Viele KI-Strategien in KMU beginnen mit einem Kauf. Erst kommt die Lizenz für alle, danach die Frage, wofür.

Das ist die teure Reihenfolge. Nicht weil die Werkzeuge schlecht wären, sondern weil niemand mehr sagen kann, ob sie etwas bringen. Wer vorher nicht festgelegt hat, welche Aufgabe schneller werden soll, misst danach nur noch Eindrücke.

Eine KI-Strategie für ein KMU ist kein Dokument mit vierzig Seiten. Sie passt auf eine Seite und beantwortet vier Fragen: welche Aufgabe, wie gemessen, mit welchen Daten, mit welchem Werkzeug. In genau dieser Reihenfolge.

Wo Schweizer KMU heute stehen

Die Nutzung ist längst da – oft schneller als die Regeln dafür.

  • 41 % der Erwerbspersonen in der Schweiz haben generative KI bei der Arbeit genutzt, in den drei Monaten vor der Befragung (Bundesamt für Statistik, Omnibus IKT 2025, publiziert April 2026).
  • 35 % der KMU haben KI bewusst in ihre Prozesse integriert, 39 % erproben sie, 26 % nutzen keine (AXA/Sotomo, KMU-Arbeitsmarktstudie 2026, 336 KMU ab fünf Beschäftigten).
  • Erst ein Drittel der KMU, die KI nutzen, regelt, welche Firmendaten in KI-Werkzeuge eingegeben werden dürfen (AXA/Sotomo, KMU-Arbeitsmarktstudie 2025).

Die Lücke liegt also selten beim Zugang. Sie liegt bei der Frage, wofür KI eingesetzt wird und wer die Grenzen zieht. Genau das ist Strategie.

Schritt 1: Erst die Aufgabe, dann das Werkzeug

Eine gute Einstiegsaufgabe hat drei Eigenschaften:

  1. Sie wiederholt sich – mindestens zehnmal pro Woche, etwa eine Kundenanfrage, eine Offerte oder ein Protokoll.
  2. Sie ist klar umrissen – man weiss, wann sie fertig ist.
  3. Ihr Ergebnis ist prüfbar – jemand erkennt, ob es stimmt.

Warum gerade solche Aufgaben? Weil dort die Wirkung am saubersten gemessen ist. Bei einem Softwareanbieter lösten 5'172 Support-Mitarbeitende mit KI-Assistenz im Schnitt 15 % mehr Fälle pro Stunde (Brynjolfsson, Li, Raymond, Quarterly Journal of Economics, 2025).

Die Grenze, die man nicht sieht

KI ist nicht für ganze Berufe gut oder schlecht, sondern für einzelne Aufgaben. In einem Experiment mit 758 Beratern wurden jene mit KI innerhalb dieser Grenze schneller und besser. Bei einer Aufgabe ausserhalb der Grenze lagen sie mit KI seltener richtig als ohne (Dell'Acqua et al., Organization Science, 2026).

Die Frage lautet deshalb nie «Hilft KI im Verkauf?», sondern «Hilft KI beim Entwurf dieser Offerte, und woran erkennen wir, wenn sie falsch liegt?».

Welche Abläufe sich dafür typischerweise eignen, haben wir in 12 Prozesse, die sich heute automatisieren lassen aufgeschlüsselt.

Schritt 2: Vorher messen, sonst misst du ein Gefühl

Das ist der Schritt, der am häufigsten übersprungen wird – und der teuerste.

In einem randomisierten Experiment mit 16 erfahrenen Entwicklern und 246 Aufgaben schätzten diese nachher, sie hätten mit KI 20 % weniger Zeit gebraucht. Gemessen brauchten sie 19 % länger (METR, 2025). Die Einschätzung lag nicht knapp daneben, sondern auf der falschen Seite von null.

Für dein KMU heisst das:

  • Stopp die Zeit je Fall bis «fertig und geprüft», nicht bis zum ersten Entwurf.
  • Teil die Fälle zwei Wochen lang auf, abwechselnd mit und ohne KI, nicht nach Lust.
  • Halte die Nacharbeit fest: Was musste korrigiert werden, und wie lange dauerte es?

Danach hast du keine Studie, aber deine erste gemessene KPI. Sie ist mehr wert als jede Hochrechnung aus einem Verkaufsgespräch. Eine Vorlage für diese Liste steht im Leitfaden KI im Schweizer KMU.

Schritt 3: Eine Datenregel in einem Satz

Bevor ein Team mit KI arbeitet, braucht es einen Satz, der festhält, welche Daten nie in ein KI-Werkzeug gehören. Etwa: «Personendaten unserer Kundschaft nur in Werkzeuge, mit deren Anbieter wir einen Vertrag haben.»

Das ist keine Formalität:

  • Der Eidgenössische Datenschutz- und Öffentlichkeitsbeauftragte hält fest, das Datenschutzgesetz sei auf KI-gestützte Datenbearbeitungen direkt anwendbar (EDÖB, 2023). Ein eigenes KI-Gesetz braucht es dafür nicht.
  • 74 % der Beschäftigten in der Schweiz, die KI bei der Arbeit nutzen, haben sich schon auf ein KI-Ergebnis verlassen, ohne es zu prüfen. 52 % haben KI entgegen internen Regeln eingesetzt (KPMG und University of Melbourne, 2025).

Die zweite Zahl zeigt: Eine Regel allein genügt nicht – sie muss bekannt sein und gelebt werden. Schick den Satz noch am selben Tag ans Team.

Schritt 4: Das Werkzeug, das du vielleicht schon hast

Erst jetzt kommt die Werkzeugfrage, und sie ist oft kleiner als gedacht.

  • Microsoft 365 bringt in vielen Lizenzen bereits Automatisierung mit. Wo die enthaltene Lizenz endet, steht in Power Automate für KMU.
  • Ein Sprachmodell (LLM) für Texte, Zusammenfassungen und Entwürfe. Wo es sich rechnet und wo nicht, zeigen die 20 Anwendungsfälle für ChatGPT.
  • Ein Chatbot auf der Website beantwortet Standardfragen, aber nur, wenn du für seine Antworten einstehen willst (siehe unten).

Kostenlose Werkzeuge, mit Vorbehalt

Viele Werkzeuge haben eine kostenlose Stufe. Für einen ersten Test reicht sie oft. Prüf aber in den Nutzungsbedingungen, ob Eingaben zum Training verwendet werden dürfen, und halte dich an deine Datenregel aus Schritt 3. Ein privates Konto ist ein Werkzeug ohne Vertrag mit dir.

Wer einen Chatbot einsetzt, muss damit rechnen, für dessen Auskünfte einzustehen. Das Civil Resolution Tribunal von British Columbia (Kanada) verpflichtete Air Canada zu Schadenersatz, weil ihr Chatbot eine falsche Auskunft gab (Moffatt v. Air Canada, 2024).

Schritt 5: Das Team mitnehmen, die Unerfahrenen zuerst

Technik scheitert selten an der Technik. Sie scheitert daran, dass niemand weiss, was von ihm erwartet wird.

Die Forschung liefert dafür einen unerwarteten Hinweis: Am meisten gewinnen die Unerfahrenen. In derselben Support-Studie stieg die Leistung der weniger Erfahrenen um 30 %, bei den Erfahrensten war kaum ein Effekt messbar (Brynjolfsson, Li, Raymond, 2025).

Daraus folgen zwei praktische Regeln:

  • Starte dort, wo eingearbeitet wird, nicht bei den Spezialisten.
  • Mach die Prüfung zur Aufgabe: Ein KI-Ergebnis ist ein Entwurf, bis ein Mensch es geprüft hat.

Was eine KI-Strategie nicht ist

Drei Missverständnisse kosten am meisten:

  • Eine Lizenz für alle. Ohne Aufgabe und Messung kaufst du Zugang, nicht Wirkung.
  • Ein Verweis auf «95 % aller KI-Projekte scheitern». Die Zahl stammt aus einem Bericht mit dem Vermerk «Preliminary Findings», gestützt auf 52 Interviews, 153 Umfrageantworten und eine Auswertung öffentlich bekannter Projekte – ohne Kontrollgruppe (MIT NANDA, 2025). Sie taugt weder als Warnung noch als Argument.
  • Ein Projekt mit Enddatum. Die Werkzeuge ändern sich; was heute ausserhalb der Grenze liegt, liegt in einem Jahr vielleicht innerhalb. Die Messliste aus Schritt 2 hat deshalb ein Verfallsdatum.

Was der Einstieg kostet

Weniger, als die meisten erwarten – solange die Reihenfolge stimmt. Die vier Schritte bis zur ersten gemessenen Zahl kosten vor allem Zeit: eine Aufgabe wählen, zwei Wochen messen, eine Regel aufschreiben.

Teuer wird es erst, wenn das Werkzeug vor der Aufgabe kommt. Dass es auf mehr ankommt als die Lizenz, zeigt ein Arbeitspapier der Europäischen Investitionsbank zu Big-Data-Analyse und KI: Die Produktivitätsgewinne lagen vor allem bei mittleren und grossen Firmen und waren grösser dort, wo ergänzend in Software, Daten und Schulung investiert wurde (Aldasoro et al., EIB, 2026).

Wenn du diesen Weg nicht allein gehen willst: In der KI-Beratung machen wir genau diese Schritte mit dir – Potenzialanalyse, Anwendungsfälle, Messung, Umsetzungsplan.

Fazit

Eine KI-Strategie für ein KMU ist eine Reihenfolge, kein Budget: Aufgabe, Messung, Datenregel, Werkzeug, Team. Wer so anfängt, hat nach zwei Wochen eine erste gemessene Zahl und eine Regel, die das Team kennt. Wer mit der Lizenz anfängt, hat nach zwei Wochen eine Rechnung.

Wo du weiterliest

Häufig gestellte Fragen (FAQ)

Wie fange ich mit KI im Betrieb an?

Mit einer einzigen Aufgabe, die sich mindestens zehnmal pro Woche wiederholt und deren Ergebnis jemand prüfen kann. Miss zwei Wochen lang abwechselnd mit und ohne KI die Zeit bis «fertig und geprüft». Erst danach lohnt sich die Frage nach dem richtigen Werkzeug.

Brauche ich eigenes Fachpersonal für den KI-Einstieg?

Nein. Für den Einstieg braucht es kein Data-Science-Team, sondern jemanden, der die Aufgabe kennt, die Zeit misst und die Ergebnisse prüft. Fachwissen von aussen lohnt sich vor allem bei der Auswahl der Anwendungsfälle und bei der Anbindung an bestehende Systeme.

Gibt es kostenlose KI-Werkzeuge für Firmen?

Ja, viele Werkzeuge haben eine kostenlose Stufe, die für einen ersten Test reicht. Prüf in den Nutzungsbedingungen, ob Eingaben zum Training verwendet werden dürfen, und gib keine Personendaten ein, solange mit dem Anbieter kein Vertrag besteht.

Welche Risiken hat der Einstieg in KI?

Die drei häufigsten sind ungeprüfte Ergebnisse, Firmendaten in Werkzeugen ohne Vertrag und Auskünfte eines Chatbots, für die du einstehen musst. Alle drei lassen sich mit einer Datenregel und der Pflicht zur Prüfung begrenzen.

Wie finde ich die passenden KI-Anwendungsfälle?

Schau, wo im Betrieb die meiste wiederholbare Handarbeit anfällt: Anfragen, Offerten, Protokolle, Ablage. Dort ist die Wirkung am besten belegt. Aufgaben mit schwer prüfbarem Ergebnis oder seltenem Vorkommen eignen sich für den Anfang nicht.