Wenn Unternehmen über KI reden, reden sie fast immer über dasselbe: ein Chatfenster. Man tippt etwas rein, es kommt etwas raus, alle sind kurz beeindruckt. Und dann? Dann macht man weiter wie vorher.
Das Interessante passiert woanders. Nämlich da, wo KI gar nicht mit dir spricht, sondern einfach eine Aufgabe erledigt, die vorher jemand von Hand machen musste. Bei uns läuft so etwas seit ein paar Monaten — auf einem Mac Mini, der in einem Regal steht und ansonsten niemanden stört.
Das Problem hieß bei uns: Scanner-Kauderwelsch
Jedes Unternehmen hat Papier. Rechnungen, Bescheide, Verträge, Belege. Wir scannen das seit Jahren digital ein, und damit fing das eigentliche Problem erst an.
Denn was der Scanner ausspuckt, heißt SKM_C224e20260714_0001.pdf. Das ist kein Dateiname, das ist eine Autokennzeichen-Verlosung. Der Inhalt ist ein Bild, kein Text — die Suche findet also nichts. Und wer später die Stromabrechnung von Juli sucht, öffnet eben eine Datei nach der anderen, bis er sie hat.
Das haben wir jahrelang von Hand ausgeglichen: Datei öffnen, kurz reinschauen, sinnvoll umbenennen, in den richtigen Ordner ziehen. Pro Dokument 30 Sekunden. Bei einem normalen Wochenstapel läppert sich das auf bis zu 1,5 Stunden. Jede Woche. Für eine Arbeit, bei der niemand kreativ wird und die trotzdem gemacht werden muss.
Was heute stattdessen passiert
Der Ablauf ist unspektakulär, und genau das ist der Punkt.
Der Scanner legt seine Datei ab. Das Modell auf dem Mac Mini nimmt sie sich, liest den Inhalt, erkennt worum es geht — Absender, Datum, Dokumentart — und schreibt daraus einen sprechenden Dateinamen samt Schlagworten. Danach liegt das Dokument durchsuchbar im Archiv.
Kein Klick von uns. Wir merken das nur daran, dass die Arbeit weg ist.
Wichtig für die Einordnung: Wir haben das nicht nach dem ersten erfolgreichen Durchlauf für fertig erklärt. Es gab mehrere Testläufe mit echten Dokumenten, inklusive der unangenehmen Fälle — schief eingescannt, blasser Thermodruck, handschriftliche Notiz am Rand. Erst als das über Wochen stabil lief, haben wir den manuellen Schritt wirklich gestrichen. Die Geschwindigkeit ist dabei nicht spektakulär, aber völlig ausreichend: Das Ding arbeitet den Stapel ab, während wir etwas anderes tun.
Warum das ausgerechnet jetzt funktioniert
Zwei Dinge sind zusammengekommen.
Die Modelle sind gut geworden, ohne riesig zu sein. Wir arbeiten mit Gemma 4 in der 12-Milliarden-Parameter-Variante — einem offenen Modell von Google, das seit Juni 2026 verfügbar ist. Das Besondere daran: Es versteht Bilder und Ton direkt, ohne dass man ein zweites Programm für die Texterkennung davorschalten muss. Genau das braucht man, wenn ein Scan verarbeitet werden soll.
Die Hardware steht schon da. Ein Mac Mini M4 mit 16 GB kostet weniger als ein guter Bürostuhl und schafft Modelle in dieser Größenordnung flüssig. Realistisch liegt die Obergrenze bei 16 GB irgendwo bei 12 bis 14 Milliarden Parametern — darüber wird es eng, und dann hilft nur mehr Arbeitsspeicher. Aber für Aufgaben wie unsere reicht das dicke.
Man braucht also keinen Serverschrank und kein Projektbudget. Man braucht einen Rechner, der sowieso rumsteht, und eine klar umrissene Aufgabe.
Der Punkt, der bei uns den Ausschlag gab
Es geht um Rechnungen, Bescheide, Verträge. Da stehen Kundennamen drin, Kontonummern, Beträge, manchmal Gesundheitsdaten. Solche Dokumente lädt man nicht mal eben zu einem Anbieter hoch, dessen Server in einem anderen Rechtsraum stehen.
Lokal stellt sich die Frage gar nicht erst. Die Datei liegt auf unserem Gerät, wird auf unserem Gerät gelesen und bleibt auf unserem Gerät. Nichts geht raus. Nichts wird nebenbei zum Training eines großen Modells verwendet. Kein Vertrag, keine Auftragsverarbeitung, keine Diskussion über Serverstandorte.
Und jetzt der Teil, den andere gern weglassen: Lokal heißt nicht automatisch DSGVO-fertig. Zweckbindung, Datenminimierung, Löschfristen, Auskunftsrechte, gegebenenfalls eine Datenschutz-Folgenabschätzung — das alles bleibt deine Aufgabe. Lokale Verarbeitung nimmt dir den größten und unangenehmsten Brocken ab, nämlich die Weitergabe an Dritte. Den Rest musst du trotzdem sauber machen.
Für wen sich das lohnt
Die ehrliche Antwort: nicht für jeden und nicht für alles. Ein kleines Modell schreibt dir keine Strategie und ersetzt kein Spitzenmodell aus der Cloud, wenn es um wirklich anspruchsvolles Denken geht.
Aber es gibt eine ganze Klasse von Aufgaben, bei denen genau das auch niemand braucht:
- Wiederkehrend — dieselbe Handbewegung, jede Woche aufs Neue
- Klar umrissen — es gibt ein richtig und ein falsch, kein Geschmacksurteil
- Vertraulich — die Daten sollen das Haus nicht verlassen
- Nervig — niemand im Team macht das gern, und niemand muss es können
Sortieren, benennen, verschlagworten, zusammenfassen, Daten aus Formularen ziehen, Eingänge vorsortieren. Nichts davon ist glamourös. Alles davon frisst Zeit.
Was ich daraus mitgenommen habe
Der größte Denkfehler bei KI im Unternehmen ist die Frage „Welches Modell ist das beste?". Die bessere Frage lautet: „Welche Aufgabe nervt uns jede Woche — und ist sie klar genug beschreibbar, dass eine Maschine sie übernehmen kann?"
Wenn die Antwort ja lautet, reicht überraschend oft ein kleines Modell auf einem Rechner im Regal. Kein Abo, keine Cloud, keine Daten unterwegs. Nur eine Aufgabe weniger auf der Liste.
Bei uns ist es der Papierkram. Bei dir ist es vielleicht etwas ganz anderes — und genau darüber reden wir am liebsten.