KI im KMU: Wo anfangen?

Warum die meisten KI-Einfuehrungen im Sand verlaufen

“Wir sollten auch mal was mit KI machen” ist in vielen Betrieben mittlerweile ein Standardsatz in Team-Meetings - und trotzdem passiert danach oft: nichts. Laut Bitkom nutzen 2026 rund 41 % der deutschen Unternehmen KI aktiv (Stand: 2026-07), aber die Verteilung ist alles andere als gleichmaessig: Grosskonzerne mit 250+ Mitarbeitenden liegen bei rund 57 %, kleine Betriebe mit 10-49 Mitarbeitenden nur bei etwa 23 %. Das Beratungsunternehmen BDO beschreibt es fuer die Schweiz noch deutlicher als “wachsende Kluft” zwischen Grossunternehmen und KMU.

Das liegt selten am fehlenden Interesse. Es liegt daran, dass “KI einfuehren” als Projekt zu gross gedacht wird: eine unternehmensweite Strategie, ein grosses Budget, ein Kickoff-Meeting mit der Geschaeftsleitung - und danach verlaeuft es im Sand, weil niemand den ersten konkreten Schritt definiert hat. Dieser Artikel dreht die Reihenfolge um: erst der kleinste sinnvolle Schritt, dann die Skalierung.

Die vier Use-Case-Kategorien, die wirklich tragen

Bevor du irgendein Tool kaufst, lohnt sich ein Blick darauf, wo KI in KMU tatsaechlich messbaren Nutzen bringt. Es sind fast immer dieselben vier Bereiche:

1. Text- und Kommunikationsarbeit. Angebote, Stellenausschreibungen, Social-Media-Posts, interne Mitteilungen, Uebersetzungen. Hoher Anteil an Routinearbeit, klar pruefbares Ergebnis, wenig Risiko bei Fehlern (weil ein Mensch immer noch gegenliest). Das ist mit Abstand der einfachste Einstieg - siehe KI fuer Texte.

2. Kundensupport und interne IT-Hilfe. Erste Antwortentwuerfe fuer haeufige Anfragen, ein Chatbot fuer FAQ-Themen, automatische Kategorisierung eingehender Tickets. Der Nutzen ist hier besonders gut messbar, weil man Bearbeitungszeit pro Ticket direkt vergleichen kann.

3. Dokumentation und Wissensmanagement. Handbuecher, Prozessbeschreibungen, Onboarding-Unterlagen aus bestehendem Material zusammenfassen oder neu strukturieren lassen. Besonders wertvoll in Betrieben, in denen Wissen bisher nur “im Kopf von Frau Meier” existiert.

4. Datenanalyse und Reporting. Verkaufszahlen, Lagerbestaende oder Kennzahlen aus Excel/ERP durch KI zusammenfassen und in verstaendliche Aussagen uebersetzen lassen, statt jede Woche manuell Pivot-Tabellen zu bauen.

Quick Wins: in der ersten Woche schon sichtbar

Ein Quick Win muss drei Kriterien erfuellen: er kostet fast nichts, er braucht keine IT-Integration, und er zeigt innerhalb weniger Tage einen Effekt, den auch Skeptiker im Team sehen. Beispiele, die sich in der Praxis bewaehrt haben:

• Eine Standard-Antwortvorlage fuer die drei haeufigsten Kundenanfragen mit einem KI-Chat erarbeiten und im Team teilen.
• Eine lange, unuebersichtliche Anleitung (z. B. eine alte Betriebsordnung) zusammenfassen und in eine klare Struktur bringen lassen.
• Einen Wochenbericht aus Stichpunkten und Rohdaten automatisch entwerfen lassen, den bisher jemand von Hand zusammenschreiben musste.
• Eine Stellenausschreibung aus einem kurzen Anforderungsprofil generieren, statt eine alte Vorlage muehsam anzupassen.

Beispiel-Prompt fuer einen ersten Quick Win (Wochenbericht):

"Hier sind unsere Rohdaten der Woche: [Zahlen/Stichpunkte einfuegen].
Erstelle daraus einen Wochenbericht mit drei Abschnitten:
1. Was ist gut gelaufen (mit Zahlen belegt)
2. Was ist offen / Risiken
3. Naechste Schritte

Ton: sachlich, fuer die Geschaeftsleitung, maximal eine halbe Seite."

Der Sinn eines Quick Wins ist nicht der grosse ROI, sondern die Beweisfuehrung: “Seht her, das hat funktioniert und war in 20 Minuten erledigt.” Das ist die Basis, um im naechsten Schritt ein etwas groesseres Pilotprojekt zu rechtfertigen.

ROI realistisch einschaetzen

Die groesste Enttaeuschungsquelle bei KI-Projekten ist keine schlechte Technik, sondern eine ueberzogene Erwartung. “KI spart 30 % Arbeitszeit im ganzen Betrieb” ist fast immer eine Marketingzahl, keine belastbare Kennzahl fuer dein Unternehmen. Realistisch rechnest du in drei Schritten:

Schritt 1: Zeit pro Aufgabe messen - vorher und nachher. Nicht schaetzen, sondern kurz stoppen: Wie lange dauert die Aufgabe ohne KI, wie lange mit KI inklusive Gegenlesen und Korrigieren? Die Korrekturzeit gehoert immer mit in die Rechnung, sonst wird das Ergebnis schoengerechnet.

Schritt 2: Haeufigkeit einbeziehen. Eine Aufgabe, die 10 Minuten spart, aber nur einmal im Monat vorkommt, bringt uebers Jahr kaum etwas. Eine Aufgabe, die 3 Minuten spart, aber 50-mal pro Woche anfaellt, ist der eigentliche Hebel.

Schritt 3: Kosten realistisch gegenrechnen. Neben der Lizenz (z. B. Microsoft 365 Copilot ab ca. 15-22 Euro/User/Monat je nach Vertragsmodell, Stand: 2026-07) zaehlen auch Einrichtung, Schulung und die Zeit, die anfangs fuer das “KI-Prompten-Lernen” draufgeht.

Bei den Lizenzkosten selbst lohnt sich zudem ein Blick auf die Gesamtkostenstruktur - Details dazu unter KI-Kosten & Lizenzen im KMU.

Das Pilotprojekt: klein anfangen, sauber messen

Nach den Quick Wins folgt der eigentliche Einstieg: ein einziges Pilotprojekt mit klarem Rahmen, statt gleich unternehmensweit auszurollen. Ein guter Pilot erfuellt fuenf Kriterien:

1. Eine Abteilung, ein Anwendungsfall. Nicht “KI im ganzen Unternehmen”, sondern z. B. “KI-gestuetzte Antwortentwuerfe im Kundensupport, 6 Wochen, 3 Personen”.
2. Klare Erfolgsmessung vorab definiert. Was genau wird gemessen (Bearbeitungszeit, Kundenzufriedenheit, Fehlerquote)? Wird das nicht vorher festgelegt, diskutiert man am Ende nur noch gefuehlt statt mit Zahlen.
3. Ein verantwortlicher “KI-Pate”. Eine Person (nicht zwingend aus der IT), die Fragen beantwortet, Probleme sammelt und regelmaessig berichtet.
4. Feste Laufzeit mit Entscheidungspunkt. 4-8 Wochen sind ueblich. Am Ende steht eine bewusste Entscheidung: ausweiten, anpassen oder stoppen - nicht “einfach weiterlaufen lassen”.
5. Von Anfang an mit den richtigen Leitplanken. Welche Daten duerfen ins Tool, welche nicht? Das gehoert in eine kurze KI-Nutzungsrichtlinie fuer KMU, bevor der Pilot startet, nicht danach.

Beispiel-Struktur fuer ein 6-Wochen-Pilotprojekt:

Woche 1: Tool auswaehlen, Zugaenge einrichten, kurze Schulung (1-2 Std.)
Woche 2-5: Taeglicher Einsatz im definierten Bereich, woechentliches
           15-Minuten-Feedback-Gespraech im Team
Woche 6: Auswertung der Kennzahlen, Entscheidung: Ausweiten / Anpassen / Stoppen

Wie du das passende Werkzeug fuer genau diesen Piloten findest, ohne dich in einem Vergleichsmarathon zu verlieren, steht unter KI-Tools auswaehlen im KMU.

Change Management: die eigentliche Huerde

Technisch ist der Einstieg in KI heute einfach - eine Lizenz einrichten dauert Minuten. Die eigentliche Huerde ist fast immer menschlich. Drei Reaktionsmuster begegnen dir in fast jedem Team:

• Die Begeisterten, die sofort alles ausprobieren wollen - Risiko: unkontrollierte Nutzung ohne Datenschutz-Ueberlegung.
• Die Skeptiker, die “das ersetzt doch nur meinen Job” oder “das ist alles Hype” sagen - Risiko: das Pilotprojekt wird sabotiert oder ignoriert.
• Die Ueberforderten, die es nutzen wollen, aber nicht wissen, wie ein guter Prompt aussieht - Risiko: erste Frustration durch schlechte Ergebnisse, dann Aufgeben.

Fuer alle drei Gruppen hilft dieselbe Grundhaltung: transparent kommunizieren, was KI ersetzen soll und was nicht. Die ehrlichste und wirksamste Botschaft ist meistens: “KI uebernimmt den ersten Entwurf, du bleibst fuer die Qualitaet verantwortlich.” Das nimmt die Angst vor dem Jobverlust und gibt gleichzeitig eine klare Erwartung vor.

Konkrete Massnahmen, die sich bewaehrt haben:

1. Kurze, praktische Schulung statt langer Theorie. Eine Stunde mit echten Beispielen aus dem eigenen Arbeitsalltag bringt mehr als ein Grundlagen-Seminar ueber “Wie funktioniert KI”.
2. Fruehe Einbindung der spaeteren Nutzenden. Wer das Pilotprojekt mitgestaltet, sabotiert es seltener.
3. Erfolge sichtbar machen. Ein kurzer “So haben wir 2 Stunden gespart”-Hinweis im Team-Meeting wirkt staerker als jede Ansage von oben.
4. Fehler offen ansprechen. Wenn die KI mal falsch liegt (z. B. eine Zahl halluziniert, siehe Warum KI halluziniert), das offen im Team besprechen statt zu vertuschen - das baut Vertrauen in den richtigen Umgang auf, nicht in blinde Nutzung.

Fallstricke, die den Einstieg ausbremsen

Zu grosser erster Wurf. Ein unternehmensweites “KI-Transformationsprojekt” mit Beraterteam und Jahresplan wirkt seriös, scheitert aber oft an der eigenen Komplexitaet. Klein anfangen schlaegt gross planen.

Keine Datenschutz-Ueberlegung vor dem Start. Mitarbeitende kopieren Kundendaten oder interne Dokumente in ein oeffentliches KI-Tool, ohne dass jemand geprueft hat, ob das erlaubt ist. Das ist der haeufigste und teuerste Fehler beim Einstieg - siehe KI-Datenschutz-Grundlagen und, fuer Schweizer Betriebe, den Zusammenhang mit dem EU AI Act in der Schweiz.

Tool zuerst, Problem danach. Ein Tool kaufen, weil es gerade im Trend ist, und erst danach ueberlegen, wofuer es genutzt werden soll. Die Reihenfolge sollte immer umgekehrt sein: erst das Problem, dann das passende Werkzeug.

Ungeprueften Output uebernehmen. Gerade bei Zahlen, Rechtstexten oder Kundenkommunikation muss ein Mensch am Ende gegenlesen. KI liefert einen guten Entwurf, keine verlaessliche Endfassung - Details unter Faktencheck fuer KI-Output.

Erfolg nicht messen. Ohne vorab definierte Kennzahlen laesst sich am Ende des Pilots nicht objektiv sagen, ob es sich gelohnt hat - dann entscheidet die lauteste Meinung im Raum statt der tatsaechliche Effekt.

Keine Zustaendigkeit. Wenn niemand konkret verantwortlich ist, verlaeuft selbst ein gut gestartetes Projekt nach ein paar Wochen im Alltagsgeschaeft.

Entscheidungshilfe: Wo starte ich konkret?

Frage 1: Gibt es eine Aufgabe, die taeglich/woechentlich wiederkehrt,
         Text-lastig ist und ohnehin von einem Menschen gegengelesen wird?
   Ja  -> Das ist dein Quick-Win-Kandidat. Diese Woche starten.
   Nein -> Frage 2

Frage 2: Gibt es viele wiederkehrende, aehnliche Kundenanfragen?
   Ja  -> Support-Antwortentwuerfe als Pilotprojekt pruefen.
   Nein -> Frage 3

Frage 3: Existiert wichtiges Wissen nur im Kopf einzelner Personen?
   Ja  -> Dokumentations-/Wissensmanagement-Ansatz starten.
   Nein -> Frage 4

Frage 4: Verbringt jemand regelmaessig viel Zeit mit Zahlen/Reports?
   Ja  -> Reporting-Automatisierung als Piloten pruefen.
   Nein -> Erst einmal die vier Kategorien nochmal durchgehen -
           es gibt fast immer einen passenden Startpunkt.

Kurz zusammengefasst

• Die vier tragfaehigsten Einstiegsfelder sind Text/Kommunikation, Support, Dokumentation und Datenanalyse - starte dort, wo eine Aufgabe haeufig vorkommt und ohnehin gegengelesen wird.
• Ein Quick Win in der ersten Woche schafft Vertrauen und Argumente fuer den naechsten, groesseren Schritt.
• ROI immer inklusive Korrekturzeit rechnen, mit realer Haeufigkeit multiplizieren und eher als Kapazitaetsgewinn denn als direkte Kosteneinsparung kommunizieren.
• Ein Pilotprojekt braucht einen klaren Rahmen: eine Abteilung, definierte Kennzahlen, einen Verantwortlichen, eine feste Laufzeit.
• Change Management entscheidet oft mehr ueber Erfolg oder Misserfolg als die Technik selbst - transparent kommunizieren, wer wofuer verantwortlich bleibt.
• Die haeufigsten Fallstricke sind zu grosser erster Wurf, fehlende Datenschutz-Regeln vor dem Start und ungeprueft uebernommener Output.

Weiterlernen

• Bitkom: Digitalisierung der Wirtschaft - Unternehmen beschaeftigen sich mit KI
• KfW Research: Publikationen zu Mittelstand und Innovation
• Microsoft 365 Copilot: Preise und Plaene
• BDO Schweiz: KI-Adoption in Unternehmen
• Innosuisse: Foerderung fuer Schweizer KMU
• KI-Tools auswaehlen im KMU im Wiki