Blog | 9. Juni 2026

KI-generiert

Die Ursachen für die Probleme des deutschen Mittelstands werden meistens treffend beschrieben: Energiekosten auf einem strukturell anderen Niveau als bei wichtigen Wettbewerbern, Fachkräftemangel, der trotz konjunktureller Abkühlung kaum spürbar nachlässt, Bürokratieaufwand ohne Entsprechung in der betrieblichen Wertschöpfung. Das alles ist real. Aber es sind Antworten auf eine Frage, hinter der eine tiefere steckt.

Ein Galvanikbetrieb in Iserlohn, der Lohnverzinkung und Eloxieren für Automobilzulieferer betreibt, hat kein eigenes Produkt. Er verkauft Prozessleistung — und ist damit vollständig davon abhängig, was andere entscheiden. Welche Chemikalien zulässig sind, bestimmt die EU-REACH-Verordnung in Kombination mit OEM-Werksnormen. Welche Oberflächen künftig gefragt sind, entscheiden Konstruktionsabteilungen bei OEMs, die ihrerseits unter Transformationsdruck stehen. Ob Chromat-freie Verzinkung Standard wird, entscheiden ELV-Richtlinie und Tier-1-Lieferantenspezifikationen. Ob ein Betrieb überhaupt qualifiziert wird, entscheiden IATF 16949 und VDA 6.3. An keiner dieser Entscheidungen ist der Betrieb beteiligt. Er erfährt sie als fertige Tatsachen.

Das ist kein betriebswirtschaftliches Einzelproblem — es ist die normale Lage eines Unternehmens, das in einem Spezifikationssystem operiert, das außerhalb seines Einflussbereichs gesetzt wird.

Dass diese Abhängigkeit eine zweite Dimension angenommen hat, zeigt ein Befund der GEO-Studie DACH-Mittelstand 2026. Für die Studie wurden 24 produzierende Mittelständler aus Maschinenbau, Präzisionsfertigung und Automotive mit je zehn typischen Einkäufer-Prompts in vier KI-Systemen getestet. Ein Drehteilhersteller mit neunzig Jahren Marktpräsenz, IATF-16949-Zertifizierung und DAX-Konzernen als Referenzkunden erreichte in ChatGPT, Gemini, Perplexity und Copilot einen Sichtbarkeits-Score von null Prozent. Auf Google rankte das Unternehmen für seine Kernbegriffe sauber. In den KI-gestützten Beschaffungsabfragen existierte es nicht. 93 Prozent der getesteten Abfragen lieferten dasselbe Ergebnis. Unternehmensgröße, Zertifizierungen, Google-Ranking — keine dieser Variablen korrelierte belastbar mit KI-Sichtbarkeit.

Für regionale Fachbetriebe gilt eine Version desselben Problems ohne die industrielle Zulieferlogik. Der Heizungsbauer im Sauerland ist nicht von Automotive-Roadmaps abhängig. Er ist davon abhängig, ob ein KI-Assistent ihn empfiehlt, wenn jemand fragt: „Wer installiert Wärmepumpen in meiner Region?“ Diese Frage wird heute noch überwiegend über Suchmaschinen gestellt. In zwei bis drei Jahren werden KI-Agenten sie direkt beantworten — auf Basis strukturierter Daten, ohne dass der Nutzer eine Website besucht. Wer in der zugrundeliegenden Infrastruktur nicht vorkommt, existiert in dieser Antwort nicht. Nicht durch eine Entscheidung gegen ihn, sondern weil er schlicht fehlt.

Beide Abhängigkeiten werden durch denselben Entwicklungsschub gleichzeitig verschärft. KI-Agenten übernehmen zunehmend Suchprozesse, Lieferantenvorqualifizierungen und Kaufentscheidungen autonom im Auftrag von Nutzern. Das Model Context Protocol, das Universal Commerce Protocol und Agent Pay schaffen eine neue Vermittlungsschicht zwischen Anbieter und Abnehmer — eine Schicht, die Anbieter in maschinenlesbarer, protokollkonformer Form voraussetzt. Wer das nicht ist, fällt aus automatisierten Prozessen heraus, bevor ein Mensch eine Entscheidung getroffen hat.

Was das für die eigene Betriebsbeobachtung bedeutet: Auftragseingang, Anfragevolumen, Conversion Rates zeigen ausschließlich, was den Filter bereits passiert hat. Was der Filter eliminiert, bleibt unsichtbar. Der Einkäufer erhält drei KI-Empfehlungen und kontaktiert diese drei. Die übrigen erfahren von dem Vorgang nichts.

Wer die Energiekosten senkt, die Ausbildung intensiviert und den Bürokratieaufwand reduziert, verbessert seine Betriebssituation — er verändert nicht die Ebene, auf der diese Weichenstellungen erfolgen. Warum der übliche Reflex auf diese Lage ebenfalls zu kurz greift, zeigt der zweite Teil.

Ralf Keuper ist Autor und Analyst. Auf seinem Blog EconLittera untersucht er regelmäßig Strukturfragen der Organisationsanalyse, Industriepolitik und Strategie – mit einem Schwerpunkt auf langfristigen Transformationsprozessen in Industrie und Mittelstand .