KI im Mittelstand: Vom Experiment zur Anwendung
Thomas Fell, CEO GS1 Germany
Künstliche Intelligenz verändert, wie Unternehmen arbeiten, entscheiden und Wertschöpfung organisieren. Gleichzeitig erleben wir im Mittelstand häufig eine große Lücke zwischen Interesse und Umsetzung: Viele Unternehmen experimentieren mit KI, aber der Weg zu produktiven, messbaren Anwendungen bleibt oft unklar.
Ich bin überzeugt: Erfolgreiche KI-Einführung braucht mehr als einzelne Tools, gute Prompts oder isolierte Pilotprojekte. Sie braucht ein gemeinsames Verständnis im Management, in den Fachbereichen und bei den technischen Umsetzern. Sie braucht konkrete Anwendungen in realen Prozessen. Und sie braucht eine Organisation, die Wissen teilt, Akzeptanz schafft und aus ersten Erfolgen skalierbare Wirkung macht.
Wir haben uns auf dem Weg gemacht, der auf drei Säulen basiert:
- Kompetenzaufbau
- produktiv nutzbare KI-Agenten
- und Community-Bausteine für den Wissenstransfer
Für uns als GS1 ist dieser Ansatz konsequent. Seit Jahrzehnten helfen wir Unternehmen, Komplexität beherrschbar zu machen — mit Standards, Daten, Prozessen und Zusammenarbeit über Unternehmensgrenzen hinweg. KI ist der nächste logische Schritt. Denn auch hier entsteht Wirkung nicht durch Technologie allein, sondern durch klare Strukturen, verlässliche Daten, definierte Rollen und praktische Anwendbarkeit.
Besonders relevant für den Mittelstand ist der pragmatische Fokus: Das Programm, für das wir uns entschieden haben, beginnt nicht mit abstrakten Zukunftsbildern, sondern mit konkreten Anwendungsfällen: etwa Product Finder, Marketing Agent, Onboarding Agent oder Angebots-Agent.
Gleichzeitig werden Mitarbeitende befähigt, die diese Veränderung tragen: Führungskräfte, Fachbereiche und technische Umsetzer:innen. Das ist entscheidend, denn KI ist kein reines IT-Projekt. Sie betrifft Strategie, Governance, Prozesse, Rollen und Kultur. Wenn Management, operative Teams und Implementierende mit einem gemeinsamen Verständnis arbeiten, entsteht echte Umsetzungskraft.
Ein weiterer wichtiger Punkt ist Verstetigung. Gute KI-Projekte dürfen nicht in einzelnen Teams steckenbleiben. Räume für Austausch, Peer-Learning und interne Multiplikatoren machen Wissen sichtbar und überführen erfolgreiche Use Cases in die nächste Umsetzungswelle.
Was wir gelernt haben
Unser Weg hat mir gezeigt: KI wird dann wirksam, wenn sie strategisch geführt und gleichzeitig praktisch erprobt wird.
Strategisch, weil Führung Orientierung geben muss: Welche Ziele verfolgen wir? Welche Risiken akzeptieren wir? Welche Governance brauchen wir? Welche Fähigkeiten bauen wir intern auf?
Praktisch, weil Menschen erst durch konkrete Anwendungen Vertrauen entwickeln: Wenn ein Agent Informationen schneller auffindbar macht. Wenn ein Marketing-Briefing schneller entsteht. Wenn ein Reporting-Prozess weniger manuelle Arbeit erzeugt. Wenn ein Team sieht: Das hilft uns wirklich.
Mein Fazit
KI ist für den Mittelstand keine Frage des Ob, sondern des Wie.
Wer wartet, bis alle Fragen abschließend beantwortet sind, verliert wertvolle Lernzeit. Wer dagegen unstrukturiert losläuft, riskiert Insellösungen ohne nachhaltige Wirkung. Der richtige Weg liegt dazwischen: mutig starten, klar priorisieren, Kompetenzen aufbauen, erste produktive Anwendungen schaffen und daraus ein skalierbares Betriebsmodell entwickeln.
Diesen Weg sind wir bei GS1 Germany selbst gegangen. Und genau deshalb sind wir überzeugt, dass KI für den Mittelstand relevant ist: nicht als Hype, sondern als konkretes Programm für Unternehmen, die aus Technologie messbaren Nutzen machen wollen.
Der Mittelstand braucht keine KI-Showcases. Er braucht KI, die funktioniert. Genau daran arbeiten wir.
Wenn Sie jetzt neugierig geworden sind, dann lade ich Sie ein, mit uns ins Gespräch zu kommen.
Thomas Fell
CEO GS1 Germany
Führung, Fachbereiche und Umsetzungsverantwortliche werden parallel befähigt, während erste Agenten bereits im laufenden Betrieb aufgebaut, getestet und in die Nutzung gebracht werden. In 12 Wochen werden 3 Agenten live gebracht, 1 Champion-Team geschaffen eine klare Skalierungspfad definiert.