.webp)
In Erstgesprächen mit Inhabern von Ingenieurbüros, Planungsbüros, Elektro- und TGA-Betrieben gibt es einen Moment, der fast immer gleich abläuft. Irgendwann sagt jemand: „Wir müssen da mal was mit KI machen." Kurze Pause. Dann der zweite Satz: „Aber wo fangen wir an?" Und danach reden alle zwanzig Minuten über Tools, über Chatprogramme und über das, was der Nachbarbetrieb angeblich macht.
Kurz zusammengefasst:
Vier Prozent der Handwerks- und technischen Betriebe in Deutschland setzen KI ein, neun Prozent planen es. Die Bitkom-Studie zur Digitalisierung im Handwerk nennt vier Gründe dafür: zu wenig Zeit, IT-Sicherheit und Datenschutz, zu hohe Kosten und fehlende Praxisreife. Der Fehler, den keine Studie misst, ist ein anderer — es wird in ein Tool investiert statt in eine Infrastruktur. Und genau deshalb schläft es nach drei Wochen wieder ein.
Das ist der ehrlichste Grund von allen und der, der sich am wenigsten wegdiskutieren lässt. Wenn drei Angebote raus müssen, zwei Baustellen brennen und der Prüfbericht seit einer Woche auf der To-do-Liste liegt, setzt sich abends niemand hin und liest sich in ein neues System ein.
Gleichzeitig ist es der Grund, warum es losgehen müsste. Wer zu beschäftigt ist, um an seinen Abläufen zu arbeiten, ist nächstes Jahr noch beschäftigter. Aus der Planung kennt das jeder: Leistungsphase drei schlampig gemacht heißt Leistungsphase fünf doppelt gemacht. „Zu beschäftigt" ist keine Konstante, sondern ein Symptom. Die eigentliche Frage lautet, womit die Zeit draufgeht und wie viel davon jede Woche gleich aussieht.
Fast alle nennen diesen Punkt, es ist mit Abstand die größte Zahl der ganzen Erhebung. Und die Sorge ist berechtigt: In einem technischen Büro liegen Auftraggeberdaten, Objektdaten, teilweise Verträge mit Vertraulichkeitsklauseln und öffentliche Auftraggeber. Das einfach in ein Chatfenster zu kippen, wäre fahrlässig. Dass es sich dabei nicht um deutsche Übervorsicht handelt, zeigt Samsung: Der Konzern hat im Frühjahr 2023 die Nutzung solcher Systeme intern komplett verboten, nachdem eigene Ingenieure innerhalb von etwa drei Wochen dreimal vertrauliche Informationen in Chatprogramme eingegeben hatten, darunter internen Quellcode.
Nur wird die Sorge fast immer an der falschen Stelle abgeladen. Die übliche Frage lautet „Welches Tool ist datenschutzkonform?" — das ist die zweite Frage. Die erste ist: Welche Daten dürfen bei uns raus und welche nie? Datenschutz greift nämlich erst, wenn personenbezogene Daten verarbeitet werden. Was also, wenn gar keine personenbezogenen Daten im Spiel sind? Und zweitens gibt es inzwischen sehr gute Lösungen, die die Verarbeitung vollständig innerhalb Europas durchführen.
Sieben von zehn Betrieben nennen die Kosten. Dahinter steckt meistens eine Fehlannahme darüber, was ein Einstieg überhaupt kostet. Im Kopf läuft das Bild eines Softwareprojekts: fünfstellig, sechs Monate, externer Dienstleister, und am Ende funktioniert die Schnittstelle nicht. Dieses Bild kommt aus echten Erfahrungen — fast jeder kennt eine gescheiterte Softwareeinführung. Es wird gegen den Jahresgewinn gerechnet, und dann bleibt es liegen.
Der reale Einstieg in einem Betrieb mit acht Leuten sieht anders aus. Er beginnt mit einem einzigen wiederkehrenden Ablauf und mit Werkzeugen, die im Monat ungefähr so viel kosten wie ein Baustellenbesuch. In unserer Agentur starten wir mit einem Workshop beim Kunden, rollen danach die Agents aus, die bei anderen Kunden bereits im Einsatz sind, und schulen anschließend die Mitarbeiter, damit sie mit diesen Agents arbeiten und sie selbst erweitern können. So steht nie sofort eine große Summe im Raum, und der Betrieb bleibt handlungsfähig statt dauerhaft von einem externen Dienstleister abhängig.
Das ist die einzige der vier Bremsen, die sich teilweise unterschreiben lässt. Die Systemwahl ist tatsächlich eine wichtige Entscheidung: Ist dieses System morgen und übermorgen noch tragfähig? Und wie baut man das Ganze so auf, dass man unabhängig bleibt?
Heute heißen die Systeme Claude, ChatGPT oder Codex, übermorgen kann sich das komplett verändern. Wichtiger als die Modellwahl ist deshalb die Infrastruktur — die Datenbank und das, was wir Agent OS nennen, das Betriebssystem des Agents. Das baut man einmal für sich auf. Steht es, ist es egal, ob Claude, Codex oder ein Modell von Amazon Bedrock darauf läuft. Hauptsache, die Infrastruktur gehört dem Unternehmen und nicht dem Anbieter.
Es gibt Betriebe, die angefangen haben: Jemand hat ein Konto angelegt, ein bisschen ausprobiert, ein paar Texte schreiben lassen. Drei Wochen später ist es wieder eingeschlafen. Oder der Mitarbeiter verlässt irgendwann das Unternehmen, und mit ihm verschwinden sein Wissen und seine Arbeitsweise.
Der Grund ist immer derselbe: Es wurde in ein Tool investiert statt in eine Infrastruktur. Damit macht man sich erneut abhängig — von einzelnen Mitarbeitern und von einzelnen Anbietern, bei denen man selbst nichts zu bestimmen hat. Wenn alles nur in ChatGPT oder nur in Claude liegt und die Plattform entscheidet, Custom GPTs abzuschaffen oder die Projekte umzubauen, fällt man von heute auf morgen in ein Loch. Unabhängigkeit ist deshalb eines der wichtigsten Themen bei der Einführung einer KI-Infrastruktur.
Meistens drei Dinge. Texte: schreiben und verbessern, Protokolle, Angebote, Mails. Dahinter steckt aber noch keine Infrastruktur — das System zieht die Mails nicht automatisch, es ordnet sie nicht den Projekten und Kunden zu, alles bleibt auf der flachen Ebene einer Unterstützung. Wiederfinden: Wo ist die Ausschreibung von damals, welche gibt es aktuell auf welcher Seite. Das reduziert Suchzeit. Und wiederkehrende Anfragen, für die sich einige eigene Custom GPTs gebaut haben, die aus der Anfrage per Prompting ein Angebot vorbereiten. Auf Anfängerniveau ist das eine Hilfe.
Was wir stattdessen bauen: eine Datenbank mit allen Angeboten der letzten Jahre. Steht ein neues Angebot an, zieht die KI die Daten aus der Vergangenheit heran und macht einen Vorschlag. Der Mitarbeiter profitiert damit von der Historie des Kunden und der Firma statt vom Gedächtnis eines einzelnen Kollegen. Man nennt das Human in the Loop: Der Mensch gibt Impulse, bewertet die Antwort und steuert Korrekturen ein.
Die vier Bremsen aus der Studie sind alle real, und drei davon haben einen berechtigten Kern. Der Unterschied zwischen den Betrieben, bei denen KI hängen bleibt, und denen, bei denen sie nach drei Wochen wieder verschwindet, liegt aber nicht in der Technik. Er liegt in der Frage, ob am Ende ein Tool im Einsatz ist oder eine Infrastruktur, die dem Unternehmen selbst gehört.
Quelle: Bitkom, Studie zur Digitalisierung im Handwerk (2025)
