In Gesprächen mit KMU höre ich immer wieder Varianten derselben Aussage: «Wir sollten auch KI einführen.» Das ist ein ehrlicher Satz, aber er ist noch keine Strategie. Er sagt nichts darüber aus, wofür KI eingesetzt werden soll, wer damit arbeitet, wie Ergebnisse geprüft werden und was am Ende besser sein muss.
Genau dort beginnt das Problem. Viele Einführungen starten mit dem Tool und hoffen, dass sich der Rest von allein ergibt. In der Realität ist es fast immer umgekehrt: Erst muss ein Prozess sauber genug sein, damit KI überhaupt sinnvoll hineinpassen kann. Sonst produziert man nur schneller mehr Unklarheit.
Warum der Prozess der eigentliche Engpass ist
Technologie scheitert selten daran, dass sie zu wenig kann. Sie scheitert daran, dass sie in einen Ablauf gesetzt wird, der nie richtig definiert wurde. Ein Team testet ein Tool, findet es spannend, und nach zwei Wochen nutzt es trotzdem niemand mehr. Nicht weil das Modell schlecht war, sondern weil niemand entschieden hatte, was genau mit dem Ergebnis passieren soll.
KI verlangt in Unternehmen mindestens vier Klarheiten: Wofür verwenden wir sie? Wer arbeitet damit? Wer prüft das Resultat? Und was passiert danach? Ohne diese Fragen wird aus einer Chance schnell ein weiterer unkontrollierter Kanal.
Ein gutes KI-Projekt ist kein Tool-Projekt. Es ist ein gut geführter Arbeitsprozess mit digitaler Unterstützung.
Das typische Muster schlechter Einführungen
Ich sehe in KMU immer wieder ähnliche Fehlstarts. Einer der häufigsten ist der sogenannte Demo-Effekt: Ein Team sieht, was ein Tool alles kann, und erwartet danach, dass es im Betrieb automatisch denselben Effekt hat. Doch Demo und Alltag sind nicht dasselbe. In einer Demo gibt es keinen Druck, keine Übergaben, keine E-Mail-Flut, keine fehlenden Daten und keine Zeitnot.
Ein anderer Klassiker ist das Schattenprojekt. Eine Person probiert KI für sich selbst aus, findet einen nützlichen Weg und erzählt später davon. Das ist gut. Problematisch wird es erst, wenn daraus ohne Abstimmung ein vermeintliches Unternehmensprojekt wird. Dann fehlt plötzlich die Einbettung in Freigaben, Verantwortung und Qualitätssicherung.
Und dann gibt es noch den Pilotismus: ein Projekt wird gestartet, aber nie beendet. Es gibt einen Kick-off, ein paar Tests und vielleicht sogar eine schöne interne Folie. Doch niemand definiert, ab wann das Ganze als erfolgreich gilt. So bleibt am Ende ein Eindruck statt ein Ergebnis.
Worauf es in der Praxis wirklich ankommt
Wer KI sauber einführen will, sollte nicht als Erstes über Modelle reden, sondern über Abläufe. Ich frage in solchen Gesprächen gern sehr schlicht:
- Welche Aufgabe kostet heute unnötig viel Zeit?
- Wo geht Information verloren oder wird doppelt erfasst?
- Wer soll mit dem Ergebnis wirklich arbeiten?
- Wie wird das Resultat geprüft, bevor es weiterverwendet wird?
- Was ist ein klarer Erfolg nach vier oder sechs Wochen?
Diese Fragen klingen einfach. Sie sind aber viel wirksamer als zehn Tool-Vorschläge. Denn sie zwingen dazu, das Problem zu verstehen, bevor man sich für eine Lösung begeistert. Genau das fehlt in vielen Einführungen.
Der kleinste sinnvolle Einstieg
Meine Erfahrung ist: Der beste Einstieg ist fast nie «wir machen jetzt alles mit KI», sondern ein klar abgegrenzter Fall mit einem sichtbaren Nutzen. Zum Beispiel ein wiederkehrender Textbaustein, eine vorbereitende Recherche, ein Protokollentwurf, eine strukturierte Zusammenfassung oder eine interne Wissensfrage.
Klein bedeutet dabei nicht unwichtig. Klein bedeutet kontrollierbar. Ein kleiner Einstieg erlaubt es, die Fragen zu klären, die später ohnehin relevant werden: Welche Daten werden verwendet? Wer sieht das Ergebnis? Wie wird Qualität beurteilt? Wo braucht es menschliche Kontrolle? Wie viel Zeit spart das im Alltag wirklich?
Ein brauchbarer Startpunkt
Wähle für den Anfang einen Prozess, der häufig genug vorkommt, um Wirkung zu zeigen, und simpel genug ist, um Verantwortung sauber zu regeln.
Warum Verantwortung nicht delegiert werden darf
Je bequemer KI wird, desto grösser ist die Versuchung, Verantwortung zu verwischen. Ein Text klingt gut, also wird er freigegeben. Eine Zusammenfassung wirkt sauber, also wird sie übernommen. Ein Vorschlag sieht plausibel aus, also wird er weitergegeben. Genau das ist riskant.
Deshalb gehört zu jeder Einführung eine klare Antwort auf die Frage: Wer trägt die letzte Verantwortung? Wenn das unklar bleibt, hilft auch das beste Modell nicht. Ein Unternehmen braucht keine Maschine, die Entscheidungen vorgaukelt. Es braucht ein Team, das KI sinnvoll nutzt und gleichzeitig prüft, was es da eigentlich übernimmt.
Was in Schweizer KMU besonders wichtig ist
In Schweizer KMU spielen Verlässlichkeit, Nähe und Pragmatismus eine grosse Rolle. Das ist gut so. Es bedeutet aber auch, dass KI nicht einfach als Modewort eingeführt werden kann. Sie muss in bestehende Arbeitsweisen passen. Sie muss Vertrauen schaffen. Und sie muss nachvollziehbar sein.
Gerade deshalb lohnt sich ein Prozessansatz. Er verhindert, dass ein Unternehmen KI als Experiment in der Luft hält. Stattdessen wird sie zu einem Werkzeug mit Rahmen. Und genau dieser Rahmen entscheidet darüber, ob ein Pilot später zu einer echten Arbeitsweise wird.
Mein kurzer Merksatz für Führungsteams
Wenn eine KI-Einführung nicht klar genug beschrieben werden kann, ist sie noch nicht reif genug. Wenn niemand weiss, wer prüft und wer entscheidet, ist sie noch nicht reif genug. Und wenn kein kleiner erster Anwendungsfall definiert ist, ist sie noch nicht reif genug.
Technologie kann viel. Aber Struktur, Verantwortung und Priorisierung bleiben menschliche Aufgaben. Darum scheitert KI-Einführung in der Praxis so selten an der Technologie und so oft am Prozess. Genau dort lohnt sich ein ehrlicher Blick von aussen.