KI-Berater: Aufgaben, Kosten und Auswahl im Mittelstand

54,5 Prozent der Unternehmen in Deutschland nutzen KI in Geschäftsprozessen – im engeren Mittelstand sind es 20 Prozent. Zwischen diesen beiden Zahlen liegt kein Datenfehler, sondern der Unterschied zwischen Konzern und Handwerksbetrieb. Dieser Leitfaden zeigt, was ein KI-Berater konkret leistet, was das kostet, welche Förderung 2026 noch existiert und woran Sie einen guten Berater erkennen – auch wenn Sie am Ende jemand anderen beauftragen.

Wo der Mittelstand 2026 wirklich steht

Wer nach Zahlen zur KI-Nutzung in Deutschland sucht, findet vier Werte, die kaum zusammenpassen: 54,5 Prozent, 41 Prozent, 26 Prozent und 20 Prozent. Alle vier stammen aus seriösen Quellen aus den vergangenen zwölf Monaten. Sie widersprechen sich trotzdem nicht – sie messen verschiedene Dinge.

Die Spreizung erklärt sich fast vollständig aus drei Dingen: der Grundgesamtheit (die KfW zählt Kleinstunternehmen mit, das ifo-Panel und Bitkom nicht), der KI-Definition (die amtliche Statistik fragt enger als eine Konjunkturumfrage) und dem Erhebungszeitraum. Wenn Ihnen jemand eine dieser Zahlen als „die" Wahrheit verkauft, ist das kein gutes Zeichen. Meine Einschätzung: Für einen Betrieb mit 15 bis 200 Beschäftigten sind die KfW- und Destatis-Werte die ehrlichere Orientierung.

Interessanter als die Gesamtquote sind zwei Detailbefunde. Erstens: Der Mittelstand kauft KI ein, er baut sie nicht. Rund 73 Prozent der KI-nutzenden Unternehmen setzen kostenpflichtige externe Tools ein, 48,4 Prozent zusätzlich kostenlose Anwendungen, nur 18,7 Prozent entwickeln eigene Systeme (ifo, Juni 2026). Ein KI-Berater im Mittelstand ist deshalb in erster Linie Auswahl-, Prozess- und Befähigungsarbeit – nicht Softwareentwicklung.

Zweitens hängt der Einsatz stärker an der Forschungsintensität als an der Branche: Mittelständler mit eigener Forschung und Entwicklung nutzen zu 53 Prozent KI, Unternehmen ohne FuE nur zu 18 Prozent (KfW). Nach Branche liegen wissensbasierte Dienstleistungen bei 28 Prozent, das FuE-intensive Verarbeitende Gewerbe bei 23 Prozent, das Baugewerbe bei 8 Prozent. Im breiteren ifo-Panel sieht die Reihenfolge ähnlich aus: Industrie 58,7 Prozent, Dienstleister 56,2 Prozent, Handel rund 45 Prozent, Bauhauptgewerbe 39,8 Prozent.

Was ein KI-Berater konkret macht

„KI-Berater" ist keine geschützte Bezeichnung. Das Leistungsbild schwankt entsprechend zwischen Impulsvortrag und Entwicklungsprojekt. Diese zehn Bausteine decken ab, was in mittelständischen Projekten tatsächlich anfällt – ein einzelnes Projekt braucht selten alle zehn.

• Use-Case-Scan und Potenzialanalyse: Gemeinsam mit den Fachbereichen werden die realen Arbeitsabläufe durchgegangen und 10 bis 30 Kandidaten für KI-Unterstützung gesammelt. Anschließend werden sie nach Nutzen, Datenverfügbarkeit, Aufwand und Risiko priorisiert, bis zwei bis drei Startprojekte mit Business Case übrig bleiben.
• Datencheck: Es wird geprüft, welche Daten in welcher Qualität, Struktur und Rechtslage vorliegen – CRM, ERP, Ticketsystem, Website, Produktdaten. Genau hier scheitern laut Gartner die meisten Projekte, deshalb kommt dieser Schritt vor jeder Tool-Entscheidung.
• Tool- und Anbieterauswahl: Anbieterneutraler Vergleich von Standard-Tools, Plattformlösungen und Eigenentwicklung entlang von Kosten, Datenschutz, Hosting-Standort, Integrierbarkeit und Ausstiegsfähigkeit. Da die große Mehrheit ohnehin fertige Tools einkauft, ist das Auswahlarbeit, keine Entwicklungsarbeit.
• Prototyp oder Proof of Concept: In wenigen Wochen entsteht ein lauffähiger, bewusst eng geschnittener Anwendungsfall, getestet mit echten Unternehmensdaten. Ziel ist eine belastbare Go-oder-No-Go-Entscheidung mit Zahlen, nicht ein beeindruckendes Demo-Video.
• Schulung und Befähigung: Rollenbezogene Trainings für Marketing, Vertrieb, Service und Führung, inklusive Prompting, Qualitätssicherung und Grenzen der Technik. Das erfüllt zugleich die seit dem 2. Februar 2025 geltende KI-Kompetenzpflicht nach Artikel 4 EU AI Act.
• Governance und AI-Act-Compliance: KI-Richtlinie, KI-Verzeichnis, Risikoklassifizierung der eingesetzten Systeme, Transparenz- und Dokumentationspflichten. Ab dem 2. August 2026 greifen die Pflichten für Hochrisiko-Systeme und die Transparenzpflichten nach Artikel 50 – für die meisten KMU heißt das vor allem Nachweisbarkeit, nicht Zertifizierung.
• Prozessintegration: Die KI wird in bestehende Systeme eingebettet – Schnittstellen zu CRM, Shop, PIM und Ticketsystem, dazu Freigabe- und Eskalationswege. Ohne diesen Schritt bleibt es beim Insellauf einzelner Mitarbeitender.
• Change-Begleitung und Rollenklärung: Wer verantwortet künftig welchen Arbeitsschritt, wie werden Ergebnisse geprüft, wie geht man mit Widerständen um. Gartner nennt schlechtes Change-Management ausdrücklich als einen der Hauptgründe für abgebrochene GenAI-Projekte.
• Messung und ROI-Nachweis: Wenige harte Kennzahlen vor dem Start definieren – Durchlaufzeit, Bearbeitungsdauer pro Vorgang, Lead-Qualität, Content-Output pro Woche – und gegen eine Baseline messen. Ohne Baseline lässt sich hinterher weder ein Erfolg belegen noch ein Misserfolg abbrechen.
• Skalierung und Betrieb: Überführung erfolgreicher Piloten in den Regelbetrieb, mit Lizenzmodell, Kostenkontrolle, Verantwortlichkeiten, Pflege von Prompts und Modellen und regelmäßiger Qualitätsprüfung. Hier entscheidet sich, ob aus dem Projekt ein dauerhafter Produktivitätsgewinn wird.

Was KI-Beratung kostet

Vorab die unangenehme Wahrheit: Für KI-Beratung im engeren Sinn existiert keine repräsentative Honorarerhebung. Belastbar sind nur die allgemeinen Consulting- und Freelancer-Erhebungen. Alle projektbezogenen Pauschalen in der folgenden Tabelle sind Marktbeobachtung aus veröffentlichten Anbieterpreisen von Juni bis August 2026 – eine Orientierung, keine Statistik. Ich kennzeichne das in der Spalte „Grundlage", damit Sie beim Verhandeln wissen, worauf Sie sich berufen können. Alle Beträge netto zuzüglich Umsatzsteuer.

Der BDU-Durchschnitt lag 2025 bei 1.300 Euro pro Tag und gab erstmals seit Jahren nach – IT-Beratung um 3 Prozent, während die Strategieberatung um 2 Prozent zulegte. Bei den Freelancern liegt der Medianstundensatz über alle IT-Disziplinen bei 95 Euro, bei selbstständigen Unternehmensberatern bei rund 120 Euro netto, was etwa 960 Euro pro Projekttag entspricht. Ein Hinweis am Rande, der die Richtung zeigt: 18 Prozent der Freelancer berichten bereits von Preisdruck durch KI (freelance.de, Erhebung Anfang 2026). Ein Update der BDU-Studie für 2026 war zum Redaktionsschluss nicht auffindbar – die Tagessatzzahlen stammen also aus der Erhebung 2025.

Warum so viele KI-Projekte scheitern

Die härteste belastbare Zahl kommt von Gartner: Mindestens 50 Prozent der generativen KI-Projekte wurden bis Ende 2025 nach dem Proof of Concept abgebrochen. Als Hauptgründe nennt Gartner schlechte Datenqualität, unzureichende Risikokontrollen, steigende Gesamtkosten und unklaren Geschäftswert. Bemerkenswert ist die Entwicklung der Prognose: 2024 hatte Gartner noch 30 Prozent erwartet. Die Realität fiel schlechter aus als die Erwartung.

Deutlich häufiger zitiert wird eine andere Zahl: 95 Prozent der KI-Pilotprojekte lieferten keinen messbaren Effekt. Sie stammt aus dem MIT-Bericht „The GenAI Divide: State of AI in Business 2025". Diese Zahl sollte man kennen und richtig einordnen, statt sie nachzuerzählen: Sie beruht nicht auf einer repräsentativen Stichprobe, sondern auf einer qualitativen Mixed-Method-Studie mit 52 Führungskräfte-Interviews, 153 Befragten und der Analyse von 300 öffentlich dokumentierten KI-Einführungen. Die Methodik wird fachlich kritisiert. Als Warnsignal taugt der Befund, als Quote nicht. Wenn ein Berater Ihnen „95 Prozent scheitern" ohne diesen Zusatz präsentiert, hat er die Quelle nicht gelesen.

Auffällig an dieser Rangliste: Vier der fünf Spitzenreiter sind keine technischen Probleme, sondern Wissens-, Personal- und Rechtsfragen. Fehlendes Geld taucht in der KI-Liste gar nicht unter den Top-Hemmnissen auf; in der allgemeinen Digitalisierungsumfrage nennen es 48 Prozent, während Datenschutzanforderungen mit 77 Prozent und Fachkräftemangel mit 70 Prozent klar führen. Auch die DIHK sieht in ihrer Digitalisierungsumfrage 2026 unter rund 5.000 Unternehmen die Rechtsunsicherheit bei der Datennutzung als größte Hürde.

Meine Einschätzung nach den Zahlen: Der typische Abbruchgrund im Mittelstand ist nicht, dass die Technik nicht funktioniert. Es ist, dass niemand vorher definiert hat, woran man Erfolg erkennen würde – und dass die Daten, auf denen der Anwendungsfall beruht, in schlechterem Zustand sind als angenommen. Beides lässt sich in wenigen Tagen prüfen, bevor Budget fließt.

Förderung 2026: was es noch gibt und was ausgelaufen ist

Die Förderlandschaft für Digitalisierungs- und KI-Beratung hat sich seit 2024 stark ausgedünnt. Viele Ratgeberseiten – und einige Berater – werben immer noch mit Programmen, die es nicht mehr gibt. Der folgende Stand ist im September 2026 geprüft.

Zwei Punkte sind für die Planung entscheidend. Erstens: Bei der BAFA-Förderung muss der Antrag vor Beratungsbeginn gestellt werden, und die Beratung darf erst nach Erhalt des Informationsschreibens starten. Wer zuerst beauftragt und dann fördern lassen will, bekommt nichts. Der Verwendungsnachweis ist spätestens sechs Monate nach dem Informationsschreiben fällig. Seit dem 15. November 2025 wird der Zuschuss bei nicht vorsteuerabzugsberechtigten Antragstellern auf den Bruttorechnungsbetrag berechnet.

Zweitens: Ob die BAFA-Richtlinie über den 31. Dezember 2026 hinaus verlängert wird, ist derzeit nicht entschieden. Wenn Sie ohnehin in diesem Jahr starten wollen, stellen Sie den Antrag früh. Auch die Mittelstand-Digital Zentren sind eine echte, oft übersehene Option: Sie sind kostenlos und anbieterneutral, haben zwischen 2021 und Ende 2025 rund 360.000 Unternehmen erreicht – und befinden sich gerade im Übergang zu einem neu aufgestellten Netzwerk ab 2027.

Zehn KI-Anwendungsfälle in Marketing und Vertrieb, die sich im Mittelstand rechnen

Die folgenden zehn Fälle brauchen keine Eigenentwicklung, keine Data-Science-Abteilung und in der Regel keine sechsstelligen Budgets. Eine Vorbemerkung zur Ehrlichkeit: Belastbare Prozentzahlen zum Nutzen einzelner Anwendungsfälle im deutschen Mittelstand liegen nicht in repräsentativer Form vor. Die Nutzenspalte ist deshalb bewusst qualitativ. Wer Ihnen hier exakte Prozentwerte nennt, sollte deren Herkunft erklären können.

Wenn Sie nur einen Fall auswählen dürfen, nehmen Sie den mit der besten Datenlage und dem kürzesten Weg zur Messung. Content-Produktion und Angebotsunterstützung erfüllen beides in den meisten Betrieben – Lead-Scoring dagegen setzt saubere historische Abschlussdaten voraus, die oft nicht vorliegen.

Wie Sie einen guten Berater erkennen: 10 Kriterien

Ich bin selbst KI-Berater. Die folgenden Kriterien sind trotzdem – oder gerade deshalb – so formuliert, dass Sie sie auf jeden Anbieter anwenden können, mich eingeschlossen.

1. Nachweisbare Referenzen aus vergleichbaren Unternehmensgrößen. Nicht Konzernlogos auf der Website, sondern zwei bis drei Ansprechpartner in KMU, die Sie anrufen dürfen.
2. Anbieterneutralität, schriftlich erklärt. Offenlegung von Provisionen, Reseller-Verträgen und Partnerschaften mit Softwareanbietern. Wer an Lizenzen mitverdient, empfiehlt selten das günstigste Werkzeug.
3. Beginnt mit Prozess und Daten, nicht mit dem Tool. Wer im Erstgespräch schon die Lösung kennt, hat den Engpass nicht verstanden – Datenqualität ist laut Gartner der Hauptgrund für Projektabbrüche.
4. Messbares Ergebnisversprechen. Vor Projektstart werden zwei bis drei Kennzahlen mit Baseline und Zielwert definiert, gegen die am Ende gemessen wird.
5. AI-Act-Kompetenz auf KMU-Niveau. Kann der Berater erklären, was Artikel 4, Artikel 50 und der 2. August 2026 konkret für Ihr Unternehmen bedeuten – ohne Panikmache und ohne Zertifizierungsverkauf?
6. Datenschutz- und Hosting-Konzept. Klare Aussagen zu Verarbeitungsort, Auftragsverarbeitung, Nutzung Ihrer Daten für das Modelltraining und Löschkonzept.
7. Befähigung statt Abhängigkeit. Der Vertrag sieht Wissenstransfer vor: Dokumentation, Schulung interner Key-User, Übergabe von Prompts, Konfigurationen und Zugängen.
8. Passendes Preismodell. Festpreis für abgegrenzte Bausteine, Tagessatz für offene Arbeit, Retainer erst nach dem ersten Erfolg – nicht umgekehrt.
9. Realistische Aussagen zur Förderung. Der Berater kennt den aktuellen Status der Programme und macht keine Zusagen über Bewilligungen, die er nicht erteilt.
10. Verfügbarkeit der Person, die auch arbeitet. Wer im Pitch sitzt, sollte im Projekt liefern. Namen, Tage und Ansprechpartner gehören ins Angebot.

Fünf Warnsignale

• Garantierte Prozentzahlen ohne Datenkenntnis: „30 Prozent Kostensenkung garantiert" vor dem ersten Blick in Ihre Prozesse ist Vertrieb, keine Analyse.
• Werbung mit ausgelaufenen Förderprogrammen: Wer 2026 noch „Digital Jetzt" oder „go-digital" bewirbt, arbeitet mit veralteten Unterlagen – oder rechnet damit, dass Sie es nicht prüfen.
• Vorkasse für lange Retainer ohne Pilotphase: Zwölfmonatsverträge vor dem ersten messbaren Ergebnis verlagern das gesamte Risiko auf Sie.
• Ein einziges Tool als Antwort auf jede Frage: Besonders dann, wenn der Berater für genau dieses Tool Partner oder Wiederverkäufer ist.
• Keine Aussage zu Datenschutz, Governance und AI Act: Ab August 2026 sind Transparenz- und Dokumentationspflichten scharf gestellt. Wer das Thema wegwischt, produziert Ihnen ein Folgeproblem.

Wie eine Zusammenarbeit typischerweise abläuft

So arbeite ich – und so sollte es ungefähr überall laufen. Der Punkt ist nicht die Reihenfolge, sondern dass jede Stufe eine Abbruchmöglichkeit hat, bevor größeres Budget fließt.

1. Erstgespräch, 30 bis 45 Minuten, kostenlos. Ausgangslage, Anlass, vorhandene Systeme, Erwartung. Am Ende steht eine ehrliche Aussage, ob externe Beratung überhaupt der richtige nächste Schritt ist – manchmal reicht ein Workshop.
2. Use-Case-Scan, ein bis drei Tage. Gespräche mit den Fachbereichen, Sichtung der Daten und Systeme, Sammlung und Priorisierung der Anwendungsfälle. Ergebnis: eine Liste mit Aufwand, Nutzen und Risiko sowie zwei bis drei Startkandidaten.
3. Entscheidung mit Zahlen. Für den ausgewählten Fall werden Baseline, Zielkennzahl, Budgetrahmen und Abbruchkriterium schriftlich festgelegt – vor dem Start, nicht danach.
4. Prototyp, vier bis sechs Wochen. Enger Anwendungsfall mit echten Daten, wöchentlicher Abgleich, offene Dokumentation. Ziel ist eine belastbare Go-oder-No-Go-Entscheidung.
5. Schulung parallel, nicht danach. Die Menschen, die das Werkzeug später nutzen, sind ab Woche zwei dabei. Das erfüllt die KI-Kompetenzpflicht und verhindert, dass am Ende ein Tool ohne Nutzer dasteht.
6. Governance-Minimum. KI-Richtlinie, Verzeichnis der eingesetzten Systeme, Transparenzhinweise und Freigabewege. Für die meisten KMU sind das wenige Seiten, keine Zertifizierung.
7. Messung und Entscheidung über die Skalierung. Nach dem Pilot wird gegen die Baseline gemessen. Erst bei belegtem Nutzen folgen Ausweitung, Betriebsmodell und gegebenenfalls eine laufende Begleitung.

Wenn Sie parallel wissen wollen, wie Ihr Unternehmen in KI-Antworten von ChatGPT, Perplexity und Googles KI-Modus auftaucht, lesen Sie meinen Beitrag zu SEO und GEO im Jahr 2026.

Häufige Fragen

Was macht ein KI-Berater eigentlich?

Ein KI-Berater übersetzt zwischen Geschäftsproblem und Technik. Er analysiert Prozesse und Daten, priorisiert Anwendungsfälle nach Nutzen und Aufwand, wählt anbieterneutral Werkzeuge aus, baut einen begrenzten Prototyp, schult die Mitarbeitenden und klärt Governance und AI-Act-Pflichten. Programmierer ist er selten: 73 Prozent der KI-nutzenden Unternehmen setzen fertige externe Tools ein, nur 18,7 Prozent entwickeln eigene Systeme (ifo Institut, 5. Juni 2026).

Was kostet KI-Beratung?

Belegt ist der allgemeine Consulting-Tagessatz: 1.300 Euro im Durchschnitt, 1.600 Euro bei Partnern, 700 Euro bei Analysten (BDU, Honorare im Consulting 2025). Selbstständige Berater liegen bei einem Medianstundensatz von rund 120 Euro, also grob 960 Euro pro Projekttag. Für KI-Beratung im engeren Sinn gibt es keine repräsentative Honorarerhebung; nach veröffentlichten Anbieterpreisen von Juni bis August 2026 liegen Impulsvorträge bei 800 bis 2.500 Euro, Use-Case-Scans bei 2.500 bis 8.000 Euro und Pilotprojekte bei 3.000 bis 10.000 Euro.

Was kostet ein KI-Workshop für Mitarbeiter?

Ein Tagesworkshop im Haus liegt nach Marktbeobachtung bei 1.900 bis 4.300 Euro, kompakte Formate beginnen bei rund 1.500 Euro, gehobene Formate reichen bis etwa 7.000 Euro. Offene Seminare kosten 400 bis 900 Euro pro Person. Diese Werte stammen aus veröffentlichten Anbieterpreisen im Sommer 2026, nicht aus einer Erhebung.

Lohnt sich KI-Beratung für kleine Unternehmen?

Die Zahlen sprechen für einen frühen, aber kleinen Einstieg. 77 Prozent der KI-nutzenden Unternehmen sehen ihre Wettbewerbsposition verbessert, 52 Prozent berichten von einem messbaren Beitrag zum Geschäftserfolg (Bitkom, 11. März 2026). Zugleich brechen laut Gartner mindestens 50 Prozent der GenAI-Projekte nach dem Proof of Concept ab. Sinnvoll ist deshalb ein klar abgegrenzter Anwendungsfall mit vorher gemessener Baseline statt eines Konzernprogramms im Kleinformat.

Gibt es Förderung für KI-Beratung?

Ja, aber die Landschaft hat sich ausgedünnt. Aktiv sind INQA-Coaching mit 80 Prozent Zuschuss für bis zu zwölf Coachingtage, die BAFA-Beratungsförderung mit maximal 1.750 beziehungsweise 2.800 Euro (Richtlinie befristet bis 31. Dezember 2026), die kostenlosen Angebote der Mittelstand-Digital Zentren, regionale Programme wie der Digitalbonus Bayern und die Weiterbildungsförderung nach Paragraf 82 SGB III. Nicht mehr beantragbar sind Digital Jetzt und go-digital.

Wie erkenne ich einen unseriösen KI-Berater?

An fünf Dingen: garantierten Einsparquoten vor der ersten Datenanalyse, Werbung mit ausgelaufenen Förderprogrammen wie Digital Jetzt oder go-digital, langen Retainer-Verträgen ohne vorherige Pilotphase, einem einzigen Tool als Antwort auf jede Frage und dem Wegwischen von Datenschutz- und AI-Act-Fragen. Lassen Sie sich die Provisionsstruktur offenlegen und zwei Referenzkunden vergleichbarer Größe nennen, die Sie anrufen dürfen.

Wie lange dauert es, bis KI im Unternehmen etwas bringt?

Für einen klar abgegrenzten Anwendungsfall in Marketing oder Vertrieb sind sechs bis zwölf Wochen bis zu ersten messbaren Ergebnissen realistisch: ein bis drei Tage Use-Case-Scan und Datencheck, vier bis sechs Wochen Prototyp mit echten Daten, parallel Schulung. Entscheidend ist eine vorher festgelegte Baseline. Der häufigste Grund für den Satz KI bringt bei uns nichts ist nicht fehlende Wirkung, sondern fehlende Messung.