KI in NRW: Warum 90 % des Mittelstands noch nicht wirklich anfängt

Worum es in dieser Folge geht

Christian Temat ist Geschäftsführer von KI.NRW — der Kompetenzplattform für Künstliche Intelligenz in Nordrhein-Westfalen, angedockt ans Fraunhofer-Institut. Sein Auftrag klingt harmlos, ist aber riesig: Er soll in einem Bundesland mit über 750.000 Unternehmen und knapp 1.000 aktiven Firmenkontakten in seinem Netzwerk dafür sorgen, dass KI in der Breite ankommt — nicht nur bei den üblichen Verdächtigen.

Vor KI.NRW war Christian Strategieberater und bei HRS tief in operativen Datenthemen unterwegs. Genau diese Mischung — McKinsey-Methodik oben drauf, aber mit Schlamm an den Schuhen vom Echtbetrieb — macht diese Folge so nützlich. Wir reden nicht theoretisch über KI-Transformation. Wir reden über den Unterschied zwischen einem Unternehmen, das mit Microsoft Copilot glaubt, es sei "jetzt auch KI-ready", und einem Unternehmen, das gerade wirklich durchstartet.

Die Storyline

Der Reifegrad — und warum die Zahlen ernüchtern

Christian beschreibt den NRW-Status ehrlich: Ein paar Unternehmen sind "voll dabei" — sie haben KI als strategischen Mehrwert verstanden, nicht nur als Technologie. Aber wenn man die BITKOM-Zahlen anschaut, sind es sehr, sehr viele kleine Unternehmen, die KI kaum oder gar nicht nutzen.

Die große Herausforderung seiner Arbeit: Wie aktiviert man die Masse, ohne nur die Top 10 % zu begleiten? KI.NRW versucht den Spagat — einerseits Sichtbarkeit für erfolgreiche NRW-Cases, andererseits konkrete Begleitung für Klein- und Mittelständler, die gar nicht wissen, wo sie anfangen sollen.

Das Hammer-Prinzip

Eine der stärksten Metaphern der Folge kommt von Christian selbst. Unternehmen rufen bei KI.NRW an und sagen sinngemäß: "Wir müssen jetzt auch KI machen, aber wir wissen nicht, wo." Christians Antwort darauf:

Das ist kein cleveres Wortspiel, sondern eine operative Anweisung. Sehr viele Probleme brauchen gar keine KI — sie brauchen Digitalisierung oder eine Prozessverbesserung. Erst wenn das Problem sauber definiert ist, lohnt sich die Werkzeugfrage.

Das 900-Grad-Hähnchen — warum Datenqualität Zeit braucht

An der Stelle, an der die meisten Gespräche über KI-Readiness oberflächlich bleiben, wurde Christian konkret. Datengrundlage kann man nicht mit Geld erschlagen. Seine Metapher:

Das deckt sich mit dem, was ich aus der Douglas-Zeit und von meiner Beratungsarbeit kenne: Ein belastbares Datenfundament entsteht über Jahre. Kultur, Organisation, Governance, Qualität — das sind Prozesse, keine Projekte. Wer das jetzt erst anfängt, wird in den nächsten 24 Monaten keinen agentischen Use-Case stabil ins Produktiv-System bringen. Punkt.

Der blinde Fleck: K-Messe, China und Willi

Der emotionalste Moment der Folge war, als Christian eine Szene von der K-Messe in Düsseldorf erzählt hat — vor fast vier Jahren, lange bevor ChatGPT zum Mainstream wurde. Er stand zwischen Ausstellern aus China und Saudi-Arabien, sah, wie viel dort schon in KI-gestützte Fertigungs- und Design-Technologien investiert wurde — und hörte gleichzeitig auf dem deutschen Mittelstandsstand: "Technologie brauchen wir nicht. Der Willi designet das alles."

Christian sagt es nicht direkt, aber die Logik ist unausweichlich: Willi geht irgendwann in Rente. Dann haben wir Fachkräftemangel — und gleichzeitig eine internationale Konkurrenz, die längst mit völlig anderen Prozessen arbeitet. Wer keine Datengrundlage hat, kann keine KI einsetzen. Wer keine KI einsetzt, verliert den Anschluss. Und wer den Anschluss verliert, wird austauschbar.

Der eigentliche Shift: Von Effizienz zu Destruktion

Der spannendste Teil der Folge war Christians Antwort auf meine Beobachtung, dass sich mein eigener Podcast-Betrieb durch KI nicht effizienter, sondern größer macht. Ich transkribiere inzwischen alle 317 Folgen, ziehe Metadaten, baue mir einen AI-Coach für meine Moderation — all das hat keine direkte P&L-Wirkung, aber eine enorme Qualitätswirkung.

Christians Einordnung: Die meisten Unternehmen stehen heute beim Effizienz-Case. Prozess vorher, Prozess nachher, 30 % schneller — das rechnet sich und ist der einfachste Einstieg. Die eigentliche Disruption kommt aber erst auf der nächsten Stufe: Komplette Entwicklungsprozesse werden umgedreht. In der Pharma kannst du über agentische Systeme 1.000 Wirkstoffe vorauswählen und nur noch 10 in Feldstudien schicken. Das ist keine Effizienz — das ist ein anderer Markt.

Was jetzt zu tun ist — aus seiner Sicht

Am Ende der Folge haben wir versucht, konkret zu werden. Christians Rat an Unternehmen in NRW, die noch nicht angefangen haben:

1. Identifiziere einfache, schnell umsetzbare Use-Cases. Nicht das größte Problem zuerst — das dankbarste.
2. Denk an die Daten. Nicht "haben wir genug Daten?", sondern "haben wir die richtigen Daten?".
3. Etabliere Kultur, in der Fachabteilungen überhaupt die Frage nach der richtigen Datenbasis stellen können.
4. Setze Commitment vom Top-Management — keine Placebo-Einführungen wie "wir haben jetzt auch Copilot".

Das sind keine originellen Punkte. Aber sie sind deshalb nicht originell, weil sie stimmen. Der Grund, warum viele Unternehmen scheitern, ist nicht, dass sie die Antwort nicht kennen — sondern dass sie die langweilige Hausaufgabe nicht machen wollen.

Warum mich das besonders umtreibt

Ich bin seit Jahren in der Position, den Unterschied zwischen "Wir reden über KI" und "Wir bauen gerade mit KI" zu sehen. Und ich werde nicht müde zu sagen: Der entscheidende Faktor ist nicht das Tooling. Es ist die Frage, ob eine Organisation bereit ist, ihre Daten sauber, verlässlich und zugänglich zu machen. Wer diese Frage heute noch mit "das machen wir, wenn wir Zeit haben" beantwortet, spielt in fünf Jahren nicht mehr im gleichen Markt.

Christians Folge hat für mich noch einen zweiten Wert: Sie zeigt, dass es in NRW Menschen gibt, die den Auftrag ernst nehmen, den deutschen Mittelstand mitzuziehen. Das ist keine Glamour-Rolle. Aber sie entscheidet über mehr Arbeitsplätze als jede Berliner KI-Startup-Runde. Wenn du Geschäftsführer:in eines mittelständischen NRW-Unternehmens bist — hör rein.

Jetzt reinhören