KI-Strategie · 21. März 2026 · 14 Min. Lesezeit · Mohsen Ghulami, GTM Engineer, Amplifa

KI Build vs Buy: Warum der Mittelstand falsch investiert

KI Build vs Buy im Mittelstand: Die meisten verbrennen Geld mit falschen Strategien. Erfahren Sie, warum der hybride Weg die einzige Lösung ist.

Letzte Woche saß ich mit dem Geschäftsführer eines Maschinenbauers aus dem Teutoburger Wald zusammen. Ein klassischer Hidden Champion, 250 Mitarbeiter, Weltmarktführer in einer Nische, von der Sie noch nie gehört haben. Er erzählte mir mit einer Mischung aus Stolz und Verzweiflung von seinem 'Leuchtturmprojekt': einer selbst entwickelten KI zur vorausschauenden Wartung seiner Anlagen. Budget: 1,5 Millionen Euro. Dauer: zwei Jahre. Ergebnis: eine halbgare Lösung, die mehr Fehlalarme produziert als ein nervöser Wachhund und von den Instandhaltern an der Front – nennen wir sie mal Meister Kaczmarek – schlichtweg ignoriert wird. Die ganze Debatte 'KI: Build vs. Buy' im deutschen Mittelstand ist eine Farce. Und ich sage Ihnen auch, warum: Beide Wege, so wie sie heute meist beschritten werden, führen direkt in die Sackgasse.

Mal ehrlich: In den Vorstandsetagen grassiert eine gefährliche Mischung aus Torschlusspanik und Geltungsdrang. Man will 'was mit KI machen', weil der Wettbewerber aus dem Nachbarort auch schon damit prahlt. Also wird das Pferd von hinten aufgezäumt. Die einen verfallen dem 'Build'-Wahn. Getrieben von der romantischen Vorstellung, den heiligen Gral zu entwickeln – eine proprietäre KI, die den Wettbewerb pulverisiert. Das ist die Ingenieursseele, die durchkommt, ich kenne das. Man will das Ding selbst erschaffen. Das Problem: Sie sind nicht Google oder OpenAI. Eine komplette Eigenentwicklung einer KI-Lösung frisst Millionen (wir reden hier laut W&P-Analysen von 5-10 Millionen Euro über drei Jahre für ein mittelständisches Projekt) und birgt ein gigantisches Risiko. Die Erfolgsquote? Ernüchternde 30-50 Prozent.

Und die andere Seite? Die verfällt dem Sirenengesang der 'Buy'-Fraktion. Kaufen wir doch einfach eine Standardsoftware von einem der großen Anbieter, dann sind wir auf der sicheren Seite. Klingt verlockend, oder? Schnell, vermeintlich günstig, skalierbar. Das Problem: Diese 'von der Stange'-Lösungen sind oft so flexibel wie eine Eisenbahnschiene. Das Fraunhofer IPA hat das in einer Studie von 2026 (ja, die schauen schon weiter voraus) schwarz auf weiß bewiesen: In 70 bis 80 Prozent der Fälle scheitern Standard-KI-Modelle an der Komplexität realer Produktionsprozesse, zum Beispiel bei der Prognose von Energie-Lastspitzen. Das ist, als würde man versuchen, einen hochkomplexen, individualisierten Produktionsablauf mit einer App aus dem App Store zu steuern. Kann man machen – ist dann aber halt Murks.

KI Build vs Buy: Die unbequeme Wahrheit in Zahlen

Hören wir auf, uns in die Tasche zu lügen. Die Entscheidung für eine KI-Strategie ist keine Glaubensfrage, sie ist knallharte Betriebswirtschaft. Ich habe mir die neuesten Analysen vom Fraunhofer IPA und der Strategieberatung Wieselhuber & Partner (W&P) angesehen. Und die Zahlen – die sind eine Ohrfeige für jeden Träumer.

Sehen Sie sich das an. Eine reine Eigenentwicklung ist ein finanzielles Himmelfahrtskommando mit einer lächerlich hohen Fehlerrate. Pure Buy ist eine Lotterie, bei der die Niete (mangelnde Passgenauigkeit) wahrscheinlicher ist als der Hauptgewinn. Das ist keine Meinung, das sind Fakten aus Projekten, die analysiert wurden. Und da sind die Folgekosten für Wartung und die frustrierten Mitarbeiter, die man mit unausgegorenen Tools quält, noch gar nicht eingerechnet. Wir reden hier nicht über Peanuts, sondern über Investitionen, die einen Mittelständler ins Wanken bringen können. Da beißt die Maus keinen Faden ab.

KI ist Treiber und Enabler; starte mit Pain Points und sauberen Daten – dann erleben Projekte einen KI-Boost, anstatt im Sand zu verlaufen.

— Volker Riedel, Partner bei W&P Strategieberatung

Ich habe letzte Woche mit Volker Riedel von W&P telefoniert, und er hat es auf den Punkt gebracht. Die ganze Diskussion ist falsch aufgesetzt. Es geht nicht um die Technologie. Es geht um das Problem. Und es geht um den Rohstoff – die Daten.

Aber... was ist mit dem einzigartigen Wettbewerbsvorteil?

Jetzt höre ich schon den Einwand aus der Technik-Ecke: 'Aber Herr Müller, wenn wir nur noch Standardkomponenten zusammenbasteln, wo bleibt dann unser USP? Unser einzigartiger Vorteil im Markt?' Das ist das stärkste – und auf den ersten Blick plausibelste – Argument für den 'Build'-Ansatz. Der Traum, eine KI zu schaffen, die so perfekt auf das eigene, geheime Produktionsrezept zugeschnitten ist, dass die Konkurrenz nur noch staunend danebensteht.

Das ist ein gefährlicher Trugschluss. Meiner Erfahrung nach überschätzen 9 von 10 Unternehmen die Einzigartigkeit ihrer Prozesse dramatisch. Der wahre, uneinholbare Wettbewerbsvorteil steckt heute nur noch selten im Algorithmus selbst (viele davon sind Open Source oder leicht replizierbar), sondern in zwei Dingen: den einzigartigen – und sauberen! – Daten, die Sie über Jahrzehnte gesammelt haben, und der tiefen Integration der KI-Logik in Ihre Kernprozesse. Und genau hier kommt der hybride Ansatz ins Spiel. Kaufen Sie die Standard-Bausteine – die Datenanbindung, die Visualisierung, die Basis-Algorithmen. Aber bauen Sie darauf eine eigene, hochspezifische Logik auf, die mit Ihrem Expertenwissen und Ihren einzigartigen Daten gefüttert wird. Das ist keine Kapitulation. Das ist schlichtweg clever.

Was ich da draußen sehe: Eine KI-Strategie aus dem Elfenbeinturm

Wenn ich durch die Werkshallen im Land gehe, sehe ich ein wiederkehrendes Muster. Oben, in der Teppichetage, wird eine Powerpoint-Schlacht zur 'Digitalen Transformation' und 'AI-First-Strategie' geschlagen. Es werden Budgets freigegeben, Berater engagiert und Leuchtturmprojekte ausgerufen. Unten, am Hallenboden, wo die Wertschöpfung stattfindet, schüttelt derweil Meister Kaczmarek den Kopf. Warum? Weil die teuer eingekaufte oder mühsam selbst entwickelte KI mit Daten gefüttert wird, die in zwanzig Jahre alten Excel-Tabellen, in der proprietären SPS-Steuerung aus den Neunzigern oder – kein Witz, selbst erlebt – auf dem persönlichen Laptop eines Meisters schlummern, der in sechs Monaten in Rente geht.

Das Ding ist: Ohne eine zentrale, saubere und zugängliche Datenbasis ist jede KI-Strategie wie der Versuch, einen Porsche mit schlammversetztem Heizöl zu betanken. Er wird nicht nur nicht schnell fahren, er wird kaputtgehen. Der Erfolg von Unternehmen wie REWE, die durch die Integration von Standard-KI-Lösungen ihre Materialkosten um 10-20% senken konnten, basiert nicht auf einem magischen Algorithmus. Er basiert auf der knochenharten Vorarbeit, ihre Daten in den Griff zu bekommen. Saubere Daten sind der wahre Rohstoff der Digitalisierung. Alles andere ist teures Kaffeesatzlesen.

Kennen Sie überhaupt Ihren Kunden?

Und das führt mich zu einem noch grundlegenderen Problem. Viele Firmen investieren Millionen in die Optimierung von internen Prozessen mit KI, wissen aber nicht einmal genau, wer ihr idealer Kunde ist. Bevor Sie auch nur einen Euro in ein KI-Projekt stecken, müssen Sie glasklar definieren, für wen Sie das alles tun und welches Problem Sie für diesen Kunden lösen. Ansonsten optimieren Sie sich ins Leere.

Amplifa ICP Playbook: Ihren Idealkunden finden — Definieren Sie Ihr Idealkundenprofil (ICP) messerscharf. Die Grundlage für jede erfolgreiche Vertriebs- und Produktstrategie – und die Voraussetzung für eine sinnvolle KI-Investition.

Wenn das ICP steht, geht es darum, den Markt zu verstehen. Wie groß ist das Potenzial wirklich? Für welche Segmente lohnt sich der Aufwand einer KI-gestützten Personalisierung?

Amplifa TAM-Analyse: Marktpotenzial realistisch einschätzen — Hören Sie auf zu raten. Mit unserer Total Addressable Market (TAM) Analyse quantifizieren Sie Ihr Marktpotenzial und identifizieren die lukrativsten Zielsegmente für Ihre KI-gestützte Expansion.

Schluss mit den Planspielen: Was jetzt passieren muss

Genug der Analyse. Was bedeutet das jetzt konkret für Sie als Geschäftsführer, CTO oder Digitalchef im Mittelstand? Es bedeutet, dass Sie aufhören müssen, Modewörtern hinterherzulaufen und stattdessen die Ärmel hochkrempeln müssen. Hier ist Ihr Fünf-Punkte-Plan – nennen Sie es das 'Müller-Manifest für praxistaugliche KI':

1. Schritt 1: Radikale Schmerzpunkt-Analyse statt Technologie-Verliebtheit. Sperren Sie Ihre IT-Leute und die KI-Evangelisten für einen Tag ein. Holen Sie stattdessen den Produktionsleiter, den Vertriebschef und Meister Kaczmarek an einen Tisch. Fragen Sie: 'Wo bluten wir Geld? Wo verlieren wir Zeit? Welches Problem raubt uns Nacht für Nacht den Schlaf?' Identifizieren Sie die drei größten Pain Points. Nur für diese wird überhaupt über KI nachgedacht.
2. Schritt 2: Brutale Daten-Inventur. Sofort. Setzen Sie ein dreimonatiges Moratorium für alle neuen KI-Projekte. Nutzen Sie diese Zeit, um eine einzige, unumstößliche Aufgabe zu erledigen: Ihre Daten in Ordnung zu bringen. Wo liegen sie? Wie aktuell sind sie? Wer hat Zugriff? Schaffen Sie eine 'Single Source of Truth'. Das ist die unattraktivste, aber wichtigste Aufgabe der gesamten Digitalisierung.
3. Schritt 3: Das Hybrid-Modell als Goldstandard definieren. Basierend auf Ihren Pain Points, bewerten Sie nach dem W&P-Framework: Was ist unser 'geheimes Rezept' (einzigartige Prozessdaten, Expertenwissen), und was ist Standard (Datenanbindung, Visualisierung)? Kaufen Sie die Standard-Komponenten von etablierten Anbietern. Aber bestehen Sie auf offenen Schnittstellen (APIs). Auf diesem Fundament bauen Sie dann mit einem kleinen, spezialisierten Team oder einem externen Partner die entscheidenden 10% an Custom-Logik, die den Unterschied macht.
4. Schritt 4: Pilotprojekt mit eingebauter Exit-Strategie. Suchen Sie sich den kleinsten der drei Pain Points aus und starten Sie ein klar abgegrenztes Pilotprojekt. Budget: maximal 100.000 Euro. Zeitrahmen: maximal sechs Monate. Definieren Sie vorher knallharte KPIs (z.B. 'Reduzierung der Fehlalarme um 50%'). Wenn die Ziele nach sechs Monaten nicht erreicht sind, wird das Projekt beerdigt. Ohne Diskussion. Die größte Gefahr ist die Sunk-Cost-Fallacy – das Festhalten an einem scheiternden Projekt, weil man schon so viel investiert hat.
5. Schritt 5: Compliance von Tag 1 an mitdenken. Der EU AI Act kommt nicht vielleicht, er kommt sicher (ab 2027 wird es für Maschinenbauer ernst). Das Ignorieren der Regularien ist kein Kavaliersdelikt, sondern ein potenzieller Showstopper. Nutzen Sie die Vorlagen und Erfahrungen aus Projekten wie dem Reallabor KIRR Real in Baden-Württemberg. Die haben bereits gezeigt, wie man rechtssichere KI-Lösungen implementiert, indem man validierte Buy-Elemente mit einer custom-validierten Integration kombiniert. Das reduziert die Risiken laut den Forschern dort um bis zu 50%.

Und vergessen Sie den Menschen nicht

Die smarteste KI bringt Ihnen exakt gar nichts, wenn Ihr Vertriebsteam nicht versteht, wie es den dadurch geschaffenen Mehrwert beim Kunden in Euro und Cent ummünzen kann. Eine KI, die Lieferzeiten präzise vorhersagt, ist nur dann ein Vorteil, wenn Ihr Vertriebler das als Garantieversprechen verkaufen kann. Die Technologie ist nur der Enabler. Verkaufen muss immer noch der Mensch.

Amplifa Sales Coaching: Machen Sie Ihr Team zur Umsatz-Maschine — Technologie verkauft nicht, Menschen verkaufen. Unser Coaching transformiert Ihr Vertriebsteam, damit es den Wert Ihrer Innovationen – auch Ihrer KI-Lösungen – souverän beim Kunden platziert.

Häufige Fragen zur KI-Strategie im Mittelstand – Klartext statt Berater-Sprech

Wie hoch sind die echten Kosten eines KI-Projekts wirklich?

Vergessen Sie die Hochglanzprospekte. Rechnen Sie bei einer Eigenentwicklung (Build) mit mindestens 5 Millionen Euro über die ersten drei Jahre, inklusive der horrenden Wartungskosten. Ein reiner Zukauf (Buy) startet vielleicht bei 500.000 Euro, aber das Risiko, dass es nicht passt und Sie das Geld abschreiben, ist enorm. Der realistische und erfolgreichste Weg – der hybride Ansatz – liegt meist zwischen 1 und 3 Millionen Euro, hat aber den entscheidenden Vorteil eines positiven ROI oft schon nach 12 bis 18 Monaten.

Ich habe einen alten Maschinenpark. Kann ich den überhaupt mit KI nachrüsten?

Ja, absolut. Und das ist oft sogar der intelligentere Weg. Das Stichwort lautet 'Retrofit'. Firmen wie IBHsoftec haben Frameworks entwickelt, um selbst ältere Maschinen ohne moderne Schnittstellen über Standards wie OPC-UA datentechnisch anzubinden. Das ist oft 50% günstiger als eine komplette Neuanschaffung und kann, wie Beispiele bei Siemens in Amberg zeigen, zu Energieeinsparungen von bis zu 70% führen. Ihre alten Maschinen sind keine Belastung – sie sind eine Goldgrube voller historischer Daten, wenn Sie sie anzapfen.

Ist 'Pure Build' dann jemals eine gute KI-Strategie für den Mittelstand?

In ganz, ganz seltenen Ausnahmefällen. Wenn Ihr Kerngeschäft auf einem absolut einzigartigen Datensatz beruht, den niemand auf der Welt sonst hat – zum Beispiel die Analyse spezifischer Materialeigenschaften in einem geheimen chemischen Prozess –, dann kann eine komplette Eigenentwicklung sinnvoll sein. Für 99% der mittelständischen Anwendungsfälle (Produktionsplanung, Qualitätskontrolle, vorausschauende Wartung) ist es aber finanzieller und technologischer Overkill. Konzentrieren Sie Ihre Entwickler-Power lieber darauf, eine Standardlösung perfekt an Ihren Prozess anzupassen.

Ich wette, dass wir in drei Jahren nicht mehr über 'Build vs. Buy' reden werden. Wir werden über 'Smart Adapt vs. Dumb Install' sprechen. Die Gewinner werden diejenigen sein, die verstanden haben, dass KI kein Produkt ist, das man kauft, sondern eine Fähigkeit, die man sich aneignen muss – aufbauend auf einem soliden Fundament aus sauberen Daten und Standard-Technologie.

Die Frage ist also nicht 'Build oder Buy?'. Die wirkliche Frage, die Sie sich heute stellen müssen, lautet: Haben Sie den Mut, zuerst Ihre Hausaufgaben zu machen, bevor Sie dem nächsten KI-Gaukler Ihr hart verdientes Geld in den Rachen werfen? Diskutieren Sie mit mir auf LinkedIn oder schreiben Sie mir eine E-Mail. Ich bin gespannt auf Ihre Brandbriefe und Erfolgsgeschichten.