OMR Reviews zeichnet diva als Top Rated ERP System aus
Ohne Jury, allein auf Basis von Nutzerbewertungen: diva erhält das
63 Prozent der Unternehmen ohne KI-Einsatz nennen schwer kalkulierbare Kosten als Hürde, so eine Bitkom-Verbandsstudie (September 2026, 603 Unternehmen ab 20 Beschäftigten). Für CFO und IT-Leitung im Mittelstand heißt das: Ideen gibt es meist genug, schwierig wird es, wenn KI als Ganzes budgetiert werden soll. Kalkulierbar wird KI im Mittelstand erst, wenn Sie ein einzelnes Projekt mit eigenen Einheiten rechnen.
Der ROI eines KI-Projekts im Mittelstand setzt den Nettonutzen ins Verhältnis zu den Gesamtkosten des Projekts, über einen festen Zeitraum: Nutzen minus Kosten, geteilt durch Kosten. Als Nutzen zählen eingesparte Kosten je Vorgang, kürzere Bearbeitungszeit, höhere Verfügbarkeit und weniger Fehler. Zu den Gesamtkosten gehören Cloud-Consumption und Lizenzen, Integration, Daten, Change und Betrieb. Rechnen lässt sich der ROI nur je Anwendungsfall, nicht für künstliche Intelligenz insgesamt. Dieser Beitrag zeigt die fünf Kostenblöcke, die vier Nutzenblöcke und den Rechenweg bis zur Amortisation am Beispiel eines realen Projekts.
KI-Nutzung: 20 Prozent der mittelständischen Unternehmen in Deutschland setzten 2022 bis 2024 KI ein, laut KfW Research rund das Fünffache des Anteils von 2016 bis 2018.
Projektrechnung: Der ROI von KI im Mittelstand lässt sich nur je Anwendungsfall rechnen, in Vorgängen, Minuten und Euro je Vorgang.
Kostenblöcke: KI-Anwender nennen laut Bitkom Infrastruktur (51 Prozent), Datenaufbereitung (50 Prozent) und Systemintegration (41 Prozent) als große Kostenpunkte, Lizenzen nur 21 Prozent.
Praxisbeispiel: Bei Carl und Carla laufen rund 90 Prozent der Rückgabeprozesse automatisiert, die Kosten pro Anruf liegen laut Case Study unter einem Euro.
Priorisierung: Der ROI wird vor dem Projekt entschieden; der KI Discovery Workshop liefert in rund drei Tagen eine nach Business Value und Aufwand priorisierte Shortlist.
20 Prozent der mittelständischen Unternehmen in Deutschland haben zwischen 2022 und 2024 künstliche Intelligenz eingesetzt, knapp 780.000 Betriebe. Das zeigt KfW Research im KfW-Mittelstandspanel (Fokus Volkswirtschaft Nr. 533, Februar 2026), einer Studie zum deutschen Mittelstand mit gut 6.800 Antworten. Von 2016 bis 2018 lag der Anteil bei 4 Prozent; die KI-Nutzung ist seither auf rund das Fünffache gestiegen. Vier von fünf Unternehmen im Mittelstand nutzen KI damit noch nicht.
Mit der Größe wächst die Quote: 36 Prozent bei Mittelständlern mit 50 und mehr Beschäftigten, 19 Prozent bei Kleinstunternehmen unter fünf Beschäftigten.
Bei den KI-Technologien dominieren einfach zugängliche Anwendungen: 14 Prozent aller Mittelständler nutzen die Erzeugung natürlicher Sprache, 10 Prozent Texterkennung, 3 Prozent Data Analytics, so KfW Research in Fokus Volkswirtschaft Nr. 554 vom Juli 2026.
Die Bremse bei der KI-Einführung ist laut Bitkom-Verbandsstudie weniger ein Mangel an Ideen als ein Mangel an Wissen und Zahlen. 85 Prozent der Unternehmen ohne KI nennen fehlendes technisches Know-how als Hürde, 66 Prozent rechtliche Hürden, 63 Prozent schwer kalkulierbare Kosten, 51 Prozent fehlende personelle Ressourcen.
Auch bei den Anwendern bleiben Datenschutzanforderungen (66 Prozent) und schwer kalkulierbare Kosten (54 Prozent) die größten Herausforderungen. Wer die Kosten nicht kalkulieren kann, kann keinen ROI rechnen.
Ob Ihr Unternehmen die Voraussetzungen für den KI-Einsatz erfüllt, klärt der Beitrag wie Unternehmen KI sinnvoll einsetzen und wo sie besser noch warten. Dort geht es auch um den Stand der Digitalisierung Ihrer Prozesse.
Studien zum Potenzial der Technologie für die gesamte Wirtschaft sagen nichts über ein einzelnes KI-Projekt im Mittelstand. Laut KfW Research (Fokus Volkswirtschaft Nr. 554), das sich auf die Gemeinschaftsdiagnose 2025 beruft, reichen die Prognosen von 0,05 bis 2,8 Prozentpunkten zusätzlichem Produktivitätswachstum pro Jahr über die nächsten zehn bis 15 Jahre, je nach Land. Für eine Budgetentscheidung taugt diese Spanne nicht. Belastbar ist nur eine Rechnung mit Einheiten aus dem eigenen Unternehmen.
Die ROI-Formel für ein KI-Projekt lautet: Nutzen minus Kosten, geteilt durch Kosten, bezogen auf einen festen Zeitraum. Die Amortisationszeit beantwortet eine andere Frage: Nach wie vielen Monaten übersteigt der kumulierte Nutzen die Projektkosten.
Diese Zahlen liegen in den meisten KMU vor, sofern die Digitalisierung der Prozesse weit genug ist: in Telefonanlage, ERP-System oder Ticketsystem.
Vorgänge pro Tag: Anrufe, Anfragen, Dokumente, Suchvorgänge
Minuten pro Vorgang vor der Automatisierung
Kosten pro Vorgang, aus Minuten und Stundensatz
Fehler- oder Rückfragequote je Vorgang
Wer diese vier Einheiten für einen Anwendungsfall kennt, kann jeden Nutzenblock in Euro übersetzen. Ohne sie fehlt jeder KI-Implementierung ein Zielwert.
Lizenzen und Token-Verbrauch sind der kleinste Teil der Rechnung. Laut Bitkom-Verbandsstudie vom September 2026 nennen KI-Anwender Infrastruktur wie Cloud und Rechenleistung (51 Prozent) am häufigsten als großen Kostenpunkt. Es folgen Datenaufbereitung (50 Prozent) und die Integration in bestehende Systeme (41 Prozent); Abos und Lizenzen nennen 21 Prozent, den Token-Verbrauch nur 8 Prozent.
Ratgeber zur KI-Einführung im Mittelstand rechnen meist nur den ersten Block, die Technologie selbst. Für die Gesamtkosten einer KI-Implementierung zählen fünf.
Kostenblock | Was dazugehört | Kostentreiber | Messgröße |
|---|---|---|---|
1. Cloud-Consumption und Lizenzen | Azure OpenAI in Microsoft Foundry in drei Hauptkategorien laut Microsoft Learn (Stand August 2026): Standard nach Token, Provisioned mit Monats- oder Jahresreservierung, Batch mit 50 % Rabatt binnen 24 Stunden (Azure-Preisseite, abgerufen Oktober 2026); bei collana in der Azure-Umgebung des Kunden; Microsoft verarbeitet die Daten als Auftragsverarbeiter, OpenAI hat keinen Zugriff (Generative KI in Azure) | Vorgangsvolumen, Lastprofil | Euro je 1.000 Vorgänge |
2. Integration in ERP, CRM, Telefonie | APIs zu ERP-Systemen wie Microsoft Dynamics 365 Business Central, Telefonie über Speech-to-Text und Text-to-Speech; Anbindung von DMS und CRM | Zahl der Systeme, Echtzeitbedarf | Personentage Integration |
3. Datenaufbereitung und -qualität | Dokumente, Stammdaten, Ersatzteildaten konsolidieren | Verstreute Quellen, Papierbestände | Personentage; Anteil nutzbarer Dokumente |
4. Change, Schulung, Prozessanpassung | Beschäftigte einbinden, Abläufe anpassen; 42 % der KI-Anwender nennen laut Bitkom fehlende Akzeptanz als Hürde | Betroffene Rollen und Standorte | Schulungstage; Nutzungsquote |
5. Betrieb, Monitoring, Compliance | Governance, Monitoring, Kostenkontrolle; Datenschutzmaßnahmen (unten) | Schutzbedarf der Daten | Stunden je Monat; Auditaufwand |
Auch Datenschutz verursacht planbare Kosten, die sich konkret beziffern lassen. Vier Maßnahmen gehören in den Projektplan:
Datenzone EU: Bei einer Data-Zone-Bereitstellung bleibt die Verarbeitung laut Microsoft Learn in den EU-Mitgliedstaaten, ggf. einschließlich EFTA-Staaten. Prompts und Antworten stehen laut Microsofts Datenschutzhinweisen zu Azure OpenAI (Stand Mai 2026) weder anderen Kunden noch OpenAI zur Verfügung; ohne Erlaubnis oder Anweisung des Kunden trainieren sie keine Basismodelle.
Offline-Modelle für besonders sensible Daten: Local LLMs laufen on-premises oder in der Private Cloud, der Preis ist eigene GPU-Infrastruktur statt nutzungsabhängiger Abrechnung (Offline-KI und Local LLM).
Pseudonymisierung oder Anonymisierung vor dem Prompt: Pseudonymisierte Daten sind nach Art. 4 Nr. 5 DSGVO ohne getrennt aufbewahrte Zusatzinformationen keiner Person mehr zuzuordnen. Anonymisierung geht weiter: Eine KI-Lösung von collana schwärzt personenbezogene Informationen in Dokumenten automatisch.
Auftragsverarbeitungsvertrag nach Art. 28 DSGVO mit unter anderem Gegenstand, Dauer, Art und Zweck der Verarbeitung.
Zweites Compliance-Thema ist die KI-Verordnung, die laut Art. 113 KI-VO seit dem 2. August 2026 gilt. Laut dem durch die Änderungsverordnung (EU) 2026/1744 vom 24. Juli 2026 geänderten Art. 113 beginnen die Pflichten für Hochrisiko-KI nach Anhang III am 2. Dezember 2027 und nach Anhang I am 2. August 2028. Die Transparenzpflichten nach Art. 50 gelten seit dem 2. August 2026; für die Kennzeichnung KI-generierter Inhalte (Abs. 2) haben Anbieter generativer KI-Systeme, die schon vorher auf dem Markt waren, bis zum 2. Dezember 2026 Zeit.
Ob Sie KI-Tools lizenzieren, in bestehende Systeme integrieren oder selbst entwickeln, verschiebt nur die Gewichte zwischen den Blöcken. Die drei Möglichkeiten vergleicht der Beitrag Die richtige KI-Strategie: kaufen, integrieren oder selbst entwickeln.
Vier Nutzenblöcke sind bei KI im Mittelstand messbar: Kosten je Vorgang, Bearbeitungszeit, Verfügbarkeit und Qualität. Die größten Hebel liegen oft in Suchzeit, Stillstand und Wissensverlust, also in Posten, die in keiner Kostenstelle auftauchen. Die Praxisbeispiele stammen aus Cases von collana in den Bereichen Kundenservice und technischer Service.
Nutzenblock | Messgröße | Datenquelle im Unternehmen | Beispiel aus collana-Cases |
|---|---|---|---|
Kosten je Vorgang | Euro je Anruf, Anfrage, Dokument | Telefonanlage, Ticketsystem, Kostenrechnung | Unter 1 € pro Anruf bei Carl und Carla |
Bearbeitungszeit | Minuten je Vorgang, Diagnosezeit | Gesprächsprotokolle, Serviceberichte | Gesprächsdauer halbiert; Dokumentensuche in Sekunden statt Minuten bei Hoval |
Verfügbarkeit | Stunden je Woche, Sprachen | Servicezeiten, Anrufstatistik | 24/7 und mehrsprachig bei Carl und Carla; drei Sprachen bei Bucher Municipal |
Qualität und Konsistenz | Rückfragequote, Fehlerquote | Reklamationen, Zweitanfragen | Jede Antwort mit Quellenangabe bei Hoval |
Bei Bucher Municipal lagen viele technische Dokumentationen, vor allem für ältere Fahrzeugmodelle, nur dezentral oder als Papierversion vor. Die Folge waren hoher Suchaufwand, lange Stillstandzeiten und ineffiziente Prozesse. Der Chatbot auf Azure OpenAI beantwortet heute Fragen auf Deutsch, Spanisch und Chinesisch für Servicetechniker weltweit.
Als Ergebnisse nennt die Case Study Bucher Municipal (Stand Oktober 2026) schnellere Wartungseinsätze, kürzere Diagnose- und Reparaturzeiten und geringere Betriebskosten, ohne Zahlen. Entwickelt hat die App Option 4.0, Mitglied der collana Gruppe, gemeinsam mit Bucher Municipal.
“Die Zusammenarbeit mit Option 4.0 verläuft reibungslos. Unser Ansprechpartner ist weit mehr als ein technischer Dienstleister – er agiert wie ein Teil unseres internen IT-Teams. Mit Flexibilität und Tempo hat er das Projekt zum Erfolg geführt und uns eindrucksvoll gezeigt, welche Möglichkeiten KI bietet.” Christian Johansson, CIO Bucher Municipal.
Hoval, Hersteller von Heiz- und Raumklimasystemen, bündelt in der Case Study Hoval (Stand September 2026) verstreute, mehrsprachige Produktdokumentation und Ersatzteildaten im Azure-basierten Assistenten „Hoval Bro“. Jede Antwort trägt eine Quellenangabe. Laut Patrick Renz, Global Product Manager Hoval Services, dauert die Dokumentensuche jetzt Sekunden statt Minuten.
„Was vorher Minuten dauerte — das richtige Dokument für die richtige Produktvariante in der richtigen Sprache auf der richtigen Seite finden — geschieht jetzt in Sekunden. Und das alles nur über eine einzige Chat-Nachricht.“ Patrick Renz, Global Product Manager Hoval Services.
Beide Cases stehen für generative KI im Wissensmanagement: Sie macht verstreute Informationen auffindbar. Die Messgröße für diesen Nutzenblock lautet: Suchminuten je Einsatz mal Einsätze je Jahr mal Zahl der Servicetechniker. Beide Cases beziffern sie öffentlich nicht; setzen Sie Ihre eigenen Werte aus den Serviceprotokollen ein. Hoval zeigt: Der Nutzen steht und fällt mit der Datenbasis, also mit Kostenblock 3.
Mit vier Einheiten aus einem realen Projekt lässt sich der Business Case eines KI-Agenten im Kundenservice in wenigen Zeilen durchrechnen: Anrufvolumen, Automatisierungsgrad, Gesprächsdauer und Kosten pro Anruf. Sie stammen aus der Case Study Carl und Carla (Stand Oktober 2026).
Ausgangslage: Carl und Carla vermietet Transporter in Deutschland, mit über 1.000 Fahrzeugen in mehr als 40 Städten. Besonders am Wochenende und außerhalb der Geschäftszeiten gingen bis zu 200 Anrufe pro Tag zur Fahrzeugrückgabe ein.
Die Lösung ist der KI-Agent ILAI, von collana (Impact Labs) gemeinsam mit Carl und Carla entwickelt, als cloudbasierter Voice-Agent auf Microsoft Azure. <!– GATE3: Marc Freigabe Urheberschaft –> Der Betrieb läuft wahlweise in der Cloud oder vollständig on-premises, die Anbindung an Business Central über APIs.
Innerhalb von sechs Wochen liefen rund 90 Prozent aller Rückgabeprozesse vollständig automatisiert. Die durchschnittliche Gesprächsdauer sank um die Hälfte, die Kosten pro Anruf liegen unter einem Euro. Das entspricht den Betriebskosten je automatisiertem Vorgang. Der Service ist seitdem rund um die Uhr und mehrsprachig erreichbar.
Mehr zum KI-Agenten auf der Produktseite ILAI.
„Dank des KI-basierten Call-Center-Agents können unsere Kunden die Fahrzeugrückgabe nun in wenigen Minuten und ganz ohne Wartezeit erledigen. Für unser Team bedeutet das eine enorme Entlastung, da Routineanfragen automatisch und zuverlässig bearbeitet werden. Besonders überzeugt hat uns die nahtlose Integration in unsere Prozesse: Rund 90% der Rückgaben werden komplett automatisch abgewickelt – das spart Zeit und sorgt für zufriedene Kunden.“ Gregor Wendt, CTO Carl und Carla.
Vorgänge je Tag mal Arbeitstage ergibt das Jahresvolumen. Im Case lag die Spitze bei 200 Anrufen am Tag; rechnen Sie mit Ihrem Durchschnitt.
Jahresvolumen mal Automatisierungsgrad ergibt die automatisierten Vorgänge. Im Case: rund 90 Prozent der Rückgabeprozesse.
Bisherige Kosten je Vorgang (Ihre Minuten mal Ihr Stundensatz) minus KI-Betriebskosten je Vorgang (im Case unter 1 Euro) ergibt die Ersparnis je Vorgang.
Ersparnis je Vorgang mal automatisierte Vorgänge ergibt den laufenden Jahresnutzen.
Einmalige Projektkosten aus den fünf Kostenblöcken geteilt durch den Monatsnutzen (Jahresnutzen durch zwölf) ergibt die Amortisation in Monaten.
Die Vorher-Kosten je Anruf bleiben Ihr Platzhalter; collana nennt dazu keine Zahl. Die sechs Wochen bis zum Regelbetrieb verkürzen die Phase ohne Nutzen. Wie Voicebots in der Praxis arbeiten, beschreibt der Beitrag KI im Kundenservice.
Der ROI wird vor der KI-Einführung entschieden, bei der Auswahl des Use Cases. KfW Research sieht in Fokus Volkswirtschaft Nr. 554 die Identifikation erster, praxistauglicher KI-Anwendungen als zentrale Hürde für den Mittelstand. Laut Bitkom-Verbandsstudie sehen 30 Prozent der Unternehmen ohne KI keine Anwendungsfälle. Wer Use Cases nach Business Value und Aufwand ordnet, startet mit dem Fall, der sich am schnellsten rechnet.
Zwei Achsen genügen, um das Potenzial eines Use Cases zu bewerten: Business Value aus Vorgangsvolumen mal Ersparnis je Vorgang plus Verfügbarkeit und Qualität; Aufwand aus Integrationstiefe, Datenlage und Compliance-Bedarf. Daraus entstehen vier Felder:
So entsteht Schritt für Schritt eine KI-Strategie für KMU: mit einem messbaren Fall beginnen und das Vorgehen auf weitere Unternehmensprozesse übertragen.
Der KI Discovery Workshop von collana führt in rund drei Tagen, inklusive Vor- und Nachbereitung, von der ersten Inspiration zu einer konkreten Roadmap. Er priorisiert Anwendungsfälle nach Nutzen und Machbarkeit und arbeitet die Top-Use-Cases mit Aufwand, Zeitleiste und Zuständigkeiten aus. Drei Deliverables:
eine priorisierte Use-Case-Shortlist mit Business Value gegen Aufwand für die Top-Anwendungsfälle
eine technologische Einordnung mit Empfehlungen zu Microsoft- und Azure-Technologien
eine Roadmap mit Next Steps für den vielversprechendsten Use Case
Der Einstieg ist ein kostenloses, 30-minütiges Vorgespräch. Fehlt die Datenbasis für die Nutzenmessung, ist der Data Intelligence Workshop der Schritt davor.
Ein KI-Projekt rechnet sich nur, wenn die Nutzen-Kennzahlen nach dem Go-live weiter gemessen werden. Drei Dinge halten die Rechnung auch im zweiten Jahr:
Die vier Nutzenblöcke dauerhaft als Kennzahlen führen: die Entwicklung von Kosten und Minuten je Vorgang monatlich neben die Consumption legen.
Die Datenbasis pflegen: Bei Hoval trägt jede Antwort eine Quellenangabe; das macht veraltete Dokumente sichtbar.
Die Consumption steuern: sporadische Nutzung nach Token, Dauerlast als Monats- oder Jahresreservierung, zeitunkritische Verarbeitung im Batch mit 50 Prozent Rabatt laut Azure-Preisseite; Monitoring und Kostenkontrolle gehören zur Governance der Azure-Umgebung.
Wie stark KI im Mittelstand mit Unternehmenserfolg und Wettbewerbsfähigkeit zusammenhängt, zeigt KfW Research in Fokus Volkswirtschaft Nr. 558 vom September 2026, allerdings nur als Zusammenhang. Mittelständische KI-Nutzer wiesen 2024 ein um 1,1 Prozentpunkte stärkeres Umsatzwachstum auf. Dazu kamen eine um 0,9 Prozentpunkte höhere Umsatzrendite und eine um rund 3,4 Prozent höhere Arbeitsproduktivität.
KfW Research wertet das als Momentaufnahme und lässt offen, ob die KI-Nutzung die Ursache ist oder ob erfolgreichere Unternehmen häufiger KI einführen. Für Ihr Projekt zählt deshalb die eigene Messung.
Der ROI eines KI-Projekts ist der Nettonutzen geteilt durch die Projektkosten über einen festen Zeitraum, also Nutzen minus Kosten, geteilt durch Kosten. Gemessen wird in Einheiten je Vorgang: Vorgänge pro Jahr, Minuten und Euro je Vorgang. Ein ROI von 100 Prozent heißt, der Nettonutzen entspricht der Investition.
Einen pauschalen Zielwert gibt es nicht. Praktikabler Maßstab ist die Amortisation innerhalb des Zeitraums, für den das Budget freigegeben wurde. Wichtiger als die Höhe ist, dass die Rechnung auf eigenen Einheiten beruht.
Die Amortisation nennt den Monat, ab dem der kumulierte Nutzen die Investition erreicht. Der ROI nennt den Nettonutzen je investiertem Euro über den Betrachtungszeitraum, also die Rendite.
Belegte Einsatzmöglichkeiten aus collana-Cases: telefonische Automatisierung im Kundenservice (Carl und Carla) sowie Wartungs- und Servicewissen für Techniker (Bucher Municipal, Hoval). Als Lösungsangebot ohne veröffentlichten Case kommt die Anonymisierung von Dokumenten mit personenbezogenen Daten hinzu.
Bei Carl und Carla liefen innerhalb von sechs Wochen rund 90 Prozent aller Rückgabeprozesse automatisiert, ein Einzelfall mit klar abgegrenztem Vorgang. Die Einführung von ILAI verläuft in fünf Schritten von Use-Case-Workshop bis Betrieb; die Dauer hängt von Integrationstiefe und Datenlage im Unternehmen ab.
Die Rechnung aus diesem Beitrag funktioniert nur für einen konkreten Anwendungsfall. Haben Sie Ihre Use Cases noch nicht nach Business Value und Aufwand geordnet, ist das der erste Schritt. Im kostenlosen Vorgespräch zum KI Discovery Workshop klären Sie, welche Vorgänge in Ihrem Unternehmen die vier Einheiten liefern. Jetzt kostenloses Erstgespräch vereinbaren
Einen Überblick über die KI-Leistungen von collana, von ILAI über generative KI in Azure bis Offline-KI, finden Sie unter KI-Lösungen von collana.
Sie möchten das Gelesene auf Ihr Unternehmen übertragen? In einem kostenlosen Erstgespräch prüfen wir gemeinsam Ihre Prozesse und zeigen Ihnen, welcher Schritt sich zuerst lohnt.
Ohne Jury, allein auf Basis von Nutzerbewertungen: diva erhält das
Zweimal Bronze beim „ERP-System des Jahres 2026“: b4dynamics überzeugt bei
Mehrere Handelsunternehmen haben zuletzt mit MAC IT-Solutions ihre Warenwirtschaft auf