Das folgende Szenario ist so oder ähnlich aus der Praxis bekannt: Ein IT-Leiter entdeckt, dass mehrere Mitarbeitende in einem Fachbereich seit Monaten KI-Tools über private Accounts nutzen, um Texte zu formulieren, Anfragen zu verfassen und interne Berichte zu kürzen. Das Unternehmen hat keine Shadow AI Governance, keine genehmigten Alternativen und keine Übersicht darüber, welche Daten bereits welchen Systemen zugespielt wurden. Der erste Impuls ist ein Verbot.  

Wie lange dauert eine digitale Transformation wirklich? Diese Frage stellen sich viele Unternehmen erst, wenn erste Projekte abgeschlossen sind – und die erhoffte Veränderung ausbleibt. Genau hier liegt eine der größten Herausforderungen im Change-Management der digitalen Transformation: Unternehmen verwechseln häufig den technischen Rollout mit einer erfolgreichen Transformation. 

Für mittelständische Unternehmen heißt das konkret: Vier Bausteine müssen bis zum Sommer aufgebaut sein, damit die Compliance ab August nachweisfähig ist. Die Bausteine sind KI-Inventar, Rollenklärung, Kompetenznachweis und Provider-Dokumentation. Welche davon im Mittelstand typischerweise fehlen, beobachten wir in Erstgesprächen wiederkehrend, in drei Mustern.

Die Debatte darüber, ob im Maschinenbau standardisiert oder differenziert werden soll, ist in nahezu jedem Strategiegespräch präsent. Und in nahezu jedem wird sie falsch beantwortet. Entweder setzt sich die Kostenfraktion durch: “Wir müssen effizienter werden, also mehr standardisieren.” Oder der Vertrieb besteht auf der Sonderlösung: “Wir sind Sondermaschinenbauer, bei uns geht das nicht.” Beide Positionen haben ihre Logik. Und beide greifen strategisch zu kurz.

Wenn digitale Transformation scheitert, wird die Ursache meist schnell bei der Technologie gesucht. „Das falsche System gewählt.“ „Das Projekt wurde schlecht gemanagt.“ „Der Anbieter war zu unerfahren.“ In vielen Fällen liegt das eigentliche Problem jedoch woanders: in den bestehenden Prozessen, auf die neue Technologie trifft.

Viele mittelständische Unternehmen beschäftigen sich intensiv mit KI. Sie beobachten Trends, testen Tools und starten erste Use Cases. Doch eine tragfähige KI-Strategie im Mittelstand entsteht dadurch nicht. Was fehlt, ist der Schritt von der Beobachtung zur strategischen Einordnung: Wie verändert KI das eigene Geschäftsmodell, den Markt, die Wettbewerbslogik?

Rund 80 % der CMMS-Implementierungen gelten als gescheitert. 94,7 % der befragten Instandhaltungsleiter geben an, ihr System nicht annähernd voll zu nutzen. Gleichzeitig steigen die Investitionen in CMMS/EAM-Systeme, Predictive Maintenance, RPA für Bestellprozesse und IoT-Sensorik weiter. Die Frage ist nicht, ob diese Zahlen stimmen. Die Frage ist, warum der Widerspruch zwischen Investitionsbereitschaft und Ergebnisqualität so beständig ist.