IT-Wissen · IT-Wissen

European AI Innovation Month: Welche KI-Pilotprojekte für deutsche KMU belastbar vorbereitet werden können

Kurz zusammengefasst: Der European AI Innovation Month lenkt den Blick auf die praktische Einführung von Künstlicher Intelligenz in Unternehmen. Für deutsche KMU ist das ein guter Anlass, aus allgemeinen KI-Ideen klar abgegrenzte Pilotprojekte zu entwickeln. Entscheidend sind ein messbarer Arbeitsprozess, verfügbare Daten, menschliche Kontrolle, ein passender Rechts- und Sicherheitsrahmen sowie ein sauberer Übergang vom Test in den Betrieb.

Nutzen und Einordnung

Der European AI Innovation Month verbindet Politik, Wirtschaft, öffentliche Verwaltung und Forschung, um die Entwicklung und Anwendung von KI in europäischen Branchen sichtbar zu machen. Für Unternehmen ist der wichtigste Impuls dabei nicht die Technologie allein, sondern die Frage, wie aus einem konkreten betrieblichen Problem ein kontrollierbarer Anwendungsfall wird.

Die europäische Apply AI Strategy richtet ihren Blick ausdrücklich auf die Einführung von KI in strategischen Branchen und auf kleine und mittlere Unternehmen. Genannt werden unter anderem Fertigung, Ingenieurwesen und Bau, Mobilität, Energie, Umwelt, Agrar- und Ernährungswirtschaft sowie kulturelle und mediale Bereiche. Für ein KMU bedeutet das: Ein Pilotprojekt sollte an einem vorhandenen Prozess ansetzen und einen nachvollziehbaren betrieblichen Nutzen prüfen.

Belastbar vorbereitet ist ein Pilot nicht schon dann, wenn ein Sprachmodell eine überzeugende Antwort liefert. Belastbar wird er durch einen definierten Zweck, einen begrenzten Datenbestand, dokumentierte Prüfschritte, klare Verantwortlichkeiten und ein Abbruchkriterium. So entsteht eine Entscheidungsvorlage für die Geschäftsführung statt einer unverbindlichen Technologiedemonstration.

Ein geeigneter Pilot bearbeitet eine wiederkehrende Aufgabe mit erkennbarem Zeit-, Qualitäts- oder Transparenzproblem.
Der Pilot bleibt zunächst auf einen Prozess, eine Nutzergruppe und einen abgegrenzten Datenbestand beschränkt.
Das Ergebnis wird gegen einen vorher festgelegten Referenzprozess geprüft.

Welche Pilotprojekte sich für KMU eignen

Besonders geeignet sind Assistenzlösungen, bei denen Menschen die fachliche Verantwortung behalten. Ein Beispiel ist die interne Wissenssuche: Ein System erschließt freigegebene Handbücher, Prozessbeschreibungen oder technische Dokumentationen und schlägt passende Textstellen vor. Die Antwort muss mit Quellenstellen oder Dokumentverweisen überprüfbar bleiben. Nicht die sprachliche Eleganz, sondern die Trefferqualität und die Zahl erforderlicher Korrekturen sind die entscheidenden Prüfpunkte.

Ein zweites sinnvolles Feld ist die Dokumentvorprüfung. Eingangsrechnungen, Lieferantendokumente, Wartungsberichte oder Anfragen können klassifiziert, zusammengefasst und an zuständige Stellen weitergeleitet werden. Der Pilot darf dabei zunächst nur Vorschläge erzeugen. Freigaben, Buchungen, Vertragsentscheidungen oder Änderungen in Fachsystemen bleiben außerhalb des automatischen Handlungsspielraums, bis die Fehlerquote, die Nachvollziehbarkeit und die Prozessverantwortung geklärt sind.

Auch die Vorbereitung von Kunden- und Servicekommunikation kann ein geeigneter Anwendungsfall sein. KI kann aus einem vorhandenen Vorgang einen Antwortentwurf erstellen, fehlende Informationen markieren oder ähnliche Fälle auffinden. Verbindliche Aussagen zu Preisen, Lieferterminen, Haftung, Gesundheit, Personal oder rechtlichen Ansprüchen müssen jedoch durch dafür verantwortliche Personen geprüft werden.

In der Produktion und im technischen Service sind zunächst beobachtende Piloten sinnvoll. Dazu gehören die strukturierte Auswertung von Störungsmeldungen, die Priorisierung von Wartungsfällen oder die Suche nach wiederkehrenden Fehlerbildern. Eine KI darf im Pilotstadium Hinweise liefern; sie sollte Maschinen, Sicherheitsfunktionen oder kritische Betriebsabläufe nicht eigenständig steuern.

Für jeden Anwendungsfall wird ein Pilotsteckbrief erstellt. Er enthält Ziel, Prozessgrenze, Datenquellen, Nutzer, erwartetes Ergebnis, menschliche Kontrollpunkte, Messgrößen, Risiken, Verantwortliche und die Entscheidung nach dem Test. Als Messgrößen eignen sich beispielsweise Bearbeitungszeit pro Vorgang, Anteil fachlich brauchbarer Vorschläge, Korrekturaufwand, nicht beantwortbare Fälle und dokumentierte Fehlentscheidungen.

Interne Wissenssuche mit überprüfbaren Dokumentverweisen.
Klassifikation und Vorprüfung wiederkehrender Dokumente.
Antwortentwürfe für Service und interne Kommunikation.
Priorisierung von Wartungs- und Supportfällen.
Beobachtende Auswertung technischer oder kaufmännischer Vorgänge.

So wird aus einer Idee ein belastbarer Pilot

Am Anfang steht die Prozessaufnahme. Das Unternehmen beschreibt, wie die Aufgabe heute erledigt wird, welche Systeme beteiligt sind, wo Medienbrüche entstehen und welche Entscheidungen nicht automatisiert werden dürfen. Erst danach wird entschieden, ob KI überhaupt die passende Lösung ist. Eine klassische Suche, eine bessere Maske oder eine Datenbereinigung kann dem Problem gegebenenfalls zuverlässiger begegnen.

Danach folgt die Datenprüfung. Zu klären sind Herkunft, Aktualität, Vollständigkeit, Rechte, Aufbewahrung und Zugriff. Personenbezogene, vertrauliche oder besonders schützenswerte Informationen werden nicht ungeprüft an externe Dienste übertragen. Für einen ersten Test genügt häufig ein bereinigter und repräsentativer Beispieldatensatz. Die Auswahl und Veränderung der Testdaten wird dokumentiert, damit das Ergebnis nachvollziehbar bleibt.

Technisch sollte der Pilot mit möglichst wenig Integration beginnen. Eine abgeschottete Testumgebung, feste Eingaben, protokollierte Ergebnisse und ein definierter Export sind oft ausreichend. Direkte Schreibzugriffe auf ERP-, CRM-, Personal- oder Produktionssysteme gehören nicht in die erste Ausbaustufe. Für jedes eingesetzte Modell oder jeden Dienst werden Anbieter, Datenverarbeitung, Speicherort, Vertragsbedingungen, Modellversion und Änderungsprozesse festgehalten.

Der organisatorische Rahmen ist ebenso wichtig. Der AI Act verfolgt einen risikobasierten Ansatz. Verbotene Anwendungen, Hochrisiko-Einsatzbereiche und Systeme mit geringem oder begrenztem Risiko werden unterschiedlich behandelt. Ein KMU sollte deshalb vor dem Start eine kurze Risikoeinordnung durchführen und prüfen, ob der Einsatz mit Datenschutz, Arbeitsrecht, Geheimhaltung, Urheberrecht, Produktsicherheit und branchenspezifischen Vorgaben vereinbar ist.

Für Anbieter und Betreiber von KI-Systemen besteht nach Artikel 4 des AI Act eine Pflicht, Maßnahmen zur KI-Kompetenz der beteiligten Beschäftigten zu ergreifen. Dafür ist keine einheitliche externe Zertifizierung vorgeschrieben. Praktisch sinnvoll sind eine dokumentierte Einweisung, Regeln für vertrauliche Daten, Vorgaben zur Prüfung von Ergebnissen und ein Meldeweg für Fehler oder problematische Ausgaben.

Der Pilot endet mit einer Entscheidung, nicht automatisch mit einer Produktivsetzung. Möglich sind die Freigabe für einen begrenzten Betrieb, eine Überarbeitung mit neuen Testdaten, die Ablösung durch eine andere Lösung oder der kontrollierte Abbruch. Ein positiver Test muss außerdem in einen Betriebsplan überführt werden: Zuständigkeit, Monitoring, Zugriffsrechte, Protokollierung, Notfallverfahren, Anbieterwechsel und regelmäßige Neubewertung gehören dazu.

Prozess vor Technologie beschreiben.
Testdaten bereinigen und ihre Eignung dokumentieren.
Schreibzugriffe und autonome Entscheidungen zunächst ausschließen.
Risikoeinordnung und KI-Kompetenzmaßnahmen vor dem Test festlegen.
Ergebnisse mit einem Referenzprozess und vorher definierten Kriterien bewerten.

Der sinnvolle nächste Schritt

Für die meisten KMU ist ein kleiner, gut dokumentierter Pilot der sinnvollste Einstieg. Die Geschäftsführung benennt einen Prozessverantwortlichen, die IT prüft Daten- und Sicherheitsgrenzen, die Fachabteilung definiert Qualitätskriterien und die betroffenen Beschäftigten testen die Lösung mit realistischen Fällen. Erst wenn diese Perspektiven zusammengeführt sind, lässt sich beurteilen, ob der Einsatz tragfähig ist.

Unterstützungsangebote aus dem europäischen KI-Ökosystem können bei Zugang zu Wissen, Training, Testumgebungen und geeigneten Partnern helfen. Die European Digital Innovation Hubs beziehungsweise Experience Centres for AI werden von der Europäischen Kommission als Zugangspunkte für die KI-Unterstützung beschrieben. Sie ersetzen jedoch nicht die eigene Prüfung von Daten, Verantwortlichkeiten und Wirtschaftlichkeit.

Der European AI Innovation Month eignet sich damit als Anlass für eine strukturierte Bestandsaufnahme: Welche wiederkehrende Aufgabe kostet Fachkräfte Zeit? Welche Daten liegen bereits in brauchbarer Form vor? Welche Entscheidung soll ausdrücklich beim Menschen bleiben? Und woran würde die Geschäftsführung nach wenigen Wochen erkennen, dass der Pilot fortgeführt oder beendet werden sollte? Mit diesen Antworten entsteht ein realistischer und prüfbarer Startpunkt.

Beispiel aus der Praxis

Beispiel: Ein mittelständischer technischer Dienstleister erhält täglich Wartungsberichte, E-Mails und Fotos zu Anlagenstörungen. Als Pilot wird eine interne Assistenz eingerichtet, die ausschließlich freigegebene Berichte und Handbücher durchsucht, Störungsmeldungen nach vorab definierten Kategorien sortiert und einen Antwortentwurf für die Einsatzplanung vorbereitet. Sie darf keine Arbeitsaufträge auslösen und keine sicherheitsrelevante Entscheidung treffen. Zwei erfahrene Mitarbeitende prüfen jede Ausgabe. Bewertet werden die fachliche Verwendbarkeit der Vorschläge, der Korrekturaufwand, nicht erkannte oder falsch zugeordnete Fälle und die Nachvollziehbarkeit der verwendeten Dokumente. Erst wenn diese Kriterien erfüllt sind und Datenschutz, Zugriffsrechte, Protokollierung sowie der Umgang mit fehlerhaften Ergebnissen geklärt sind, wird über eine begrenzte Erweiterung entschieden. Das ist keine erfundene Kundenreferenz, sondern ein realistisches Muster für die Vorbereitung eines eigenen Piloten.

Chancen für Unternehmen

Wiederkehrende Recherche- und Dokumentationsaufgaben können strukturiert vorbereitet werden, ohne sofort Kernsysteme zu verändern.
KMU können Fachwissen besser auffindbar machen und neue Mitarbeitende durch geprüfte interne Hilfen unterstützen.
Beobachtende Analysepiloten können Muster in Service-, Wartungs- oder Supportdaten sichtbar machen.
Ein klar abgegrenzter Test schafft eine belastbare Grundlage für Investitions-, Sicherheits- und Betriebsentscheidungen.
Europäische Unterstützungsstrukturen wie Experience Centres for AI können Zugang zu Wissen, Training und Testmöglichkeiten erleichtern.

Grenzen und Prüfpunkte

Ein überzeugender Text oder eine einzelne erfolgreiche Demonstration beweist keine zuverlässige Prozessleistung.
Unvollständige, veraltete, rechtswidrig erhobene oder schlecht zugängliche Daten begrenzen den Nutzen des Piloten.
KI-Ausgaben können fachlich falsch, unvollständig oder nicht ausreichend begründet sein und benötigen je nach Einsatz eine menschliche Prüfung.
Personenbezogene, vertrauliche und geschützte Informationen dürfen nicht ohne geeignete rechtliche, technische und organisatorische Prüfung an einen Dienst übertragen werden.
Bei Personalentscheidungen, biometrischen Anwendungen, kritischer Infrastruktur, regulierten Produkten oder anderen sensiblen Einsatzfeldern können erhöhte Anforderungen gelten; eine allgemeine Pilotfreigabe ist daraus nicht ableitbar.
Modell-, Anbieter- oder Softwareänderungen können das Verhalten eines Systems verändern. Ein Pilot braucht deshalb Versions- und Änderungsmanagement.
Ein Pilot ist keine automatische Produktivfreigabe. Betrieb, Support, Notfallverfahren, Kosten, Rechte, Monitoring und ein Ausstiegsszenario müssen separat geklärt werden.