Welche KI im Mittelstand tatsächlich im Einsatz ist

Zwei Zahlen zum selben Thema

Die KfW hat am 29. Juli 2026 eine Auswertung des KfW-Mittelstandspanels veröffentlicht. Danach haben 20 Prozent der mittelständischen Unternehmen in den Jahren 2022 bis 2024 mindestens eine KI-Technologie genutzt. Zwischen 2016 und 2018 waren es 4 Prozent.

Der Digitalverband Bitkom kommt in seiner Befragung vom Frühjahr 2026 auf 41 Prozent. Dort waren 604 Unternehmen ab 20 Beschäftigten befragt worden, im Jahr davor lag der Wert bei 17 Prozent.

Der Abstand erklärt sich aus zwei Unterschieden. Die KfW zählt den gesamten Mittelstand einschließlich der Betriebe mit weniger als fünf Beschäftigten, und ihr Beobachtungszeitraum endet 2024. Bitkom setzt bei 20 Beschäftigten an und hat zwei Jahre später gefragt, in einem Feld, das sich in dieser Zeit sichtbar bewegt hat.

Welche Technologien im Einsatz sind

Die KfW-Auswertung unterscheidet acht Arten von KI. Anteil der mittelständischen Unternehmen, die sie zwischen 2022 und 2024 genutzt haben, Mehrfachnennungen waren möglich:

• Erzeugung natürlicher Sprache: 14 Prozent. Textbausteine, Antwortentwürfe, Übersetzungen, Zusammenfassungen.
• Texterkennung: 10 Prozent. Das Auslesen von Schriftsprache, etwa aus eingehenden Belegen und Nachrichten.
• Automatisierung von Arbeitsabläufen und Entscheidungsunterstützung: 5 Prozent.
• Spracherkennung: 5 Prozent. Umwandlung gesprochener Sprache in maschinenlesbare Form.
• Bilderkennung und Bilderzeugung: 5 Prozent.
• Data Analytics: 3 Prozent. Maschinelles Lernen auf den eigenen Datenbeständen.
• Physische Bewegung von Maschinen: 1 Prozent.

Die Reihenfolge ist über alle Größenklassen hinweg stabil. Auch bei den Betrieben unter fünf Beschäftigten stehen die Erzeugung natürlicher Sprache mit 13 Prozent und die Texterkennung mit 9 Prozent vorn.

Warum die breit einsetzbaren Anwendungen vorne liegen

Die beiden führenden Technologien haben zwei Eigenschaften gemeinsam. Sie decken viele Anwendungsfälle in einem Unternehmen ab, und für ihre Grundfunktionen stehen fertige Werkzeuge bereit. Ein Textwerkzeug lässt sich am ersten Tag ohne Vorbereitung im eigenen Datenbestand nutzen.

Bei den selteneren Technologien liegt der Aufwand an anderer Stelle. Data Analytics setzt voraus, dass die Daten intern in auswertbarer Form vorliegen, und es verlangt Kenntnisse in statistischen Verfahren. Die KfW nennt beides als Grund für den niedrigen Anteil von 3 Prozent. Anwendungen zur Automatisierung von Arbeitsabläufen sind meist unternehmensspezifisch und erfordern eine Verknüpfung mit der bestehenden IT-Landschaft. Die physische Bewegung von Maschinen rechnet sich in der Regel erst ab größeren Stückzahlen.

Für die Praxis folgt daraus eine Einordnung der eigenen Vorhaben: Anwendungen rund um Text und Sprache sind vergleichsweise schnell nutzbar. Sobald ein Vorhaben die eigenen Stammdaten, Bewegungsdaten oder Prozesse berührt, verschiebt sich der Aufwand von der Auswahl der Software zur Vorbereitung der Daten und zur Anbindung der bestehenden Systeme.

Was die Anwender von den übrigen unterscheidet

Die Unternehmensgröße erklärt weniger, als die Beschreibung nach Größenklassen vermuten lässt. Bei der Erzeugung natürlicher Sprache steigt der Anteil von 13 Prozent bei den Betrieben unter fünf Beschäftigten auf 25 Prozent bei den Unternehmen ab 50 Beschäftigten, bei der Texterkennung von 9 auf 23 Prozent. Rechnet man weitere Merkmale heraus, verschwindet der Zusammenhang mit der Größe für die meisten Technologien.

Deutlicher wirken drei andere Merkmale. Die KfW ermittelt sie über eine Regressionsanalyse, die Werte sind demnach als Modellrechnung zu lesen:

• Digitalisierungsstrategie. Gegenüber Unternehmen ohne Strategie und ohne laufende Digitalisierungsvorhaben liegen die Anwendungswahrscheinlichkeiten um bis zu 9 Prozentpunkte höher.
• Eigene Forschung und Entwicklung. Bei durchgängig FuE-treibenden Unternehmen liegen sie um 2 bis 20 Prozentpunkte höher, je nach Technologie bis zum Fünffachen.
• Hochschulabsolventen im Betrieb. Ein Unterschied von knapp 1 bis 4 Prozentpunkten, was je nach Technologie eine Steigerung um zwei Drittel bis über eine Verdopplung bedeutet.

Nach Wirtschaftszweigen liegen die wissensbasierten Dienstleistungen mit einer KI-Nutzerquote von 28 Prozent vorn, gefolgt vom forschungsintensiven Verarbeitenden Gewerbe mit 23 Prozent. Am seltensten kommt KI im Baugewerbe zum Einsatz, dort bei 8 Prozent der Unternehmen.

Ausschlaggebend ist nach dieser Auswertung vor allem der erreichte Digitalisierungsgrad, das vorhandene digitale Knowhow und die Innovationstätigkeit des Unternehmens.

Woran Vorhaben liegen bleiben

Bitkom fragt in derselben Erhebung nach den Hemmnissen der Digitalisierung. Genannt werden Anforderungen des Datenschutzes von 77 Prozent der Unternehmen, der Fachkräftemangel von 70 Prozent, Anforderungen an die technische Sicherheit von 61 Prozent und fehlende marktfähige Lösungen von 43 Prozent. Als unternehmensinterne Hürden stehen fehlende Zeit mit 66 Prozent, fehlende Finanzmittel mit 48 Prozent und lange Entscheidungswege mit 40 Prozent obenan.

Zum weiteren Verlauf begonnener Vorhaben liegt eine Prognose des Marktforschungsunternehmens Gartner vor, veröffentlicht am 25. Juni 2025. Danach werden bis Ende 2027 mehr als 40 Prozent der Projekte mit agentischer KI eingestellt. Als Gründe nennt Gartner steigende Kosten, einen unklaren Nutzenbeitrag und eine unzureichende Steuerung dieser Vorhaben. Dieselbe Veröffentlichung ordnet den Anbietermarkt ein: von den tausenden Unternehmen, die zu diesem Zeitpunkt Produkte als agentische KI vermarkteten, baute Gartner zufolge etwa 130 Systeme mit tatsächlich eigenständigen Fähigkeiten.

Es handelt sich um eine Prognose. Bemerkenswert ist, wo die genannten Abbruchgründe liegen: Kostenverlauf, Nutzenbeitrag und Zuständigkeit lassen sich vor dem Start eines Vorhabens festlegen.

Schritte für die eigene Einordnung

1. Das Vorhaben einer Technologieklasse zuordnen

   Text und Sprache, Auslesen von Dokumenten, Auswertung eigener Daten oder Eingriff in einen Arbeitsablauf. Die Zuordnung sagt bereits, ob der Schwerpunkt bei der Auswahl der Software oder bei der Vorbereitung der Daten liegt.

2. Die Datenlage vor der Auswahl prüfen

   Welche Daten liegen digital vor, in welchem System, in welcher Qualität, und wer darf sie verwenden. Bei Vorhaben mit eigenen Daten entscheidet diese Frage über den Aufwand stärker als die Wahl des Anbieters.

3. Das Erfolgskriterium vor dem Start festlegen

   Eine messbare Größe, ein Ausgangswert und ein Zeitpunkt, zu dem gemessen wird. Ohne diese drei Angaben lässt sich am Ende der Pilotphase weder eine Fortführung noch ein Abbruch begründen.

4. Die Anbindung an bestehende Systeme mit Aufwand hinterlegen

   Schnittstellen zum ERP-System, zur Buchhaltung oder zum Archiv gehören in die Kalkulation, auch wenn sie im Angebot des Anbieters nicht auftauchen.

Quellen und Stand. Die Zahlen zum Mittelstand stammen aus KfW Research, Fokus Volkswirtschaft Nr. 554 vom 29. Juli 2026, Datenbasis ist das KfW-Mittelstandspanel 2025 für die Jahre 2022 bis 2024. Die Werte nach Wirtschaftszweigen nennt die Pressemitteilung der KfW vom 11. Februar 2026. Die Werte für Unternehmen ab 20 Beschäftigten und die Hemmnisse stammen aus der Presseinformation von Bitkom vom 11. März 2026, Grundlage sind 604 telefonisch befragte Unternehmen. Die Prognose zu Projektabbrüchen stammt aus der Presseinformation von Gartner vom 25. Juni 2025. Stand dieser Einordnung: 10. August 2026.