Artikel und wissenschaftliche Arbeiten

KI-Forschung für den Mittelstand – aithoria Research Center

Wir untersuchen, wie Unternehmen den Übergang von ersten KI-Experimenten zu produktivem Einsatz gestalten.

befragte Unternehmen

Expert:innen-Interviews

Aktuelle Studien

Forschung zu Governance, Kompetenz und Human-AI-Collaboration im Mittelstand

aithoria Research · Studie 2025

Generative KI aus Sicht mittelständischer Unternehmen: Zwischen Aufbruch und Kontrollverlust

Die Studie untersucht, wie deutsche KMU generative KI wahrnehmen, einsetzen und steuern. Sie verbindet eine systematische Literaturrecherche, eine quantitative Befragung von 134 mittelständischen Unternehmen und qualitative Expert:innen-Interviews.

Die Ergebnisse zeigen, in welchen Bereichen GenAI hauptsächlich zum Einsatz kommt und wovon der erfolgreiche Einsatz im Mittelstand primär abhängt.

Vollständige Studie ansehen

Direkt im Browser · ca. 362 KB · Deutsch · Kostenlos

42%

der KMU setzen noch keine KI ein

haben GenAI strategisch unternehmensweit etabliert

verfügen über eine dokumentierte Governance

Drei Erkenntnisse für den Mittelstand

Aus 134 quantitativen Befragungen und 7 Experteninterviews mit Geschäftsführer:innen kleiner und mittelständischer Unternehmen.

Reifegrad

Der Mittelstand steht erst am Anfang

Reifegrad-Lücke

Vom Pilot zur Praxis ist es weit

Nur 4 % der Unternehmen haben GenAI unternehmensweit etabliert. 31 % experimentieren in Pilotprojekten, 22 % nutzen KI regelmäßig in Einzelbereichen. Die Verbreitung bleibt fragmentiert und isoliert.

Mehr in der Studie →

Erfolgsfaktor

Governance schlägt Technologie

Governance first

Steuerung schlägt Technologie

Die größten Hürden sind nicht technologisch, sondern organisatorisch: Datenschutz-Unsicherheit, fehlende Zuständigkeiten, unklare KPIs und mangelnde Wirtschaftlichkeit. Erst Governance ermöglicht Erfolgsmessung und Steuerbarkeit.

Mehr in der Studie →

Handlungsfeld

Vom Pilot zur strategischen Praxis

Vier Hebel

Konkrete Handlungsempfehlungen

Anwendungsfall-getriebenes Vorgehen
Robuste Governance- & Datenschutzstrukturen
Technikaffine Übersetzer:innen zwischen Tech & Belegschaft
Transparente Kommunikation: GenAI als Werkzeug, nicht als Ersatz.

Mehr in der Studie →

Vollständige Studie ansehen

Direkt im Browser · ca. 362 KB · Deutsch · Kostenlos

STIMMEN & ZAHLEN

Ausgewählte Ergebnisse und Zitate aus der Studie

Quantitative Ergebnisse treffen auf qualitative Tiefe – aus 12 Experteninterviews und 134+ Befragten im deutschen Mittelstand.

01Ergebnis der Studie

„Über den Erfolg entscheidet Governance-Klarheit – nicht die Leistungsfähigkeit der Modelle.“

Studienergebnis

Synthese aus 134 KMU-Befragungen

02Stimme aus der Studie

„Generative KI ist ein strategischer Wendepunkt, der eine grundlegende Neuausrichtung der Unternehmensstrategie notwendig macht.“

Experte 3

Geschäftsführer · größtes beteiligtes KMU

03Ergebnis der Studie

„GenAI ist im Mittelstand kein primär technisches Innovationsproblem, sondern eine Transformations-, Steuerungs- und Organisationsaufgabe.“

Studienergebnis

Synthese aus 134 KMU-Befragungen

04Stimme aus der Studie

„Viele Tätigkeiten sind physisch-manuell geprägt. Effizienzgewinne durch Digitalisierung entstehen hier nicht selbstverständlich.“

Experte 5

Geschäftsführer · produktionsgeprägtes KMU

‹›

So entstand die Studie

Wissenschaftlich fundiert.
Mit dem Mittelstand entwickelt.

Die Studie verbindet eine systematische Literaturrecherche, eine quantitative Befragung von 134 mittelständischen Unternehmen und 7 qualitative Tiefeninterviews mit Geschäftsführer:innen kleiner und mittlerer Unternehmen.

134+

befragte Unternehmen
(quantitativ)

Tiefeninterviews
mit Geschäftsführer:innen

Mixed-Methods

Literaturrecherche +
quantitativ + qualitativ

2025

Erhebungs- und
Veröffentlichungsjahr

Autor:innen der Studie

Maja C. Willimowski

Lead Researcher · aithoria

In Kooperation mit

Marco Gert

Co-Autor · Studienpartner

Über das Research Center

Forschung an der Schnittstelle zur Praxis

Maja Willimowski leitet das aithoria Research Center und erforscht Human-AI-Collaboration als sozio-technisches Gestaltungsfeld. Ihr fachlicher Ursprung liegt in der Digital-Maturity-Forschung, mit Fokus auf die kulturelle Kontextabhängigkeit etablierter Reifegradmodelle.

Diese Arbeit zeigt, dass digitale Reife nicht universell übertragbar ist, sondern von lokalen Rahmenbedingungen und organisationalen Strukturen geprägt wird. Im Research Center untersucht sie, wie KI als Erweiterung menschlicher Entscheidungskompetenz gedacht werden kann, nicht als deren Ersatz.

Ihre Schwerpunkte sind digitale Kompetenzentwicklung, kollaborative Arbeitsmodelle und Enablement-Strategien, die Mitarbeiter:innen aktiv einbinden.

Maja C. Willimowski

Consultant Microsoft AI

Über das Research Center

Interdisziplinäre Forschungsbereiche

Unsere Forschung bewegt sich zwischen empirischer Analyse und betrieblicher Anwendung.
Die folgenden Schwerpunkte ziehen sich durch unsere Studien und prägen die Fragen, die wir gemeinsam mit Unternehmen untersuchen.

Generative KI

Wir untersuchen, wie generative KI-Systeme im Unternehmenskontext strategisch eingebettet werden.

Einsatzmuster im deutschen Mittelstand

Governance-Strukturen und Kontrollmechanismen

Umgang mit Schatten-KI in Organisationen

Regulatorische Anforderungen nach EU AI Act

Human-AI Collaboration

Wir erforschen, wie Mensch und KI in Arbeitsprozessen auf Augenhöhe zusammenwirken.

Rollenverteilung zwischen Mensch und System

Balance aus Vertrauen, Verantwortung und Autonomie

Kompetenzentwicklung für Mensch-KI-Teams

Sozio-technische Gestaltungsmuster

AI-Driven Decision Support Systems

Wir analysieren, wie KI-gestützte Systeme Entscheidungsprozesse in Unternehmen unterstützen.

Transparenz und Erklärbarkeit von Modellen

Integration in bestehende Entscheidungslogiken

Umgang mit Unsicherheit in Prognosen

Verantwortungsteilung zwischen Mensch und System

Weitere Studien

Perceptions and Trust in AI-Driven Decision Support Systems in Supply Chain Management

Das Paper untersucht, wie Führungskräfte KI-gestützte Entscheidungssysteme (AI-DSS) im Supply Chain Management wahrnehmen, und rückt dabei insbesondere die Herausforderungen rund um Vertrauen, Transparenz und Nachvollziehbarkeit bei der Einführung solcher Tools in den Fokus.

Auf Basis einer explorativen multiplen Fallstudie mit halbstrukturierten Interviews auf Management-Ebene sowie einem eigens entwickelten ML-Modell zur Vorhersage vorzeitiger Vertragsauflösungen erfasst die Arbeit die sozio-technischen Dynamiken der KI-Adoption im realen Unternehmenskontext.

Die Ergebnisse zeigen ein Zusammenspiel aus rationaler Analyse und intuitiver Entscheidungsfindung: Während KI die Effizienz der Entscheidungsprozesse steigert, erschwert ihre intransparente Natur die Akzeptanz – woraus sich ein sozio-technischer Rahmen für eine erfolgreiche KI-Einführung in Organisationen ableiten lässt.

Jetzt die Studie ansehen