Experteninterview: 3 Fragen an Prof. Dr. Marco Barenkamp

Welche KI-Trands halten Sie 2026 für besonders relevant für KMU und welche werden überschätzt?

Am relevantesten ist die dritte Welle der KI, wir sprechen hier von der agentischen KI. Nach den prädiktiven Systemen, die Nachfrage oder Maschinenausfälle prognostizieren, und der generativen KI, die Texte und Code erzeugt, kommen jetzt Systeme, die innerhalb gesetzter Grenzen eigenständig handeln. Sie prüfen Rechnungen, steuern Lieferketten oder bearbeiten Anfragen. Gartner erwartet, dass bis 2028 rund ein Drittel aller Unternehmensanwendungen solche Komponenten enthält. Wie tief dieser Wandel reicht, zeigt die sogenannte SaaSpocalypse, die seit Anfang 2026 die Bewertungen großer Softwareanbieter unter Druck setzt. Befürchtet wurde, dass Standardsoftware wie Salesforce oder ServiceNow überflüssig wird. Eingetreten ist etwas anderes. Die Software bleibt, doch ihre für den Menschen gebaute Bedienoberfläche verliert an Bedeutung. Der eigentliche Wert steckt in den Prozessen und Daten darunter, und die steuern künftig zunehmend Agenten statt Menschen.

Für den Mittelstand verändert das die Rolle der Beschäftigten grundlegend. Wer heute ein System bedient, wird morgen genau dieses System beaufsichtigen. Diese Supervision ist anspruchsvoll, denn ein Agent wiederholt einen kleinen Fehler in Sekunden hundertfach, bevor ihn jemand bemerkt, und der Schaden potenziert sich somit in Sekundenschnelle. Das erklärt eine scheinbare Widersprüchlichkeit, nämlich den gleichzeitigen Abbau einfacher Tätigkeiten und den Aufbau qualifizierter Steuerungsrollen. Der Hebel liegt damit weniger im spektakulären Leuchtturm als in der unscheinbaren Prozessstelle, etwa in der Qualitätskontrolle, der vorausschauenden Wartung oder der Angebotserstellung. Überschätzt wird aus meiner Sicht zweierlei. Erstens das Narrativ, KI ersetze in großem Stil Personal. Knapp jedes fünfte KI-nutzende Unternehmen begründet Stellenabbau bereits mit KI, oft ohne belastbaren Nachweis, welche Systeme welche Aufgaben tatsächlich übernehmen. In einem Land mit über einer Million offener Stellen und schrumpfender Erwerbsbevölkerung ist das strategisch riskant. Zweitens die Vorstellung, ein Mittelständler brauche ein eigenes großes Sprachmodell. Selbst spezialisierte Anbieter sind an dieser Aufgabe gescheitert. Sinnvoll ist die kluge Nutzung vorhandener Modelle, nicht deren Nachbau.

Wie finden Unternehmen sinnvolle Einstigspunkte? Sind kleine Projekte oder eine klare strategische KI-Roadmap sinnvoller?

Das ist keine Entweder-oder-Frage. Wer nur Pilotprojekte sammelt, produziert eine Ansammlung von Insellösungen, die nie zusammenwachsen werden. Und wer zwei Jahre an der perfekten Roadmap arbeitet, verliert den Anschluss. Der richtige Weg verbindet somit beides. Man beginnt mit wenigen, konkret messbaren Anwendungsfällen, die einen klaren wirtschaftlichen Nutzen und ein überschaubares Risiko haben, und ordnet sie von Anfang an einem strategischen Rahmen zu. Bei der Auswahl der ersten Fälle helfen wenige nüchterne Kriterien. Die nötigen Daten liegen idealerweise schon in brauchbarer Qualität vor, der Prozess wiederholt sich und hat genug Volumen, das Ergebnis ist messbar, und ein Fehler richtet keinen unbeherrschbaren Schaden an. Vor dem Start sollte der Ausgangswert feststehen. Nur wer weiß, wie lange ein Vorgang heute dauert und was er kostet, kann später belegen, was die KI wirklich gebracht hat, statt sich auf vage Produktivitätsversprechen zu verlassen. Ein Pilotprojekt stiftet somit nur dann Nutzen, wenn es an die Systeme angebunden ist, in denen Daten und Prozesse bereits liegen, sonst entsteht erneut eine Insellösung. Entscheidend ist aus meiner Sicht vor allem eine Frage, die in der Praxis fast immer fehlt. Wer hat festgelegt, welche Entscheidungen ein System eigenständig treffen darf, und wer greift ein, wenn es falsch liegt? In meinem jüngsten Gastbeitrag für das Handelsblatt habe ich das mit Blick auf Aufsichtsräte beschrieben, doch der Grundsatz gilt für jedes Unternehmen, unabhängig von seiner Größe. Wer diese Grenzen früh klärt, skaliert KI am Ende breiter und schneller. Klarheit über diese Grenzen vergrößert nämlich den Spielraum und verengt ihn nicht. Bislang hat noch nicht einmal die Hälfte der KI-nutzenden Unternehmen eine zentrale Steuerung dafür aufgebaut. Meines Erachtens entsteht genau hier der Vorsprung für die, die es tun.

Mit dem AI-Act der EU, Datenschutz und Compliance steigen die Anforderungen rund um KI. Wie können Unternehmen Innovation ermöglichen, ohne sich von regulatorschen Fragen ausbremsen zu lassen?

Vorab möchte ich sagen: eine Regulierungslücke, die einen eigenen AI Act zwingend gemacht hätte, sehe ich nicht. Die Risiken, die er adressiert, waren in den sektoralen Normen längst enthalten, im Produktsicherheits-, Medizinprodukte-, Datenschutz- und Finanzaufsichtsrecht, ganz unabhängig davon, ob ein System mit oder ohne KI arbeitet. Selbst der Hauptautor des AI Act, Gabriele Mazzini, würde das Regelwerk in seiner heutigen Form rückgängig machen oder substanziell ändern. Auch er hält es im Rückblick für klüger, gezielt einzelne Lücken zu schließen, statt auf den einen großen Wurf zu setzen. Nun ist der AI Act aber da, und das hat aber auch durchaus einen Vorteil. Er schafft wenigstens ein „gewisses“ Maß an Rechtssicherheit, und genau diese Rechtssicherheit ist die Voraussetzung dafür, dass Unternehmen überhaupt in diese Technologien investieren. Genau deshalb begrüße ich den Digital Omnibus und seine Vereinfachungen ausdrücklich. In der Bundesfachkommission KI und Wertschöpfung 4.0 des Wirtschaftsrats Deutschland, deren stellvertretender Vorsitzender ich bin, haben wir uns früh in den Prozess eingebracht und konnten an mehreren Stellen auf praxisnähere Lösungen hinwirken.

Für den Mittelstand sind die jüngsten Anpassungen besonders vorteilhaft. Die Erleichterungen für kleine und mittlere Unternehmen gelten künftig auch für gehobene Mittelständler mit bis zu 749 Beschäftigten und bis zu 150 Millionen Euro Umsatz, von vereinfachter Dokumentation über einen besseren Zugang zu Reallaboren bis zu milderen Bußgeldern. Die scharfen Hochrisiko-Pflichten greifen zudem später, für eigenständige Systeme ab Dezember 2027, für produktintegrierte ab August 2028. Für die meisten Mittelständler ist die Lage ohnehin weniger dramatisch, als die Schlagzeilen vermuten lassen. Der AI Act ist risikobasiert. Die große Mehrheit der betrieblichen Anwendungen fällt in die unteren Risikoklassen und löst lediglich Transparenzpflichten aus, etwa den Hinweis, dass ein Chatbot eine Maschine ist oder ein Text von einer KI stammt. Die strengen Anforderungen gelten nur für klar umrissene Felder wie Personalauswahl, Kreditvergabe oder sicherheitskritische Produkte. In der Praxis ist für viele Unternehmen der Datenschutz die bindendere Größe als der AI Act selbst, weil fast jede KI mit personenbezogenen Daten in Berührung kommt.

Mein Rat lautet daher, Compliance nicht als Bremse misszuverstehen. Wer eine schlichte Inventur seiner KI-Systeme führt, ihre Risiken ehrlich einordnet und Zuständigkeiten klärt, hat den größten Teil bereits erledigt und kann investieren. Die Regulierung ist, dies muss ich nach den vielen Projekten, die ich begleiten und beaufsichtigen durfte, selten der wahre Grund, warum ein Unternehmen bei KI zögert. Häufiger fehlt (noch) die Kompetenz im eigenen Haus. Prof. Dr. Marco Barenkamp ist Honorarprofessor für KI und Digitalisierung an der Hochschule Osnabrück, Aufsichtsrat in börsennotierten und mittelständischen Unternehmen, Autor von „AI-Governance im Aufsichtsrat" sowie „Wertschöpfung mit KI“ und stellvertretender Vorsitzender der Bundesfachkommission KI und Wertschöpfung 4.0 des Wirtschaftsrats Deutschland.