15.09.2025
Maschinelles Lernen in KMU: Chancen für Anwendung und Investitionen
Viele kleine und mittlere Unternehmen (KMU) denken bei Künstlicher Intelligenz (KI) zunächst an Tools wie ChatGPT. Doch gerade das Maschinelle Lernen (ML) eröffnet spannende neue Möglichkeiten: Es lernt aus Daten, verbessert Prozesse selbstständig und schafft so echten Mehrwert. Professorin Barbara Hammer, Leiterin der Forschungsgruppe „HammerLab“ für Maschinelles Lernen an der Universität Bielefeld, erklärt, warum ML für KMU zunehmend wichtig wird, wie Unternehmen davon profitieren können und welche Investitionen sich besonders lohnen.
1. DMB: Wie beurteilen Sie die aktuelle Bedeutung von KI und ML für den deutschen Mittelstand – insbesondere dessen Wettbewerbsfähigkeit in den kommenden Jahren?
Prof. Dr. Barbara Hammer: In vielen Branchen wird der Einsatz von KI-Verfahren entscheidend sein, um die Wettbewerbsfähigkeit zu sichern. Dies betrifft unterschiedliche Aspekte: angefangen bei Verwaltungstätigkeiten über Organisation und Optimierung von Prozessen, Chatbots im Kundenbereich bis hin zur Qualitätssicherung und optimierten Fertigung.
2. Welche typischen Irrtümer oder Missverständnisse über KI und ML begegnen Ihnen im Mittelstand besonders häufig?
Oft wird bei KI-Verfahren nach ChatGPT gefragt – dabei gibt es nicht nur eine KI, sondern viele verschiedene Verfahren, von denen Sprachmodelle wie GPT nur einen kleinen Teil darstellen. Nicht für jedes Problem sind KI-Verfahren geeignet oder die beste Lösung.
Eine zweite Herausforderung ist eine gute Evaluation von KI-Verfahren, um deren Funktionalität sicherzustellen. Hierzu müssen geeignete Beispiele bereitstehen, die alle möglichen Risiken abdecken.
„Einem produzierenden Gewerbe konnten wir durch KI-basierte Optimierung etwa 10 Prozent Zeit/Energiebedarf einsparen.“
Prof. Dr. Barbara Hammer
Leiterin der Forschungsgruppe für Maschinelles Lernen „HammerLab“ (Machine Learning Group, CITEC) an der Universität Bielefeld
3. Wie können insbesondere kleine Unternehmen schon heute von ML profitieren? Welche typischen Arbeitsabläufe lassen sich heute am einfachsten durch ML unterstützen?
Abläufe, die in vielen KMU gleich sind, können sehr einfach unterstützt werden. Hierfür gibt es bereits einige generelle Lösungen – etwa bei mechanischen Abläufen wie vorausschauender Wartung und Qualitätssicherung oder in Organisationsabläufen bei der Integration von Daten.
4. Investitionen in ML-Tools sind – gemessen an der Unternehmensgröße von KMU – oft teuer oder komplex. In welchen Anwendungsbereichen oder Branchen sehen Sie trotz Einstiegshürden aktuell das größte Potenzial für ML-Anwendungen im Mittelstand?
Generell ist es profitabel, wenn auf bestehende Lösungen zurückgegriffen werden kann. Das ist oft bei der Bildanalyse oder textbasierten Prozessen der Fall, da es hierfür bereits gute KI-Modelle gibt, sogenannte Grundlagenmodelle. Darüber hinaus rechnet sich die Entwicklung spezifischer Methoden umso mehr, je öfter diese eingesetzt werden können – also vor allem bei allen repetitiven Prozessen im Unternehmen.
5. Wie bewerten Sie die bestehenden staatliche Förderprogramme und Initiativen zur Unterstützung von KI-Anwendungen im Mittelstand? Wo sehen Sie Verbesserungsbedarf?
Eine generelle Herausforderung ist die mangelnde Zeit und Flexibilität: Genehmigungen von Förderprogrammen dauern oft zu lange, sind zu bürokratisch und starr. Ein zweites Problem ist, dass oft KI-Expertise als eine Kompetenz benötigt wird, es in den Hochschulen aber nicht genügend Personen gibt, die diese in ausreichendem Maß bereitstellen können.
6. Welche Entwicklungen und Trends sollten KMU im Blick behalten, um den Anschluss nicht zu verlieren?
Eines sollte stets berücksichtigt werden: Jede KI ist prinzipiell fehlbar. Daher sind KI-Modelle besonders vorteilhaft, die eine Kooperation mit den Experten vor Ort ermöglichen. Solche Verfahren verfügen über Komponenten, die nachvollziehbar machen, wie und warum die KI zu einem bestimmten Schluss gelangt ist. Zugleich erlauben sie es, das Verhalten der KI durch menschliches Wissen gezielt zu korrigieren. Ein Beispiel hierfür sind sogenannte neuro-symbolische Verfahren.
7. Was motiviert Sie persönlich an Ihrer Forschung zum ML? Welche zentrale Botschaft möchten Sie Mittelständlern mit auf den Weg geben?
Ich habe schon im letzten „KI-Winter“ (Anm. d. Red.: ernüchternde Perioden der KI-Entwicklung; hier: Anfang der 1990er) zu Maschinellem Lernen geforscht, weil ich die Thematik und auch die Frage spannend finde, wie man robuste und sichere Verfahren für die Praxis entwerfen kann. Ich habe immer wieder festgestellt: Kein KI-Verfahren der Welt kann uns die Aufgabe abnehmen, Probleme selbst zu verstehen und bei der Lösung die eigene menschliche Intelligenz einzubringen.
Kommentar abgeben