Strategie · 16. April 2026
Wie fange ich mit KI an, ohne mich zu verzetteln?
Kurz gesagt: Schreib kein Strategiepapier. Nimm den lösbarsten Fall nah an deiner Wertschöpfung, den deine Leute täglich spüren, und beweise ihn in wenigen Wochen an einem kleinen Prototyp mit echten Daten. Klein, schnell, im Kern statt am Rand. Der grosse Plan ist veraltet, bevor ihr ihn beschlossen habt.
Die meisten Betriebe verzetteln sich nicht, weil sie zu wenig über KI nachdenken. Sondern weil sie zu breit anfangen. Ein Workshop hier, ein Strategiepapier da, eine Liste mit dreissig möglichen Anwendungsfällen, und nach einem halben Jahr ist ausser Folien nichts entstanden. Der Ausweg ist nicht mehr Planung. Es ist ein anderer erster Schritt.
Warum die grosse KI-Strategie der falsche erste Schritt ist
Eine ausführliche KI-Strategie klingt seriös, ist aber der schnellste Weg, sich zu verzetteln. KI verändert sich alle paar Monate. Was du heute über achtzig Seiten planst, ist überholt, bevor die Geschäftsleitung es abgesegnet hat. Du brauchst kein starres Dokument, sondern ein Playbook, das mitwächst.
Der Unterschied ist einfach. Ein Plan legt fest, was in zwei Jahren passieren soll, bis ins Detail. Ein Playbook hält ein paar Grundsätze fest, wo KI in deinem Betrieb wirklich Wert schafft, und lässt offen, mit welchem Werkzeug. Der Plan altert. Das Playbook lernt mit jedem Fall dazu. Und ganz praktisch: In der Zeit, in der andere ihr Strategiepapier schreiben, hast du längst deinen ersten Fall bewiesen und weisst aus der Realität, was geht.
| 80-Seiten-Strategie | Playbook | |
|---|---|---|
| Über die Zeit | altert, oft veraltet schon vor dem Beschluss | lernt mit jedem Fall dazu |
| Umfang | alle Fälle vorab durchgeplant | wenige Grundsätze, der Rest entsteht beim Tun |
| Erstes Ergebnis | keines, oft monatelang | ein erster Fall früh bewiesen |
Das heisst nicht, dass Richtung egal ist. Du solltest wissen, wo in deinem Betrieb das Geld verdient wird und wo KI im Kern etwas bewegen könnte statt nur am Rand eine Einzelaufgabe zu polieren. Aber diese Richtung passt auf eine Seite, nicht auf achtzig. Der Rest entsteht beim Tun.
Womit du startest: das lösbarste Problem, nicht das grösste
Der häufigste Fehler beim Einstieg: Man greift das grösste Problem an. Genau das ist meist auch das komplexeste und riskanteste. Nimm nicht das ambitionierteste, sondern den lösbarsten Fall mit der höchsten Erfolgschance. Und such ihn dort, wo dein Betrieb sein Geld verdient, nicht am Rand.
Wie du ihn findest, ist unspektakulär. Frag fünf bis zehn Mitarbeitende: «Welche Aufgabe nervt dich am meisten und frisst am meisten Zeit?» Sammle die Antworten, sortiere nach Häufigkeit. Und dann gewichte: Welcher dieser Fälle sitzt am nächsten an dem, womit ihr euer Geld verdient? Das ist die «Nervt-mich-am-meisten»-Methode, und sie hat einen Nebeneffekt. Weil die Lösung ein echtes Problem der Leute trifft, ist die Akzeptanz von Anfang an da.
Das kann ganz Verschiedenes sein. Die immergleiche Fleissarbeit, an der ein halbes Team Woche für Woche hängt. Das Wissen, das nur im Kopf einer einzigen Person steckt und mit ihr in Pension geht. Oder die Koordination, die zu komplex geworden ist, als dass ein Mensch sie noch überblickt. Der rote Faden ist nicht die Aufgabe, sondern ihre Nähe zum Kern.
Ein guter erster Fall erfüllt vier Kriterien:
- Wiederkehrend. Die Aufgabe passiert täglich oder wöchentlich, nicht einmal im Jahr. Nur dann trägt die Lösung spürbar zum Geschäft bei, statt ein Einzelfall zu bleiben.
- Frustrierend. Die Leute empfinden sie als nervig, zäh oder fehleranfällig. Löst du sie, ist die Erleichterung sofort spürbar.
- Datenbasiert. Es gibt schon digitale Informationen, auf denen KI arbeiten kann. Dokumente, Tabellen, Mails. Du musst nicht bei null anfangen.
- Messbar. Du kannst nachher klar sagen, ob es besser wurde. Und zwar nicht nur an weniger Zeit oder weniger Fehlern. Die stärkere Frage ist: Schafft ihr mehr Output, mehr Fälle, Dinge, die vorher gar nicht gingen? Zeit sparen wächst nicht mit dem Betrieb mit. Mehr Kapazität schon.
Am Ende steht ein einziger klarer Satz: «Wir wollen [diese Aufgabe] mit KI lösen, weil [dieses Problem], und den Erfolg messen wir an [dieser Kennzahl].» Wer diesen Satz nicht formulieren kann, ist noch nicht bereit für einen Partner. Wer ihn kann, geht fokussiert ins Gespräch statt mit einer Wunschliste.
Der erste Fall entscheidet über die zweite Chance
Der erste Fall entscheidet nicht nur über ein Projekt, sondern darüber, ob KI in deinem Betrieb je eine zweite Chance bekommt. Gelingt er sichtbar, wird das Team neugierig und Budget wird frei. Scheitert er, glaubt fortan jeder, KI sei nichts für euch. Selbst der bessere Fall danach trägt diese Skepsis mit.
Deshalb ist die Wahl des ersten Falls keine technische Frage, sondern eine Frage der Akzeptanz. Er muss nicht spektakulär sein. Er muss sichtbar funktionieren, bevor sich Zweifel festsetzen. Ein kleiner, klarer Erfolg schafft mehr Schwung als das ehrgeizigste Projekt, das im Sand verläuft.
In Wochen beweisen statt sechs Monate planen
Bei KI ist Geschwindigkeit kein Luxus, sondern die günstigere Wette. Statt sechs Monate zu planen und erst am Ende zu merken, ob es trägt, baust du in rund zwei Wochen einen kleinen Prototyp. Der beantwortet genau eine Frage: Funktioniert die Idee mit euren echten Daten? Danach weisst du mehr als aus jedem Workshop.
Die Rechnung dahinter ist simpel. Ein grosses Projekt bindet früh viel Geld, ohne Zwischenergebnis. Läuft es schief, ist alles weg. Ein Prototyp kostet bei uns rund CHF 10'000. Das ist der Einsatz, den du riskierst, statt sechsstellig in etwas zu investieren, das seine Tauglichkeit erst nach Monaten zeigt.
Ein Prototyp in zwei Wochen ist gebaut, aber noch nicht bewiesen. Bewiesen wird er im Alltag. Lass ihn ein paar Wochen an echten Daten mitlaufen und miss, ob er wirklich etwas bewegt. Bringt er nach vier bis sechs Wochen keinen messbaren Nutzen, denkst du den Fall neu, ohne grossen Schaden.
Wichtig ist, was vor dem Bauen kommt: verstehen. Ein Muster, das man überall findet: Ein Schweizer Lebensmittelproduzent koordiniert viele eigenständige Betriebe, jeder mit eigenen Regeln und Kapazitäten. Die Planung lief manuell in Excel, das Wissen steckte in den Köpfen einzelner Leute. Statt diesen Ablauf einfach nachzubauen, war IntelliLab zuerst vor Ort, bei den Planerinnen und in der Produktion, und hat jede Regel dokumentiert. Erst danach entstand das Modell. Heute entsteht der optimale Plan über Nacht statt nach Tagen, und das Wissen liegt im System statt an einzelnen Personen. Es sind dort fünf bis sieben Prozent mehr Output aus denselben Ressourcen, produktiv seit Q2/2026.
Der Punkt ist nicht die Grösse dieses Falls. Es ist die Reihenfolge: erst den Prozess vor Ort verstehen, dann klein bauen, dann beweisen. Genau so fängst du an, ohne dich zu verzetteln.
Häufige Fragen
Wie fange ich mit KI im Betrieb an?
Nicht mit einem Strategiepapier, sondern mit einem konkreten Problem. Frag fünf bis zehn Leute, welche Aufgabe sie am meisten nervt und am meisten Zeit frisst. Nimm die häufigste nah an deiner Wertschöpfung, die sich mit vorhandenen Daten lösen lässt, und baue in rund zwei Wochen einen kleinen Prototyp, der zeigt, ob es funktioniert.
Brauche ich zuerst eine KI-Strategie?
Nein, jedenfalls keine über achtzig Seiten. KI verändert sich alle paar Monate, ein starrer Plan ist veraltet, bevor er beschlossen ist. Was du brauchst, ist ein Playbook: ein paar Grundsätze, wo KI in deinem Kern Wert schafft, plus ein erster bewiesener Fall. Aus dem Beweis wächst die Strategie, nicht umgekehrt.
Welchen Anwendungsfall soll ich zuerst angehen?
Den lösbarsten, nicht den grössten, und am besten nah an deiner Wertschöpfung. Ein guter erster Fall ist wiederkehrend, nervt die Leute, hat schon digitale Daten und lässt sich messen, idealerweise an mehr Output und nicht nur an gesparter Zeit. Das grösste Problem ist meist auch das komplexeste. Wer damit startet und scheitert, verbrennt KI im Betrieb für Jahre.
Wie lange dauert ein erster KI-Prototyp?
Einen klar abgegrenzten Fall baust du in rund zwei Wochen zu einem greifbaren Prototyp. Beweisen tut ihn dann der Alltag: ein paar Wochen an echten Daten mitlaufen lassen und messen. Bringt er nach vier bis sechs Wochen keinen Nutzen, denkst du ihn neu. So hast du mit kleinem Einsatz früh Gewissheit, statt ein halbes Jahr zu planen.
Klein anfangen oder gleich gross?
Klein anfangen, gross denken. Der erste Fall soll klein und beweisbar sein, damit das Team Vertrauen fasst und Budget frei wird. Die Vision darf gross sein, der erste Schritt nicht. Aus einem gelungenen kleinen Start entsteht Schwung für das Grosse. Ein gescheiterter Grossstart nimmt dir beides.
Von Andrin Knoll, Gründer & CEO, IntelliLab GmbH.