KI am Arbeitsplatz: Was die Daten wirklich zeigen – und was deutsche Unternehmen jetzt tun müssen

Die Studie: Methodik und Grundlagen

Die Studie kombiniert zwei Datenquellen, die ihre besondere Belastbarkeit begründen. Erstens: zwei Runden repräsentativer Beschäftigtenbefragungen, die von den Autoren eigens entwickelt und in sieben Ländern gleichzeitig durchgeführt wurden – USA, Deutschland, Großbritannien, Frankreich, Italien, Schweden und die Niederlande. Die erste Welle erhob im Mai/Juni 2025 rund 5.000 Antworten pro Land, die zweite Welle im Januar/Februar 2026 rund 3.000 pro Land. Befragungsmethodik und Gewichtung orientierten sich an den nationalen Arbeitskräfteerhebungen der jeweiligen Länder, um Vergleichbarkeit zu gewährleisten.

Zweitens: Unternehmensdaten aus dem EU-Erhebungsprogramm zur IKT-Nutzung in Unternehmen (EU-ICT-Firm-Survey, 157.000 Unternehmen in 32 Ländern) sowie aus dem US-amerikanischen Business Trends and Outlook Survey. Diese Kombination aus Beschäftigten- und Unternehmensperspektive über mehrere Jahre hinweg macht die Studie zu einer der methodisch robustesten ihrer Art.

Die wichtigsten Befunde im Überblick

Befund 1: Nutzungsquoten – Deutschland im Mittelfeld

Anfang 2026 nutzen 43% der US-Beschäftigten generative KI für ihre Arbeit. Deutschland liegt mit 31,5% im europäischen Mittelfeld – hinter Großbritannien (36,3%), Schweden (35,6%) und den Niederlanden (35,6%), aber vor Frankreich (28,1%) und Italien (25,6%). Im Vergleich zu den USA entspricht das einem Rückstand von 11,5 Prozentpunkten, oder anders ausgedrückt: US-Beschäftigte nutzen KI zwischen 18% und 68% häufiger als ihre europäischen Kollegen.

Befund 2: Der »Triple Gap« – nicht doppelt, dreifach zurück

Die Nutzungsquote allein unterschätzt den tatsächlichen Abstand. Wer KI nutzt, tut das in den USA mit deutlich höherer Intensität: Bedingte Nutzende dort verbringen 13% ihrer Arbeitszeit mit KI-Anwendungen – in Deutschland sind es nur 7%. Der eigentlich aufschlussreiche Wert aber ist der Anteil aller Arbeitsstunden mit KI-Nutzung, also über Nutzende und Nicht-Nutzende hinweg.

In den USA beträgt dieser Wert 5,2%. Das ist laut Studie mehr als das Dreifache der entsprechenden Werte für Deutschland, Frankreich und Italien. Für diese Länder liegt er schätzungsweise unter 1,7%. Auch das Vereinigte Königreich, Schweden und die Niederlande erreichen nur etwa die Hälfte des US-Wertes. Deutschland hat also nicht nur einen Rückstand bei der Verbreitung – dieser Rückstand wird durch die geringere Nutzungsintensität massiv verstärkt.

Befund 3: Die Schere öffnet sich – Deutschland fällt aktiv zurück

Zwischen den beiden Befragungswellen (Mai/Juni 2025 und Januar/Februar 2026) stieg die Nutzungsquote in den USA um 3,6 Prozentpunkte. In Deutschland, Frankreich und Italien wuchs sie hingegen nur um 0,1 bis 1,1 Prozentpunkte. Das bedeutet: Der Abstand wächst aktiv. Es handelt sich nicht um einen historischen Rückstand, sondern um eine sich beschleunigend öffnende Schere.

Befund 4: Der Scheinvorteil der deutschen Unternehmensdaten

Auf den ersten Blick erscheinen die deutschen Unternehmenszahlen weniger besorgniserregend: 26% der deutschen Unternehmen nutzen KI für irgendeinen Geschäftszweck – das liegt über dem EU-Durchschnitt von 20%. Doch dieser Wert ist trügerisch.

Erstens liegen Dänemark, Finnland und Schweden bereits bei über 35%. Zweitens und entscheidend: Wenn man nur den wertschöpfungsrelevanten Einsatz betrachtet – KI in der Produktion von Gütern und Dienstleistungen –, liegt Deutschland bei nur 6%. Die USA sind bei 7%, Schweden bei 9%. Das legt nahe, dass deutsche Unternehmen KI vor allem für periphere Funktionen wie Marketing oder Verwaltung einsetzen, nicht aber für ihre Kernprozesse. KI als Werkzeug zur Effizienzsteigerung in der Wertschöpfungskette – das ist in Deutschland noch die Ausnahme.

Befund 5: Was erklärt die Lücke? Management – nicht Kultur, nicht Regulierung

Dies ist aus wissenschaftlicher Sicht der bedeutendste Befund der Studie. Die Autoren analysieren systematisch, welche Faktoren die Unterschiede in der KI-Adoption erklären. Strukturelle Merkmale – Altersstruktur der Belegschaft, Bildungsniveau, Branchenzusammensetzung, Betriebsgröße – erklären rund 55% der durchschnittlichen Adoptionslücke zwischen den USA und Europa.

Der verbleibende Teil – also fast die Hälfte der Lücke – lässt sich durch strukturelle Faktoren allein nicht erklären. Was erklärt ihn? Die Studie zeigt in einer erweiterten Analyse: Sobald man Unterschiede in der aktiven Ermutigung von Mitarbeitenden durch ihre Arbeitgeber einbezieht, erklärt dieses einzelne Merkmal statistisch nahezu die gesamte verbleibende Lücke zwischen USA und Europa. US-Unternehmen ermutigen ihre Belegschaft zur KI-Nutzung, stellen Tools bereit und schaffen damit die Voraussetzung für Adoption. Deutsche Unternehmen tun dies deutlich seltener. Verbote und Kulturskepsis spielen hingegen kaum eine Rolle.

Wichtige Zusatzerkenntnis: Training allein wirkt nicht

Die Studie differenziert zwischen drei Formen der Förderung: aktive Ermutigung, Toolbereitstellung und Training. Das überraschende Ergebnis: Während Ermutigung und Toolbereitstellung stark prädiktiv für die tatsächliche Nutzung sind, ist KI-Training allein nicht signifikant prädiktiv. Das widerspricht dem verbreiteten Ansatz vieler Unternehmen, die primär in Schulungsprogramme investieren und hoffen, dass die Nutzung daraus folgt. Ohne aktive Ermutigung und konkrete Werkzeuge bleibt Training weitgehend wirkungslos.

Befund 6: Die Produktivitätslücke ist bereits heute messbar

KI-Nutzende berichten von durchschnittlich 1,9 Stunden Zeitersparnis pro Woche – das entspricht 5,8% der Arbeitszeit. Auf alle Beschäftigten hochgerechnet, entsteht in den USA bereits eine Zeitersparnis von 2,3% aller Arbeitsstunden. In Europa liegt dieser Wert zwischen 1,0% und 1,8%. Die Studie schätzt, dass daraus bereits heute ein Produktivitätsvorsprung der USA von 0,5 bis 1,3 Prozentpunkten gegenüber Europa resultiert – messbar, nicht prognostiziert.

Auf der Makroebene bestätigen Unternehmensdaten aus 29 europäischen Ländern: Eine Steigerung der KI-Nutzungsquote in einem Sektor um 10 Prozentpunkte ist mit einem zusätzlichen kumulierten Produktivitätswachstum von 2 bis 5 Prozentpunkten verbunden. Dieser Zusammenhang gilt für den Zeitraum 2019–2024 und zeigt sich in ähnlicher Größenordnung auch für die USA.

Befund 7: Die ICT-Parallele – wir haben diesen Film bereits gesehen

Die Studie zieht explizit eine historische Parallele. Zwischen 1995 und 2025 stieg die Arbeitsproduktivität in den USA um 85%, in Europa nur um 29%. Diese Lücke entstand maßgeblich dadurch, dass US-Unternehmen Informations- und Kommunikationstechnologien (IKT) schneller und tiefgreifender adoptierten. Die Forschung hat gezeigt: Managementpraktiken erklärten damals den Hauptteil des höheren IKT-Investitionsniveaus und der höheren Renditen in US-Unternehmen im Vergleich zu Europa. Die aktuelle Studie zeigt, dass sich dieser Mechanismus nun bei KI wiederholt – mit dem wichtigen Unterschied, dass das Wissen um diesen Zusammenhang diesmal verfügbar ist, bevor sich die Lücke vollständig öffnet.

Einordnung: KI ist ein Management- und Betriebsmodellthema

Die zentrale Botschaft dieser Studie lautet nicht: „Setzt mehr KI ein“ oder „Kauft bessere Tools“ oder „Schult eure Mitarbeitenden“. Die zentrale Botschaft lautet: KI muss als strategisches Management- und Betriebsmodellthema behandelt werden – nicht als IT-Projekt, nicht als experimentelle Initiative, nicht als Schulungsaufgabe.

In meiner Beratungspraxis sehe ich regelmäßig dasselbe Muster: Ein Unternehmen stellt ChatGPT-Lizenzen bereit, lässt eine Schulung durchführen und wartet auf Ergebnisse. Die bleiben aus – oder beschränken sich auf individuelle Anwendungsfälle ohne systemischen Effekt. Das ist kein Misserfolg des Unternehmens, sondern ein Missverständnis darüber, was KI-Adoption erfordert.

Was die Studie klar belegt: Der Unterschied zwischen US-Unternehmen und deutschen Unternehmen liegt nicht primär in besserer Technologie, größeren Budgets oder digitalaffineren Mitarbeitenden. Er liegt darin, dass US-Unternehmensführungen KI als Priorität setzen, aktiv kommunizieren, Nutzung einfordern und Rahmenbedingungen schaffen. Das ist eine Führungsentscheidung. Und sie ist in jedem Unternehmen möglich – unabhängig von Größe, Branche oder Ressourcen.

Gleichzeitig zeigen die Daten: Die Wirtschaftlichkeit der KI-Adoption ist heute bereits in nationalen Produktivitätsdaten messbar. Wer wartet, zahlt einen realen Preis. Angesichts einer schrumpfenden Erwerbsbevölkerung in Deutschland ist KI-Produktivität keine strategische Option mehr – sie ist eine demographische Notwendigkeit.

Lehren für Unternehmer und Unternehmensberater

Die folgenden acht Handlungsfelder ergeben sich direkt aus den Studienbefunden, ergänzt durch Beobachtungen aus der Praxis.

Der Beitrag KI am Arbeitsplatz: Anekdote oder Betriebsmodell? erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

KI-Einführung 2026: Was die Zahlen wirklich sagen

Die KI-Diskussion ist im Jahr 2026 endgültig aus der „Trend-Ecke“ herausgewachsen. Aktuelle Erhebungen zeigen eine deutlich steigende Nutzung – gleichzeitig aber auch eine spürbare Kluft zwischen großen Unternehmen und dem Mittelstand. Während KI in vielen Großunternehmen bereits produktiv eingesetzt wird, bleibt sie im Mittelstand häufig auf einzelne Use Cases begrenzt.

Für Berater und Unternehmer ist genau dieser Unterschied entscheidend: Nicht die Frage „Nutzen wir KI?“ trennt Gewinner von Nachzüglern – sondern die Fähigkeit, gezielt zu entscheiden,

• wo KI den höchsten Nutzen stiftet,
• welche Hemmnisse real sind (und welche vorgeschoben),
• und wie man vom Piloten zur skalierbaren, organisatorisch tragfähigen Einführung kommt.

Die 10 häufigsten KI-Use Cases: Was Unternehmen in Deutschland tatsächlich einsetzen

Unsere Studie verdichtet mehrere Perspektiven (amtliche Technologie-Erhebung, Mittelstands-Anwendungsfelder, Zielperspektive, Produktivitätsperspektive) zu einer belastbaren Top-10-Liste.

Top-10-Use-Cases (kompakt)

Diese Liste ist für Entscheider hilfreich, weil sie zwei Dinge trennt:
(1) „Weit verbreitet“ (z. B. Textanalyse, Spracherkennung, Textgenerierung) und (2) „hoher Werthebel“ (z. B. Produktion/Qualität, Predictive Maintenance) – die oft mehr Integration und bessere Datenbasis erfordern.

Warum viele Mittelständler noch nicht starten – oder nicht skalieren

Die Studie zeigt: Die Hemmnisse sind kein „Ein-Grund-Problem“, sondern ein Bündel, das sich gegenseitig verstärkt. Besonders relevant ist das für die Beratungspraxis: Viele KI-Initiativen scheitern nicht am Modell, sondern an Wissen, Governance, Datenfähigkeit und Akzeptanz.

Die 10 größten Hemmnisse (verdichtet aus den zitierten Erhebungen)

Entscheidend: Die Hemmnisse sind steuerbar, wenn man sie systematisch angeht – nicht mit isolierten Tool-Einführungen, sondern als strukturierter Veränderungsprozess.

Wo KI im Mittelstand am lohnenswertesten ist

Die Studie zeigt besonders klare Erfolgsfelder dort, wo Unternehmen messbare Produktivitäts- oder Qualitätsgewinne realisieren können – typischerweise in Bereichen mit hohem Volumen, klaren KPIs und wiederholbaren Prozessen.

Erfolgsfelder (für Entscheidungen und Priorisierung)

Das zentrale Muster:

• Schneller Einstieg gelingt meist in Wissens- und Prozessarbeit (Dokumente, Service, Marketing, Admin).
• Größere strategische Werthebel entstehen in Produktion/Service-Innovation – benötigen aber Datenbasis, Schnittstellen und Governance.

Was Berater und Unternehmer daraus ableiten können

1) Entscheidungen werden besser, wenn „Use Case“ und „Organisationsfähigkeit“ getrennt bewertet werden

Viele Unternehmen bewerten nur den Use Case („klingt gut“), aber nicht die Umsetzungsfähigkeit (Daten, Rollen, Compliance, Change). Genau diese Lücke verursacht Pilotitis.

2) Erfolgreiche KI-Einführung ist ein Portfolio-Thema

Die Studie zeigt deutlich: Punktuelle Insellösungen reichen nicht. Wer KI als Werkzeugkasten ohne Roadmap nutzt, unterschätzt Aufwand, Risiken und Potenziale.

3) Governance ist kein Bremsklotz, sondern Beschleuniger

Rechtliche Unsicherheit ist eines der größten Hemmnisse. Wer früh Klarheit schafft (Rollen, Risikoklassen, Datenschutz-Leitplanken, Dokumentation), skaliert schneller und sicherer.

Wie die KI-Toolsuite dabei konkret hilft

Die KI-Toolsuite ist dafür gebaut, genau diese Entscheidungen zu strukturieren:

• Readiness-Assessment: Standortbestimmung entlang der entscheidenden Dimensionen (Strategie, Daten, Organisation, Technologie, Umsetzung, Compliance).
• Use-Case-Bewertung: Priorisierung nach Business Impact, Umsetzungsaufwand, Datenreife, Risiken und Skalierbarkeit.
• Umsetzungs-Dashboard: Von Erkenntnis zu Maßnahmenplan – mit klaren Arbeitspaketen und Fortschrittslogik.

Kurz: Die Toolsuite reduziert Komplexität, macht Entscheidungen nachvollziehbar und hilft, den Schritt vom „KI-Pilot“ zur steuerbaren Transformation zu gehen. Kommen Sie zu einer Live-Produktpräsentation.

Kostenloser Download der Studie (ohne Formular)

Sie möchten die Zahlen, Tabellen und Quellen im Original nutzen – z. B. für Management-Briefings, Strategie-Workshops oder die Priorisierung Ihrer Roadmap?

Studie: „KI in Deutschland – Status quo, Hemmnisse und Erfolgsfaktoren im Mittelstand (Stand: Februar 2026)“

Download: Studie kostenlos herunterladen (PDF)

Hinweis: Der Download ist bewusst ohne E-Mail-Gate, damit Sie die Inhalte unmittelbar weiterverwenden können.

Der Beitrag KI im deutschen Mittelstand 2026: Status quo, Hemmnisse, Erfolgsfelder erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Künstliche Intelligenz (KI) verändert die Spielregeln – das merken wir jeden Tag. Doch KI ist nach einer Benchmark-Studie der OECD bezüglich neun menschentypischen Capability-Indikatoren (z. B. Sprache, Problemlösen, Kreativität, Metakognition) nur mittelmäßig. Manager, die nach einem Grund für ein „Weiter So“ suchen, muss ich dennoch enttäuschen: Strategisches Denken und Investieren ist das Gebot der Stunde.

Während die mediale Aufregung von Superintelligenz, Massenentlassungen oder grenzenloser Automatisierung spricht, fehlt es in den Unternehmen oft an einem klaren, faktenbasierten Verständnis darüber, wo KI heute wirklich steht, welche Kosten und welcher Nutzen zu erwarten ist – und wie man sinnvoll darauf reagieren sollte.

Mit den „OECD AI Capability Indicators“ liegt nun erstmals ein wissenschaftlich fundiertes, praxisrelevantes Rahmenwerk vor, das uns hilft die Fähigkeiten der KI besser einschätzen zu können. Es zeigt (wenig überraschend): Wir stehen nicht am Ende, sondern am Anfang der KI-Revolution – und Unternehmen haben jetzt die Chance, sich strategisch zu positionieren, statt blind zu investieren oder – vielleicht noch schlimmer – passiv zu bleiben.

Was misst die OECD – und warum ist das relevant für Unternehmen?

Die OECD vergleicht KI nicht anhand technischer Benchmarks oder Output-Metriken, sondern stellt die Frage: Wie weit sind KI-Systeme in zentralen menschlichen Fähigkeiten? Untersucht werden unter anderem:

• Sprachverständnis und -produktion
• Soziale Interaktion
• Problemlösen und logisches Denken
• Kreativität
• Metakognition und kritisches Urteilsvermögen
• Lernen und Gedächtnis
• Visuelle und motorische Fähigkeiten
• Robotische Intelligenz

Alle Fähigkeiten werden auf einer Skala von 1 (elementar) bis 5 (menschliche Äquivalenz) eingeordnet. Und das Ergebnis ist aufschlussreich: Selbst die besten KI-Systeme, wie etwa GPT-4o (Stand Herbst 2024!), erreichen lediglich maximal Level 3 – oft sogar nur Level 2. In vielen Bereichen sind sie schnell, aber nicht verlässlich, sprachgewandt, aber nicht kritisch, lernfähig, aber nicht anpassungsfähig.

Wo KI dem Menschen weit überlegen ist – und warum genau dort ihr Einsatz besonders lohnt

Trotz aller berechtigten Einschränkungen und Unschärfen zeigt die OECD-Analyse auch sehr deutlich: In bestimmten Teilbereichen übertrifft KI den Menschen heute bereits deutlich – mit klar messbarem Nutzen für Unternehmen. Besonders stark ist KI in folgenden Fähigkeiten:

1. Verarbeitung großer Datenmengen in Echtzeit

KI-Systeme – insbesondere Machine-Learning-Modelle und moderne Large Language Models – können in Sekundenschnelle Millionen von Datensätzen analysieren, klassifizieren und auf Muster prüfen, die ein Mensch weder erkennen noch in sinnvoller Zeit auswerten könnte.

Typische Einsatzfelder:

• Anomalieerkennung in Produktionsdaten (z. B. Predictive Maintenance)
• Echtzeit-Analyse von Markt- oder Preisdaten
• Auswertung großer Textmengen (Verträge, Gutachten, Support-Anfragen)

Nutzen:

• Frühzeitige Risikoerkennung
• Schnellere Entscheidungsfindung
• Reduzierung manueller Analysearbeit

2. Automatisierung repetitiver, regelbasierter Aufgaben

KI ist bei streng definierten, sich häufig wiederholenden Tätigkeiten schneller, fehlerfreier und kostengünstiger als Menschen – insbesondere dann, wenn diese Tätigkeiten auf digital vorliegenden Informationen beruhen.

Typische Einsatzfelder:

• Rechnungseingang und Belegverarbeitung
• E-Mail-Kategorisierung und Beantwortung
• Dokumentensuche, Klassifizierung, Verschlagwortung

Nutzen:

• Einsparung von Personalressourcen für monotone Aufgaben
• Erhöhung der Prozessqualität
• Entlastung qualifizierter Fachkräfte für wertschöpfende Tätigkeiten

3. Mustererkennung und Vorhersage in komplexen Zusammenhängen

Gerade in Bereichen mit nicht-linearen Zusammenhängen oder vielen Variablen zeigt KI ihre Stärken: Durch das Erkennen latenter Muster, Zusammenhänge und Wahrscheinlichkeiten können Entscheidungen besser unterstützt oder automatisiert werden.

Typische Einsatzfelder:

• Nachfrageprognosen im Handel
• Churn-Analysen im Kundenservice
• Supply-Chain-Optimierung

Nutzen:

• Verbesserung der Planungsgenauigkeit
• Früherkennung von Trends und Risiken
• Optimierung von Beständen und Ressourcen

4. Verfügbarkeit rund um die Uhr – bei gleichbleibender Leistung

Im Gegensatz zum Menschen kennt KI keine Pausen, Müdigkeit oder Motivationsprobleme. Das macht sie besonders attraktiv für 24/7-Aufgaben, etwa im Kundenservice oder Monitoring.

Typische Einsatzfelder:

• Chatbots und Sprachassistenten
• IT-Systemüberwachung
• Automatisierte Berichterstellung

Nutzen:

• Verbesserte Erreichbarkeit und Reaktionszeit
• Gleichbleibende Qualität
• Reduktion von Nachtschicht- oder Bereitschaftskosten

Fazit: KI ist kein Ersatz für menschliche Intelligenz – aber ein starker Partner in spezifischen Disziplinen

Dort, wo Geschwindigkeit, Umfang, Präzision oder Verfügbarkeit gefragt sind, ist KI dem Menschen bereits heute nicht nur ebenbürtig, sondern weit überlegen. Genau dort liegt der wirtschaftlich sinnvollste Einstiegspunkt:

Nicht, um Menschen zu ersetzen – sondern um sie gezielt zu entlasten und zu ergänzen.

Die Herausforderung besteht also nicht darin, überall KI einzuführen, sondern sie genau dort einzusetzen, wo ihre Stärken mit den Anforderungen der Organisation übereinstimmen. Wer diese Disziplin beherrscht, erzielt sichtbaren Mehrwert bei geringem Risiko – und legt die Grundlage für skalierbare Effizienzgewinne und strategische Differenzierung.

Was heißt das konkret für Entscheider in Unternehmen?

Es bedeutet vor allem eines: KI kann bereits viel – aber nicht alles. Und sie kann schon heute massiven Nutzen stiften, wenn man sie klug einsetzt. Aber sie erfordert auch gezielte Entscheidungen:

• Wo lohnt sich der KI-Einsatz tatsächlich – heute, mit dem derzeitigen Reifegrad?
• Wo sind menschliche Fähigkeiten unersetzbar – und sollten gezielt gestärkt werden?
• Welche Investitionen bringen kurzfristigen Impact – und welche sind risikobehaftet oder verfrüht?

Wer diese Fragen beantworten kann, vermeidet Fehlinvestitionen und positioniert sich als adaptives Unternehmen, das Chancen nutzt, ohne in technische Sackgassen zu geraten.

Ein Beispiel für KMU bis 1.500 Mitarbeiter

Nehmen wir an, ein produzierendes Unternehmen mit 800 Mitarbeitenden möchte KI strategisch einsetzen. Wie kann man das Risiko begrenzen und dennoch sinnvoll in KI investieren?

Was jetzt nützlich ist: Strukturierter Einstieg mit begrenztem Risiko und hohem strategischem Wert

Die Einführung von Künstlicher Intelligenz ist kein Technologieprojekt – sie ist ein Organisationsentwicklungsprozess. Der unten gezeigte Ansatz veranschaulicht exemplarisch wie mittelständische Unternehmen durch klare Strukturen, überschaubare Einstiegsinvestitionen und schrittweises Lernen wirksam, verantwortungsvoll und zukunftsfähig KI einführen können. Jeder der folgenden Schritte zahlt dabei direkt auf organisationales Lernen, digitale Reife und zukünftige Skalierbarkeit ein.

1. Regelmäßige extern moderierte „Potenzialanalyse-Workshops“ (PA)

Der Ausgangspunkt jeder erfolgreichen KI-Initiative sollte ein präzises Verständnis der eigenen Potenziale und Prioritäten sein. In professionell moderierten Workshops werden interne Prozesse, Datenquellen und Problembereiche strukturiert analysiert. Ziel ist es, sogenannte „niedrig hängende Früchte“ zu identifizieren: also Use Cases mit hohem Nutzen, geringem Reifegradbedarf und schneller Umsetzbarkeit.

Nutzen:

• Frühzeitiger sichtbarer Mehrwert schafft interne Akzeptanz.
• Vermeidung unnötiger Investitionen in komplexe oder unreife Anwendungsfelder.
• Grundlage für eine strategisch gesteuerte KI-Einführung statt blindem Aktionismus.

2. Etablierung einer KI-Governance

Parallel zur Potenzialanalyse beginnt der Aufbau von Strukturen, Prozessen und Verantwortlichkeiten für den Umgang mit KI im Unternehmen. Das betrifft u. a. die Definition von Entscheidungspfaden, die Bewertung von Chancen und Risiken, ethische Leitplanken sowie die Kontrolle über Modellentscheidungen.

Nutzen:

• Schafft Sicherheit im Umgang mit neuen Technologien.
• Verhindert Wildwuchs und schafft Klarheit bei Zuständigkeiten.
• Ermöglicht es, interne Prozesse mit regulatorischen Anforderungen (z. B. AI Act, Datenschutz) zu harmonisieren.

3. Begleitung des Kulturwandels

Technologische Veränderung gelingt nur, wenn sie von kulturellem Wandel begleitet wird. Es braucht Kommunikation, Transparenz und Beteiligung. Mitarbeitende müssen verstehen, wofür KI genutzt wird – und wofür nicht. Schulungen, interne Kampagnen und Dialogformate fördern Offenheit, reduzieren Unsicherheiten und stärken das Vertrauen in den Prozess.

Nutzen:

• Reduziert interne Widerstände und Ängste.
• Aktiviert verborgene Innovationspotenziale in Fachbereichen.
• Unterstützt eine lernende Organisation, in der Experimente erlaubt und Fehler akzeptiert sind.

4. Schrittweise Umsetzung lohnenswerter Use Cases

Die aus der Potenzialanalyse hervorgehenden Anwendungsfälle werden in einer iterativen Roadmap priorisiert und umgesetzt. Der Fokus liegt auf praxisnahen Piloten, die rasch Ergebnisse liefern, aber skalierbar sind. Erfolgreiche Projekte dienen als Referenz und motivieren zur Ausweitung auf andere Bereiche.

Nutzen:

• Klarer Return-on-Investment auf operativer Ebene.
• Praktisches Erfahrungslernen innerhalb der Organisation.
• Frühzeitiger Aufbau domänenspezifischer KI-Kompetenz.

5. Laufende Analyse des weiteren Bedarfs

KI-Einführung ist kein einmaliges Projekt, sondern ein dynamischer Entwicklungsprozess. Die kontinuierliche Beobachtung von Entwicklungen im Unternehmen, am Markt und in der Technologie ermöglicht es, neue Potenziale frühzeitig zu erkennen und zu integrieren.

Nutzen:

• Sicherstellung langfristiger Relevanz der KI-Strategie.
• Vermeidung blinder Flecken und sich entwickelnder Schatten-IT.
• Ermöglicht eine agile Weiterentwicklung der gesamten KI-Landschaft.

6. Aufbau der Dateninfrastruktur

Parallel zur Use-Case-Entwicklung muss eine solide technische Basis geschaffen werden. Dazu zählen sichere Datenräume, standardisierte Schnittstellen, strukturierte Datenhaltung und geeignete Governance-Strukturen für Zugriff und Nutzung. Der Fokus liegt auf Skalierbarkeit, Sicherheit und Effizienz – nicht auf Großinvestitionen in Datenplattformen ohne konkreten Nutzungsplan.

Nutzen:

• Reduziert Komplexität und fördert Wiederverwendbarkeit.
• Ermöglicht schnelle Integration neuer Anwendungsfälle.
• Schafft Vertrauen bei Stakeholdern (Datenschutz, Auditierung, Nachvollziehbarkeit).

7. Entwickeln von Partnerschaften

Gerade mittelständische Unternehmen profitieren enorm von strategischen Partnerschaften mit Technologieanbietern, Universitäten, Startups oder Beratungen. Der gezielte Zugang zu externem Wissen und Innovationen hilft, Ressourcen zu schonen und gleichzeitig auf dem neuesten Stand zu bleiben.

Nutzen:

• Schnellere Realisierung mit geringerem Ressourcenaufwand.
• Zugang zu Best Practices und neuesten Entwicklungen.
• Aufbau eines nachhaltigen Ökosystems für digitale Innovation.

Wovon eher abzuraten ist: Investitionen mit zu hoher Abstraktion oder unklarem Reifegrad

• Automatisierung komplexer Entscheidungsprozesse, etwa im HR- oder Rechtssystem, wo ethische Fragen und Kontextverständnis entscheidend sind.
• Großprojekte zur vollständigen Prozessautomatisierung, bevor überhaupt klar ist, ob sich der Prozess für KI eignet.
• Investitionen in robotische Systeme mit adaptivem Greifen oder Navigation, wenn die Umgebungsbedingungen nicht ausreichend standardisiert sind – die OECD-Indikatoren zeigen klar, dass KI in diesen Bereichen noch nicht zuverlässig ist.

Die eigentliche Botschaft: Nicht abwarten – sondern gezielt in Fähigkeiten investieren

Die OECD-Studie ist kein Grund zur Resignation, sondern ein Plädoyer für kluge, evidenzbasierte Entscheidungen. Unternehmen, die jetzt:

• ihre Prozesse strukturiert analysieren,
• ihre Mitarbeitenden befähigen, mit KI zu arbeiten,
• und KI nicht als Ersatz, sondern als Verstärker menschlicher Fähigkeiten begreifen,

werden mittel- und langfristig einen deutlichen Wettbewerbsvorteil haben – sowohl durch Produktivitätsgewinne als auch durch Innovationskraft und Arbeitgeberattraktivität.

Fazit: Strategie schlägt Geschwindigkeit

Wer heute hektisch investiert, läuft Gefahr, morgen nachzurüsten. Wer aber gezielt Capabilities entwickelt – technologisch wie menschlich – kann mit jedem KI-Fortschritt wachsen.

KI ist kein Zauberstab. Aber sie ist auch keine ferne Zukunft. Sie ist ein Werkzeug, das gerade gelernt hat zu laufen – und nun zeigt sich: Wer es führen kann, führt auch den Wandel.

Zum Stand der Daten der OECD Studie

• Die Expertenbewertungen und Einordnungen in den 5-stufigen Skalen basieren auf einer umfassenden Literatur- und Benchmarkanalyse, die bis Ende 2024 durchgeführt wurde.
• Berücksichtigt wurden aktuelle Systeme wie GPT-4o, DeepSeek R1 V3, AlphaZero und autonome Roboter, wie sie zu diesem Zeitpunkt dokumentiert, getestet und publiziert waren.
• Die Indikatoren wurden von über 50 führenden Expertinnen und Experten aus den Bereichen KI, Psychologie, Robotik und Bildungsforschung gemeinsam erarbeitet und durch einen strukturierten Peer-Review-Prozess im Spätherbst 2024 validiert.

Der Beitrag OECD prüft Leistungsindikatoren von KI – Strategie für KMU erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Unternehmen nutzen Künstliche Intelligenz (KI) immer häufiger, um Entscheidungsprozesse zu unterstützen oder sogar zu automatisieren. Doch was beeinflusst die Akzeptanz bei einer Einführung? Das Center for Leadership and Behavior in Organizations (CLBO) an der Goethe-Universität Frankfurt, das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI), die F.A.Z.-Digitalwirtschaft und die Unternehmensberatung Groß & Cie. haben in einer gemeinsamen gemeinsamen Studie untersucht, wie Führungskräfte und Mitarbeitende den Einsatz von KI wahrnehmen und welche Faktoren die Akzeptanz der Technologie beeinflussen.

Die Ergebnisse zeigen, dass Beschäftigte insbesondere dann skeptisch sind, wenn KI unmittelbar in personalrelevante Entscheidungen eingreift. Während Anwendungen wie IT-Support oder automatisierte Textzusammenfassungen eine überwiegend positive Resonanz erfahren, lässt das Vertrauen deutlich nach, sobald KI in Prozesse wie Kündigungen, Beförderungen oder Leistungsbeurteilungen involviert wird. In diesen Bereichen befürchten Mitarbeitende mögliche Ungerechtigkeiten oder mangelnde Nachvollziehbarkeit der Entscheidungsgrundlagen.

Abbildung: Vertrauen in Künstliche Intelligenz auf einer Skala 1 bis 7 (1 = „gar kein Vertrauen“, 7 = „völliges Vertrauen“)

Ein weiterer zentraler Befund betrifft den Grad der Autonomie, den die Beschäftigten der KI zugestehen. Ob Führungskräfte Entscheidungen selbst treffen oder sie mithilfe von KI unterstützen lassen, spielt für die Mitarbeitenden kaum eine Rolle. Sobald jedoch KI eigenständig entscheidet, sinkt die Akzeptanz spürbar – selbst bei eigentlich vorteilhaften Maßnahmen wie Gehaltserhöhungen oder Bonuszahlungen. Gleichzeitig steigt in solchen Szenarien die Bereitschaft, Entscheidungen zu hinterfragen und offene Diskussionen zu führen. Diese neuen Formen der organisationalen Friktion müssen von Unternehmen aktiv gemanagt werden, um den erfolgreichen Einsatz von KI sicherzustellen.

Im Gegensatz zu den Mitarbeitenden stehen Führungskräfte dem Einsatz von KI durchweg positiver gegenüber. Sie sehen die Technologie als wertvolle Unterstützung ihrer Führungsarbeit, etwa bei der Empfehlung für Beförderungen oder der Analyse von Leistungsdaten. Selbst in rechtlich sensiblen Bereichen bewerten sie KI-Anwendungen deutlich optimistischer als ihre Teams. Dies unterstreicht die Bedeutung digitaler Kompetenz und transparenter Kommunikation auf Führungsebene, um eine breite Akzeptanz in der Belegschaft zu fördern.

Handlungsempfehlungen für Manager, die KI schnell in ihrem Unternehmen einführen wollen

1. Schrittweise Einführung über unterstützende Anwendungen
   • Starten Sie mit KI-Tools für Assistenzaufgaben (z. B. Textanalyse, IT-Support), da hier bereits ein hohes Vertrauen besteht.
   • Vermeiden Sie zu Beginn rein automatisierte Entscheidungen in sensiblen Bereichen, um Friktionen zu minimieren.

Abbildung: Vertrauen in Künstliche Intelligenz in Abhängigkeit von Digital Leadership auf einer Skala 1 bis 7 (1 = „gar kein Vertrauen“, 7 = „völliges Vertrauen“)

2. Starke digitale Vorbildfunktion („Digital Leadership“) zeigen
   • Führungskräfte sollten aktiv selbst KI-Tools nutzen und Erfolge teilen.
   • Bieten Sie Trainings und Hands-on-Workshops an, um Skepsis abzubauen und Know-how aufzubauen.
3. Identitätsstiftende Führung kultivieren
   • Betonen Sie gemeinsame Unternehmenswerte und vermitteln Sie ein Gefühl der Zusammengehörigkeit.
   • Fördern Sie eine psychologische Sicherheit, in der Fehler als Lernchance gelten – so steigt die Bereitschaft, neue KI-Ansätze auszuprobieren.
4. Transparenz und Erklärbarkeit sicherstellen
   • Verwenden Sie Explainable AI-Ansätze, um Entscheidungsgrundlagen von KI für alle nachvollziehbar zu machen.
   • Kommunizieren Sie offen über Einsatzbereiche, Grenzen und Verantwortlichkeiten.
5. Mitarbeitende frühzeitig einbeziehen
   • Führen Sie Pilotprojekte in kleinen Teams durch und holen Sie Feedback ein.
   • Implementieren Sie einen kontinuierlichen Feedback- und Verbesserungsprozess, um Bedenken direkt zu adressieren.
6. Risiken proaktiv managen
   • Legen Sie klare Richtlinien für den Umgang mit sensiblen Daten und ethischen Fragestellungen fest.
   • Planen Sie Umschulungs- und Weiterbildungsprogramme, um Jobverluste durch Automatisierung abzufedern.
7. Kontinuierliches Monitoring und Anpassung
   • Messen Sie regelmäßig Akzeptanz, Vertrauen und Leistung Ihrer KI-Projekte.
   • Passen Sie Tool-Einsatz und Governance-Strukturen agil an gewonnene Erkenntnisse an.

Unternehmen sollten bei der Einführung von KI-Systemen vor allem auf eine offene Begleitung setzen: Transparente Kommunikation, klare Erläuterung der Abläufe und kompetente Führung sind dabei entscheidend. Denn KI steigert zwar die Effizienz von Entscheidungsprozessen, verändert jedoch zugleich bestehende Machtverhältnisse. Wie Rolf van Dick vom CLBO betont, ist es deshalb unerlässlich, neben der Technologie auch in Führungsstärke und in den Aufbau psychologischer Sicherheit im Team zu investieren.

Zunächst gilt es, die Einstellung von Führungskräften und Mitarbeitenden gegenüber KI genau zu ermitteln. Michael Groß von Groß & Cie. weist darauf hin, dass die echte Akzeptanz von KI als gleichberechtigter „Arbeitskollege“ gerade dann nicht selbstverständlich ist, wenn es um die persönliche Arbeit oder die eigene Karriere geht. Eine solche Bestandsaufnahme bildet die Grundlage dafür, KI erfolgreich und vertrauensvoll im Unternehmen zu verankern.

Details zur Studie

1. Zielsetzung und Studiendesign
zwischen Januar und März 2025 wurden 1 028 Teilnehmende (62 % in Führungsposition, 38 % Mitarbeitende) per Online-Fragebogen befragt.
Die zentralen Forschungsperspektiven waren:

• Verbreitung der KI-Nutzung im Arbeitsalltag
• Ausmaß und Bereiche des Vertrauens in KI
• Einfluss von Führungsverhalten und Teamklima auf Akzeptanz
• Wahrnehmung von KI-gestützten vs. rein menschlichen Entscheidungen anhand von Szenarien

Der mehrstufige Fragebogen umfasste:

1. Eigene KI-Nutzung
2. Vertrauen in verschiedene KI-Anwendungen
3. Führungsstil und digital-psychologisches Klima
4. Szenarienbasierte Bewertung von Bonusentscheidungen mit unterschiedlichen Entscheidungsträgern (Management allein, Management + KI, Berater, KI allein)

2. Stichprobe

• Alter: 30 % 18–49, 41 % 50–59, 29 % ≥ 60 Jahre
• Geschlecht: 25 % Frauen, 74 % Männer, 0,3 % Divers
• Unternehmensgröße: stärkere KI-Nutzung in großen Unternehmen

3. Verbreitung der KI-Nutzung

• >80 % aller Befragten nutzen KI-Tools im Arbeitsalltag.
• Führungskräfte (84 %) etwas mehr als Nicht-Führungskräfte (81 %).
• In Großunternehmen (≥ 500 Mitarbeitende) liegt die Nutzungsrate bei 87 %, in kleinen bei 76 %.
  → KI ist bereits fest im Berufsalltag verankert

4. Vertrauen in KI-Anwendungen

• Hohe Vertrauenswerte (Skala 1–7) bei unterstützenden Tools, z. B.:
  • Textzusammenfassungen: FK 5,64 vs. NF 5,48
  • IT-Support: FK 5,55 vs. NF 5,31
• Geringeres Vertrauen bei managementrelevanten Entscheidungen:
  • Einstellungsempfehlungen: FK 3,70 vs. NF 3,42
  • Leistungsbewertungen: FK 3,30 vs. NF 2,86
• Vollautomatisierte Managemententscheidungen werden deutlich abgelehnt, KI als Unterstützung eher akzeptiert.
• Führungskräfte vertrauen KI durchgängig stärker als Mitarbeitende, auch in rechtlich sensiblen Bereichen (z. B. Kündigungen, Beförderungen).

5. Wahrnehmung von Chancen und Risiken

• Chancen: Produktivitätssteigerung (FK 5,39 vs. NF 5,00), neue Geschäftsmöglichkeiten (FK 5,26 vs. NF 4,77)
• Risiken:
  • Wegfall von Stellen: FK 3,43 vs. NF 3,82
  • Gefahr des eigenen Jobverlusts: FK 1,68 vs. NF 2,02
    Insgesamt sehen Führungskräfte mehr Chancen, Mitarbeitende mehr Risiken. ​

6. Rolle von Führung und Teamklima

• Digitale Führungskompetenz (Digital Leadership) der Vorgesetzten fördert Offenheit der Mitarbeitenden für KI-Tools.
• Identity Leadership (Gemeinschaftsgefühl, gemeinsame Werte) korreliert mit höherer digitaler Bereitschaft und psychologischer Sicherheit: Fehlertoleranz und Experimentierfreude nehmen zu.

7. Szenarienbasierte Bewertung von Entscheidungsprozessen

• Bonusentscheidungen, wenn KI nur unterstützend eingesetzt wird, werden als transparenter und leichter nachvollziehbar empfunden.
• Automatisierte Entscheidungen durch KI allein führen zu wahrgenommener Intransparenz und höherem Diskussionsbedarf – Friktionskosten steigen.
• Diese negativen Effekte sind bei Mitarbeitenden und Führungskräften ähnlich ausgeprägt; vollautomatisierte Prozesse hemmen Akzeptanz deutlich.

Quellen

• Holger Schmidt: „Digitalfähigkeit der Führungskräfte entscheidet über Akzeptanz der KI“, Frankfurter Allgemeine Zeitung, 30. April 2025.
• Studie des Center for Leadership and Behavior in Organizations (CLBO) an der Goethe-Universität Frankfurt in Zusammenarbeit mit dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), der F.A.Z.-Digitalwirtschaft und der Unternehmensberatung Groß & Cie.

Der Beitrag Vertrauen ist die Basis für eine erfolgreiche Einführung von KI erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Der Einfluss der Künstlichen Intelligenz (KI) auf die Wettbewerbsfähigkeit wird als enorm eingeschätzt – auch wenn die Umsetzung in der Produktion durch die lange Lebensdauer der Anlagen noch Zeit benötigt. Zukünftig sollen Produktionssysteme nicht mehr starr und hardwarezentriert agieren, sondern durch den Einsatz von KI und digitalen Technologien deutlich flexibler werden. KI übernimmt dabei die Rolle des „Gehirns“ der Produktionsanlagen, indem sie Maschinen autark steuert, optimiert und dynamisch anpasst.

Ein zentraler Erfolgsfaktor ist die KI-Kompetenz im Management. Obwohl die deutsche Industrie hier Fortschritte verzeichnet, besteht international ein deutlicher und sogar wachsender Kompetenzunterschied. Besonders problematisch ist, dass oft langjährige Manager ohne ausreichende Kenntnisse in KI und Softwareentwicklung mit der Implementierung digitaler Projekte betraut werden – ein Ansatz, der aufgrund der unterschiedlichen Herangehensweisen an hardwarebezogene versus digitale Projekte problematisch ist: „Die deutsche Industrie hat bei ihren KI-Kompetenzen zwar Fortschritte gemacht, aber die Lücke fällt im internationalen Vergleich deutlich aus und wird eher größer“, erläutert Johann Kranz, Professor für Digital Services und Nachhaltigkeit an der LMU München.

Herausforderungen in der DACH-Region:

• Veraltete IT-Infrastrukturen und hartnäckige Datensilos behindern die Integration von Industrie-4.0-Technologien.
• Fehlende Datenstrategie und ein defensiver Umgang mit Daten (Fokus auf Compliance statt Innovation).
• Geringe KI-Kompetenz im Management – oft sind hardwarenah geprägte Führungskräfte für digitale Themen zuständig.
• Fachkräftemangel und fehlende Weiterbildungsangebote im Bereich Datenkompetenz.
• Zu geringe Einbindung von CIOs in die Geschäftsleitung (nur bei 49 % der Unternehmen, im Vergleich zu 92 % in China).

Stärken der internationalen Wettbewerber:

• China setzt auf dezentrale Datenarchitekturen, flexible Steuerung durch KI und flächendeckende Sensorik.
• In den USA und China wird KI zur Entwicklung neuer Geschäftsmodelle und zusätzlicher Einnahmequellen genutzt.
• Digitale Zwillinge, Machine-to-Machine-Kommunikation und Traceability sind dort Standardtechnologien.

Handlungsempfehlungen für Manager und Eigentümer mittelständischer und großer Unternehmen

1. Digitale Führungsstrukturen neu denken

• CIO als strategischer Impulsgeber: Einbindung eines technologieaffinen CIO in die Geschäftsleitung. Studien belegen einen Produktivitätsvorteil von bis zu 31 % durch diese Maßnahme (MHP/LMU, 2025).
• Führungspersonal gezielt weiterbilden in datengetriebenem Denken, digitaler Innovationssteuerung und KI-Kompetenz.

2. Datenstrategie als Kernelement der Unternehmensstrategie verankern

• Von defensiver zu offensiver Datenstrategie wechseln: Daten nicht nur zur Optimierung, sondern gezielt zur Entwicklung neuer Produkte, Services und Geschäftsmodelle nutzen (MIT Sloan Management Review, 2022).
• Daten als Asset betrachten – Aufbau von Datenprodukten, Monetarisierungsstrategien und Governance-Strukturen.

3. IT-Architektur modernisieren und skalierbar gestalten

• Legacy-Systeme systematisch ablösen, offene und interoperable Systemlandschaften aufbauen.
• Datensilos abbauen durch Cloud-Lösungen, APIs und zentrale Datenplattformen.

4. Technologieeinsatz entlang der gesamten Wertschöpfungskette

• Einsatz von Sensorik, digitalen Zwillingen, Machine Learning und automatisierter Steuerung priorisieren.
• Prozesse mit KI verbessern – von Predictive Maintenance bis zur autonomen Produktionssteuerung.

5. Unternehmenskultur und Weiterbildung

• Digitales Mindset fördern: Kulturwandel durch Schulungen, cross-funktionale Teams und Innovationsprogramme.
• Kontinuierliche Weiterbildung in den Bereichen Datenanalyse, Automatisierung, KI und Softwareentwicklung.

6. Innovationspartnerschaften und Ökosysteme nutzen

• Kooperationen mit Startups, Forschungsinstituten und Technologiepartnern ausbauen.
• Nutzung staatlicher Förderprogramme (z. B. Innovationsprämie Digitalisierung, GAIA-X-Projekte).

7. Messen, Benchmarken, Skalieren

• KPIs zur digitalen Reife, Nutzung von KI und Automatisierungsgrad definieren.
• Pilotprojekte zur Skalierung befähigen – Fokus auf skalierbare Proof-of-Concepts mit klar messbarem ROI.

Quellenangaben / Primärquelle:

• Holger Schmidt: Deutschland droht beim KI-Einsatz in der Industrie den Anschluss zu verlieren,
  F.A.Z. PRO Digitalwirtschaft, 26.03.2025
  https://www.faz.net/pro/digitalwirtschaft/transformation/deutschland-droht-beim-ki-einsatz-in-der-industrie-den-anschluss-zu-verlieren-110376338.html

Weitere Quellen zur Untermauerung der Empfehlungen:

• MIT Sloan Management Review (2022): 6 Ways to Help Employees Embrace Data-Driven Initiatives
  https://mitsloan.mit.edu/ideas-made-to-matter/6-ways-to-help-employees-embrace-data-driven-initiatives
• ZEW – Leibniz-Zentrum für Europäische Wirtschaftsforschung (2024): KI-Einsatz stagniert in deutschen Unternehmen
  https://www.zew.de/presse/pressearchiv/ki-einsatz-stagniert-in-deutschen-unternehmen
• WELT (2024): „Deutschland nahezu überall zurückgefallen“ – Der dramatische Appell der Industrie
  https://www.welt.de/253445186

Der Beitrag Deutschland droht beim KI-Einsatz in der Industrie den Anschluss zu verlieren erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Initiative Maschinenraum

Wie das etwa für die Entwicklung neuer, digitaler Geschäftsmodelle funktionieren kann, zeigt die Initiative Maschinenraum, die auf Initiative von Maximilian Viessmann größere Mittelständler mit gemeinsamen Zielen zusammenbringt:

• Erleben & Vernetzen
• Teilen & Lernen sowie
• Umsetzen & Kollaborieren

Das Handelsblatt hat sich den Maschinenraum angeschaut und resümiert: „Soll man ein Start-up kaufen, mit einem kooperieren oder ein eigenes hochziehen? Oder ist vielleicht eine Kooperation mit anderen Mittelständlern die beste Lösung? All diese Fragen lassen sich aber in jedem Fall besser beantworten, wenn man sich vorher mit anderen Mittelständlern ausgetauscht hat. Der ‚Maschinenraum‘ will auch dabei helfen, die Ergebnisse der jeweiligen Überlegungen systematisch aufzuarbeiten.„

Digitale Geschäftsmodelle

Der langfristige Nutzen von reinen Effizienzsteigerungen im meist niedrigen, einstelligen Bereich ist angesichts großer Veränderungen wenig hilfreich. Neue und digitale Geschäftsmodelle gelten heute als die Königsdisziplin, versprechen sie neue Umsätze mit hohen Margen durch Innovation und neue Kunden.
In einer groß angelegten Studie von Familienunternehmen der WHU Otto Beisheim School of Management unter der Leitung von Prof. Dr. Nadine Kammerlander und mit Unterstützung der Beratungsgesellschaft ANDERSCH wurde untersucht, wie der aktuelle Status der Digitalen Transformation heute in diesem Unternehmenssegment zu bewerten ist. Für die Studie wurden 1.727 Top-Entscheider aus 1.444 Unternehmen befragt, davon 689 Unternehmen in mehrheitlichem Familienbesitz und 755 im Nicht-Familienbesitz. Demnach erkennen 87 Prozent der befragten Unternehmen Neues, aber nur 43 Prozent sagen, dass sie auch in der Lage sind, dies adäquat zu nutzen.

Die Leiterin der Studie resümiert: „Die Schlussfolgerungen, die diese Daten ermöglichen, sind besonders für diese (Corona) Krise ernüchternd. Schon zuvor war eine Fokussierung auf die Verbesserung von Effizienz kritisch zu hinterfragen. (…) Um aus dieser Krise zu kommen, bedarf es für viele nicht nur schmerzhafter Einschnitte im Jetzt – sondern vor allem viel Mut und Selbstvertrauen in der Zukunft. Dazu reicht es nicht aus, Neuerungen zu erkennen. Sondern Unternehmen müssen jetzt die strukturellen und prozessualen Möglichkeiten schaffen, diese Innovationen dann auch konsequent in Richtung Markt umzusetzen.“

Ein wichtiger Schritt in die Zukunftsfähigkeit und eine klare Empfehlung der Forscherin ist die Kooperation mit anderen Unternehmen, vor allem mit Start-ups, deren Lebenszweck es sei, bahnbrechende Innovationen zu erzeugen. Kammerlander ist daher der Ansicht: „Wer nicht kooperiert, stirbt.“ Dies sei eine Überlebensfrage. Schließlich sei auch die Corona-Krise eine bahnbrechende Veränderung: „Es ist ein tieferer Einschnitt mit unklarem Verlauf“.

Daher werde es, so Kammerlander, in den kommenden Jahren sehr viel mehr „Varianz“ bei den Familienunternehmen geben. Also mehr solche, denen es gut gehen und mehr solche, denen es schlecht gehen werde. Dabei hält Nadine Kammerlander auch das Konzept, ausschließlich als Hidden Champion im verborgenen B2B-Geschäft zu glänzen für langfristig „gefährlich“. Wer innovative Mitarbeiter und Kooperationspartner anziehen wolle, müsse visibler werden, ist sie überzeugt. Sie habe durchaus in ihren Studien gesehen, wie innovativ Familienunternehmen bislang waren. Aber auch, dass die manchmal jahrhundertelange Geschichte von Familienunternehmen trotzdem „kein Indiz fürs Überleben“ sei. Den Weckruf durch die Corona-Krise sei nicht zu überhören. Und dabei helfe sicherlich etwas, wofür Familienunternehmen durchaus bekannt sind: Erfahrung und schnelle Entscheidungswege.

Die Studie nennt folgende Voraussetzungen für eine erfolgreiche Umsetzung

• Unternehmen benötigen Fähigkeiten zur Einschätzung von Risiko und Veränderungsbereitschaft sowie Kapazitäten zur Implementierung neuer digitaler Initiativen.
• Trotz ausreichend vorhandener unternehmerischer Fähigkeiten können sich interne Barrieren ergeben, bspw. durch ein starres Festhalten an bestehenden Strukturen. Der gezielte Einsatz von „Enablern“, wie einer klaren Digitalisierungsstrategie, hilft Barrieren zu überwinden und trägt zu einer erfolgreichen Transformation bei.
• Stetige Weiterentwicklungen stehen im Zentrum der erfolgreichen Transformation. Daher sind Lernprozesse im Unternehmen unabdinglich.
• Die Förderung von Innovationen muss sich übergreifend auf Prozesse, Produkte, Dienstleistungen und das Geschäftsmodell richten, um so eine erfolgreiche Positionierung für die Zukunft zu schaffen.
• Zur stetigen Weiterentwicklung zählt auch die zunehmende Einbindung von Zukunftstechnologien, wie Lösungen, die auf künstlicher Intelligenz beruhen oder Applikationen basierend auf virtuellen Realitäten. Diese werden sich verstärkt auf verschiedene Geschäftsbereiche auswirken.

Die Studie der WHU kann hier kostenlos als PDF heruntergeladen werden.

Der Beitrag Kooperation muss sein – besonders im Mittelstand erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Informationen zu digitalen Produkten, Dienstleistungen oder Geschäftsmodellen sucht man hier vergeblich, der Fokus gilt administrativen Prozessen im Büroalltag, die für viele Unternehmen jedoch der Einstieg in die Digitalisierung sind.

Hier geht es direkt zur Studie, die als PDF kostenlos heruntergeladen werden kann.

Folgende Feststellungen lassen sich aus den Ergebnissen der Befragung ableiten

• Im Coronajahr wurde mehr Hard- und Software angeschafft. Die Digitalisierung schreite fort, aber nicht gleichmäßig.
• Die Digitalisierung von Unternehmen wurde durch die Coronavirus-Pandemie in einigen Bereichen beschleunigt. Die öffentlichen Verwaltungen konnten allerdings nur wenig mobil arbeiten und zeigten nur dort deutliche Digitalisierungsschübe, wo Fristen sie dazu trieben.

• Kleine Unternehmen hinken bei ihren Digitalisierungsvorhaben größeren Unternehmen mit mehr als 500 Mitarbeitern ebenfalls hinterher. Laut der Erhebung des Bitkom könnten hierfür unter anderem die Digitalisierungsstrategien der Unternehmen verantwortlich sein, die besonders bei großen Unternehmen vorhanden sind. Dort verfolgen 96 Prozent der Unternehmen mit mehr als 500 Mitarbeitern eine Strategie, bei Unternehmen mit weniger als 100 Mitarbeitenden könnten nur 71 Prozent eine vorweisen.
• Gegenüber dem Vorjahr investierte im Jahr 2020 jedes dritte Unternehmen mehr in die Digitalisierung von Büro- und Verwaltungsprozessen. Genauer zum Einfluss der Coronavirus-Pandemie im Investitionsbereich gefragt, erklärten mehr als die Hälfte (55 Prozent) der Unternehmen, dass mehr Hardware angeschafft wurde, 39 Prozent, dass mehr Geld in die Softwarebeschaffung wie etwa Lizenzen floss.
• Dass Mitarbeitern für dezentrales Arbeiten – wie beispielsweise auch für das Arbeiten im Homeoffice aufgrund von Coronavirus-Einschränkungen – überhaupt Hardware zur Verfügung steht, ist je nach Unternehmen sehr unterschiedlich. Banken- und Finanzdienstleister gaben an, dass 93 Prozent der festangestellten Mitarbeitenden mobile Endgeräte mit Internetzugang zur Verfügung stehen. In den öffentlichen Verwaltungen lag der Wert bei nur 40 Prozent. Im Land Berlin lag der Wert, so der Leiter der Studie, sogar nur bei 15 Prozent.
• In Sachen interne und externe Kommunikation setzt die Hälfte der deutschen Unternehmen weiterhin auf Fax-Geräte. Der Wert sei zwar auch hier von 62 Prozent im Jahr 2018 auf 49 Prozent in 2020 gesunken. In der Mottenkiste liegt das Fax-Gerät damit aber noch lange nicht. E-Mail und Festnetz sind indessen mittlerweile Standard für alle. Sie werden von allen befragten Unternehmen „häufig“ oder „sehr häufig“ benutzt.
• Deutlich zugelegt hat die Nutzung von Smartphones im Unternehmensbereich – von 51 Prozent auf 81 Prozent – und auch die Nutzung von Videokonferenzen hat gegenüber 2018, mit 48 Prozent, auf 61 Prozent in 2020 zugenommen. Die Nutzung von Messengerdiensten hat ebenfalls einen Sprung gemacht (von 37 auf 50 Prozent) und Kollaborationstools wie Slack oder Microsoft Teams wurden zumindest in diesem Jahr von 36 Prozent der Unternehmen genutzt.
• 86 Prozent der Unternehmen stimmten der Aussage zu „Unser Unternehmen hat das Ziel, Briefpost durch digitale Kommunikation zu ersetzen„. Zu 63 Prozent gelinge dies auch. 49 Prozent der Befragten bejahten, dass ihr Unternehmen weniger Dokumente ausdruckt als noch vor einem Jahr. Linda Oldenburg, Vorsitzende des Arbeitskreises Digitale Geschäftsprozesse, wies darauf hin, dass die öffentliche Verwaltung durch den Einsatz von E-Rechnungen dazu beitragen kann, Papierberge in den Büros zu minimieren. Sie nutzt schon zu 82 Prozent E-Rechnungen. Dies liege aber auch daran, dass es hier klare Vorgaben und Fristen gäbe, so Oldenburg. Insgesamt nutzen nur 30 Prozent aller Unternehmen bisher E-Rechnungen.
• Der Bitkom bewertet in seinem Digital Office Index 2020 auch die Digitalisierung von Büro- und Verwaltungsprozessen in deutschen Unternehmen auf einer Skala von 0 (überhaupt nicht digitalisiert) bis 100 (vollständig digitalisiert). Im Durchschnitt läge dieser nun bei 55 Punkten. Der Wert für Unternehmen mit mehr als 500 Mitarbeitern liegt schon bei 67 Punkten, für Unternehmen mit weniger als 100 Mitarbeitenden bei 53 Punkten – hier zeige sich eine deutliche Schere.

• Laut Bitkom lassen sich auch verschiedene Digitalisierungstypen unter den Unternehmen erkennen. So seien 19 Prozent der Unternehmen Vorreiter, 44 Prozent verbuchen einen überdurchschnittlichen Digitalisierungsfortschritt, 26 Prozent einen unterdurchschnittlichen und elf Prozent gelten als Nachzügler.

Der Beitrag Digitalisierung in Büro: Drei Viertel haben eine Strategie erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Die Macher der Studie leiten aus den Ergebnissen drei Thesen ab:

1. Zum einen verfolgen die Projekte der Mittelständler keine Standardlösung, auf die eventuell auch der Wettbewerb setzt, sondern hatten immer spezifische Probleme und deren Lösung als Ziel. Es gibt also selten ein einfaches Erfolgsrezept für die digitale Transformation im Mittelstand.
2. Mittelständische Unternehmen müssen mehr wagen: Zwar genießt deutsche Qualität einen guten Ruf, doch diese zu produzieren, erfordert langwierige Prozesse. Die digitale Transformation müsse aber dynamischer sein, mit experimentellen Ideen früher an den Markt gehen und näher am Kunden arbeiten. Deshalb, so resümiert die Studie, fällt es Mittelständlern zuweilen einfacher, digitale Projekte umzusetzen, denn hier herrschen oft kurze Entscheidungswege, flache Hierarchien, Kundennähe und eine größere Fehlertoleranz.
3. Die Kundennähe ist ein entscheidender Vorteil für den Mittelstand: Denn hier wurde zuerst nach Problemen im Bestandsgeschäft gesucht und dafür Lösungen entwickelt. Bei Großunternehmen dagegen werden oft zuerst ganze Abteilungen neu gegründet, neues Personal eingestellt, und dann erst überlegt, welche Herausforderungen man lösen möchte. Die Herausforderung des Mittelstands, solche Investitionen gar nicht leisten zu können, führt im Umkehrschluss zu schnellen, unkomplizierten Lösungen nah am Kunden.

Die Studie ist frei einsehbar, sie wir ergänzt durch fünf Fallbeispiele, die auch in kurzen Videos dargestellt werden.

Fallbeispiel 1: Eine App für die Müllentsorgung
Das Unternehmen: EMZ Hanauer produziert Sensoren und Bauteile für Haushaltsgeräte und beschäftigt etwa 1.000 Mitarbeiter. Ein Bereich beschäftigt sich auch mit der städtischen Müllentsorgung und dem Zugang zu Müllcontainern.

Das Digitalisierungsprojekt: Bisher hatten Kunden von EMZ mittels elektronischer Schlüssel Zugriff auf Müllcontainer. Das hat das Unternehmen durch eine App ersetzt. Auch die Rechnung erhalten die Kunden jetzt digital.

Die Umsetzung: EMZ setzte bei der Umsetzung auf ein heterogenes Team im Unternehmen. Sie arbeiteten nah mit den Kunden zusammen und investierten erst nach positivem Feedback eine größere Summe in Prototypen. Wo das Team auf eigene Grenzen stieß, holte man sich die Expertise von außen.

Die Vorteile: Für die Kunden bedeutet die Reduzierung der Hardware vor allem ein Kostenvorteil. Sie profitieren aber zudem auch von zusätzlichen Funktionen der Technik: So können sie bei Problemen am Müllcontainer – etwa bei Verschmutzung oder Vandalismus – ein Bild über die App an die Entsorger schicken. Auch die Entsorgungsunternehmen können mithilfe der App ihre Routen besser planen, da sie damit wissen, wie voll die Container bereits sind.

Fallbeispiel 2: Videobrille für bessere Kundenkommunikation
Das Unternehmen: Die Beumer Group ist spezialisiert auf Intralogistiksysteme wie Gepäckabfertigungen und beschäftigt ca. 4.200 Mitarbeiter.

Das Digitalisierungsprojekt: Um den Kundendienst zu verbessern, entwickelte Beumer eine Videobrille, mit der die Kunden mit visueller Unterstützung den Kundendienst kontaktieren können.

Die Umsetzung: Bei der Umsetzung setzte Beumer auf ein Start-up. Wichtig war es für das Unternehmen auch, die eigenen Mitarbeiter so früh wie möglich mit an Bord zu holen.

Die Vorteile: Probleme einer Anlage lassen sich über Telefon nur schwer beschreiben. Mithilfe der Videobrille kann der Kundendienst das Problem begreifen, ohne vor Ort zu sein. Zudem können dem Kunden in der Videobrille Anweisungen eingespielt werden, damt er selbstständig das Problem lösen kann.

Die Arbeitsmarktstudie zeigt, dass durch den technischen Fortschritt in der IT genauso wie im Finanz- und kaufmännischen Bereich neue Profile entstehen oder bestehende Spezialisierungen stärker nachgefragt werden.

Fallbeispiel 3: Cloud-Plattform schafft neue Anwendungsfelder
Das Unternehmen: Die BHS Corrugated Maschinen- und Anlagenbau GmbH beschäftigt über 1.900 Mitarbeiter und ist Lifecycle-Partner in der Wellpappenindustrie. Ihr Produkt- und Leistunsspektrum ist sehr groß.

Das Digitalisierungsprojekt: Das Unternehmen entwickelte eine eigene Cloud-Plattform, um bei den Anlagen ihrer Kunden schneller auf Wartungs- und Störungsfälle aufmerksam werden. Die Daten der Anlagen werden dabei auf der Industrial-Industry-of-Things-Plattform (IIoT) gespeichert und ausgewertet.

Die Umsetzung: BHS hat zur Umsetzung ein eigenes Corporate Start-up im Unternehmen gegründet. Der neue Bereich hatte die Freiheit, sich nur mit der IIoT-Plattform zu beschäftigen.

Die Vorteile: Mit der Plattform erfährt das Unternehmen wesentlich früher, wenn Probleme an einer Maschine vorliegen. Aber das Projekt ging weit darüber hinaus: Mit den analysierten Daten auf der Cloud-Plattform konnten die Kunden eigene Engpässe in der Produktion erkennen und neue Potentiale nutzen. Das führte zu einem enorm positiven Kundenfeedback und schließlich zu neuen Geschäftsfeldern bei BHS.

Fallbeispiel 4: Internes Wiki sorgt für bessere Projektabläufe
Das Unternehmen: Die Stoll Gruppe bietet Projektlösungen in Bereichen der Gebäudetechnik, dem Schaltanlagenbau, der Automation und mehr. Etwa 180 Mitarbeiter beschäftigt das Unternehmen.

Das Digitalisierungsprojekt: In den zahlreichen Kundenprojekten wollte das Unternehmen eine bessere Prozessstabilität und -dynamik einbringen. Dazu setzte das Unternehmen ein internes Nachschlagewerk in Form eines Wikis um.

Die Umsetzung: Die Ausführung des Wikis dauerte länger als geplant. Auch war es nicht einfach, alle Mitarbeiter intern zu überzeugen, das neue Nachschlagewerk zu nutzen. Doch einige Schlüsselpersonen im Unternehmen, die mit gutem Beispiel vorangingen, unterstützten das Projekt. Wichtig für Stoll war es, nicht auf kurzfristige Erfolge zu setzen, sondern das Projekt langfristig zu begleiten.

Die Vorteile: Der Projektablauf ist mithilfe des Wikis enorm verbessert worden, da nun alle Mitarbeiter Zugriff auf dieselben Informationen haben. Dadurch kann sich jeder jederzeit alles besorgen, was er für sein Projekt braucht. Sowohl die Kundenzufriedenheit als auch die Qualität der Projekte ist damit enorm gestiegen.

Fallbeispiel 5: Familienanzeigen online einbinden
Das Unternehmen: Die NWZ Mediengruppe ist ein großes Medienunternehmen in Nordwest-Niedersachsen, NWZ Digital ist die Beteiligungsholding der Mediengruppe.

Das Digitalisierungsprojekt: Familienanzeigen, etwa zur Hochzeit oder bei Trauerfällen, sind ein wichtiger Zweig bei Tageszeitungen. NWZ Digital wollte die Anzeigen auch online verfügbar machen.

Die Umsetzung: Zur Umsetzung arbeitete das Unternehmen mit einem Start-up zusammen. Das hat ein Anzeigenportal entworfen, mit dem die Familienanzeigen auch online erscheinen konnten. Die interne Einbindung in der NWZ Mediengruppe war vor allem im Vertrieb nicht einfach – die Mitarbeiter mussten zunächst sensibilisiert werden.

Die Vorteile: Das Anzeigenportal des Start-ups funktioniert so gut, dass eine White-Label-Lösung daraus entstand, die das Medienunternehmen weiterverkaufen kann. Inzwischen ist die Lösung in zahlreichen deutschen Medienhäusern und einigen europäischen vertreten.

Der Beitrag Erfolgreiche Digitalisierung im Mittelstand erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Das Handelsblatt fasst zusammen: „Angesichts immer kürzerer Innovationszyklen und der Tatsache, dass bahnbrechende Erfindungen inzwischen meist aus dem Ausland kommen, muss Deutschlands erfolgsverwöhnte Industrie aufpassen, im internationalen Wettbewerb nicht ins Hintertreffen zu geraten. Das zeigt auch eine neue exklusive Studie der Bertelsmann Stiftung und des Forschungsinstituts IW Consult.

Demnach verfügt nur ein Viertel der Unternehmen über die nötige Innovationskompetenz und -kultur, um ihre Wettbewerbsposition langfristig zu sichern. Fast die Hälfte der Firmen hat es dagegen in den zurückliegenden Jahren verpasst, ihr Innovationsprofil an neue Bedingungen anzupassen. Das trifft vor allem auf kleinere und mittlere Unternehmen (KMU) zu. „Verpassen diese KMU den Zeitpunkt für den notwendigen Strukturwandel hin zu mehr Innovationsfähigkeit, können sie und ihre Beschäftigten schnell zu Opfern veränderter Marktbedingungen werden“, warnt Armando García Schmidt von der Bertelsmann Stiftung.

Für die Studie wurden gut 1 000 Industrieunternehmen und industrienahe Dienstleister zu Faktoren wie neu eingeführten Produkt- oder Prozessinnovationen, ihrer Vernetzung mit der Wissenschaft, ihrer Stellung im Wettbewerb oder zur Organisation von Forschung und Entwicklung befragt. Aus den Ergebnissen haben die Forscher anschließend sieben verschiedene Innovationsmilieus entwickelt, denen sich die einzelnen Firmen zuordnen lassen.

Die Ergebnisse überraschen, haben sich doch die Forschungs- und Entwicklungsausgaben der deutschen Wirtschaft seit der Jahrtausendwende auf zuletzt 88 Milliarden Euro mehr als verdoppelt. Auch galten große Branchen wie Autoindustrie oder Maschinenbau als innovationsstark. Doch schon die Expertenkommission Forschung und Innovation (EFI) hatte 2018 festgestellt, dass der Anteil von Unternehmen, die sich mit Produkt- oder Prozessinnovationen hervortun, seit 1999 von 56 auf 35 Prozent zurückgegangen ist.

Nur sechs Prozent der Unternehmen können sich demnach Technologieführer nennen. Sie verschieben die technologische Grenze stetig weiter nach außen, was sich unter anderem in einer großen Zahl von Patentanmeldungen und einer starken Vernetzung mit der Wissenschaft widerspiegelt. Die Technologieführer kommen vorrangig aus den Branchen Chemie und Pharma, Kunststoff sowie Metall und Elektro.

Knapp ein Fünftel der Unternehmen zählen die Studienautoren zu den „Disruptiven Innovatoren“. Dieses Milieu zeichnet sich durch eine hohe Risikobereitschaft und den Mut zu radikalen Innovationsprojekten aus, die oft unter Einbindung aller Mitarbeiter abseits klassischer Hierarchien entwickelt werden. Entsprechend finden sich hier viele Start-ups – knapp ein Viertel der Unternehmen dieser Gruppe wurde erst in den vergangenen zehn Jahren gegründet.

Deutschland rangiere in internationalen Rankings zur Innovationsfähigkeit seit Jahren auf den vorderen Plätzen und zählt laut Weltwirtschaftsforum zu den zehn forschungsintensivsten Volkswirtschaften der Welt, teilte dazu das Bundeswirtschaftsministerium mit. „Deutsche Unternehmen sind hochinnovativ. Wir müssen aber vor allem den Mittelstand stärker unterstützen“, sagte Wirtschaftsminister Peter Altmaier (CDU) dem Handelsblatt. Daneben müsse der Transfer von Innovationen in die Praxis schneller gelingen.

Der Spitzengruppe stehen am anderen Ende der Skala 46 Prozent der Unternehmen gegenüber, die wenig bis gar nicht innovativ sind. Das Gros verschließt sich neuen Technologien nicht, doch fehlt eine klare Strategie. Im besten Fall gelingen Innovationen im Zufallsprinzip. Oder die Firmen sind gut vernetzt mit ihren Kunden und profitieren von deren Vorschlägen zur Verbesserung ihrer Produkte und Dienstleistungen.

Innovationen werden also nicht aktiv vorangetrieben, sondern eher passiv aufgegriffen. Dies gilt vor allem für Firmen aus den Bereichen Bau, Logistik und Großhandel sowie viele industrienahe Dienstleister – und fast ausschließlich handelt es sich um Mittelständler mit weniger als 50 Millionen Euro Jahresumsatz.

Jedes neunte Unternehmen, auch hier fast nur Kleinbetriebe, hält Innovationen nicht für wettbewerbsrelevant oder sieht sich nicht in der Lage, sie umzusetzen. „Die größte Gefahr ist der Erfolg von gestern“, sagt Markus Thomzik, Forschungsprofessor am Institut für angewandte Innovationsforschung (IAI) der Ruhr-Uni Bochum.

In „saturierten“ Gesellschaften und Firmen sei es sehr schwer, Neues zu wagen. Unternehmen müssten aber Mut zum Risiko haben und eine Fehlerkultur etablieren, weil 80 Prozent aller Innovationsprojekte scheiterten. Zugleich seien sie gezwungen, wenig Fehler zu machen, wenn sie Geld verdienen wollen. „Das ist ein Spagat“, sagt Thomzik.

Dabei zeigt die Studie auch – wenig überraschend – dass Innovationserfolg direkt mit wirtschaftlichem Erfolg zusammenhängt. So fällt etwa die Nettoumsatzrendite, also der Anteil des Gewinns am Umsatz, bei den befragten „Disruptiven Innovatoren“ um 33 Prozent höher aus als im Durchschnitt aller Milieus. Auch die Beschäftigung ist bei den Innovationsführern doppelt so schnell gestiegen wie bei innovationsfernen Unternehmen.

Vor allem der Mittelstand droht den Anschluss zu verlieren, warnt die Bertelsmann-Studie. Digitalisierung und Künstliche Intelligenz böten neue Chancen, sagte Forschungsministerin Anja Karliczek (CDU) dem Handelsblatt. „Wir müssen kleinen und mittleren Unternehmen aber helfen, sie wahrzunehmen.“

Etwa, indem Wissenschaft und Wirtschaft noch enger zusammenarbeiten. Die Bundesregierung hatte nach langem Ringen endlich die steuerliche Forschungsförderung auf den Weg gebracht, um dem Mittelstand zu helfen. Allerdings streitet die Große Koalition derzeit noch über Details, sodass die für diese Woche geplante Verabschiedung im Bundestag verschoben wurde.

Dass vor allem kleine und mittlere Betriebe bei der Entwicklung neuer Technologien ins Hintertreffen geraten, führen die Studienautoren mit darauf zurück, dass der digitale Reifegrad bei ihnen noch sehr gering ausgeprägt ist – auch weil sie oft ihren Sitz nicht in mit Breitband versorgten Metropolen haben oder zu wenig Geld in digitale Technologien stecken. Investieren die „Disruptiven Innovatoren“ im Schnitt 5,8 Prozent ihres Umsatzes in die Digitalisierung von Prozessen und Geschäftsmodellen, sind es über alle Milieus nur 3,4 Prozent.

„Die traditionelle Stärke der deutschen Wirtschaft liegt ja gerade in der Breite, bei den über Tausend Hidden Champions beispielsweise, die sich oftmals abseits der großen Metropolen finden“, sagt Dieter Janecek, Sprecher für Industriepolitik und digitale Wirtschaft der Grünen-Bundestagsfraktion. Wenn viele KMU den Anschluss an Innovation und Digitalisierung zu verlieren drohten, dann müsse uns das Sorgen machen. „Hier rächt sich auch, dass die Regierung den Ausbau der digitalen Infrastruktur gerade in ländlichen Räumen hat schleifen lassen.“

Auch Bertelsmann-Experte García macht sich für Investitionen in die klassische und vor allem die digitale Infrastruktur stark, damit die Vielzahl der KMU und auch der Unternehmen im ländlichen Raum den Anschluss nicht verliert. Allerdings können die Unternehmen selbst auch mehr für ihren Innovationserfolg tun. So könnten in Netzwerken oder Clustern Projekte gemeinsam gestemmt werden, die sich ein einzelnes Unternehmen nicht zutraue.

Die von der Bundesregierung auf den Weg gebrachte steuerliche Forschungsförderung, über die im Detail immer noch gestritten wird (siehe nebenstehenden Artikel), halten die Forscher dagegen nicht für zielführend. Die geplanten Mittel von gut fünf Milliarden Euro für die Jahre 2021 bis 2024 seien zu gering und würden außerdem „nach dem Gießkannenprinzip verteilt“.

Besser wären gezielte Förderinstrumente, die den Aufholprozess von KMU unterstützen, die richtigen Rahmenbedingungen für technologisch versierte Start-ups setzen und die Grundlagenforschung stärken, heißt es in der Studie. „Wir müssen Unternehmergeist hierzulande deutlich mehr fördern und wertschätzen“, sagt der innovationspolitische Sprecher der FDP-Fraktion, Thomas Sattelberger.

Nötig seien zudem die qualifizierte Einwanderung Hunderttausender Tech-Spezialisten, eine rasch umzusetzende steuerliche Forschungsförderung und „blitzschnelle Maßnahmen“ für vernünftige digitale Infrastruktur.

Mehr: Europa fällt bei Schlüsseltechnologien zurück. Nur acht Prozent der Ausgaben für Forschung und Entwicklung entfallen auf europäische Firmen, sagt eine Studie. Vor allem bei der Vermarktung gibt es Probleme.“

Der Beitrag Verschläft der deutsche Mittelstand die Zukunft? erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Das Handelsblatt fasst zusammen: Seit 1800 sind Wachstum und Lebenserwartung parallel zur Reduzierung der Arbeitszeit deutlich gestiegen. „Technologie hat in Europa und in den USA in den vergangenen 40 Jahren erheblich dazu beigetragen, dass es den Menschen besser geht“, sagt Eckart Windhagen, Seniorpartner von McKinsey. Ihm zufolge lasse sich dieser Trend nur dann fortsetzen, „wenn Unternehmen neue Technologien richtig einsetzen“. Anhand von rund 600 Fallbeispielen und technologischen Anwendungen hat das McKinsey Global Institute (MGI) mehrere Bereiche identifiziert, in denen sich digitale Innovationen positiv auf das Wohlbefinden von Individuen und Gesellschaften auswirken.

Gleichzeitig kann die Digitalisierung dafür sorgen, dass diese Umwälzungen weniger einschneidend verlaufen. Digitale Job- und Kollaborationsplattformen sorgen für neuartige Möglichkeiten der Vernetzung, Arbeit und Einkommensgenerierung, was sich letztlich auch positiv auf den materiellen Lebensstandard auswirken kann.

Der Grundstein für den beruflichen Werdegang und damit das Wohlergehen wird entscheidend beeinflusst von der Bildung. Technologie kann hier bei der Vermittlung, Aneignung und Evaluierung von Wissen helfen. Künstliche Intelligenz (KI) kann Schüler individuell bei der Frage unterstützen, wie sie am besten lernen und Tests so gestalten, dass sich deren Schwierigkeitsgrad dem Lernfortschritt anpasst. Online-basierte Lernplattformen ermöglichen den Zugriff auf Wissen von überall in der Welt und zu jeder Zeit.

Gleichzeitig reduzieren sie die Kosten der Lehre. Digitale Whiteboards und der Zugang zum Internet ergänzen die traditionellen Werkzeuge bei der Wissensvermittlung. Und schon heute evaluieren smarte Bewertungssysteme Tests in den Bereichen Wirtschaft und Informatik schneller als Lehrer und Professoren.

Den direktesten Einfluss auf unser Wohlbefinden und Leistungsvermögen hat die Gesundheit. Moderne Technologien können hier in vielerlei Hinsicht einen Mehrwert bietet. Big Data hilft schon heute großen Medikamentenherstellern, neue Arzneimoleküle zu testen. Auch in der Zell-Therapie und der Gentechnik steckt dank intelligenter Systeme viel Potenzial. KI wird bereits eingesetzt bei der Diagnose von Malaria oder Alzheimer und hilft Schlaganfälle und Herzinfarkte vorherzusagen. Roboter übernehmen zudem immer diffizilere Eingriffe.

Darüber hinaus helfen Gesundheitsapps und Fitnesstracker zu einer Sensibilisierung für ein gesündere Lebensweise durch die Überwachung wichtiger Vitalfunktionen. Technologie in Krankenhäusern kann die Pflege von Insassen optimieren und die Belegungszeiten verkürzen – bei einem Krankenhaus in Rio de Janeiro um immerhin mehr als drei Tage im Schnitt. Verbesserungen bei der Gesundheit und Lebenserwartung sind womöglich die größten Beiträger zu einem Ansteigen des Wohlbefindens nach dem BIP.

Informations- und Kommunikationstechnologien verbrauchen jährlich 1700 Terawattstunden Strom und damit rund acht Prozent der weltweit genutzten Strommenge. Auf der anderen Seite hat die Digitalisierung positiven Einfluss auf das Klima, indem etwa intelligentes Verkehrsmanagement in Städten, einschließlich der Optimierung von Ampelnetzen, den Verkehrsfluss verbessert und damit die Auswirkungen der Luftverschmutzung reduziert. Technologie kann außerdem Treibhausgasemissionen durch Energieeffizienz, erneuerbare Energiequellen sowie Batterie- und Steuerungstechnologien zum Ausgleich von Angebot und Nachfrage reduzieren.

Der Beitrag McKinsey Studie zu den positiven und negativen Auswirkungen der Digitalisierung erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..