Wer eine KI-Integration in bestehende Systeme plant, denkt zuerst an Schnittstellen und Modelle. Das greift zu kurz. Projekte geraten ins Stocken, weil niemand festgelegt hat, was die KI im System tun darf und wer für ihre Ergebnisse geradesteht. Dieser Beitrag hilft Ihnen, diese Entscheidungen zu treffen, bevor ein Dienstleister mit dem Bauen beginnt.
KI-Integration bedeutet, ein Sprachmodell oder ein Prognoseverfahren direkt an Ihre Daten und Anwendungen anzubinden, etwa an CRM, ERP oder Ticketsystem. Das ist etwas anderes als ein Chatfenster neben der Arbeit. Der Bitkom-Trendreport zu KI in Learning & Development nennt eine Umfrage, nach der erst 3 Prozent der Unternehmen generative KI zentral einsetzen. Der Einsatz steht also meist noch am Anfang, und deshalb zahlt sich ein sauberer Zuschnitt aus.
Bitkom betont im selben Report, dass Technik allein keine Ergebnisse liefert. Ohne angepasste Prozesse und geschulte Mitarbeitende bleibt der Nutzen aus. Fraunhofer IAO hält in einem Beitrag zur strategischen KI-Integration in Museen fest, dass es nicht den einen Weg gibt, weil Organisationen mit unterschiedlichen Voraussetzungen, Ressourcen und Zielen starten. Ein fertiges Rezept aus einem anderen Unternehmen passt deshalb selten.
Die wichtigste Entscheidung betrifft die Eingriffstiefe. Sie legt fest, was die KI lesen, vorschlagen oder selbst verändern darf. Je tiefer der Eingriff, desto größer sind Nutzen und Risiko. Die Tabelle ordnet die drei gängigen Stufen ein.
| Stufe | Was die KI darf | Typisches Beispiel | Hauptrisiko |
|---|---|---|---|
| 1: Neben dem System | Daten lesen, nichts schreiben | Assistent beantwortet Fragen zu Verträgen | Veraltete oder unvollständige Antworten |
| 2: Vorschlag im System | Entwürfe erstellen, Mensch bestätigt | Antwortentwurf im Ticketsystem | Blindes Abnicken unter Zeitdruck |
| 3: Handelnd im System | Schreiben und Aktionen auslösen | Agent legt Aufträge an oder bucht Termine | Fehler wirken sofort und breit |
Für eine KI-Integration in bestehende Systeme ist Stufe zwei bei den meisten KMU der sinnvolle Start. Die Mitarbeitenden behalten die Kontrolle, und in den Korrekturen sehen Sie, wo das Modell danebenliegt. Stufe drei lohnt sich erst, wenn die Fehlerquote über Wochen bekannt und akzeptabel ist. Selbst dann halten Sie die Rechte der KI am besten eng.
Ein Beispiel macht das greifbar: Ein Händler lässt eingehende Kundenanfragen im Ticketsystem vorsortieren und mit einem Antwortentwurf versehen. Eine Mitarbeiterin prüft jeden Entwurf und schickt ihn ab oder ändert ihn. Die KI schreibt nie direkt an Kunden. So gewinnen Sie Zeit, ohne die Verantwortung abzugeben.
Klären Sie vor dem Pilot vier Punkte schriftlich:
Eine KI ist nur so brauchbar wie die Daten, auf die sie zugreift. Prüfen Sie daher, wo die relevanten Informationen liegen und wie aktuell sie sind. Liegen sie in Excel-Listen, Postfächern und drei Programmen gleichzeitig, kostet allein das Zusammenführen oft mehr als das Modell. Das gehört in die Kalkulation, bevor Sie über Preise sprechen.
Bei der KI-Integration in bestehende Systeme entscheiden zudem die Schnittstellen über den Aufwand. Moderne Anwendungen bieten meist definierte Anschlüsse, ältere Systeme oft nicht. Dann setzen Entwickler eine Zwischenschicht ein, sogenannte Middleware, was Zeit und laufende Wartung bedeutet. Fragen Sie Ihren Softwareanbieter, welche Schnittstellen existieren und was Änderungen kosten.
Bei personenbezogenen Daten klären Sie vor dem Start, wohin die Daten fließen, wo sie verarbeitet werden und ob der Anbieter sie zum Training nutzt. Verarbeitet ein Dienstleister Daten in Ihrem Auftrag, gehört in der Regel ein Auftragsverarbeitungsvertrag dazu. Was konkret für Sie gilt, bestätigen Ihr Datenschutzbeauftragter oder eine Rechtsberatung. Anforderungen und Kosten unterscheiden sich je nach Branche und Datenart.
Für Qualitätsfragen gibt es erste Orientierung. Unter Leitung von acatech entwickelt MISSION KI einen freiwilligen Mindeststandard für vertrauenswürdige KI, und das DFKI beschreibt im Projekt TrustifAI das Innovations- und Qualitätszentrum Kaiserslautern als Anlaufstelle für KMU und Start-ups. Ein Standard zeigt jedoch nur, dass ein Kriterienkatalog erfüllt ist. Sicherheit oder Eignung für Ihren Fall garantiert er nicht.
Anbieterneutrale Beratung finden Sie außerdem im Programm Mittelstand-Digital. Der KI Bundesverband beschreibt auf seiner Projektseite etwa das Mittelstand-Digital Zentrum Franken, das KMU bei Digitalisierung und KI informiert. Solche Stellen ersetzen keinen Umsetzungspartner, helfen aber, Angebote besser einzuordnen.
Ein Pilot braucht einen engen Zuschnitt: ein Prozess, eine Abteilung, ein Zeitraum. Messen Sie vorher, wie lange der Ablauf heute dauert und wie viele Fehler passieren. Ohne diese Ausgangswerte lässt sich später kein Nutzen belegen. Welche Abläufe sich für den Start eignen, klärt unser Beitrag dazu, welche Geschäftsprozesse Sie zuerst digitalisieren sollten.
Legen Sie außerdem Abbruchkriterien fest. Bleibt die Korrekturquote nach der vereinbarten Zeit zu hoch, beenden Sie den Pilot und verlieren nur ein überschaubares Budget. Das klingt nüchtern, schützt aber vor dem häufigsten Fehler: einem Projekt, das aus Gewohnheit weiterläuft. Den Rollout planen Sie erst, wenn Messwerte und Rückmeldungen der Mitarbeitenden zusammenpassen.
Die Eingriffstiefe der KI bestimmt Nutzen und Risiko stärker als die Wahl des Modells.
Standardwerkzeuge reichen, wenn Ihr Prozess gängig ist und Ihre Software fertige Anbindungen bietet. Eigenentwicklung lohnt sich, wenn der Ablauf Ihr Unterscheidungsmerkmal ist oder mehrere Systeme fest ineinandergreifen müssen. Beispiele für maßgeschneiderte Lösungen und die Vertragsfragen dahinter zeigen unsere Individualsoftware-Beispiele. Wer KI-Agenten oder LLM-Anbindungen extern umsetzen lassen möchte, findet eine Übersicht unter KI-Automatisierung.
Planen Sie Ihre KI-Integration in bestehende Systeme deshalb klein: ein Prozess, Stufe zwei, messbare Ausgangswerte. Alles Weitere entscheiden Sie dann mit Zahlen statt mit Erwartungen. So bleibt das Risiko überschaubar, und Sie lernen, was in Ihrem Betrieb wirklich trägt.
Seriös lässt sich das ohne Kenntnis von Prozess, Datenlage und Schnittstellen nicht beziffern. Kostentreiber sind meist Datenaufbereitung, Anbindung, Betrieb und menschliche Kontrolle. Bitten Sie Anbieter um ein separates Angebot für einen eng gefassten Pilot.
Nicht zwingend. Bietet Ihre Software fertige KI-Anbindungen und ist der Prozess gängig, genügt oft ein Standardwerkzeug. Eigenentwicklung lohnt sich bei Sonderabläufen oder wenn mehrere Systeme eng zusammenspielen müssen.
Das hängt von Datenlage, Schnittstellen und Eingriffstiefe ab. Lassen Sie sich einen Zeitplan je Phase nennen und legen Sie vorab fest, wann Sie den Pilot beenden.
Weiterlesen
Eine Datenstrategie muss im Mittelstand kein Konzernprojekt sein. Der Beitrag zeigt, wie Sie mit einem Anwendungsfall starten, Datenreife prüfen und Zuständigkeiten klären.
Chatbot, Assistent oder Agent: Ein nüchterner Überblick über die Typen von KI-Agenten und eine Entscheidungshilfe, wie viel Autonomie zu Ihrem Prozess passt.
Nicht jeder Prozess gehört automatisiert. Fünf Filter, ein Bewertungsbogen und klare Ausschlusskriterien helfen Ihnen, den richtigen ersten Kandidaten für einen Pilot zu wählen.
