Künstliche Intelligenz nutzen ohne Milliarden-Budget: Wie österreichische KMUs mit Micro-KI-Strategien gegen Tech-Giganten bestehen

Die Digitalisierung hat eine neue Realität geschaffen, in der künstliche Intelligenz nicht länger ein Privileg der Tech-Giganten ist. Während Unternehmen wie Google und Microsoft Milliarden in KI-Entwicklung investieren, können österreichische KMUs heute mit gezielten Micro-KI-Strategien beeindruckende Ergebnisse erzielen. Bei KI-Alpin beobachten wir täglich, wie mittelständische Unternehmen durch clevere Implementierungen ihre Marktposition stärken. Die Herausforderung liegt nicht in der Größe des Budgets, sondern in der strategischen Herangehensweise. Mit der richtigen KI-Beratung von KI-Alpin können auch kleinere Unternehmen die Vorteile der digitalen Transformation nutzen und sich gegen größere Konkurrenten behaupten.

Die Macht der Micro-KI: Kleine Schritte, große Wirkung

Micro-KI-Strategien unterscheiden sich grundlegend von traditionellen KI-Implementierungen durch ihren schrittweisen, kosteneffizienten Ansatz. Anstatt komplexe Systeme von Grund auf zu entwickeln, fokussieren sich diese Strategien auf spezifische Geschäftsprozesse mit hohem Optimierungspotenzial. In meiner Arbeit mit österreichischen KMUs habe ich festgestellt, dass Unternehmen mit Micro-KI-Ansätzen durchschnittlich 60 bis 80 Prozent weniger Investitionskapital benötigen als bei traditionellen KI-Projekten.

Der entscheidende Vorteil liegt in der schnellen ROI-Realisierung. Während große KI-Projekte oft Monate oder Jahre bis zur Rentabilität benötigen, können Micro-KI-Lösungen bereits nach wenigen Wochen messbare Verbesserungen liefern. Diese Agilität ermöglicht es KMUs, flexibel auf Marktveränderungen zu reagieren und ihre KI-Strategie kontinuierlich anzupassen. Die Kosteneffizienz entsteht durch die Nutzung bestehender Cloud-Services, Open-Source-Tools und standardisierter APIs, die keine umfangreiche IT-Infrastruktur erfordern.

Der Spotify-Ansatz als Inspiration für österreichische KMUs

Spotify begann seine KI-Reise nicht mit einem Milliarden-Budget, sondern mit gezielten Mikro-Implementierungen in der Musikempfehlung. Das Unternehmen startete mit einfachen Algorithmen zur Playlist-Generierung und erweiterte schrittweise seine KI-Fähigkeiten. Dieser Ansatz lässt sich erfolgreich auf österreichische KMUs übertragen, wobei die Prinzipien der schrittweisen Skalierung und datengetriebenen Entscheidungsfindung im Mittelpunkt stehen.

Für KMUs bedeutet dies konkret, mit einem spezifischen Anwendungsfall zu beginnen. Ein Salzburger Maschinenbauunternehmen könnte beispielsweise mit der KI-gestützten Wartungsplanung starten, bevor es die Technologie auf andere Bereiche ausweitet. Die Schlüsselstrategie liegt in der Identifikation von Quick Wins, also Bereichen, in denen KI schnell und messbar zur Effizienzsteigerung beiträgt. Diese ersten Erfolge schaffen die notwendige Akzeptanz und das Budget für weitere KI-Projekte im Unternehmen.

Praktische Micro-KI-Implementierungen für österreichische KMUs

Marketing und Kundenakquise durch intelligente Automatisierung

Der Marketingbereich bietet für KMUs besonders attraktive Einstiegsmöglichkeiten in die KI-Welt. Automatisierte Lead-Qualifizierung durch intelligente Chatbots kann die Konversionsrate um 20 bis 40 Prozent steigern, während gleichzeitig personelle Ressourcen für strategische Aufgaben freigesetzt werden. Bei der Implementierung nutzen wir bei KI-Alpin bewährte Tools wie Chatfuel oder ManyChat, die ohne Programmierkenntnisse konfiguriert werden können.

E-Mail-Marketing-Optimierung durch KI-gestützte Segmentierung ermöglicht es Unternehmen, ihre Zielgruppen präziser anzusprechen. Machine Learning-Algorithmen analysieren das Verhalten der Empfänger und optimieren automatisch Versandzeitpunkte, Betreffzeilen und Inhalte. Ein Wiener Handwerksbetrieb konnte durch diese Strategie seine Öffnungsraten um 35 Prozent und die Anfragen um 40 Prozent steigern. Die Implementierung erfolgte über kostengünstige Plattformen wie Mailchimp oder Klaviyo, die KI-Funktionen bereits integriert haben.

Social Media Content-Generierung mit Tools wie dem kostenlosen KI-Bildgenerator von Microsoft Designer revolutioniert die Content-Erstellung für KMUs. Diese Plattformen ermöglichen es Unternehmen, professionelle visuelle Inhalte zu erstellen, ohne teure Grafikdesigner beschäftigen zu müssen. Die Kombination aus KI-generiertem Content und strategischer Planung kann die Social Media Reichweite um bis zu 50 Prozent erhöhen.

Betriebsoptimierung und Effizienzsteigerung durch Predictive Analytics

Predictive Maintenance revolutioniert die Instandhaltung von Maschinen und Anlagen in produktionsorientierten KMUs. Durch die Analyse von Sensordaten können KI-Systeme Ausfälle vorhersagen, bevor sie auftreten. Ein Salzburger Produktionsbetrieb konnte durch diese Technologie seine ungeplanten Ausfallzeiten um 30 Prozent reduzieren und gleichzeitig die Wartungskosten um 15 Prozent senken. Die Implementierung erfolgte über Cloud-basierte IoT-Plattformen wie Microsoft Azure IoT oder Amazon AWS IoT, die Pay-per-Use-Modelle anbieten.

Intelligente Lagerbestandsverwaltung nutzt Machine Learning-Algorithmen zur Optimierung von Bestellmengen und Lieferzeitpunkten. Diese Systeme berücksichtigen saisonale Schwankungen, Markttrends und Lieferantenperformance, um Lagerkosten zu minimieren und Verfügbarkeit zu maximieren. KMUs können hierfür spezialisierte SaaS-Lösungen wie TradeGecko oder Zoho Inventory nutzen, die KI-Funktionen bereits integriert haben und keine große Anfangsinvestition erfordern.

Automatisierte Rechnungsverarbeitung und Buchhaltung durch Optical Character Recognition (OCR) und Natural Language Processing reduziert den manuellen Aufwand in der Verwaltung erheblich. Tools wie DATEV oder Sage nutzen bereits KI-Technologien zur automatischen Kategorisierung und Verbuchung von Belegen. Diese Lösungen können die Bearbeitungszeit von Eingangsrechnungen um bis zu 70 Prozent verkürzen.

Kundenservice und Support durch intelligente Automatisierung

KI-gestützte FAQ-Systeme und Wissensdatenbanken verbessern die Kundenerfahrung erheblich, während sie gleichzeitig das Support-Team entlasten. Natural Language Processing ermöglicht es Kunden, ihre Fragen in natürlicher Sprache zu stellen und sofort relevante Antworten zu erhalten. Ein Tiroler IT-Dienstleister konnte durch ein intelligentes FAQ-System seine Kundenzufriedenheit um 25 Prozent steigern und gleichzeitig 40 Prozent der Standardanfragen automatisiert beantworten.

Intelligente Ticketing-Priorisierung nutzt Machine Learning-Algorithmen zur automatischen Bewertung und Weiterleitung von Kundenanfragen. Das System erkennt dringende Probleme anhand von Schlüsselwörtern und Kundenhistorie und leitet diese an die entsprechenden Spezialisten weiter. Diese Automatisierung reduziert die durchschnittliche Bearbeitungszeit um 30 bis 50 Prozent.

Sentiment-Analyse für Kundenfeedback ermöglicht es Unternehmen, die Stimmung ihrer Kunden in Echtzeit zu überwachen und proaktiv auf negative Entwicklungen zu reagieren. Tools wie MonkeyLearn oder IBM Watson Natural Language Understanding können Social Media Posts, Bewertungen und E-Mails analysieren und automatisch Alerts bei kritischen Themen versenden.

Investment-Trends und Budget-Realitäten für österreichische KMUs

Aktuelle KI-Investment-Landschaft und ETF-Performance

Die Investmentlandschaft für künstliche intelligenz aktien hat sich in den letzten Jahren dramatisch entwickelt. KI-ETFs haben die Märkte revolutioniert und bieten Anlegern diversifizierte Exposure zu KI-Technologien. Jedoch müssen KMUs nicht direkt in teure KI-Aktien investieren, um von der Technologie zu profitieren. Die Liste der Artificial Intelligence ETFs zeigt eine Vielzahl von Investmentoptionen, aber für operative KI-Implementierungen sind direkte Tool-Investitionen oft kosteneffizienter.

Alternative Finanzierungsmodelle für KI-Projekte umfassen Leasing-Optionen für KI-Software, Pay-per-Use-Modelle für Cloud-Services und staatliche Förderungen für Digitalisierungsprojekte. Die österreichische Wirtschaftskammer bietet spezielle Förderprogramme für KI-Implementierungen in KMUs, die bis zu 50 Prozent der Projektkosten abdecken können. Bei der Beratung unserer Kunden bei KI-Projekte und Case Studies nutzen wir regelmäßig diese Fördermöglichkeiten zur Kostenoptimierung.

Kosteneffektive KI-Tools und Plattformen für den Mittelstand

Microsoft Designer und andere kostenlose KI-Tools haben die Einstiegshürden für KMUs erheblich gesenkt. Künstliche intelligenz bilder erstellen ist heute ohne Designkenntnisse möglich, während künstliche intelligenz text umschreiben Tools wie GPT-basierte Plattformen die Content-Erstellung revolutionieren. Diese kostenlosen oder kostengünstigen Tools ermöglichen es Unternehmen, erste KI-Erfahrungen zu sammeln, bevor sie in spezialisierte Lösungen investieren.

Open-Source-Lösungen bieten für technisch versierte KMUs eine kostengünstige Alternative zu kommerziellen Angeboten. Frameworks wie TensorFlow, PyTorch oder Hugging Face Transformers sind kostenfrei verfügbar und bieten umfangreiche KI-Funktionalitäten. Allerdings erfordern sie technische Expertise und Entwicklungsressourcen, die nicht alle KMUs zur Verfügung haben.

Cloud-basierte KI-Services mit Pay-per-Use-Modellen eliminieren hohe Anfangsinvestitionen und ermöglichen eine skalierbare Kostenstruktur. Amazon AWS, Microsoft Azure und Google Cloud Platform bieten umfangreiche KI-Services, die nur bei tatsächlicher Nutzung berechnet werden. Diese Flexibilität ist besonders für KMUs attraktiv, die ihre KI-Nutzung schrittweise ausbauen möchten.

Schritt-für-Schritt-Anleitung zur Micro-KI-Implementierung

Analyse und Strategieentwicklung als Fundament

Die erfolgreiche Implementierung von Micro-KI beginnt mit einer gründlichen Analyse der bestehenden Geschäftsprozesse und der Identifikation von Optimierungspotenzialen. Bei KI-Alpin führen wir systematische Workshops mit den Führungsteams durch, um die größten Schmerzpunkte im Unternehmen zu identifizieren. Diese Analyse umfasst eine quantitative Bewertung der Prozesseffizienz, Kostentreiber und Zeitaufwände sowie eine qualitative Einschätzung der Mitarbeiterzufriedenheit und Kundenfeedbacks.

Die Bewertung von KI-Potenzialen erfolgt anhand spezifischer Kriterien wie Datenqualität und -verfügbarkeit, Automatisierungspotenzial, erwarteter ROI und Implementierungsaufwand. Quick Wins werden priorisiert anhand ihrer Realisierbarkeit und ihres Geschäftsimpacts. Ein typisches Quick Win könnte die Automatisierung der Terminvereinbarung oder die intelligente Weiterleitung von E-Mail-Anfragen sein.

Budgetplanung und Ressourcenzuteilung erfordern eine realistische Einschätzung der verfügbaren Mittel und der notwendigen internen Kapazitäten. Micro-KI-Projekte beginnen oft mit Budgets zwischen 5.000 und 15.000 Euro, abhängig von der Komplexität und dem Umfang der ersten Implementierung. Die Ressourcenzuteilung sollte sowohl technische als auch Change Management-Aspekte berücksichtigen.

Pilot-Projekte und erste Implementierungen

Die Auswahl geeigneter Micro-KI-Lösungen basiert auf den Erkenntnissen der Analysephase und fokussiert sich auf Bereiche mit dem höchsten Erfolgspotenzial. In meiner Erfahrung bei KI-Alpin sind Chatbots für den Kundenservice, automatisierte E-Mail-Klassifizierung und einfache Predictive Analytics die erfolgreichsten Einstiegsprojekte für KMUs. Diese Lösungen bieten schnelle Ergebnisse und erfordern relativ geringe technische Komplexität.

Die Testphase umfasst typischerweise vier bis sechs Wochen, in denen das KI-System parallel zu bestehenden Prozessen läuft. Erfolgsmessung erfolgt anhand vorab definierter KPIs wie Bearbeitungszeit, Fehlerrate, Kundenzufriedenheit oder Kostenreduktion. Regelmäßige Statusmeetings und Anpassungen sind essentiell für den Projekterfolg.

Mitarbeiter-Schulung und Change Management sind kritische Erfolgsfaktoren, die oft unterschätzt werden. Künstliche intelligenz text-basierte Systeme erfordern eine Eingewöhnung der Nutzer, um ihr volles Potenzial zu entfalten. Schulungsprogramme sollten sowohl technische Aspekte als auch die Vorteile für die tägliche Arbeit vermitteln. Widerstand gegen Veränderungen kann durch transparente Kommunikation und die Einbindung von Schlüsselpersonen überwunden werden.

Skalierung und Optimierung für nachhaltigen Erfolg

Erfolgreiche Pilotprojekte bilden die Basis für die Ausweitung der KI-Aktivitäten auf weitere Unternehmensbereiche. Die Skalierungsstrategie sollte eine logische Reihenfolge berücksichtigen, bei der neue KI-Implementierungen auf den Erkenntnissen und der Infrastruktur vorheriger Projekte aufbauen. Integration verschiedener KI-Tools erfordert eine durchdachte Systemarchitektur, um Datensilos zu vermeiden und Synergieeffekte zu maximieren.

Kontinuierliche Verbesserung und Anpassung sind essentiell für den langfristigen Erfolg von KI-Systemen. Machine Learning-Modelle müssen regelmäßig mit neuen Daten trainiert und an veränderte Geschäftsbedingungen angepasst werden. Eine monatliche Review der KI-Performance und vierteljährliche Optimierungszyklen haben sich in der Praxis bewährt.

Herausforderungen und Lösungsansätze für nachhaltige KI-Implementierung

Technische Hürden überwinden ohne große IT-Abteilung

Begrenzte IT-Ressourcen sind eine der häufigsten Herausforderungen für KMUs bei der KI-Implementierung. Cloud-basierte SaaS-Lösungen reduzieren die technische Komplexität erheblich und ermöglichen es Unternehmen ohne große IT-Abteilungen, KI-Technologien zu nutzen. Managed Services von Anbietern wie Microsoft, Google oder Amazon übernehmen die technische Infrastruktur und Updates, sodass sich KMUs auf die Geschäftslogik konzentrieren können.

Datenqualität und -verfügbarkeit sind fundamentale Voraussetzungen für erfolgreiche KI-Implementierungen. Viele KMUs unterschätzen den Aufwand für Datenbereinigung und -strukturierung. In meiner Beratungspraxis bei KI-Alpin investieren wir deshalb 30 bis 40 Prozent der Projektzeit in die Datenaufbereitung. Automatisierte Data Quality Tools können diesen Prozess beschleunigen und die langfristige Datenqualität sicherstellen.

Sicherheits- und Datenschutzaspekte erfordern besondere Aufmerksamkeit, insbesondere im Kontext der DSGVO. KI-Systeme müssen so konzipiert werden, dass sie Datenschutzprinzipien wie Privacy by Design und Data Minimization einhalten. Cloud-Anbieter mit Rechenzentren in der EU bieten DSGVO-konforme Lösungen, die für KMUs oft praktikabler sind als eigene Server-Infrastrukturen.

Organisatorische Widerstände durch strategisches Change Management

Mitarbeitende für KI-Veränderungen zu gewinnen erfordert eine ausgewogene Kommunikationsstrategie, die sowohl die Vorteile als auch die Herausforderungen transparent adressiert. Ängste vor Arbeitsplatzverlust können durch die Betonung der unterstützenden Rolle von KI und die Aufwertung menschlicher Tätigkeiten gemildert werden. Erfolgsstories aus ähnlichen Unternehmen und praktische Demonstrationen der KI-Vorteile überzeugen oft mehr als theoretische Erklärungen.

Führungsebene überzeugen und einbinden erfordert eine klare Darstellung des Business Cases und der strategischen Vorteile. ROI-Berechnungen, Competitive Analysis und Markttrends sollten die Argumentationsgrundlage bilden. Executive Dashboards mit KI-Performance-Metriken schaffen Transparenz und ermöglichen datengestützte Entscheidungen auf Führungsebene.

Schrittweise Kulturveränderung implementieren ist ein langfristiger Prozess, der über die technische Implementierung hinausgeht. Eine datengetriebene Unternehmenskultur entwickelt sich durch regelmäßige Schulungen, Best Practice Sharing und die Integration von KI-Metriken in Leistungsbewertungen. Champions-Programme, bei denen frühe Adopter ihre Kollegen unterstützen, haben sich als besonders effektiv erwiesen.

Zukunftsausblick: KI-Trends für österreichische Unternehmenslandschaft

Emerging Technologies mit besonderem KMU-Potenzial

No-Code und Low-Code KI-Plattformen werden die Demokratisierung der KI-Technologie weiter vorantreiben. Plattformen wie Microsoft Power Platform, Google AppSheet oder Bubble ermöglichen es Geschäftsanwendern ohne Programmierkenntnisse, KI-gestützte Anwendungen zu entwickeln. Diese Entwicklung reduziert die Abhängigkeit von spezialisierten Entwicklern und verkürzt Implementierungszeiten erheblich.

Edge AI für lokale Implementierungen gewinnt an Bedeutung, insbesondere für KMUs mit sensiblen Daten oder kritischen Latenzanforderungen. Durch die Verarbeitung von Daten direkt am Entstehungsort können Datenschutzbedenken reduziert und Reaktionszeiten verkürzt werden. Moderne Edge-Computing-Geräte bieten ausreichende Rechenleistung für viele KI-Anwendungen und ermöglichen autonome Systeme ohne permanente Cloud-Verbindung.

Branchenspezifische KI-Lösungen entwickeln sich zu einem wichtigen Wachstumsbereich, da sie vorkonfigurierte Funktionalitäten für spezifische Geschäftsprozesse bieten. Einzelhandel, Produktion, Gesundheitswesen und Finanzdienstleistungen profitieren von spezialisierten KI-Lösungen, die Branchenkenntnisse und technische Expertise kombinieren. Diese Lösungen reduzieren Implementierungsaufwand und -risiko für KMUs.

Langfristige Wettbewerbsvorteile durch strategische KI-Nutzung

Aufbau von KI-Kompetenzen im Unternehmen ist eine strategische Investition in die Zukunftsfähigkeit. Interne KI-Schulungsprogramme, Partnerschaften mit Bildungseinrichtungen und kontinuierliche Weiterbildung schaffen die notwendige Wissensbasis für nachhaltige KI-Nutzung. Unternehmen, die heute in KI-Kompetenzen investieren, werden in fünf bis zehn Jahren einen erheblichen Wettbewerbsvorteil haben.

Datengetriebene Entscheidungsfindung etablieren bedeutet mehr als die Implementierung von KI-Tools. Es erfordert eine Kulturveränderung hin zu evidenzbasierten Entscheidungen und kontinuierlicher Optimierung. KI-gestützte Business Intelligence Systeme ermöglichen es KMUs, große Datenmengen zu analysieren und Muster zu erkennen, die menschliche Analysten übersehen würden.

Vorbereitung auf zukünftige KI-Entwicklungen erfordert eine flexible IT-Architektur und eine offene Innovationskultur. Cloud-first Strategien, API-basierte Systemintegration und agile Entwicklungsmethoden schaffen die technische Basis für zukünftige KI-Innovationen. Gleichzeitig müssen KMUs ihre Datenstrategie kontinuierlich anpassen, um von neuen KI-Entwicklungen profitieren zu können.

Der Weg zum KI-gestützten KMU: Zusammenfassung und Handlungsempfehlungen

Die Reise zur KI-Integration beginnt mit der Erkenntnis, dass künstliche Intelligenz heute zugänglicher und kosteneffizienter ist als jemals zuvor. Österreichische KMUs müssen nicht mit Tech-Giganten um Milliarden-Budgets konkurrieren, sondern können durch strategische Micro-KI-Implementierungen erhebliche Wettbewerbsvorteile erzielen. Die vorgestellten Praxisbeispiele zeigen, dass bereits kleine Investitionen in die richtige KI-Strategie zu messbaren Verbesserungen in Effizienz, Kundenzufriedenheit und Rentabilität führen können.

Für Geschäftsführung und Entscheider sind drei Handlungsfelder besonders relevant. Erstens sollten sie eine systematische Analyse der Geschäftsprozesse durchführen und Quick Win-Potenziale identifizieren. Zweitens ist die schrittweise Implementierung mit Pilotprojekten der sicherste Weg zur KI-Integration, wobei Change Management und Mitarbeiterschulung kritische Erfolgsfaktoren sind. Drittens müssen langfristige Kompetenzen aufgebaut und die Unternehmenskultur in Richtung datengetriebener Entscheidungsfindung entwickelt werden.

Der Ausblick auf die kommenden Jahre zeigt eine kontinuierliche Demokratisierung der KI-Technologie durch No-Code-Plattformen, branchenspezifische Lösungen und verbesserte Cloud-Services. KMUs, die heute mit Micro-KI-Strategien beginnen, positionieren sich optimal für diese Entwicklungen und schaffen die Basis für nachhaltiges Wachstum. Die Unterstützung durch spezialisierte Beratungspartner kann dabei helfen, Implementierungsrisiken zu minimieren und den ROI zu maximieren. Kontaktieren Sie Simon Micheler von KI-Alpin für eine individuelle Beratung zu Ihrer KI-Strategie und entdecken Sie, wie Ihr Unternehmen von intelligenten Micro-KI-Lösungen profitieren kann.

Häufig gestellte Fragen (FAQ)

Wie hoch sind die typischen Kosten für erste KI-Implementierungen in KMUs?

Erste Micro-KI-Implementierungen beginnen oft bei Budgets zwischen 5.000 und 15.000 Euro, abhängig von der Komplexität und dem gewählten Anwendungsbereich. Cloud-basierte SaaS-Lösungen mit Pay-per-Use-Modellen reduzieren die Anfangsinvestitionen erheblich und ermöglichen eine skalierbare Kostenstruktur. Viele erfolgreiche KI-Projekte amortisieren sich bereits nach drei bis sechs Monaten durch Effizienzsteigerungen und Kostenreduktionen.

Welche KI-Anwendungen eignen sich am besten für den Einstieg in KMUs?

Chatbots für den Kundenservice, automatisierte E-Mail-Klassifizierung und einfache Predictive Analytics haben sich als erfolgreichste Einstiegsprojekte bewährt. Diese Lösungen bieten schnelle und messbare Ergebnisse bei relativ geringer technischer Komplexität. Der Schlüssel liegt in der Identifikation von Prozessen mit hohem Automatisierungspotenzial und klaren Erfolgskriterien.

Wie können KMUs ohne große IT-Abteilung KI-Projekte erfolgreich umsetzen?

Cloud-basierte SaaS-Lösungen und Managed Services reduzieren die technischen Anforderungen erheblich und ermöglichen es Unternehmen ohne spezialisierte IT-Ressourcen, KI-Technologien zu nutzen. No-Code und Low-Code-Plattformen erlauben es Geschäftsanwendern, KI-gestützte Lösungen selbst zu entwickeln und zu implementieren. Die Zusammenarbeit mit spezialisierten Beratungspartnern kann zusätzlich technische Hürden überwinden und Implementierungsrisiken minimieren.

Über den Autor

Simon Micheler ist Gründer und Innovationsmanager im Bereich Künstliche Intelligenz. Als CEO von KI-Alpin unterstützt er Unternehmen bei der Implementierung moderner KI-Lösungen. Er hat Medien- und Kommunikationswissenschaften an der Universität Wien studiert und ein spezialisiertes Programm für Künstliche Intelligenz an der Universität Oxford absolviert. Mit seiner Erfahrung in Marketing, Produktentwicklung und Unternehmensstrategie kombiniert er technologische Expertise mit einem klaren Fokus auf gesellschaftlichen Mehrwert.