KI-Einstieg ohne KI-Abteilung: vier Agenten, eine Plattform
Beim 7. Workshop „KI im Mittelstand“ in Dresden haben wir mit der GWS gezeigt, wie aus einem Pilot-Chatbot vier produktive Agenten und eine firmenweite Plattform werden. Ohne eigene KI-Abteilung.
Am 22. September 2026 waren wir von wonk.ai beim 7. Workshop „Künstliche Intelligenz im Mittelstand“ in Dresden. Nicht nur zum Zuhören. In der Postersession haben wir gemeinsam mit der GWS (Gesellschaft für wirtschaftliche Strukturforschung, Osnabrück) und der Hochschule Bielefeld Ergebnisse aus einem laufenden Kooperationsprojekt vorgestellt.
Den Workshop hatten wir im August angekündigt: KI in KMU Workshop 2026: wir sind dabei. Hier der Bericht, was auf dem Poster stand und was wir mitnehmen.
Die Ausgangslage: zu klein für eine Abteilung, zu speziell für Standardberatung
Die Leitfrage des Beitrags war bewusst unspektakulär: Wie findet ein Forschungsinstitut, das zu klein für eine eigene KI-Abteilung und zu speziell für Standardberatung ist, einen produktiven Einstieg in den Einsatz von KI?
Diese Lage ist typisch für viele mittelständische Forschungseinheiten und Fachabteilungen. Eine eigene KI-Einheit wirtschaftlich zu tragen, lohnt sich oft nicht. Vergleichbare Häuser mit einschlägiger Erfahrung sind selten. Klassische Beratung liefert selten die fachliche Tiefe, die ein spezialisiertes Institut braucht. Die Anwendungsfelder sind trotzdem klar: Publikationsbestand, Modellprogrammierung, Angebots- und Ausschreibungsbearbeitung.
Die GWS ist ein 1996 gegründetes Wirtschaftsforschungsinstitut in Osnabrück mit rund 30 wissenschaftlichen Mitarbeitenden. Der dritte Weg, den wir gezeigt haben, ist eine Kooperation aus Unternehmen, Hochschule und KI-Dienstleister.
Das Ergebnis steht in der Unterzeile des Posters: Aus einem einzigen Pilot-Chatbot sind bei der GWS vier produktive KI-Agenten und eine firmenweite Plattform entstanden.
Jan Plassenberg, Jannik Daßler, Lisa Becker (GWS), Benjamin Vehmeyer, Hans Brandt-Pook (HSBI) und Frederik S. Bäumer (wonk.ai).
Drei Rollen, vier Phasen
Die Initiative kam von der GWS. Erste interne Tests zeigten: Auswahl und Integration sind ohne fachliche Begleitung kaum zuverlässig zu leisten. Eine klassische Beratungsfirma passte nicht zum Profil. Ein einzelner Software-Dienstleister hätte die strategische Einordnung nicht getragen.
Deshalb drei Rollen, die sich über die Laufzeit verschieben:
GWS bringt das Domänenwissen. Ein bereichsübergreifendes Projektteam identifiziert Use Cases, priorisiert sie und überführt sie in den Regelbetrieb.
HSBI (AG Angewandte KI) bringt anwendungsorientierte Forschung und Methodenkompetenz: Bedarfsanalyse, Übersetzung in technische Konzepte, erste Prototypen.
wonk.ai übernimmt Implementierung und Betrieb: Plattform, Integration der Prototypen, Hosting und Support.
Die vier Phasen machen sichtbar, wer wann trägt:
- Erkundung: Entscheidung und Bedarfsanalyse. Tragend: GWS und HSBI.
- Aufbau: Prototypen und Plattform. Ab hier kommt wonk.ai dazu.
- Rollout: Erprobung, Freigabe, Einführung. Alle drei Partner.
- Verstetigung: Betrieb und Weiterentwicklung. Die GWS trägt den Alltag, HSBI und wonk.ai bleiben beratend.
Genau das meinen wir, wenn wir von einem externen Team sprechen: nicht Zulieferung auf Zuruf, sondern geteilte Verantwortung, mit einem klaren Weg, auf dem das Haus den Betrieb selbst halten kann.
Vom Pilot zur Agentenfamilie
Der Einstieg war ein RAG-Chatbot über den Publikationsbestand der GWS. Ziel: verteiltes Erfahrungswissen zugänglich machen, statt es in Köpfen und Ordnern zu lassen.
Drei weitere Use Cases folgten demselben Schnitt: wiederkehrende, klar abgegrenzte Aufgaben, für die strukturierte Daten oder Texte schon da waren.
RAG-Chatbot. Zugriff auf institutseigenes Erfahrungswissen. Quelle: Publikationsbestand der GWS.
C++-Tutor. Einarbeitung neuer Mitarbeitender in C++. Quelle: internes Tutorium.
Angebotsprüfung. Vollständigkeitsprüfung erstellter Angebote gegen die Leistungsbeschreibung des Auftraggebers.
Ausschreibungssuche. Recherche öffentlicher Ausschreibungen und Förderbekanntmachungen, unter anderem über service.bund.de und das BMFTR.
Nicht „wir machen jetzt KI“, sondern vier abgegrenzte Aufgaben mit messbarem Alltagswert. Das war am Poster der Punkt, an dem die meisten Nachfragen begannen.
Plattform statt Einzelwerkzeug
Technische Basis ist LibreChat, gehostet von wonk.ai, mit Zugang zu Sprachmodellen von Anthropic und OpenAI. Die Agenten werden über System-Prompts konfiguriert. Das GWS-Projektteam kann sie anpassen, ohne Programmieren zu müssen.
Für die Ausschreibungssuche kommt ein MCP-Server dazu: parallele Suche über parametrisierte Feeds, Dublettenfilter, Suchbegriffe und CPV-Codes in einer Konfigurationsdatei. Die Fachlogik bleibt beim Institut, die Plattform liefert den Rahmen.
Die Lehre daraus ist nüchtern. Ein einzelner Bot in einem extra Fenster bleibt ein Pilot. Eine Plattform, auf der das Team selbst Use Cases nachziehen kann, wird Betrieb.
Was wir gelernt haben
Drei organisatorische und drei technische Punkte haben wir auf dem Poster festgehalten. In den Gesprächen in Dresden kamen sie fast immer wieder.
Verantwortlichkeiten und Kompetenzen müssen früh im Haus sitzen, nicht erst nach dem Go-live. Der regelmäßige Dreiklang GWS, HSBI und wonk.ai schärft Anforderungen und macht Missverständnisse sichtbar, bevor sie teuer werden.
KI-Plattformen unterscheiden sich im Funktionsumfang erheblich. Die Auswahl gehört an den Projektanfang, nicht in die Mitte. Das Sprachmodell wird je Use Case gewählt, nicht pauschal für das ganze Haus.
Und die zentrale Voraussetzung für produktive Agenten sind klar definierte Use Cases. Agentenbasierte Lösungen haben sich gegenüber rein promptbasiertem Arbeiten durchgesetzt. Der kontinuierliche Austausch zwischen den Partnern war der eigentliche Erfolgsfaktor, nicht das einzelne Modell.
Stand und nächste Schritte
Die Plattform ist bei der GWS firmenweit ausgerollt. Vier Agenten laufen im Regelbetrieb. HSBI und wonk.ai bleiben nach Projektabschluss beratend an Bord.
Als Nächstes soll KI schrittweise in die Kernbereiche: Unterstützung bei wissenschaftlicher C++-Programmierung (Refactoring, Dokumentation, Tests) und strukturierte Rechercheantworten aus der bestehenden RAG-Struktur.
Vom einzelnen Chatbot über vier Agenten zur Plattform, und von dort in die Kernarbeit. Das ist der Bogen, den wir in Dresden gezeigt haben.
Was der Tag sonst gezeigt hat
Der Workshop hat den Bogen gehalten, den wir uns erhofft hatten: wenig Buzzwords, viel konkrete Anwendung.
Am Vormittag ging es um Sprachmodelle, multimodale Systeme und industrielle Bildverarbeitung. Die Hochschule Bielefeld war unter anderem mit der Evaluation leichtgewichtiger Vision-Language-Modelle und mit dem Projekt TRACES vertreten.
Nach der Postersession lag der Fokus auf KI-Adoption und dem Menschen im Mittelstand. Das passte zum Poster. Ohne zuständige Menschen bleibt auch das beste Modell ein Pilot im Schrank.
Was wir mitnehmen
Der Engpass im Mittelstand ist selten die Technologie. Es fehlt an Kapazität, an Ownership und an einem Weg über die Demo hinaus.
Kooperation schlägt Abteilungsgründung, zumindest am Anfang. Wer wartet, bis eine eigene KI-Einheit steht, verliert Zeit. Wer einen Partner nur als Zulieferer behandelt, bleibt abhängig. Das Modell trägt, wenn alle drei Seiten Verantwortung teilen: Fachlichkeit, Methode, Betrieb.
Ergebnisse muss man zeigen können. Bei der GWS heißt das heute: vier Agenten im Regelbetrieb und eine Plattform, auf der das Institut selbst weiterbauen kann.
Wir danken GWS und der HSBI für die gemeinsame Arbeit und den offenen Austausch in Dresden. Und wir danken den Organisatorinnen und Organisatoren des Workshops.
Wer selbst vor der Frage steht, wie der KI-Einstieg ohne eigene Abteilung aussehen kann, schreibt uns.
Weitere Informationen zum Workshop: kikmu-workshop.de