KI-Transformation im Mittelstand: Strategie und Praxis bei LSH

Wie kann ein mittelständisches Unternehmen mit der rasanten Entwicklung von künstlicher Intelligenz Schritt halten, ohne die Ressourcen eines Großkonzerns zu besitzen? Diese Frage treibt viele Entscheider:innen um. Im AI FIRST Podcast gibt Felix Schlenther gemeinsam mit seinem Gast Alexander Kors, CIO der Lawrence Spätmann Holding (LSH), praxisnahe Antworten. LSH, ein Familienunternehmen in vierter Generation, steht hinter bekannten Marken wie Meßmer und produziert jährlich über acht Milliarden Teebeutel. Alexander, der zuvor bei Konzernen wie Otto und Kühne + Nagel die digitale Transformation verantwortete, teilt seine Erkenntnisse, wie man im Mittelstand mit Geschwindigkeit, Pragmatismus und einer klaren Strategie die Weichen für eine erfolgreiche KI-Zukunft stellt. Die Episode beleuchtet, warum der Mittelstand hier sogar im Vorteil sein kann und wie es gelingt, die gesamte Organisation für diese Reise zu begeistern.

Das Wichtigste auf einen Blick

• Geschwindigkeit ist der entscheidende Vorteil: Im Gegensatz zu starren Konzernstrukturen ermöglicht der Mittelstand schnelle Experimente. Alexander beschreibt den Ansatz als heute entscheiden, morgen testen, übermorgen lernen. Kurze Entscheidungswege und weniger Bürokratie erlauben es, agil auf neue Entwicklungen zu reagieren.
• Pragmatismus statt Hype: Statt jeder neuen Technologie hinterherzulaufen, konzentriert sich LSH auf die Lösung konkreter Probleme. Die zentrale Frage lautet nicht Was können wir mit KI machen?, sondern Wo verlieren wir Zeit, Qualität oder Wissen?. Dieser Ansatz stellt sicher, dass KI-Projekte einen echten Mehrwert schaffen.
• IT als Enabler, nicht als Bremser: Die IT-Abteilung sieht sich nicht mehr nur als Dienstleister, sondern als strategischer Partner. Sie schafft einen sicheren Rahmen aus Governance, Datenschutz und Standards, innerhalb dessen die Fachbereiche eigenverantwortlich experimentieren und die für sie besten Lösungen finden können.
• Der KI-Manager als Schlüsselrolle: Die Einstellung einer dedizierten KI-Managerin war für LSH ein Wendepunkt. Diese Person treibt die Strategie voran, bewertet Werkzeuge und koordiniert die Befähigung der Mitarbeitenden. Ihre wichtigste Aufgabe ist jedoch die Kommunikation und der Aufbau einer KI-Community im Unternehmen.
• Mit Alltags-KI starten und Vertrauen aufbauen: Um die Belegschaft an das Thema heranzuführen und Ängste abzubauen, wurde zunächst ein einfach zugängliches Werkzeug wie der Microsoft Copilot Chat für alle eingeführt. Solche Everyday KIs helfen bei täglichen Aufgaben und schaffen eine breite Akzeptanz für komplexere Projekte.

Vom Konzern zum Mittelstand: Warum Geschwindigkeit und Pragmatismus entscheidend sind

Alexander Kors bringt über 30 Jahre Erfahrung aus Großkonzernen mit. Bei Otto, Tchibo und zuletzt Kühne + Nagel erlebte er, wie digitale Transformation in großen Organisationen funktioniert: mit vielen Ressourcen, aber auch langen Abstimmungszyklen, globalen Rollout-Plänen und einem hohen Maß an interner Politik. Nach seinem Wechsel zur LSH vor zwei Jahren schätzt er die Vorteile des Mittelstands. Kürzere Entscheidungswege, mehr unternehmerischer Freiraum und eine Kultur, die stärker auf Vertrauen und Wertschätzung basiert, ermöglichen ein deutlich höheres Tempo.

Dieser Unterschied wird laut Alexander beim Thema KI besonders deutlich. Während Konzerne oft eine zentrale KI-Strategie von oben nach unten durchsetzen, kann LSH flexibler agieren. Das Unternehmen positioniert sich bewusst als effizienter und verlässlicher Anwender und schneller Folger (Fast Follower), anstatt zu versuchen, als erster neue Technologien zu entwickeln. So profitiert LSH von den Erkenntnissen und Fehlern der Vorreiter, ohne selbst das volle Risiko tragen zu müssen. Der Fokus liegt dabei immer auf dem pragmatischen Nutzen: KI wird dort eingesetzt, wo sie konkrete Schmerzpunkte im Unternehmen adressiert und einen messbaren Mehrwert liefert.

Die IT als Enabler: Ein neues Rollenverständnis für die KI-Transformation

Die IT-Abteilung der LSH ist mit 35 Mitarbeitenden klassisch mittelständisch aufgestellt und deckt alles ab - vom IT-Service über die Infrastruktur bis hin zur SAP-Betreuung. Ein zentraler Bereich widmet sich jedoch gezielt Projekten und der Digitalisierung. Hier sind auch Spezialist:innen wie eine Data Scientist und die KI-Managerin angesiedelt. Alexander betont, dass sich die Rolle seiner Abteilung gewandelt hat. Sie ist nicht länger nur ein ausführender Dienstleister, der Anforderungen abarbeitet, sondern ein proaktiver Enabler.

Das Team schafft die Leitplanken für den sicheren und konformen Einsatz von KI, indem es Richtlinien für Governance, Datenschutz und Sicherheit entwickelt. Innerhalb dieses Rahmens erhalten die Fachbereiche bewusst Freiräume, um eigene Ideen zu entwickeln und Werkzeuge zu testen. Das Marketing weiß beispielsweise am besten, welche KI-Tools für seine Zwecke relevant sind. Die IT prüft diese Vorschläge auf Compliance und technische Integration, überlässt die fachliche Initiative aber den Expert:innen in den Abteilungen. Dieser Ansatz fördert nicht nur die Eigenverantwortung, sondern nutzt auch das dezentrale Wissen im gesamten Unternehmen optimal.

Eine klare Strategie: Die drei Phasen der KI-Einführung

Um die KI-Transformation strukturiert anzugehen, hat LSH einen Drei-Phasen-Plan entwickelt. Dieser stellt sicher, dass das Unternehmen verantwortungsvoll und schrittweise vorgeht, ohne sich zu überfordern.

1. Orientierungsphase: In dieser aktuellen Phase geht es darum, Erfahrungen zu sammeln. Das Team testet verschiedene Anwendungsfälle und Plattformen, wie etwa in einem Proof of Concept den M365 Copilot. Aus diesen Tests werden wertvolle Erkenntnisse gewonnen - zum Beispiel, dass ein einziges Tool nicht für alle Anwendungsfälle geeignet ist. Parallel werden die notwendigen Rahmenbedingungen wie KI-Richtlinien und eine Datenklassifizierung geschaffen.
2. Optimierungsphase: Im nächsten Schritt soll die Effizienz durch den gezielten Einsatz bewährter KI-Lösungen weiter gesteigert werden. Ziel ist es, Entscheidungen und Ergebnisse datengestützt zu optimieren.
3. Transformationsphase: Langfristig sollen Geschäftsprozesse durch KI nicht nur verbessert, sondern grundlegend neugestaltet und transformiert werden.

Ein wichtiger Enabler auf diesem Weg ist die Schaffung einer soliden Datengrundlage. Alexander erklärt, dass ein schlechter Prozess auch mit KI ein schlechter Prozess bleibt. Daher arbeitet LSH parallel zur Erprobung von KI-Tools an der Standardisierung und Optimierung von Prozessen und Datenstrukturen.

Die Schlüsselrolle des KI-Managers und der KI-Botschafter

Für Alexander war die Entscheidung, eine dedizierte KI-Managerin einzustellen, eine der wichtigsten Weichenstellungen. Er rät anderen Unternehmen, diesen Schritt gestern zu tun. Das gesuchte Profil war dabei weniger das eines tiefen Technologieexperten, sondern vielmehr das einer Person mit ausgeprägten kommunikativen Fähigkeiten, Projektmanagement-Erfahrung und einer hohen Veränderungsbereitschaft. Die KI-Managerin agiert als zentrale Ansprechpartnerin, bewertet neue Technologien, koordiniert Schulungen und leitet die interne KI-Community.

Diese Community besteht aus sogenannten KI-Botschaftern - motivierten und KI-affinen Mitarbeitenden aus allen Fachbereichen wie Marketing, Vertrieb, Einkauf und Recht. Sie werden intensiv geschult und fungieren als Multiplikatoren in ihren Teams. Sie identifizieren lokale Anwendungsfälle, unterstützen ihre Kolleg:innen bei der Umsetzung erster kleiner Projekte und bringen komplexere Anforderungen an die KI-Managerin heran. Dieses dezentrale Modell sorgt dafür, dass die KI-Initiative breit im Unternehmen verankert wird und nicht zu einem reinen IT-Thema verkommt.

Konkrete Erfolge: Von der Vertragsprüfung bis zur Absatzprognose

Die strategische Herangehensweise von LSH zeigt bereits konkrete Erfolge, die den Mehrwert von KI im Unternehmen demonstrieren:

• Automatisierte Vertragsprüfung: Ein KI-Agent analysiert umfangreiche Verträge von Spediteuren, die oft mehrere hundert Seiten umfassen. Das System vergleicht die Lieferbedingungen automatisiert mit den internen Standards, erkennt Abweichungen und erstellt Prüfberichte. Dieser Prozess, der früher extrem zeitaufwendig und manuell war, ist nun in kürzester Zeit erledigt und minimiert das Risiko von Vertragsstrafen.
• Präzisere Absatzprognosen: Die hauseigene Data Scientist hat ein eigenes Large Language Model entwickelt, das historische und synthetische Daten analysiert, um Marktmuster und saisonale Effekte zu erkennen. Das Ergebnis sind deutlich genauere Absatzprognosen, die eine bessere Planung ermöglichen und direkt auf die Geschäftszahlen einzahlen.
• Automatisierung durch RPA: Viele repetitive und manuelle Aufgaben, etwa in der Datenübertragung oder im Reporting, werden durch Robotic Process Automation (RPA) automatisiert. Dies schafft Freiräume für die Mitarbeitenden, sich auf wertschöpfendere Tätigkeiten zu konzentrieren.

Für die Zukunft plant Alexander zudem den Einsatz von KI für die vorausschauende Wartung (Predictive Maintenance) in den Produktionswerken, um Maschinenausfälle zu vermeiden und die Effizienz weiter zu steigern.

Praktische Schritte zur KI-Einführung im Mittelstand

Aus Alexanders Erfahrungen lassen sich konkrete Handlungsempfehlungen für andere mittelständische Unternehmen ableiten, die ihre KI-Reise beginnen oder beschleunigen möchten.

1. Strategische Ausrichtung klären: Definiere, was du mit KI erreichen willst. Konzentriere dich darauf, ein pragmatischer schneller Folger zu sein, anstatt Trends hinterherzujagen. Löse echte Probleme, die das Geschäft voranbringen.
2. Frühzeitig Governance etablieren: Erstelle eine klare KI-Richtlinie, die deinen Mitarbeitenden Sicherheit und Orientierung gibt. Definiere, welche Daten wie genutzt werden dürfen und welche Werkzeuge für den Einsatz freigegeben sind.
3. Eine dedizierte KI-Führungskraft einstellen: Besetze die Rolle eines KI-Managers. Suche nach einer Person, die als Brückenbauer:in zwischen IT und Fachbereichen agieren kann und starke Kommunikations- und Change-Management-Fähigkeiten mitbringt.
4. Ein Netzwerk von Multiplikatoren aufbauen: Etabliere KI-Botschafter in den Fachabteilungen. Schulen diese intensiv, damit sie als lokale Ansprechpartner:innen und Ideengeber:innen fungieren und die KI-Kompetenz in die Breite tragen.
5. Mit niedrigschwelligen Werkzeugen beginnen: Führe eine Alltags-KI wie den Microsoft Copilot Chat für alle ein. Dies senkt die Hemmschwelle, schafft Vertrauen und fördert eine unternehmensweite Lernkultur.
6. Schnell und fokussiert testen: Führe kurze, gezielte Proof-of-Concepts (POCs) für spezifische Anwendungsfälle durch. Jeder Test, auch wenn er zeigt, dass ein Werkzeug ungeeignet ist, liefert wertvolle Erkenntnisse für deine Strategie.
7. Parallel an den Grundlagen arbeiten: Während du experimentierst, beginne damit, deine Dateninfrastruktur zu modernisieren, beispielsweise durch den Aufbau eines Data Lakes. KI kann hier als Katalysator dienen, um die Dringlichkeit dieser oft aufgeschobenen Projekte zu verdeutlichen.