KI im oberösterreichischen Mittelstand: 5 typische Einstiegsfehler 2026

Was sich 2026 verändert hat — und was nicht

Wenn ich derzeit mit Geschäftsführerinnen und IT-Leitern in Oberösterreich rede, klingt das anders als noch vor zwei Jahren. 2024 war das Gespräch über KI ein Mischung aus Neugier, Skepsis und ein bisschen Angst, etwas zu verpassen. 2026 ist die Skepsis weitgehend weg. Fast jedes Unternehmen mit mehr als zwanzig Mitarbeitern hat irgendwo etwas mit KI laufen — manchmal sauber integriert, oft als Schatten-IT, in der Excel-Tabellen plötzlich Eingaben ins ChatGPT eines Mitarbeiters enthalten.

Was sich nicht verändert hat: Die Fehler, die Betriebe bei der ersten ernsthaften KI-Einführung machen, sind erstaunlich konstant. Es sind nicht die spektakulären Fails, von denen die Wirtschaftswoche schreibt. Es sind die leisen, alltäglichen Fehler, die nach drei Monaten dazu führen, dass das Projekt im Sand verläuft, das Team frustriert ist und die Geschäftsführung sagt: „KI funktioniert bei uns halt nicht."

Doch — sie funktioniert. Aber sie verzeiht ein paar bestimmte Fehler nicht. Die folgenden fünf sehen wir bei psquared in praktisch jedem Beratungsgespräch wieder. Wer sie kennt, spart sich sechs Monate Lehrzeit.

Fehler 1: Mit dem Tool starten, nicht mit dem Problem

Der typische Einstieg sieht so aus: Jemand liest einen Artikel über einen neuen KI-Assistenten, das Marketing-Team will ihn ausprobieren, der Geschäftsführer kauft Lizenzen, und drei Wochen später fragt er sich, warum eigentlich niemand das Tool benutzt. Der Fehler liegt nicht im Tool — der Fehler liegt darin, dass es kein konkretes Problem hatte, das es lösen sollte.

KI-Einführung ist kein Software-Rollout. Bei einer neuen Buchhaltungssoftware ist der Anwendungsfall offensichtlich: Sie ersetzt die alte Buchhaltungssoftware. Bei KI ist der Anwendungsfall fast nie offensichtlich. Sie müssen ihn zuerst sauber definieren, bevor das Tool ausgewählt wird. Welcher konkrete Arbeitsschritt soll schneller, billiger oder zuverlässiger werden? Wer macht ihn heute? Wie lange dauert er? Was ist die Erfolgsmessung?

Wenn diese vier Fragen nicht beantwortet sind, ist das Projekt noch nicht reif für eine Tool-Auswahl. Die Erfahrung aus den letzten zwölf Monaten in Oberösterreich: Betriebe, die mit der Problemdefinition starten, sind in drei Monaten produktiv. Betriebe, die mit dem Tool starten, brauchen ein Jahr — oder schaffen es nie.

Fehler 2: Die ChatGPT-Falle und die Schatten-IT

Der zweite Fehler ist subtiler und betrifft fast jeden Mittelständler, dem ich begegne. Mitarbeiter benutzen KI längst — sie haben sich einen privaten ChatGPT-Account angelegt, schmeißen E-Mails, Verträge, Kundengespräche und manchmal auch Personalakten hinein, lassen sich Texte umformulieren und Auswertungen machen. Das funktioniert. Es ist auch nachvollziehbar, weil das Werkzeug einfach gut ist.

Was dabei passiert: Daten verlassen das Unternehmen über einen Konsumenten-Account, der nicht abgesichert ist, dem keine Datenschutz-Vereinbarung zugrunde liegt und der unter Umständen die Eingaben für das Training zukünftiger Modelle verwenden darf. Aus DSGVO-Sicht ist das ein Problem. Aus Wettbewerbssicht ist es ein größeres Problem — interne Strategien, Kundeninformationen, Preise wandern in Richtung eines Anbieters, der sie potenziell anderen zugänglich machen kann.

Die Lösung ist nicht, KI im Betrieb zu verbieten. Das funktioniert sowieso nicht; die Mitarbeiter werden es trotzdem nutzen, nur heimlicher. Die Lösung ist, eine saubere, freigegebene KI-Variante zur Verfügung zu stellen — eine Business-Lizenz mit DSGVO-konformer Vereinbarung, EU-Datenresidenz und der vertraglichen Zusicherung, dass Eingaben nicht für Training verwendet werden. Sobald die zur Verfügung steht und die Mitarbeiter wissen, dass sie damit „offiziell" arbeiten dürfen, geht die Schatten-IT zurück. Vorher nicht.

Fehler 3: Daten ohne Strategie ins Modell kippen

Wenn die ersten Anwendungsfälle definiert sind, wollen die meisten Unternehmen sofort eine eigene Wissensbasis bauen — eine KI, die alle internen Dokumente kennt und Fragen dazu beantwortet. Die Vorstellung ist verlockend: Sie laden alles hoch, was an Handbüchern, Verträgen, Anleitungen und Mails herumliegt, und die KI weiß alles.

In der Praxis ist die Hälfte dieser Dokumente veraltet, ein Viertel widerspricht sich, und ein weiteres Viertel ist sensibler, als der erste Blick vermuten lässt. Wenn Sie all das ungefiltert in eine Wissensbasis kippen, bekommen Sie eine KI, die sehr selbstbewusst auf Basis veralteter oder widersprüchlicher Informationen antwortet. Das ist schlimmer als gar keine KI, weil die Antworten plausibel klingen und niemand sie hinterfragt.

Der richtige Weg ist langweiliger und wirkt anfangs wie ein Umweg: Bevor Sie Daten in ein KI-System speisen, kuratieren Sie sie. Welche Dokumente sind aktuell? Welche sind die einzige Wahrheit? Wer ist verantwortlich für die Aktualisierung? Welche Dokumente dürfen die KI nicht sehen — Personaldaten, vertrauliche Verträge, Strategie-Material? Diese Hausaufgabe nimmt zwei bis vier Wochen, wenn man sie ernst macht. Es ist die Arbeit, die den Unterschied zwischen einem nützlichen und einem peinlichen System macht.

Fehler 4: Den Wartungsaufwand komplett unterschätzen

Im Pilotprojekt sieht alles gut aus. Die KI antwortet sinnvoll, das Team ist begeistert, die ersten Use Cases laufen. Sechs Monate später wird das System langsam unzuverlässig. Antworten beziehen sich auf Preise, die sich geändert haben. Auf Produkte, die es nicht mehr gibt. Auf Prozesse, die längst angepasst wurden. Niemand hat die Wissensbasis aktualisiert, weil niemand offiziell dafür verantwortlich war.

KI-Systeme sind keine Software, die man einmal installiert und dann betreibt. Sie sind ein lebendiges Werkzeug, das laufende Pflege braucht. Wer aktualisiert die Wissensbasis, wenn ein Produkt geändert wird? Wer prüft monatlich, ob die KI noch sinnvoll antwortet? Wer ist Ansprechperson, wenn ein Mitarbeiter sagt: „Die KI hat mir was Falsches erzählt"? Diese Rollen müssen vor dem Go-Live geklärt sein, nicht danach.

In unseren Projekten sehen wir, dass Betriebe, die einen einzigen klaren KI-Verantwortlichen benennen — nicht zwingend Vollzeit, aber mit klarem Zeitbudget von mindestens einem halben Tag pro Woche —, die Qualität der Systeme über Jahre halten. Betriebe, bei denen niemand offiziell zuständig ist, erleben den klassischen Verfall: Erst funktioniert es, dann funktioniert es schlecht, dann nutzt es niemand mehr.

Fehler 5: Den Menschen komplett rausschneiden wollen

Der fünfte Fehler ist eine Frage der Erwartung. Viele Geschäftsführer rechnen damit, dass die KI eine Rolle vollständig ersetzt — und werden enttäuscht, wenn das nicht passiert. „Wir haben den Chatbot eingeführt, aber das Team beantwortet immer noch die meisten Fragen." Ja — und das ist meistens der korrekte Zustand.

Die Realität in 2026 ist, dass KI 60-80 % einer typischen Wissens- oder Service-Aufgabe automatisieren kann, aber nicht 100 %. Die letzten 20-40 % sind die Fälle, in denen Kontext fehlt, in denen das Modell unsicher ist, in denen ein Mensch eine Entscheidung treffen muss. Wer die Mitarbeiterstruktur darauf abstimmt — also nicht versucht, die ganze Funktion zu eliminieren, sondern sie auf das zu konzentrieren, was nur Menschen sinnvoll machen — gewinnt zweifach: Die KI macht den Routineteil schneller, die Menschen werden für anspruchsvollere Arbeit frei.

Wer dagegen versucht, die KI als 1:1-Ersatz für eine Stelle zu verkaufen, erlebt typischerweise: Die Stelle bleibt unbesetzt, die KI deckt 70 % ab, die fehlenden 30 % werden zu einem unsichtbaren Service-Problem, Kunden beschweren sich, und nach einem Jahr stellt der Betrieb wieder ein. Mit Frust auf allen Seiten.

Die sinnvolle Frage ist nicht „Wie ersetzt KI diese Person?", sondern „Wie kann diese Person mit KI um den Faktor 2-3 produktiver werden?". Das ist ein gänzlich anderer Hebel und in der Praxis fast immer der Hebel, der wirklich Wert schafft.

Drei pragmatische Schritte für einen sauberen Einstieg

Wenn Sie heute einen ersten KI-Schritt in Ihrem Betrieb planen, sind das die drei Dinge, die ich Ihnen aus zwei Jahren Praxis in Oberösterreich mitgeben würde:

Erstens: Schreiben Sie das konkrete Problem auf, bevor Sie über Tools nachdenken. Drei Sätze, mit Kennzahl. Wenn Sie das nicht können, ist das Projekt noch nicht reif.

Zweitens: Stellen Sie eine offizielle, freigegebene KI-Variante zur Verfügung — eine Business-Lizenz mit DSGVO-konformer Vereinbarung. Sonst läuft die Schatten-IT weiter, und das ist auf Dauer das größere Risiko als die fehlende Effizienz.

Drittens: Benennen Sie eine konkrete Person als KI-Verantwortliche. Nicht zwingend Vollzeit. Aber mit Zeitbudget, klarem Auftrag und Sichtbarkeit in der Geschäftsleitung. Ohne das verfällt jedes KI-System binnen Monaten.

Künstliche Intelligenz ist im Mittelstand 2026 keine Zukunftsmusik mehr — sie ist ein normales Werkzeug, das in den meisten Betrieben in Oberösterreich bereits genutzt wird. Der Unterschied zwischen den Betrieben, bei denen es Wert schafft, und denen, bei denen es scheitert, hat selten mit Technologie zu tun. Er hat fast immer mit der Frage zu tun, ob man die fünf oben beschriebenen Fehler kennt — oder sie selbst macht.

ki-linz.at ist die KI-Community-Plattform der psquared GmbH aus Linz. Wer sich austauschen oder beraten lassen möchte: Wir sind ansprechbar.