KI für KMU ist nicht mehr Zukunftsmusik — drei Pilotprojekte aus Tirol zeigen, was Mittelständler in den ersten 90 Tagen tatsächlich an Zeit zurückgewinnen, und welche Use-Cases man besser gleich streicht.
Worum es in diesem Beitrag wirklich geht
In den letzten zwölf Monaten haben wir bei KI-Beratung Tirol Dutzende Erstgespräche mit Tiroler KMU geführt. Eine Frage kommt fast immer: „Wir wissen, dass wir was machen müssen — aber wo fangen wir an, ohne uns ein halbes Jahr zu verzetteln?”
Dieser Beitrag ist die Antwort darauf. Keine Buzzword-Sammlung, kein „in 5 Schritten zur KI-Strategie”-Listicle. Sondern die echte 90-Tage-Roadmap, die in der Praxis bei KMU mit 8 bis 80 Mitarbeitenden funktioniert hat — und die ehrlichen Stolpersteine, die fast niemand vorab erwähnt.
Die Ausgangslage: Warum 90 Tage?
Drei Monate sind kurz genug, um Druck zu erzeugen, und lang genug, um zwei vollständige Pilot-Iterationen durchzuziehen. Wer länger plant, lähmt sich in Workshop-Schleifen. Wer kürzer plant, baut Schein-Lösungen, die nach drei Wochen auf dem Schreibtisch der Geschäftsführung verstauben.
In allen drei Fällen, die wir hier zeigen, gab es keine eigene IT-Abteilung. Die Unternehmen haben mit ihrem normalen Operations-Team gestartet, plus einem externen Sparringspartner für Methodik und Tool-Auswahl.
Pilot 1: Hotellerie im Zillertal — automatisierte Gästeanfragen
Ausgangslage. Ein 4-Sterne-Hotel mit 60 Zimmern. Die Front-Office-Leitung verbringt zwei Stunden pro Tag mit identischen Anfragen: „Haben Sie noch frei vom 12. bis 14. Juli?” — „Ist das Frühstück inkludiert?” — „Können Sie Hunde aufnehmen?”
Was wir gemacht haben. Ein Gemini-basierter Antwort-Assistent, der auf das interne Buchungssystem zugreift, in der Markenstimme des Hauses antwortet und unklare Fälle direkt an die Front-Office-Leitung eskaliert. Implementierung über die bestehende Booking-Engine, kein Custom-Code.
Ergebnis nach 90 Tagen. 14 Stunden eingesparte Zeit pro Woche, gemessen an der Antwortrate des Postfachs. Ein zusätzlicher, nicht eingeplanter Effekt: Die Antwortzeit für Anfragen sank von durchschnittlich 11 Stunden auf 22 Minuten, was die Conversion-Rate aus Anfrage zu Buchung um 23% gesteigert hat.
Was nicht funktioniert hat. Der erste Anlauf, gleich auch Beschwerde-Mails automatisch zu beantworten, ging schief. Der Ton war zu generisch, Gäste fühlten sich abgespeist. Beschwerden gehen jetzt wieder zu 100% an Menschen — und das ist auch richtig so.
Pilot 2: Steuerberatung in Innsbruck — KI-gestützte Belegerfassung
Ausgangslage. Eine Kanzlei mit 14 Mitarbeitenden. Belege werden monatlich pro Mandant gesichtet, kontiert und in DATEV gebucht. Dauer pro Standardmandant: 4 bis 6 Stunden, davon ca. 60% reine Klassifikationsarbeit.
Was wir gemacht haben. Ein OCR-Workflow mit Microsoft Copilot Studio plus eine eigene Klassifikations-Logik in Power Automate, der den Ergebnis-Vorschlag direkt im Buchhaltungs-System anzeigt. Der Mensch validiert nur noch — er klassifiziert nicht mehr.
Ergebnis nach 90 Tagen. Durchschnittliche Bearbeitungszeit pro Standardmandant: 2,3 Stunden. Das entspricht 39% Zeitersparnis bei gleicher oder besserer Qualität (gemessen an Korrekturen durch die Mandantenrückfrage-Quote).
Was nicht funktioniert hat. Bei komplexen Mandanten mit vielen Sonderfällen (z. B. Misch-Verwendungen, EU-Auslandsleistungen) war der Mehraufwand für Validierung größer als die Ersparnis. Die Lösung läuft heute nur für klar abgegrenzte Standardmandate.
Pilot 3: Bauunternehmen in Reutte — automatisierte Angebotserstellung
Ausgangslage. Ein mittelständisches Bauunternehmen mit 35 Mitarbeitenden. Die Vertriebsleitung schreibt zwischen 8 und 15 Angebote pro Woche, jedes basiert auf einem Briefing-Telefonat. Ein einzelnes Angebot dauert 90 bis 180 Minuten.
Was wir gemacht haben. Ein Claude-basierter Assistant, der aus dem strukturierten Briefing-Protokoll plus historischen Angebotsdaten einen ersten Angebots-Entwurf inkl. Preiskalkulation erstellt. Der Vertriebsleiter überarbeitet, statt von Null zu schreiben.
Ergebnis nach 90 Tagen. Durchschnittliche Erstellungszeit: 35 Minuten. Über 70% Zeitersparnis pro Angebot — und gleichzeitig sind die Angebote konsistenter geworden, weil der Assistent immer dieselben Standardklauseln verwendet.
Das Muster hinter den drei Cases
Wer die drei Pilotprojekte nebeneinanderlegt, sieht es sofort: Es ging nie um „KI-Strategie”, es ging immer um genau einen wiederkehrenden, gut abgrenzbaren Engpass-Prozess. Die KI hat dort nicht den Menschen ersetzt — sondern den repetitiven 60%-Anteil seiner Arbeit. Das wertschöpfende Drittel bleibt beim Menschen.
Drei Eigenschaften haben alle drei erfolgreichen Use-Cases gemeinsam:
- Hohe Frequenz, klare Struktur. Mindestens 5x pro Woche, mit weitgehend gleichbleibendem Input und Output.
- Existierende Prozessdaten. Es gab historische Beispiele — Mails, Angebote, Buchungen — auf denen die KI lernen konnte, wie ein „gutes” Ergebnis aussieht.
- Einen klaren menschlichen Validator. Niemand hat die KI entscheiden lassen. Sie hat vorgeschlagen, ein Mensch hat freigegeben.
Die 90-Tage-Roadmap, Phase für Phase
Tage 1-30: Diskovery und Use-Case-Auswahl
Ziel: Aus einer Liste von 10-15 möglichen Use-Cases die zwei besten Pilotkandidaten herausarbeiten und scharf priorisieren. Strukturiertes Interview mit den fünf Personen, die am meisten Zeit mit Routine-Aufgaben verbringen. Frage: „Was würdest du mit zwei freien Stunden pro Tag tun?”
Jeder genannte Use-Case wird mit einer einfachen Matrix bewertet: Frequenz × Aufwand × Datenqualität × Risiko. Die zwei höchsten Scores werden Pilotkandidaten. Bei der Tool-Auswahl ist die häufigste Falle, zu früh auf eine teure Plattform zu committen. Wir empfehlen, mit einem Standard-Tool zu starten — und erst nach erfolgreichem Pilot über Custom-Lösungen nachzudenken.
Tage 31-60: Bauen und iterieren
Erste Version live in einem geschützten Setup. Nur 1-2 Mitarbeitende nutzen sie zunächst, um Feedback einzusammeln, bevor das ganze Team migriert. Nach zwei Wochen die erste Iterationsrunde — hier zeigt sich, ob die Use-Case-Auswahl gut war: Wenn die Lösung in 4-6 Wochen nicht spürbar besser wird, ist das Datenfundament zu dünn.
Tage 61-90: Skalieren oder beerdigen
Vollständiges Team-Onboarding, dann ROI-Messung gegen das Erfolgskriterium von Tag 30. Wir messen das immer in zwei Dimensionen: harte Zeitersparnis (in Stunden/Woche) und qualitative Effekte (Stress-Level, Antwortqualität, Kundenzufriedenheit). Nicht jeder Pilot wird zum Standard. Wer ehrlich zu sich ist, beerdigt die schwächere Hälfte und investiert die freigewordene Energie in die starke.
Was bei der Tool-Auswahl wirklich zählt
- Microsoft 365-Häuser: Microsoft Copilot. Beste Outlook-, Word- und Teams-Integration, Datenschutz-Frage automatisch geklärt.
- Maximale Antwortqualität (juristische Texte, Beratung, lange Analysen): Claude liefert in unseren Tests aktuell die ausgewogenste Qualität.
- Bilder, Multimodal, Google Workspace: Gemini.
- Maximale Verbreitung in der Belegschaft: ChatGPT Team, weil viele Mitarbeitende das Interface schon privat kennen.
Es gibt kein „bestes Tool”. Es gibt nur ein bestes Tool für euren konkreten Use-Case und eure bestehende IT-Landschaft.
DSGVO, EU AI Act und Datenschutz — die wichtigsten Stolpersteine
Für den 90-Tage-Pilot reichen drei Faustregeln: Niemals personenbezogene Daten in öffentliche Free-Tier-Tools. Auftragsverarbeitungsvertrag (AVV) sicherstellen — bei Microsoft, OpenAI Enterprise und Google ist das in den Business-Verträgen geregelt, bei Free-Accounts nicht. Risikoklasse einordnen: Die meisten KMU-Pilotprojekte fallen unter „minimales Risiko” laut EU AI Act. Wer aber HR-Entscheidungen, Kreditscoring oder ähnliches automatisieren will, ist in einer höheren Klasse.
Häufige Fragen
Kann ich KI im Mittelstand auch ohne IT-Abteilung einführen?
Ja — die meisten der von uns begleiteten Tiroler KMU haben keine eigene IT. Voraussetzung ist eine klare Use-Case-Auswahl, ein guter externer Sparringspartner für die ersten 90 Tage, und ein interner „Champion” im Unternehmen, der die Lösung nach dem Pilot trägt.
Was kostet ein 90-Tage-Pilot realistisch?
Die externe Beratung liegt bei einem typischen Tiroler KMU zwischen 8.000 und 25.000 € für die 90 Tage, abhängig von Use-Case-Komplexität und Tool-Anforderung. Lizenzkosten für die KI-Tools liegen pro Mitarbeiter zwischen 20 und 60 € im Monat.
Wie messe ich den ROI?
In zwei Dimensionen: Erstens hart — Stunden, die pro Woche zurückgewonnen werden, multipliziert mit dem internen Stundensatz. Zweitens weich — Antwortzeit, Fehlerrate, Mitarbeiterzufriedenheit. Wer nur die harte Zahl misst, übersieht oft den größeren Effekt.
Welche Branchen profitieren am meisten?
In Tirol sehen wir den klarsten Effekt aktuell in Hotellerie, Steuerberatung, Bau, Handwerk und Industrie-Service — überall dort, wo strukturierte Routine-Texte und Klassifikationsaufgaben einen großen Teil der Arbeit ausmachen.
Wie es weitergeht
Wenn ihr für eure Branche und euren Engpass-Prozess prüfen wollt, ob ein 90-Tage-Pilot Sinn macht, ist ein unverbindliches Erstgespräch der schnellste Weg. In 30 Minuten haben wir meistens ein Gefühl dafür, ob es zwei, drei realistische Pilotkandidaten gibt — oder ob ihr noch eine Stufe vorher ansetzen müsst, etwa bei der Datenstruktur oder dem Prozessdesign. Mehr aus unserer Praxis findet ihr in unserem Portfolio.
