KI-Implementierung: der Schritt-für-Schritt-Leitfaden für KMU

Was KI-Implementierung wirklich bedeutet

KI-Implementierung ist der geführte Prozess, mit dem ein Unternehmen künstliche Intelligenz von einer vagen Idee in einen verlässlichen, wertschöpfenden Teil des Arbeitsalltags überführt. Sie ist kein einmaliges Software-Projekt, sondern ein wiederholbarer Zyklus. Erfolgreiche KMU behandeln sie als Kombination aus Geschäftsentwicklung, Change-Management und Technik – in dieser Reihenfolge.

Bewährt hat sich ein Vorgehen in sechs Phasen. Jede Phase hat ein klares Ziel und ein Abbruchkriterium: Nimmt eine Idee die Hürde nicht, wird sie gestoppt, bevor Budget verbrannt wird.

• Phase 1 – Entdecken: Anwendungsfälle aus echten Geschäftsproblemen ableiten.
• Phase 2 – Bewerten: Machbarkeit, Datenlage, Wert und Risiko prüfen.
• Phase 3 – Pilotieren: kleinste sinnvolle Version mit echten Nutzern testen.
• Phase 4 – Messen: Wirkung an vorab definierten Kennzahlen belegen.
• Phase 5 – Skalieren: Bewährtes in den Regelbetrieb überführen.
• Phase 6 – Steuern: Governance, Datenschutz und Qualität dauerhaft sichern.

Phase 1 & 2: Anwendungsfälle entdecken und priorisieren

Gute KI-Implementierung beginnt mit einem Problem, nicht mit einem Werkzeug. Sammeln Sie mit den Fachabteilungen Aufgaben, die häufig, regelbasiert, zeitintensiv oder fehleranfällig sind – etwa Angebotserstellung, Kundenanfragen, Rechnungsprüfung oder Dokumentenrecherche. Aus dieser Liste entsteht der Pool an Kandidaten für Anwendungsfälle.

Priorisieren Sie anschliessend nüchtern nach zwei Achsen: Geschäftswert und Umsetzbarkeit. Ein Anwendungsfall mit hohem Wert und guter Datenlage schlägt jedes technisch beeindruckende, aber folgenlose Experiment. Beginnen Sie bewusst mit einem überschaubaren, gut messbaren Fall.

• Hoher Wert: spürbare Zeit-, Kosten- oder Qualitätswirkung.
• Gute Datenlage: benötigte Daten existieren, sind zugänglich und ausreichend sauber.
• Klarer Prozess: Der Ablauf ist beschreibbar und hat definierte Ein- und Ausgaben.
• Akzeptabler Fehlerraum: Ein gelegentlicher Fehler ist tragbar oder gut korrigierbar.
• Rückenwind: Es gibt ein Team, das den Fall wirklich nutzen will.

Phase 3: Machbarkeit ehrlich prüfen

Bevor Sie bauen, klären Sie vier Dimensionen: Daten, Technik, Wert und Risiko. Fehlt eine davon, ist der Fall noch nicht reif. Diese Prüfung dauert Tage, nicht Monate, und spart erfahrungsgemäss die teuersten Fehler.

Entscheiden Sie hier auch die Grundsatzfrage: Standardlösung einkaufen, bestehende Software mit KI-Funktion nutzen oder etwas Eigenes bauen. Für die meisten KMU ist die Reihenfolge kaufen vor konfigurieren vor bauen wirtschaftlich am sinnvollsten.

• Daten: Qualität, Menge, Rechte und Aktualität der benötigten Informationen.
• Technik: verfügbare Modelle oder Tools und Integration in bestehende Systeme.
• Wert: realistischer Nutzen gegenüber den Gesamtkosten über die Zeit.
• Risiko: Datenschutz, Fehlerfolgen, Abhängigkeit von Anbietern, Reputationsschaden.

Phase 4 & 5: Pilotieren und Wirkung messen

Der Pilot ist die kleinste Version, die echten Nutzen belegen kann – begrenzt auf ein Team, einen Prozess und einen definierten Zeitraum. Legen Sie vor dem Start fest, was Erfolg bedeutet, sonst lässt sich das Ergebnis später beliebig deuten. Definieren Sie eine Baseline, also den heutigen Zustand ohne KI.

Messen Sie danach mit wenigen, aussagekräftigen Kennzahlen und binden Sie die Menschen ein, die das Werkzeug täglich nutzen. Ein Pilot darf scheitern – das ist ein günstiges, wertvolles Ergebnis. Erst wenn er die vorab gesetzte Hürde nimmt, folgt die Skalierung.

• Baseline zuerst: Ausgangswerte vor dem Pilot dokumentieren.
• Wenige Kennzahlen: Zeit pro Vorgang, Fehlerquote, Durchsatz, Zufriedenheit.
• Mensch im Prozess: Fachkräfte prüfen und korrigieren KI-Ergebnisse.
• Feste Laufzeit und Abbruchkriterium: klarer Endpunkt statt Dauerpilot.

Phase 6: Skalieren und verantwortungsvoll steuern

Skalieren heisst, einen bewährten Piloten in den Regelbetrieb zu überführen: Schulung, Verantwortlichkeiten, Support und Einbettung in bestehende Abläufe. Rechnen Sie die Betriebskosten realistisch – Lizenzen, Nutzung, Wartung und Pflege der Daten – und nicht nur die einmalige Einführung.

Governance ist kein Bremsklotz, sondern die Voraussetzung für dauerhaften Einsatz. Legen Sie fest, wer Modelle freigibt, wie Ergebnisse überwacht werden und wie mit Fehlern umgegangen wird. KI-Systeme verändern sich mit ihren Daten; ohne regelmässige Kontrolle sinkt die Qualität unbemerkt.

• Betriebsmodell: klare Zuständigkeit für Betrieb, Pflege und Weiterentwicklung.
• Schulung: Mitarbeitende verstehen Stärken und Grenzen des Systems.
• Überwachung: regelmässige Qualitäts- und Kostenkontrolle.
• Dokumentation: Zweck, Datenquellen und Entscheidungen nachvollziehbar festhalten.

Häufige Fehler bei der KI-Implementierung

• Mit der Technologie statt dem Problem beginnen – die Lösung sucht die Anwendung.
• Zu gross starten: ein Grossprojekt statt eines lernenden Piloten.
• Keine Baseline und keine Kennzahlen – Erfolg bleibt eine Behauptung.
• Datenschutz erst am Schluss bedenken statt von Anfang an.
• Den Menschen vergessen: fehlende Schulung und Akzeptanz lassen gute Tools scheitern.
• Betriebskosten unterschätzen und laufende Pflege ignorieren.

Schweizer Perspektive: Recht, Datenschutz und ROI

Für Schweizer KMU gilt das revidierte Datenschutzgesetz (revDSG/nFADP), überwacht vom EDÖB. Prüfen Sie früh, welche Personendaten ein Anwendungsfall verarbeitet, wo diese liegen und ob ein Anbieter Daten ins Ausland überträgt. Bei cloudbasierten KI-Diensten sind Bearbeitungsverzeichnis, Auftragsbearbeitung und – bei hohem Risiko – eine Datenschutz-Folgenabschätzung zentrale Stichworte.

Denken Sie ROI in Strukturen, nicht in Versprechen. Stellen Sie den Gesamtkosten über die Zeit – Einführung, Lizenzen, Nutzung, Schulung und Pflege – den messbaren Nutzen in CHF gegenüber: gesparte Zeit, vermiedene Fehler, zusätzlicher Umsatz. Ein ehrlicher Business Case rechnet auch mit dem Fall, dass ein Pilot nicht überzeugt.

• revDSG/nFADP: Rechtsgrundlage, Transparenz und Betroffenenrechte klären.
• EDÖB: zuständige Aufsichtsbehörde für den Datenschutz in der Schweiz.
• Datenstandort: wissen, wo Daten verarbeitet und gespeichert werden.
• ROI in CHF: Gesamtkosten gegen belegbaren Nutzen über die Zeit.