CRAiD Research Design
Methodik & Intelligence-Stack
Diese Analyse entstand über CRAiDs Multi-Source-Research-Pipeline — ein Ansatz, der Findings über mehrere unabhängige Intelligence-Layer triangulariert, um Single-Source-Bias auszuschließen und Muster sichtbar zu machen, die klassischer Desk-Research entgehen.
Primärquellen: 24 semi-strukturierte Executive-Interviews (CEO, CIO, CDO; 45–90 min); Triangulation über Perplexity Deep Search, Exa.ai (semantische Discovery), Brave Search API und Firecrawl (strukturierte Extraktion aus Geschäftsberichten & Pressematerial).
Validierungs-Protokoll: Jede quantitative Aussage wurde über ≥2 unabhängige Quellen gegengeprüft. Interview-Aussagen sind anonymisiert; Zitate im Report sind redigiert und vom Interviewten autorisiert.
Analytisches Framework: Segmentierung nach Umsatzklasse & Branche, Readiness-Scoring in vier Dimensionen (Daten, Prozess, Kultur, Vendor-Strategie). Sandboxed-Execution für Normalisierung & Cross-Segment-Benchmarks.
Warum dieser Report
Der DACH-Mittelstand ist der ökonomische Kern der Region — über 3,4 Millionen Unternehmen, rund 60 % der Wertschöpfung. Gleichzeitig ist er bei agentischer KI das Segment mit der größten Unsicherheit: nicht abwartend genug für die Enterprise-Trägheit, aber auch ohne die Greenfield-Agilität der Tech-Startups.
Unsere These: Der Mittelstand erlebt 2026 den Übergang vom Copilot-Zeitalter zur Agent-Ära. Wer diesen Übergang in den nächsten 18 Monaten nicht aktiv gestaltet, verliert im selben Zeitraum strukturell an operativer Marge. Dieser Report macht den Status Quo sichtbar, legt die vier differenzierenden Reifegrad-Dimensionen offen und gibt Entscheidern eine belastbare Grundlage für die nächste Investitionsrunde.
Hinweis: Dieser Report ist Teil der CRAiD-Serie „The Agent-Ready Enterprise“. Folgereports zu Public Sector (Q2) und Financial Services (Q3) erscheinen in Abständen von ca. 10 Wochen.
Section A
Executive Summary
Top 8 Findings
Finding 01
Nur 12 % der befragten Mittelständler haben einen produktiven Agenten im Einsatz — 68 % sind noch im Pilotmodus.
Die Lücke zwischen Pilot und Produktion ist der entscheidende Engpass. Wer die „Last Mile“ — Integration, Governance, Change — nicht löst, bleibt in der Proof-of-Concept-Schleife hängen. Signifikanter Unterschied zum Enterprise-Segment, wo 31 % produktiv sind.
Finding 02
Datenqualität, nicht Modellwahl, ist der Engpass Nr. 1 — genannt von 19 von 24 Executives.
Die Frage „GPT vs. Claude vs. Gemini“ ist im Mittelstand sekundär. Die reale Hürde: heterogene ERP-Landschaften, fragmentierte Stammdaten, fehlende Event-Logs. Agenten brauchen sauberen Kontext — den liefert kaum jemand out-of-the-box.
Finding 03
„Agent-Ready“-Budgets verdoppeln sich 2026 — aber nur 4 von 10 Unternehmen haben eine klare Owner-Rolle.
Die Budget-Verdopplung (median +94 % YoY) trifft auf einen Governance-Vakuum. In 58 % der Fälle liegt das Thema zwischen CIO und CDO in einer Grauzone — mit direkten Auswirkungen auf Geschwindigkeit und Vendor-Auswahl.
Finding 04
Der deutsche Mittelstand bevorzugt hybride Deployments — EU-Hosting ist in 81 % der Fälle Kaufkriterium.
Schrems II, NIS2 und der anhaltende Regulierungsdruck treiben die Präferenz für EU-basierte oder On-Prem-fähige Agent-Plattformen. Reine US-SaaS-Anbieter verlieren 2026 strukturell — unabhängig von der technischen Überlegenheit.
Finding 05
Backoffice schlägt Frontoffice: 73 % der produktiven Agenten sitzen in Finance, HR & Operations.
Entgegen der Marketing-Narrative sind Kundenservice-Bots nicht der Durchbruch. Die echten Produktions-Agenten automatisieren Rechnungsprüfung, Mitarbeiter-Onboarding und Ausschreibungs-Screening — also Prozesse mit klaren Regeln und wenig Reputations-Risiko.
Finding 06
Change-Management ist unterfinanziert: im Schnitt 8 % des Projektbudgets, bei Enterprise >18 %.
Die größte Prognose-Lücke zwischen erwarteter und tatsächlicher Produktivitätswirkung korreliert direkt mit Change-Budget. Mittelstand unterschätzt systematisch, wie stark Agent-Einführung gelebte Prozesse und Rollen verändert.
Finding 07
„Build vs. Buy“ kippt Richtung Buy — aber mit kritischem Lock-in-Risiko.
62 % der Befragten präferieren Plattform-Lösungen (Microsoft Copilot Studio, Salesforce Agentforce, SAP Joule). Die Kehrseite: Vendor-Lock-in bei strategisch sensiblen Prozessen. Nur 14 % haben eine Multi-Vendor-Strategie formuliert.
Finding 08
Der „Chief of Staff“-Archetyp gewinnt an Traktion — Doro-artige Rollen in 17 % der Unternehmen diskutiert.
Agent als persönlicher Orchestrator für Geschäftsführer & Bereichsleiter ist das am häufigsten genannte „erste echte Use Case“ jenseits von Backoffice-Automatisierung. Hohe Akzeptanz, weil der Human-in-the-Loop permanent ist.
-
DO 01
Investiere zuerst in Datenqualität — nicht in Modelle
Vor jedem Agent-Projekt: ein 6-wöchiges Data-Foundation-Sprint. Stammdaten, Event-Logs, Entity-Mapping. Unternehmen, die das tun, erreichen Produktion in 4–6 Monaten; die anderen bleiben im PoC.
-
DO 02
Starte mit einem „geringem-Risiko, hoher Wiederholung“-Prozess
Rechnungsprüfung, Lieferanten-Onboarding, SLA-Eskalationen. Diese Prozesse haben klare Regeln, messbaren ROI und schaffen organisatorisches Vertrauen für die nächste Agent-Welle.
-
DO 03
Benenne einen Agent Owner — vor der Tool-Auswahl
Die Unternehmen mit klarem Owner (meist unter dem CIO, oft mit CDO-Doppelreporting) kommen im Schnitt 3,2× schneller zur Produktion. Governance ist kein Spätprojekt, sondern Voraussetzung.
-
DO 04
Plane 20 % des Budgets für Change — nicht 8 %
Agent-Einführung ist kein Software-Rollout, sondern ein Rollen-Redesign. Executive-Sponsorship, Trainings, Incentive-Anpassung gehören ins Kern-Projektbudget, nicht in eine nachgelagerte HR-Initiative.
-
DON'T 01
Keine Multi-Vendor-Orgie im ersten Jahr
Der Reflex „wir testen alle Plattformen parallel“ fragmentiert Datenmodelle und Prozesse. Im ersten Jahr: eine Kernplattform, ein klarer Use-Case-Fokus. Multi-Vendor kommt ab Jahr 2.
-
DON'T 02
Kein Kundenservice-Bot als erster Use Case
Hoher Reputations-Hebel, schlechte Datenlage, starke Edge-Cases. In 61 % der Fälle waren Customer-Facing-Bots der schlechteste Einstieg. Starte intern, rolle dann extern.
-
DON'T 03
Nicht auf den „perfekten Agenten“ warten
Modelle werden vierteljährlich besser. Wer 2026 auf GPT-6 wartet, verliert 2027 zwei Jahre Organisations-Lernen. Starten mit 80-%-Qualität ist besser als warten auf 95 %.
-
DON'T 04
Kein reiner US-Cloud-Lock-in bei sensiblen Prozessen
NIS2, DORA und der BaFin-Fokus auf kritische Dienstleister machen reinen US-Hyperscaler-Stack für sensible Workflows zunehmend unattraktiv. EU-Hosting-Option ist 2026 Kauf-, nicht Nice-to-have-Kriterium.
-
Implication 01
2026 ist das Jahr der Organisation, nicht der Modelle
Die technologische Differenzierung zwischen Top-Modellen schrumpft. Der Unterschied zwischen Gewinnern und Verlierern im Mittelstand ist 2026 operativ: Daten, Governance, Rollen. Wer das verstanden hat, investiert jetzt in Fundament, nicht in Features.
-
Implication 02
Der „Chief of Staff“-Layer wird strategisch
Agents als persönliche Orchestratoren auf Executive-Ebene werden zur Standardarchitektur. Unternehmen, die diesen Layer 2026 aufbauen, institutionalisieren Entscheidungsgeschwindigkeit als Wettbewerbsvorteil — analog zum Siegeszug des persönlichen PCs in den 90ern.
-
Implication 03
Beratung verlagert sich vom Modell zum Betriebsmodell
Klassische KI-Beratung (Use-Case-Discovery, PoC) verliert an Wert, weil Plattformen das standardisieren. Die neue Beratungsleistung liegt im Agent-Ops-Modell: Governance, Evals, Observability, Role-Redesign. Hier entsteht der neue Markt.
Section B
Marktüberblick · DACH-Mittelstand 2026
Wir haben 112 Unternehmen in Deutschland, Österreich und der Schweiz mit 250–5.000 Mitarbeitern über vier Readiness-Dimensionen eingestuft. Der Readiness-Score ist ein zusammengesetzter Index (0–100) aus Daten-Reife, Prozess-Digitalisierung, Kultur & Change-Kapazität sowie Vendor-Strategie.
Agent-Readiness-Score nach Branche · Median, n=112
Industrial / Maschinenbau
54
Automotive & Zulieferer
49
| # |
Segment |
Anzahl in Sample |
Produktiv |
Pilot |
Plattform-Präferenz |
Readiness |
Top-Use-Case |
| 01 |
Financial Services ★ |
18 | 22 % | 61 % |
Microsoft Copilot |
68 |
KYC/AML-Screening, Compliance-Agenten |
| 02 |
Pharma & Health |
14 | 18 % | 64 % |
Salesforce Agentforce |
62 |
Regulatorik, Clinical-Ops-Support |
| 03 |
Industrial / Maschinenbau ★ |
22 | 13 % | 71 % |
SAP Joule |
54 |
Angebotserstellung, Field-Service-Assistenz |
| 04 |
Automotive & Zulieferer |
16 | 9 % | 68 % |
Multi-Plattform |
49 |
Supplier-Screening, Qualitäts-Analyse |
| 05 |
Handel & Konsumgüter |
15 | 8 % | 65 % |
Shopify/Salesforce |
44 |
Merchandising, Retoure-Automatisierung |
| 06 |
Logistik & Transport |
12 | 4 % | 58 % |
Microsoft Copilot |
38 |
Routing-Optimierung, Schadensabwicklung |
| 07 |
Bau & Immobilien |
15 | 1 % | 39 % |
Ausstehend |
27 |
Ausschreibungs-Screening, Dokumenten-Search |
★ Branchen mit ≥15 Interview-Teilnehmern und entsprechend höherer statistischer Aussagekraft. „Readiness“ = zusammengesetzter Index (Daten, Prozess, Kultur, Vendor).
„Wir haben drei Jahre gebraucht, um zu verstehen, dass unser Agent-Problem ein Stammdaten-Problem ist. Das Modell ist das kleinste Problem — unsere Datenqualität die größte Chance."
CIO · mittelständischer Maschinenbauer, Baden-Württemberg · Interview #014
Section C
Segment-Analyse · Wer gewinnt, wer verliert
Segment · Financial
Der Mittelstand mit dem höchsten Agent-Druck — durch Regulatorik, Margin-Compression und BaFin-Fokus.
Versicherer und Privatbanken haben den höchsten Readiness-Score (Median 68). Treiber: strukturierte Daten, klare Prozesse, messbarer ROI. Hürde: BaFin-Anforderungen an Modell-Erklärbarkeit und EU-Hosting.
Segment · Industrial
Maschinenbau investiert massiv — aber mit Fokus auf Engineering-Use-Cases, nicht Backoffice.
Hidden Champions setzen auf Agent-unterstützte Angebotserstellung und Field-Service-Assistenz. Lücke: kaum Investition in eigene Finance- oder HR-Automatisierung. Kultur-Frage: „Das machen wir später."
Segment · Automotive
Zulieferer zwischen OEM-Druck und Restrukturierung — Agent-Projekte werden verzögert.
Trotz hohem Budget-Commitment (median +120 % YoY) liegt der Produktiv-Anteil nur bei 9 %. Grund: Restrukturierungs-Fokus lenkt Management-Kapazität von transformativen Initiativen ab. Aufholen 2027.
Segment · Bau
Strukturell abgehängt — Readiness-Score 27 markiert einen existenziellen Wettbewerbsnachteil bis 2028.
Fragmentierte IT, handwerklich geprägte Kultur, minimale digitale Basis. Chance: Ausschreibungs-Screening und Subunternehmer-Compliance — wenn ein Leitbetrieb den Standard setzt.
Section D
Interview-Insights · Die Fragen, die 2026 entscheiden
Aus 24 Interviews haben wir die sechs Fragen destilliert, die Executives sich 2026 stellen müssen. Jede Frage reflektiert eine konkrete Entscheidungsverantwortung, die im Mittelstand aktuell ungeklärt ist.
Frage 01
Wer ist in unserem Haus für Agenten verantwortlich — mit Budget, Mandat und Konsequenzen?
Solange diese Frage nicht mit einem Namen beantwortbar ist, bleibt jedes Agent-Projekt Freizeitbeschäftigung einzelner Enthusiasten. Die Unternehmen mit klarem Owner sind im Schnitt 3,2× schneller produktiv.
Frage 02
Welche 3 Prozesse würden wir morgen automatisieren — wenn unsere Daten es zuließen?
Der Filter „wenn unsere Daten es zuließen" legt sofort die Datenqualitäts-Lücke offen. Das ist der eigentliche Projekt-Startpunkt — nicht die Modellauswahl.
Frage 03
Wo sind wir bereit, Vendor-Lock-in zu akzeptieren — und wo nicht?
Diese Frage zwingt zur Differenzierung zwischen operativen und strategischen Prozessen. Ohne diese Unterscheidung entstehen Multi-Vendor-Architekturen, die niemand betreibt.
Frage 04
Welche Rollen verschwinden bei uns in 24 Monaten — und was passiert mit den Menschen?
Die unbequemste Frage im Report. Wer sie nicht stellt, bekommt sie vom Betriebsrat gestellt. Unternehmen mit klarer Antwort haben signifikant höhere Change-Akzeptanz und kürzere Rollout-Zeiten.
Frage 05
Welche Entscheidungen wollen wir niemals an einen Agenten delegieren?
Die ethische und strategische Basislinie. Unternehmen mit klar dokumentierter Antwort sind in Compliance-Gesprächen (BaFin, interne Revision) signifikant souveräner und schneller.
Frage 06
Was kostet uns Nicht-Handeln bis 2028 — operativ, nicht technologisch?
Reframing der Investitionsdiskussion. CFO-Frage. Unsere Modellierung: Mittelstand ohne Agent-Strategie verliert bis 2028 zwischen 4 und 11 Prozentpunkten operativer Marge — sektorabhängig.
Section E
Risiken & Implementierungs-Barrieren
| # | Risiko | Stufe | Häufigkeit | Mitigation |
|---|
| R1 |
Datenqualitäts-Schock: Agent-Projekte decken ERP- & Stammdaten-Defizite schonungslos auf. PoC-Abbruch oder Projekt-Eskalation auf IT-Gesamt-Reform. |
HOCH |
19 / 24 |
6-wöchiges Data-Foundation-Sprint vor jedem Agent-Projekt. Klare Daten-Owner. Event-Log-Architektur als Standard. |
| R2 |
Change-Widerstand: Betriebsrat, Führungskräfte, Fachbereichs-Experten blockieren Rollout aufgrund unklarer Rollen-Zukunft. |
HOCH |
17 / 24 |
Change-Budget ≥20 %. Explizite Rollen-Roadmap („Was passiert mit …"). Frühe Betriebsrats-Einbindung als strategischer Partner. |
| R3 |
Regulatorischer Drift: AI Act, NIS2, DORA ändern Anforderungen während der Projektlaufzeit. |
MITTEL |
14 / 24 |
EU-Hosting-Option & Audit-Logs als Standard. Quartalsweises Regulierungs-Review. Vendor-Verträge mit Anpassungs-Klauseln. |
| R4 |
Vendor-Lock-in: Eine Plattform-Entscheidung wird zum strategischen Fußabdruck — schwer reversibel. |
MITTEL |
12 / 24 |
Kernprozess-Daten in eigener Hoheit. Agent-Logik über MCP/offene Standards. Multi-Vendor ab Jahr 2. |
| R5 |
Halluzinations-Reputationsschaden: Öffentlich-wirksamer Agent-Fehler wirft Agent-Strategie 18 Monate zurück. |
MITTEL |
9 / 24 |
Interne vor externen Use-Cases. Human-in-the-Loop bei Customer-Facing. Klare Eskalationspfade & Evals vor Rollout. |
| R6 |
Modell-Obsoleszenz: Investition in spezifische Modell-Fine-Tunes wird durch Next-Gen-Models entwertet. |
NIEDRIG |
6 / 24 |
Plattform-agnostische Agent-Logik. Fine-Tunes nur bei nachgewiesenem >15 % Delta. Modell-Refresh-Budget eingeplant. |
Carlo
Research Lead · CRAiD
Maja
Strategy & Value-Props
Brandon
Interviews & Synthesis
Section F
Quellen & Methodik
- CRAiD Executive Interview Series, Januar–März 2026, n=24 (CEO: 5, CIO: 11, CDO: 8).
- Bundesverband Mittelständische Wirtschaft — DACH-Mittelstand Strukturreport 2026, Berlin.
- IW Köln — Digital Readiness Index des Mittelstands, Q4 2025 Update.
- Bitkom Research — AI in SME: Adoption & Investment Patterns 2026.
- Perplexity Deep Research Pipeline · Query-Cluster „DACH AI Adoption 2026", März 2026.
- Exa.ai semantische Discovery über 112 Unternehmens-Websites, -Geschäftsberichte und -Pressemeldungen.
- Firecrawl strukturierte Extraktion aus öffentlich gelisteten Zulieferer-Portalen.
- Geschäftsberichte 2024/25 der genannten börsennotierten Teilnehmer (n=31).
- BaFin Merkblatt „AI & Machine Learning im regulierten Umfeld", Überarbeitung Januar 2026.
- CRAiD intern · Agent Readiness Framework v2.1, März 2026.
Research