Steuerung — in Software verlagern. Wir bekommen einen Sprung hin zu programmierbarer Automatisierung.
Fazit
Ein Rat, den ich geben würde: klein anfangen, Wert beweisen, dann skalieren. Habt keine Angst vor KI, bis ihr den echten ROI seht. Ich sehe viele Gründer, die denken, es ist 2021 — sie ziehen große Runden auf und wollen alles Custom bauen. Sie stellen ML- und KI-Ingenieure ein und kreieren etwas Eigenes, Revolutionäres. Das ist ein Rezept, um Geld zu verbrennen.
Unternehmen, die mit KI gewinnen, sind nicht die, die am Größten bauen. Sie sind die, die den klügsten und fokussiertesten Einsatz machen. Baut KI nicht, weil sie trendy ist. Baut sie, weil sie ein reales Problem löst und ihr den ROI messen könnt. Alles andere ist nur teures Experimentieren.
Schaut auf die KI-Fähigkeiten, die heute verfügbar sind und einen ROI haben, den wir kennen und nutzen können. Das Wichtigste ist nicht, was nach dem Piloten zählt, sondern der Kern ist eigentlich, was von vorne herein als Fundament mit aufgebaut wird. Und wie ich schon gesagt habe: Es ist kein IT-Projekt, es ist eher ein Veränderungsprojekt mit Technologieanteil.