16 Monate Konzern-KI: Was Sie sich an Lehrgeld sparen, wenn Sie KI im Mittelstand jetzt einführen
16 Monate als Project Manager Business Technologies in einem internationalen DACH-Medienkonzern — Cross-Functional-Aufbau einer unternehmensweiten KI-Plattform. Ich habe die Stolpersteine, die jede KI-Initiative in den ersten 12 Monaten kostet, an einem Konzern erlebt — bevor sie zu Ihrem Problem werden. Was Sie aus dieser Erfahrung mitnehmen, ohne sie selbst durchleben zu müssen.
- Branche
- Medien (DACH-Konzernverbund)
- Größe
- Internationaler Medien-Konzern · DACH · mehrere Geschäftsbereiche
- Auslöser
- Aufbau einer unternehmensweiten KI-Plattform mit Use-Case-Steuerung, Prompt-Management und Cross-Functional-Governance
Worum es hier geht
Ich war 16 Monate intern angestellt in einem internationalen DACH-Medienkonzern. Meine Rolle: Project Manager Business Technologies, Schwerpunkt Aufbau der konzernweiten KI-Plattform im Cross-Functional-Team.
Ich war nicht der Lead. Ich war mitverantwortlich — für die Use-Case-Steuerung, das Prompt-Management-System-Design und die automatisierte KI-Lösungsentwicklung. Ich habe in dieser Zeit jede Stolperstelle, die KI-Einführung in komplexen Organisationen typischerweise kostet, aus erster Hand miterlebt.
Diese Fallstudie ist nicht „was wir im Konzern gemacht haben". Sie ist „welche dieser Stolpersteine in Ihrem Mittelstand identisch auftauchen — und wie Sie sie überspringen, ohne 16 Monate Lehrgeld zu zahlen."
16 Mo.
Mein Beitrag
intern, PM Business Technologies
5 Hüte
Cross-Functional
Eng · Business · Legal · Datenschutz · Security
Konzern
Reichweite
mehrere Geschäftsbereiche, DACH
Mein konkreter Anteil
Damit klar ist, was ich verkaufen kann und was nicht:
Use-Case-Identifikation. Ich habe geprüft, welche der hunderten KI-Ideen aus den Geschäftsbereichen plattform-fähig waren — und welche nicht. Genau dieser Filter ist der Hebel, an dem die meisten KI-Initiativen scheitern.
Prompt-Management-System-Design. Ich habe mit dem Team entworfen, wie Prompts versioniert, geteilt und wiederverwendet werden — die Voraussetzung dafür, dass KI in einem Unternehmen überhaupt audit-fähig wird.
Automatisierte KI-Lösungsentwicklung. Ich war an der Entwicklung standardisierter Bausteine beteiligt, damit nicht jedes Team KI-Workflows von Null aufsetzt.
Interdisziplinäre Zusammenarbeit. Ich habe in dieser Zeit gelernt, wie Engineering, Business, Legal, Datenschutz und IT-Security in einer KI-Initiative zusammenkommen müssen, ohne sich gegenseitig zu blockieren.
Parallel dazu: DAM-Rollout (Digital Asset Management) über mehrere Geschäftsbereiche, Python-basierte Datenanalysen mit PowerBI-Visualisierung und Mitarbeit an einem internen Nachhaltigkeits-Bewertungssystem. Das ist Kontext: KI-Einführung passiert nicht im Vakuum — Datenpipelines und Asset-Management sind die Voraussetzung, dass eine KI-Plattform überhaupt sinnvoll Daten verarbeiten kann. Diese Vorarbeit wird im Mittelstand regelmäßig unterschätzt.
Was ich gesehen habe — und was Sie davor bewahrt
In den 16 Monaten haben sich fünf Engpass-Muster wiederholt. Sie tauchen in jedem Konzern auf — und sie tauchen, in abgeschwächter Form, in jedem Mittelständler auf, der KI über die Test-Phase hinausführt.
Wenn Sie auch nur drei davon in Ihrem Unternehmen wiedererkennen, ist das die Zeit, an der KI-Einführung wirklich entschieden wird:
Ihre Use-Case-Liste wird zu lang. Sobald Sie intern fragen „wo seht ihr KI-Potenzial?", bekommen Sie 50 bis 200 Vorschläge. Davon sind 10 echt. Ohne Filter verbrennen Sie Engineering-Zeit an den 190 anderen.
Jeder schreibt eigene Prompts. Ohne zentrale Verwaltung haben drei Teams drei verschiedene Prompts für dieselbe Aufgabe. Die Qualität schwankt, niemand weiß warum, und bei einer Audit-Anfrage (DSGVO, EU AI Act) können Sie nichts vorlegen.
Tool-Wildwuchs in 6 Monaten. Wenn Sie nicht früh standardisieren, haben Sie nach einem halben Jahr eine Sammlung an Tools statt einer KI-Strategie. Jedes Tool ist isoliert, jedes braucht eigene Pflege.
Eskalation an die falsche Stelle. KI-Themen landen entweder bei der IT (zu eng technisch) oder bei einer Stabsstelle (zu abgekoppelt). In beiden Fällen: keine Entscheidungen, nur Schleifen.
Compliance-Fragen werden nach hinten geschoben. „Klären wir, sobald wir live gehen." Ergebnis: Sie gehen nicht live, weil Datenschutz und Legal in der letzten Runde alles blockieren.
„Der teuerste Fehler bei KI ist nicht das falsche Modell — es ist die fehlende Steuerung der Use-Cases.
“
Was wirklich funktioniert — und wie ich es auf Ihre Größe übersetze
Das Konzern-Drehbuch funktioniert. Aber 1:1 kopiert ist es für jeden Mittelständler zu groß, zu langsam, zu teuer. Was sich übertragen lässt — in der Mittelstands-Variante:
Use-Case-Filter mit fünf Dimensionen
Die einzige Disziplin, die Use-Case-Inflation verhindert. Im Konzern war das ein Plattform-Board mit zwei Quartals-Sitzungen. Bei Ihnen reicht eine 30-Minuten-Runde mit der Geschäftsführung, ein Excel-Sheet und die Disziplin, Use-Cases auch ehrlich zu rejecten.
Prompt-Disziplin statt Prompt-Software
Im Konzern brauchten wir ein versioniertes System. Bei Ihnen reicht eine Notion-Seite mit klaren Spalten: Use-Case, Prompt, Owner, letzte Änderung, Test-Beispiele. Die Disziplin der Eintragung ist wichtig, nicht das Tooling.
Cross-Functional in zwei Personen, nicht zwanzig
Im Konzern saßen 5 Funktionen mit eigenen Teams am Tisch. Bei Ihnen reichen Geschäftsführung und Datenschutz-Beauftragter — plus Hausanwalt bei Vertragsfragen. Ein 60-Min-Termin pro Monat. Mehr nicht.
Daten-Pipeline vor KI-Tool
Im Konzern war die DAM-Hygiene Voraussetzung für die KI-Plattform. Bei Ihnen heißt das: prüfen Sie zuerst, ob Ihre relevanten Daten überhaupt auffindbar und nutzbar sind. Wenn nicht, ist das der erste Schritt — nicht die KI-Tool-Auswahl.
Compliance-First, nicht Compliance-Last
Datenschutz und Rechtsfragen werden im Konzern oft zu spät geklärt — das ist im Mittelstand fataler, weil Sie keine 6-monatigen Korrekturschleifen haben. Bei jedem Use-Case zuerst die Frage: dürfen wir das überhaupt?
Use-Case-Filter: das einzige, was Sie wirklich brauchen
Wenn Sie aus dieser Fallstudie nur eine Sache mitnehmen, dann diese fünf Filter-Dimensionen. Sie sparen mehr Geld als jedes KI-Tool:
| Dimension | Frage an jeden Use-Case | Anti-Signal |
|---|---|---|
| Datenverfügbarkeit | Sind die nötigen Daten in nutzbarer Qualität verfügbar? | „Müssten wir dafür erst sammeln" |
| ROI-Plausibilität | Lässt sich der Nutzen quantifizieren? | „Es wäre cool, wenn …" |
| Compliance-Eignung | Lässt sich der Use-Case unter DSGVO und EU AI Act sauber betreiben? | „Wir machen das einfach mal" |
| Skalierungspotenzial | Wirkt der Use-Case einmalig oder skaliert er mit Volumen? | Single-Shot-Aufgabe |
| Wartungs-TCO | Wer pflegt Prompts, Modelle, Schnittstellen über die nächsten 24 Monate? | „Klären wir später" |
Die Regel: Use-Cases mit drei oder mehr Schwächen werden nicht „on hold" geparkt — sie werden bewusst abgelehnt. Das ist der einzige Weg, um Use-Case-Inflation langfristig zu verhindern.
Was diese Disziplin Ihnen erspart
Ein Mittelständler mit 80 Mitarbeitenden hat typischerweise 30–60 KI-Ideen in den ersten 6 Monaten. Ohne Filter verteilen sich Engineering-Stunden auf alle 60 — und Sie haben am Ende nichts Produktives. Mit Filter konzentrieren Sie sich auf die 3–5 wirklich tragenden — und produzieren messbare Ergebnisse.
Wie Sie das in 90 Tagen umsetzen — als Mittelständler
Wenn Sie heute beginnen, sind in 90 Tagen die Grundlagen einer skalierbaren KI-Steuerung in Ihrem Unternehmen etabliert. Plattform-Reife folgt — die Disziplin kommt zuerst.
Tag 1–14
Use-Case-Sammlung und erster Filter
Offene interne Sammlung. 10–20 Vorschläge sind realistisch. Anschließend mit den fünf Dimensionen bewerten. Output: 3–5 priorisierte Pilot-Vorhaben, die Rest-Ideen explizit abgelehnt mit Begründung.
Tag 15–30
Cross-Functional-Setup minimal
Geschäftsführung, IT-Verantwortlicher, Datenschutz-Beauftragter. Eine 1-Seiten-Governance: wer entscheidet, wer haftet, wer freigibt. Tool-Stack-Vorauswahl: maximal ein bis zwei Provider.
Tag 31–60
Pilot der zwei stärksten Use-Cases
Beginn mit dem Use-Case mit höchster Datenverfügbarkeit und klarstem ROI. Prompts von Tag 1 dokumentiert, Test-Beispiele gesammelt, Owner namentlich benannt. Der zweite Use-Case startet in Woche 6 parallel.
Tag 61–90
Wirkungsmessung und Roll-out-Entscheidung
Pilot-Ergebnisse gegen die ROI-Hypothese halten. Bei Erfolg: Roll-out auf weitere Bereiche. Bei Misserfolg: ehrlich stoppen, nicht „on hold" parken. Use-Case 3 starten.
Anti-Patterns: wenn Sie eines davon erkennen, ist es Zeit
Diese fünf Muster habe ich im Konzern gesehen — sie tauchen identisch im Mittelstand auf. Wenn Sie eines erkennen, korrigieren Sie es jetzt, nicht in sechs Monaten:
„ChatGPT-Plus für alle Mitarbeitenden, dann sehen wir mal." Ohne Use-Case-Filter wird das zur Spielwiese. Nach sechs Monaten haben drei Personen produktiv gearbeitet, die anderen 47 nichts gefunden — und niemand hat dokumentiert, was funktioniert.
„Wir warten auf das perfekte Modell." In 18 Monaten ist das Marktfeld vorbei. Wer nicht jetzt iteriert, holt das nicht mehr auf.
„Wir lagern KI an einen Berater aus." Externe Beratung kann beschleunigen — aber wer die Use-Case-Steuerung delegiert, hat nach Mandats-Ende keine eigenen Strukturen, nur eine Slide-Sammlung.
„Datenschutz klären wir, sobald wir live gehen." DSGVO-Verstöße bei KI-Nutzung sind real. Der EU AI Act verschärft das ab 2026 weiter. Compliance-First, nicht Compliance-Last.
„KI ist ein IT-Projekt, der IT-Leiter macht das." KI ist Cross-Functional. Wer das delegiert, bekommt eine Tool-Einführung statt einer Geschäftsmodell-Verbesserung — und wundert sich nach 12 Monaten, warum der Hebel klein blieb.
Häufige Fragen, die Mittelständler mir stellen
Brauchen wir eine eigene KI-Plattform im Mittelstand?
In den meisten Fällen nicht. Eine eigene Plattform lohnt sich erst ab Konzern-Komplexität. Bei Ihnen sind ein bewährter Provider plus klare Governance plus dokumentierte Prompts in 90 % der Fälle die bessere Wahl.
Welche KI-Use-Cases haben den größten ROI im Mittelstand?
Nach meiner Erfahrung die unspektakulärsten: Dokumenten-Klassifikation, Daten-Extraktion aus unstrukturierten Quellen, interne Wissens-Suche, strukturierte Zusammenfassungen wiederkehrender Berichte. Spektakuläre Use-Cases (autonome Agenten, KI-Copilot für alle) scheitern an Datenverfügbarkeit, Wartungs-TCO oder Compliance.
Wie viel Budget braucht KI-Einführung im Mittelstand?
Die Tooling-Kosten sind gering. Die Steuerungs-Disziplin ist umsonst — aber sie kostet Aufmerksamkeit der Geschäftsführung. Wer Letzteres nicht investieren will, sollte mit KI-Einführung warten, bis er es kann. Geld allein löst das Problem nicht.
Wer sollte im Mittelstand für KI verantwortlich sein?
Idealerweise die Geschäftsführung selbst, mit Unterstützung eines Bereichsleiters mit Tech-Affinität. Nicht der IT-Leiter (zu eng technisch), nicht eine Stabsstelle (zu abgekoppelt), nicht ein externer Berater (zu wenig Substanz nach Mandats-Ende).
Wie verhindere ich Use-Case-Inflation in meinem Unternehmen?
Mit dem Fünf-Dimensionen-Filter und der Disziplin, Use-Cases auch ehrlich abzulehnen — nicht „on hold" zu parken. Quartalsweise. 30 Minuten reichen.
Was Sie aus dieser Fallstudie konkret mitnehmen
Wenn Sie aktuell KI in Ihrem Unternehmen einführen oder gerade darüber entscheiden — hier ist, was ich aus 16 Monaten Konzern-KI für Sie übersetze:
Sie müssen nicht von Null beginnen. Die Engpass-Muster sind dieselben — nur Ihre Skala ist anders. Sie sparen 6 bis 12 Monate Lehrgeld, wenn Sie wissen, wo die Stolpersteine liegen.
Ihre Steuerungs-Disziplin schlägt jedes Tool. Use-Case-Filter, Prompt-Disziplin, Cross-Functional-Denken — das sind keine Konzern-Luxusprobleme, sondern die Voraussetzung für jeden KI-Hebel im Mittelstand.
Daten-Pipeline kommt vor KI-Tool. Wenn Ihre Daten nicht auffindbar und nutzbar sind, ist KI nicht die Lösung — sondern die Beschleunigung eines bestehenden Engpasses.
90 Tage reichen für die Grundlagen. Plattform-Reife kommt danach. Aber die Disziplin, die alles trägt, lässt sich in 90 Tagen aufsetzen — wenn die Geschäftsführung am Tisch sitzt.
Wenn Sie diesen Pfad in Ihrem Mittelstand gehen wollen
Im Eignungsgespräch klären wir konkret: Wo stehen Sie heute, welche drei Use-Cases sind realistisch, wer muss in Ihrem Cross-Functional-Setup am Tisch sitzen, und was ist der erste 30-Tage-Schritt. Wenn ich keinen klaren Hebel sehe, sage ich das direkt — Sie zahlen dann nichts.
Hinweis zur Anonymisierung: Konkrete Zahlen und identifizierende Details sind anonymisiert. Die Größenordnung und das Vorzeichen entsprechen dem realen Mandat. Auf Wunsch teilen wir belastbare Zahlen im Eignungsgespräch unter NDA.
Klingt nach Ihrer Situation?
Im kostenlosen Eignungsgespräch klären wir, ob ein vergleichbarer Engpass bei Ihnen vorliegen könnte. Wenn nicht, sagen wir das direkt.