Yannick H.,
TLDR;
Viele KMU kaufen KI-Tools, ohne zuerst zu klären, welches Problem sie damit lösen wollen. Lizenzen laufen, Mitarbeitende nutzen die Tools unregelmässig, und nach drei Monaten ist schwer zu sagen, was sich dadurch verbessert hat. Wer KI sinnvoll einsetzen will, beginnt nicht mit dem Tool, sondern mit dem Prozess, der am meisten Zeit kostet oder die meisten Fehler produziert.
Du hast wahrscheinlich schon mehrere Gespräche über KI geführt. Vielleicht hat dein Team ChatGPT ausprobiert, vielleicht habt ihr Copilot-Lizenzen angeschafft, oder jemand aus der Geschäftsleitung hat gefragt, was ihr mit KI plant. Der Druck, eine Antwort zu haben, wächst bei fast allen Schweizer KMU gerade merklich.
Das Muster, das wir bei unseren Kunden beobachten, ist regelmässig das gleiche. Das Unternehmen kauft ein Tool, weil es vielversprechend klingt oder weil der Mitbewerb scheinbar schon weiter ist. Mitarbeitende probieren es aus und finden es interessant, aber ohne einen konkreten Auftrag bleibt die Nutzung unregelmässig. Nach drei Monaten laufen die Lizenzen, niemand kann sagen, was sich dadurch geändert hat, und die KI ist zu einer weiteren App geworden, die im Hintergrund geöffnet ist.
Das Problem ist die Reihenfolge, nicht die Technologie
Wer mit dem Tool beginnt, statt mit dem Problem, landet in dieser Situation. Das ist kein Versagen der Technologie und kein Fehler der Mitarbeitenden. Es ist ein Planungsfehler, der sich in der Kaufentscheidung einschleicht, weil der Druck, "etwas mit KI zu machen", schnellere Entscheide erzwingt als die Analyse, welche Probleme gelöst werden sollen.
Ein KI-Tool ist ein Werkzeug für einen bestimmten Job. Wenn unklar ist, welchen Job du erledigen willst, kann das Werkzeug seinen Wert nicht zeigen. Eine Copilot-Lizenz ohne definierten Einsatzbereich schafft noch keine Effizienz. Das klingt nach einer Selbstverständlichkeit, aber in der Praxis wird dieser Schritt übersprungen, weil die Tools so zugänglich sind, dass der Kauf einfacher ist als die Problemanalyse.
Was KMU tun, die KI erfolgreich einsetzen
Die Unternehmen, bei denen KI einen messbaren Unterschied macht, haben eines gemeinsam: Sie haben nicht mit der Technologie angefangen. Sie haben mit einem konkreten Engpass angefangen, bei dem die Aufgabe klar definiert und der Erfolg messbar war.
Ein Buchhaltungsbüro, das täglich Belege aus verschiedenen Quellen manuell kategorisiert, hat eine klare Ausgangssituation. Die Aufgabe hat ein definiertes Format, eine bekannte Fehlerquote, und die Mitarbeitenden wissen, wie viel Zeit sie täglich dafür aufwenden. Wenn KI diese Kategorisierung übernimmt und die Fehlerrate sinkt, lässt sich das messen. Der Einsatz ist nachvollziehbar zu rechtfertigen, und das Team sieht den Unterschied in der täglichen Arbeit.
Ein Marketingteam, das "kreativ mit KI experimentieren" soll, hat keine klare Aufgabe. Die Ergebnisse sind schwer zu messen, die Nutzung bleibt unverbindlich, und der Wert lässt sich nach innen nicht kommunizieren. Das ist keine Kritik an KI im Marketing, sondern an Aufgabendefinitionen, die zu vage sind, um einem Tool eine faire Chance zu geben.
Was bei Tool-first-Einführungen regelmässig schiefläuft
In unserer Beratungspraxis sehen wir drei Muster, die sich wiederholen, wenn KI-Einführungen ohne Problemdefinition gestartet werden. Das erste: Die Nutzung bleibt auf einzelne Enthusiasten beschränkt. Diese Person nutzt das Tool intensiv, alle anderen kaum. Der Wert skaliert nicht, weil er an einer Person hängt statt an einem Prozess, und wenn diese Person das Unternehmen verlässt, ist das Wissen weg.
Das zweite Muster sind parallele Lösungen. Verschiedene Teams nutzen verschiedene KI-Tools für ähnliche Aufgaben, ohne dass jemand weiss, was die anderen tun. Das produziert weder Skalierungseffekte noch institutionelles Wissen. Was bei einem Team funktioniert hat, bleibt dort.
Das dritte Muster ist das gefährlichste: unkontrollierte Datenfreigabe. Mitarbeitende kopieren Kundendaten oder Vertragsinhalte in öffentliche KI-Tools, weil niemand eine Richtlinie definiert hat. Das ist kein Vorwurf; sie wollen produktiv sein. Es ist ein Governance-Problem, das sich vor dem Kauf mit klaren Prozessen lösen lässt, aber rückwirkend schwierig zu beheben ist, sobald die Nutzung eingebettet ist.
Shadow AI: Was es dir über dein Unternehmen zeigt
Shadow AI beschreibt KI-Nutzung, die Mitarbeitende auf eigene Initiative und ohne Unternehmensrichtlinien betreiben. Das klingt nach einem Problem, ist aber ein Signal. Es zeigt, dass die Tools nützlich genug sind, um freiwillig genutzt zu werden, und dass dein Team offen für neue Arbeitsweisen ist. Das ist eine gute Ausgangslage für eine strukturierte Einführung.
Das Problem ist, wenn diese Nutzung unkoordiniert bleibt. Dein Unternehmen trägt das Risiko, ohne systematisch vom Nutzen zu profitieren. Die Bereitschaft in deinem Team ist vorhanden; was noch fehlt, ist die Struktur, damit sie in messbare Ergebnisse umgewandelt werden kann.
Wie du einen belastbaren Piloten aufbaust
Beginne mit einer Frage: Welche Aufgabe in deinem Unternehmen kostet am meisten Zeit pro Woche und hat ein klar definiertes, wiederholbares Format? Das müssen keine grossen Transformationsprojekte sein. Oft sind es Aufgaben, die so alltäglich sind, dass niemand mehr hinterfragt, wie viel Zeit sie kosten.
Wenn du diese Aufgabe gefunden hast, prüfe zwei Bedingungen. Kannst du den Erfolg messen, das heisst, gibt es eine Fehlerrate oder Bearbeitungszeit, die du vor und nach dem Piloten vergleichen kannst? Und sind die Daten, die das Tool braucht, datenschutzkonform nutzbar? Wenn beide Fragen mit Ja beantwortet sind, hast du einen belastbaren Ausgangspunkt.
Halte den ersten Piloten klein: vier bis sechs Wochen, eine Aufgabe, ein Team. Du brauchst keine unternehmensweite Einführung, um zu lernen, was funktioniert. Ein gut definierter Pilot in einem Bereich gibt dir mehr verwertbare Erkenntnisse als ein Dutzend Lizenzen ohne klaren Auftrag, und er ist rückgängig zu machen, wenn sich herausstellt, dass das Tool nicht das Richtige ist.
Welche Prozesse sich eignen
In unserer Arbeit mit Schweizer KMU haben sich zwei Kategorien als gute Ausgangspunkte für erste Piloten bewährt. Die erste ist Dokumentenverarbeitung: eingehende Belege oder strukturierte Anfragen, die nach definierten Regeln verarbeitet werden. Hier ist die Aufgabe klar, der Output messbar, und das Risiko eines schlechten Ergebnisses lässt sich früh erkennen.
Die zweite Kategorie ist strukturierte Kommunikation: Erstantworten auf Standardanfragen oder das Aufbereiten von Meeting-Notizen nach einem festen Schema. Diese Aufgaben haben kein kreatives Ermessen, sie haben ein Format. Wo ein Format existiert, kann KI zuverlässig unterstützen, und die Mitarbeitenden können das Ergebnis beurteilen, weil sie wissen, wie es aussehen soll.
Was nach dem Piloten kommt
Ein Pilot ohne Auswertung ist ein Experiment ohne Lernergebnis. Plane von Anfang an, wie du nach dem Testzeitraum auswertest: Was hat funktioniert, und was müsste sich am Prozess ändern, damit das Tool besser passt? Diese Fragen zu stellen, bevor der Pilot startet, hilft dir, die richtigen Dinge zu messen.
Unternehmen, die KI langfristig sinnvoll einsetzen, wiederholen diesen Zyklus konsequent: definieren, pilotieren, auswerten, ausweiten. Nicht jeder Pilot führt zu einer Ausweitung. Manchmal ist das Ergebnis, dass das Problem kleiner war als gedacht, oder dass ein anderes Tool besser gepasst hätte. Das ist kein Misserfolg; das ist die Information, die du für den nächsten Schritt brauchst.
Der nächste Schritt
Wenn du weisst, wo du einen Piloten starten könntest, aber unsicher bist, wie du ihn strukturierst, reden wir gerne darüber. Wir helfen Schweizer KMU dabei, von "wir sollten etwas mit KI machen" zu einem konkreten ersten Schritt zu kommen, der messbar ist und nicht von einer einzigen engagierten Person abhängt. Meld dich bei uns, und wir schauen gemeinsam, wo bei dir der grösste Hebel liegt.
