Daten, Informationen, Wissen für KI im KMU
In vielen Schweizer KMU sind mehr als genug Inhalte vorhanden: Offerten, Rechnungen, E-Mails, Excel-Listen, Gesprächsnotizen, Tickets und Prozessbeschreibungen. Trotzdem fehlt im Alltag oft genau das, was für gute Entscheidungen und verlässliche Abläufe gebraucht wird: ein gemeinsames Verständnis des Kontexts.
Das zeigt sich in ganz praktischen Situationen. Eine Mitarbeitende sucht die letzte Preisvereinbarung mit einem Kunden. Die Zahlen sind irgendwo abgelegt, aber nicht die Begründung für den Rabatt. Ein Team übernimmt einen Prozess, findet die Checkliste, kennt aber die Ausnahmen nicht. Eine KI soll interne Fragen beantworten, hat jedoch nur Zugriff auf Dokumente ohne klare Einordnung und liefert deshalb unvollständige Antworten.
Genau hier ist der Unterschied zwischen Daten, Informationen und Wissen wichtig. Rohmaterial ist im Unternehmen meist reichlich vorhanden. Nutzbar wird es erst, wenn Zusammenhang, Bedeutung und Erfahrung dazukommen. Für Menschen gilt das genauso wie für KI-Systeme.
Warum Daten allein im KMU noch keinen Nutzen schaffen
Viele Betriebe sammeln im Laufe der Zeit grosse Mengen an Daten. Das passiert oft ganz automatisch: Ein ERP erfasst Positionen und Beträge, das CRM speichert Kontakte, E-Mails dokumentieren Absprachen, und in Ordnern liegen Offerten, Verträge oder Prozessnotizen.
Das Problem ist nicht der Mangel an Daten, sondern der fehlende Zusammenhang.
Ein einzelner Rechnungsbetrag sagt noch nicht, ob ein Auftrag rentabel war. Eine Liste mit offenen Offerten zeigt noch nicht, welche Kunden kurz vor einem Entscheid stehen. Ein Vermerk wie «Spezialkondition gemäss Absprache» hilft wenig, wenn nirgends festgehalten ist, was genau vereinbart wurde und warum.
Im Alltag von KMU entsteht dadurch ein typisches Muster: Informationen sind vorhanden, aber nicht sofort brauchbar. Mitarbeitende müssen nachfragen, frühere E-Mails durchsuchen oder sich auf das Gedächtnis einzelner Personen verlassen. Das kostet Zeit und erhöht das Risiko für Fehler.
Wer nach dem Thema Daten Informationen Wissen sucht, sucht meist nicht nach Theorie, sondern nach einer Antwort auf genau diese Erfahrung: Weshalb bringen viele vorhandene Inhalte so wenig Entlastung im Alltag?
Die Antwort ist einfach: Daten sind noch kein Nutzen. Nutzen entsteht erst dann, wenn Daten eingeordnet, verstanden und im richtigen Moment verwendet werden können. Ohne Kontext bleiben sie Rohmaterial.
Von Zeichen zu Wissen: Die vier Stufen einfach erklärt
Die Begriffe Zeichen, Daten, Informationen und Wissen werden oft durcheinander verwendet. Für den Unternehmensalltag lohnt sich eine klare Unterscheidung, weil sie zeigt, wo genau die Lücke entsteht.
Zeichen
Zeichen sind einzelne Symbole oder Wörter ohne eigene Aussage. Das können Zahlen, Buchstaben oder Abkürzungen sein, zum Beispiel:
12
CHF 4’800
netto 30
A-Kunde
Für sich allein haben solche Zeichen noch keine betriebliche Bedeutung. Sie sind lediglich Bausteine.
Daten
Daten entstehen, wenn Zeichen in einer erfassbaren Form vorliegen. Zum Beispiel:
Offerte Nr. 2417
Betrag CHF 4’800
Lieferfrist 10 Arbeitstage
Zahlungsbedingung netto 30 Tage
Jetzt ist mehr vorhanden als nur einzelne Zeichen. Dennoch bleibt offen, wie diese Angaben zu verstehen sind. Daten beschreiben etwas, erklären aber noch nicht, was es im konkreten Fall bedeutet.
Informationen
Informationen entstehen, wenn Daten in einen Zusammenhang gestellt werden. Erst dann wird klar, warum etwas relevant ist. Aus den obigen Daten kann zum Beispiel diese Information werden:
Die Offerte über CHF 4’800 liegt leicht unter dem üblichen Preis, weil der Kunde bereits drei Folgeaufträge in Aussicht gestellt hat.
Die Lieferfrist von 10 Arbeitstagen ist nur möglich, wenn der externe Zulieferer termingerecht liefert.
Netto 30 Tage ist in diesem Fall eine Ausnahme, weil der Kunde bisher immer pünktlich bezahlt hat.
Hier wird sichtbar, was Informationen statt Daten ausmacht: Bedeutung, Einordnung und Bezug zum Geschäftskontext.
Wissen
Wissen geht noch einen Schritt weiter. Es verbindet Informationen mit Erfahrung, Beurteilung und Handlungssicherheit. Wissen zeigt sich zum Beispiel so:
Bei diesem Kunden lohnt sich ein kleiner Preisnachlass, wenn die Folgeaufträge wahrscheinlich sind.
Die genannte Lieferfrist darf nur zugesagt werden, wenn die interne Kapazität im Montagebereich frei ist.
Bei Neukunden sollte netto 30 nur nach Prüfung der Bonität verwendet werden.
Wissen hilft also nicht nur beim Verstehen, sondern beim richtigen Handeln.
Ein einfaches KMU-Beispiel
Ein Kundennotiz-Eintrag lautet: «Bitte diesmal Lieferung in zwei Teilsendungen.»
Als Zeichen sind das einzelne Wörter.
Als Daten ist es eine gespeicherte Notiz zum Auftrag.
Als Information wird daraus: Der Kunde kann die Ware am Zielort nicht komplett auf einmal übernehmen.
Als Wissen wird daraus: Bei ähnlichen Kunden in beengten Lagerräumen sollten Teillieferungen früh abgeklärt und im Auftragsprozess standardmässig berücksichtigt werden.
Der entscheidende Punkt ist immer derselbe: Kontext und Interpretation machen aus Rohmaterial etwas Verwendbares. Wer dazu weitere alltagstaugliche Beispiele sucht, findet im Bereich Praxiswissen ergänzende Beiträge für den KMU-Alltag.
So wird aus einer Offerte mehr als nur eine Zahlensammlung
Offerten sind ein gutes Beispiel dafür, wie schnell der Unterschied zwischen strukturierten Daten und nutzbarer Information sichtbar wird.
Eine Offerte enthält oft sauber erfasste Angaben:
Artikel oder Leistungen
Mengen
Einzelpreise
Rabatte
Zwischentotal und Gesamttotal
Lieferfrist
Zahlungsbedingungen
Diese Daten sind wichtig. Allein daraus lässt sich aber noch nicht zuverlässig ableiten, was geschäftlich dahintersteht.
Nehmen wir eine Offerte mit 8 Prozent Rabatt und einer Lieferfrist von 15 Tagen. Rein datenseitig ist das klar dokumentiert. Was noch fehlt, ist der fachliche Kontext:
Ist der Rabatt Teil einer laufenden Rahmenvereinbarung?
Wurde er gewährt, weil der Kunde eine grössere Bestellung plant?
Ist die Lieferfrist Standard oder ein Entgegenkommen?
Gibt es interne Risiken, etwa wegen knapper Materialverfügbarkeit?
Wurde die Zahlungsbedingung angepasst, weil der Kunde strategisch wichtig ist?
Ohne diese Einordnung kann dieselbe Offerte später ganz unterschiedlich gelesen werden. Die Administration sieht vielleicht nur einen aussergewöhnlichen Rabatt. Der Verkauf erinnert sich an die Verhandlung. Die Geschäftsführung bewertet die Marge. Eine neue Mitarbeitende erkennt nicht, ob die Konditionen ein Einzelfall oder ein Muster sind.
Gerade bei Offerten zeigt sich deshalb, wie wichtig Unternehmenswissen strukturieren tatsächlich ist. Es reicht nicht, nur Zahlen sauber zu speichern. Entscheidend ist, dass nachvollziehbar bleibt, weshalb diese Zahlen so gewählt wurden.
Dasselbe gilt für Rechnungen. Eine Rechnung dokumentiert, was verrechnet wurde. Sie zeigt aber oft nicht:
warum einzelne Positionen anders berechnet wurden,
welche Kulanz berücksichtigt wurde,
ob ein Zusatzaufwand intern akzeptiert war,
oder ob ein späterer Reklamationspunkt bereits im Vorfeld absehbar war.
Für Menschen ist diese Lücke mühsam. Für KI ist sie noch problematischer. Eine KI kann Beträge, Positionen und Texte erkennen. Sie versteht aber nicht automatisch, welche geschäftliche Bedeutung dahinterliegt. Ohne Unternehmensbezug entstehen leicht falsche Schlüsse.
E-Mails, Kundennotizen und Prozessdokumente: Wo Wissen im Alltag steckt
Wertvolles Wissen liegt selten nur in offiziellen Handbüchern. In vielen KMU steckt es vor allem im täglichen Arbeitsmaterial: in E-Mails, Kurznotizen, Tickets, Sitzungsprotokollen oder Prozessdokumenten mit handschriftlichen Ergänzungen.
Gerade dort finden sich oft die Hinweise, die im Alltag wirklich zählen:
Warum wurde in einem Fall von der Standardregel abgewichen?
Welche Rückfrage stellt ein bestimmter Kunde fast immer?
Welche Freigabe ist bei einem speziellen Produkttyp zwingend?
Welche Ausnahme hat sich in der Praxis bewährt?
Wo entstehen regelmässig Missverständnisse im Ablauf?
Ein Beispiel aus der Administration: In einer E-Mail steht, dass Rechnungen an einen Kunden immer zuerst an die Projektleitung und nicht direkt an die Buchhaltung geschickt werden sollen. Das ist keine grosse formale Regel, aber für den Prozess entscheidend. Fehlt diese Information, kommt es zu Verzögerungen oder unnötigen Rückfragen.
Ein anderes Beispiel: In einer Kundennotiz ist festgehalten, dass ein Ansprechpartner Preisangaben immer exklusive Zusatzleistungen erwartet und auf Sammelrechnungen besteht. Solche Hinweise wirken klein, verhindern aber im Alltag Reibung.
Auch Prozessdokumente enthalten oft mehr als ihre offizielle Struktur vermuten lässt. Die eigentliche Arbeitsanweisung mag knapp sein, doch entscheidend sind häufig Ergänzungen wie:
«Bei Stammkunde X immer Rücksprache mit Verkauf»
«Nicht anwenden bei Expressaufträgen»
«Freigabe nur, wenn technische Prüfung dokumentiert ist»
Solche Zusätze sind Wissen im Unternehmen, weil sie Erfahrung, Ausnahmefälle und implizite Regeln sichtbar machen.
Für neue Mitarbeitende ist das besonders wichtig. Sie kennen die Hintergründe nicht und können zwischen Standardfall und Sonderfall oft noch nicht unterscheiden. Wenn dieses Wissen nur in Köpfen vorhanden ist, verlängert sich die Einarbeitung und die Fehleranfälligkeit steigt.
Für KI gilt dasselbe. Eine KI kann Texte aus E-Mails oder Dokumenten verarbeiten. Sie liefert aber nur dann brauchbare Antworten, wenn erkennbar ist, was aktuell, verbindlich und situationsbezogen ist. Ein ungeordneter Berg aus Nachrichten ist noch kein verlässliches Wissensfundament.
Warum KI im Unternehmen Kontext braucht, nicht nur Daten
Wenn KMU über KI nachdenken, steht oft eine praktische Frage im Vordergrund: Kann das System interne Fragen beantworten, Inhalte zusammenfassen oder Mitarbeitende im Alltag entlasten?
Die kurze Antwort lautet: ja, aber nur auf einer tragfähigen Grundlage.
KI arbeitet nicht mit gesundem Menschenverstand im betrieblichen Sinn. Sie kennt die eigenen Abläufe, Ausnahmen und Prioritäten nicht von selbst. Sie kann nur mit dem arbeiten, was als Grundlage verfügbar ist. Genau deshalb ist das Thema Daten Kontext KI so zentral.
Wenn Daten unklar, widersprüchlich oder ohne Bezug vorliegen, entstehen typische Probleme:
Die KI nennt eine Lieferfrist, ohne die reale Kapazitätsgrenze zu kennen.
Sie erklärt einen Prozessschritt nach einer veralteten Version der Anleitung.
Sie fasst Kundendaten zusammen, erkennt aber nicht, dass eine Preisregel nur für eine bestimmte Vereinbarung galt.
Sie beantwortet eine interne Frage formal korrekt, aber praktisch am Bedarf vorbei.
Das ist keine Schwäche einzelner Tools, sondern eine Folge fehlender Struktur. KI braucht nicht einfach möglichst viele Unternehmensdaten. Sie braucht interpretierbare Informationen mit klarem Unternehmensbezug.
Dazu gehören zum Beispiel:
eindeutige Benennungen
nachvollziehbare Zuständigkeiten
aktuelle Versionen
dokumentierte Ausnahmen
erkennbare Gültigkeitsbereiche
saubere Verknüpfung zwischen Dokument, Prozess und Entscheidung
Erst wenn diese Grundlagen vorhanden sind, kann KI im Unternehmen sinnvoll unterstützen. Sie ersetzt keine klaren Prozesse. Sie funktioniert auf klaren Prozessen besser.
Für KMU ist das eine wichtige Einordnung. Der Nutzen von KI hängt weniger davon ab, wie viele Daten vorhanden sind, sondern davon, wie verständlich diese Daten im geschäftlichen Kontext sind. Genau hier entscheidet sich, ob Antworten verlässlich, unvollständig oder irreführend ausfallen.
Was Schweizer KMU konkret tun können, um Unternehmenswissen besser zu strukturieren
Der Aufbau einer guten Wissensbasis muss kein grosses Transformationsprojekt sein. In vielen KMU zeigen bereits kleine, konsequente Schritte spürbare Wirkung.
Einheitliche Ablagen schaffen
Wissen wird schwer auffindbar, wenn ähnliche Inhalte in verschiedenen Ordnern, Postfächern oder persönlichen Laufwerken liegen. Eine einfache, klare Ablagestruktur hilft sofort. Wichtig ist weniger Perfektion als Verbindlichkeit.
Klare Bezeichnungen verwenden
Dateinamen wie «final_neu2» oder «Version aktuell» helfen weder Mitarbeitenden noch KI. Besser sind verständliche Namen mit Bezug zu Inhalt, Kunde, Prozess oder Gültigkeit, etwa «Offerte_Kunde_MusterAG_2026-05-12» oder «Prozess_Rechnungsfreigabe_V3».
Kurze Kontextfelder ergänzen
Oft fehlt nicht das Dokument, sondern die Einordnung. Hilfreich sind kurze Zusatzfelder oder standardisierte Hinweise wie:
Zweck des Dokuments
Gültig ab
Zuständig
Ausnahmefall ja/nein
Bezug zu Kunde, Projekt oder Prozess
Begründung bei Abweichungen
Schon wenige Zeilen können aus Daten eine deutlich besser nutzbare Information machen.
Versionierung und Aktualität sichtbar machen
Gerade bei Prozessdokumentationen, Vorlagen oder Weisungen ist entscheidend, welche Fassung gilt. Wenn alte und neue Versionen nebeneinander kursieren, entstehen Unsicherheiten. Sichtbare Versionen und klare Ablöseregeln schaffen Ordnung.
Zuständigkeiten festlegen
Wissen bleibt nur dann verlässlich, wenn klar ist, wer es pflegt. Nicht jede Information braucht ein grosses Governance-Modell. Aber für zentrale Dokumente, Vorlagen und Prozessbeschreibungen sollte definiert sein, wer prüft, aktualisiert und freigibt.
Standardvorlagen nutzen
Vorlagen helfen, wiederkehrende Inhalte konsistent zu erfassen. Das gilt für Offerten, Gesprächsnotizen, Projektrückblicke oder Prozessbeschreibungen. Wichtig ist, dass Vorlagen nicht nur Felder für Fakten enthalten, sondern auch Platz für Kontext, etwa für Besonderheiten, Risiken oder Ausnahmen.
Ausnahmen dokumentieren
In KMU entsteht viel Wissen gerade dort, wo bewusst vom Standard abgewichen wird. Wer diese Ausnahmen nicht festhält, verliert oft den wertvollsten Teil der Erfahrung. Ein kurzer Hinweis, warum etwas anders gemacht wurde, kann später entscheidend sein.
Wissen im Team verankern
Struktur allein genügt nicht. Damit Wissen im Alltag wirklich verwendet und gepflegt wird, braucht es gemeinsame Arbeitsweisen. Dabei kann gezielte Schulung und Enablement helfen, damit Dokumentation, Kontext und Prozessverständnis nicht nur formal vorhanden sind, sondern im Team gelebt werden.
Wichtig ist: Es braucht nicht zuerst ein neues System. Wer Unternehmenswissen strukturieren will, kann mit den bestehenden Mitteln anfangen. Kleine Schritte sind oft wirksamer als grosse Konzepte, die nie in den Alltag finden.
Wissen im Unternehmen nutzbar machen: Ein einfacher Selbstcheck als nächster Schritt
Viele KMU spüren bereits, dass wertvolle Inhalte vorhanden sind, aber nicht konsequent nutzbar werden. Die eigentliche Herausforderung liegt oft nicht im Mangel an Daten, sondern in Kontextlücken, Wissensinseln und unklaren Zuständigkeiten.
Ein kurzer [Selbstcheck](https://www.sp-solutions.ch/selbstcheck) kann helfen, genau diese Punkte sichtbar zu machen:
Wo liegen wichtige Datenquellen im Unternehmen?
Welche Informationen sind vorhanden, aber nicht sauber eingeordnet?
An welchen Stellen hängt Wissen an einzelnen Personen?
Welche Prozessunterlagen sind aktuell, welche nicht?
Wie gut wäre die vorhandene Basis für verlässliche KI-Unterstützung?
Für Geschäftsführung, Administration und Prozessverantwortliche ist das ein sinnvoller Einstieg in eine nüchterne Standortbestimmung. Nicht als grosses Projekt, sondern als praktische Klärung: Was ist bereits da, was fehlt noch, und wo bringen kleine Verbesserungen den grössten Nutzen im Alltag?
Häufig gestellte Fragen
Was ist der Unterschied zwischen Daten, Informationen und Wissen?
Daten sind erfasste Angaben wie Beträge, Positionen, Termine oder Notizen. Informationen entstehen, wenn diese Angaben in einen Zusammenhang gesetzt werden und dadurch Bedeutung erhalten. Wissen geht noch weiter: Es verbindet Informationen mit Erfahrung, Bewertung und Handlungssicherheit. Im Unternehmen ist diese Unterscheidung wichtig, weil Rohdaten allein selten reichen, um Prozesse sicher zu steuern oder KI verlässlich zu nutzen.
Warum reicht es nicht, im Unternehmen einfach möglichst viele Daten zu sammeln?
Weil Menge nicht automatisch Nutzen schafft. Ohne Kontext bleiben Daten oft unklar, widersprüchlich oder schwer interpretierbar. Mitarbeitende müssen dann trotzdem nachfragen oder Zusammenhänge selbst rekonstruieren. Für KI gilt dasselbe: Viele Daten ohne klare Einordnung führen nicht zu besseren Antworten, sondern oft zu mehr Unsicherheit.
Welche Rolle spielt Kontext bei KI-Antworten im KMU?
Kontext entscheidet darüber, ob eine KI eine interne Frage richtig einordnet. Dazu gehören etwa Zuständigkeiten, Gültigkeitsbereiche, Ausnahmen, Kundensituationen oder Prozessversionen. Fehlt dieser Unternehmensbezug, kann die KI zwar Inhalte wiedergeben, aber nicht zuverlässig beurteilen, was im konkreten Fall gilt.
Wo steckt im Alltag eines Schweizer KMU bereits wertvolles Wissen?
Oft in E-Mails, Gesprächsnotizen, Offerten, Rechnungen, Tickets und Prozessdokumenten. Dort finden sich Hinweise zu Sonderfällen, Erfahrungswerten, Absprachen und wiederkehrenden Ausnahmen. Dieses Wissen ist besonders wertvoll, weil es den Unterschied zwischen formaler Dokumentation und tatsächlich gelebtem Prozess ausmacht.
Wie kann ein KMU Unternehmenswissen einfacher strukturieren?
Ein guter Start sind einheitliche Ablagen, klare Bezeichnungen, sichtbare Versionen, standardisierte Vorlagen und kurze Kontextfelder. Ebenso wichtig sind definierte Zuständigkeiten und die Dokumentation von Ausnahmen. Entscheidend ist nicht ein grosses System, sondern eine einfache, verbindliche Struktur, die im Alltag genutzt wird.
Woran erkennt man, ob KI im Betrieb mit den vorhandenen Daten überhaupt verlässlich arbeiten kann?
Ein Warnsignal ist, wenn schon Mitarbeitende Informationen nur mit viel Nachfragen oder persönlichem Hintergrundwissen richtig verstehen. Wenn Dokumente veraltet, uneinheitlich benannt oder ohne klare Zuständigkeit abgelegt sind, ist die Basis für KI meist noch lückenhaft. Verlässlich wird KI erst dort, wo Informationen aktuell, strukturiert und im Unternehmenskontext verständlich sind.
