AI im Unternehmen einführen: Leitfaden für KMU & Teams

Was bedeutet es, AI im Unternehmen einzuführen?

AI im Unternehmen einzuführen bedeutet nicht, Software zu kaufen und zu hoffen, es läuft, sondern Prozesse zu kennen, die richtigen Stellen zu automatisieren und das Team von Anfang an dabei zu haben. AI-Einführung ist kein klassisches IT-Projekt, das einmalig installiert wird. Sie verlangt kontinuierliche Anpassung, Lernbereitschaft und eine klare Vorstellung davon, welches Problem gelöst werden soll.

Das Fraunhofer IAO beschäftigt sich mit der AI-Einführung als organisatorischem Prozess. Ein Beitrag der SIX Group zur AI-Confidence zeigt: AI muss in das Unternehmen und in die Prozesse integriert werden, nicht bloss ausgerollt. Führungskräfte müssen aktiv mitgestalten, nicht nur absegnen.

Bereiche, in denen Schweizer KMU heute mit AI Entlastung erzielen:

• Buchhaltung und Belegverarbeitung

• Kundenservice und E-Mail-Triage

• Marketing und Content-Produktion

• Internes Reporting und Terminkoordination

Welche Prozesse eignen sich als erstes für AI?

Der beste Einstieg in die AI-Einführung ist nicht der eindrucksvollste Anwendungsfall, sondern der, bei dem dein Team am meisten Zeit verliert und am wenigsten nachdenken muss. Der erste Schritt besteht darin, klare Geschäftsziele zu definieren und diese mit den Prozessen abzugleichen, die am teuersten, langsamsten oder nervigsten sind. Die entscheidende Frage lautet: Welcher Prozess kostet am meisten Zeit? Nicht: Wo klingt AI besonders beeindruckend?

Ein Drei-Kriterien-Filter trennt geeignete Prozesse von ungeeigneten:

• Repetitiv: Die Aufgabe läuft jede Woche gleich ab.

• Regelbasiert: Es gibt klare Wenn-dann-Regeln ohne grossen Ermessensspielraum.

• Zeitfressend: Der manuelle Aufwand übersteigt den Nutzen der persönlichen Bearbeitung deutlich.

Prozesse, die alle drei Kriterien erfüllen, sind geeignete erste Kandidaten. Vier Beispiele aus dem KMU-Alltag:

Belegerfassung und Rechnungsverarbeitung

• Prozess: Belege manuell erfassen, prüfen und ablegen (sowie wie AI Buchhaltung in der Schweiz effizienter macht)

• Warum geeignet: Immer gleiche Struktur, klare Felder, hoher Zeitaufwand bei geringer Entscheidungstiefe.

• Beispiel-Tool: AI-native Buchhaltungssoftware wie zum Beispiel nextesy, Dokumentenmanagement mit OCR-Erkennung.

• Erster Schritt: Alle eingehenden Belege in ein digitales Postfach lenken und automatische Erkennung aktivieren.
  
  

Kundenservice-E-Mails

• Prozess: Eingehende Anfragen sichten, kategorisieren und Standardantworten formulieren.

• Warum geeignet: Grossteil der Anfragen ist wiederkehrend; Antwortvorlagen lassen sich strukturieren.

• Beispiel-Tool: ChatGPT mit unternehmensspezifischen Instruktionen oder Microsoft Copilot im Outlook-Umfeld.

• Erster Schritt: Die fünf häufigsten Anfragen-Typen definieren und je eine Musterantwort hinterlegen.

Interne Wissenssuche

• Prozess: Mitarbeitende suchen manuell in Ordnern, Wikis oder alten E-Mails nach Informationen.

• Warum geeignet: Suchzeit ist reine Overhead-Arbeit ohne direkten Kundenmehrwert.

• Beispiel-Tool: Dokumenten-AI auf bestehenden Ablagen; NTT DATA setzt mit GoodGPT auf ähnliche Ansätze für strukturierte Wissenssuche in Unternehmen.

• Erster Schritt: Alle relevanten Dokumente an einem Ort zusammenführen, bevor das Tool aktiviert wird.

Content-Entwürfe im Marketing

• Prozess: Erstentwürfe für Newsletter, Social-Media-Posts oder Produktbeschreibungen erstellen.

• Warum geeignet: Erster Entwurf braucht viel Zeit, wird aber ohnehin noch redigiert.

• Beispiel-Tool: ChatGPT oder ein spezialisiertes Schreibtool mit Markenbriefing.

• Erster Schritt: Briefing-Vorlage definieren, die Tonalität, Zielgruppe und Länge festlegt.

Bevor ein geeigneter Prozess automatisiert werden kann, muss noch eine Grundlagenfrage beantwortet werden: Sind die relevanten Daten überhaupt digitalisiert und in brauchbarer Qualität zugänglich? Ohne diese Voraussetzung scheitert jeder Pilot, unabhängig davon, wie gut das gewählte Tool ist. Ein kurzer Daten-Check vor dem Start spart Wochen an Frust danach.

Was sagst du deinem Team?

Wo AI Einzug hält, stellen sich Fragen, die kein Tool beantwortet: Deshalb beginnt eine gute AI-Einführung nicht mit der Software, sondern mit dem Gespräch. Die häufigste Sorge im Team lautet: «Werde ich ersetzt?» Diese Frage ist legitim und muss offen angesprochen werden, nicht wegerklärt. AI sollte als Werkzeug positioniert werden, das Zeit für wertschöpfende Aufgaben schafft, nicht aber den Menschen ersetzt.

Studien deuten darauf hin, dass viele Unternehmen die technische Bereitschaft überschätzen und die menschliche unterschätzen. Fehlende AI-Kenntnisse sind für viele Unternehmen die grösste Hürde bei der Einführung, nicht fehlende Tools. Das Fraunhofer IAO empfiehlt, Mitarbeitende bereits bei der Prozessauswahl einzubeziehen, nicht erst beim Go-live. Ein sichtbarer erster Erfolg hilft zusätzlich: Laut Fraunhofer IAO starten die meisten KMU mit einem ersten Leuchtturmprojekt, das oft dazu beiträgt, Vorbehalte gegenüber AI im Team abzubauen.

Vier konkrete Schritte für das Gespräch mit dem Team:

• Transparent kommunizieren: Erkläre das Ziel der AI-Einführung offen, bevor Gerüchte entstehen. «Wir automatisieren repetitive Aufgaben, damit ihr euch auf Dinge konzentrieren könnt, bei denen ihr wirklich gebraucht werdet.»

• Team mitentscheiden lassen: Lass Mitarbeitende mitbestimmen, welche Aufgaben als erste automatisiert werden. Wer mitentscheidet, blockiert seltener.

• Early Adopters einsetzen: Identifiziere Teammitglieder, die AI-affin sind, und gib ihnen eine sichtbare Rolle als interne Multiplikatoren. Peer-to-peer-Lernen funktioniert besser als Top-down-Training.

• Feedbackkanal einrichten: Richte einen niederschwelligen Kanal ein, über den das Team Probleme und Beobachtungen melden kann. Fehler sind Lernquelle, nicht Versagen.

Führungskräfte, die AI selbst sichtbar nutzen, nehmen die grösste Hürde weg: die Unsicherheit, ob das Engagement von oben wirklich ernst gemeint ist. Mehr dazu, warum die Angst vor AI in KMU meist unbegründet ist.

In vier Schritten zum ersten AI-Pilotprojekt

Ein AI-Pilot ist kein Experiment ohne Ziel, sondern ein klar definierter Schritt mit einem Prozess, einem Team und einem Massstab für Erfolg. Die vier Phasen Discovery, Design, Pilot und Skalierung können in zwei bis vier Monaten zu einem produktiven Ergebnis führen.

Discovery

• Schritt: Engpässe identifizieren, Daten-Check durchführen, Ressourcen prüfen.

• Ziel: Einen klar abgegrenzten Prozess finden, der alle drei Kriterien (repetitiv, regelbasiert, zeitfressend) erfüllt und sofort messbar ist.

• Was dabei herauskommt: Eine priorisierte Liste von zwei bis drei Kandidaten-Prozessen mit Einschätzung der Datenverfügbarkeit.

• Häufiger Fehler: Den grössten und komplexesten Prozess als ersten wählen, weil er am meisten Eindruck macht.

Design

• Schritt: Ziel definieren, Governance klären (wer darf was, wer haftet bei Fehlern), Rollen festlegen.

• Ziel: Einen schriftlichen Mini-Plan mit Erfolgskriterien erstellen, bevor das erste Tool aktiviert wird.

• Was dabei herauskommt: Klare Verantwortlichkeiten, definierte KPIs und ein Zeitplan für den Pilot.

• Häufiger Fehler: Governance-Fragen auf «später» verschieben und dann bei einem Fehler keine klare Antwort haben.

Pilot

• Schritt: Kleinen, klar abgegrenzten Prozess mit einem echten Team und echten Daten testen, nicht mit Demodaten.

• Ziel: Erste belastbare Erfahrungen sammeln und den Prozess unter realen Bedingungen bewerten.

• Was dabei herauskommt: Konkrete Vor-Nachher-Daten zu Zeitaufwand, Fehlerquote und Nutzungsverhalten.

• Häufiger Fehler: Nur mit der enthusiastischsten Person testen, die das Tool sowieso nutzen würde.

Skalierung

• Schritt: Erfolge dokumentieren, auf weitere Bereiche ausweiten, kontinuierlich optimieren.

• Ziel: Aus einem funktionierenden Pilot einen laufenden Betriebsprozess machen.

• Was dabei herauskommt: Rollenspezifische Schulungen, interne Champions und eine Messroutine, die den Fortschritt sichtbar hält.

• Häufiger Fehler: Skalieren, bevor der Pilot stabile Ergebnisse geliefert hat.

Das Fraunhofer IAO betont in seinem KI-ULTRA-Projektmodell, dass keine Phase übersprungen werden sollte. Der Druck, schnell sichtbare Ergebnisse zu zeigen, führt häufig dazu, dass Discovery und Design zu kurz kommen und der Pilot auf wackligen Grundlagen startet.

Was musst du rechtlich beachten?

AI einzuführen bedeutet nicht, Datenschutz zu ignorieren, sondern sich drei Fragen zu stellen, bevor ein Tool aktiviert wird. Parallel zum Piloten müssen Schweizer KMU zwei rechtliche Rahmenbedingungen im Blick haben: Das Schweizer Datenschutzgesetz (DSG) regelt, wie personenbezogene Daten verarbeitet werden dürfen, und der EU AI Act ist die erste umfassende Verordnung der Europäischen Union, die speziell Anforderungen an den Einsatz von AI-Systemen regelt. Der EU AI Act kann auch für Schweizer KMU relevant sein, die mit Kundschaft oder Lieferanten im EU-Raum tätig sind. Unternehmen müssen ihre AI-Anwendungen nach Risiko kategorisieren: Hochriskante Systeme unterliegen strengeren Anforderungen als einfache Automatisierungstools. Die SIX Group empfiehlt eine Datenstrategie nach den «drei R»: Daten müssen richtig, relevant und repräsentativ sein, bevor sie als Grundlage für AI-Entscheidungen dienen.

Drei Fragen, die vor dem Start eines jeden AI-Tools beantwortet sein sollten:

• Was wird verarbeitet: Prüfe, ob personenbezogene Daten von Mitarbeitenden oder Kundschaft in das System fliessen, und stelle sicher, dass das DSG-konform geschieht.

• Wo liegen die Daten: Bevorzuge bei Cloud-Lösungen Serverstandorte in der Schweiz oder der EU; frage explizit nach, wenn der Anbieter keine klare Auskunft gibt.

• Was lässt sich nachweisen: Halte dokumentiert fest, welche Daten mit welchem AI-System in Berührung kommen. Diese Dokumentationspflicht ist kein Bürokratieaufwand, sondern Schutz im Streitfall.

Wie misst du, ob die AI-Einführung wirkt?

Wer nicht misst, merkt oft erst nach Monaten, dass das Tool zwar installiert, aber kaum genutzt wird. Drei handhabbare KPIs ohne BI-Tool reichen aus, um den Piloten zu bewerten und die Skalierung zu rechtfertigen. ipt und Praxiserfahrungen aus dem Bereich AI-Datenstrategie bestätigen, dass KMU ohne Data-Science-Team mit einfachen Vorher-Nachher-Vergleichen valide Aussagen treffen können. Die SIX Group warnt vor der Produktivitätsillusion: Erst festlegen, was «Produktivität» im eigenen Unternehmen bedeutet, dann messen. Teile die Ergebnisse regelmässig mit dem Team, damit der Nutzen für alle greifbar wird.

Die drei KPIs, die ohne Spezialwerkzeug funktionieren:

• Zeitersparnis pro Prozess: Stoppe den manuellen Aufwand vor dem Pilot und vergleiche ihn vier Wochen nach Einführung. Auch eine grobe Schätzung ist besser als keine Zahl.

• Fehlerquote im automatisierten Schritt: Zähle, wie oft das Ergebnis des AI-Tools nachkorrigiert werden muss. Sinkende Fehlerquote bedeutet, das Modell lernt oder die Datenbasis verbessert sich.

• Wöchentliche Nutzungsrate im Team: Wie viele Personen nutzen das Tool tatsächlich jede Woche? Eine Nutzungsrate unter 50 % ist ein Signal, dass Schulungsbedarf oder Akzeptanzprobleme bestehen.

Maximal drei bis fünf KPIs, klar visualisiert, mit einer verantwortlichen Person: mehr braucht es nicht für einen ersten Überblick.

Wie nextesy AI nativ in den KMU-Alltag integriert, ohne Tool-Wildwuchs

Für KMU, die den Piloten starten wollen, ohne eine IT-Abteilung dahinter zu haben, zeigt nextesy, wie AI-Funktionen wie Belegerfassung, Zahlungsabgleich und Rechnungsverarbeitung nativ in bestehende Verwaltungsabläufe eingebettet werden, statt als fünfte Einzellizenz daneben zu stehen. Das Produkt wurde von Grund auf als AI-native Plattform entwickelt, beraten durch das ETH AI Center, die HSG (Universität St. Gallen) und unterstützt durch Innosuisse, die Schweizer Innovationsförderagentur. Der Unterschied zwischen einer nativ integrierten und einer aufgesetzten Lösung ist der Unterschied zwischen sofort spürbarer Entlastung und einem weiteren Tool, das niemand regelmässig öffnet.

Was das für den Einstieg konkret bedeutet:

• Automatisierung: Belegerfassung, Zahlungsabgleich und Rechnungsverarbeitung laufen direkt im System, kein separates Tool, keine manuelle Zwischenstation.

• Datenschutz: Entwickelt nach Schweizer DSG-Standards, kein Umweg über ausländische Server.

• Preis: Ab CHF 29/Monat für KMU, ab CHF 19/Monat für Treuhänder; 14 Tage kostenlos testen ohne Kreditkarte.

• Migration: Wechsel von bestehenden Lösungen wird aktiv unterstützt, inklusive Übergangsbrücke.