Die meisten KI-Artikel zeigen Tools. Dieser zeigt Projekte. Was kommt raus, wenn ein Maschinenbauer in Lippe oder eine Steuerkanzlei in Paderborn ChatGPT, Claude oder NotebookLM wirklich einsetzen — nicht im Pilot, sondern im Tagesgeschäft? Hier sind 7 Beispiele, jeweils mit Aufwand, Kosten und messbarem Ergebnis.
Warum diese 7 Beispiele
Alle sieben Beispiele kommen aus echten Projekten, die ich in den letzten 18 Monaten begleitet habe. Sie sind anonymisiert, aber die Zahlen, Werkzeuge und Ergebnisse stimmen. Branchen, Größen und Anwendungsfälle sind bewusst gemischt — damit möglichst viele Leser einen Punkt finden, an dem sie sich wiedererkennen.
Ich verzichte auf das übliche „KI verändert alles"-Gerede. Was hier steht, sind Workflows, die montags um 8:00 anlaufen und freitags um 17:00 immer noch funktionieren. Mehr nicht. Aber auch nicht weniger.
Ein guter KI-Use-Case spart einer einzelnen Person mindestens zwei Stunden pro Woche. Wenn er das nicht tut, ist es kein Use Case — es ist ein Experiment.
1. Maschinenbauer in Lippe — Datenblätter werden Angebote
Branche: Sondermaschinenbau, 42 Mitarbeiter. Problem: Vertrieb verbringt 90 Minuten pro Anfrage damit, technische Datenblätter aus PDF in Angebotstexte umzuwandeln. Bei 6–8 Anfragen pro Woche sind das rund 10 Stunden — Zeit, in der niemand verkauft.
Lösung: Claude ( Anthropic) als Sparringspartner mit einem festen Prompt-Template. PDF wird hochgeladen, Claude extrahiert Spezifikationen und schreibt einen Angebotsentwurf in der Hausschreibweise. Der Vertrieb prüft, korrigiert wo nötig, schickt raus.
Aufwand: 4 Stunden Setup (Prompt-Template + Beispielangebote als Referenz), danach 0 € laufende Kosten in der Basis-Version. Ergebnis: Aufwand pro Anfrage von 90 auf 25 Minuten. Bei 7 Anfragen die Woche bedeutet das rund 7,5 Stunden Vertriebszeit zurück — Zeit für Nachfass-Telefonate, die vorher schlicht nicht stattfanden.
2. Steuerkanzlei in Paderborn — Anonymisierte Mandanten-Analysen
Branche: Steuerkanzlei, 4 Mitarbeiter. Problem: Quartalsabschlüsse für 60 Mandanten bedeuten viel manuelle Arbeit beim Erkennen von Auffälligkeiten — und der Inhaberin fehlt schlicht die Zeit, jede einzelne Auswertung im Detail zu durchdenken.
Lösung: Anonymisierungs-Skript (Python, ~50 Zeilen) entfernt alle Namen und Steuernummern aus den Excel-Auswertungen. Die anonymisierten Daten gehen an ChatGPT mit einem festen Prompt: „Welche drei Auffälligkeiten siehst du in dieser Auswertung im Vergleich zum Vorjahr?" Ergebnis wird wieder mit den Mandantennamen verknüpft, dann macht die Steuerberaterin den fachlichen Check.
Aufwand: Einmalig 2 Stunden für das Skript, 20 €/Monat ChatGPT Plus. Ergebnis: rund 5 Stunden weniger Aufwand pro Woche, höhere Beratungsqualität, weil keine Auffälligkeit mehr durchrutscht. Datenschutzrechtlich sauber, weil kein einziger Mandantenname je das Haus verlässt.
3. Logistiker in Herford — Disposition mit KI-Vorschlägen
Branche: Spedition, 65 Mitarbeiter. Problem: Disposition verbringt morgens zwei Stunden damit, eingegangene Aufträge auf freie Touren zu verteilen — Excel, Bauchgefühl, Kaffee, Wiederholung.
Lösung: Custom-GPT in ChatGPT Team mit den Geschäftsregeln der Disposition als System-Prompt (Tourgebiete, Fahrzeugkapazitäten, Spezialfälle). Aufträge werden morgens als CSV-Auszug eingespielt, das Custom-GPT macht einen ersten Vorschlag, der Junior-Disponent prüft und passt an.
Aufwand: 8 Stunden Setup (Geschäftsregeln aufschreiben war der Hauptteil), 25 €/Monat pro Nutzer. Ergebnis: Morgendliche Disposition von 2 Stunden auf 35 Minuten. Drei Mitarbeiter teilen sich die Lizenz, weil nur einer parallel arbeitet. Nebeneffekt: Die Geschäftsregeln existieren jetzt erstmals schriftlich — was bei der nächsten Einstellung Gold wert sein wird.
4. Malerbetrieb in Detmold — Social Media, das wirklich läuft
Branche: Malerbetrieb, 8 Mitarbeiter. Problem: Die Inhaberin wollte seit zwei Jahren regelmäßig Instagram posten — aber jeder Post hat sie eine Stunde gekostet, also wurde es ein Post pro Monat. Wirkung: null.
Lösung: ChatGPT (kostenlos) für die Bildunterschriften, Canva für die Grafik. Die Inhaberin fotografiert ein Vorher-Nachher, beschreibt das Projekt in drei Sätzen, ChatGPT macht einen Post-Entwurf in ihrer Tonalität (drei Beispiele waren als Referenz im ChatGPT-„Custom Instructions"-Feld hinterlegt).
Aufwand: 30 Minuten Setup, 0 € laufend (Canva Free reicht). Ergebnis: Zwei Posts pro Woche statt einem im Monat, die Inhaberin braucht pro Post noch 10 Minuten. Nach 4 Monaten erste Anfrage über Instagram — das erste Mal überhaupt.
5. Architekturbüro in Bielefeld — Normen-Recherche per NotebookLM
Branche: Architekturbüro, 12 Mitarbeiter. Problem: Bei jedem Projekt müssen DIN-Normen, Brandschutzvorschriften und kommunale Bauvorschriften durchforstet werden. Junior-Architekten verbringen 4–6 Stunden pro Projekt mit Norm-Recherche.
Lösung: Google NotebookLM mit den relevanten PDF-Sammlungen pro Projekttyp (Wohnbau, Gewerbebau, Sanierung). Statt zu googeln oder im PDF zu scrollen, stellen die Architekten Fragen direkt an NotebookLM — das antwortet mit Quellenzitat und Seitenangabe.
Aufwand: 3 Stunden für die initiale Sammlung der PDFs, 0 € laufend (NotebookLM ist kostenlos). Ergebnis: Norm-Recherche von 5 Stunden auf 75 Minuten pro Projekt. Bei 30 Projekten im Jahr sind das rund 115 Stunden zurück — fast drei volle Arbeitswochen.
6. Fotografin in Gütersloh — Kunden-E-Mails ohne Reibung
Branche: Hochzeits- und Familienfotografie, Solo. Problem: 20–30 Kundenanfragen pro Woche, jede beantwortet sie persönlich. Die Antworten sind zu 80 Prozent gleich (Preise, Ablauf, freie Termine), aber sie will nicht „kalt" wirken.
Lösung: ChatGPT mit einem Custom-GPT, das ihren Tonfall kennt (drei Beispiel-Antworten als Referenz). Sie schickt die Kundenmail rein, das Custom-GPT entwirft eine personalisierte Antwort, sie passt zwei Sätze an, sendet ab.
Aufwand: 1 Stunde Setup, 20 €/Monat ChatGPT Plus. Ergebnis: Antwortzeit pro Anfrage von 12 auf 3 Minuten. Pro Woche sind das knapp 4 Stunden zurück. Sie investiert die Zeit ins Editieren — also in das, wofür sie eigentlich bezahlt wird.
7. Hotel im Teutoburger Wald — Bewertungen automatisch beantworten
Branche: Hotel, 35 Zimmer. Problem: Auf Booking, TripAdvisor und Google kommen 15–25 Bewertungen pro Woche. Die Inhaberin antwortet auf jede einzelne — aus Prinzip, nicht aus Spaß. Aufwand: rund 4 Stunden pro Woche.
Lösung: ChatGPT mit einem Custom-GPT, das ihren freundlich-bayerischen Tonfall imitiert (sie ist gebürtige Münchnerin). Sie kopiert die Bewertung rein, das Custom-GPT macht einen Antwort-Entwurf mit dem konkreten Bezug zur Bewertung („schön, dass Ihnen das Frühstück geschmeckt hat"), sie korrigiert einen Satz, kopiert raus.
Aufwand: 45 Minuten Setup, 20 €/Monat. Ergebnis: Aufwand von 4 auf 1 Stunde pro Woche. Wichtiger: Antwortzeit auf Bewertungen sank von durchschnittlich 4 Tagen auf unter 24 Stunden — was bei Booking als Ranking-Signal wirkt.
Fazit: Was die 7 gemeinsam haben
Drei Muster fallen auf, wenn man die Beispiele nebeneinander legt:
- Ein Use Case, eine Person. Keiner der Betriebe hat „KI für alle" eingeführt. Immer ein konkreter Anwender, ein konkreter Workflow.
- Setup-Aufwand unter 10 Stunden. Kein Beispiel hier brauchte mehr als zwei Arbeitstage Setup. Wenn ein KI-Projekt im Mittelstand sechs Wochen Vorbereitung fordert, ist es das falsche Projekt.
- ROI in unter 8 Wochen. Die meisten amortisierten sich in der ersten Woche. Wer länger als zwei Monate auf den ersten messbaren Nutzen wartet, hat den Anwendungsfall falsch gewählt.
Welche Tools die Mittelständler hier einsetzen, habe ich im Artikel KI-Tools für den Mittelstand: 7 Empfehlungen im Detail beschrieben — mit Preisen und Einsatzbereichen. Und welche Fehler diese Projekte vermieden haben, lesen Sie im Begleit-Artikel KI-Einführung im Mittelstand: 5 Fehler aus echten Projekten.
Sie haben einen Workflow im Kopf, der nach einem dieser Beispiele klingt? Schauen Sie sich meinen KI-Readiness-Check an oder schreiben Sie mir direkt — ich sage Ihnen ehrlich, ob es funktioniert.
