Familienunternehmen und KI: Geduld braucht einen Anfang

Familienunternehmen denken in Generationen. Das ist ihre größte Stärke. Bei Daten und KI wird diese Stärke manchmal zur Schwäche.

Die Logik, die überall sonst funktioniert

Wer in Generationen denkt, trifft andere Entscheidungen als wer in Quartalen denkt. Keine kurzfristige Kostensenkung auf Kosten der Substanz. Keine Entlassungswelle, um den nächsten Aktionärsbericht schönzurechnen. Investitionen, die sich erst in zehn Jahren auszahlen, aber getätigt werden, weil das Unternehmen in zehn Jahren noch da sein soll. Das ist eine gute Logik, und sie hat viele Familienunternehmen durch Krisen gebracht, an denen andere zerbrochen sind.

Bei Daten und KI wirkt dieselbe Logik manchmal anders, als sie gemeint ist. "Wir schauen uns das erstmal an" kann zu "wir schauen uns das seit drei Jahren an" werden. Die Geduld, die beim Maschinenpark oder beim Immobilienbesitz eine Tugend ist, braucht beim Thema Daten irgendwann einen bewussten nächsten Schritt, sonst bleibt sie stehen.

Warum ausgerechnet dieses Thema wartet

Ich glaube, das liegt selten an Ignoranz. Es liegt an etwas sehr Menschlichem. Wer ein Unternehmen über Jahrzehnte geführt hat, ist es gewohnt, der oder die Erfahrenste im Raum zu sein. Beim Produktionsprozess, bei der Lieferantenbeziehung, bei der Preisverhandlung: da sitzt das Wissen von Jahrzehnten. Bei KI verschiebt sich das plötzlich. Jüngere Kolleg:innen bringen wie selbstverständlich Begriffe und Tools ein, mit denen die Geschäftsführung noch nicht gearbeitet hat. Das ist keine Frage der Kompetenz, sondern eine ungewohnte Rollenverteilung, und die darf erstmal befremdlich sein.

Dazu kommt oft ein zweiter, sehr vernünftiger Grund: ein gesundes Misstrauen gegenüber Hypes. Wer lange genug im Geschäft ist, hat schon viele Trends kommen und wieder verschwinden sehen, bevor sich die Investition gelohnt hätte. Diese Vorsicht hat das Unternehmen oft genug vor Fehlentscheidungen bewahrt. Bei Daten und KI lohnt es sich trotzdem, genauer hinzuschauen, weil sich hier nicht nur ein Werkzeug ändert. Es ändert sich grundlegend die Art zu arbeiten: wie schnell Informationen verfügbar sind, wie viele Zwischenschritte ein Prozess noch braucht, wie Entscheidungen im Unternehmen künftig getroffen werden. Das Tempo, in dem gearbeitet werden kann, verschiebt sich, nicht nur das Werkzeug, mit dem gearbeitet wird.

Was das Warten wirklich kostet

Das Risiko beim Warten zeigt sich auf zwei Ebenen, die oft getrennt betrachtet werden, aber zusammengehören. Die eine ist der Wettbewerb: Unternehmen, die früher anfangen, sammeln früher Erfahrung, früher saubere Daten, früher belastbare Prozesse. Dieser Vorsprung lässt sich später nur schwer aufholen, gerade weil Datenarbeit kumulativ ist. Wer drei Jahre später startet, holt diese drei Jahre selten einfach auf.

Die andere Ebene wird seltener ausgesprochen, ist aber genauso real: dass die nächste Generation das Unternehmen gar nicht erst übernimmt.

Ich habe das in Gesprächen öfter gehört, als mir lieb ist. Kinder, die im Unternehmen groß geworden sind, die es kennen und eigentlich lieben, und die sich am Ende trotzdem dagegen entscheiden. Nicht wegen der Maschinen, sondern wegen der Art, wie Entscheidungen getroffen werden. Wer im Studium oder im ersten Job mit anderen Standards gearbeitet hat und im eigenen Betrieb dann die gewachsene Excel-Landschaft sieht, liest daraus schnell: Hier ist für mich nichts vorgesehen.

Dieses Signal lässt sich aber auch umkehren. Gerade beim Thema Daten bringt die jüngere Generation oft genau das mit, was gebraucht wird. Die ungewohnte Rollenverteilung, von der ich oben geschrieben habe, kann dann zur Einladung werden: nicht ein fertiges Unternehmen zu übernehmen, sondern eines mitzugestalten.

Zwei Gründe also, das Thema nicht auf später zu schieben: der Wettbewerb und, oft unterschätzt, die nächste Generation.

Wie ein erster Schritt aussehen kann

Ich rate niemandem, sofort ein großes KI-Projekt zu starten, nur um zu zeigen, dass man dabei ist. Das würde genau die Fehler wiederholen, über die ich schon geschrieben habe: schnelle Ernte statt Wurzeln. Aber ein Anfang muss nicht groß sein, um wirksam zu sein.

Ein erster Schritt kann sein, überhaupt eine Person zu benennen, die für Daten, Digitalisierung und KI verantwortlich ist, auch ohne großen Titel und großes Budget. Er kann sein, sich einmal ehrlich anzuschauen, wo im Unternehmen mit Excel-Tabellen gearbeitet wird, die eigentlich ein System bräuchten, und diese eine Stelle zuerst anzugehen. Er kann sein, ein einziges kleines, konkretes Problem zu lösen, sauber und mit gutem Datenfundament, statt eine große Strategie zu schreiben, die dann im Schrank landet. Genau für diesen ersten Schritt, das Identifizieren und Priorisieren erster Anwendungsfälle, biete ich auch einen Workshop an.

Tempo zählt dabei durchaus, nur anders, als der erste Impuls oft nahelegt. Es geht nicht darum, schnell ein großes Projekt durchzuziehen. Es geht darum, schnell viele kleine Erfahrungen zu sammeln: schnell im geschützten Rahmen auf die Nase zu fallen, schnell wieder aufzustehen, und daraus zu lernen, bevor der erste Fehler teuer wird.

Was ich mir wünsche