Wer als Mittelständler nach einer KI-Agentur sucht, trifft schnell auf ein unübersichtliches Angebot. Chatbot hier, Automatisierung dort, dazu noch Beratungsleistungen in unterschiedlichsten Paketen. Der Markt für KI-Dienstleistungen wächst schnell, und mit ihm die Zahl der Anbieter, die mehr versprechen als sie halten können. Dieser Artikel hilft dabei, das Leistungsspektrum realistisch einzuordnen und die richtigen Fragen zu stellen, bevor man einen Vertrag unterschreibt.
Was KI-Agenturen typischerweise anbieten
Das Kerngeschäft etablierter KI-Agenturen lässt sich in vier Bereiche gliedern: Strategieberatung, Entwicklung und Integration von KI-Lösungen, Datenaufbereitung sowie Schulung und Change Management. Die meisten Mittelständler kommen mit konkreten Schmerzpunkten: zu viel manuelle Dateneingabe, langsame Kundenanfragen-Bearbeitung, fehlende Auswertungen aus vorhandenen Daten. Eine gute Agentur beginnt dort, nicht mit einer allgemeinen KI-Strategie auf dem Reißbrett.
Typische Einzelleistungen im Überblick:
- Prozessautomatisierung: Wiederkehrende Aufgaben wie Rechnungsprüfung, Datenpflege oder E-Mail-Routing werden an KI-Systeme übergeben.
- Natural Language Processing: Chatbots oder automatische Textkategorisierung für Support und interne Wissensdatenbanken.
- Predictive Analytics: Absatzprognosen, Wartungsvorhersagen bei Maschinen oder Lieferkettenoptimierung auf Basis historischer Daten.
- Computer Vision: Qualitätskontrolle in der Fertigung, automatische Dokumentenerfassung oder Lagerverwaltung per Kamera.
- LLM-Integration: Einbindung großer Sprachmodelle wie GPT-4 oder Claude in bestehende Softwarelandschaften, oft per API.
Realistische Kosten und Projektlaufzeiten
Ein häufiger Fehler: Mittelständler erwarten nach einem zweimonatigen Projekt messbare Einsparungen in sechsstelliger Höhe. Das passiert selten. Kleinere Automatisierungsprojekte, etwa die automatische Klassifikation eingehender E-Mails, kosten je nach Komplexität zwischen 15.000 und 50.000 Euro in der Entwicklung. Größere Vorhaben wie eine vollständige Predictive-Maintenance-Lösung für eine Produktionslinie liegen schnell bei 150.000 Euro aufwärts, inklusive Datenvorbereitung und Pilotphase.
Projektlaufzeiten unter drei Monaten sind für echte KI-Implementierungen die Ausnahme. Der Grund: Daten müssen gesichtet, bereinigt und gelabelt werden. Das frisst oft 40 bis 60 Prozent des gesamten Projektaufwands, noch bevor ein Modell trainiert wird. Wer das nicht einkalkuliert, landet im Projektstau.
Sinnvoll ist deshalb ein gestuftes Vorgehen: Erst ein Proof of Concept mit echten Daten des Unternehmens, dann ein bewerteter Piloten in einem Teilbereich, anschließend ein Roll-out. Das reduziert das Risiko erheblich und liefert früh belastbare Zahlen zur Rentabilität.
Regulatorische Pflichten nicht unterschätzen
Mit dem EU AI Act gilt seit 2024 ein verbindlicher Rechtsrahmen für KI-Systeme in Europa. Für Mittelständler, die KI einsetzen oder entwickeln, entstehen daraus konkrete Pflichten: Risikoklassifizierung der eingesetzten Systeme, Dokumentation, teilweise Registrierung. Wer das ignoriert, riskiert Bußgelder, die sich an den DSGVO-Maßstäben orientieren und bis zu 35 Millionen Euro oder sieben Prozent des weltweiten Jahresumsatzes betragen können. Eine EU AI Act Schulung für Entscheider und technische Teams ist deshalb kein nettes Zusatzangebot, sondern Teil der Due Diligence, bevor ein KI-System produktiv geht. Gute Agenturen integrieren diesen Aspekt von Anfang an in ihre Projektplanung.
Woran man eine seriöse Agentur erkennt
Der Markt enthält viele Anbieter, die eine Webseite mit KI-Buzzwords und einigen Stock-Illustrationen aufgebaut haben, aber kaum eigene Entwicklungskapazität besitzen. Ein paar Kriterien helfen bei der Einschätzung:
- Referenzen mit nachprüfbaren Ergebnissen: Echte Case Studies nennen konkrete Kennzahlen, Laufzeiten und Ansprechpartner beim Kunden.
- Eigene Data Scientists oder ML-Engineers: Wer keine internen Entwickler hat, kauft lediglich Lizenzen weiter und koordiniert externe Freelancer.
- Technologieunabhängigkeit: Agenturen, die ausschließlich eine bestimmte Plattform empfehlen, haben oft Partnerverträge, die ihre Beratung verzerren.
- Transparenz bei Datenschutz und Hosting: Wo werden Daten verarbeitet? Gibt es eine EU-konforme Infrastruktur oder läuft alles über US-amerikanische Cloud-Dienste ohne ausreichende Rechtsgrundlage?
Ein erstes Kennenlern-Gespräch ohne Verpflichtung ist Standard. Wer dabei sofort ein fixes Angebot ohne Anforderungsanalyse vorlegt, sollte skeptisch machen.
Wo Mittelständler den größten Hebel haben
Nicht jedes Unternehmen braucht ein maßgeschneidertes KI-Modell. Für viele Betriebe mit 50 bis 500 Mitarbeitern liegt der unmittelbare Nutzen in der Automatisierung klar definierter Prozesse mit vorhandenen Werkzeugen. Ein Logistikunternehmen mit 80 Fahrern, das täglich 300 Lieferscheine manuell in sein ERP-System tippt, spart mit einer OCR-basierten Automatisierung schnell 1,5 Vollzeitstellen pro Jahr. Das ist keine Hochleistungs-KI, aber es ist ein konkreter wirtschaftlicher Vorteil, der sich in zwölf bis achtzehn Monaten amortisiert.
Interessanter wird es, wenn Unternehmen beginnen, ihre eigenen Daten ernsthaft zu nutzen. Ein mittelständischer Maschinenbauer, der seit Jahren Sensordaten seiner Anlagen speichert, ohne sie auszuwerten, sitzt auf einem Rohstoff, der ungenutzt bleibt. Predictive-Maintenance-Modelle können in solchen Fällen ungeplante Stillstandzeiten um 20 bis 30 Prozent reduzieren, was in der Fertigung unmittelbar auf die Marge durchschlägt.
Zusammenarbeit strukturieren und intern verankern
KI-Projekte scheitern häufig nicht an der Technologie, sondern an der internen Organisation. Wer das Projekt ausschließlich in der IT-Abteilung ansiedelt, verliert den Fachbereich als Partner. Wer es ausschließlich in den Fachabteilungen belässt, fehlen die technischen Voraussetzungen. Eine sinnvolle Struktur sieht einen fachlichen Product Owner aus dem betroffenen Bereich vor, einen technischen Ansprechpartner aus der IT und einen klaren Eskalationsweg zur Geschäftsführung.
Gute KI-Agenturen bieten im Rahmen ihrer Leistungen auch begleitendes Training für die betroffenen Teams an. Das ist keine Zusatzleistung, die man kürzen kann, sondern entscheidet darüber, ob das System nach Projektabschluss tatsächlich genutzt wird oder im Regal verstaubt. Erfahrungsgemäß landen 30 bis 40 Prozent aller implementierten KI-Lösungen im Unternehmen in der Praxis bei sehr niedriger Nutzungsrate, weil die Einführung zu kurz gedacht war.
Wer KI-Agentur-Leistungen ernsthaft evaluiert, sollte mit einer klaren Problemstellung starten, realistische Zeitrahmen und Budgets einplanen, regulatorische Anforderungen von Beginn an berücksichtigen und den internen Change-Prozess genauso ernst nehmen wie die technische Implementierung. Dann sind KI-Projekte auch für den Mittelstand keine Lotterie, sondern kalkulierbare Investitionen.
