Die Phase der Experimente ist in vielen Unternehmen vorbei. Mitarbeitende nutzen KI-Werkzeuge, einzelne Abteilungen haben Pilotprojekte gestartet, und die Geschäftsleitung fragt, was davon bleibt. Aus unseren Gesprächen mit Unternehmen in der Schweiz und in Deutschland zeigt sich ein klares Muster: Erfolgreich sind die Projekte, die mit einem Problem beginnen, nicht mit einem Werkzeug.
Anwendungsfälle aus den eigenen Abläufen
Die besten Kandidaten für KI sind Abläufe, in denen viel Text gelesen, geschrieben, sortiert oder gesucht wird: Anfragen beantworten, Dokumente prüfen, Wissen finden, Berichte entwerfen, Daten aus Formularen übernehmen. Jeder Fall sollte nach vier Kriterien bewertet werden: Nutzen, Machbarkeit, Datenlage und Risiko. Dabei zeigt sich regelmässig, dass ein Teil der Ideen klassische Automatisierung ohne KI ist, die schneller und robuster wirkt.
Erfolg messbar machen
Ein KI-Projekt braucht ein Erfolgsmass mit Ausgangswert: Bearbeitungszeit, Trefferquote, Anteil der automatisch richtig sortierten Anfragen oder Zufriedenheit. Ohne Ausgangswert lässt sich der Nutzen später nicht belegen, und das Projekt endet in einer Meinungsfrage. Ebenso wichtig ist ein Prüfsatz aus echten Fällen mit geprüften Ergebnissen, an dem jede neue Version gemessen wird.
Daten und Rechte zuerst
Der häufigste Fehler bei internen Assistenten ist ein fehlendes Rechtekonzept. Ein Assistent, der aus allen Dokumenten antwortet, gibt früher oder später etwas preis, das nicht jeder sehen darf. Deshalb müssen Berechtigungen aus den Quellsystemen übernommen werden. Gleichzeitig ist zu klären, welche Personendaten verarbeitet werden, wo die Modelle laufen und ob der Anbieter Eingaben zum Training verwendet. Für Daten, die in der Schweiz oder der EU bleiben sollen, gibt es heute passende Angebote.
AI Act und KI-MIG einordnen
Der EU AI Act unterscheidet nach Risiko. Für die meisten Unternehmensanwendungen, etwa interne Assistenten oder Chatbots, gelten vor allem Transparenzpflichten: Nutzer müssen erkennen können, dass sie mit einer KI interagieren. Hochrisiko-Fälle sind in Anhang III abschliessend genannt, darunter Personalauswahl, Kreditwürdigkeitsprüfung und bestimmte Anwendungen in Bildung und kritischer Infrastruktur; ihre Pflichten gelten ab dem 2. Dezember 2027. In Deutschland überwacht seit dem 29. Juli 2026 nach dem KI-MIG grundsätzlich die Bundesnetzagentur, im Finanzsektor die BaFin. In der Schweiz erwartet die FINMA von beaufsichtigten Instituten eine KI-Governance nach ihrer Aufsichtsmitteilung 08/2024.
Mensch in der Schleife
Für jeden Schritt mit Aussenwirkung sollte festgelegt sein, ob die KI selbständig handeln darf oder ein Mensch freigibt. Bewährt hat sich, mit Vorschlägen zu beginnen, die ein Mensch prüft, und erst nach messbar guter Qualität ausgewählte Standardfälle zu automatisieren. Das senkt das Risiko und schafft Vertrauen bei den Mitarbeitenden, die mit der Lösung arbeiten.
Betrieb ist der grössere Teil
Ein Prototyp ist schnell gebaut. Der verlässliche Betrieb verlangt mehr: Überwachung von Qualität und Kosten, Nachführen der Inhalte, Umgang mit Modellwechseln der Anbieter und eine Person, die Verantwortung trägt. Diese Aufgaben sollten vor dem Start verteilt sein, nicht nach dem ersten Problem.
So starten Sie
Unsere Checkliste für den Start eines KI-Projekts fasst die Punkte zusammen. Wenn Sie wissen wollen, wo KI in Ihrem Unternehmen am meisten bringt, ist eine KI-Potenzialanalyse der strukturierte Einstieg; für Assistenten auf eigenen Dokumenten beschreibt unser Angebot KI-Chatbot auf eigenen Daten das Vorgehen. Den Gesamtrahmen beschreibt die Leistung KI-Beratung & KI-Integration.