Zielgruppen- & Entscheider-Analyse

Management-Zusammenfassung

Wer für Geschäftsführer schreibt, muss zwei Dinge auseinanderhalten, die leicht verschwimmen: was über diese Zielgruppe belegbar ist (Verbreitung, Segmente, messbare Hürden) und was plausible Interpretation ihrer Entscheidungslogik ist. Dieses Dokument trennt beides strikt. Belegte Zahlen tragen ihre Quelle; alles andere ist als Synthese oder Persona gekennzeichnet.

Die belegbare Ausgangslage: KI ist im deutschen Unternehmensbestand angekommen, aber längst nicht durchgesetzt — und wie hoch die Verbreitung genau ist, hängt stark davon ab, wen man zählt. Nach Bitkom nutzten 2025 rund 36 % der Unternehmen ab 20 Beschäftigten KI, fast eine Verdopplung gegenüber dem Vorjahr. Nach KfW Research, das auch Kleinst- und Kleinunternehmen einbezieht, liegt der Mittelstand bei rund 20 %. Beide Zahlen sind korrekt — sie messen nur Unterschiedliches. Genau diese Spanne ist die erste wichtige Erkenntnis über die Zielgruppe: Der „Geschäftsführer" ist keine homogene Gruppe. Ein Solo-Unternehmer, ein 15-Personen-Handwerksbetrieb und ein Mittelständler mit 400 Beschäftigten leben in verschiedenen KI-Realitäten.

Über alle Segmente hinweg zeigt sich eine belegte Kernaussage: Nicht die Größe entscheidet über KI-Adoption, sondern der Digitalisierungsgrad, das vorhandene Know-how und die Innovationsneigung (KfW). Das verschiebt den Hebel für die Buchreihe: Der entscheidende Engpass ist selten Geld oder Firmengröße, sondern Verständnis und Zutrauen. Genau dort setzt die Reihe an (Entzaubern → Einordnen → Selbst bauen).

Interpretativ — und als solche gekennzeichnet — lassen sich daraus die typischen Muster der Entscheidungslogik ableiten: Ein Geschäftsführer entscheidet über KI nicht wie ein Technikkäufer, sondern wie ein Risikoträger. Er fragt nicht zuerst „Was kann das Modell?", sondern „Was kostet es mich, was riskiere ich, wer haftet, und woran merke ich, dass es sich lohnt?" Wer ihn erreichen will, muss in dieser Reihenfolge antworten. Die verbreiteten Ängste (Datenschutz, Kontrollverlust, Fehlinvestition, Abhängigkeit, rechtliche Haftung) sind nicht irrational, sondern rationale Reaktionen auf reale Unsicherheit — und die Dokumente 1 und 2 dieser Serie adressieren genau sie.

Kernaussagen mit Einzelquellen

These 1 — KI-Nutzung in deutschen Unternehmen ist stark gestiegen, aber die exakte Quote hängt von der Definition ab. Bitkom (ab 20 Beschäftigte): 36 % im Jahr 2025. KfW (inkl. Kleinstunternehmen): rund 20 %. Quellen: Bitkom, Presseinformation „Durchbruch bei Künstlicher Intelligenz" (Befragung KW 27–32/2025, 604 Unternehmen ab 20 Beschäftigten), https://www.bitkom.org/Presse/Presseinformation/Durchbruch-Kuenstliche-Intelligenz (abgerufen 08/2026); KfW Research, Fokus Volkswirtschaft Nr. 554, Juli 2026, https://www.kfw.de/PDF/Download-Center/Konzernthemen/Research/PDF-Dokumente-Fokus-Volkswirtschaft/Fokus-2026/Fokus-Nr.-554-Juli-2026-KI_Mittelstand.pdf (abgerufen 08/2026).

These 2 — Der Sprung ist historisch groß: KfW misst im Mittelstand rund 20 % (Zeitraum 2022–2024) gegenüber nur 4 % (2016–2018). Quelle: KfW Research, Fokus Nr. 554, Juli 2026 (ebd.).

These 3 — Ausschlaggebend für Adoption ist weniger die Unternehmensgröße als der Digitalisierungsgrad, das Know-how und die Innovativität. Quelle: KfW Research, Fokus Nr. 554, Juli 2026 (ebd.).

These 4 — Die Skepsis kippt: Nur noch 17 % der Unternehmen halten KI für irrelevant (Vorjahr 41 %); 47 % planen oder diskutieren den Einsatz. Quelle: Bitkom, Presseinformation (ebd.).

These 5 — Branche prägt die Adoption stark: wissensbasierte Dienstleister führen, das Baugewerbe bildet das Schlusslicht. Quelle: KfW Research, Fokus Nr. 554, Juli 2026 (ebd.).

Hinweis zu weiteren Quellen: IHK-Organisationen, ZDH (Handwerk) und OECD veröffentlichen ergänzende Erhebungen zu KI im Mittelstand. Konkrete Prozentwerte daraus sind in diesem Dokument bewusst nicht genannt, solange sie nicht einzeln gegen die Primärquelle geprüft sind (UNKLAR bis zur Verifikation) — sie stehen auf der Refresh-Liste in Kapitel 9.

Segmentierung: Es gibt nicht „den" Geschäftsführer

Für die Buchreihe ist die wichtigste analytische Leistung, die Zielgruppe zu zerlegen. Drei Achsen sind praktisch trennscharf (Synthese, gestützt auf die Größen- und Digitalreife-Befunde von KfW):

Achse A — Größe/Struktur:

• Solo- und Kleinstunternehmer (bis ca. 9 Beschäftigte): Der Geschäftsführer *ist*

das Unternehmen. Keine IT-Abteilung, kein Datenschutzbeauftragter, kein Budget für Berater. Entscheidungen fallen schnell, aus dem Bauch, mit knapper Zeit. KI wird hier als persönliches Produktivitätswerkzeug erlebt, nicht als Organisationsprojekt.

• Kleine und mittlere Betriebe (ca. 10–249 Beschäftigte, klassischer Mittelstand):

Hier existieren erste Strukturen (eine IT-Person, ein externer Datenschützer, ein Steuerberater). Der GF delegiert bereits, muss aber selbst entscheiden. Dies ist das Kernsegment der Reihe.

• Größerer Mittelstand / gehobener Mittelstand (250+): Eigene IT, ggf. CIO,

Rechtsabteilung, Betriebsrat. Der GF entscheidet strategisch und über Governance, nicht über einzelne Tools. Hier greifen Mitbestimmung (Dokument 1, Kapitel 10) und formale KI-Governance früher.

Achse B — Digitalreife (laut KfW der stärkere Prädiktor als Größe): von „arbeitet im Kern noch analog/mit Insellösungen" bis „durchdigitalisiert, datengetrieben". Ein kleiner, aber digital reifer Betrieb adoptiert KI leichter als ein großer, aber digital rückständiger. (Quelle: KfW Research, Fokus Nr. 554, Juli 2026, ebd.)

Achse C — Branche: wissensbasierte Dienstleistungen (Beratung, IT, Finanzen, Medien) als Vorreiter; Handwerk und Bau als Nachzügler; Industrie/produzierendes Gewerbe dazwischen. (Quelle: KfW Research, ebd.)

Praktische Folge für die Reihe: Ein einziger Ton trifft diese Segmente nicht. Der Solo-Unternehmer braucht „was bringt mir das morgen früh", der Mittelständler braucht „wie führe ich das kontrolliert ein, ohne mich angreifbar zu machen". Beide eint aber der fehlende Technikhintergrund — und genau dort ist die Reihe positioniert.

Verbreitung und Dynamik (belegt)

Die belegbare Faktenlage in Kürze (alle Zahlen mit Quelle in Kapitel 2):

• Der Trend ist eindeutig steil nach oben. Bitkom misst nahezu eine Verdopplung der

Nutzung binnen eines Jahres (von 20 % auf 36 % bei Unternehmen ab 20 Beschäftigten).

• Die absolute Höhe bleibt moderat, wenn man Kleinstunternehmen einbezieht (KfW: rund

20 % im Mittelstand). Das heißt: Die Mehrheit der kleineren Betriebe nutzt KI noch *nicht* systematisch — der Markt für „Verstehen und Einsteigen" ist groß.

• Die Einstellung kippt schneller als die Nutzung: Der Anteil derer, die KI für

irrelevant halten, ist laut Bitkom von 41 % auf 17 % gefallen. Das ist für die Reihe bedeutsam: Die Abwehrhaltung „brauche ich nicht" weicht der Ratlosigkeit „ich weiß, ich müsste, aber ich verstehe es nicht" — die eigentliche Zielgruppen-Emotion.

Diese Konstellation — hohe wahrgenommene Relevanz, niedrige tatsächliche Kompetenz — ist die kommerzielle Grundlage der Reihe. Der Engpass ist Verständnis, nicht Interesse. (Interpretation, gestützt auf die belegten Bitkom-/KfW-Zahlen.)

Entscheidungslogik: Wie ein Geschäftsführer über KI entscheidet

Dieses Kapitel ist ausdrücklich Synthese/Interpretation. Es beschreibt ein plausibles, aus der allgemeinen Unternehmens- und Investitionslogik abgeleitetes Muster, keine empirisch je Person gemessene Tatsache.

Ein Geschäftsführer entscheidet über KI selten entlang technischer Kriterien. Er entscheidet entlang von Risiko, Kosten, Nutzen und Kontrolle — in etwa dieser Reihenfolge:

1. Problem zuerst, nicht Technik. Der Einstieg ist ein Schmerzpunkt (zu viel

Zeit für Angebote, Rückstand im Support, teure Routinearbeit), nicht die Faszination am Modell. Wer mit „was KI alles kann" beginnt, verliert ihn; wer mit „welches Problem kostet Sie gerade Geld" beginnt, gewinnt ihn.

1. Baseline und Messbarkeit. Die rationale Investitionsfrage lautet: Was kostet

der Ist-Zustand, und woran messe ich Verbesserung? Ohne Baseline ist jeder ROI eine Behauptung. Geschäftsführer, die selbst gebaut haben, wissen: Der schwierigste Teil ist nicht die KI, sondern die ehrliche Vorher-Messung.

1. Risiko und Reversibilität. Kann ich klein anfangen, ohne mich zu ruinieren oder

angreifbar zu machen? Ein reversibler, eng umrissener Pilot ist attraktiv; ein großer, schwer umkehrbarer Umbau schreckt ab. (Verzahnung mit Dokument 2, Autonomie und Reversibilität.)

1. Budget und Opportunität. Nicht „was kostet das Tool", sondern „was kostet es

inklusive Einführung, Schulung, Kontrolle, Wartung — und was könnte ich mit demselben Geld sonst tun?"

1. Haftung und Kontrolle. „Wenn das schiefgeht, wer haftet, und kann ich es

stoppen?" Diese Frage ist bei nicht-technischen Geschäftsführern oft die stärkste Bremse — und die berechtigtste (Dokument 1).

Ein informelles Scoring, wie ein GF es faktisch (oft implizit) vornimmt, kombiniert diese Achsen: erwarteter Nutzen × Wahrscheinlichkeit des Gelingens, geteilt durch Kosten × Risiko. Wer die Reihe schreibt, kann diesen impliziten Rechenweg explizit und handhabbar machen — das ist ein konkreter Mehrwert für Dokument 4 (Playbook).

Ängste, Auslöser, Einwände

Typische Ängste (Synthese, teils belegbar über die Hürden-Berichterstattung von Bitkom/KfW): Datenschutz und Datenabfluss; Kontrollverlust und Fehler, die man nicht bemerkt; Fehlinvestition in Hype, der wieder verschwindet; Abhängigkeit von einem Anbieter; rechtliche Haftung (die Dokument 1 bearbeitet); Wirkung auf die Belegschaft (Angst, Widerstand, Betriebsrat); der eigene Kompetenzmangel („ich kann nicht beurteilen, ob mein Dienstleister mir Unsinn verkauft").

Auslöser fürs Handeln (Synthese): Wettbewerber, der sichtbar schneller/günstiger wird; ein konkreter, schmerzhafter Engpass (Fachkräftemangel, Arbeitsrückstau); ein Kunde/Lieferant, der KI-Fähigkeit erwartet; ein Aha-Erlebnis mit einem Alltagswerkzeug; Druck aus dem eigenen Team. Der stärkste Auslöser ist selten Neugier, sondern konkreter Druck — verbunden mit dem Gefühl, gerade noch Zeit zum Aufholen zu haben.

Typische Einwände (Synthese) und ihre ehrliche Entgegnung:

• „Zu teuer." → Die relevante Frage ist der Vergleich mit den Kosten des Ist-Zustands,

nicht der absolute Preis. Aber: nicht jeder Fall lohnt sich; das ehrlich zu sagen schafft Vertrauen.

• „Datenschutz verbietet das." → Oft nicht verboten, sondern regelungsbedürftig

(Dokument 1). Pauschale Verbote sind meist Ausdruck von Unsicherheit, nicht von Rechtslage.

• „Meine Branche ist zu speziell." → Häufig ein Erkennungsmerkmal fehlender

Use-Case-Klarheit, nicht tatsächlicher Untauglichkeit.

• „Ich habe niemanden, der das kann." → Der berechtigste Einwand. Kompetenzaufbau ist

real der Engpass (Dokument 4).

• „Das ist doch nur Hype." → Teilweise zutreffend; die Aufgabe der Reihe ist gerade,

Substanz von Hype zu trennen (roter Faden „Entzaubern").

Die glaubwürdigste Ansprache nimmt die Einwände ernst statt sie wegzuwischen. Ein nicht-technischer Geschäftsführer erkennt Verkaufsrhetorik sofort und reagiert allergisch darauf. Vertrauen entsteht durch das Benennen von Grenzen, nicht durch Euphorie.

Sprache und Ansprache

(Synthese, unmittelbar aus den Segment- und Angst-Befunden abgeleitet.)

Was zieht: konkrete Probleme und Zahlen aus der eigenen Welt des Lesers; klare Sprache ohne Anglizismen-Nebel; ehrliche Grenzen und Risiken; nachvollziehbare Schritt-für-Schritt-Logik; die Haltung „Sie müssen kein Techniker werden, aber Sie müssen entscheiden können". Was abschreckt: Fachjargon und Buzzwords; Heilsversprechen und Dringlichkeitsdruck; Herablassung („eigentlich ganz einfach"); abstrakte Technikerklärungen ohne Entscheidungsbezug; Beispiele aus Konzernwelten, die mit dem Alltag eines 30-Personen-Betriebs nichts zu tun haben.

Der Ton, der diese Zielgruppe trägt, ist der eines erfahrenen, unaufgeregten Beraters, der die Sprache des Unternehmers spricht, seine Risikoscheu respektiert und ihm zutraut, kluge Entscheidungen zu treffen, sobald er die Lage versteht. Das ist exakt die Positionierung der Reihe.

Persona-Skizzen (Synthese, nicht empirisch)

Die folgenden drei Personas sind konstruierte Verdichtungen der Segmentanalyse, keine realen Personen und keine Umfrageergebnisse. Sie dienen als Schreib- und Prüfhilfe.

Persona 1 — „Der Solo-Macher" (Kleinstunternehmen). Mitte 40, Dienstleister, 5 Mitarbeiter, kein IT-Wissen, wenig Zeit. Nutzt vielleicht schon ein Sprachmodell für Texte, aber unsystematisch und mit vagem Datenschutz-Bauchgefühl. Braucht: schnelle, sichere, konkrete erste Schritte und die Beruhigung, nichts falsch zu machen. Fürchtet: Datenpanne, Blamage, verschwendetes Geld.

Persona 2 — „Die Mittelstands-Lenkerin" (KMU, ~80 Beschäftigte). Führt einen etablierten Betrieb, delegiert IT an eine Person und Recht an externe Dienstleister, spürt Wettbewerbsdruck und Fachkräftemangel. Braucht: ein Vorgehen, das kontrolliert, rechtssicher und dokumentiert ist, ohne sie zu überfordern. Fürchtet: Haftung, Betriebsratskonflikt, Abhängigkeit, Fehlinvestition.

Persona 3 — „Der skeptische Patriarch" (gehobener Mittelstand). Erfolgreich seit Jahrzehnten, misstraut Moden, hat schon teure IT-Projekte scheitern sehen. Braucht: Entzauberung und harte Kriterien, um Hype von Substanz zu trennen, plus Belege statt Versprechen. Fürchtet: als altmodisch zu gelten *und* auf einen Hype hereinzufallen — beides zugleich.

Diese drei decken die Spannbreite der Reihe ab: Einstieg (Persona 1), kontrollierte Einführung (Persona 2), kritische Entzauberung (Persona 3).

Meinung vs. Fakt — und die Refresh-Liste

Klar belegt (Fakt): die Verbreitungszahlen und ihre Dynamik (Bitkom, KfW, mit den genannten Definitionen und Stichproben); der Befund, dass Digitalreife stärker wirkt als Größe; die Branchenreihenfolge; der Einstellungswandel (Irrelevanz-Anteil 41 % → 17 %).

Interpretation/Synthese (klar als solche gekennzeichnet): die Entscheidungslogik (Kapitel 5), die Angst-/Auslöser-/Einwand-Muster (Kapitel 6), Sprache (Kapitel 7) und alle Personas (Kapitel 8). Diese sind plausibel und aus den Fakten abgeleitet, aber nicht je Einzelaussage empirisch gemessen.

Quellen:

• Bitkom, Presseinformation „Durchbruch bei Künstlicher Intelligenz" (Befragung

KW 27–32/2025, 604 Unternehmen ab 20 Beschäftigten) — https://www.bitkom.org/Presse/Presseinformation/Durchbruch-Kuenstliche-Intelligenz (abgerufen 08/2026)

• Bitkom Research / Studienbericht „Künstliche Intelligenz 2025" —

https://bitkom-research.de/studien/kuenstliche-intelligenz-2025 (abgerufen 08/2026)

• KfW Research, Fokus Volkswirtschaft Nr. 554, Juli 2026, „Einsatz von Künstlicher

Intelligenz im Mittelstand" — https://www.kfw.de/PDF/Download-Center/Konzernthemen/Research/PDF-Dokumente-Fokus-Volkswirtschaft/Fokus-2026/Fokus-Nr.-554-Juli-2026-KI_Mittelstand.pdf (abgerufen 08/2026)

• KfW Research, Fokus Nr. 533, Februar 2026 (Vorgängerausgabe zum selben Thema) —

https://www.kfw.de/PDF/Download-Center/Konzernthemen/Research/PDF-Dokumente-Fokus-Volkswirtschaft/Fokus-2026/Fokus-Nr.-533-Februar-2026-KI-Mittelstand.pdf (abgerufen 08/2026)

Schnell veraltend / noch zu verifizieren (Refresh-Liste):

• Alle Prozentzahlen: Adoption steigt schnell; jährlich neu erheben und mit „Stand"

versehen.

• IHK-Erhebungen (z. B. DIHK-Konjunktur-/Digitalisierungsumfragen), ZDH

(Handwerks-KI-Zahlen) und OECD (z. B. „The adoption of AI in firms"): konkrete Werte vor Zitation einzeln gegen die Primärquelle prüfen — hier bewusst noch UNKLAR.

• Destatis / Eurostat: amtliche KI-Nutzungsstatistik der Unternehmen als

Referenzgröße ergänzen (Definition: Unternehmen ab 10 Beschäftigten) — Wert verifizieren, nicht schätzen.

• Bitkom vs. KfW: bei jeder Aktualisierung die Definitions-/Stichprobenunterschiede

mitschreiben, sonst wirken die Zahlen widersprüchlich.

*Ende Dokument 3.*