KI-Strategie: Wie kleine Unternehmen eine Strategie auf einer Seite bauen
KI-Strategie für kleine Unternehmen: was Studien über Führung, Experimente und den Konsensdruck von KI zeigen und wie du eine Strategie auf einer Seite baust.

Kurz gesagt
- Eine KI-Strategie legt fest, wofür ein Unternehmen KI einsetzt, wofür bewusst nicht, nach welchen Regeln und woran es den Erfolg misst.
- In einem Experiment mit 2.400 Empfehlungen von vier Sprachmodellen wählten die Modelle unter Druck systematisch angepasstere Strategien als 218 Manager.
- Erfolgreiche Einführungen agentischer KI verbinden Richtung von oben mit Experimenten aus dem Team und verstehen Einführung als Daueraufgabe.
- Eine Auswertung von 422 Fachartikeln zeigt, dass kleine Unternehmen in der Forschung zu KI und Unternehmenserfolg kaum vorkommen.
- Für kleine Teams reicht eine KI-Strategie auf einer Seite mit Ziel, wenigen Einsatzfeldern, klaren Regeln und einem festen Lernrhythmus.
Inhalt7 Abschnitte
Eine KI-Strategie legt fest, wofür ein Unternehmen künstliche Intelligenz einsetzt, wofür bewusst nicht, nach welchen Regeln und woran es den Erfolg misst. Für kleine Unternehmen reicht dafür eine Seite: ein Geschäftsziel, zwei bis drei Einsatzfelder, Regeln für Daten und Verantwortung und ein fester Rhythmus, in dem das Team Erfahrungen auswertet. Wichtig ist, die Strategie selbst zu denken, denn Sprachmodelle neigen laut Studien zu angepassten Empfehlungen, die dem Branchenkonsens folgen.
Ich war ein Jahr Founder Associate im AI Club und baue selbst Produkte mit KI. Mein Eindruck: KI-Werkzeuge gibt es im Überfluss, knapp ist die Entscheidung, wofür man sie nutzt. Ohne diese Entscheidung landet ein kleines Team entweder im Stillstand oder, zugespitzt, bei zwölf Abos, von denen drei regelmäßig genutzt werden.
Für diesen Artikel habe ich vier Studien ausgewählt, alle aus begutachteten Fachzeitschriften. Eine testet, wie Sprachmodelle selbst strategische Empfehlungen geben. Eine beschreibt, wie Organisationen die Einführung agentischer KI steuern. Eine kartiert die Forschung zu KI und Unternehmenserfolg, und eine zeigt, wie Anbieter digitaler Dienste ihre Kunden falsch einschätzen. Die meisten Daten stammen aus größeren Unternehmen, was ich bei der Übertragung jeweils berücksichtige.
Was eine KI-Strategie ist und warum kleine Teams eine brauchen
Eine Strategie ist eine Reihe von Entscheidungen darüber, was du tust und was nicht, um ein Ziel zu erreichen. Eine KI-Strategie wendet das auf künstliche Intelligenz an. Sie beantwortet vier Fragen:
- Wofür: Welches Geschäftsziel soll KI unterstützen, etwa schneller liefern, mehr Kunden betreuen oder bessere Angebote machen.
- Wo: In welchen zwei oder drei Bereichen setzt du KI zuerst ein.
- Wie: Nach welchen Regeln, besonders bei Daten, Freigaben und Verantwortung.
- Woran gemessen: Mit welcher Kennzahl erkennst du, ob es wirkt.
Großunternehmen schreiben dafür lange Dokumente. Für ein Team von fünf oder fünfzehn Menschen wäre das Verschwendung. Was ein kleines Team braucht, ist ein gemeinsames Bild, das auf eine Seite passt und das alle kennen. Wie du in einem kleinen oder mittleren Unternehmen praktisch mit den ersten Anwendungen startest, beschreibe ich im Artikel über KI im Mittelstand. Hier geht es um den Rahmen darüber.
Wie groß der Unterschied sein kann, zeigt ein Beispiel. Angenommen, zwei Werbeagenturen mit je acht Mitarbeitenden fangen gleichzeitig mit KI an. Die erste gibt allen Zugang zu einem Chat-Werkzeug und sagt: „Probiert mal.“ Nach drei Monaten nutzen es zwei Leute für sehr unterschiedliche Dinge, und niemand weiß, ob Kundendaten darin gelandet sind. Die zweite schreibt auf eine Seite: Ziel ist eine schnellere Antwort auf Kundenanfragen, KI kommt zuerst bei Antwortentwürfen und Besprechungsnotizen zum Einsatz, Kundendaten nur in ein freigegebenes Werkzeug, Überprüfung nach drei Monaten. Beide haben dasselbe Werkzeug. Nur die zweite kann nach drei Monaten sagen, ob es sich gelohnt hat.
Warum du deine KI-Strategie nicht der KI überlassen solltest
Die Studie, die mich am meisten beschäftigt hat, haben Stoeber, Hammerschmidt, Lundervold, Kromidha, Kanbach und Kraus (2026) im Journal of Business Research veröffentlicht. Sie wollten wissen, wie Sprachmodelle reagieren, wenn ein Unternehmen unter Druck von außen steht, etwa durch Regulierung, Erwartungen der Branche oder öffentliche Normen.

Empfehlungen von Sprachmodellen Generiert in einem rechnergestützten Experiment, verteilt auf zehn Geschäftsfälle und vier führende Modelle.
Geschäftsfälle Fälle, in denen ein Unternehmen auf Druck von außen reagieren muss.
Sprachmodelle Vier führende Modelle, deren Empfehlungen mit einer festen Typologie strategischer Reaktionen eingeordnet wurden.
Manager als Vergleich Menschliche Entscheider, deren Antworten als Vergleichsmaßstab dienten.
Das Ergebnis ist deutlich. Die Sprachmodelle empfahlen systematisch häufiger, sich dem Druck zu fügen, als die menschlichen Manager. Die Manager zeigten öfter kreativen Widerstand. Die Autoren nennen das Muster „Synthetic Optimism“, eine strukturelle Neigung der KI zur Anpassung an den Konsens. Sie beschreiben Sprachmodelle als Verstärker bestehender Normen, die die Vielfalt strategischer Antworten verringern.
Für ein kleines Unternehmen ist das ein wichtiger Befund. Deine Chance gegen größere Wettbewerber liegt in einer Nische, einer anderen Art zu arbeiten oder einem Angebot, das sich bewusst abhebt. Wer dasselbe tut wie alle, tritt gegen die mit dem größeren Budget an. Genau dort zieht dich ein Sprachmodell zurück in die Mitte.
Die Autoren schlagen drei Hebel vor, wie man Sprachmodelle trotzdem sinnvoll für Strategiearbeit nutzt. Sinngemäß: die Normen der Branche sichtbar machen, bewusst abweichende Optionen durchspielen und Spannungen zwischen den Erwartungen verschiedener Gruppen simulieren. So würde ich das im Alltag nutzen: Lass dir von der KI zuerst beschreiben, was die Branche für richtig hält. Frag dann ausdrücklich nach Optionen, die davon abweichen. Die Entscheidung triffst du selbst.
Eine KI kann dir sehr gut sagen, was alle anderen tun würden. Genau deshalb solltest du sie fragen, bevor du dich entscheidest, etwas anderes zu tun.
Richtung von oben, Experimente von unten
Die zweite Studie betrifft die Umsetzung. Briker, Gonzalez und Kanitz (2026) beschreiben im Journal of Applied Behavioral Science Strategien für den Wandel, wenn Organisationen agentische KI einführen, also KI, die selbstständig Aufgaben erledigt. Sie stellen vier Ansätze vor, die Richtung durch die Führung mit Experimenten der Mitarbeitenden verbinden. Ihr Kernpunkt: Einführung ist eine fortlaufende Anpassung mit klaren Regeln und kein einmaliges Projekt.
Die vier Ansätze werden im Abstract nicht einzeln benannt. Ich habe den Grundgedanken deshalb in eine eigene, vereinfachte Matrix übersetzt.

Strategiepapier in der Schublade Klare Vorgaben, aber niemand probiert etwas aus. Die Strategie bleibt Papier.
Rahmen und Freiraum Ziel und Regeln stehen, innerhalb davon testet das Team und teilt Ergebnisse. So beschreibe ich den Kern der Studie.
Jeder sein eigenes Tool Viel Ausprobieren ohne gemeinsame Richtung. Daten landen in unklaren Werkzeugen, Wissen bleibt bei Einzelnen.
In kleinen Teams halte ich den Wildwuchs unten rechts für die größere Gefahr als die Schublade oben links. Jemand nutzt ein Werkzeug für Texte, jemand anderes eins für Präsentationen, Kundendaten landen in einem Dienst, dessen Bedingungen niemand gelesen hat. Das ist kein Fehler der Mitarbeitenden. Es fehlt der Rahmen.
Die Studie ist eine Fachveröffentlichung zu Konzepten, und ihr Fokus liegt auf Organisationen. Ich halte den Gedanken für kleine Teams trotzdem für besonders wichtig, weil dort oft keine eigene IT-Abteilung den Rahmen setzt. Wie eine Kultur aussieht, in der Ausprobieren erwünscht ist, beschreibe ich im Artikel über Experimentierkultur. Wann agentische KI für kleine Teams sinnvoll ist, steht im Artikel über KI-Agenten.
Was die Forschung über KI und Erfolg weiß
Die dritte Studie hilft, die eigenen Erwartungen zu sortieren. Brabete, Sichigea, Vasilescu, Goagără und Berceanu (2026) haben in Oeconomia Copernicana eine bibliometrische Analyse veröffentlicht, also eine Vermessung der Fachliteratur. Grundlage sind 422 Fachartikel aus den Jahren 2000 bis 2025, die den Zusammenhang zwischen KI und Unternehmenserfolg untersuchen.
Die Forschung ist laut den Autoren seit 2018 stark gewachsen. Sie beschreibt KI zunehmend als übergeordnete strategische Fähigkeit, die über Effizienz, Beweglichkeit, Innovation, Regeln und Nachhaltigkeit auf den Erfolg wirkt. Gleichzeitig ist das Feld zersplittert, stützt sich stark auf Befragungen zu einem Zeitpunkt und misst den KI-Einsatz oft nur grob.
Für mich steckt der wichtigste Befund in der Liste der Lücken. Kaum untersucht sind laut Abstract unter anderem der Umbau von Geschäftsmodellen, Fragen der Steuerung und die Lage kleiner Unternehmen. Das heißt: Wer als kleines Unternehmen eine KI-Strategie baut, kann sich nur begrenzt auf Forschung stützen, die für ihn gemacht wurde. Eigene Messung wird damit wichtiger. Was Studien über den Produktivitätsgewinn durch KI tatsächlich messen, habe ich im Artikel über KI-Produktivität zusammengetragen.
Die Kundensicht nicht vergessen
Die vierte Studie erinnert an einen blinden Fleck. Choudhary, Kumar und Kar (2026) haben in Information Systems Frontiers sowohl Nutzer als auch Anbieter digitaler Dienste befragt. Sie wollten wissen, welche Kombinationen aus digitaler Interaktion und KI-Steuerung zu hoher Leistung führen und ob beide Seiten das gleich sehen.
Ihr Befund: Anbieter schätzen die Erwartungen ihrer Nutzer häufig falsch ein. Besonders betraf das die Rolle einer sozial wirkenden Website und das Zusammenspiel von KI mit anderen Systemen. Zahlen nennt das Abstract nicht.
Für eine KI-Strategie heißt das: Frag deine Kunden, bevor du entscheidest, wo KI sie berührt. Ein Chatbot, den du für effizient hältst, kann für sie die menschliche Note deiner Website zerstören. Ein KI-Feature, das du für unwichtig hältst, kann für sie entscheidend sein, wenn es mit ihren eigenen Werkzeugen zusammenarbeitet. Bei quik OS ist dieses Zusammenspiel Teil des Produkts: KI-Assistenten wie Claude arbeiten dort über einen rechtebasierten Zugang direkt im Workspace.
Eine KI-Strategie auf einer Seite
Aus den vier Studien und meinen Prinzipien ergibt sich eine Vorlage, die ich jedem kleinen Team empfehlen würde. Sie passt auf eine Seite.
| Feld | Leitfrage | Beispiel für eine kleine Agentur |
|---|---|---|
| Ziel | Welches Geschäftsziel soll KI unterstützen | Angebote in einem Tag statt in einer Woche |
| Einsatzfelder | Wo setzen wir KI zuerst ein, höchstens drei | Angebotsentwürfe, Recherche, Gesprächsnotizen |
| Bewusst nicht | Wo setzen wir KI nicht ein, und warum | Keine KI-Antworten an Kunden ohne Freigabe, keine KI-Testimonials |
| Regeln | Welche Daten in welche Werkzeuge, wer gibt frei | Kundendaten nur in freigegebene Werkzeuge, Inhaberin gibt neue Werkzeuge frei |
| Lernrhythmus | Wann prüfen wir, was wirkt | Jedes Quartal: Kennzahl ansehen, ein Feld streichen oder ausbauen |
Die Beispiele in der rechten Spalte sind ausgedacht. Das Feld „Bewusst nicht“ halte ich für das wichtigste. Strategie heißt vor allem, Dinge wegzulassen. Wer KI überall einsetzen will, setzt sie nirgends gut ein. Mehr zu dieser Art von Entscheidung steht im Artikel über Fokus als Gründer.
Für das Ziel lohnt sich eine einzige Kennzahl. Bei mir misst sich jeder Build an einer Zahl. Für die KI-Strategie eines kleinen Teams kann das die Zeit bis zum fertigen Angebot sein, die Zahl der Kunden pro Mitarbeiterin oder die Antwortzeit auf Anfragen. Wie du daraus messbare Ziele für ein Quartal machst, beschreibe ich im Artikel über OKR.
Der Lernrhythmus verbindet die Vorlage mit der Studie von Briker und Kollegen. Einmal im Quartal schaut das Team gemeinsam auf die Kennzahl und die Erfahrungen aus den Experimenten. Dann wird ein Einsatzfeld gestrichen, ausgebaut oder ein neues getestet. So bleibt die Strategie lebendig, ohne jede Woche neu verhandelt zu werden.
Für dieses Treffen reichen drei Punkte: die Entwicklung der Kennzahl seit dem Start, die Experimente, die etwas gebracht haben und die nichts gebracht haben, und die Regeln, die im Alltag gestört oder gefehlt haben. Eine Stunde pro Quartal ist genug. Wichtig ist, dass am Ende eine Entscheidung steht und kein Protokoll, das niemand liest.
Fazit
Eine KI-Strategie für kleine Unternehmen passt auf eine Seite, wenn die Entscheidungen dahinter klar sind. Die Studien zeigen, dass Sprachmodelle bei Strategiefragen zum Konsens neigen, dass Einführung Richtung von oben und Experimente von unten verbinden sollte, dass die Forschung kleine Unternehmen kaum abdeckt und dass Anbieter die Erwartungen ihrer Kunden oft falsch einschätzen.
Mein Vorschlag für diese Woche: Füll die fünf Felder der Vorlage für dein Unternehmen aus, und zwar zuerst ohne KI. Danach lässt du dir von einer KI den Branchenkonsens beschreiben und prüfst, wo dein Plan bewusst davon abweicht. Was ich bei meinen eigenen Produkten über KI-Entscheidungen lerne, teile ich in den Unternehmer Thoughts.
Mit KI weiterdenken
Frag deine KI zu diesem Artikel
Öffnet den Dienst in einem neuen Tab. Erst mit dem Klick geht der Prompt an den Anbieter, vorher wird nichts übertragen.
Häufige Fragen
Was ist eine KI-Strategie?
Eine KI-Strategie ist ein Plan, der festlegt, für welche Ziele ein Unternehmen künstliche Intelligenz einsetzt, in welchen Bereichen, nach welchen Regeln und mit welchen Kennzahlen. Sie beantwortet auch, wofür KI bewusst nicht eingesetzt wird.
Braucht ein kleines Unternehmen eine KI-Strategie?
Ja, aber keine lange. Eine Seite reicht, solange sie Ziel, zwei bis drei Einsatzfelder, Regeln für Daten und Verantwortung sowie einen Rhythmus für Überprüfung enthält. Ohne sie entsteht entweder Stillstand oder ein Wildwuchs an Werkzeugen.
Wie erstellt man eine KI-Strategie?
Beginne beim Geschäftsziel und frag, wo KI dazu beitragen kann. Wähle wenige Einsatzfelder, lege Regeln für Daten und Freigaben fest, lass das Team in diesem Rahmen experimentieren und prüfe die Ergebnisse in einem festen Rhythmus, etwa jedes Quartal.
Kann ChatGPT eine Unternehmensstrategie entwickeln?
Sprachmodelle können Material sammeln, Optionen auflisten und Annahmen prüfen. Eine Studie von Stoeber und Kollegen (2026) zeigt aber, dass sie unter Druck systematisch zu angepassten Strategien neigen, die dem Branchenkonsens folgen. Für echte Unterscheidung brauchst du dein eigenes Urteil.
Quellen4 Quellen
- Stoeber, Hammerschmidt, Lundervold et al. (2026): AI strategy under institutional pressure: strategic conformity and decision-making in large language models. Journal of Business Research (öffnet in neuem Tab)
- Briker, Gonzalez, Kanitz (2026): Managing Grassroots and Boardrooms: Change Strategies for Navigating Agentic AI in Organizations. Journal of Applied Behavioral Science (öffnet in neuem Tab)
- Brabete, Sichigea, Vasilescu et al. (2026): From operational efficiency to strategic meta-capability: A bibliometric analysis of the relationship between artificial intelligence and firm performance. Oeconomia Copernicana (öffnet in neuem Tab)
- Choudhary, Kumar, Kar (2026): A Configurational Analysis of Digital Interaction and AI Governance Capabilities for Firm Performance. Information Systems Frontiers (öffnet in neuem Tab)
Woran ich baue
- Boutique für digitales WachstumquikWebsites, Sichtbarkeit und Messung als ein System
- Marktplatz und Studio für AI Website Templatesai-website.comWebsites, die deine KI weiterbaut
- KI-fähiger Workspace aus Deutschlandquik OSEin Workspace, in dem KI-Assistenten mitarbeiten
Erstgespräch mit mir buchenUnternehmer Thoughts lesenAlle Projekte