Glossar

KI-Begriffe für den Mittelstand

Klare Definitionen der Begriffe, die in unseren Projekten am häufigsten vorkommen — ohne Buzzword-Bingo, ohne Berater-Sprech.

Erklärbare KI (Explainable AI, XAI)

KI-Systeme, deren Entscheidungen für Menschen nachvollziehbar sind. Statt einer Black Box liefert XAI strukturierte Erklärungen, welche Faktoren wie ins Ergebnis eingegangen sind. Wichtige Voraussetzung für EU AI Act Compliance und für die Akzeptanz im Team.

EU AI Act

Erste umfassende KI-Verordnung der Europäischen Union. Stufenweise ab 2025 in Kraft, mit harten Pflichten für Hochrisiko-KI ab 2026. Definiert Risikoklassen, Transparenz-Anforderungen, Dokumentations- und Prüfpflichten.

• Quelle: EU-Verordnung 2024/1689 (offizieller Text)

Mittelstand

In Deutschland Unternehmen mit 10 bis 500 Mitarbeitenden, häufig inhabergeführt. Macht über 99 Prozent aller Unternehmen aus und mehr als die Hälfte aller sozialversicherungspflichtigen Beschäftigten. Stellt eigene Anforderungen an KI-Lösungen: pragmatisch, datensparsam, ohne Großprojekt-Charakter.

• Quelle: IfM Bonn — Mittelstands-Definition

Prozessautomatisierung

Schrittweise Ablösung manueller Arbeitsschritte durch Software oder KI. In sauberer Reihenfolge: erst digitalisieren, dann automatisieren, dann KI. Ohne saubere Daten und definierte Prozesse läuft KI sich an der Realität tot.

KI-Potenzial-Check

Strukturierte Erst-Analyse, meist als Halb- oder Tagesauftrag. Klärt: wo lohnt KI im Unternehmen, welche Use Cases haben den schnellsten ROI, welche Daten und Prozesse müssen vorher in Form gebracht werden. Liefert priorisierte Roadmap, kein Strategiepapier.

KI-Roadmap

Mehrstufiger Umsetzungsplan: Quick Wins, Pilotprojekte, Skalierung. Bezieht IT-Landschaft, Datenlage, EU-AI-Act-Anforderungen und Förderoptionen ein. Ziel: nicht alles auf einmal wollen, sondern in Schritten realen Mehrwert liefern.

DSGVO-konforme KI

KI-Anwendungen, die die Datenschutz-Grundverordnung der EU einhalten: rechtmäßige Datenverarbeitung, Auskunfts- und Löschpflichten, Datenminimierung, Schutz besonderer Kategorien wie Gesundheit oder Politik. In der Praxis häufig Lokal-Setup oder On-Premise statt US-Cloud.

• Quelle: DSGVO-Volltext (dsgvo-gesetz.de)
• Quelle: BSI — IT-Grundschutz

Daten-Strategie

Klärung, welche Daten im Unternehmen vorhanden sind, wer sie nutzen darf, wie sie sauber gehalten werden und wo sie liegen. Voraussetzung für jede sinnvolle Analyse, jedes Reporting und jede KI-Anwendung.

Quick Wins

Kleine, schnelle Automatisierungen mit messbarem Effekt in Wochen statt Monaten. Beispiele aus unseren Projekten: Buchhaltung von 8 Stunden auf 1 Stunde, Angebotserstellung von 3 Stunden auf 30 Minuten. Ziel: schnelle Erfolge, die Vertrauen in größere KI-Projekte aufbauen.

Prompt Engineering

Strukturierte Techniken zum Steuern von KI-Sprachmodellen wie Claude, GPT oder Gemini. Klare Aufgaben-Definition, Kontext mitgeben, Format vorschreiben, Beispiele liefern. Macht aus zufälligem Output reproduzierbare Arbeitsergebnisse.

On-Premise vs. Cloud

On-Premise bedeutet, dass KI-Modelle und Daten im eigenen Rechenzentrum laufen. Cloud bedeutet, dass externe Anbieter wie AWS, Azure oder OpenAI die Infrastruktur stellen. Mittelständler wählen je nach Datenschutz-Sensibilität, Kosten und IT-Kapazität.

KI-Schulung

Strukturierte Weiterbildung für Mitarbeitende: KI-Grundlagen, datenschutzkonforme Tool-Nutzung, Prompt Engineering, Anwendung im eigenen Aufgabenbereich. Ziel ist, dass jede Funktion KI im Alltag sicher beherrscht — nicht nur bedient.