.webp)
Academy10 May 2026
Microsoft nennt es Transformationsparadox. Im Mittelstand heißt es: Zwischen Aufbruch und Kontrollverlust
Microsoft veröffentlicht seit 2021 jedes Frühjahr den Work Trend Index – inzwischen die sechste Ausgabe [1]. Für Consultants und alle, die Unternehmen im KI-Umfeld beraten, ist das Pflichtlektüre. Man bekommt jährlich gut aufbereitete Statistiken, schöne Grafiken und einen Stapel Erkenntnisse, die man ins eigene Denken einsortieren kann.
Ganz objektiv ist das natürlich nicht. Microsoft beauftragt eine Studie über Microsoft, befragt unter anderem die eigenen Early-Access-Kunden, und wer sind die Early-Access-Kunden? Die Größten, die man sich vorstellen kann. Konzerne mit weit über tausend Mitarbeitenden. Mit dem deutschen Mittelstand hat das also nur in der Schnittmenge zu tun. Trotzdem nehme ich diese Studien gerne her, weil sie sauber gemacht sind und weil man die Filterung mitdenken kann, ohne sie deshalb zu verwerfen.
Dieses Jahr hatte der Index für uns eine besondere Relevanz. Wir bei aithoria haben im April unsere eigene Studie zum Mittelstand veröffentlicht [2]. Mit 134 Unternehmen und sieben Geschäftsführer-Interviews bewegen wir uns in einer ganz anderen Größenordnung als 20.000 Befragte und Telemetrie aus 100.000 Copilot-Chats [1]. Und uns fehlen die internen Metriken, weil wir nicht der Dienstleister sind, sondern der Berater. Aber genau deswegen war ich gespannt, ob unsere Befunde auf einer anderen Flughöhe in dieselbe Richtung zeigen wie Microsofts globaler Wurf.
Sie tun es. Beide Studien kommen aus völlig unterschiedlichen Methoden zur gleichen Diagnose: Mitarbeitende sind weiter als die Organisationen, die sie umgeben. Die Frage für 2026 ist nicht mehr, ob KI im Unternehmen ankommt. Sie ist, ob die Organisation reif genug ist, um aufzunehmen, was KI heute möglich macht.
Zwei Studien, ein Befund
Bevor ich tiefer einsteige, kurz zur Einordnung der beiden Studien. Sie arbeiten mit völlig unterschiedlichen Methoden und Bezugsgrößen. Microsoft schaut global und quantitativ, wir schauen lokal und qualitativ-quantitativ. Was beide teilen, ist das Ergebnis.
.png){kind=logo}
Work Trend Index
Studie 01
Was Microsoft im globalen Maßstab misst
Der Work Trend Index 2026 ist die sechste Ausgabe einer Studienreihe, mit der Microsoft jährlich seinen Blick auf die Arbeitswelt veröffentlicht [1]. Die diesjährige Ausgabe basiert auf einer Befragung von 20.000 Wissensarbeitern in zehn Ländern, kombiniert mit anonymisierter Telemetrie aus über 100.000 Microsoft-365-Copilot-Konversationen. Der Untertitel der Studie ist eindeutig: „Agents, human agency, and the opportunity for every organization." Übersetzt heißt das: Während Agenten zunehmend Ausführung übernehmen, gewinnen Menschen an Agency. Die Frage ist nur, ob Organisationen so gebaut sind, dass diese Agency auch produktiv wird.
Die zentrale Zahl, die Microsoft liefert: Organisationale Faktoren erklären die berichtete KI-Wirkung doppelt so stark wie individuelle Faktoren [1]. 67 Prozent der erklärten Varianz liegen in Kultur, Manager-Support und Talent-Praktiken. Nur 32 Prozent in Mindset, Können und Verhalten der einzelnen Mitarbeitenden. Anders gesagt: Die Lücke zwischen Frontier Firma und Nachzügler entscheidet sich nicht am Schreibtisch des Wissensarbeiters. Sie entscheidet sich an den Strukturen, die ihn umgeben.
Was wir im deutschen Mittelstand sehen
Unsere im April 2026 erschienene Studie „Generative KI aus Sicht mittelständischer Unternehmen: Zwischen Aufbruch und Kontrollverlust" basiert auf einem Mixed-Methods-Design [2]. 134 mittelständische Unternehmen haben den standardisierten Fragebogen ausgefüllt, sieben Geschäftsführer aus Handwerk, Produktion und Beratung haben uns rund eine Stunde Interview-Zeit gegeben. Die vollständige Studie findet sich im aithoria Research Center.
Aus der quantitativen Erhebung kommt das Bild der Reife-Treppe [2]. 42 Prozent setzen KI noch gar nicht ein. 31 Prozent betreiben Pilotprojekte. 22 Prozent nutzen KI regelmäßig in einzelnen Bereichen. Und nur 4 Prozent haben KI unternehmensweit etabliert und strategisch verankert.
Aus den qualitativen Interviews kommt die Tiefenperspektive [2]. Geschäftsführer schildern eine ambivalente Haltung, oft im selben Satz. Auf der einen Seite spüren sie den Innovationsdruck und die Sorge, den Anschluss zu verlieren. Auf der anderen Seite ringen sie mit Datenschutz, Kontrolle, Nachvollziehbarkeit und der Frage, was ihre Belegschaft eigentlich heimlich schon nutzt.
Das Paradox in Zahlen
Wenn man die wichtigsten Zahlen aus beiden Studien nebeneinander legt, entsteht eine Geschichte. Hohe Nutzung trifft auf niedrige Reife. Globale Frontier-Quote trifft auf deutsche Realität. Und genau in der Diskrepanz zwischen diesen Zahlen liegt das, was Microsoft als Transformationsparadox beschreibt [1].
38,7 Prozent Nutzung, 4 Prozent strategische Verankerung
Die OECD hat im vergangenen Jahr in ihrer Studie „Generative AI and the SME Workforce" festgestellt: Deutsche KMU nutzen generative KI mit 38,7 Prozent häufiger als Unternehmen in jedem anderen OECD-Staat [3]. Das ist ein Spitzenwert. Wer nur diese Zahl sieht, denkt: Der deutsche Mittelstand ist führend.
Wer unsere Erhebung daneben legt, sieht das Gegenteil [2]. Hohe Nutzung bedeutet nicht hohe Reife. Sie bedeutet im Mittelstand häufig: Mitarbeitende probieren ChatGPT aus, einzelne Abteilungen testen Copilot, ein paar Pilotprojekte laufen unter dem Radar. Aber strategisch unternehmensweit etabliert sind 4 Prozent. Nur 9 Prozent verfügen über eine dokumentierte Governance.
Das ist die deutsche Variante des Transformationsparadox. Die Werkzeuge sind da. Die Mitarbeitenden sind interessiert. Aber das Operating Model um diese Werkzeuge herum existiert noch nicht.
Microsofts Reifezonen und die deutsche Reife-Treppe
Microsoft kartiert seine Befragten in fünf Zonen [1]. 19 Prozent sind im Frontier-Bereich, in dem individuelle Fähigkeit und organisationale Bereitschaft beide hoch sind und sich gegenseitig verstärken. 10 Prozent sind in der „Blocked Agency", also Mitarbeitende mit hohen Fähigkeiten in Organisationen, die noch nicht mitziehen. 5 Prozent sitzen in „Unclaimed Capacity", wo die Organisation bereit ist, aber die Mitarbeitenden noch nicht. 16 Prozent sind „Stalled", auf beiden Achsen niedrig. Die Hälfte aller Befragten ist im „Emergent Zone", dem unaufgeräumten Mittelfeld.
Unsere Reife-Treppe sagt dasselbe in anderer Sprache [2]. 42 Prozent stehen am Anfang. 53 Prozent haben angefangen, aber nicht zu Ende gedacht. Nur eine kleine Spitze ist da, wo es hingehen müsste. Die deutsche Verteilung kippt etwas weiter nach links als die globale Microsoft-Verteilung, aber die Form ist dieselbe.
Microsoft schreibt dazu drei Sätze, die ich für die treffendste Diagnose der gegenwärtigen Lage halte: „Workers are ready. Their organizations aren't." [1] Mitarbeitende sind bereit. Ihre Organisationen sind es nicht.
Was die Lücke wirklich kostet
Diese Lücke kostet nicht nur Produktivität. Sie kostet Steuerung. Wer im 53-Prozent-Bereich sitzt, also irgendwo zwischen Pilot und Teilbereichsnutzung, hat ein paradoxes Problem. KI ist im Unternehmen, aber nicht unter Kontrolle. Daten fließen in externe Modelle, ohne dass jemand dokumentiert, welche. Mitarbeitende treffen Entscheidungen auf KI-Basis, ohne dass jemand Qualitätsstandards definiert hat. Pilotprojekte laufen, aber Erkenntnisse fließen nicht zurück in ein Lernsystem [2].
Microsoft beschreibt das als Brittleness [1]. Brüchige Prozesse, unklare Entscheidungsrechte, schwache Governance werden durch KI nicht behoben, sondern sichtbarer. Sie werden zum Engpass, wenn sich die Geschwindigkeit erhöht.
Warum Organisation den Unterschied macht
Hier kommt die Zahl, die ich für den wichtigsten Beitrag der Microsoft-Studie halte. Sie quantifiziert, was wir im Mittelstand qualitativ sehen, und sie liefert Geschäftsführungen die Argumentationsgrundlage, die sie brauchen, um die richtigen Investitionen zu rechtfertigen.
Microsofts Befund: Kultur schlägt Mindset
Microsoft hat 29 Faktoren auf ihren Zusammenhang mit der berichteten KI-Wirkung getestet [1]. Methodisch sauber, mit drei Modellfamilien validiert, alle drei kommen zur gleichen Rangordnung. An der Spitze steht „Org AI culture", die KI-affine Kultur der Organisation. Auf Platz zwei und drei „Manager Support" und „Talent Practices". Erst auf Platz vier kommt der erste individuelle Faktor, das „AI Mindset" der einzelnen Person.
In Zahlen: Die organisationale KI-Kultur ist ein 2,5-mal stärkeres Signal für KI-Wirkung als der individuelle KI-Mindset [1]. Wer also im Unternehmen einzelne Mitarbeitende schult, aber die Strukturen drumherum nicht verändert, bewegt sich genau auf dem Faktor, der am wenigsten Wirkung erklärt.
Was 67 zu 32 praktisch bedeutet
Die 67-zu-32-Verteilung klingt abstrakt [1]. Praktisch bedeutet sie drei Dinge.
Erstens: Lizenzen kaufen reicht nicht. Wenn Microsoft 365 Copilot eingeführt wird, ohne dass Führung, Manager und Talent-Praktiken mitziehen, bleibt der größte Teil des möglichen Wirkungshebels ungenutzt. Die Lizenz kostet Geld, der Hebel liegt aber zu zwei Dritteln woanders.
Zweitens: Schulungen alleine reichen nicht. Mitarbeitenden beizubringen, wie man Copilot bedient, adressiert den 32-Prozent-Bereich. Es ist notwendig, aber es ist die kleinere Hälfte des Problems.
Drittens: Geschäftsführung muss in den Stoff. Microsoft schreibt explizit, dass Frontier-Mitarbeitende dort entstehen, wo Manager selbst KI offen nutzen [1]. Bei 85 Prozent der Frontier Professionals sehen das die Manager so vor, gegenüber 64 Prozent außerhalb. Das ist kein nice-to-have. Das ist der Hebel.
„Wir nutzen doch schon KI", warum das nicht reicht
Eine Reaktion, die ich in meiner Beratungspraxis fast wöchentlich höre: „Bei uns nutzen die Leute ChatGPT. Wir haben Copilot ausgerollt. Wir machen das doch schon."
Das ist nicht falsch. Aber es ist auch nicht das, was die Studien beschreiben 1. Was Microsoft mit Frontier Firm und wir mit „strategischer Verankerung" meinen, ist etwas anderes. Es ist der Punkt, an dem das Unternehmen weiß, wofür KI eingesetzt wird, mit welchen Daten, unter welcher Verantwortung, mit welchem Qualitätsmaßstab. Es ist der Punkt, an dem aus einzelnen Anwendungen ein steuerbares Operating Model wird.
Wenn dein Unternehmen Copilot nutzt, aber niemand kann sagen, in welchen Prozessen er produktiv wird, in welchen er nicht, welche Daten dort verarbeitet werden und wer dafür verantwortlich ist, dann bist du im 53-Prozent-Bereich [2]. Nicht in der Spitze. Das ist weder Vorwurf noch Drama. Es ist eine Standortbestimmung.
Schatten-KI: Wenn die Handbremse nicht hält
Wenn Führung zögert und Strukturen fehlen, verschwindet KI nicht aus dem Unternehmen. Sie verschwindet aus dem Sichtbereich. Genau das ist das Phänomen, das wir Schatten-KI nennen, und das im Mittelstand gerade massiv unterschätzt wird.
Was passiert, wenn Führung zögert
Einer unserer Interviewpartner, ein Geschäftsführer aus dem Tischlerhandwerk, sagte: „An der Stelle habe ich die Handbremse ganz bewusst angezogen. Weil mir noch viel zu wenig klar ist, was welche Auswirkungen in welchem Bereich hat, bevor man dann einfach sagt, wir schalten jetzt alle Kanäle frei und wissen gar nicht, wo diese Daten nachher landen." [2]
Das ist eine vernünftige Position. Wer Verantwortung trägt, wartet nicht, bis ein anderer aufräumt. Aber Handbremse anziehen heißt nicht, dass das Auto stehen bleibt. Es heißt, dass das Auto an einer anderen Stelle weiterrollt.
In unserer Studie sehen wir das deutlich [2]. Mitarbeitende, die ihre Arbeit erledigen müssen, finden Wege. Wenn das offizielle System keine Antwort liefert, öffnen sie ChatGPT auf dem privaten Browser, kopieren Vertragsentwürfe in externe Modelle, generieren Texte, die niemand reviewt. Die Fachliteratur nennt das Schatten-KI. Wir nennen es das, was es ist: Kontrollverlust unter dem Anschein von Kontrolle. Die vollständigen Daten dazu findest du in unserer Studie.
Microsofts „Blocked Agency" und die deutsche Realität
Microsoft beschreibt mit „Blocked Agency" das gleiche Phänomen aus globaler Perspektive [1]. Mitarbeitende, die individuell hochkompetent mit KI sind, aber in Organisationen sitzen, die noch keine passenden Rahmenbedingungen geschaffen haben. 10 Prozent der globalen KI-Nutzer fallen in diese Zone.
Im deutschen Mittelstand ist die Zahl vermutlich höher [2]. Wir messen sie nicht direkt, aber unsere quantitative Erhebung zeigt, dass nur 9 Prozent der Unternehmen über eine dokumentierte Governance verfügen. Das heißt im Umkehrschluss: 91 Prozent der Unternehmen, die KI nutzen, tun das ohne dokumentierten Rahmen. Ein Teil davon arbeitet konservativ und vorsichtig. Ein anderer Teil hat Schatten-KI im Hintergrund laufen, ohne es zu wissen. Und das ist die Konfiguration, die in den nächsten zwei Jahren riskant wird, weil EU AI Act und Marktüberwachung an Schärfe gewinnen.
Warum Verbote Kontrolle nicht erhöhen, sondern verlagern
Die intuitive Reaktion vieler Geschäftsführungen ist ein Verbot. Keine externen KI-Tools, kein ChatGPT auf Firmengeräten. Das funktioniert solange, wie der Druck der Arbeit nicht zu groß wird. Sobald der Druck steigt, werden Verbote umgangen. Auf Privatgeräten, in privaten Accounts, auf Smartphones. Verbote schaffen damit nicht mehr Kontrolle. Sie schaffen weniger, weil die Nutzung jetzt komplett außerhalb des organisationalen Blickfelds stattfindet [2].
Eine Szene, die ich in der Beratung immer wieder erlebe. Geschäftsführungen verbieten Copilot Chat, weil sie fürchten, dass dabei Unternehmensdaten in fremde Hände fließen. Sachlich stimmt das nicht. Wer Microsoft 365 Copilot Chat mit Lizenz nutzt, profitiert vom Enterprise Data Protection: Eingaben und Antworten bleiben innerhalb der Microsoft-365-Dienstgrenze und werden nicht zum Training der zugrundeliegenden Modelle verwendet [1]. Aber die Furcht ist real, und sie speist sich aus Unwissenheit. Wenn ich dann frage: „Was denkt ihr eigentlich, ob eure Mitarbeitenden trotzdem mit KI arbeiten?", kommt meistens zuerst ein Schulterzucken. Dann werden die Augen größer.
Niemand will heute mehr seitenlange Dokumente manuell durchforsten oder eine komplexe E-Mail von Hand formulieren, wenn die KI das in fünfzehn Sekunden macht. Wenn das Unternehmen die geschützte Variante nicht anbietet, fotografiert sich der Mitarbeitende eben die Mail vom Bildschirm und lädt sie in seine private KI hoch. Genau dann reden wir über echten Datenabfluss. Nicht weil ein Tool versagt hat, sondern weil das Unternehmen die Spielregeln nicht definiert hat [2].
Was an dieser Stelle wirkt, ist nicht Verbot. Es ist Architektur. Klare Spielregeln, definierte Datenflüsse, dokumentierte Verantwortlichkeiten. Genau das, was unsere Studie als Erfolgsfaktor 2 identifiziert [2].
Governance ist Architektur, nicht Bremse
Governance hat im Mittelstand einen schlechten Ruf. Sie wird oft mit Bürokratie, Vorsicht und Bremse assoziiert. Im KI-Kontext ist das Gegenteil der Fall. Wer den regulatorischen Rahmen kennt und intern umsetzt, kann schneller skalieren. Wer ihn ignoriert, blockiert sich selbst.
Der regulatorische Rahmen: DSGVO, EU AI Act, KI-MIG
Wer im deutschen Mittelstand KI einführt, bewegt sich nicht im rechtsfreien Raum. Drei Regelwerke strukturieren das Feld. Die DSGVO seit 2018 als europäische Grundlage für den Umgang mit personenbezogenen Daten. Der EU AI Act, in Kraft seit August 2024, mit risikobasierter Klassifikation von KI-Systemen. Und seit Februar 2026 das deutsche KI-Marktüberwachungs- und Innovationsförderungsgesetz (KI-MIG) als Regierungsentwurf, das die Bundesnetzagentur als zentrale Marktüberwachungsbehörde vorsieht und Zuständigkeiten, Bußgeldverfahren und Innovationsförderung regelt.
Das klingt nach Bürokratie. Es ist aber etwas anderes. Diese Regelwerke sind nicht der Grund für Zurückhaltung, sondern der Rahmen für Geschwindigkeit. Wer den Rahmen kennt und intern umsetzt, kann schneller skalieren, weil er weiß, was geht und was nicht. Wer ihn nicht kennt, blockiert sich selbst durch Unsicherheit.
Karim Lakhanis „Operating Model" als Brücke
Karim Lakhani von der Harvard Business School hat das Vorwort zum Microsoft Work Trend Index geschrieben [4]. Sein Hauptargument: Was wir gerade erleben, ist nicht der nächste Tool-Wechsel. Es ist die Entstehung eines neuen Operating Models. Geschäftsmodelle beschreiben, wie Unternehmen Wert schaffen und einfangen. Operating Models beschreiben, wie dieser Wert tatsächlich geliefert wird, durch Workflows, Rollen, Entscheidungsrechte, Governance und die alltägliche Architektur der Ausführung.
Wenn das Operating Model sich verändert, verändert sich Management [4]. Und genau das passiert gerade. Arbeit wird nicht mehr nur um Menschen, Prozesse und Anwendungen herum organisiert, sondern zunehmend um Menschen, Agenten und die Systeme, die beide verbinden. Die Aufgabe von Geschäftsführung verschiebt sich damit weg vom Auswählen und Einführen einzelner Tools, hin zum Re-Design der Arbeit selbst.
Drei Fragen, die jede Geschäftsführung beantworten muss
Aus dieser Logik leiten sich drei Fragen ab, die ich in jedem Erstgespräch mit Mittelstandsentscheidern stelle. Sie wirken einfach, sind aber in 90 Prozent der Fälle nicht beantwortet.
Erstens: Wer in deinem Unternehmen darf welche Daten in welche KI-Systeme eingeben? Nicht als IT-Policy, sondern als praxistaugliche Spielregel, die jede Abteilungsleitung kennt.
Zweitens: Wer reviewt die Qualität der KI-Ergebnisse, bevor sie in Geschäftsprozesse einfließen, und nach welchem Maßstab? Nicht ob, sondern wie.
Drittens: Wenn ein Mitarbeitender mit KI etwas Neues entwickelt, das gut funktioniert, wie kommt diese Erkenntnis in den Rest der Organisation? Lokaler Erfolg ist nur dann ein Asset, wenn er institutionalisiert wird.
Wer diese drei Fragen beantworten kann, hat keine perfekte Governance. Aber er hat das Fundament dafür. Und er ist näher an der strategischen Spitze als 90 Prozent seiner Wettbewerber. Wenn du beim Aufbau dieses Fundaments Unterstützung suchst, ist unser KI-Governance-Workshop der natürliche nächste Schritt.
Die neue Kompetenzfrage: Urteilskraft schlägt Prompting
KI verändert nicht nur, was wir tun. Sie verändert, welche Fähigkeiten den Unterschied machen. Der wichtigste Befund aus beiden Studien zur menschlichen Rolle ist überraschend einfach, hat aber Konsequenzen, die viele unterschätzen.
Microsofts 86-Prozent-Befund zur Verantwortung
Eine der bemerkenswertesten Zahlen aus dem Work Trend Index: 86 Prozent der KI-Nutzer sagen, sie behandeln KI-Output als Ausgangspunkt, nicht als fertige Antwort [1]. Sie bleiben verantwortlich für das Denken. Bei den Frontier Professionals, also den 16 Prozent fortgeschrittensten Nutzern, ist diese Haltung noch ausgeprägter. 53 Prozent von ihnen pausieren bewusst vor jeder Aufgabe und entscheiden, was die KI machen soll und was der Mensch. 43 Prozent erledigen manche Arbeit gezielt ohne KI, um ihre Fähigkeiten nicht atrophieren zu lassen.
Microsoft fasst das so zusammen: Die wichtigsten menschlichen Fähigkeiten in einer Welt mit KI sind nicht Prompting oder Werkzeugbedienung. Es sind Qualitätskontrolle und kritisches Denken [1]. 50 Prozent nennen Quality Control als wichtigste Skill, 46 Prozent kritisches Denken.
Die Schlussfolgerung passt überraschend gut zu dem, was wir im Mittelstand sehen [2].
KI-Anwendungsvermögen als neue Grundkompetenz
Ich finde diesen Befund persönlich beruhigend, weil er etwas klar macht, das oft im Hype untergeht. KI-Anwendungsvermögen sind die neuen EDV-Kenntnisse. Wer sie nicht mitbringt, wird in der Arbeitswelt der nächsten Jahre ein ernsthaftes Problem bekommen. Das ist keine Bedrohung, das ist eine Tatsache, die sich in Stellenanzeigen und Bewerbungsverfahren bereits spiegelt.
Beruhigend ist daran auch der zweite, leiser unausgesprochene Punkt. Die Fähigkeit, KI-Outputs sinnvoll zu bewerten, setzt einen gewissen Intellekt voraus. Sie verlangt Kontextwissen, fachliche Tiefe und die Bereitschaft, einer Maschine zu widersprechen, wenn deren Antwort plausibel klingt, aber falsch ist. Das ist anspruchsvoll, und es bedeutet, dass die Schere zwischen denen, die KI produktiv einsetzen, und denen, die ihr blind vertrauen, größer wird, nicht kleiner [1].
Für mittelständische Unternehmen heißt das zweierlei. Erstens: Investitionen in Schulung sind keine Kosten, sondern Wettbewerbsvorteil. Zweitens: Die Auswahl, welche Mitarbeitenden in welche KI-Aufgaben eingebunden werden, wird zu einer strategischen Entscheidung, nicht zu einer operativen [2].
Fünf Fähigkeiten, die im Mittelstand entscheiden
Unsere Studie greift auf eine Forschung von Rajaram und Tinguely zurück, die fünf Kompetenzfelder identifizieren, die für KI-Erfolg in KMU entscheidend sind [5]. Lernorientierung, technologische Affinität und Neugier, Adaptabilität, kritische Bewertung von KI-Ausgaben und Mitgestaltung statt reiner Anwendung.
Drei davon decken sich direkt mit Microsofts Befund 1. Kritische Bewertung von KI-Ausgaben ist Microsofts Quality Control. Lernorientierung ist die Fähigkeit, mit der hohen Veränderungsgeschwindigkeit Schritt zu halten. Adaptabilität ist die Fähigkeit, neue Rollen zu übernehmen, wenn KI bestehende Aufgaben verändert.
Was Microsoft im globalen Maßstab als „Frontier Professional Behavior" beschreibt, deckt sich mit dem Kompetenzprofil, das im deutschen Mittelstand den Unterschied macht [1].
Warum technikaffines Personal als Übersetzer wirkt
Ein Befund aus unseren Interviews, der in der Microsoft-Studie nur indirekt vorkommt, ist die Rolle des Übersetzers [2]. In allen sieben Interviews kam ein Muster zur Sprache. KI-Einführung gelingt dort, wo eine Person zwischen Geschäftsführung, IT und Belegschaft vermittelt. Diese Person ist meistens nicht der ITler im klassischen Sinne, sondern jemand mit fachlichem Hintergrund und technischer Neugier.
Genau aus diesem Grund bauen wir bei aithoria mit unseren Kunden gezielt KI-Ambassadors oder Champions auf. Es sind Mitarbeitende aus den Fachbereichen, die KI für ihren konkreten Arbeitskontext durchdringen, andere im Team mitziehen und der Geschäftsführung eine ehrliche Rückmeldung geben können, was funktioniert und was nicht. Diese Rolle ist im Mittelstand der wichtigste Hebel, weil sie das Tempo der Adoption bestimmt [2].
Microsoft misst das in der Manager-Achse [1]. Bei Frontier Professionals nutzen 85 Prozent der Manager KI offen vor ihrem Team, gegenüber 64 Prozent außerhalb. 83 Prozent der Frontier-Manager setzen Qualitätsstandards für KI-Arbeit, gegenüber 57 Prozent. Der „Manager als Modell" ist die globale Variante des Übersetzers im Mittelstand. Es ist die Brücke, ohne die Theorie nie in Praxis übergeht.
Wer im eigenen Unternehmen niemanden hat, der diese Brücke baut, hat einen Engpass, der nicht durch Lizenzen, sondern nur durch Personalentwicklung lösbar ist.
Vom Pilotprojekt zum Lernsystem
Die letzten Abschnitte handelten von Diagnose. Dieser handelt von dem, was Frontier Firms anders machen als der Rest. Es ist nicht mehr KI-Nutzung. Es ist besseres Lernen aus dieser Nutzung.
Was Microsofts „Learning System" bedeutet
Microsofts zentraler Begriff für die nächste Stufe der KI-Reife heißt „Learning System" [1]. Eine Organisation, in der Arbeit kontinuierlich Erkenntnisse erzeugt, und in der diese Erkenntnisse kontinuierlich Arbeit umgestalten. Konkret bedeutet das: Was ein Agent macht, wird beobachtet. Erfolge und Fehler werden dokumentiert. Lokale Verbesserungen werden in geteilte Routinen überführt. Aus Einzelnutzung wird Owned Intelligence, also institutionelles Wissen, das einzigartig für das Unternehmen ist und schwer zu kopieren.
Frontier Firms handeln so [1]. Sie brainstormen Geschäftsprozesse gemeinsam, um KI-Chancen zu identifizieren, 63 Prozent gegenüber 32 Prozent außerhalb. Sie teilen KI-Tipps, neue Agenten und gemachte Fehler, 61 Prozent gegenüber 36 Prozent. Sie diskutieren Qualitätsstandards für KI-gestützte Arbeit, 54 Prozent gegenüber 29 Prozent. Sie haben dokumentierte Workflows mit klaren Übergaben zwischen Mensch und Agent.
Das ist nicht gleichbedeutend mit „mehr KI nutzen". Es ist gleichbedeutend mit „besser lernen aus dem, was wir mit KI machen" [1].
Unsere vier Erfolgsfaktoren in der Praxis
Aus unseren Interviews haben wir vier Erfolgsfaktoren destilliert, die sich quer durch alle sieben Gespräche zogen [2]. Sie sind die Mittelstands-Variante dessen, was Microsoft auf höherer Flughöhe als Learning System beschreibt [1].
Erster Faktor: Anwendungsfall-getriebenes Vorgehen. Erfolgreiche Einführungen starten bei einer realen Reibung im Tagesgeschäft, nicht bei einem abstrakten Innovationsversprechen. Die Frage lautet nicht „wo könnten wir KI einsetzen", sondern „welcher Schmerzpunkt ist groß genug, dass eine Lösung sich lohnt".
Zweiter Faktor: Robuste Governance- und Datenschutzstrukturen. Klare Verantwortlichkeiten, dokumentierte Datenflüsse, definierte Spielregeln. Der Rahmen, der Tempo erst möglich macht.
Dritter Faktor: Technikaffines Personal als Übersetzer. Die Brücke zwischen Technologie, Management und Belegschaft. Ohne diese Rolle bleibt Einführung Theorie.
Vierter Faktor: Transparente Kommunikation. KI wird nicht als Ersatz menschlicher Arbeit positioniert, sondern als Werkzeug, das bestimmte Aufgaben besser oder schneller erledigt. Wo Mitarbeitende Ersatz wittern, entsteht Widerstand. Wo sie Entlastung erleben, entsteht Adoption.
Vom einzelnen Use Case zur lernenden Organisation
Diese vier Faktoren bauen aufeinander auf [2]. Du beginnst mit einem konkreten Anwendungsfall, der einen messbaren Schmerz löst. Du baust währenddessen die Governance, die du für genau diesen Fall brauchst, und nutzt sie als Vorlage für den nächsten. Du benennst den Übersetzer und gibst ihm Mandat. Du kommunizierst transparent, was die KI tut und was nicht.
Aus dieser Sequenz entsteht das, was Microsoft Learning System nennt [1]. Nicht weil du es geplant hast, sondern weil du jeden einzelnen Schritt so gemacht hast, dass Lernen institutionalisiert wird. Die vollständigen Daten zur Reife-Treppe und zum Governance-Stand findest du in unserer Studie im aithoria Research Center.
Was der Mittelstand jetzt tun kann
Bis hierher war der Artikel Analyse. Jetzt zur Praxis.
Eine Sache vorweg: Microsofts Erkenntnisse stammen aus den Top fünf Prozent der globalen Unternehmen, überwiegend aus amerikanischen Konzernen [1]. In Hochglanzfolien aus Redmond sehen die Empfehlungen anders aus, als wenn sie auf einen mittelständischen Maschinenbauer in Baden-Württemberg, eine Steuerkanzlei in Dresden oder eine Versicherung in Hamburg treffen. Genau deswegen haben wir bei aithoria die letzten zwei Jahre damit verbracht, Modelle aufzubauen, die für den deutschen Mittelstand und den gehobenen Mittelstand funktionieren. Weg von Hochglanz, hin zu dem, was im echten Geschäftsalltag tatsächlich umsetzbar ist [2].
Was folgt, sind drei Schritte, die du ohne externe Beratung sofort gehen kannst, plus ein Hinweis, wo wir ansetzen, wenn du tiefer einsteigen willst.
Drei Prüfungen für die nächste Geschäftsführungssitzung
Wenn du diesen Artikel bis hierher gelesen hast, hast du wahrscheinlich an mindestens einer Stelle gedacht: „Das beschreibt uns." Das ist normal. 96 Prozent der mittelständischen Unternehmen haben KI noch nicht strategisch verankert [2]. Die Frage ist nicht, ob ihr in dieser Spitze seid, sondern in welche Richtung ihr euch gerade bewegt.
Drei Prüfungen, die du in der nächsten Geschäftsführungssitzung anstoßen kannst.
Prüfung eins: Macht eine ehrliche Inventur eurer KI-Nutzung. Nicht nur, welche Lizenzen ihr habt, sondern welche Tools, in welchen Abteilungen, mit welchen Daten, durch wen. Die Wahrscheinlichkeit ist hoch, dass das Bild differenzierter ist als angenommen.
Prüfung zwei: Beantwortet die drei Governance-Fragen aus dem entsprechenden Abschnitt oben. Wenn ihr alle drei klar beantworten könnt, seid ihr näher an der Spitze als die meisten. Wenn nicht, wisst ihr, wo das Fundament fehlt.
Prüfung drei: Identifiziert eure Übersetzer. Wer in eurem Unternehmen kann zwischen Technik, Management und Fachbereichen vermitteln? Wenn die Antwort niemand ist oder unklar, ist das vermutlich euer wichtigster Engpass [2].
Wo wir bei aithoria ansetzen
Wenn du diese drei Prüfungen mit deinem Team durchgehst und feststellst, dass an mehr als einer Stelle Unschärfe besteht, ist das kein Versagen. Es ist die Realität in 96 Prozent der mittelständischen Unternehmen [2].
Was wir bei aithoria machen, ist genau diese Lücke schließen. Im KI-Strategie-Workshop arbeiten wir mit dir und deinem Team eine erste Roadmap aus, die zu eurer Branche, eurer Größe und eurer aktuellen Reife passt. Im KI-Governance-Workshop bauen wir den Rahmen, in dem KI-Einsatz steuerbar wird. Beide Workshops zusammen sind das, was wir in der Studie als Erfolgsfaktor 1 und 2 identifiziert haben [2], übersetzt in einen ein- bis zweitägigen Prozess.
Falls du dich vorher tiefer einlesen willst, findest du unsere vollständige Studie zur GenAI-Nutzung im deutschen Mittelstand im aithoria Research Center.
Fazit
Microsoft hat im globalen Maßstab gemessen, was wir im deutschen Mittelstand qualitativ rekonstruiert haben 1. Die Lücke zwischen Frontier Firma und Nachzügler ist keine Tool-Lücke und keine Lizenz-Lücke. Es ist eine Lücke in der Architektur der Arbeit. In der Verantwortlichkeit. In der Lernfähigkeit. In der Geschwindigkeit, mit der lokale Erkenntnisse in geteilte Routinen übergehen.
Der Mittelstand steht nicht vor der Frage, ob KI kommt. Sie ist da, teils sichtbar, teils im Schatten. Er steht vor der Frage, ob er aus dieser Nutzung eine steuerbare, lernende und verantwortungsvolle Organisation macht. Die Studien sind sich einig: Das ist nicht primär eine Technologiefrage. Es ist eine Führungsfrage 1.
Microsoft nennt es Transformationsparadox. Wir nennen es Aufbruch und Kontrollverlust. Beide Begriffe meinen dasselbe. Es ist Zeit, die Lücke nicht zu verdrängen, sondern zu schließen.
Wo steht dein Unternehmen auf dieser Reife-Treppe?
Wenn du wissen willst, an welchem der vier Erfolgsfaktoren bei euch der größte Hebel liegt und ob ein KI-Strategie-Workshop oder ein Governance-Workshop der nächste richtige Schritt ist: Lass uns 20 Minuten sprechen. Ich schaue mit dir gemeinsam an, wo ihr steht.
Quellen:
[1] Microsoft WorkLab (2026): Work Trend Index 2026: Agents, human agency, and the opportunity for every organization. Microsoft Corporation. Abrufbar unter: https://www.microsoft.com/en-us/worklab/work-trend-index
[2] Willimowski, M. / aithoria GmbH (2026): Generative KI aus Sicht mittelständischer Unternehmen: Zwischen Aufbruch und Kontrollverlust. aithoria Studie 01. Abrufbar unter: https://www.aithoria.de/aithoria-research-center
[3] OECD (2025): Generative AI and the SME Workforce. OECD Publishing, Paris. Abrufbar unter: https://www.oecd.org/en/publications/generative-ai-and-the-sme-workforce_2d08b99d-en.html
[4] Lakhani, K. (2026): Vorwort in: Microsoft WorkLab, Work Trend Index 2026. Harvard Business School / Microsoft WorkLab. Abrufbar unter: https://www.microsoft.com/en-us/worklab/work-trend-index
[5] Rajaram, K. & Tinguely, L.: KI-Kompetenzfelder für KMU. Forschungsbericht (zitiert in [2]). (Vollständige Quellenangabe wird in der Studie [2] ausgewiesen.)
