„Wer geht ran?“ – In vielen deutschen Unternehmen ist die Antwort mittlerweile: ein Algorithmus. Überraschend ist, wer ihn nicht anfasst: die IT. Während der Kundenkontakt zum Experimentierfeld der KI wird, bleibt die eigentliche Technikzunft erstaunlich zurückhaltend. Diese kleine Verschiebung erzählt mehr über die Lage als jede Visionärsrede.

Angeregt durch aktuelle Branchenbefragungen zeigt sich: Rund ein Drittel der Unternehmen arbeitet bereits mit KI – nahezu doppelt so viele wie im Vorjahr. Acht von zehn sehen sie als Schlüsseltechnologie. Gleichzeitig ist Vorsicht geboten: Es handelt sich um eine telefonische Umfrage unter 604 Firmen ab 20 Beschäftigten; robust genug für Trends, nicht für Letztbeweise.

Wohin fließt die Praxis?
– Frontlinie: Im Kundenkontakt experimentieren 88 Prozent – dort, wo Markenstimme und Reaktionszeit zählen.
– Resonanzraum: Marketing/Kommunikation folgt mit 57 Prozent.
– Tiefenarbeit: F&E erreicht 21 Prozent.
– Paradox: Nur 2 Prozent der IT-Abteilungen setzen KI ein.

Die Haltung kippt: „Kein Thema“ sagen noch 17 Prozent (zuvor 41). „Beeindruckend, aber nutzlos“ sinkt auf 31 Prozent (zuvor 46). 83 Prozent werten KI als Chance, 14 Prozent als Risiko. Beim Personal rechnen 67 Prozent mit Konstanz, 20 mit Rückgang, 7 mit Zuwachs – doch nur 5 Prozent suchen gezielt Fachkräfte mit KI-Kompetenz. Rechtliche Unsicherheit bleibt die große Bremse (53 Prozent); der kommende AI Act wird als Aufwandstreiber erwartet (93 Prozent der Betroffenen). Und: 93 Prozent bevorzugen Anbieter aus Deutschland – ein Souveränitätsbekenntnis, das in der Praxis gegen Preis und Funktionsumfang antreten muss.

Zwei blinde Flecken – und was daraus folgt:
1) Frontoffice-first birgt Reputationsrisiken. Wenn KI zuerst dort wirkt, wo Fehler öffentlich werden, ist „Human-in-the-Loop“ kein Luxus, sondern Markenschutz. Unternehmen sollten KI wie Auszubildende behandeln: klar begrenzte Aufgaben, Supervision, Feedbackschleifen, auditierbare Protokolle.
2) Die IT-Abstinenz deutet weniger auf Skepsis als auf Schattenintegration: KI kommt via SaaS ins Haus, nicht aus dem Maschinenraum. Das spart Anlaufkosten, verhindert aber Lernkurven in MLOps, Datenpipelines und Modellgovernance. Wer Wirkung über Pilotprojekte hinaus will, braucht interne Fähigkeiten für Datenqualität, Prompt-/Retrieval-Design, Monitoring und Incident-Handling – kurz: KI-Betrieb als Kernkompetenz.

Drei pragmatische Schritte für den Mittelstand:
– Aufgabeninventur statt Jobdebatte: Welche Tätigkeiten sind regelbasiert, dokumentiert, risikoarm? Dort beginnen.
– Messbare Guardrails: Qualitätsmetriken, Eskalationspfade, Kosten pro erledigtem Vorgang; Compliance als Produktspezifikation, nicht als Nachkontrolle.
– Souveräne Beschaffung: Nationale Anbieter bevorzugen – ja. Aber vertraglich Portabilität, On-Prem/Private-Cloud-Optionen und Interoperabilität sichern, um Lock-in zu vermeiden.

Ausblick: Der AI Act wird die romantische Phase beenden und Inventare, Risikoklassen und Nachweisführung zur Pflicht machen. Das klingt nach Ballast, ist aber eine Chance: Gute KI-Produktivität entsteht selten durch spektakuläre Einzeltools, sondern durch unspektakuläre Prozessarbeit. Deutschland will vertrauenswürdige Systeme – die Zukunft entscheidet sich daran, ob die Modelle nicht nur sprechen, sondern in bestehende Wertschöpfung leise, verlässlich und bezahlbar einrasten. Bis dahin gilt: Die KI mag zuerst im Callcenter anrufen; ihre eigentliche Prüfung beginnt im Maschinenraum.

▣