KI-Automatisierung: konkrete Beispiele für KMU

Was KI-Automatisierung für KMU wirklich bedeutet

Klassische Automatisierung folgt starren Regeln: «Wenn A, dann B». KI-Automatisierung ergänzt das um Fähigkeiten, die früher menschliches Urteil erforderten – Text verstehen, unstrukturierte Dokumente lesen, Absichten erkennen, Sprache formulieren. In der Praxis kombinieren die meisten KMU-Lösungen beides: ein KI-Baustein interpretiert (z. B. liest eine Rechnung), eine klassische Regel handelt (bucht den Betrag ins richtige Feld). Genau diese Kombination macht Abläufe robust und nachvollziehbar.

Der grösste Denkfehler ist, KI-Automatisierung als ein Grossprojekt zu betrachten. Der realistische Weg für ein KMU besteht darin, einen einzigen, häufigen und ärgerlichen Handgriff zu identifizieren – und genau diesen zu automatisieren. Die folgenden fünf Beispiele sind illustrativ und bewusst so gewählt, dass sie in fast jedem Schweizer Betrieb vorkommen.

Beispiel 1: Dokumentenverarbeitung (Rechnungen, Belege, Verträge)

Der Klassiker: Eine Lieferantenrechnung kommt als PDF oder Scan. Bisher tippt jemand Betrag, Datum, MwSt.-Satz und Rechnungsnummer manuell ins Buchhaltungssystem. Eine KI mit Texterkennung (OCR) plus Sprachverständnis liest die relevanten Felder aus – auch bei unterschiedlichen Layouts – und schlägt die Verbuchung vor. Der Mensch prüft und bestätigt; bei Unsicherheit landet der Beleg in einer Prüf-Warteschlange statt im Fehler.

• Gut geeignet: wiederkehrende Belege in ähnlicher Struktur (Eingangsrechnungen, Spesenbelege, Lieferscheine).
• Faustregel: Ab etwa 30-50 Belegen pro Monat lohnt sich die Einrichtung meist spürbar.
• Pflicht: eine menschliche Freigabe bei jeder Zahlung – KI liest, der Mensch entscheidet.

Beispiel 2: Dateneingabe und Stammdatenpflege

Daten von einem System ins nächste zu übertragen ist stille, teure Fliessbandarbeit: neue Kundenkontakte aus E-Mail-Signaturen ins CRM, Bestelldaten aus dem Webshop ins ERP, Formulareingaben in eine Tabelle. KI hilft dort, wo die Quelle unstrukturiert ist – sie extrahiert Name, Firma, Adresse und Telefonnummer aus einer Freitext-Anfrage und legt einen sauberen Datensatz an. Für strukturierte Quellen genügt oft klassische Automatisierung; KI ist kein Selbstzweck.

• Typische Fälle: Lead-Erfassung, Adressänderungen, Produktkataloge zusammenführen, Doubletten erkennen.
• Qualität schlägt Tempo: Validierungsregeln (PLZ, IBAN-Format, Pflichtfelder) verhindern, dass Fehler skalieren.
• Immer ein Protokoll führen: Wer/was hat welchen Datensatz wann geändert – wichtig für Nachvollziehbarkeit und Datenschutz.

Beispiel 3: Benachrichtigungen, Alerts und Terminplanung

Viele Verzögerungen entstehen, weil niemand rechtzeitig informiert wird. Automatisierte Benachrichtigungen schliessen diese Lücke: Ein Alert meldet, wenn eine Bestellung einen Schwellenwert überschreitet, ein Lagerbestand knapp wird oder eine Frist naht. KI hebt sich von starren Regeln dadurch ab, dass sie priorisieren und zusammenfassen kann – etwa aus zwanzig eingegangenen E-Mails die drei wirklich dringenden herausfiltern und eine kurze Tageszusammenfassung erstellen.

Terminplanung ist der zweite grosse Zeitfresser. Statt zehn E-Mails hin und her koordiniert ein KI-gestützter Assistent Verfügbarkeiten, schlägt Slots vor, versendet Bestätigungen und Erinnerungen und trägt den Termin in den Kalender ein. Für viele Dienstleistungs-KMU (Coiffeur, Werkstatt, Beratung, Praxis) reduziert das No-Shows und entlastet das Empfangspersonal spürbar.

Beispiel 4: Kundenantworten und E-Mail-Support

Ein grosser Teil der Kundenanfragen wiederholt sich: Öffnungszeiten, Lieferstatus, Retouren, Standardpreise. Ein KI-Assistent kann eingehende E-Mails kategorisieren, einen Antwortentwurf formulieren und einfache Fälle mit Freigabe direkt beantworten. Entscheidend ist die Eskalationslogik: Alles Ungewöhnliche, Emotionale oder Rechtlich-Heikle geht an einen Menschen. So bleibt der Ton persönlich und Fehler bleiben selten.

• Starten Sie im Entwurfsmodus: KI schlägt vor, Mitarbeitende senden. Erst nach bewährter Qualität teilautomatisiert freigeben.
• Wissensbasis pflegen: Der Assistent ist nur so gut wie die hinterlegten Fakten (FAQ, Preise, Prozesse).
• Transparenz: Kennzeichnen Sie automatisierte Antworten dort, wo Kundinnen und Kunden es erwarten dürfen.

So wählen Sie den richtigen Startpunkt – Framework und häufige Fehler

Ein guter erster Anwendungsfall ist hochfrequent, klar abgegrenzt, regelbasiert genug für zuverlässige Ergebnisse und wenig risikobehaftet, falls einmal etwas schiefgeht. Bewerten Sie Kandidaten entlang weniger Kriterien statt nach Bauchgefühl.

• Häufigkeit × Zeitaufwand pro Vorgang = Sparpotenzial. Zuerst das grösste Rechteck automatisieren.
• Fehlerkosten prüfen: Was passiert im schlimmsten Fall? Buchhaltung und Verträge brauchen enge menschliche Kontrolle.
• Fehler 1 – zu gross starten: ein durchgehend automatisierter End-to-End-Prozess statt eines abgegrenzten Schritts.
• Fehler 2 – keine Kontrollschleife: Automatisierung ohne Freigabe, Protokoll und Ausnahme-Warteschlange.
• Fehler 3 – ROI nur in Stunden denken: auch Fehlerreduktion, schnellere Reaktion und weniger Frust zählen.
• Fehler 4 – Insellösung: keine saubere Anbindung an CRM/ERP, dadurch neuer manueller Aufwand an den Schnittstellen.

Schweizer Perspektive: Datenschutz (revDSG), Kosten und ROI

Sobald Automatisierung Personendaten berührt – Kundennamen, Adressen, Anfragen – gilt das revidierte Datenschutzgesetz (revDSG). Kernpunkte: Bearbeiten Sie nur, was Sie brauchen (Datensparsamkeit), führen Sie ein Bearbeitungsverzeichnis, klären Sie, wo die Daten liegen, und schliessen Sie bei externen KI-Diensten einen Auftragsbearbeitungsvertrag ab. Bei Übermittlung ins Ausland ist zu prüfen, ob ein angemessenes Datenschutzniveau besteht. Aufsichtsbehörde ist der EDÖB. Für heikle Automatisierungen mit weitreichenden Folgen kann eine Datenschutz-Folgenabschätzung nötig sein.

Denken Sie Kosten in Struktur, nicht in einer Zahl: einmalige Einrichtung (Analyse, Anbindung an bestehende Systeme, Tests), laufende Kosten (Lizenzen, Nutzungsvolumen, Wartung) und interne Zeit für Pflege und Kontrolle. Rechnen Sie den Nutzen ehrlich gegen: eingesparte Stunden zum realen Stundensatz in CHF, vermiedene Fehler und schnellere Durchlaufzeiten. Starten Sie klein, messen Sie an einem konkreten Ablauf, und skalieren Sie erst, wenn sich der erste Fall bewährt hat.