AI v německých středních podnicích: Dřímnutí je v pořádku

Meinung & Provokation · 21. Mai 2026 · Joseph Flesh

AI v německých středních podnicích zaspává. Proč je to krátkodobě racionální – a jakou cestovní mapu teď potřebují generální ředitelé, než to bude opravdu drahé.

Před třemi týdny jsem stál v Güterslohu v expediční zóně dodavatele strojírenství, vedle mě Thomas, generální ředitel, 58 let, šedý svetr, unavené oči. Vzduch voněl kartonem, chladicí kapalinou a tou lehce spálenou kávou, kterou dokážou připravit jen kancelářské automaty v průmyslových zónách. Thomas ukázal na hromadu dodacích listů a řekl: „Klausi, o AI ve středních podnicích mluvíme od ledna. Ale včera naše ERP zase třikrát špatně stáhlo ceny.“ Zasmál jsem se. Krátce. Pak už ne.

Moje teze je jednoduchá a některým se nebude líbit: Německé střední podniky zaspávají AI – a krátkodobě je to v pořádku. Ne elegantní. Ne vizionářské. Ale často ekonomicky čistší než to, co někteří poradci právě prodávají jako průlom.

Věta má druhou část, která bolí: Toto dřímnutí nesmí trvat déle než 24 měsíců. Kdo v roce 2026 ještě hrdě prohlásí, že „nejprve uvolnil ChatGPT pro texty“, ale nemá datovou strategii, čisté CRM, procesní odpovědnost a plán pro produktivní AI use-casy, ten už nespí. Ten padá do díry.

AI ve středních podnicích: Proč se většina mýlí

Už měsíce slyším stejnou výtku. Na veletrzích. V poradních sborech. Na těch snídaňových setkáních IHK, kde jsou máslové preclíky často lepší než prezentace. „Střední podniky jsou příliš pomalé.“ Pravda. No, skoro.

Pomalost není automaticky hloupost. Za poslední dvě desetiletí jsem navštívil závody Trumpf v Ditzingenu, Wittenstein v Igersheimu, Festo v Esslingenu a malé zakázkové výrobce na Švábské Albě. Dobré firmy tam mají ctnost, která v řečech o AI zní téměř staromódně: Počítají. Ne na úrovni pitchdecku, ale s hodinovou sazbou stroje, mírou zmetkovitosti, skladovými zásobami, platební lhůtou a otázkou, zda zákazník z Wolfsburgu spolkne zvýšení ceny.

Kdo těmto lidem říká, že teď hned musí spustit velký Gen-AI program, ten nikdy neslyšel hluk v pozdní směně. Tam couvá vysokozdvižný vozík, dělník klepe gumovou paličkou na přípravek, někde syčí stlačený vzduch. A v kanceláři vedle sedí Andrea, Head of Sales u Hidden Champion v Bielefeldu, a bojuje se 4 800 duplicitami v CRM. Z tohoto materiálu má pak AI asistent stavět spolehlivé prognózy prodeje? Prosím.

Většina se mýlí, protože AI považuje za technologickou otázku. Ale je to především provozní otázka. Kdo má přístup k jakým datům? Kdo rozhoduje, když si model a mistr protiřečí? Kdo nese odpovědnost, když AI v náboru systematicky vyřazuje uchazeče? Kdo platí cloudový účet, když se z pilotního projektu najednou stane 600 uživatelů?

Řeknu to na rovinu: Německé střední podniky nejsou hloupé – jen vědí, že je nebezpečné škálovat nejdražší technologii na světě s datovým odpadem a polotovarovou regulací.

Nepohodlná pravda o AI ve středních podnicích

Číslo, které mi utkvělo v paměti, pochází z „KI Readiness Check DACH 2026“ od Passion4IT, který odkazuje na analýzy Gartner a IDC: Přibližně 60 procent všech AI iniciativ selhává kvůli nedostatečné datové základně, nikoli kvůli samotné technologii. To není problém poznámky pod čarou. To je jádro.

V březnu 2025 jsem se podíval do datové místnosti u automatizační firmy poblíž Heilbronnu. Žádná nablýskaná demo. Skutečná serverovna, příliš teplo, ventilátory jako startující fén, na dveřích zažloutlá nálepka z roku 2016. Markus, IT ředitel, mi ukázal tři exportní soubory z ERP, MES a servisního systému. Tři logiky čísel položek. Dva formáty času. Jeden zákazník se čtyřmi způsoby psaní. „A teď chce prodej AI pro Next-Best-Offer,“ řekl Markus. Řekl to bez vzteku. To bylo horší.

McKinsey ve svém Global AI Survey 2023/24 uvedl, že pouze asi 11 až 15 procent společností po celém světě dosahuje s AI významného, měřitelného zvýšení EBIT. BCG v roce 2024 dospěla k podobně střízlivému zjištění pro průmyslové zboží: Pouze 20 až 25 procent pilotních projektů AI dosahuje požadovaného obchodního dopadu. Zbytek? Prezentace, dema, frustrace. Někdy také pěkný dashboard, který každé ráno zobrazuje čísla, kterým nikdo nevěří.

Teď si vezměme typického německého středního podnikatele se 180 zaměstnanci, obratem 72 milionů eur, EBIT marží mezi pěti a osmi procenty, dvěma velkými zákazníky, systémem SAP-B1 nebo Proalpha, stárnoucí pracovní silou a obchodním ředitelem, který si stále vede svou pipeline v Excelu, protože CRM „úplně nesedí“. Pro tento podnik není neúspěšný velký AI projekt nepříjemnou inovační bolestí. Může pohltit marži celého roku.

Střední podniky nezaspávají AI, ale kvalitu dat

To je věta, kterou bych nejraději přibil generálním ředitelům na zeď. Ne se zlostí. S malou nerezovou cedulkou, jakou najdete u Kärcheru nebo Phoenix Contact v návštěvnickém centru. AI je ve středních podnicích zřídka prvním problémem. Prvním problémem je kmenový kód položky, proces nabídky, historie strojů, duplicity, koncept práv, procesní disciplína.

Uvolnění ChatGPT pro e-maily nedělá firmu připravenou na AI. Možná to e-maily trochu vyhladí. Někdy i prodlouží. V podniku v Augsburgu mi Sabine, obchodní ředitelka, v dubnu 2025 řekla, že její tým od uvolnění Gen-AI produkuje více textu, ale nemá méně práce. „Lidé teď formulují krásněji, ale schválení stále visí na mně,“ řekla. Na jejím stole ležely tři složky smluv, napůl snědené jablko a výtisk EU AI Act se žlutými zvýrazněními.

Tady je zakopaný pes. AI bez procesního rozhodnutí je kosmetika. AI bez čistých dat je hazard. AI bez odpovědných osob je divadlo.

Raději mám rok čistá kmenová data než tři měsíce AI cirkusu. Naši zákazníci neplatí za experimenty, ale za funkční zařízení.

— Jens, COO výrobce speciálních strojů z Pforzheimu

Proč může být čekání na AI ve středních podnicích racionální

Existuje tvrdá pravda, kterou neradi slyšíte na berlínských panelech: Ne každá firma musí být v čele každé technologické vlny. Zejména rodinné podniky se často naučily, že druhý kupující dostane lepší stroj. První platí školné. Druhý kupuje přepracovanou verzi, se stabilním softwarem a méně dětskými nemocemi.

U AI to není jinak. Velké korporace, softwarové domy a startupy právě přebírají část experimentálních nákladů. SAP tlačí Joule do svého produktového světa, Microsoft tlačí Copilot do M365, Dynamics a Power Platform, Intershop z Jeny mluví na valné hromadě v roce 2025 o AI-podporovaném agentním B2B obchodu pro střední podniky. Zní to šikovně. V mnoha podnicích jsou ale stále rádi, když webshop po aktualizaci nerozloží zákaznicky specifické ceny.

V červnu 2025 jsem byl u dodavatele v oblasti Norimberku. B2B obchod byl čistě připojen, po čtyřech letech projektové práce, ne po čtyřech sprintech. Ve skladu pípal skener každých pár sekund, na betonové podlaze byly nalepeny modré značky pro pochozí trasy. Stefan, vedoucí e-commerce, mi řekl: „Agenti? Klausi, byli bychom šťastní, kdyby každý zákazník správně našel číslo své rámcové smlouvy.“ Zní to malicherně. Není. Je to zajištění obratu.

Kdo v takové situaci říká, že s autonomními AI agenty ještě počkáme, nejedná zaostale. Chrání dodavatelskou schopnost. A dodavatelská schopnost v B2B poráží téměř každé módní slovo.

Regulační past: EU AI Act, AGG a odpovědnost

EU AI Act byl konečně schválen v roce 2024, povinnosti se postupně uplatňují do roku 2026 a 2027. Vysoce riziková AI v HR, kontrole kvality nebo bezpečnostně kritických výrobních procesech přináší povinnosti dokumentace a auditu. Korporace to tráví s právními odděleními, týmy pro dodržování předpisů a externími advokátními kancelářemi. Střední podniky často reagují jednoduchým reflexem: „Raději to zatím necháme.“

Tento reflex nepovažuji za zbabělý. V HR je dokonce zdravý. Platforma anymize varuje před interním povýšením před speciálním problémem: Pokud jsou ve firmě k dispozici všechna kohortní data, může být obrácené důkazní břemeno AGG obzvláště dobře doložitelné – nebo obzvláště nebezpečné. Přeloženo do jazyka podnikových jídelen: Pokud vaše AI produkuje skóre pro povýšení a nakonec se objeví vzor podle pohlaví, věku nebo původu, pak už nestačí pokrčení rameny.

V září 2024 jsem seděl ve Stuttgartu s Claudií, HR ředitelkou dodavatele automobilového průmyslu, u kulatého stolu ze světlého dřeva. Venku projížděla S-Bahn, uvnitř cinkaly šálky kávy. „AI v náboru produktivně netestujeme,“ řekla. „Ne, dokud nebudu vědět, kdo u soudu vysvětlí, proč byl kandidát A vyřazen.“ Nepřišlo mi to jako nepřátelské k inovacím. Přišlo mi to dospělé.

Ale: Nejsilnější protiargument proti mému dřímnutí

Teď přichází část, u které mi někteří generální ředitelé připadají příliš pohodlní. Nejsilnější protiargument zní: Krátkodobě může být čekání racionální, ekonomicky a strategicky však může být zničující. S tím se nedá nic dělat.

McKinsey Global Institute v letech 2023 a 2024 popsal dodatečné roční zvýšení produktivity díky AI v rozmezí 0,2 až 3,3 procentního bodu v závislosti na odvětví. OECD a Evropská komise již léta varují před strukturálními konkurenčními mezerami, pokud země AI adaptují příliš pomalu. Německo se již potýká s vysokými náklady na energii, byrokracií, slabou poptávkou a únavou z investic, kterou lze v některých továrních halách téměř cítit. Pokud pak zůstane nevyužitá páka produktivity AI, z opatrnosti se nakonec stane sebepoškozování.

A ne, střední podniky nejsou všude pomalé. Trumpf využívá AI v laserových systémech, prediktivní údržbě a aplikacích Smart Factory. Krones pracuje na optimalizaci zařízení, zajištění kvality a plánování servisu. DMG Mori prosazuje monitorování stavu a digitální dvojčata. Festo již léta ukazuje, že AI v učebních systémech, monitorování stavu a zajištění kvality nemusí znít jako sci-fi. Schaeffler využívá AI pro prediktivní údržbu, výrobu a logistiku. Tyto firmy někdy mluví méně hlasitě než americké technologické korporace, ale pracují.

Kdo ve strojírenství, výrobě zařízení nebo výrobě komponent teď zaspí servisní byznys, neztratí později jen trochu marže. Ztratí kontakt se zákazníkem. Analýzy VDMA, BCG a Accenture z let 2023/2024 ukazují v projektech týkajících se servisu, náhradních dílů a vzdáleného monitoringu efekty jako pět až deset procent více servisních tržeb nebo 20 až 40 procent méně neplánovaných odstávek. To nejsou lajky na LinkedInu. To jsou peníze.

Strategie následovníka má datum spotřeby

Čekání obhajuji pouze tehdy, když je to aktivní čekání. Pasivní čekání je nebezpečné. Aktivní čekání znamená: uklízet data, upevňovat procesy, prioritizovat use cases, školit zaměstnance, sledovat dodavatele, spouštět malé produktivní nasazení. Pasivní čekání znamená: Řekne se „podíváme se na to“ a doufá se, že se to přežene.

Ten strašák nezmizí. Microsoft Copilot nezmizí z kanceláří. SAP Joule se nebude zdvořile ptát, zda jsou střední podniky psychologicky připraveny. Intershop, Salesforce, HubSpot, ServiceNow a řada specializovaných dodavatelů integrují AI do procesního softwaru. Kdo pak nemá vlastní datová pravidla, role a představu o přínosech, dostane AI stejně. Jen jako stínový proces.

Co vidím v praxi

Vidím dva typy středních podniků. Jeden málo mluví a tvrdě pracuje. V Heilbronnu mi v květnu 2025 obchodní ředitel ukázal, jak jeho tým pomocí AI-podporovaného hodnocení leadů vyfiltroval 620 cílových účtů z 18 000 stávajících a veletržních kontaktů. Žádný ohňostroj. Ale po devíti měsících bylo v kalendáři třikrát více kvalifikovaných prvních schůzek, aniž by přibyl nový prodejce. Ten muž se jmenoval Ralf, pocházel z Ludwigsburgu, nosil bezpečnostní obuv a měl na svém ThinkPadu větší pořádek než některé korporátní strategie.

Druhý typ středních podniků hraje divadlo. Tam existuje AI pracovní skupina, úvodní prezentace s obrázkem robota a tři lidé, kteří tajně používají ChatGPT pro nabídky, protože oficiální nástroj je stále vázán ochranou dat. Na chodbě visí plakát o digitální transformaci, pod ním stojí tiskárna, která už dva dny hlásí zaseknutý papír. Přeháním? Bohužel jen trochu.

V prodeji je situace obzvláště absurdní. Mnoho generálních ředitelů věří, že AI v prodeji je otázkou generování textu. Chyba. Tvrdé páky leží v Ideal Customer Profile, prioritizaci účtů, detekci spouštěčů, sledování nabídek, cenových pokynech a čistém předání mezi marketingem, prodejem a servisem. Krásný studený e-mail nezachrání špatný seznam cílových zákazníků.

Amplifa ICP Playbook Praktický playbook pro čistou definici cílových zákazníků, zpřesnění dat a nasazení AI v prodeji na správné účty.

Přesně proto považuji téma ICP za podceňované. Kdo nemá jasnou odpověď na to, kteří zákazníci jsou skutečně ziskoví, které spouštěče ukazují ochotu nakupovat a které odvětví zaměstnávají jen obchodní zástupce, neměl by nasazovat AI na generování leadů. Jinak automatizuje ztráty. Dávat koně za vůz, jen s cloudovým předplatným.

AI v prodeji: Kde střední podniky nesmí čekat

V prodeji mi dochází trpělivost rychleji než ve výrobě. AI v kontrole kvality může při špatných datech zvětšit zmetkovitost nebo poskytnout falešnou jistotu. AI pro průzkum účtů, hygienu CRM a prioritizaci nabídek je méně riskantní, pokud je čistě ohraničena. Tam se lze učit, aniž by se hned ohrozila linka.

CSO z Norimberku, nazvěme ho Martin, mi v únoru 2025 po večeru VDMA ve Frankfurtu řekl: „Pokud budu čekat ještě rok, budu znát své zákazníky hůře než můj konkurent.“ Nemyslel tím žádnou americkou korporaci. Měl na mysli jiného německého dodavatele, 90 kilometrů daleko, který již vyhodnocuje zprávy z návštěv, skenuje historie náhradních dílů a odvozuje prodejní signály z servisních případů.

To je ten bod. AI nemusí hned řídit výrobu. Může nejprve zabránit prodeji, aby spaloval čas u špatných účtů. Může zviditelnit mrtvé nabídky. Může rozpoznat, že zákazník objednává méně po dobu šesti měsíců, ačkoli jeho odvětví roste. Může obchodnímu zástupci říct, které pět návštěv příští týden pravděpodobně přinese obrat – a které jen kávu.

Amplifa pro generování leadů Pro B2B týmy, které chtějí z dat, profilů cílových zákazníků a spouštěčů vybudovat spolehlivou pipeline – bez AI folkloru.

Proč je čistá inbound strategie v roce 2026 příliš slabá

Kdo v roce 2026 stále sází na čistou inbound strategii, nebude mít za pět let žádnou pipeline. Tím jsem si docela jistý. Nákupní oddělení OEM nebudou pohodlně stahovat whitepaper jen proto, že střední podnik napíše do nadpisu „Inovace“. Porovnávají dodací schopnost, cenu, certifikáty, datovou integraci a reakční dobu. A dělají to stále více digitálně.

Outbound není mrtvý. Špatný outbound je mrtvý. Z 1 200 e-mailů přišly u strojírenské firmy z Východního Vestfálska na podzim 2024 čtyři odpovědi. Jedna z nich byla stížnost. Po zpřesnění ICP, klastrech odvětví a spouštěčích z investičních zpráv, inzerátů na pracovní místa a servisních událostí to bylo u 480 cílených kontaktů 31 skutečných rozhovorů. Žádný zázrak. Jen řemeslo.

Co se teď musí stát

Žádnému generálnímu řediteli bych neradil, aby zítra spustil osmiciferný AI program jen proto, že konkurent na LinkedInu zveřejnil fotku z inovační laboratoře. Ale poradil bych mu, aby tento týden provedl brutální inventuru. Ne v hotelu pro strategické plánování. V provozu. S prodejem, IT, výrobou, controllingem a osobou, která data skutečně zná – často to není vedoucí oddělení, ale žena, která už 14 let stahuje exporty.

1. Prověřit datovou situaci – zviditelnit kmenové záznamy položek, zákazníků, historii servisu, data nabídek a duplicity v CRM, ne je přikrášlovat.
2. Vybrat dva nízkorizikové use cases – například prioritizaci účtů v prodeji nebo interní vyhledávání znalostí pro servisní techniky.
3. Stanovit odpovědnost – jeden procesní vlastník, jeden IT manažer, jedno oddělení, jasný rozpočet.
4. Včas zapojit compliance – zejména v HR, kontrole kvality a bezpečnostně relevantních procesech kvůli EU AI Act a AGG.
5. Měřit ROI v malém – ne s vizemi, ale s termíny, průchodností, zmetkovitostí, servisními tržbami nebo ušetřenými hodinami.
6. Po 90 dnech zastavit nebo škálovat – žádný věčný pilotní projekt s měsíčním řídícím výborem a bez výsledku.

Nejdůležitější krok je první a zní nesexy: prověřit datovou situaci. Vím, že se to prodává hůře než AI agent s demo videem. Ale pokud jména zákazníků, sériová čísla strojů a stavy nabídek nesedí, žádná, byť sebevíc drahá platforma z toho nemůže uvařit spolehlivá rozhodnutí. Pak jen draze hádá.

Amplifa Pipeline-Check Přístup pro generální ředitele a obchodní ředitele, kteří chtějí vědět, zda jejich pipeline vůbec unese datovou základnu, logiku cílových zákazníků a nasazení AI.

FAQ: Je AI ve středních podnicích opravdu příliš drahá?

Ano, pokud se zavádí špatně. Ne, pokud se začne s jasnými use cases. Gen-AI systém, který se často používá v kalkulaci nabídek, technické dokumentaci nebo zákaznické komunikaci, se může rychle prodražit kvůli cloudovým předplatným, konzultantům, internímu projektovému času a přepracování. Při EBIT maržích pět až deset procent to nejsou drobné. Omezený use case v prodeji nebo servisu, čistě měřený, je jiná liga.

FAQ: Které AI use-casy se hodí nejdříve?

V mnoha středních podnicích bych nezačínal s autonomním řízením výroby. Příliš choulostivé. Příliš mnoho rozhraní. Příliš vysoká odpovědnost. Lepší jsou use cases, které zhušťují znalosti a připravují rozhodnutí: shrnování servisních tiketů, rozpoznávání šancí na náhradní díly, klastrování stávajících zákazníků podle potenciálu, zpřístupňování technické dokumentace, prioritizace obchodních návštěv. Člověk rozhoduje, AI předtřídí.

FAQ: Co s majáky jako Trumpf a Festo?

Trumpf, Festo, Schaeffler, Krones nebo DMG Mori dokazují, že AI v průmyslu funguje, když se spojí datová základna, inženýrská kultura a procesní disciplína. Nevyvracejí však, že mnoho menších firem ještě není tak daleko. Spíše ukazují rozdíl. A právě tento rozdíl je nebezpečný, pokud se stane výmluvou.

Cena dřímnutí

Minimální mzda podle rozhodnutí komise pro minimální mzdu stoupne z 12,82 eur na 13,90 eur v roce 2026 a 14,60 eur v roce 2027. V průmyslu jsou relevantní mzdové náklady tak jako tak mnohem vyšší. Kvalifikovaní pracovníci jsou vzácnější, administrativní práce není levnější, zákazníci očekávají rychlejší reakce a banky při financování a nástupnictví pečlivěji sledují digitální zralost. Kdo věří, že může kancelářskou práci, přípravu prodeje a koordinaci servisu trvale provozovat jako v roce 2018, nebude převálcován AI. Bude rozdrcen náklady.

Lidé z Private Equity se už dávno ptají na potenciál automatizace. Family Offices také. V lednu 2025 jsem seděl v Mnichově s Norou, investiční manažerkou z Family Office, v zasedací místnosti s výhledem na mokrý asfalt a Leopoldstraße. „Pokud cílová společnost nemá datovou a AI roadmapu, diskontujeme to,“ řekla. Ne dramaticky. Ne s úsměvem ze Silicon Valley. Spíše jako někdo, kdo hodnotí stroj, u kterého je údržba dávno po termínu.

I velcí zákazníci jsou netrpělivější. Automotive, Aerospace, Medtech, strojírenství – všude rostou požadavky na digitální dodavatelské řetězce, data kvality, sledovatelnost a reakční dobu. Dnes se OEM přátelsky ptá na rozhraní. Zítra dodavatel vypadne z užšího výběru, protože konkurent dodává data lépe. To pak není v protokolu jako „problém AI“. Je to tam jako „nedostatečná procesní schopnost“. Zní to neškodněji. Je to smrtonosnější.

Moje skutečná provokace

Německé střední podniky zaspávají AI – a to je v pořádku, pokud si zrovna mění matraci. Tedy: Pokud čistí data, objasňují procesy, rozumí compliance a připravují první use cases se skutečnou návratností investic. Není v pořádku, pokud si přetáhnou deku přes hlavu a doufají, že je další technologická vlna opět mine.

Mám pochopení pro únavu. Zavedení ERP, projekty MES, rollouts CRM, cloudové migrace, energetická krize, stres v dodavatelských řetězcích, změna úrokových sazeb, nedostatek kvalifikovaných pracovníků – mnoho organizací není nepřátelských k inovacím, jsou vyčerpané. V podniku poblíž Ulmu mi Peter, vedoucí výroby, v říjnu 2024 řekl: „Nemáme strach z AI. Máme strach z dalšího projektu, který zůstane napůl hotový.“ Tato věta je upřímnější než 80 procent keynote, které jsem slyšel v roce 2025.

Přesto: Vyčerpání není strategie. Střední podniky nemusí honit každý hype, ale musí vědět, kde chtějí stát. Za 90 dní. Za dvanáct měsíců. Především za dva roky, kdy funkce AI už nebudou prodávány jako extra, ale budou součástí každého softwaru, který běží v kanceláři a v dílně.

Když jsem se Thomase v Güterslohu na rozloučenou zeptal, co teď dělá s AI, zatáhl si zip na šedé fleecové bundě a ukázal na expediční dokumenty. „Nejdřív uklidíme ten nepořádek tady,“ řekl. Pak se usmál. „Ale tentokrát tak, aby to později mohl přečíst stroj.“ Venku nastartoval kamion, dieselový zápach v dešti. Možná AI ve středních podnicích začíná přesně takto. Ne s robotem na pódiu, ale s generálním ředitelem, který konečně bere svá data vážně.