Wer in Frankfurt mit einem mittelständischen Betrieb unterwegs ist, kennt das Thema: Künstliche Intelligenz wird auf jeder Messe und in jeder Branchenzeitung als Wendepunkt angepriesen. Was konkret dahintersteckt, wenn ein Unternehmen mit 80 oder 300 Mitarbeitern eine KI-Agentur beauftragt, bleibt dabei oft unklar. Dieser Artikel sortiert, was solche Agenturen tatsächlich leisten und welche Fragen vor einem Mandat geklärt sein müssen.
Was KI-Agenturen vom klassischen IT-Dienstleister unterscheidet
Ein klassischer IT-Dienstleister installiert Software, wartet Server und löst Helpdesk-Tickets. Eine KI-Agentur arbeitet auf einer anderen Ebene: Sie analysiert Geschäftsprozesse, identifiziert Automatisierungspotenziale und entwickelt Lösungen, die auf firmeneigenen Daten basieren. Der Unterschied liegt weniger in der Technologie als in der Beratungstiefe.
Konkret bedeutet das: Eine KI-Agentur beginnt typischerweise mit einem sogenannten Use-Case-Workshop. Dort werden gemeinsam mit dem Auftraggeber Prozesse identifiziert, bei denen KI-Einsatz messbar Aufwand reduziert oder Umsatz steigert. Das können automatisierte Angebotserstellung sein, die Klassifizierung eingehender E-Mails im Kundenservice oder die Qualitätskontrolle in der Produktion per Bilderkennungssystem.
Typische Leistungsfelder im Mittelstandsmandat
Das Angebot seriöser KI-Agenturen lässt sich in vier Kernbereiche gliedern:
- Prozessautomatisierung: Wiederkehrende Aufgaben wie Dateneingabe, Rechnungsprüfung oder Berichterstellung werden durch KI-gestützte Workflows übernommen. Ein Frankfurter Logistikdienstleister mit 120 Mitarbeitern hat auf diesem Weg die manuelle Bearbeitungszeit von Frachtdokumenten von 45 auf 8 Minuten pro Vorgang gesenkt.
- Natural Language Processing: Chatbots und interne Wissenssuche, die tatsächlich auf Unternehmensdaten zugreifen, statt allgemeine Antworten zu geben. Relevant für Vertrieb, HR und internen Support.
- Predictive Analytics: Vorhersagemodelle für Nachfrage, Lieferengpässe oder Kundenabwanderung. Braucht saubere Datenbasis, liefert aber ab etwa 18 Monaten Datenverfügbarkeit belastbare Ergebnisse.
- Custom LLM-Integration: Anbindung großer Sprachmodelle an interne Systeme wie ERP oder CRM, damit Mitarbeiter firmeninterne Informationen per Chatschnittstelle abrufen können, ohne Zugriff auf externe Server zu gewähren.
Nicht jede Agentur beherrscht alle vier Felder gleich gut. Mittelständler sollten im Erstgespräch gezielt nach abgeschlossenen Projekten in ihrem Sektor fragen und auf Referenzen mit Umsatzgröße unter 100 Millionen Euro bestehen.
Compliance und EU-Regulierung als unterschätztes Thema
Seit dem Inkrafttreten des EU AI Act im August 2024 gilt für Unternehmen, die KI einsetzen oder entwickeln, ein gestuftes Pflichtenprogramm. Viele Mittelständler unterschätzen, dass sie als sogenannte „Deployer“ selbst in der Verantwortung stehen, wenn sie KI-Systeme in sensiblen Bereichen wie Personalentscheidungen, Kreditbewertung oder Sicherheitsinfrastruktur nutzen. Eine gute KI-Agentur integriert dieses Wissen in ihre Beratung. Wer sein Team intern auf den aktuellen Stand bringen will, findet bei Anbietern wie der Ki-Agentur eine strukturierte EU AI Act Schulung, die den gesetzlichen Rahmen praxisnah aufbereitet. Compliance ist kein Add-on, sondern sollte von Beginn an Teil jedes KI-Projekts sein.
Die Risikoklassifizierung des EU AI Act unterscheidet vier Stufen: inakzeptables Risiko, hohes Risiko, begrenztes Risiko und minimales Risiko. Für den typischen Mittelstandseinsatz, also Dokumentenverarbeitung, Kundenservice-Bots oder Nachfrageprognosen, bewegen sich die meisten Anwendungen im Bereich begrenztes oder minimales Risiko. Trotzdem sind Dokumentationspflichten einzuhalten, insbesondere wenn KI-Outputs menschliche Entscheidungen direkt beeinflussen.
Kosten und Projektstruktur: Was ist realistisch?
Mittelständler sollten mit folgenden Größenordnungen kalkulieren:
| Projektphase | Typischer Aufwand | Richtwert Kosten |
|---|---|---|
| Use-Case-Workshop | 1 bis 2 Tage | 1.500 bis 4.000 Euro |
| Proof of Concept | 4 bis 8 Wochen | 15.000 bis 40.000 Euro |
| Produktivsystem | 3 bis 6 Monate | 50.000 bis 150.000 Euro |
| Betrieb und Weiterentwicklung | laufend | 2.000 bis 8.000 Euro/Monat |
Diese Zahlen variieren stark nach Komplexität und Datenlage. Unternehmen mit gut gepflegten ERP-Daten kommen schneller zu brauchbaren Ergebnissen als solche, die zunächst eine Datenbereinigung durchlaufen müssen. Letzteres wird von Agenturen manchmal als separate Phase verkauft und kann den Zeitplan erheblich verlängern.
Worauf Auftraggeber vor Vertragsabschluss achten sollten
Vier Punkte haben sich in der Praxis als besonders wichtig erwiesen:
- Datensouveränität: Wo werden Unternehmensdaten verarbeitet? Laufen Modelle auf eigenen Servern, in einer europäischen Cloud oder bei einem US-Hyperscaler? Der Unterschied ist rechtlich und praktisch bedeutsam.
- Transparenz der Modelle: Kann die Agentur erklären, warum ein Modell eine bestimmte Ausgabe produziert? Black-Box-Lösungen sind in regulierten Umgebungen problematisch.
- Übergabe und Dokumentation: Was passiert, wenn das Mandat endet? Gut aufgestellte Agenturen übergeben vollständige technische Dokumentation und schulen interne Teams, statt dauerhafte Abhängigkeit zu produzieren.
- Messung des ROI: Seriöse Anbieter definieren vor Projektstart gemeinsam mit dem Auftraggeber, welche KPIs nach sechs und zwölf Monaten als Erfolgskriterium gelten. Wer das ablehnt, sollte kritisch betrachtet werden.
Fazit: Selektiv statt umfassend
KI-Agenturen können für mittelständische Unternehmen echten Wert schaffen, aber nicht überall gleichzeitig. Der häufigste Fehler ist der Versuch, zu viele Prozesse auf einmal zu automatisieren. Wer mit einem klar begrenzten Pilotprojekt startet, einen messbaren Erfolg erzielt und dann skaliert, hat deutlich bessere Chancen als jemand, der KI als Generalrenovierung seines Unternehmens begreift.
Frankfurter Unternehmen haben dabei einen strukturellen Vorteil: Die Nähe zur Finanzbranche hat dazu geführt, dass die Region überdurchschnittlich viele spezialisierte KI-Dienstleister angezogen hat, die Erfahrung mit regulierten Umgebungen, komplexen Datenstrukturen und anspruchsvollen Compliance-Anforderungen mitbringen. Das ist eine Ressource, die es lohnt zu nutzen.
Gastbeitrag von Lukas Berg
