Drei Felder der KI-Wertschöpfung

Erst das Feld, dann das Werkzeug

Die meisten KI-Gespräche in Betrieben beginnen mit einer Werkzeugfrage: Copilot oder ChatGPT? Und sie enden oft bei ein paar Einzellizenzen, die niemand misst. Der Grund ist selten das Werkzeug. Es fehlt die Frage davor: Wo soll KI eigentlich wirken?

Dafür reicht eine einfache Einteilung in drei Felder. Sie stammt aus der Beratungspraxis und deckt sich mit dem, was in dokumentierten Betrieben tatsächlich passiert:

Die Felder sind bewusst getrennt, weil sie sich in drei Dingen unterscheiden: im passenden Werkzeug, im Rechtsrahmen und im Aufwand. Ein Chat-Abo für die Assistenz hat wenig mit einem Kundenchatbot gemeinsam, auch wenn beide dasselbe Sprachmodell nutzen. Verbunden sind die Felder durch eine gemeinsame Basis: Daten, Fähigkeiten, Regeln und Anbindungen. Dazu unten mehr.

Drei Fragen, die Du nicht vermischen solltest

Das Feld sagt, wo der Wert entstehen soll. Zwei weitere Fragen entscheiden darüber, wie tief Du dafür eingreifst und wie frei die Maschine handeln darf:

Für die Eingriffstiefe hat McKinsey 2026 drei Stufen beschrieben: Werkzeuge unterstützen Teile der bestehenden Arbeit, Abläufe werden über Bereichsgrenzen hinweg umgebaut, oder Rollen und Betriebsmodell werden neu geschnitten. Die Befragung dahinter ist eine Selbstauskunft von Führungskräften und keine Erhebung für den deutschen Mittelstand. Zwei Beobachtungen daraus sind trotzdem brauchbar: Führungskräfte berichten deutlich häufiger einen messbaren Nutzen, wenn Abläufe beim Einsatz umgebaut wurden (32 Prozent), als wenn sie unverändert blieben (6 Prozent). Und die Fähigkeit der Organisation, Abläufe und Betriebsmodell zu verändern, erklärt den Unterschied zwischen Betrieben mit und ohne berichteten Nutzen stärker als die persönliche Übung der Einzelnen (48 gegenüber 25 Prozent).

Für Dich heißt das: Lizenzen verteilen ist der Anfang, nicht das Ergebnis. Wer KI auf einen unveränderten Ablauf legt, bekommt meist einen etwas schnelleren unveränderten Ablauf.

Den Autonomiegrad legst Du separat fest. Die Fünf Stufen der Automation reichen von „Mensch entscheidet allein“ bis „KI entscheidet ohne Menschen“. In der persönlichen Arbeit bleibst Du auf Stufe 1, in Prozessen auf Stufe 2 bis 3, und im Kundenkontakt legst Du fest, wann die KI an einen Menschen übergibt.

Die drei Fragen sind keine Reihenfolge. Du kannst Deinen Kundenservice umbauen und in der persönlichen Arbeit gleichzeitig noch bei einfachen Werkzeugen stehen. Praktisch gehst Du so vor: zuerst Feld und Zielkennzahl festlegen, dann entscheiden, wie tief Du in den Ablauf eingreifst, und zuletzt, wie viel die KI selbst entscheiden darf.

Feld 1: Persönliche Arbeit

Hier nutzen Mitarbeitende ein Sprachmodell für Recherche, Entwurf, Analyse, Zusammenfassung und Vorbereitung. Die Person bleibt Autorin, das Modell liefert Rohmaterial und liest gegen.

In diesem Feld ist fast jeder Betrieb schon, oft ohne es zu wissen. Je nach Erhebung nutzen 2026 zwischen 20 und 55 Prozent der Unternehmen KI; die Spannweite erklärt sich dadurch, was gefragt wurde (produktiver Einsatz bei der KfW, jede Nutzung bei ifo). Wie Du die Zahlen liest, steht unter KI-Strategie. Was alle Erhebungen gemeinsam zeigen: Ein großer Teil der Nutzung läuft über private Konten, also als Schatten-KI.

Was Betriebe damit machen. Ein Dachdeckerbetrieb in Kerpen schreibt Kundentexte, Materialvergleiche und Gesprächsleitfäden mit ChatGPT und eigenen GPTs. Ein Wintergartenbauer im Allgäu mit 25 Beschäftigten berichtet rund 80 Prozent weniger Zeit für Spesenabrechnungen. Eine Berliner Zahnarztpraxis diktiert die Dokumentation direkt in die Praxissoftware und nennt bis zu 40 Prozent weniger Dokumentationszeit (Herstellerangabe). Die Szenarien auf dieser Seite zeigen dasselbe Muster: Befunddiktat zum Arztbrief, Aktenvermerk aus dem Diktat, Angebot aus der Sprachnotiz.

Welches Werkzeug. Ein Chat-Assistent im Firmentarif genügt. Entscheidend ist der Tarif, nicht der Anbieter: Die kostenlosen Versionen von ChatGPT, Claude, Gemini und Copilot haben keinen Auftragsverarbeitungsvertrag und sind für Firmendaten ungeeignet. Firmentarife (ChatGPT Business, Claude Team oder Enterprise, Microsoft 365 Copilot, Gemini in Workspace, Mistral Le Chat) haben den Vertrag, nutzen Eingaben nicht zum Training und unterscheiden sich vor allem darin, ob die Verarbeitung in der EU stattfindet. Welche Datenklasse in welches Werkzeug darf, steht in der Ampel unter KI-Tools im Unternehmen; wo Dein Modell tatsächlich rechnet, klärt der Vergleich Direktvertrag, Hyperscaler, Gateway oder Eigenbetrieb.

Was Du dafür brauchst. Vier Dinge, keine Projektorganisation: einen Firmentarif mit Vertrag, eine kurze Nutzungsregel (welche Daten hinein dürfen, welche nicht, siehe KI-Richtlinie), eine dokumentierte Einweisung nach Art. 4 KI-Verordnung und die Gewohnheit, Ausgaben zu prüfen. Zwei Gerichte haben 2025 Anwälte ermahnt, die erfundene Urteile aus einem Sprachmodell in Schriftsätze übernommen hatten. Der Fehler lag nicht im Werkzeug, sondern im Verzicht auf die Prüfung.

Die Grenze. Der Nutzen bleibt an die Person gebunden. Wenn zehn Kolleginnen dieselbe Aufgabe mit demselben Assistenten erledigen, hast Du zehn Einzellösungen. Sobald sich eine Aufgabe wiederholt und mehrere Rollen berührt, gehört sie in Feld 2.

Feld 2: Geschäftsprozesse

Hier verbindet ein Ablauf wiederholbare Schritte über Rollen, Daten und Systeme. Das Modell sitzt in einem Workflow: Es klassifiziert, extrahiert, entwirft oder prüft, und der Workflow reicht das Ergebnis an das nächste System oder den nächsten Menschen weiter. An definierten Stellen prüft ein Mensch (Human in the Loop).

Das ist das Feld mit dem größten belegten Nutzen im Mittelstand. Fraunhofer IAO, Bitkom und die Analysen hinter dieser Website verorten 70 bis 80 Prozent des Ertrags aus KI in Prozess- und Effizienzgewinnen, nicht in neuen Produkten.

Was Betriebe damit machen. Ein Maschinenbauer in Verden lässt ein lernendes System auf Bestell- und Rechnungsdaten Bündelungen, Rabatte und Preisabweichungen erkennen und berichtet Einsparungen im mittleren sechsstelligen Bereich in zwei Jahren. Eine Bäckerei mit 110 Beschäftigten und zehn Filialen leitet aus Kassendaten Backempfehlungen je Filiale ab; der Inhaber nennt zwei Voraussetzungen, Kassendaten seit 2016 und die Beteiligung der Belegschaft. Ein Wintergartenbauer bewertet Anfragen nach Abschlusswahrscheinlichkeit und spart nach eigener Angabe einen sechsstelligen Betrag Vertriebskosten im Jahr. Die Szenarien dazu: Eingangs-Mail-Triage, Belegerfassung in der Buchhaltung, Lead-Qualifizierung im CRM, Mitarbeiter-Chat auf eigenem Wissen.

Workflow zuerst, Agent nur bei Bedarf. Die wichtigste Entscheidung in diesem Feld ist die zwischen Workflow und Agent. Ein Workflow hat einen festen Pfad, den ein Mensch beim Bau festgelegt hat. Ein Agent wählt seine Schritte selbst. In der Praxis reicht in etwa 80 Prozent der Fälle ein Workflow: Rechnungseingang, Mail-Sortierung, Lead-Bewertung, Ticket-Zuordnung. Gartner erwartet, dass über 40 Prozent der Agenten-Projekte bis Ende 2027 abgebrochen werden, wegen Kosten, unklarem Nutzen und fehlender Risikokontrolle. Wie beides zusammenpasst, steht unter Automatisierung & Agenten.

Welches Werkzeug. Workflow-Plattformen wie n8n oder Make, Agenten-Baukästen wie Copilot Studio, und für Firmenwissen eine Wissensbasis mit Quellenverweis, etwa mit OpenWebUI. 2026 ist dazugekommen, dass die großen Modelle Browser und Desktop selbst bedienen können („Computer Use“). Damit rücken Prozesse in Reichweite, für die es keine Programmierschnittstelle zum Altsystem gibt. Ob das für Deinen Betrieb ohne Entwicklungsteam geht, steht unter Agenten ohne Entwicklungsteam. Eine Warnung aus demselben Jahr: OpenAI hat seinen visuellen Agenten-Baukasten im Juni 2026 abgekündigt. Prozesslogik gehört in eine Plattform, die Du wechseln kannst.

Was in diesem Feld schiefgeht. Fraunhofer ISI beschreibt 2026, dass der technische Aufbau selten das Problem war. Gescheitert sind Projekte an eingefahrenen Abläufen, fehlendem Veränderungsmanagement und daran, dass KI-Projekte bei Budgetkürzungen als erstes gestrichen wurden. Ein Mittelstand-Digital-Zentrum dokumentiert an einem Hotel-Handbuch, dass eine selbst betriebene Wissensbasis dauerhaft IT-Aufwand erzeugt: Tabellen gehen beim Einlesen verloren, nach jeder Infrastrukturänderung muss neu indexiert werden. Und 33 Prozent der Betriebe berichten, KI sei teurer geworden als geplant, die Treiber stehen unter KI-Kosten.

Daraus folgt die Reihenfolge: erst den Ablauf klären (wer entscheidet, welche Information gilt, was nach der Antwort passiert, siehe Prozess vor Chatbot und Prozessanalyse), dann Daten prüfen, dann Werkzeug wählen, dann mit einem begrenzten Pilot und einer Kennzahl starten.

Feld 3: Produkte und Services

Hier wird KI Teil dessen, was Dein Kunde bekommt: eine Funktion im Produkt, ein Assistent im Kundenkontakt, ein Angebot, das ohne KI nicht möglich wäre. Der Kunde spricht direkt mit dem System. Damit ändern sich drei Dinge: Der Rechtsrahmen wird strenger, Fehler werden öffentlich, und der Erfolg misst sich in Kundennutzen statt in gesparter Zeit.

Im Mittelstand ist das das kleinste Feld. Der Umsatzanteil neuer Produkte lag 2025 auf einem 20-Jahres-Tief. Die Beispiele zeigen aber, dass es auch für Handwerk und kleine Dienstleister erreichbar ist.

Was Betriebe damit machen. Eine Tischlerei in der Wedemark lässt Kunden auf der Website Möbel beschreiben und liefert ein Rendering; die Beratungsgespräche verkürzen sich, die Bewerbungen werden besser. Ein Schädlingsbekämpfer in Harrislee nimmt Anrufe mit einem KI-Telefonassistenten an; der Anteil abgebrochener Anrufe von Neukunden sank laut Bericht von rund 60 auf 10 bis 15 Prozent. Ein Softwarehersteller in Kaiserslautern hat einen Support-Assistenten in sein Produkt eingebaut. Die Szenarien dazu: Beratungsbot im Möbelhaus, Anrufannahme in der Arztpraxis, Kundenservice im Onlineshop, Service-Hotline über mehrere Kanäle. Für Sprache im Kundenkontakt gibt es eine eigene Seite: Voice-Agents.

Der Fall, der die Grenze zeigt. Das Oberlandesgericht Hamm hat am 12. Mai 2026 entschieden, dass ein Unternehmen für falsche Aussagen seines Website-Chatbots haftet. Der Chatbot einer Düsseldorfer Klinik hatte Facharzttitel erfunden; das Gericht sah eine Irreführung nach dem Gesetz gegen den unlauteren Wettbewerb und stellte fest: Der Chatbot ist kein Dritter. Was der Assistent sagt, sagst Du. Deshalb braucht ein Kundenassistent eine geprüfte Wissensbasis, enge Antwortgrenzen, eine Übergabe an Menschen bei Unsicherheit und regelmäßige Stichproben.

Die Pflicht seit August 2026. Seit dem 2. August 2026 gilt Art. 50 der KI-Verordnung: Kunden müssen spätestens beim ersten Kontakt erfahren, dass sie mit einem KI-System sprechen, sofern das nicht offensichtlich ist. Was genau gekennzeichnet werden muss und von wem, steht unter Art. 50 Transparenzpflichten und auf der Seite zum EU AI Act.

Die gemeinsame Basis

Die vier Elemente, die alle drei Felder tragen, entscheiden in den dokumentierten Fällen über Erfolg oder Abbruch.

Daten und Wissen. Die Bäckerei hat Kassendaten seit 2016, der Wintergartenbauer jahrelange Anfragedaten, der Maschinenbauer saubere ERP-Daten. Ohne solche Grundlagen gibt es weder Prognose noch Bewertung. Für Wissensbasen gilt: Ein Modell antwortet nur so verlässlich, wie die Quelle gepflegt ist. Das ist der Grund, warum Datenaufbereitung in Projekten regelmäßig den größten Teil der Zeit frisst.

Fähigkeiten. Bitkom nennt fehlende Kompetenz als häufigste Hürde. Art. 4 der KI-Verordnung verlangt seit Februar 2025 Maßnahmen zur KI-Kompetenz; seit der Änderung im Juli 2026 heißt es „Maßnahmen ergreifen, um KI-Kompetenz zu fördern“, ein bestimmtes Niveau je Person ist nicht geschuldet. Für Feld 1 reicht eine Einweisung mit Nutzungsregel; für Feld 2 und 3 braucht es jemanden im Haus, der den Ablauf versteht und das Werkzeug betreuen kann. Wie Du das belegst, steht unter Nachweise nach dem EU AI Act.

Regeln. Ein Inventar aller genutzten Werkzeuge, auch der privaten. Eine Nutzungsrichtlinie von wenigen Seiten. Ein Nachweis der Einweisung. Die Kennzeichnung im Kundenkontakt. Dazu die DSGVO-Pflichten, die für alle drei Felder gleich sind: Auftragsverarbeitungsvertrag, Eintrag im Verzeichnis der Verarbeitungstätigkeiten, bei Personenbezug eine Folgenabschätzung, und die Prüfung, ob Daten in ein Drittland gehen. Die Liste steht unter DSGVO & KI, das Gesamtbild unter KI-Compliance.

Anbindungen. In Feld 1 genügt die Bürosoftware. In Feld 2 entscheidet die Anbindung an ERP, CRM, Mail und Ablage über den Nutzen. In Feld 3 kommt die Anbindung an Website, Telefonie oder das eigene Produkt dazu. Der offene Standard dafür heißt Model Context Protocol; er liegt seit Dezember 2025 bei der Linux Foundation und wird von allen großen Anbietern unterstützt.

Und für jeden Anlauf vier Festlegungen. Bevor ein Vorhaben startet, sollten vier Dinge schriftlich stehen: der erwartete Nutzen, wer verantwortlich ist, was es kosten darf, und woran Du merkst, dass Du abbrichst. Der letzte Punkt fehlt am häufigsten und ist der wichtigste. So werden Daten und Regeln nicht zum Bremsklotz, sondern zu dem, was den nächsten Anlauf leichter macht als den ersten.

Die Modelle dahinter, Stand September 2026

Für die Feldentscheidung ist die Modellwahl zweitrangig. Die Modelle der drei großen US-Anbieter (Anthropic mit Claude, OpenAI mit GPT, Google mit Gemini) liegen in der Alltagsqualität nah beieinander; Kontextfenster von einer Million Token sind der Normalfall, und die Preise ändern sich monatlich. Wichtiger als der Modellname ist der Bezugsweg: direkt beim Anbieter, über eine Cloud-Region in der EU oder eingebettet in die Bürosoftware. Die Werkzeug-Landkarte führt die Modelle mit Stand und Einordnung.

Für Betriebe, die Daten nicht an einen US-Anbieter geben wollen oder dürfen, gibt es 2026 eine tragfähige Auswahl offener Modelle mit freier Lizenz: Mistral aus Frankreich, Gemma von Google, Qwen aus China, gpt-oss von OpenAI. Die Herkunft ist für den Datenschutz unerheblich, solange das Modell auf eigener oder EU-Infrastruktur läuft; ein chinesisches Qwen auf einem Server in Frankfurt schickt keine Daten nach China. Betreiben kannst Du sie bei deutschen Anbietern wie IONOS, STACKIT oder T-Systems, oder auf eigener Hardware. Die Erfahrung dabei: Das Modell ist der kleinste Teil des Aufwands, der große Teil ist Betrieb, Berechtigungen und Datenpflege. Wann sich eine fertige Plattform gegenüber dem eigenen Aufbau lohnt, steht im Vergleich RAG-Plattform oder eigener Stack.

Von den europäischen Eigenentwicklungen ist 2026 praktisch Mistral übrig. Aleph Alpha geht nach der Ankündigung vom April 2026 in Cohere auf, OpenGPT-X wurde 2025 beendet. Wer heute „europäisches Modell“ sagt, meint Mistral.

So findest Du Dein Feld

1. Reibung benennen. Welche Aufgabe kostet jede Woche Zeit oder erzeugt Fehler? Sätze wie „das weiß bei uns jeder irgendwie“ oder „das steht irgendwo im Laufwerk“ zeigen ein Prozessproblem, kein Werkzeugproblem.
2. Feld zuordnen. Betrifft die Aufgabe eine Person, mehrere Rollen und Systeme, oder den Kunden? Daraus folgen Werkzeugklasse, Rechtsrahmen und Erfolgsmaß.
3. Datenlage prüfen. Gibt es die Daten, die die Aufgabe braucht, und sind sie gepflegt? Wenn nicht, ist das der erste Schritt, nicht die Modellwahl.
4. Autonomiegrad festlegen. Wo prüft ein Mensch? Welche Fälle gehen als „unklar“ an Menschen?
5. Werkzeug wählen. Firmentarif mit Vertrag; für sensible Daten EU-Verarbeitung oder eigener Betrieb; Workflow vor Agent; Herstellerbindung vermeiden.
6. Klein starten, messen, entscheiden. Ein Pilot mit einer Kennzahl und einem Datum, an dem Du über Ausbau oder Abbruch entscheidest.

Ein realistischer Pfad für einen Betrieb ohne IT-Abteilung: Feld 1 in Wochen, Feld 2 in einem Quartal mit einem Workflow für Posteingang, Belege oder Angebote, Feld 3 erst, wenn Feld 2 läuft und Wissensbasis und Regeln stehen. Welche Reibung in Deiner Branche typisch ist, zeigen die Ausgangslagen nach Branche; ob Dein Betrieb schon so weit ist, prüft der anonyme Selbsttest unter Wie weit bist Du?.

Die vollständige Herleitung mit allen Quellen, Modellständen und Rechtsprechung liegt in der Wissensbasis; der Stand dieser Seite ist der 3. September 2026.