KI-Implementierung für Schweizer KMU
Nicht der zehnte Pilotversuch, sondern ein Anwendungsfall, der nach wenigen Wochen produktiv läuft: geeignete Aufgaben identifizieren, Werkzeuge auswählen, Datenschutz nach revDSG klären und das Team so weit bringen, dass es die Lösung selbst nutzt.
Was ist KI-Implementierung?
KI-Implementierung ist die Einführung von Werkzeugen der künstlichen Intelligenz in bestehende Geschäftsprozesse — mit dem Ziel, einen konkreten Arbeitsschritt dauerhaft zu übernehmen oder zu beschleunigen. Sie unterscheidet sich damit deutlich vom Experimentieren: Am Ende steht kein Prototyp, sondern ein Ablauf, der ohne Beratung weiterläuft.
In Schweizer KMU sind die tragfähigen Anwendungsfälle selten spektakulär, dafür verlässlich: Dokumente auslesen und in die Fachsoftware übertragen, Offerten und Berichte vorformulieren, wiederkehrende Kundenanfragen beantworten, das eigene Wissen durchsuchbar machen, Ausschreibungen und Verträge zusammenfassen.
Ob dabei ein öffentlich verfügbares Modell, eine europäische Alternative oder ein lokal betriebenes Modell zum Einsatz kommt, entscheidet nicht der Trend, sondern die Sensibilität Ihrer Daten und Ihr Budget.
- Anwendungsfall statt Werkzeug. Erst der Prozess, dann die Software — nie umgekehrt.
- Messbar. Vor dem Start wird definiert, woran sich Erfolg zeigt: Zeit, Fehlerquote, Durchlaufzeit.
- Datenschutz vorab. Datenkategorien, Anbieterstandort und Verträge sind vor dem Rollout geklärt.
- Ein Fall zuerst. Ein produktiver Anwendungsfall schlägt fünf halbfertige.
- Im Haus verankert. Ihr Team kann die Lösung bedienen, anpassen und erklären.
Für welche Unternehmen sich KI heute wirklich lohnt
Nicht jedes KMU ist bereit für KI — und das ist keine Frage der Grösse, sondern der Ausgangslage.
Viel Papier und PDF
Rechnungen, Lieferscheine, Ausschreibungen, Rapporte: Wo Menschen täglich Informationen aus Dokumenten abtippen, ist der Nutzen sofort spürbar und leicht messbar.
Wiederkehrende Kommunikation
Wenn ein grosser Teil der E-Mails inhaltlich ähnlich ist — Terminanfragen, Statusauskünfte, Standardangebote — übernimmt ein Modell zuverlässig den Entwurf.
Wissen in vielen Köpfen
Wenn Erfahrung an einzelnen Personen hängt und Nachschlagen lange dauert, macht ein durchsuchbarer Wissensspeicher das Unternehmen unabhängiger.
Von der ersten Frage zum laufenden Betrieb
Vier Phasen, jede mit einem Ergebnis, das für sich Bestand hat.
Potenzialanalyse
Gemeinsam mit Ihren Mitarbeitenden werden die Abläufe durchgegangen, die heute am meisten Zeit kosten. Jeder Kandidat wird nach Datenverfügbarkeit, Wiederholhäufigkeit, Fehlerkosten und Umsetzungsaufwand bewertet. Ergebnis ist eine ehrliche Liste — inklusive der Fälle, für die KI die falsche Antwort ist.
Auswahl & Datenschutz
Für den priorisierten Anwendungsfall werden zwei bis drei Optionen verglichen: Funktionsumfang, laufende Kosten, Verarbeitungsstandort, Auftragsverarbeitungsvertrag, Exportierbarkeit der Daten. Parallel wird geklärt, welche Datenkategorien das Modell sehen darf und was in die interne Richtlinie gehört.
Pilot mit echten Daten
Die Lösung wird aufgesetzt und mit realen, auch unangenehmen Fällen getestet — nicht mit dem Vorzeigebeispiel. Trefferquote und Zeitersparnis werden gemessen und mit dem Ausgangswert verglichen. Erst wenn die Zahlen stimmen, geht es weiter.
Rollout & Befähigung
Einführung im Team, kurze Anleitungen in Ihrer Sprache, klare Regeln, was geprüft werden muss, bevor etwas nach aussen geht. Nach vier bis acht Wochen wird nachjustiert, was im Alltag anders läuft als geplant.
Was am Ende anders ist
Kein Zauber, sondern Entlastung an Stellen, die vorher niemand freiwillig übernommen hat — und eine Grundlage, auf der weitere Anwendungsfälle schneller gehen.
- Ein Arbeitsschritt, der vorher Handarbeit war, läuft weitgehend automatisch.
- Nachvollziehbare Kennzahlen dazu, was der Einsatz tatsächlich bringt.
- Ein Datenschutzkonzept, das einer Prüfung standhält, statt einer Grauzone.
- Eine interne Richtlinie, die Mitarbeitenden Sicherheit im Umgang mit KI gibt.
- Mitarbeitende, die das Werkzeug bedienen — nicht ein Berater, der es betreiben muss.
- Eine Liste weiterer Anwendungsfälle, priorisiert und bewertet.
Womit gearbeitet wird
Die Auswahl richtet sich nach Datensensibilität, Budget und vorhandener IT-Landschaft — nicht nach Partnerprogrammen.
- Cloud-Modelle mit EU-/CH-Verarbeitung
- Lokal betriebene Modelle (Ollama, vLLM)
- Microsoft 365 Copilot
- Fachspezifische Assistenten
- Retrieval über eigene Dokumente (RAG)
- Dokumentenerkennung & OCR
- Anbindung an DMS und Ablagen
- Automatische Zusammenfassungen
- Anbindung an ERP und CRM
- Schnittstellen über API oder Webhook
- Automatisierungsplattformen
- Rollen- und Rechtekonzept
Was kostet KI-Implementierung?
Feste Preise wären hier unseriös: Der Aufwand für die automatische Erfassung von Lieferantenrechnungen in einem Zehn-Personen-Betrieb hat mit einer unternehmensweiten Wissensdatenbank wenig gemeinsam. Was Sie stattdessen erhalten, ist eine schriftliche Offerte mit fixem Rahmen, bevor Arbeit anfällt — und eine transparente Aufstellung der laufenden Kosten, die nach der Einführung bleiben.
Nützlich zu wissen: Die Lizenz- oder Nutzungskosten von KI-Werkzeugen sind in KMU meist der kleinere Posten. Den grösseren Teil machen Analyse, Integration und Befähigung aus — also genau das, was darüber entscheidet, ob die Lösung nach einem halben Jahr noch benutzt wird.
- Anzahl und Komplexität der Anwendungsfälle
- Zustand und Zugänglichkeit Ihrer Daten und Dokumente
- Notwendige Schnittstellen zu ERP, CRM oder Branchensoftware
- Öffentliche Cloud-Modelle oder lokal betriebene Modelle
- Umfang von Schulung und interner Richtlinie
- Ob Sie Teile der Umsetzung selbst übernehmen
Häufige Fragen
Was bedeutet KI-Implementierung für ein KMU konkret?
KI-Implementierung bezeichnet die Einführung von Werkzeugen der künstlichen Intelligenz in bestehende Geschäftsprozesse — also nicht das Ausprobieren eines Chatbots, sondern die Frage, welcher konkrete Arbeitsschritt künftig ganz oder teilweise von einem Modell erledigt wird. In einem KMU sind das typischerweise Aufgaben wie das Auslesen von Lieferantenrechnungen, das Vorformulieren von Offerten und Berichten, die Beantwortung wiederkehrender Kundenanfragen oder das Durchsuchen der eigenen Dokumentation.
Brauche ich dafür eine grosse Datenmenge?
Nein. Der weit verbreitete Satz «für KI braucht es erst einmal Big Data» stammt aus der Zeit, in der Unternehmen eigene Modelle trainieren mussten. Heute werden vortrainierte Sprach- und Bildmodelle verwendet und lediglich mit Ihrem Kontext versorgt — Preislisten, Vorlagen, Verträge, Handbücher. Für die meisten Anwendungsfälle im KMU reicht das, was ohnehin auf Ihrem Server liegt. Wichtiger als die Menge ist die Ordnung: Dokumente, die auffindbar und aktuell sind, sind mehr wert als ein grosses, ungepflegtes Archiv.
Ist der Einsatz von KI mit dem revDSG vereinbar?
Ja, sofern er sauber aufgesetzt ist. Das revidierte Schweizer Datenschutzgesetz (revDSG) verlangt insbesondere Transparenz darüber, welche Personendaten bearbeitet werden, eine rechtmässige Grundlage dafür, angemessene Sicherheit und Klarheit über Bekanntgaben ins Ausland. Praktisch heisst das: festlegen, welche Datenkategorien ein Modell überhaupt sehen darf, einen Anbieter mit Verarbeitung in der Schweiz oder der EU wählen, einen Auftragsverarbeitungsvertrag abschliessen, das Bearbeitungsverzeichnis ergänzen und die Nutzung in einer kurzen internen Richtlinie regeln. Bei besonders schützenswerten Daten kommen lokal betriebene Modelle in Frage, bei denen nichts das Haus verlässt.
Was kostet die Einführung von KI in einem KMU?
Es gibt keinen Standardpreis, aber klare Kostentreiber: die Anzahl der Anwendungsfälle, die Qualität und Zugänglichkeit der Daten, ob Schnittstellen zu bestehenden Systemen nötig sind, ob mit öffentlichen Cloud-Modellen oder lokal betriebenen Modellen gearbeitet wird, und wie viel Schulung Ihr Team braucht. Hinzu kommen laufende Kosten für Lizenzen oder Token-Verbrauch, die stark vom Nutzungsvolumen abhängen. Eine erste Anwendung mit klarem Nutzen ist deutlich günstiger als der Versuch, alles gleichzeitig anzugehen — genau deshalb wird bewusst mit einem einzelnen Anwendungsfall begonnen. Sie erhalten vorab eine schriftliche Offerte mit fixem Rahmen.
Wie lange dauert es bis zum ersten produktiven Einsatz?
Die Potenzialanalyse dauert in der Regel zwei bis drei Wochen. Ein erster produktiver Anwendungsfall ist häufig nach weiteren vier bis sechs Wochen im Einsatz — vorausgesetzt, die benötigten Daten sind zugänglich und es gibt im Unternehmen eine Person, die das Thema mitträgt. Verzögerungen entstehen selten durch die Technologie, sondern durch offene Zuständigkeiten und ungeklärte Datenschutzfragen. Beides wird deshalb bewusst früh geklärt.
Was passiert, wenn KI für unseren Fall gar nicht die richtige Antwort ist?
Dann steht das im Bericht. Ein erheblicher Teil dessen, was in KMU als KI-Bedarf formuliert wird, ist in Wahrheit ein Prozess- oder Datenproblem: Eine saubere Automatisierung oder eine korrekt konfigurierte Fachsoftware löst die Aufgabe zuverlässiger, günstiger und wartungsärmer als ein Sprachmodell. Da hier keine Provisionen von Herstellern fliessen, kostet diese Antwort nichts ausser die Analyse.
Wie verhindern wir, dass die KI Unsinn produziert?
Durch drei Massnahmen: Erstens wird das Modell auf Ihre eigenen Quellen beschränkt, statt es frei erfinden zu lassen; die Antwort verweist dann auf das Dokument, aus dem sie stammt. Zweitens wird der Einsatz auf Aufgaben begrenzt, bei denen ein Mensch das Ergebnis ohnehin prüft, bevor es hinausgeht — Offerten, Berichte, Antwortentwürfe. Drittens wird vor dem Rollout mit echten, auch schwierigen Fällen getestet und die Trefferquote gemessen. Erst wenn diese stimmt, geht die Lösung in den Betrieb.
Weitere Leistungen
Herausfinden, ob KI in Ihrem Betrieb etwas bringt — bevor Sie investieren.
Im kostenlosen Erstgespräch von 30 Minuten schauen wir uns Ihre Abläufe an. Sie erhalten eine ehrliche Einschätzung, wo KI wirkt und wo eine einfachere Lösung die bessere ist.