Strategie · 4. September 2026

KI im Unternehmen einführen: der Fahrplan für Schweizer KMU

Die meisten Betriebe haben KI längst eingeführt, ohne es je entschieden zu haben. Irgendwo läuft ein Abo, jemand schreibt Angebotstexte damit, im Support hängt ein Chatbot. Ein Jahr später sitzt die Geschäftsleitung vor derselben Frage wie am Anfang: Was hat uns das gebracht? Die Antwort fällt meistens dünn aus. Nicht weil die Technik nichts taugt, sondern weil nie jemand die Reihenfolge festgelegt hat.

Wie verbreitet das ist, zeigt eine EY-Umfrage unter 604 Mitarbeitenden, die am 15. Juli 2026 auf dem KMU-Portal des Bundes veröffentlicht wurde. 55 Prozent der Firmen setzen KI gezielt in einem oder mehreren Geschäftsbereichen ein. Fast ein Drittel steckt in der Pilotphase. Und ganze 9 Prozent haben durch KI etwas an ihrem Geschäftsmodell verändert. Zwischen «wir machen etwas mit KI» und «es verändert, wie wir arbeiten», liegt also eine breite Zone. Dort sitzen die meisten fest.

Wo Schweizer Firmen bei KI wirklich stehen — Die Pilotphase ist für viele kein Zwischenschritt mehr, sondern ein Ort, an dem man bleibt. Befragt wurden Mitarbeitende, nicht Geschäftsleitungen.

Was «KI einführen» überhaupt heisst

Der Begriff meint zwei sehr verschiedene Dinge, und wer sie verwechselt, plant falsch. Das eine ist die Verbreitung von Werkzeugen: Lizenzen, Zugänge, ein Workshop, eine Nutzungsrichtlinie. Das ist eine Frage von Wochen und betrifft alle im Betrieb. Das andere ist KI in einem Prozess, an dem dein Geschäft hängt, eingebaut in die Systeme, in denen die Arbeit ohnehin passiert. Das ist eine Frage von Monaten und betrifft zuerst wenige.

Beides ist legitim, beides hat seinen Platz. Nur führt das eine nicht von allein zum anderen. Ein Team, das ChatGPT bedienen kann, hat deshalb noch keinen Prozess verändert. Den Unterschied haben wir hier auseinandergenommen. Dieser Artikel handelt vom zweiten Teil, weil dort der Wert entsteht und weil dort fast alle steckenbleiben.

Phase 1: den Fall wählen, der sich lösen lässt

Die Einführung entscheidet sich, bevor eine Zeile Code existiert. Der erste Fall muss drei Dinge gleichzeitig erfüllen. Er läuft wiederkehrend und mit spürbarem Volumen. An ihm hängt echte Wertschöpfung. Und er ist klein genug, um in Wochen beweisbar zu sein. Der grösste Fall ist fast nie der richtige erste.

Praktisch heisst das: rausgehen, zuschauen, mit den Leuten reden, die den Ablauf jeden Tag machen. Nicht im Sitzungszimmer sammeln, was man mit KI alles könnte. Solche Listen werden lang und helfen nicht weiter. Wie du den ersten Fall auswählst, ohne dich zu verzetteln, steht hier im Detail.

Zwei bis drei Wochen klingen kurz für eine Entscheidung dieser Tragweite. Sie reichen, wenn man am richtigen Ort hinschaut. Länger wird es nur, wenn niemand entscheiden darf.

Phase 2: die Datenlage ehrlich prüfen

Hier scheitert die Einführung am häufigsten, und zwar leise. In derselben EY-Umfrage stehen Datenqualität und Datensilos mit 20 Prozent an der Spitze der genannten Hürden, vor Sicherheits- und Datenschutzbedenken mit 19 Prozent und dem Mangel an Fachkräften mit 18 Prozent. Das Modell ist selten das Problem. Das Material ist es.

Die Prüfung selbst ist unspektakulär und dauert selten lang. Gibt es die Daten überhaupt, die der Fall braucht? Liegen sie an einem Ort oder in vier Systemen? Sind sie gepflegt, oder pflegt sie niemand mehr, seit die zuständige Person gegangen ist? Und darf man sie für diesen Zweck verwenden? Wer diese vier Fragen vor dem Bau beantwortet, spart sich den teuersten Abbruch: den nach vier Monaten Bauzeit.

Wenn das entscheidende Wissen nicht in Tabellen steckt, sondern in Dokumenten, Handbüchern und Mails, ist das kein Ausschlussgrund. Dafür gibt es einen eigenen Weg, den wir in RAG einfach erklärt beschreiben.

Phase 3: der Prototyp, der eine einzige Frage beantwortet

Jetzt wird gebaut, aber klein. Der Prototyp hat genau eine Aufgabe. Er soll zeigen, ob die Idee mit euren echten Daten trägt. Nicht mit Beispieldaten, nicht in der Demo eines Anbieters, sondern mit euren.

Er muss nicht schön sein, nicht skalieren und nicht jeden Sonderfall abdecken. Er muss ein Urteil ermöglichen: trägt es, oder trägt es nicht. Ein Prototyp, der diese Frage am Ende nicht beantworten kann, war keiner. Er war eine Vorführung.

Der Einsatz in Phase 3 — Preisangaben in diesem Feld sind fast überall Selbstauskunft von Anbietern, unsere eingeschlossen. Eine Marktstatistik, an der du das prüfen könntest, gibt es nicht.

Phase 4: vom Prototyp ins laufende System

Das ist die Phase, in der die Zahl von oben entsteht. Der Prototyp funktioniert, alle sind zufrieden, und dann passiert monatelang nichts. Der Sprung in den Betrieb ist ein anderer Sprung, als die meisten erwarten. Es geht um die Anbindung an bestehende Systeme, um Rechte, um Fehlerfälle, um Übergaben und um die Frage, wer zuständig ist, wenn ein Ergebnis nicht stimmt.

Der häufigste Grund, warum ein Vorhaben hier liegen bleibt, ist nicht technisch. Er ist organisatorisch, und wir haben ihn in Warum KI-Piloten nie in Produktion gehen auseinandergenommen.

Phase 5: der Betrieb, den fast alle vergessen

Ein KI-System ist kein Möbelstück. Modelle ändern sich, Daten verschieben sich, Anbieter stellen Versionen ab. Ohne jemanden, der hinschaut, sinkt die Qualität langsam, und es merkt niemand, bis das Vertrauen weg ist. Danach bekommst du es kaum zurück.

Betrieb heisst konkret: messen, ob die Ergebnisse noch stimmen. Einen Weg haben für den Fall, dass sie es nicht tun. Und eine Person, die zuständig ist. Das ist der Teil, den wir als eigene Leistung führen, weil er sonst niemandem gehört.

Phase	Dauer	Woran du siehst, dass sie fertig ist
1. Fall wählen	2 bis 3 Wochen	Ein Fall mit Volumen, Wertschöpfung und klarer Grenze
2. Daten prüfen	1 bis 2 Wochen	Ein ehrliches Ja oder Nein zur Datenlage
3. Prototyp bauen	4 bis 6 Wochen	Ein Urteil an euren echten Daten, nicht an einer Demo
4. Ins System bringen	6 bis 12 Wochen	Der Schritt läuft im Alltag, nicht mehr im Test
5. Betrieb	laufend	Jemand merkt es, bevor die Qualität sinkt

Was die Einführung kostet

Ehrlich gesagt: Preisangaben in diesem Feld sind fast immer Selbstauskunft von Anbietern. Es gibt keine Erhebung, an der du sie prüfen könntest. Deshalb sagen wir dazu, woher unsere Zahlen kommen, nämlich aus eigenen Projekten, und dass sie kein Fixpreis sind.

Eine Beratung, die Fall, Datenlage und Reihenfolge klärt, beginnt bei uns bei CHF 8'000. Ein Prototyp liegt zwischen CHF 8'000 und 12'000. Was danach kommt, hängt am Fall und an der Zahl der Systeme, die angebunden werden müssen. Die ganze Bandbreite bis zum produktiven System haben wir in Was kostet ein KI-Projekt aufgeschlüsselt, samt der Posten, die in Offerten gern fehlen.

Die vier Gründe, an denen es wirklich scheitert

Der erste Fall war zu gross. Wer beim wichtigsten Prozess des Betriebs anfängt, braucht Monate bis zum ersten Ergebnis. In dieser Zeit wechseln Prioritäten, Budgets und manchmal Personen. Der lösbarste Fall schlägt den grössten, weil er überhaupt fertig wird.
Die Daten wurden zu spät angeschaut. Solange über Anwendungsfälle geredet wird, sieht alles machbar aus. Die Wahrheit steht in den Systemen, und sie steht dort schon vor dem Projekt. Eine Woche Datenprüfung am Anfang ist der billigste Teil des ganzen Vorhabens.
Nach dem Piloten war niemand zuständig. Der Prototyp gehört dem Projekt, das produktive System gehört dem Betrieb. Wenn dieser Übergang nicht vorher benannt wird, bleibt das Ergebnis in der Zwischenzone liegen. Genau dort entstehen die 31 Prozent aus der Umfrage.
Die mittlere Ebene wurde übergangen. Entschieden wird oben, gearbeitet wird unten, aber getragen wird ein neuer Ablauf in der Mitte. Wer Schichtleitung, Meister und Teamleitung erst beim Rollout einbezieht, bekommt keinen Widerstand mit Ansage, sondern ein leises Zurückfallen auf den alten Weg.

Was du in der Schweiz rechtlich klären musst

Kurz und ohne Panik. Für einen Schweizer Betrieb ist das revidierte Datenschutzgesetz der Massstab, nicht die EU-Verordnung. Es ist technologieneutral formuliert und gilt damit auch für KI. Praktisch heisst das: wissen, welche Personendaten in ein Modell fliessen, den Zweck festhalten und bei heiklen Vorhaben vorher prüfen, ob eine Datenschutz-Folgenabschätzung nötig ist. Was das im Alltag bedeutet, steht in unserem Praxisleitfaden zum revidierten DSG.

Der EU AI Act betrifft dich nur, wenn du KI-Ergebnisse in die EU lieferst oder dort anbietest. Ob, ab wann und mit welchen Fristen, haben wir in EU AI Act Schweiz festgehalten und halten es aktuell. Für die meisten Anwendungen in der Schweizer Industrie ist Regulierung kein Grund zu warten, aber ein Grund, den Zweck sauber aufzuschreiben.

Wann du KI besser nicht einführst

Es gibt Fälle, in denen die ehrliche Antwort Nein heisst. Wenn es keinen wiederkehrenden Prozess mit Volumen gibt, existiert nichts, worin KI einen Schritt ersetzen könnte. Dann reicht ein gutes Standardtool für die persönliche Produktivität. Wenn die Daten für den Fall gar nie erhoben wurden, ist das erste Projekt ein Datenprojekt und kein KI-Projekt. Und wenn im Betrieb gerade eine ERP-Ablösung läuft, verlierst du den Wettlauf um Aufmerksamkeit, bevor du gestartet bist.

Das kostet uns gelegentlich einen Auftrag. Es ist trotzdem die richtige Antwort, weil ein Vorhaben, das aus einem dieser drei Gründe startet, mit hoher Wahrscheinlichkeit genau dort endet, wo schon fast ein Drittel aller Firmen sitzt.

Fazit: die Reihenfolge ist der Hebel

KI einführen ist keine Beschaffung. Es ist eine Abfolge von Entscheidungen, bei der jede die nächste erst möglich macht. Erst der Fall, dann die Daten, dann der Beweis im Kleinen, dann das System, dann der Betrieb. Wer eine Phase überspringt, merkt es zwei Phasen später, und dann ist das Zurückgehen teuer.

Der Unterschied zwischen den 55 Prozent, die etwas mit KI machen, und den 9 Prozent, bei denen sich wirklich etwas verändert hat, liegt selten am Modell. Er liegt daran, ob jemand den Weg zu Ende gegangen ist. Wenn du wissen willst, wo dein Betrieb auf diesem Weg steht, ist das genau das, was wir in der Beratung klären.

Häufige Fragen

Wie führt man KI im Unternehmen ein?

In einer festen Reihenfolge, nicht als Beschaffung. Zuerst einen konkreten Fall wählen, der wiederkehrend läuft, Volumen hat und klein genug ist, um in Wochen beweisbar zu sein. Dann die Datenlage prüfen. Dann einen kleinen Prototyp an euren echten Daten bauen, der eine einzige Frage beantwortet: trägt die Idee. Erst danach ins produktive System bringen und den Betrieb regeln. Wer eine dieser Phasen überspringt, merkt es zwei Phasen später.

Wie lange dauert eine KI-Einführung?

Bis zu einem belastbaren Urteil rechnen wir mit etwa sieben bis elf Wochen: zwei bis drei Wochen für die Fallwahl, ein bis zwei für die Datenprüfung, vier bis sechs für den Prototyp. Vom bewiesenen Prototyp bis zum laufenden System kommen typischerweise sechs bis zwölf Wochen dazu. Das sind Erfahrungswerte aus eigenen Projekten und keine Marktdaten. Verzögert wird fast nie durch Technik, sondern durch offene Entscheidungen.

Was kostet die Einführung von KI in einem KMU?

Eine Beratung, die Fall, Datenlage und Reihenfolge klärt, beginnt bei uns bei CHF 8'000. Ein Prototyp, der an euren echten Daten zeigt, ob die Idee trägt, liegt zwischen CHF 8'000 und 12'000. Was danach kommt, hängt vom Fall und von der Zahl der anzubindenden Systeme ab. Wichtig zu wissen: Preisangaben in diesem Feld sind fast überall Selbstauskunft von Anbietern, es gibt keine Erhebung, an der du sie prüfen könntest.

Womit fängt man bei der KI-Einführung am besten an?

Nicht mit einer Strategie und nicht mit Lizenzen für alle, sondern mit einem einzigen Prozess. Such den lösbarsten Fall nahe an der Wertschöpfung, nicht den grössten. Der grösste Fall braucht Monate bis zum ersten Ergebnis, und in dieser Zeit ändern sich Prioritäten. Ein kleiner Fall, der fertig wird, schafft die Grundlage für den zweiten. Ein grosser Fall, der liegen bleibt, verbrennt sie.

Welche Voraussetzungen braucht ein Unternehmen für KI?

Drei Dinge, und keines davon ist ein Data-Science-Team. Erstens ein wiederkehrender Prozess mit Volumen, in dem KI einen Schritt übernehmen kann. Zweitens Daten zu diesem Prozess, die existieren, auffindbar sind und für diesen Zweck verwendet werden dürfen. Drittens eine Person mit Entscheidungsbefugnis, die das Vorhaben trägt und nach dem Prototyp entscheidet. Fehlt eines davon, ist das erste Projekt ein anderes als ein KI-Projekt.

Warum bleiben so viele KI-Projekte in der Pilotphase stecken?

Laut der EY-Umfrage vom Juli 2026 steckt fast ein Drittel der Schweizer Firmen in der Pilotphase. Der Grund ist meistens nicht die Technik. Der Prototyp gehört dem Projekt, das produktive System gehört dem Betrieb, und dieser Übergang wird selten vorher benannt. Dazu kommen Datenqualität und Datensilos, die in derselben Umfrage mit 20 Prozent als grösste Hürde genannt werden, sowie eine mittlere Führungsebene, die erst beim Rollout einbezogen wurde.

Braucht es für KI im Unternehmen eine Richtlinie?

Für den Tooleinsatz ja, und zwar früh. Sobald Mitarbeitende KI über eigene Zugänge nutzen, entscheidet nicht mehr die Geschäftsleitung, welche Daten das Haus verlassen. Eine kurze Richtlinie, die sagt, welche Werkzeuge erlaubt sind, welche Daten nie hineingehören und wer im Zweifel fragt, ist in einem Tag geschrieben. Für ein eingebautes KI-System ersetzt sie aber nichts: dort zählt, was technisch möglich ist, nicht was erlaubt wäre.

Welche rechtlichen Vorgaben gelten in der Schweiz für KI im Unternehmen?

Massgeblich ist das revidierte Datenschutzgesetz. Es ist technologieneutral formuliert und gilt damit auch für KI-Anwendungen. In der Praxis heisst das: wissen, welche Personendaten in ein Modell fliessen, den Zweck festhalten und bei heiklen Vorhaben prüfen, ob eine Datenschutz-Folgenabschätzung nötig ist. Der EU AI Act betrifft dich nur bei einem Bezug zur EU. Beides haben wir in eigenen Artikeln ausführlich aufgeschrieben und halten es aktuell.

Von Andrin Knoll, Gründer & CEO, IntelliLab GmbH.

Jetzt kontaktieren