KI im Unternehmen: 25 Anwendungsfälle für den Mittelstand

KI im Unternehmen lohnt sich dort, wo wiederkehrende Arbeit mit Texten, Dokumenten und Daten anfällt: Anfragen sortieren, Belege auslesen, Angebote vorbereiten, Wissen auffindbar machen. Im Mittelstand sind das in fast jeder Abteilung konkrete Aufgaben. Entscheidend ist nicht das Modell, sondern ein klar begrenzter Vorgang mit einer verantwortlichen Person und einem messbaren Ergebnis.

Die meisten Geschäftsführer, mit denen wir sprechen, haben ChatGPT ausprobiert und fragen sich jetzt: Wo bringt KI in unserem Betrieb tatsächlich etwas? Dieser Beitrag beantwortet das nach Unternehmensbereichen. Sie finden 25 Anwendungsfälle, jeweils mit einer kurzen Beschreibung, den Voraussetzungen und einer Einschätzung des Aufwands. Den Aufwand beschreiben wir bewusst qualitativ: Was ein Projekt kostet, hängt an Ihren Systemen und Daten. Eine erste Größenordnung für Ihren Fall liefert der KI-Kosten-Rechner.

Wenn Ihnen Begriffe wie Sprachmodell oder Agent noch fremd sind: Das Lexikon erklärt Künstliche Intelligenz, generative KI und Large Language Models in wenigen Absätzen.

Drei Arten, wie KI im Unternehmen arbeitet

Fast alle Anwendungsfälle unten folgen einem von drei Mustern. Es hilft, sie auseinanderzuhalten, weil Aufwand und Risiko sehr unterschiedlich sind.

• Lesen und Einordnen. Die KI liest E-Mails, PDFs oder Formulare, erkennt das Anliegen und zieht die wichtigen Angaben heraus. Grundlage sind Sprachverarbeitung und Texterkennung (OCR). Das Ergebnis ist ein strukturierter Datensatz, den ein Mensch oder ein System weiterverarbeitet.
• Entwerfen und Antworten. Die KI schreibt einen Vorschlag: Antwort, Angebotstext, Zusammenfassung. Damit sie sich an Ihr Firmenwissen hält und nicht erfindet, greift sie über Retrieval Augmented Generation (RAG) auf Ihre eigenen Dokumente zu.
• Handeln. Ein KI-Agent erledigt mehrere Schritte selbst: Daten nachschlagen, Datensatz anlegen, Termin eintragen. Das bringt am meisten Entlastung und verlangt die klarsten Regeln, etwa eine Freigabe durch einen Menschen (Human in the Loop).

Vertrieb

1. Anfragen qualifizieren und vorsortieren

Eingehende Anfragen aus Formular, E-Mail oder Telefonnotiz werden gelesen, nach Bedarf, Budgetrahmen und Dringlichkeit eingeordnet und mit einem Vorschlag für den nächsten Schritt im CRM angelegt. Das Prinzip ähnelt klassischem Lead Scoring, arbeitet aber mit freiem Text statt nur mit Klickdaten.

Voraussetzungen: ein CRM mit Schnittstelle und eine schriftliche Beschreibung, was für Sie eine gute Anfrage ist. Aufwand: gering bis mittel, einer der schnellsten Einstiege.

2. Angebote vorbereiten

Aus Anfrage, Gesprächsnotiz und Ihren Preislisten entsteht ein Angebotsentwurf mit passenden Textbausteinen. Der Vertrieb prüft Positionen und Preise und schickt ab. Bei erklärungsbedürftigen Leistungen spart das vor allem die Zeit für das Zusammensuchen.

Voraussetzungen: gepflegte Preislisten und frühere Angebote als Vorlage. Aufwand: mittel, weil Kalkulationsregeln sauber abgebildet werden müssen.

3. Gespräche zusammenfassen und nachfassen

Nach einem Kundentermin fasst die KI das Gespräch aus der Aufnahme oder den Notizen zusammen, trägt Vereinbarungen ins CRM ein und schlägt eine Nachfass-E-Mail vor. Grundlage ist Spracherkennung. Das Team vergisst weniger Zusagen, und die Kundenhistorie bleibt vollständig, auch wenn jemand ausfällt.

Voraussetzungen: Einwilligung der Gesprächspartner zur Aufzeichnung, CRM-Anbindung. Aufwand: gering bis mittel.

Kundenservice

4. Antwortentwürfe für E-Mail und Chat

Die KI liest eingehende Kundenanfragen, erkennt das Anliegen und schreibt einen Antwortentwurf auf Basis Ihrer Wissensdatenbank. Ihr Team prüft, korrigiert und sendet. Mit jeder Korrektur wird der Entwurf besser. Wie das im Detail aufgebaut ist, lesen Sie im Beitrag KI im Kundenservice.

Ein Beispiel aus unserer Arbeit: Bei einem Reisemagazin beantwortet die KI heute 73 % der Vorab-Anfragen. Die 40 Stunden im Monat, die das Team vorher dafür brauchte, sind weggefallen, die Conversion-Rate stieg um 31 %.

Voraussetzungen: dokumentierte Antworten auf häufige Fragen, Zugriff auf das Postfach oder Ticketsystem. Aufwand: mittel.

5. Erste Anlaufstelle auf allen Kanälen

Anfragen kommen per Telefon, WhatsApp, E-Mail und Website. Eine KI-Rezeption nimmt sie an einer Stelle an, fragt fehlende Angaben nach, übersetzt bei Bedarf und übergibt vollständige Fälle an die zuständige Person. Anders als ein einfacher Chatbot oder Voicebot ist sie mit Kalender und CRM verbunden. So arbeitet unsere KI-Rezeption.

Voraussetzungen: klare Regeln, welche Fälle an wen gehen. Aufwand: mittel, je nach Zahl der Kanäle.

6. Internes Wissen auffindbar machen

Handbücher, Produktdatenblätter, frühere Tickets: Ein KI-Assistent beantwortet Fragen des Teams aus diesen Quellen und nennt die Fundstelle. Technisch steckt eine Vektordatenbank dahinter. Neue Kolleginnen finden sich schneller zurecht, erfahrene werden seltener unterbrochen.

Voraussetzungen: Dokumente in digitaler Form und eine Entscheidung, wer welche Inhalte sehen darf. Aufwand: gering bis mittel. Warum Quellenangaben so wichtig sind, erklärt der Beitrag KI-Halluzinationen vermeiden.

Marketing

7. Inhalte übersetzen und lokalisieren

Websites, Produkttexte und Kataloge in mehreren Sprachen zu pflegen, war lange teuer. Mit KI entsteht die Übersetzung in Minuten, ein Muttersprachler prüft Fachbegriffe und Tonalität. Für OneDayTours in Lissabon betreuen wir eine Website in 14 Sprachen: Die Direktbuchungen stiegen um 47 %, der Pflegeaufwand sank um 68 %.

Voraussetzungen: ein System, das Sprachversionen sauber verwaltet, etwa ein Headless CMS. Aufwand: gering bis mittel.

8. Fachartikel und Produkttexte entwerfen

Die KI schreibt Entwürfe für Blogartikel, Produktbeschreibungen oder Newsletter auf Basis Ihrer Fachinformationen. Wertvoll wird das erst, wenn Ihre Experten eigene Erfahrung ergänzen, denn Suchmaschinen achten auf E-E-A-T. Reine KI-Texte ohne Substanz bringen wenig.

Voraussetzungen: eine Person, die fachlich prüft und ergänzt. Aufwand: gering.

9. In KI-Antworten sichtbar werden

Kunden fragen immer öfter ChatGPT oder Perplexity statt einer Suchmaschine. Ob Ihr Unternehmen dort genannt wird, hängt von klaren, gut strukturierten Inhalten ab. Das Thema heißt Generative Engine Optimization. Hier ist KI nicht Werkzeug, sondern Kanal. Wie wir das angehen, steht unter KI-Sichtbarkeit.

Voraussetzungen: eine Website, deren Inhalte Sie selbst ändern können. Aufwand: laufend, eher redaktionell als technisch.

Buchhaltung und Finanzen

10. Eingangsrechnungen auslesen und vorkontieren

Rechnungen als PDF, Scan oder E-Rechnung werden gelesen, Lieferant, Beträge und Steuersätze erkannt, mit der Bestellung abgeglichen und vorkontiert. Stimmt alles, läuft der Beleg ohne manuellen Eingriff durch, das nennt man Dunkelverarbeitung. Abweichungen landen bei einer Person. Formate wie XRechnung und ZUGFeRD machen das einfacher, weil die Daten bereits strukturiert sind.

Voraussetzungen: Buchhaltungssoftware mit Schnittstelle, Ablage nach GoBD. Aufwand: mittel. Hintergrund zur Pflicht: E-Rechnung im B2B.

11. Zahlungsabgleich und Mahnwesen

Kontoauszüge werden mit offenen Posten abgeglichen, auch wenn der Verwendungszweck unvollständig ist. Für überfällige Rechnungen entsteht ein Mahnentwurf im passenden Ton, je nach Kundenbeziehung freundlich oder bestimmt.

Voraussetzungen: Bankdaten als Export oder Schnittstelle. Aufwand: gering bis mittel.

12. Liquidität vorausschauen

Aus offenen Rechnungen, Aufträgen und wiederkehrenden Kosten entsteht eine rollierende Liquiditätsplanung. Die KI weist auf Engpässe hin und erklärt in einfachen Sätzen, woher sie kommen. Das ist ein Fall für Predictive Analytics, das Ergebnis erscheint in einem KPI-Dashboard. Wie das in einer Software aussieht, zeigt unser Modul Finanzen.

Voraussetzungen: saubere Buchhaltungsdaten über einige Monate. Aufwand: mittel.

Einkauf und Logistik

13. Bestellungen und Auftragsbestätigungen verarbeiten

Lieferanten schicken Auftragsbestätigungen in jedem denkbaren Format. Die KI liest sie, vergleicht Menge, Preis und Termin mit der Bestellung im ERP und meldet nur Abweichungen. Große Partner liefern oft schon per EDI, die KI schließt die Lücke bei allen anderen.

Voraussetzungen: ERP mit Schnittstelle. Aufwand: mittel.

14. Angebote von Lieferanten vergleichen

Mehrere Angebote mit unterschiedlicher Gliederung werden in eine Vergleichstabelle gebracht: Preis, Lieferzeit, Zahlungsbedingungen, Abweichungen von der Anfrage. Die Entscheidung bleibt beim Einkauf, die Fleißarbeit fällt weg.

Voraussetzungen: keine besonderen, auch als Einzelwerkzeug nutzbar. Aufwand: gering.

15. Stammdaten pflegen

Artikeldaten sind oft doppelt, unvollständig oder uneinheitlich benannt. Die KI findet Dubletten, ergänzt fehlende Merkmale aus Datenblättern und schlägt einheitliche Bezeichnungen vor, etwa für ein PIM-System oder einen Onlineshop.

Voraussetzungen: Export der Stammdaten, Regeln für die Benennung. Aufwand: gering bis mittel, oft als einmaliges Projekt mit anschließender laufender Prüfung.

Personal

16. Stellenanzeigen schreiben

Aus einer kurzen Beschreibung der Aufgabe entstehen Stellenanzeigen für verschiedene Portale, in verständlicher Sprache und mit einheitlichem Aufbau. Die Personalabteilung passt Details an.

Voraussetzungen: keine. Aufwand: gering.

17. Bewerbungen organisieren

Die KI bestätigt den Eingang, fasst Unterlagen zusammen und schlägt Termine vor. Vorsicht bei der Auswahl selbst: Systeme, die Bewerber bewerten oder aussortieren, gelten nach dem EU AI Act als Hochrisiko-Anwendungen mit strengen Pflichten. Unsere Empfehlung: KI organisiert, Menschen entscheiden.

Voraussetzungen: Abstimmung mit Datenschutz und gegebenenfalls Betriebsrat. Aufwand: gering bis mittel.

18. Einarbeitung und Schulung

Ein Assistent beantwortet neuen Mitarbeitern Fragen zu Abläufen, Werkzeugen und Regeln, jeweils mit Verweis auf das Originaldokument. Parallel lässt sich die KI-Kompetenzpflicht erfüllen, die für alle gilt, die KI im Beruf einsetzen. Mehr dazu im Beitrag KI-Schulungspflicht und in unserer Akademie.

Voraussetzungen: dokumentierte Abläufe. Aufwand: gering.

Produktion und Qualität

19. Sichtprüfung mit Kamera

Kameras an der Linie erkennen Kratzer, Maßabweichungen oder fehlende Teile. Die Technik heißt Computer Vision und beruht auf maschinellem Lernen. Sie ermüdet nicht und dokumentiert jeden Befund mit Bild.

Voraussetzungen: genügend Bilder guter und fehlerhafter Teile, konstante Beleuchtung. Aufwand: hoch, weil Hardware, Training und Einbindung in die Linie zusammenkommen.

20. Wartungsbedarf vorhersagen

Sensordaten von Maschinen zeigen Veränderungen, lange bevor etwas ausfällt. Ein Modell erkennt Muster und meldet, wann eine Wartung sinnvoll ist. Weiter gedacht entsteht daraus ein digitaler Zwilling der Anlage.

Voraussetzungen: Maschinendaten über einen längeren Zeitraum, dokumentierte Ausfälle. Aufwand: hoch.

21. Prüfberichte und Reklamationen auswerten

Reklamationen, Prüfprotokolle und Servicemeldungen liegen oft als Freitext vor. Die KI ordnet sie Fehlerarten, Produkten und Lieferanten zu und macht Häufungen sichtbar. Für Zertifizierungen hilft eine saubere Verfahrensdokumentation. Mehr zu Projekten in der Industrie finden Sie unter Produktion.

Voraussetzungen: Zugriff auf Reklamations- und Prüfdaten. Aufwand: gering bis mittel.

Recht und Vergabe

22. Verträge prüfen und vergleichen

Die KI vergleicht einen eingehenden Vertrag mit Ihrem Standard, markiert abweichende Klauseln zu Haftung, Laufzeit oder Zahlungszielen und fasst sie zusammen. Die rechtliche Bewertung bleibt bei Ihnen oder Ihrer Kanzlei. Geprüft werden sollte auch, ob ein Auftragsverarbeitungsvertrag nötig ist.

Voraussetzungen: eigene Musterverträge als Maßstab. Aufwand: gering bis mittel.

23. Ausschreibungen finden und auswerten

Öffentliche Auftraggeber veröffentlichen täglich neue Verfahren. Die KI durchsucht Vergabeplattformen, filtert nach Ihren Leistungen, liest Vergabeunterlagen und Leistungsverzeichnisse und fasst Eignungskriterien und Fristen zusammen. Die Entscheidung, ob Sie bieten, bleibt Ihre. Grundlagen erklärt der Eintrag Vergaberecht, den Ablauf der Beitrag Öffentliche Ausschreibungen finden und gewinnen. Für diesen Fall haben wir mit TenderDach ein eigenes Produkt gebaut.

Voraussetzungen: ein klares Leistungsprofil. Aufwand: gering als fertiges Produkt, mittel bis hoch als Eigenbau.

IT

24. Systeme verbinden und Daten übertragen

Viele Anwendungsfälle oben scheitern nicht an der KI, sondern daran, dass Daten in getrennten Programmen liegen. KI hilft beim Zuordnen von Feldern zwischen Systemen, beim Bereinigen vor einer Datenmigration und beim Übersetzen zwischen Formaten. Verbunden wird über eine API, Werkzeuge wie n8n oder das Model Context Protocol. Mehr dazu unter Systemintegration.

Voraussetzungen: Überblick, welche Systeme welche Daten führen. Aufwand: je nach Zahl der Systeme gering bis hoch.

25. Softwareentwicklung und Altsysteme

KI-gestützte Entwicklung beschleunigt das Schreiben, Testen und Dokumentieren von Code. Besonders nützlich ist sie bei Altsystemen: Sie erklärt alten Code, findet technische Schulden und hilft beim schrittweisen Umbau. Erfahrene Entwickler bleiben nötig, denn sie tragen die Verantwortung für Architektur und Sicherheit. Bei Longstayz haben wir eine bestehende Plattform so überarbeitet und Abläufe automatisiert: rund 70 % weniger manuelle Arbeit.

Voraussetzungen: Zugriff auf Quellcode und Dokumentation. Aufwand: projektabhängig. Hintergrund: Legacy-Software ablösen und IT-Modernisierung.

So wählen Sie den ersten Anwendungsfall

25 Möglichkeiten sind zu viele für den Anfang. Ein einziger gut gewählter Fall bringt mehr als fünf halbe. Prüfen Sie Ihre Kandidaten mit dieser Checkliste:

1. Häufigkeit: Der Vorgang fällt jede Woche mehrfach an, nicht nur gelegentlich.
2. Klare Eingabe: Die Informationen liegen digital vor, als E-Mail, PDF oder Datensatz.
3. Prüfbares Ergebnis: Eine Fachkraft erkennt auf einen Blick, ob das Ergebnis stimmt.
4. Begrenzter Schaden: Ein Fehler lässt sich korrigieren, bevor er beim Kunden ankommt.
5. Zuständige Person: Jemand im Team bewertet die Ergebnisse und gibt Korrekturen.
6. Messgröße: Sie wissen, wie viel Zeit der Vorgang heute kostet, und können den Vergleich nach einigen Wochen ziehen.
7. Anbindung: Die beteiligten Systeme haben eine Schnittstelle oder einen Export.

Erfüllt ein Kandidat alle sieben Punkte, ist er ein guter Start. Die Anfragensortierung (Fall 1), Antwortentwürfe (Fall 4) und Eingangsrechnungen (Fall 10) erfüllen sie in den meisten Betrieben. Kamerainspektion und Wartungsprognose sind wertvoll, aber selten der erste Schritt.

Ob sich ein Fall rechnet, können Sie mit dem ROI-Rechner für Automatisierung abschätzen. Wenn Sie zuerst Ihre Abläufe sortieren wollen, hilft eine Prozessanalyse oder eine Prozesslandkarte. Wie die Einführung danach Schritt für Schritt abläuft, beschreibt der Leitfaden KI-Agent einführen. Weitere Beispiele ohne KI-Schwerpunkt finden Sie unter Prozessautomatisierung: Beispiele.

Datenschutz und EU AI Act

Zwei Regelwerke betreffen fast jeden Anwendungsfall. Die DSGVO gilt, sobald personenbezogene Daten verarbeitet werden, also bei Kundenanfragen, Bewerbungen oder Gesprächsnotizen. Sie brauchen einen Auftragsverarbeitungsvertrag mit dem Anbieter, passende technische und organisatorische Maßnahmen und sollten wissen, wo die Daten verarbeitet werden. Wir betreiben unsere Lösungen zu 100 % auf Servern in Deutschland. Was beim Einsatz von ChatGPT zu beachten ist, steht im Beitrag ChatGPT im Unternehmen und Datenschutz.

Der EU AI Act ordnet KI-Systeme nach Risiko. Die meisten Fälle in diesem Beitrag sind gering riskant: Sie verlangen vor allem Transparenz, etwa den Hinweis, dass eine KI antwortet, und geschulte Mitarbeiter. Strenger wird es bei Personalentscheidungen, Kreditwürdigkeit oder sicherheitskritischen Anwendungen. Legen Sie intern fest, wer welche Werkzeuge nutzen darf. Das ist der Kern von KI-Governance und schützt auch vor Risiken wie Prompt Injection.

Wie wir Sie unterstützen

Wir haben KI bereits in 11+ Unternehmen eingeführt. Je nach Ausgangslage beginnen wir unterschiedlich: Mit der KI-Implementierung bringen wir einen ersten Anwendungsfall in den Betrieb, typischerweise mit einem ersten Ergebnis nach 14 Tagen. Wer wiederkehrende Aufgaben dauerhaft an eine feste Rolle abgeben will, findet unter KI-Mitarbeiter den passenden Ansatz. Für Abläufe über mehrere Systeme gibt es die Prozessautomatisierung, für Belege, Formulare und Verträge den Bereich Dokumente und Daten. Und wenn Sie noch nicht wissen, wo Sie stehen, zeigt der Digitalisierungs-Check die sinnvollen nächsten Schritte.

Häufige Fragen

Welcher KI-Anwendungsfall eignet sich für den Einstieg?

Am besten ein häufiger, gut prüfbarer Vorgang mit digitaler Eingabe: Anfragen vorsortieren, Antwortentwürfe schreiben oder Eingangsrechnungen auslesen. Diese Fälle zeigen schnell, ob die Zusammenarbeit zwischen Team und KI funktioniert, und die Fehler bleiben korrigierbar.

Was kostet KI im Unternehmen?

Das hängt vor allem von der Zahl der angebundenen Systeme, der Datenqualität und dem laufenden Betrieb ab, weniger vom Modell. Ein einzelnes Werkzeug ist günstig, ein Agent mit mehreren Schnittstellen deutlich aufwendiger. Eine Einordnung liefert der Beitrag Was kostet eine KI-Einführung?, eine erste Schätzung der KI-Kosten-Rechner.

Brauchen wir eigene Daten, um KI sinnvoll zu nutzen?

Für allgemeine Aufgaben wie Texte entwerfen nicht. Sobald die KI Fragen zu Ihren Produkten, Preisen oder Abläufen beantworten soll, ja. Dann greift sie per RAG auf Ihre Dokumente zu. Ein eigenes Modell zu trainieren (Fine-Tuning) ist im Mittelstand selten nötig.

Ersetzt KI Mitarbeiter?

In den Fällen dieses Beitrags übernimmt KI Routinearbeit: lesen, sortieren, entwerfen, abgleichen. Entscheidungen mit Folgen für Kunden, Geld und Personal bleiben bei Menschen. In unseren Projekten fällt oft rund 80 % der manuellen Arbeit in einem Vorgang weg. Das Team gewinnt Zeit für Beratung, Verkauf und die Fälle, die Erfahrung brauchen.

Sie möchten wissen, welcher dieser 25 Fälle in Ihrem Unternehmen am meisten bringt? Sprechen Sie mit uns im kostenfreien Erstgespräch.