KI-Implementierung im Schweizer KMU: der realistische Weg

Kaum ein Thema wird in Schweizer KMU so oft besprochen und so selten abgeschlossen wie künstliche Intelligenz. Es gibt Workshops, Testzugänge, begeisterte Einzelpersonen — und ein halbes Jahr später ist der Stand unverändert. Dieser Beitrag beschreibt, woran das liegt und wie ein Vorgehen aussieht, das innerhalb von etwa acht Wochen zu einem produktiven Anwendungsfall führt.

1. Warum KI-Projekte im Pilotstadium stecken bleiben

Der häufigste Grund ist kein technischer, sondern ein organisatorischer: Es gibt keinen Anwendungsfall, sondern nur ein Interesse. «Wir sollten etwas mit KI machen» ist kein Projektauftrag. Ohne einen konkreten Arbeitsschritt, dessen heutige Kosten bekannt sind, fehlt der Massstab, an dem sich ein Ergebnis messen liesse — und ohne Massstab endet jeder Test in einer Geschmacksfrage.

Drei weitere Muster tauchen regelmässig auf:

• Das Werkzeug kommt vor dem Prozess. Eine Lizenz wird beschafft, bevor geklärt ist, welche Aufgabe damit erledigt werden soll. Danach sucht die Organisation nach einem Problem, das zur Lösung passt.
• Der Datenschutz bleibt ungeklärt. Weil niemand entscheiden will, welche Daten ein Modell sehen darf, arbeiten alle vorsichtshalber nur mit erfundenen Beispielen. Diese funktionieren immer — und beweisen deshalb nichts.
• Es fehlt eine zuständige Person. KI wird zur Aufgabe «von allen», was in der Praxis heisst: von niemandem, sobald das Tagesgeschäft drückt.

Auffällig ist, dass keiner dieser Gründe mit der Leistungsfähigkeit der Modelle zu tun hat. Die Technologie ist selten der Engpass.

2. Was KI im KMU heute zuverlässig kann — und was nicht

Für die Planung ist die Unterscheidung zwischen zwei Aufgabentypen hilfreich. Zuverlässig sind Aufgaben, bei denen ein Modell vorhandene Information umformt: aus einem PDF Felder auslesen, einen langen Text zusammenfassen, einen Entwurf auf Basis von Vorlagen und Daten formulieren, eine Frage anhand hinterlegter Dokumente beantworten, Texte übersetzen oder in eine andere Tonalität bringen.

Unzuverlässig sind Aufgaben, bei denen ein Modell Information erzeugen soll, die es nicht hat: exakte Preise ohne hinterlegte Preisliste, rechtliche Beurteilungen, Berechnungen mit vielen Zwischenschritten, Aussagen über Ihre eigenen Bestände oder Termine ohne Anbindung an die entsprechenden Systeme.

Als Faustregel: Alles, wofür ein neuer Mitarbeitender nur die vorhandenen Unterlagen bräuchte, funktioniert gut. Alles, wofür er Zugriff auf Systeme oder jahrelange Erfahrung bräuchte, funktioniert nur mit entsprechender Anbindung.

3. Fünf Anwendungsfälle mit gutem Aufwand-Nutzen-Verhältnis

Diese fünf tauchen in Schweizer KMU quer durch die Branchen auf und lassen sich vergleichsweise schnell produktiv setzen:

Gemeinsam ist allen fünf, dass ein Mensch das Ergebnis prüft, bevor es wirksam wird. Genau das macht sie als Einstieg geeignet: Der Schaden eines Fehlers ist begrenzt, der Nutzen aber sofort spürbar.

4. Datenschutz nach revDSG: was tatsächlich verlangt wird

Das revidierte schweizerische Datenschutzgesetz ist seit dem 1. September 2023 in Kraft. Es verbietet den Einsatz von KI nicht, verlangt aber Klarheit. Für ein KMU-Vorhaben bedeutet das in der Praxis fünf Punkte:

1. Datenkategorien festlegen. Welche Daten dürfen in ein Modell eingegeben werden — und welche ausdrücklich nicht? Diese Liste gehört auf eine Seite, nicht in ein Konzept.
2. Anbieter und Standort prüfen. Wo werden die Daten bearbeitet, werden Eingaben zum Training verwendet, gibt es ein Geschäftsangebot mit entsprechenden Zusicherungen?
3. Auftragsbearbeitung regeln. Wo Personendaten bearbeitet werden, braucht es einen entsprechenden Vertrag mit dem Anbieter.
4. Bearbeitungsverzeichnis ergänzen. Der neue Einsatzzweck wird dort dokumentiert, wo Ihre übrigen Bearbeitungen bereits erfasst sind.
5. Mitarbeitende informieren und schulen. Eine kurze Richtlinie schafft mehr Sicherheit als ein Verbot, das ohnehin umgangen wird.

Wo besonders schützenswerte Daten im Spiel sind — Gesundheits-, Lohn- oder Bewerbungsdaten —, ist der Blick auf europäische Anbieter oder auf lokal betriebene Modelle sinnvoll. Letztere sind für viele Aufgaben inzwischen leistungsfähig genug und verlassen das Unternehmen nicht.

5. Der Acht-Wochen-Fahrplan

Der folgende Ablauf hat sich als realistisch erwiesen — vorausgesetzt, es gibt im Unternehmen eine verantwortliche Person mit etwas Zeit.

Woche 1–2: Anwendungsfälle sammeln und bewerten

Gespräche mit den Personen, die die Arbeit ausführen. Jeder Kandidat wird nach vier Kriterien bewertet: Häufigkeit, heutiger Zeitaufwand, Datenverfügbarkeit und Fehlerkosten. Ergebnis ist eine kurze Liste — und die Entscheidung für genau einen Anwendungsfall.

Woche 2–3: Ausgangswert messen und Datenschutz klären

Parallel läuft zweierlei: Die heutigen Kennzahlen werden erhoben, damit später ein Vergleich möglich ist, und die Datenschutzfragen werden entschieden. Beides ist unspektakulär und beides entscheidet später über die Glaubwürdigkeit des Ergebnisses.

Woche 3–5: Aufbau und Test mit echten Fällen

Die Lösung wird aufgesetzt und mit realen Fällen getestet — bewusst auch mit den unangenehmen: der schlecht gescannten Rechnung, der Anfrage mit drei Fragen in einem Satz, dem Dokument im falschen Format. Getestet wird gegen die Ausgangswerte, nicht gegen ein Gefühl.

Woche 6–8: Rollout, Schulung, Nachjustierung

Einführung im Team, kurze Anleitung, klare Regeln zur Prüfung. Nach zwei bis vier Wochen im Betrieb wird nachjustiert. Erst danach beginnt die Diskussion über den zweiten Anwendungsfall — der dann deutlich schneller geht, weil Zugänge, Regeln und Erfahrung bereits vorhanden sind.

6. Kosten und Wirtschaftlichkeit

Die Lizenz- und Nutzungskosten von KI-Werkzeugen sind in KMU meist der kleinere Posten. Der grössere Teil entfällt auf Analyse, Integration und Befähigung — also auf das, was darüber entscheidet, ob die Lösung nach sechs Monaten noch benutzt wird. Wer die Rechnung nur über die Lizenz aufmacht, unterschätzt das Vorhaben und überschätzt die Ersparnis.

Die Wirtschaftlichkeit lässt sich vorab abschätzen: Häufigkeit des Vorgangs pro Monat, Zeitaufwand pro Durchlauf, interner Stundensatz. Ein Vorgang, der 250-mal im Monat vorkommt und jeweils vier Minuten kostet, bindet rund 17 Arbeitsstunden monatlich. Wird davon die Hälfte eingespart, ist die Grössenordnung klar — und die Diskussion versachlicht.

7. Die fünf häufigsten Fehler

• Zu viele Anwendungsfälle gleichzeitig. Fünf halbfertige Ansätze erzeugen weniger Nutzen als ein produktiver.
• Kein Ausgangswert. Ohne Vorher-Messung bleibt jede Bewertung Meinung.
• Test mit Vorzeigebeispielen. Die Ausnahmefälle entscheiden über die Alltagstauglichkeit, nicht der Musterfall.
• Datenschutz nachgelagert. Wer erst nach dem Aufbau prüft, riskiert, das Ergebnis wieder abschalten zu müssen.
• Keine Zuständigkeit. Ohne eine benannte Person versandet das Vorhaben spätestens beim ersten Engpass im Tagesgeschäft.

Fazit

KI im KMU ist weniger eine Technologiefrage als eine Frage der Reihenfolge. Wer mit einem klar umrissenen Anwendungsfall beginnt, den Ausgangswert kennt, den Datenschutz vorab klärt und eine verantwortliche Person benennt, kommt in etwa acht Wochen zu einem Ergebnis, das im Betrieb bleibt. Wer mit dem Werkzeug beginnt, hat nach sechs Monaten Erfahrung gesammelt — aber selten etwas, das läuft.