01 · Problem
KI ohne Verantwortung
Ungegovernte KI erzeugt konkrete rechtliche, operative und strategische Risiken, die unsichtbar bleiben – bis sie sich materialisieren. Drei Risikodimensionen treffen den Mittelstand zuerst.
| Risikodimension | Konkrete Konsequenz |
|---|---|
| Rechtliches Risiko | Persönliche GF-Haftung bei Verstößen gegen EU AI Act und NIS2. Bußgelder bis 35 Mio. € oder 7 % des weltweiten Jahresumsatzes. |
| Operationales Risiko | KI-Outputs ohne Qualitätskontrolle. Fehlentscheidungen in Vertrieb, HR oder Compliance. Datenlecks durch unzureichende Zugangskontrollen. |
| Reputationsrisiko | Vertrauen von Kunden, Partnern und Investoren wird durch unkontrollierten KI-Einsatz beschädigt – besonders kritisch in B2B-Lieferketten. |
Marktrealität
86 % der KMU erkennen KI als relevant, 43 % haben keine KI-Strategie, nur 23 % setzen KI wirksam um (DMB/Salesforce KI-Index 2025). Die Schere zwischen Adoption und Governance klafft weit auseinander – wer sie jetzt schließt, sichert sich einen strukturellen Vorteil.
02 · Regulatorik
Was heute schon gilt
Compliance ist keine Zukunftsaufgabe. Drei regulatorische Entwicklungen greifen heute bereits – mit direkten Konsequenzen für Geschäftsführer im Mittelstand.
| Zeitpunkt | Anforderung |
|---|---|
| Seit 2. Februar 2025 | Art. 4 EU AI Act: Nachweis ausreichender KI-Kompetenz für alle KI-nutzenden Mitarbeitenden. Keine Übergangsfrist. |
| Ab August 2026 | Hochrisiko-KI-Pflichten: Transparenz- und Dokumentationspflichten in HR, Kreditvergabe, sicherheitskritischen Prozessen. |
| Fortlaufend | Offenlegungspflicht für Chatbots und automatisierte Kommunikation. Nutzer müssen wissen, dass sie mit KI interagieren. |
| Seit Dezember 2025 | NIS2 in Deutschland vollständig wirksam – persönliche GF-Haftung bis ins Privatvermögen für betroffene Sektoren ab 50 MA / 10 Mio. € Umsatz. |
Compliance als Wettbewerbsvorteil
KI-Compliance ist kein Bürokratiethema. Wer jetzt einen Governance-Rahmen aufbaut, schafft gleichzeitig die Strukturen für skalierbare KI-Projekte – und wird in Lieferketten und Due-Diligence-Prozessen bevorzugt.
Lieferketten-Compliance
NIS2- und AI-Act-konforme Unternehmen werden als Partner bevorzugt. B2B-Kunden fragen zunehmend nach Nachweisen.
Investoren und Banken
KI-Governance ist Teil von Due-Diligence-Prozessen. Ohne Rahmen gelten Unternehmen als risikobehafteter.
Talente
Qualifizierte Mitarbeitende bevorzugen Unternehmen, die KI strukturiert und verantwortungsvoll einsetzen.
Auditfähigkeit
Dokumentation ist vor dem Audit vorhanden – nicht erst nach dessen Ankündigung in Panik erzeugt.
03 · Governance-Modell
Vier Dimensionen, die zusammenspielen
Ein wirksames KI-Governance-Modell ist kein Einmalereignis, sondern ein kontinuierlicher Steuerungskreis aus vier Dimensionen.
Präventiv
Leitplanken vor dem Einsatz
Rollen und Verantwortlichkeiten, Freigabeprozesse für neue KI-Tools, Datenstandards und No-Go-Zonen, schriftliche Richtlinien.
Proaktiv
Risiken früh erkennen
Regulatorische Entwicklungen beobachten, sensible Use Cases früh identifizieren, Risikopriorisierung, Frühwarnsystem.
Detektiv
Laufende Kontrolle
Nutzungs- und Zugriffsmonitoring, Output-Reviews, Audit-Trails für KI-Entscheidungen, Abweichungsreporting an die GF.
Reaktiv
Vorfälle managen
Eskalations- und Abschaltprozesse für KI-Fehlfunktionen, Meldewege an Behörden (EU AI Act, NIS2), Incident-Dokumentation und Lessons-Learned-Schleife.
Ohne Governance
- Jede Abteilung entscheidet selbst – Insellösungen
- Compliance-Fragen stoppen Projekte mitten im Rollout
- Audit-Anfragen lösen Panik aus
- KI-Fehler werden intern kaum bemerkt
Mit Governance
- Klare Rollen – schnellere Freigaben
- Compliance ist von Anfang an eingeplant
- Dokumentation ist bereits vorhanden
- Abweichungen werden früh erkannt und korrigiert
04 · Umsetzung
Fünf Schritte zur belastbaren KI-Governance
KI-Governance muss nicht kompliziert sein. Fünf Schritte beschreiben einen pragmatischen Pfad, der für Unternehmen ab 50 Mitarbeitenden in wenigen Wochen umsetzbar ist.
- 01
Bestandsaufnahme (Woche 1–2)
Alle aktiven KI-Systeme identifizieren. Wer nutzt was? Welche Daten werden verarbeitet? Ergebnis: eine KI-Landkarte als Grundlage.
- 02
Risikoklassifikation (Woche 3–4)
Tools nach EU AI Act-Risikostufen klassifizieren: minimal, begrenzt, hoch. Governance-Maßnahmen nach Risikoniveau priorisieren.
- 03
Rollen und Leitplanken (Woche 5–6)
Entscheidungsbefugnisse definieren. Richtlinie mit Freigabeprozessen, No-Go-Zonen und Datenstandards. Interner KI-Koordinator.
- 04
Schulung und Nachweis (Woche 7–8)
Art. 4 AI Act verlangt nachweisbare KI-Kompetenz. Zielgruppenspezifische Trainings durchführen und dokumentieren.
- 05
Monitoring (ab Monat 3)
Zugangskontrollen, monatlicher Review-Termin für die GF, Eskalationswege für Vorfälle, Frühwarnsignale einbinden.
05 · Anwendungsbereiche
Use Cases und ihre Governance-Anforderungen (Kurzübersicht)
Kurzübersicht: Verschiedene KI-Einsatzbereiche brauchen unterschiedliche Leitplanken. Vier Muster decken die Mehrheit der mittelständischen Anwendungsfälle ab. Vertiefung und Use-Case-spezifische Checklisten im Whitepaper „KI-Einführung im Mittelstand“.
Generative KI im Wissenszugriff
Klare Datenfreigaben für interne Assistenten. Offenlegungspflicht gegenüber Nutzern. Menschliche Freigabe für ausgehende Kommunikation.
Dokumenten- und Vertragsprüfung
Audit-Trail für KI-Outputs. Datenschutz bei externen Dokumenten. Klare Verantwortungsübergabe zwischen KI und Prüfer.
KI in sensiblen Prozessen
HR, Finanz, Compliance fallen häufig unter Hochrisiko-KI. Explizite Dokumentation, regelmäßige Audits, menschliche Endentscheidung zwingend.
Automatisierung von Workflows
Fehlereskalationswege definieren, Monitoring auf Ausnahmen, regelmäßige Überprüfung der Automatisierungslogik.
Häufigstes Muster gescheiterter Projekte
In rund der Hälfte der von Resilience Bakery analysierten Mittelstandsprojekte (n=18, 2023–2026) wiederholt sich dasselbe Bild: Tools wurden eingeführt, aber die Prozesse blieben unverändert. Daten waren vorhanden, aber Entscheidungswege nutzten sie nicht. Governance schließt genau diese Lücke – sie verbindet Tool, Prozess und Rollen zu einem belastbaren Steuerungssystem.
06 · Fallstudie
Maschinenbauer mit KI-Chaos
Branche: Sondermaschinenbau · 220 Mitarbeitende · Projektzeitraum: 14 Wochen. Ausgangslage: zwölf parallele KI-Initiativen ohne übergreifende Struktur. Vorgehen: Bestandsaufnahme, Priorisierung, Governance-Design, operative Verankerung, Early-Warning-Dashboard. Methodik: anonymisierter Kundenbericht, Projektzeitraum Q3 2025, Messung nach 6 Monaten Betrieb gegen Baseline vor Projektstart.
weniger aktive KI-Piloten
Fokus statt Streuung. Vier priorisierte Use Cases mit klarer Verantwortung lösen zwölf konkurrierende Initiativen ab.
AI-Act-Compliance
Alle KI-nutzenden Mitarbeitenden mit dokumentiertem Kompetenznachweis nach Art. 4 EU AI Act.
höhere Nutzungsrate
In den priorisierten Prozessen – durch klare Rollen, eingebettete Freigaben und sichtbares GF-Commitment.
07 · Serie & Autoren
Über diese Whitepaper-Serie
Dieses Dokument ist Teil 2 der Resilience Bakery Whitepaper-Serie zu organisationaler Resilienz und KI im Mittelstand.
Teil 1
Organisationale Resilienz
Sechs Erfolgsfaktoren und das Resilienz-Trilemma als Grundlage.
Teil 2
KI-Governance im Mittelstand
Sie lesen gerade diesen Teil – Regulatorik, vier Governance-Dimensionen, 5-Schritte-Pfad.
Teil 3
Resilienz-Reifegradmodell
EFQM und TEMP-Framework, fünf Reifegrade von reaktiv bis antizipativ.
Teil 4
KI-Readiness
Sechs Readiness-Dimensionen und der Pfad zur Wirkung.
Teil 5
KI-Einführung im Mittelstand
Vier Phasen, sieben Fallstricke, zwei Fallstudien.
Autoren
Malte Lohrberg & Ralf Metternich
Resilience Bakery begleitet mittelständische Unternehmen bei organisationaler Resilienz und strukturierter KI-Einführung – mit Diagnostik, Beratung und Training. Kontakt: lohrberg@resilience-bakery.de · LinkedIn: linkedin.com/in/maltelohrberg
Alle Whitepapers
Übersicht aller Teile und Download als PDF: resilience-bakery.de/whitepaper