Generative KI in Industrie und Handel: Drei Einstiegsprojekte mit messbarem Nutzen

Der Einstieg in generative KI im Unternehmen scheitert selten an der Technik. Er scheitert daran, dass Betriebe mit dem falschen Projekt anfangen. Wer auf ein konkretes Pilotprojekt mit einer festen Kennzahl setzt, statt eine Strategiefolie zu bauen, kommt schneller zu einem Ergebnis, das sich rechnet.

Warum Projekte für generative KI hängen bleiben

Laut McKinsey haben zwei Drittel der Unternehmen die Skalierung von KI-Anwendungen noch nicht begonnen, nur 39 Prozent erzielen einen messbaren Mehrwert (McKinsey, State of AI 2026). Die Zahlen aus Deutschland sind noch deutlicher.

Wer gleich die gesamte Vertriebssteuerung automatisieren will, braucht Monate für Datenzugriffe, Freigaben und Tests, bevor überhaupt ein Nutzer etwas sieht. Ein weiteres Problem ist die fehlende Erfolgsmessung. 35 Prozent der Unternehmen erfassen die Wirkung ihrer KI-Projekte gar nicht (FPT und Forrester, 07/2026). Ohne Kennzahl lässt sich ein Pilotprojekt weder verlängern noch stoppen, es verläuft im Sand.

Für Industrie und Handel gilt das in besonderem Maß. Produktionsplanung, Einkauf und Service haben selten Personal übrig, um monatelang an einer Strategie zu feilen, bevor der erste Nutzen sichtbar wird.

Projekt 1: RAG-Dokumentensuche über internes Wissen

Eine Retrieval-Augmented-Generation-Suche verbindet ein Sprachmodell mit den eigenen Dokumenten, Handbüchern und Ablagen. Mitarbeiter stellen eine Frage in normaler Sprache und bekommen eine Antwort mit Quellenverweis, statt zwanzig Treffer in einer Volltextsuche durchzuklicken. Ein Prototyp lässt sich in zwei bis vier Wochen aufbauen, der produktive Rollout dauert weitere vier bis acht Wochen (Pexon Consulting, 03/2026). Die Investition liegt bei 60.000 bis 120.000 Euro für den Aufbau, dazu kommen 500 bis 2.000 Euro monatlicher Betrieb. Bei einer Reduktion der Suchzeit um 60 bis 70 Prozent amortisiert sich das Projekt nach vier bis sechs Monaten.

Wie eine solche Suche technisch funktioniert und wo ihre Grenzen liegen, beschreiben wir ausführlich im Beitrag RAG erklärt.

Projekt 2: Angebots- und Ausschreibungsunterstützung

Vertriebs- und Projektteams verbringen einen großen Teil ihrer Zeit damit, alte Angebote zu durchsuchen, Referenztexte zusammenzustellen und Ausschreibungsunterlagen zu prüfen. Ein Sprachmodell mit Zugriff auf frühere Angebote, Preislisten und Leistungsbeschreibungen zieht passende Textbausteine, markiert widersprüchliche Formulierungen und schlägt eine erste Gliederung vor. Der Mensch bleibt für die Kalkulation und die finale Freigabe zuständig, die Maschine übernimmt die Fleißarbeit.

Der Nutzen zeigt sich zuerst bei Standardausschreibungen mit wiederkehrenden Fragenkatalogen. Bei stark individuellen Großprojekten bleibt der Anteil an Handarbeit hoch, hier sollte niemand eine vollständige Automatisierung erwarten. Ein realistischer Startpunkt ist eine einzelne Produktlinie oder Abteilung, deren Angebote sich strukturell ähneln.

Projekt 3: Wissensassistenz für Service und Instandhaltung

Servicetechniker arbeiten unterwegs, oft ohne Zeit für lange Recherche im Ersatzteilkatalog oder in alten Störungsprotokollen. Eine Wissensassistenz, die Maschinenhandbücher, Wartungshistorien und interne Störungsmeldungen zusammenführt, beantwortet Fragen direkt am Einsatzort. Wer schon eine RAG-Dokumentensuche für die Verwaltung aufgebaut hat, kann dieselbe Infrastruktur für den Außendienst erweitern, statt bei null zu beginnen.

Was ein Einstiegsprojekt braucht, damit es nicht im Pilotstatus bleibt

36 Prozent der deutschen Unternehmen setzen inzwischen KI in irgendeiner Form ein (Bitkom, 02/2026). Der Unterschied zwischen einem Pilotprojekt, das nach drei Monaten wieder verschwindet, und einem Projekt, das produktiv weiterläuft, liegt selten an der Modellwahl. Er liegt an klaren Verantwortlichkeiten für Freigaben, an einer Kennzahl vor dem Start und an einer realistischen Einschätzung, welche Aufgaben ein Sprachmodell zuverlässig übernimmt und welche nicht.

Wer generative KI produktiv einsetzen will, klärt diese Fragen vor dem ersten Zeilencode und spart sich die zweite Kickoff-Runde. Dazu gehört auch die Frage, wer im Betrieb ein neues KI-System freigibt und wer die Ergebnisse stichprobenartig prüft. Diese Rollen lassen sich nicht nebenbei mitverwalten, sie brauchen eine benannte Person. Welche Rollen und Freigaben dazugehören, steht im Beitrag zur KI-Governance, und wie sich der Nutzen rechnen lässt, im Beitrag zum ROI von KI-Projekten.

Häufige Fragen

Was kostet ein erstes Pilotprojekt für generative KI?

Für eine RAG-Dokumentensuche liegt die Bandbreite bei 60.000 bis 120.000 Euro Investition plus 500 bis 2.000 Euro monatlicher Betrieb (Pexon Consulting, 03/2026). Angebotsunterstützung und Wissensassistenz bewegen sich in ähnlichen Größenordnungen, wenn sie dieselbe technische Basis nutzen. Kleinere Prototypen für einzelne Abteilungen sind auch mit einem Bruchteil dieses Budgets machbar, sie liefern dann aber ein entsprechend schmaleres Ergebnis.

Braucht ein Einstiegsprojekt eigene Server?

Nein, notwendig ist das nicht. Viele Unternehmen starten mit einer Cloud-Anbindung, weil sich damit ohne Vorabinvestition in Hardware ein Prototyp testen lässt. Bei hohem Datenschutzbedarf oder großem Anfragevolumen wird ein eigener Betrieb später oft wirtschaftlicher, dazu mehr im Beitrag zu On-Premise-Modellen.

Was verlangt der EU AI Act von diesen Projekten?

Eine RAG-Dokumentensuche fällt in aller Regel in eine begrenzte Risikoklasse mit Transparenzpflicht, sie muss also erkennbar machen, dass Nutzer mit einem KI-System interagieren. Hochrisiko-Anforderungen greifen erst bei Anwendungen mit Personalentscheidungen oder sicherheitskritischen Funktionen. Die genauen Fristen und Pflichten stehen im Beitrag zum EU AI Act.

Der nächste Schritt

torck setzt Einstiegsprojekte für generative KI selbst um, mit eigenen Entwicklungsteams in Maxhütte-Haidhof, Wien und Rabat. Nach dem Rollout bleiben wir für Betrieb und Wartung zuständig. Für Industrie und Handel klären wir im Erstgespräch, welches der drei Projekte zur eigenen Ausgangslage passt. Erstgespräch vereinbaren.