Geschätzte Überlebende der nächsten PowerPoint-Präsentation
Im Moment hörst du von allen Seiten, dass dein KMU nun dringend eine KI-Strategie braucht.
«KI-Transformationsstrategie 2026–2030» heissen die Angebote, «Poste Claude für den Wahnsinns-Prompt deines Lebens» die Social-Media-Aktionen dazu, die Workshops wappnen sich mit vierundsiebzig Folien, sechs Swimlane-Diagrammen und einem ordentlichen Budget (ich habe von Stundensätzen um CHF 500 gehört...). Du fragst dich: «Brauchen wir das wirklich?»
Meiner Meinung nach: Nein. Zumindest in den meisten Fällen nicht so.
Was du brauchst — und was die meisten Schweizer KMU brauchen — ist kein umfassendes Strategiepapier. Du profitierst von denselben Werkzeugen und Ideen wie der Konzern, nur gehören sie dir, und du zahlst niemanden dafür, sie zu verwalten. Es ist am Ende eine Idee, wie zu beginnen ist. Und die kommt nicht aus Folien, sondern aus ein paar Fragen, die man sich selbst stellen kann. Aber sie mündet eben auch in einer unbequemen Einsicht, auf die ich weiter unten noch zu sprechen komme: Bei KI gibt es keinen Stichtag, an dem man «fertig» ist.
Was eine KI-Strategie ist — und was sie nicht ist
Die Grossunternehmen haben KI-Direktoren, Ethics Boards und Pilotprogramme mit Codenames. Das ist ihre Welt. Für ein KMU mit fünf bis fünfzig Mitarbeitenden ist «KI-Strategie» ein zu schweres Wort für etwas, das im Kern ziemlich schlicht ist:
Wo kann ich meine Leute und mich entlasten, ohne dass es teuer, riskant oder unverständlich wird?
Das Problem ist nicht, dass KMU zu wenig machen. Das Problem ist oft, dass sie entweder gar nicht anfangen — weil die Strategie fehle, heisst es — oder dass sie losrennen, ohne zu wissen, wohin. Beides ist falsch. Und beides ist vermeidbar.
In der Praxis zeigt sich, dass die besten KI-Anwendungen in kleineren Betrieben nicht in Strategieworkshops entstehen. Sie entstehen, wenn jemand sagt: «Ich tippe jeden Montag dieselben zwanzig Zeilen in drei verschiedene Systeme - das muss doch einfacher gehen.» Oder: «Wir schreiben jedes Angebot fast von Grund auf neu, obwohl achtzig Prozent immer gleich sind.»
Das sind keine strategischen Fragen. Das sind Frustrationspunkte. Und genau da fängt sinnvolle KI-Nutzung an.
Drei Fragen umreissen deine «KI-Strategie» beispielhaft
Ich empfehle meinen Kunden, bevor wir auch nur ein Tool anschauen, drei Fragen zu beantworten.
- Was kostet euch heute die meiste Zeit, ohne echten Mehrwert zu schaffen? Welche Frage führt zu grossem Frust bei Angestellten? Nicht theoretisch, sondern ganz konkret — welche Aufgabe macht jemand bei euch täglich, die mechanisch, repetitiv und irgendwie doppelt ist? Diese Frage zu beantworten braucht manchmal einige Wochen Beobachtung — und lohnt sich.
- Welche Daten sind in einem Zustand, mit dem man arbeiten kann? KI braucht am besten strukturiertes Futter. Unsortierte PDFs, Notizbuch-Kundendaten, Prozesswissen nur in Köpfen — das ist kein primärer Ausgangspunkt für KI, das ist zuerst ein Aufräumprojekt. Wer diesen Schritt überspringt, kauft sich teure Probleme.
- Wer im Betrieb hat Lust, etwas auszuprobieren? Diese Person gibt es in fast jedem Unternehmen. Nicht unbedingt die Jüngste oder der Technikaffinste. Oft jemand, der einfach neugierig ist und keine Angst hat, einen Fehler zu machen. Diese Person ist dein Testkandidat — und sollte als Erste mit einem neuen Tool arbeiten dürfen, bevor man es dem Rest zumutet.
Wer diese drei Antworten hat, weiss wahrscheinlich mehr als die meisten Betriebe, die gerade ihren ersten KI-Anbieter unter Vertrag nehmen.
Was du zuvor noch klären musst
Ein unliebsamer Punkt für die meisten, den ich dennoch nicht überspringen will, auch wenn er sperrig klingt: Datenschutz.
Das DSG ist seit September 2023 in Kraft. Die DSGVO gilt für alle, die EU-Kundendaten verarbeiten. KI-Tools, ob Microsoft Copilot, ChatGPT, Claude oder irgendetwas mit «AI» im Namen, verarbeiten Daten.
Die Frage ist dabei nicht ob, sondern wo und wie:
- Was geht wohin?
- Wer sieht was?
- Was passiert mit Kundendaten, die jemand versehentlich in einen öffentlichen Prompt tippt?
Die Antwort darauf muss kein Reglement sein. Sie passt in eine Ampellogik mit drei Klassen und ist damit kurz genug, dass sie jemand nach dem zweiten Lesen im Kopf hat:
Das ist keine Schikane. Das ist Grundhygiene. Und ich erlebe regelmässig, dass Mitarbeitende KI-Tools produktiv und kreativ einsetzen — bevor die IT-Verantwortlichen auch nur wissen, dass diese Tools existieren. Das ist menschlich und verständlich. Aber es ist der eigentliche strategische Blindfleck, den man schliessen sollte, bevor man weiter skaliert (und übrigens bietet das Proteko-Paket Abhilfe, indem KI-Nutzung im Betrieb aufgedeckt werden kann...).
Was beim Menschen bleibt
Obenstehende Ampel regelt, was in ein System hinein darf. Über das, was aus der Nutzung eines Systems resultiert, sagt sie nichts — und das ist die zweite, die eigentlich unbequeme Grenze. Sie ist für dich und deine Mitarbeitenden die vielleicht sogar wichtigere Übersicht.
Bevor du irgendetwas an die KI delegierst, automatisierst oder implementierst, bestimme deshalb die Verbotszone. Das ist kein moralisches Beiwerk, sondern die Voraussetzung dafür, dass die Nutzung von künstlicher Intelligenz ohne emotionale Achterbahnen gelingen kann.
Die Liste ist kurz, alles andere darfst du guten Gewissens nach eigenem Ermessen ausprobieren.
Die unendliche Geschichte: Bei KI gibt es keinen «Projektabschluss»
Bis hierhin klingt das nach: einmal aufräumen, einmal Regeln klären, einmal loslegen und: fertig. Genau das ist der Denkfehler, und er stammt aus einer anderen Zeit.
In den Neunzigern hatte alles einen Fahrplan. Man führte eine neue Buchhaltungssoftware ein wie einen Hausbau:
Pflichtenheft → Kickoff → Meilensteine → Abnahme → Projektabschluss → Apéro.
Das funktionierte, weil man vorher wusste, was am Ende herauskommen sollte. Eine Buchhaltung ist eine Buchhaltung.
Bei KI weisst du das nicht. Niemand weiss es. Die Technik ist zu neu, zu beweglich, und was sie deinem Betrieb bringt, findest du nur heraus, indem du es ausprobierst. Wer KI einführt wie eine Buchhaltungssoftware, kauft sich die Kosten der Einführung ein — aber nicht den Nutzen.
Du planst also nicht den Weg zum Ziel — du planst die Versuche. Drei, vier kleine, jeder so klein, dass ein Fehlschlag nicht weh tut. Und ja: Die Hälfte wirfst du weg (dass wir die Weggeworfenen übersehen, hat Rolf Dobelli als Survivorship Bias populär gemacht). Das ist der Preis, nicht der Fehler. Ich nenne diese Phase: «Chaos-Phase mit Leitplanken».
Benötigte Mittel
Eine Chaos-Phase ohne Rahmen ist einfach nur Chaos. Damit Erkundung produktiv wird statt teuer, braucht es vier (fast) kostenlose Dinge.
Aller Anfang ist schwer
Danach: Anfangen. Klein. Mit einem Anwendungsfall, einer Gruppe, einem klar messbaren Ziel. Beobachten, was passiert. Anpassen. Dann erst ausrollen — und sofort den nächsten Versuch beginnen. Das ist keine Strategie im McKinsey-Sinn. Aber es ist pragmatisch, es ist bezahlbar — und es funktioniert.
Wenn du weisst, wo du anfangen willst — oder wenn du es noch nicht weisst und ein Gegenüber suchst, das mithilft: Du weisst, wie du mich erreichst.
Quellen & Hintergrund zum Weiterlesen
Erkundung ist nur produktiv mit Grenzen, Budget und Portfolio-Steuerung, und das Bewährte muss parallel weiterlaufen (Ambidextrie). «Chaos» meint also gerahmtes Ausprobieren, nicht Kontrollverlust.
Microsoft Work Trend Index 2026 · Gartner Hype Cycle for Artificial Intelligence, 2025 · DSG (Bundesgesetz über den Datenschutz), in Kraft seit 1. September 2023 · Eigene Feldbeobachtung, Beratungsmandate im Q1/Q2 2026.
MIT NANDA, «The GenAI Divide: State of AI in Business 2025» — rund 95 % der Unternehmen ohne messbare Wirkung; Ursache ist nicht die Modellqualität, sondern die fehlende Lernschlaufe zwischen Werkzeug und Organisation.
BCG, «The Widening AI Value Gap» (2025) — im Schnitt werden 46 % der Versuche vor der Produktion verworfen; Verwerfen ist der Normalfall.
McKinsey, «The State of AI» (2025) — Faustregel 10-20-70: 70 % des Aufwands entfallen auf Menschen, Prozesse und Kultur, nur 10 % auf das Modell.
Snowden & Boone, «A Leader's Framework for Decision Making» (HBR 2007) — Cynefin — im komplexen Umfeld hilft nur: kleine Versuche wagen, die gefahrlos scheitern dürfen.
March, «Exploration and Exploitation in Organizational Learning» (Organization Science, 1991) — Unternehmen müssen Erkunden (Neues) und Verwerten (Bewährtes) zugleich austarieren; reines Erkunden ist ebenso ein Fehlermuster wie reines Verwerten.
Mintzberg & Waters, «Of Strategies, Deliberate and Emergent» (SMJ 1985) — geplante Strategie richtet den Blick auf Umsetzung statt auf Anpassung und verhindert Lernen; bei Unsicherheit braucht es emergente Strategie.
Baghai, Coley & White, McKinsey «Three Horizons of Growth» (1999/2009) — ein Portfolio führt Bewährtes, Wachstum und Wetten gleichzeitig und teilt Mittel bewusst zu.
Edmondson, «Psychological Safety and Learning Behavior in Work Teams» (1999) — Teams, in denen man Fehler offen zugeben darf, lernen und innovieren mehr; Grundlage für «Raum zum Ausprobieren».
Brynjolfsson, Rock & Syverson, «The Productivity J-Curve» (NBER w25148, 2021) — neue Basistechnologien senken die gemessene Produktivität zuerst und heben sie erst nach den ergänzenden Investitionen: die Delle vor dem Aufschwung.
Paul A. David, «The Dynamo and the Computer» (1990) — die Dynamo-Geschichte; Produktivitätsgewinn erst nach der Reorganisation der Werkstatt.
Rolf Dobelli, Die Kunst des klaren Denkens: 52 Denkfehler, die Sie besser anderen überlassen, Carl Hanser Verlag, München 2011, ISBN 978-3-446-42682-5. E-Book: DOI 10.3139/9783446430402.