KI-Roadmap für den Mittelstand: So planen Sie Ihren 90-Tage-Fahrplan

Eine KI-Roadmap ist der strategische Fahrplan, der zeigt, welche KI-Schritte ein Unternehmen in welcher Reihenfolge und mit welchem Budget umsetzt. Laut McKinsey scheitern 70 Prozent aller KI-Initiativen an fehlender Planung — nicht an der Technologie. Im Mittelstand ist das Problem noch gravierender: Ressourcen sind knapp, Zeit kostbar, und jeder Fehlschlag belastet das Budget direkt.

Laut Bitkom nutzen nur 15 Prozent der Unternehmen unter 100 Mitarbeitern KI produktiv. Der DMB/Salesforce KI-Index 2025 ergänzt: 43 Prozent der Mittelständler haben nicht einmal eine KI-Strategie. Die Konsequenz ist ein Experimentier-Feuerwerk ohne strategischen Bezug — einzelne Teams testen Chatbots, andere probieren Forecasting-Modelle, aber niemand weiß, welcher Schritt als Nächstes sinnvoll ist.

Genau hier setzt die KI-Roadmap an. Sie ist nicht das große Strategie-Papier, sondern der konkrete Fahrplan: Welcher Prozess zuerst? Welche Daten brauchen wir? Welches Budget ist realistisch? Und wer trägt die Verantwortung? Eine Reifegrad-Einschätzung ist der Ausgangspunkt, die Roadmap ist der Weg.

Was ist eine KI-Roadmap — und warum scheitern 70 Prozent der Mittelständler ohne Fahrplan?

Eine KI-Roadmap ist der operative Fahrplan, der die KI-Strategie in konkrete Meilensteine, Budgets und Verantwortlichkeiten übersetzt. Sie beantwortet vier Fragen: Welche Use-Cases werden priorisiert? In welcher Reihenfolge? Mit welchem Budget? Und wer ist verantwortlich?

Warum scheitern so viele KI-Projekte? Weil sie ohne Roadmap starten. Ein Maschinenbau-Unternehmen mit 120 Mitarbeitern investierte 45.000 Euro in ein KI-Projekt zur Qualitätsprüfung — ohne vorher zu prüfen, ob ausreichend Bilddaten vorhanden sind. Das Projekt scheiterte nach sechs Monaten. Die Kosten waren verbrannt, das Vertrauen in KI im Unternehmen verspielt.

Die Ursachen sind typisch für den Mittelstand:

• Fehlende Datenbasis: 53 bis 76 Prozent der Unternehmen nennen Daten-Silos als Haupthemmnis (Bitkom 2025).
• Unklare Ziele: "Wir wollen mal was mit KI machen" ist keine Strategie.
• Fehlende Verbindung zur Strategie: KI-Projekte laufen nebenher, statt Kerngeschäftsprozesse zu adressieren.
• Kein Review-Prozess: Nach drei Monaten weiß niemand mehr, ob das Projekt noch Sinn macht.

Eine Roadmap verhindert all das. Sie schafft Klarheit, priorisiert nach Datenverfügbarkeit und Nutzen, und stellt sicher, dass jeder Schritt messbar ist.

Welche 4 Phasen braucht eine KI-Roadmap im Mittelstand?

Eine KI-Roadmap für den Mittelstand braucht keine Konzern-Komplexität. Vier Phasen reichen — wenn sie datenbasiert und iterativ angelegt sind.

Phase 1: Reifegrad-Assessment (Woche 1–2)

Der erste Schritt ist die ehrliche Bestandsaufnahme. Welche Daten liegen in ERP, CRM und Produktion vor? Welche Prozesse sind digitalisiert? Welche Schmerzpunkte haben die Fachbereiche? Ein KI-Reifegradmodell hilft, den Stand systematisch zu erfassen.

Die wichtigsten Fragen in dieser Phase:

• Welche drei Geschäftsprozesse verursachen die größten Kosten oder Fehler?
• Welche Daten sind in den bestehenden Systemen verfügbar und qualitativ nutzbar?
• Welche Schnittstellen existieren zwischen ERP, CRM und Produktionssteuerung?
• Wo fehlt es an Transparenz — wo entscheidet das Bauchgefühl statt Daten?

Phase 2: Use-Case-Priorisierung (Woche 3–4)

Nach dem Assessment werden KI-Anwendungsfälle gesammelt und bewertet. Jeder Use-Case wird nach zwei Dimensionen eingestuft: Nutzenpotenzial und Umsetzbarkeit. Quick-Wins — hoher Nutzen, geringer Aufwand, vorhandene Daten — kommen zuerst.

Typische Quick-Wins im Mittelstand:

• Automatisierte DSO-Analyse aus Buchhaltungsdaten
• Frühwarnung für Kundenabwanderung aus CRM-Daten
• Forecast-Genauigkeit durch Muster-Erkennung in der Pipeline

Phase 3: Pilot-Planung (Woche 5–8)

Der vielversprechendste Quick-Win wird zum Pilotprojekt. Ziel ist ein Proof of Concept in vier Wochen: Funktioniert die Lösung mit echten Daten? Liefert sie messbare Ergebnisse? Ist die Akzeptanz im Fachbereich gegeben?

Wichtig: Der Pilot ist kein Laborversuch. Er nutzt echte Daten aus dem Tagesgeschäft. Eine Intelligenz-Schicht wie NaveSight liest die Daten über eine Middleware aus bestehenden Systemen, analysiert mit Rules Engine und Muster-Erkennung und liefert Entscheidungsunterstützung — ohne Systemwechsel.

Phase 4: Skalierungs-Roadmap (Woche 9–12)

Nach dem Piloten wird der Erfolg bewertet und die 12-Monats-Roadmap finalisiert. Welche Use-Cases folgen als Nächstes? Welches Budget ist nötig? Wer ist verantwortlich? Die Roadmap wird lebendig: Alle 90 Tage folgt ein Review, bei dem Erfolge, Misserfolge und neue Erkenntnisse einfließen.

Wie sieht ein konkreter 90-Tage-Plan aus?

Die Theorie hilft nur, wenn sie konkret wird. Hier ist der Fahrplan, den wir mit mittelständischen Unternehmen erarbeiten — mit messbaren Meilensteinen pro Woche.

Fallbeispiel: Wie ein Maschinenbauer seine KI-Roadmap in 90 Tagen umsetzte

Ein mittelständischer Maschinenbauer mit 85 Mitarbeitern stand vor einem typischen Dilemma: Die Geschäftsführung wusste, dass KI strategisch relevant ist. Aber niemand wusste, wo anzufangen. Excel-Reports lieferten Daten, aber keine Muster. Der DSO lag bei 68 Tagen, die Forecast-Genauigkeit bei 42 Prozent, und Lieferverzögerungen wurden erst bemerkt, wenn der Kunde anrief.

Woche 1–2: Assessment. Die Intelligenz-Schicht las Daten aus ERP (Buchhaltung), CRM (Vertrieb) und Produktionssteuerung. Ergebnis: Der Reifegrad lag bei Stufe 2 von 5. Die Daten waren vorhanden, aber in Silos. Die größten Hebel: DSO-Reduktion, Forecast-Verbesserung, Lieferanten-Frühwarnung.

Woche 3–4: Priorisierung. Drei Use-Cases wurden bewertet. Der Quick-Win: DSO-Analyse. Daten vorhanden, hoher Nutzen, geringer Aufwand. Zweiter Platz: Forecast-Genauigkeit. Dritter Platz: Lieferanten-Frühwarnung.

Woche 5–8: Pilot. Die Intelligenz-Schicht identifizierte Muster in Zahlungsverhalten, Kundenstruktur und Auftragsverlauf. Ergebnis nach vier Wochen: DSO sank von 68 auf 52 Tagen. Die Forecast-Genauigkeit stieg von 42 auf 61 Prozent — bereits durch Muster-Erkennung in historischen Daten.

Woche 9–12: Roadmap. Die 12-Monats-Roadmap wurde finalisiert: Q1 — DSO-Monitoring produktiv schalten. Q2 — Forecast-Modell erweitern. Q3 — Lieferanten-Frühwarnung pilotieren. Q4 — Integration der Wissensbasis für das gesamte Management-Team. Budget: 1.200 Euro monatlich für die Intelligenz-Schicht plus einmalige Einrichtung.

KI-Roadmap selbst erstellen, Berater beauftragen oder Werkzeug nutzen?

Es gibt drei Wege zur KI-Roadmap. Der Unterschied liegt nicht nur im Preis, sondern in der Qualität der Ergebnisse.

Die Entscheidung hängt vom Reifegrad ab: Unternehmen in Stufe 1–2 profitieren am meisten von einer Intelligenz-Schicht, weil die Datenlage unklar ist. Unternehmen in Stufe 4–5 können eine Roadmap oft selbst erstellen. Berater lohnen sich nur bei komplexen Transformationsvorhaben mit mehreren Standorten.

Was kostet eine KI-Roadmap für den Mittelstand?

Die Kosten für eine KI-Roadmap variieren stark — nicht nur nach Anbieter, sondern vor allem nach Ansatz.

Externe Berater berechnen für eine strategische KI-Roadmap typischerweise zwischen 15.000 und 80.000 Euro. Dazu kommen Workshops, Reisekosten und Nachbereitung. Das Ergebnis ist ein statischer Bericht, der nach drei Monaten veraltet ist.

Selbst-Erstellung kostet nur interne Arbeitszeit — etwa 80 bis 120 Stunden über 90 Tage. Das entspricht Kosten von 8.000 bis 18.000 Euro (bei internen Stundensätzen von 100–150 Euro). Das Problem: Die Qualität hängt vom internen Wissensstand ab. Wer noch nie eine KI-Roadmap erstellt hat, übersieht typische Fallstricke.

Eine Intelligenz-Schicht liegt typischerweise zwischen 500 und 2.000 Euro monatlich plus einmalige Einrichtung je nach Umfang. Der Unterschied: Die Roadmap entsteht nicht aus Interviews, sondern aus der Analyse der tatsächlichen Daten. Sie ist dynamisch, wird regelmäßig aktualisiert und wächst mit dem Unternehmen.

Welche 5 Kriterien machen eine KI-Roadmap erfolgreich?

Nicht jede Roadmap führt zum Ziel. Fünf Kriterien unterscheiden erfolgreiche von gescheiterten Fahrplänen.

Eine Roadmap, die diese Kriterien erfüllt, ist kein statisches Dokument, sondern ein lebendiges Steuerungsinstrument. Sie ändert sich, wenn sich die Daten ändern — und genau das ist der Vorteil einer datenbasierten Intelligenz-Schicht gegenüber einem Berater-Papier.

Verwandte Inhalte

• KI-Reifegradmodell Mittelstand — Vor der Roadmap kommt das Assessment. So bewerten Sie Ihren Stand.
• KI-Strategie für den Mittelstand — Die Roadmap setzt die Strategie um. Der 90-Tage-Plan zur Strategie-Entwicklung.
• KI-Pilotprojekt im Mittelstand — Von der Roadmap in die Praxis. So führen Sie den Proof of Concept erfolgreich durch.
• KI-ROI messen im Mittelstand — Welche Kennzahlen zeigen, ob die Roadmap funktioniert.
• EU AI Act für den Mittelstand — Rechtliche Leitplanken, die in die Roadmap gehören.