Alle reden über Künstliche Intelligenz (KI) und alle wollen KI im Unternehmen. Doch in vielen kleinen und mittleren Unternehmen (KMU) gehen die Erwartungen und Realität oft sehr weit auseinander. KI ist kein Selbstläufer und keine «Eierlegende Wollmilchsau». Wie gelingt also der erfolgreiche Einstieg in die KI-Welt? Dieser Blog zeigt die 5 grössten Stolpersteine auf und was es braucht, damit KI zu einem Mehrwert wird.

KI-Hype: Warum alle KI wollen

Das Thema Künstliche Intelligenz (KI) ist nach wie vor in aller Munde. KI verspricht die grosse Revolution in der Effizienz und Innovation. KI bietet Unternehmen die Chance vieles neu zu denken und es steht fest, dass KI unser Leben nachhaltig verändern wird, so wie das Internet unsere Art zu kommunizieren grundlegend revolutioniert hat.

Die Erwartungen an die KI sind daher riesig. Auch in unserem Unternehmen ist KI ein grosses Thema. Alle wollen schnellstmöglich KI einsetzen. Kommentare wie «Wir brauchen KI, sonst sind wir nicht mehr innovativ» oder «Wann führen wir KI ein, um effizienter zu werden?» sind zu hören. Ist es wirklich so einfach? KI-Tool kaufen und dann sind alle Probleme gelöst? Nein, so einfach ist es nicht. Häufig werden die typischen Stolpersteine nicht erkannt.

Stolpersteine für KMU

Gemäss einer aktuellen MIT-Studie «The GenAI Divide – State of AI in Business 2025» scheitern 95% aller generativen KI-Projekte. Nur 20% der gestarteten Projekte erreichen überhaupt den Pilot-Status. Entscheidend ist dabei nicht die Technologie selbst, sondern wie Unternehmen KI-Projekte angehen:

• Zu hohe Erwartungen
  In der Praxis sind zu hohe oder unrealistische Erwartungen oft einer der Hauptgründe für nicht erfolgreiche KI-Projekte. Dabei entsteht immer wieder die Erwartung, dass KI-Tools einfach installiert werden können und dann auf Knopfdruck direkt funktionieren und alles lösen.

• Falscher oder fehlender Use Case
  Technologie alleine löst keine Probleme. Es braucht die richtigen Use Cases und eine Idee wie KI die Probleme lösen soll. Häufig wird von der Technologie ausgegangen und nicht welche Probleme mit KI gelöst werden sollen.

• Schlechte Datenqualität
  Daten sind die Grundlage für jede KI. Sie kann nur so gut sein wie ihre Datenbasis. Oft entsprechen die Daten nicht der benötigten Qualität oder Struktur. Ist die Datenbasis schlecht, wird auch das Ergebnis nicht zufriedenstellend sein.

• Fehlende KI-Kompetenzen
  Mitarbeitende erkennen zwar den Mehrwert von KI, sind aber häufig überfordert, weil ihnen das Wissen fehlt. Dadurch entsteht oft Unsicherheit, welches wiederum zu Widerstand gegen KI-Projekte führen kann. Zusätzlich können auch Ängste vor Arbeitsplatzverlust eine Rolle spielen.

• Fehlende Regelung von Nutzung der KI
  Datenschutzgesetze und die Einhaltung weiterer Vorgaben können für KMU herausfordernd sein. Es fehlt an klaren Regeln und Leitlinien bezüglich der Nutzung, dem Datenschutz sowie Ethik von KI.

Wie ein erfolgreicher Einstieg gelingt

• KI-Strategie definieren
  Der erste Schritt ist eine KI-Strategie festzulegen und konkrete Use Cases zu identifizieren. Dabei sollte sich die Frage gestellt werden, welche Probleme soll KI lösen und wo daraus ein Mehrwert entstehen kann.

• Datenbasis schaffen
  Die KI steht und fällt mit der Qualität der Daten. Die Daten müssen vollständig, strukturiert und aktuell sein. Dabei sollten auch Datensilos minimiert werden.

• KI-Kompetenzen aufbauen
  KI erfordert einen Kulturwandel. Mitarbeitende sollten frühzeitig in KI-Projekte eingebunden werden. Zum einen, um Ängste zu nehmen und zum anderen um die Akzeptanz zu fördern. Weiter sollten Mitarbeitende frühzeitig geschult werden, um KI-Kompetenz aufzubauen.

• Governance & Compliance
  Governance Strukturen schaffen Klarheit. Werden KI-Nutzungsrichtlinien erstellt und die Vorgaben zu Datenschutz und IT-Sicherheit eingehalten, minimiert sich das Risiko und schafft Vertrauen.

Praxis-Tipp
KI-Projekte im Kleinen anfangen. Standardlösung wie Copilot M365 wählen. Diese Lösungen lassen sich schnell und vergleichsweise kostengünstig in den Arbeitsalltag integrieren.

Empfehlung für Vorgehen

Ein mögliches Vorgehen könnte wie folgt aussehen:

Alternativ kann auch eines der vielen Frameworks wie z.B. das MITRE AI Maturity Model angewendet werden.

Fazit:

KI ist kein Selbstläufer. Es hat das Potenzial vieles zu verändern, aber Technologie allein reicht nicht aus. Es braucht die richtigen Use Cases, solide Datenbasis und vor allem müssen die Mitarbeitenden frühzeitig mit eingebunden werden, um die Akzeptanz zu fördern und das Personal zu befähigen. So kann KI zu einem Mehrwert werden.

Weiterführende Links zum Thema:

• https://www.satw.ch/de/publikationen/orientierung-ki-herausforderungen-und-chancen-fuer-schweizer-kmu
• https://maximal.digital/studie-ki-im-mittelstand-und-kmu-2025-einblicke-und-impulse-aus-der-ki-studie-2025
• https://www.ki-zentrum.ch/praxisleitfaden/ki-4-kmu-methode/
• https://landing.ai/ai-transformation-playbook

Künstliche Intelligenz wurde ausschliesslich zur Recherche, Überprüfung von Sprache und Rechtschreibung genutzt.