ChatGPT im Unternehmen: 8 Anwendungsfälle für den Mittelstand

Was bedeutet ChatGPT-Integration im Unternehmen?

ChatGPT-Integration im Unternehmen bedeutet, ein Sprachmodell wie GPT über eine Programmierschnittstelle (API) an eigene Systeme anzubinden, zum Beispiel an das E-Mail-Postfach, das CRM, das Ticketsystem oder die Dokumentenablage. Das Modell arbeitet dann im Hintergrund eines Prozesses und nicht mehr in einem Chatfenster, in das ein Mitarbeiter Texte kopiert.

Der Begriff wird oft mit der Nutzung von ChatGPT verwechselt. Beides ist sinnvoll, löst aber verschiedene Aufgaben.

Viele Unternehmen beginnen mit Lizenzen und merken nach einigen Monaten, dass die größte Zeitersparnis dort liegt, wo niemand mehr kopieren muss. An dieser Stelle beginnt Integration.

Acht Anwendungsfälle für den Mittelstand

Die folgenden acht Fälle funktionieren in kleinen und mittleren Unternehmen zuverlässig, weil sie klar abgegrenzt sind und ein Mensch das Ergebnis prüfen kann.

Wo der Einstieg am leichtesten ist

Die Fälle 1, 2 und 6 eignen sich als Start, weil sie auf einem einzigen Eingangskanal aufsetzen und kein Risiko entsteht, solange ein Mensch den Entwurf freigibt. Ein typischer erster Ablauf lautet: Formular oder E-Mail kommt an, die KI ordnet ein, ein Eintrag im CRM entsteht, das Team bekommt eine Benachrichtigung. So ein Ablauf ist in ein bis drei Tagen eingerichtet.

Wo mehr Vorarbeit nötig ist

Wissenssuche und Chatbots brauchen gepflegte Dokumente. Die Technik dahinter heißt Retrieval-Augmented Generation (RAG): Das Modell bekommt zu jeder Frage die passenden Textstellen aus den eigenen Unterlagen und antwortet nur auf dieser Grundlage. Sind die Unterlagen veraltet, ist es die Antwort auch. Mehr dazu unter Chatbots mit Firmenwissen.

Welche Wege der Integration gibt es?

Es gibt vier Wege, die sich in Aufwand und Kontrolle unterscheiden.

• Lizenzen für Mitarbeiter: ChatGPT in einem Geschäftstarif. Schnell eingeführt, aber ohne Anbindung an Prozesse.
• Eingebaute KI in vorhandener Software: Viele CRM-, Helpdesk- und Office-Programme bringen eigene KI-Funktionen mit. Bequem, aber auf das jeweilige Programm beschränkt.
• Workflow-Werkzeuge: Plattformen wie n8n verbinden Systeme und rufen das Modell als einen Schritt im Ablauf auf. Das ist der übliche Weg für die ersten Integrationen. Beispiele stehen im Beitrag KI-Automatisierung mit n8n.
• Eigene Entwicklung: Eine programmierte Anbindung für Fälle mit hohen Mengen oder besonderen Anforderungen.

Das Modell selbst ist austauschbar. Ob GPT von OpenAI, Claude von Anthropic oder ein selbst betriebenes Modell wie Llama oder Mistral dahinter arbeitet, hängt von Datenschutzbedarf, Sprachqualität und Kosten ab. Eine saubere Integration lässt den Wechsel zu.

Was kostet eine ChatGPT-Integration?

Die Kosten bestehen aus zwei Teilen: der einmaligen Einrichtung und dem laufenden Verbrauch.

Der Verbrauch wird nach Tokens abgerechnet, also nach der Menge an Text, die das Modell liest und schreibt. Bei typischen Mengen im Mittelstand, etwa einigen hundert E-Mails oder Chat-Anfragen am Tag, liegen die API-Kosten bei 20 bis 200 € im Monat. Erst bei sehr hohem Verbrauch, ab etwa 500 € im Monat, lohnt sich der Betrieb eines eigenen Modells.

Die Einrichtung hängt davon ab, wie viele Systeme angebunden werden und wie sauber deren Schnittstellen sind. Ein einzelner Ablauf mit einem Eingangskanal ist eine Sache von Tagen. Eine Wissenssuche über mehrere Ablagen mit Rechtekonzept ist ein Projekt von Wochen. NIMTEG kalkuliert KI-Projekte individuell und nennt nach einem kostenlosen Erstgespräch innerhalb von 48 Stunden einen schriftlichen Festpreis.

Ist ChatGPT im Unternehmen DSGVO-konform nutzbar?

Ja, wenn vier Bedingungen erfüllt sind. Entscheidend ist, über welchen Zugang das Modell genutzt wird.

• Geschäftszugang statt Privat-Account: OpenAI verwendet Daten aus der API und aus den Geschäftstarifen nach eigenen Angaben standardmäßig nicht zum Training. Für private Accounts gilt das nicht automatisch.
• Auftragsverarbeitungsvertrag: Mit dem Anbieter muss ein Vertrag nach Art. 28 DSGVO bestehen. OpenAI, Microsoft und Anthropic bieten ihn an.
• Verarbeitung in der EU: Über Azure OpenAI in einer EU-Region oder über die EU-Datenresidenz von OpenAI lassen sich Daten in Europa verarbeiten. Für besonders vertrauliche Daten kommt ein selbst betriebenes Modell in Frage.
• Datensparsamkeit: Nur die Daten übergeben, die der Schritt braucht. Namen und Kontaktdaten lassen sich oft vor der Übergabe entfernen.

Dazu kommt die KI-Verordnung der EU. Art. 4 verlangt, dass Mitarbeiter, die KI-Systeme einsetzen, ausreichend geschult sind. Art. 50 verlangt, dass Menschen erkennen können, wenn sie mit einer KI kommunizieren, etwa in einem Chatbot. Eine interne Richtlinie von einer Seite reicht für den Anfang: welche Werkzeuge erlaubt sind, welche Daten nicht eingegeben werden dürfen und wer Ergebnisse freigibt. Dieser Abschnitt ersetzt keine Rechtsberatung.

Wo liegen die Grenzen?

Sprachmodelle machen Fehler, und sie machen sie in überzeugendem Ton. Drei Grenzen sollte jedes Unternehmen kennen.

• Erfundene Angaben: Ohne Zugriff auf verlässliche Quellen füllt ein Modell Lücken mit plausibel klingenden Aussagen. RAG mit Quellenangabe und die Anweisung, bei fehlender Grundlage „weiß ich nicht“ zu antworten, senken das Risiko deutlich.
• Rechnen und exakte Daten: Summen, Fristen und Bestände gehören in eine Datenbank oder ein Rechenwerkzeug und sollten vom Modell nur abgefragt werden.
• Entscheidungen: Kündigungen, Kreditentscheidungen, Diagnosen oder verbindliche Angebote bleiben beim Menschen. Die KI liefert den Entwurf.

Die praktische Regel lautet: Die KI bereitet vor, ein Mensch gibt frei. Je höher der mögliche Schaden eines Fehlers, desto enger die Freigabe.

In fünf Schritten zur ersten Integration

1. Einen Prozess wählen: Eine Aufgabe, die täglich vorkommt, nach festen Regeln läuft und Zeit kostet.
2. Daten und Zugänge prüfen: Welche Systeme sind beteiligt, gibt es Schnittstellen, welche Daten sind personenbezogen?
3. Prototyp mit echten Beispielen: Zwanzig bis fünfzig echte Fälle durchlaufen lassen und die Ergebnisse bewerten.
4. Freigabe einbauen: Festlegen, wo ein Mensch prüft und was bei Unsicherheit passiert.
5. Messen und ausbauen: Nach vier Wochen Zeitersparnis und Fehlerquote prüfen, dann den nächsten Prozess angehen.

NIMTEG setzt solche Integrationen für Unternehmen in Kiel, Schleswig-Holstein und remote in ganz Deutschland um, wahlweise mit GPT über Azure in der EU, mit Claude oder mit selbst betriebenen Modellen. Die Leistungen stehen unter KI-Integration und Prozess-Automation & CRM. Wie sich KI an Odoo, Zammad oder ein CRM anbinden lässt, beschreibt der Beitrag KI in bestehende Software integrieren.