KI im KMU: Wo jetzt handeln, wo erst prüfen

Die KI wird nicht zuerst die ganze Firma übernehmen. Sie wird zuerst einzelne Entscheidungen, Arbeitsabläufe und Vertrauensketten verändern. Genau dort beginnt für Schweizer KMU die eigentliche Aufgabe.

Die Bilder aus der KI- und Robotikwelt sind eindrücklich: Agenten bedienen Computer, humanoide Roboter arbeiten in Fabriken, Fahrzeuge fahren in begrenzten Gebieten selbstständig und künstliche Stimmen oder bewegte Bilder wirken immer glaubwürdiger. Daraus entstehen zwei falsche Reaktionen. Die eine ist hektische Beschaffung. Die andere ist Abwarten. Beides greift zu kurz.

Der sinnvolle Weg liegt dazwischen: Zahlungs- und Freigabeprozesse härten, KI nur in klar abgegrenzten Aufgaben einsetzen, Mitarbeitende gezielt weiterentwickeln und autonome Systeme dort testen, wo Umgebungen, Verantwortung und Fehlerfolgen beherrschbar sind. Dieser Beitrag zeigt, was Schweizer KMU jetzt tun sollten – und was vorerst auf die Prüfliste gehört.

Titelbild: Redaktionelle Illustration. Sie zeigt eine exemplarische Zusammenarbeit von Mensch, KI und Automatisierung und keine konkrete Maschine oder Marke.

Die neue Regel: Vertrauen genügt nicht mehr als Freigabe

Ein Anruf der Geschäftsleitung, eine vertraute Stimme oder eine digitale Konferenz mit bekannten Gesichtern galten lange als starker Vertrauensbeweis. Das reicht nicht mehr. Der öffentlich bekannte Betrugsfall einer multinationalen Firma in Hongkong Anfang 2024 machte deutlich, wie eine manipulierte Konferenz, soziale Manipulation und ein unzureichend unabhängig überprüfter Zahlungsprozess zusammenspielen können. Der entscheidende Punkt ist nicht die spektakuläre Schadenhöhe. Entscheidend ist: Ein überzeugendes Medium ist kein Identitätsnachweis.

Für Schweizer KMU folgt daraus eine einfache, aber wirksame Regel: Ungewöhnliche, dringliche oder geheim gehaltene Zahlungsanweisungen müssen über einen bereits bekannten, unabhängigen Kanal rückbestätigt werden. Nicht über die Telefonnummer oder den Link aus der neuen Nachricht, sondern etwa über einen hinterlegten Kontakt. Änderungen an Kontodaten brauchen einen separaten Prüfweg. Und Anweisung sowie Freigabe sollten bei kritischen Zahlungen nicht bei derselben Person liegen.

Das ist keine Frage von Misstrauen gegenüber Mitarbeitenden. Es ist professionelles Prozessdesign. Mitarbeitende müssen ohne Gesichtsverlust anhalten dürfen, wenn eine Anfrage Druck, Geheimhaltung oder einen unerwarteten Umweg enthält. Ein geübtes «Stopp, ich prüfe das kurz» schützt besser als die Hoffnung, jede Manipulation am Bild oder an der Stimme zu erkennen.

KI-Agenten: Nicht nach Intelligenz einkaufen, sondern nach Fehlerfolgen entscheiden

KI-Agenten können heute deutlich mehr als Texte zusammenfassen. Sie können Anwendungen bedienen, Informationen strukturieren und vordefinierte Schritte in digitalen Werkzeugen ausführen. Gerade bei klar beschriebenen, wiederholbaren Aufgaben ist der Fortschritt sichtbar. Gleichzeitig bleiben längere Abläufe über mehrere Systeme hinweg fehleranfällig. Ein Benchmark misst Fähigkeiten unter bestimmten Bedingungen; er ist kein Versprechen für den Alltag eines KMU.

Darum sollte die erste Frage nicht lauten: «Wie autonom ist dieses System?» Die bessere Frage lautet: «Was passiert, wenn es einmal falschliegt?» Eine KI darf etwa Dokumente vorsortieren, interne Wissenssuche vorbereiten oder Entwürfe aus strukturierten Vorlagen erstellen. Sie sollte zum Start keine Zahlungen auslösen, verbindliche Kundenentscheide treffen, Verträge versenden oder breite Zugriffsrechte erhalten.

Ein guter Pilot hat vier Eigenschaften. Er hat ein eindeutiges Soll-Ergebnis. Seine Berechtigungen sind minimal. Die Ergebnisse werden protokolliert. Und eine Person kann jederzeit eingreifen oder den Prozess abbrechen. So lässt sich nicht nur beurteilen, ob ein Modell beeindruckend wirkt, sondern ob es Durchlaufzeit, Fehlerquote oder Nacharbeit im eigenen Betrieb tatsächlich verbessert.

Die entscheidende Kennzahl ist deshalb nicht ein externer Benchmark, sondern die eigene Ausgangslage: Wie viele Minuten dauert die Aufgabe heute? Wie viele Fehler, Rückfragen und Korrekturen entstehen? Was kostet eine falsche Entscheidung? Erst wenn diese Werte vor dem Pilot bekannt sind, lässt sich eine Veränderung seriös bewerten.

Daten und Zugriffe: Der kleinste sinnvolle Start ist meist der beste

Ein KI-Projekt wird nicht besser, weil es möglichst viele Dokumente, Postfächer oder Systeme sehen kann. Im Gegenteil: Jeder zusätzliche Datenbestand und jede weitere Berechtigung vergrössert den Schaden, falls ein Ergebnis falsch ist, ein Zugang missbraucht wird oder ein Prozess nicht sauber dokumentiert ist. Das gilt für cloudbasierte KI ebenso wie für eine lokale Lösung oder eine Softwarefunktion im bestehenden ERP.

Für den Pilot empfiehlt sich deshalb das Prinzip der kleinsten sinnvollen Datenmenge. Beginnen Sie mit einer abgegrenzten Dokumentenklasse, einem lesenden Zugriff oder einem Testbestand. Entfernen Sie nicht benötigte Personen-, Kunden- und Vertragsdaten. Legen Sie fest, wie lange Eingaben, Resultate und Protokolle aufbewahrt werden. Und definieren Sie vorab, welche Inhalte nie in den Pilot gelangen dürfen. Diese Regeln machen ein Projekt nicht langsamer. Sie machen es erst kontrollierbar.

Gleiches gilt für Berechtigungen. Ein Agent, der einen Entwurf vorbereitet, braucht keinen Zugriff auf Zahlungsfreigaben. Ein System, das Wartungsinformationen zusammenfasst, muss keine Maschinenparameter ändern können. Werden Schnittstellen später erweitert, gehört jede neue Berechtigung in eine separate Freigabe. So bleibt sichtbar, was ein System tatsächlich kann – und was bewusst beim Menschen bleibt.

Produktivität ohne Personalreflex

KI kann Produktivität erhöhen. Studien aus eng abgegrenzten Arbeitsumgebungen zeigen, dass besonders weniger erfahrene Mitarbeitende von passenden Assistenzsystemen profitieren können. Daraus folgt jedoch nicht, dass ganze Berufe verschwinden oder Einstiegsstellen überflüssig werden. Arbeitsmarktbeobachtungen aus einzelnen Ländern zeigen Veränderungen in KI-nahen Tätigkeiten, aber sie beweisen keinen allgemeinen, kausal durch KI ausgelösten Stellenabbau – und schon gar keine Prognose für die Schweiz.

Für ein KMU ist die produktivere Sichtweise: Arbeit zuerst in Aufgaben zerlegen. Welche Teile sind repetitiv? Welche verlangen Fachurteil? Wo fehlt Wissen? Wo entsteht Wartezeit? Und wo wäre ein Fehler teuer oder rechtlich problematisch? Häufig eignet sich KI gut für Vorbereitung, Suche, Strukturierung oder Standardkommunikation. Sie ersetzt aber nicht automatisch Kontextwissen, Kundenverständnis, Qualitätsurteil und Verantwortung.

Eine Vorsicht ist besonders wichtig: Wer alle einfachen Aufgaben entfernt, entfernt oft zugleich den Einstieg ins Fachgebiet. Junior-Mitarbeitende lernen nicht nur durch Schulungen, sondern an echten Fällen, Rückfragen, Korrekturen und der Beobachtung erfahrener Kolleginnen und Kollegen. Wird KI eingesetzt, sollte sie diese Lernkurve verstärken – nicht abschneiden.

Fachkräfte aufbauen: KI als Lernverstärker einsetzen

Die produktivsten Unternehmen werden nicht jene sein, die möglichst viele Mitarbeitende durch KI ersetzen wollen. Sie werden jene sein, die ihre Teams schneller zu besseren Entscheidungen befähigen. Das beginnt mit klaren Rollen. Mitarbeitende müssen wissen, wann KI hilfreich ist und wann sie nicht verwendet werden darf. Fachverantwortliche definieren Qualitätsmassstäbe und Ausnahmen. IT und Sicherheit regeln Daten, Zugänge und Updates. Die Führung legt Ziele, Grenzen und Eskalationswege fest.

Für Einsteigerinnen und Einsteiger bedeutet das: echte, betreute Aufgaben bleiben wichtig. KI kann beim Verständnis einer Anleitung helfen, einen ersten Entwurf vorbereiten oder Varianten sichtbar machen. Die fachliche Prüfung, die Einordnung eines Sonderfalls und die Verantwortung für die Entscheidung bleiben Lernaufgaben für Menschen. Wer diese Rollen sauber verbindet, kann KI als Wissensbeschleuniger nutzen, ohne den Nachwuchs vom Kern der Arbeit abzuschneiden.

Unser Beitrag zu Physical AI und dem Schweizer KMU-Arbeitsmarkt vertieft, warum sich Veränderungen besser auf Aufgabenebene als über ganze Berufsbezeichnungen beurteilen lassen.

Robotik: Spektakuläre Demos sind nicht der Massstab

Humanoide Roboter bewegen sich vom Labor Richtung Fabrik. Einzelne Piloten zeigen, dass sie über längere Zeit eng definierte Pick-and-Place-Aufgaben ausführen können. Gleichzeitig stammen viele Angaben zu Stunden, Stückzahlen, Taktzeiten und Qualität von den beteiligten Unternehmen. Das ist als Signal für einen realen Technologietrend relevant, aber keine allgemeine Aussage zu Wirtschaftlichkeit, Sicherheit oder Serienreife.

Für Schweizer KMU ist die richtige Konsequenz nicht «sofort einen Humanoiden kaufen». Sie lautet: den eigenen Prozess verstehen. Gibt es eine ergonomisch belastende, repetitive Aufgabe? Sind Material, Zuführung und Takt ausreichend stabil? Gibt es eine sichere Betriebszone? Ist die Anlage wartbar? Welche Person übernimmt bei Störungen? Wenn diese Fragen noch offen sind, wird selbst der modernste Roboter keinen stabilen Nutzen erzeugen.

Oft ist eine klassische Zelle, ein Cobot, ein spezialisierter Greifer oder eine mobile Plattform der reifere erste Schritt. Humanoide bleiben spannend, vor allem wenn Arbeitsplätze für Menschen gebaut wurden und Umbauten schwierig sind. Ihr Nutzen muss aber im konkreten Prozess gezeigt werden. Einen nüchternen Überblick finden Sie in unserem Faktencheck zu chinesischen Humanoiden sowie im Beitrag zu Robotiktrends 2027 für Schweizer KMU.

Vor einem Robotikpilot lohnt sich zudem ein einfacher Realitätscheck direkt an der Linie. Beobachten Sie eine typische Schicht: Wo greifen Mitarbeitende wirklich ein? Welche Teile liegen nicht wie geplant? Wann wird gereinigt, nachgefüllt oder umgerüstet? Wie häufig unterbrechen kleine Varianten den Takt? Diese Details entscheiden über den Nutzen. Ein sauber beschriebener Ausnahmefall ist für den Integrator oft wertvoller als eine lange Liste von Wunschfunktionen.

Autonome Mobilität: Erst die stabile Route, dann die grosse Vision

Autonome Fahrdienste und selbstfahrende Shuttles zeigen, wie sich Systeme in abgegrenzten Gebieten schrittweise erproben lassen. Kartierte Routen, definierte Betriebszeiten, klare Haltepunkte und menschliche Eskalationswege gehören dabei ebenso zum System wie Sensoren und Software. Daraus lässt sich nicht ableiten, dass jedes Fahrzeug in jeder Stadt oder jedes Werk in jeder Situation autonom betrieben werden kann.

Für Schweizer Betriebe liegt der realistische Einstieg oft näher: ein wiederkehrender Transport auf dem Werkareal, eine klar definierte Übergabe in der Intralogistik, Inspektionsfahrten auf einem Campus oder ein Shuttle in einer kontrollierten Umgebung. Die Schweiz hat seit März 2025 einen Rechtsrahmen für bestimmte automatisierte Fahranwendungen. Für das einzelne Projekt bleiben jedoch Betriebsumgebung, Sicherheitskonzept, Bewilligungen, Verantwortlichkeiten und Notfallprozesse entscheidend.

Die richtige Reihenfolge lautet: Weg zuerst stabilisieren, dann automatisieren. Wer Routen, Übergaben, Geschwindigkeiten, Personenverkehr und Ausnahmefälle nicht klar beschreiben kann, hat noch keinen Automatisierungsfall – sondern eine offene Planungsaufgabe.

Autonomie und Kontrolle: Eine Frage für jede Technologie

Die Debatte über autonome Systeme wird besonders deutlich, wenn Fehler gravierende Folgen haben. Bei militärischen Anwendungen steht deshalb zu Recht die Frage nach wirksamer menschlicher Kontrolle im Zentrum. Ein Etikett wie «Mensch in der Schleife» genügt nicht. Entscheidend ist, ob eine Person genügend Informationen, Zeit und tatsächliche Befugnis besitzt, um einzugreifen oder einen Vorgang zu stoppen.

Diese Prüffrage ist auch für zivile KMU sinnvoll. Je höher die mögliche Schadenswirkung eines KI- oder Robotiksystems, desto enger müssen Einsatzgrenzen, Aufsicht und Eingriffsrechte sein. Bei einer internen Dokumentensortierung kann die Kontrolle nachgelagert sein. Bei Zahlungsfreigaben, Personensicherheit, Qualitätsentscheiden oder Bewegungen in gemeinsam genutzten Bereichen muss sie deutlich näher am Vorgang liegen.

Fünf Fragen vor jeder Skalierung

Ein 90-Tage-Programm statt einer Technologiewette

In den ersten 30 Tagen sollten KMU ihre Vertrauensketten prüfen: Zahlungsfreigaben, Änderungen an Lieferantendaten, Remote-Zugänge und kritische Berechtigungen. Parallel wählen sie eine kleine KI-Aufgabe mit klarer Fehlergrenze und erfassen die Ausgangswerte.

In den Tagen 31 bis 60 läuft der Pilot mit begrenzten Rechten und einer zuständigen Fachperson. Gemessen werden Durchlaufzeit, Fehler, Nacharbeit, Akzeptanz und die Häufigkeit menschlicher Eingriffe. Dabei wird auch sichtbar, welche Daten fehlen und wo Mitarbeitende zusätzliche Schulung brauchen.

In den Tagen 61 bis 90 entscheidet das Unternehmen anhand der Messwerte: kontrolliert skalieren, mit zusätzlichen Schutzmassnahmen verbessern oder den Pilot beenden. Erst wenn dieser Entscheid belastbar ausfällt, lohnt es sich, über tiefere Integration, Robotik oder mobile Autonomie nachzudenken.

Bei physischer Automation kommen weitere Fragen hinzu: Risikobeurteilung, sichere Betriebsarten, Wartung, Service, Energie, Schnittstellen und die Rolle des Integrators. Der Leitfaden zur EU-Maschinenverordnung und Functional Safety erklärt, warum Safety, Software und Dokumentation zusammengehören.

Fazit: Schnell lernen, aber Risiken kontrollieren

Die neue KI- und Robotikwelle ist real. Doch die stärkste Wirkung entsteht nicht dort, wo ein System am autonomsten klingt. Sie entsteht dort, wo ein Unternehmen einen konkreten Engpass versteht, eine begrenzte Lösung mit klaren Regeln testet und dann anhand eigener Daten entscheidet.

Für Schweizer KMU sind die Prioritäten deshalb klar: Zahlungs- und Freigabeprozesse sichern. KI auf überprüfbare Aufgaben begrenzen. Einsteiger und Fachkräfte gezielt weiterentwickeln. Robotik zuerst prozessnah testen. Und menschliche Verantwortung dort fest verankern, wo ein Fehler teuer, gefährlich oder nicht rückgängig zu machen wäre.

Der Wettbewerbsvorteil gehört nicht den Unternehmen, die zuerst kaufen. Er gehört jenen, die schneller lernen – bei kontrolliertem Risiko.