KI-Automatisierung, die im Mittelstand wirkt

Viele KMU bleiben beim KI-Pilotprojekt stecken. Wie der Sprung in die produktive Anwendung gelingt. Ohne IT-Abteilung, datenschutzkonform und mit dem Menschen in der Entscheidungsschleife.

Pilotprojekt gelungen – und dann?

In vielen mittelständischen Unternehmen sieht der KI-Alltag heute so aus: Es gibt ein, zwei vielversprechende Pilotprojekte, ein paar begeisterter Mitarbeitender und eine PowerPoint, die zeigt, was theoretisch alles möglich wäre. Und dann passiert wenig. Der Übergang von der Theorie und vom Prototyp in den produktiven Dauerbetrieb ist die eigentliche Hürde, und an ihr scheitern die meisten Initiativen.

Ich kenne diesen Prozess aus eigener Erfahrung. Ich bin KI-Forscherin an der Hochschule Luzern (IFZ) und führe gleichzeitig ein kleines Unternehmen. Statt nur über KI zu reden, nutze ich meinen eigenen Betrieb als Versuchslabor. Recherche, Vorbereitung und Routinekommunikation laufen bei mir heute teilautomatisiert, ohne eigene IT-Abteilung und datenschutzkonform. Was ich dabei gelernt habe, lässt sich auf viele KMU übertragen.

Vom Pilot in die Produktion: weniger Magie, mehr Prozess

Der entscheidende Denkfehler ist, KI als magisches Werkzeug zu behandeln, das man nur einschaltet. In Wahrheit ist die Produktivsetzung vor allem Prozessarbeit. Der Sprung gelingt, wenn drei Dinge zusammenkommen: ein konkreter, wiederkehrender Anwendungsfall mit echtem Zeitaufwand, ein klar definierter Ablauf mit festen Übergabepunkten und eine Person, die das Ergebnis verantwortet.

Ein Pilot darf beeindrucken. Eine produktive Anwendung muss zuverlässig, nachvollziehbar und auch dann tragfähig sein, wenn der anfängliche Enthusiasmus verflogen ist. Mein pragmatischer Weg: nicht mit dem spektakulärsten Use Case starten, sondern mit dem langweiligsten, der täglich Zeit frisst. Erst wenn dieser stabil läuft, kommt der nächste dazu. So entsteht aus einzelnen Experimenten Schritt für Schritt ein verlässliches System.

Welche Prozesse sich eignen und welche nicht

Nicht jeder Prozess gehört automatisiert. In meinem Betrieb hat sich eine einfache Unterscheidung bewährt. Gut geeignet sind Aufgaben mit klarer Logik, die sich häufig wiederholen und bei denen ein menschlicher Blick am Ende genügt:

1. Recherche und Aufbereitung. Quellen sichten, lange Dokumente zusammenfassen, Hintergründe für Angebote oder Beratungen vorbereiten.
2. Routinekommunikation. Erste Entwürfe wiederkehrender Mails, Terminkoordination, Nachfassen nach Anfragen oder Verkäufen.
3. Strukturarbeit. Inhalte in verschiedene Formate bringen, Dokumente vorstrukturieren, immer gleiche Abläufe abbilden.

Bewusst nicht automatisiert bleibt der Kern: fachliche Einschätzung, das Urteil über richtig und unpassend, die Beziehung zu Kundinnen und Kunden. KI bereitet vor und schlägt vor. Entschieden und verantwortet wird von einem Menschen. Diese Trennlinie ist kein Sicherheitsnetz für den Notfall, sondern das eigentliche Designprinzip.

Der Mensch bleibt in der Entscheidungsschleife

Gerade für den Mittelstand ist das mehr als eine Haltungsfrage. Es ist auch ein Stück Risikomanagement. Wer keine eigene IT- oder Compliance-Abteilung hat, kann sich keine Blackbox leisten, die unkontrolliert nach aussen kommuniziert. Deshalb ist KI bei mir kein Autopilot, sondern eine Assistenz. Keine Mail verlässt das Postfach, keine fachliche Aussage geht in ein Dokument, ohne dass ich sie freigegeben habe.

Datenschutzkonform heisst dabei konkret, bewusst entscheiden, welche Daten überhaupt in welches System fliessen, und sensible Inhalte aussen vor lassen. Das ist auch ohne grosse IT-Mannschaft machbar – es braucht klare Regeln, nicht teure Infrastruktur. Der angenehme Nebeneffekt: Ich vertraue den Ergebnissen mehr, weil ich genau weiss, an welcher Stelle ich daraufschaue. Automatisierung und Kontrolle sind kein Widerspruch.

Nicht das Tool entscheidet, sondern das Prinzip

Die häufigste Frage, die ich höre, lautet: Welches Tool nutzt du? Verständlich, aber die falsche Frage. Tools ändern sich im Quartalstakt. Mein eigener Stack stützt sich zunehmend auf SwissGPT und Claude, aber ich halte für jeden Schritt bewusst Alternativen offen. Wer seine Arbeitsweise an ein einzelnes Produkt kettet, macht sich abhängig und verliert beim nächsten Anbieterwechsel die investierte Mühe.

Wichtig ist das Prinzip dahinter. Erst die eigenen Prozesse verstehen, dann entscheiden, welche Teile sich sinnvoll automatisieren lassen, und schliesslich die menschliche Freigabe an den richtigen Stellen verankern. Welches konkrete Programm das unterstützt, ist zweitrangig und austauschbar. Für KMU ist genau das die gute Nachricht: Sie müssen nicht auf das eine perfekte Werkzeug warten, sondern können mit dem starten, was heute verfügbar ist – solange das Prinzip stimmt.

Fazit: souveräner statt mehr arbeiten

Der Weg von der KI-Theorie zur produktiven Anwendung führt nicht über das nächste Tool, sondern über die ehrliche Analyse der eigenen Abläufe. Für mich hat sich dadurch nicht die Menge der Arbeit erhöht, sondern ihre Qualität verändert: Mein Geschäftsmodell hängt nicht mehr allein an meiner persönlichen Arbeitszeit. Routinen laufen vorbereitet, ich entscheide, und es bleibt Raum für das, wofür mich niemand ersetzen kann.

Für den Mittelstand heisst das: klein anfangen, den langweiligsten Zeitfresser zuerst angehen, den Menschen in der Entscheidungsschleife halten und sich nicht von der Tool-Frage aufhalten lassen. Die Technik ist reif. Die eigentliche Arbeit ist, die eigene Arbeitsweise neu zu denken.