KI verändert Arbeit im KMU | Swiss Process Solutions

Künstliche Intelligenz ist im KMU längst kein reines Zukunftsthema mehr. In vielen Unternehmen unterstützt sie bereits heute bei Textentwürfen, Vorprüfungen, Analysen, Planung oder Priorisierung. Der entscheidende Punkt liegt aber tiefer: KI verändert Arbeit nicht nur punktuell, sondern strukturell.

Wer KI nur als neues Werkzeug betrachtet, übersieht oft die eigentliche Wirkung. Denn sobald Systeme Aufgaben vorbereiten, Entscheidungen vorstrukturieren oder Informationen aus verschiedenen Quellen zusammenführen, verschieben sich Rollen, Verantwortlichkeiten und Abläufe. Genau deshalb ist KI im KMU nicht nur ein IT-Thema, sondern ein Organisations- und Führungsthema.

Für Schweizer KMU ist diese Einordnung besonders wichtig. Die Ressourcen sind begrenzt, Funktionen oft mehrfach besetzt, und Prozesse hängen stark von eingespielten Abläufen und Fachwissen einzelner Personen ab. Wenn KI eingeführt wird, ohne diese Zusammenhänge zu berücksichtigen, entstehen schnell isolierte Einzellösungen. Wenn sie dagegen strategisch eingeordnet wird, kann sie helfen, Arbeit sinnvoll neu zu organisieren und Wertschöpfung gezielt weiterzuentwickeln.

Warum KI im KMU mehr ist als ein neues Tool

Viele Diskussionen rund um KI beginnen bei der Frage, welches Tool Texte schreibt, Mails zusammenfasst oder Daten auswertet. Diese Sicht ist verständlich, greift aber zu kurz. Ein Tool löst zunächst eine Aufgabe. KI wirkt jedoch oft auf die Art, wie Aufgaben verteilt und Entscheidungen vorbereitet werden.

Ein einfaches Beispiel: Wenn eine Sachbearbeitung früher eingehende Anfragen vollständig manuell sichtete, kategorisierte und beantwortete, kann KI heute Teile davon vorstrukturieren. Das spart nicht einfach nur Zeit. Es verändert den Arbeitsablauf insgesamt. Die manuelle Erstprüfung wird kleiner, die Qualitätskontrolle wichtiger, und die Verantwortung verschiebt sich vom Erstellen hin zum Prüfen, Ergänzen und Freigeben.

Genau hier liegt der Unterschied zwischen Tool-Einsatz und Organisationsentwicklung. Beim Tool-Einsatz geht es darum, eine bestehende Tätigkeit schneller zu erledigen. Bei der Organisationsentwicklung geht es darum, zu prüfen, welche Arbeit noch manuell erfolgen soll, wo Systeme vorbereiten und wo menschliche Entscheidung, Fachurteil oder Freigabe unverzichtbar bleiben.

Für KMU ist das besonders relevant, weil viele Prozesse nicht gross skaliert, aber hochgradig praxisnah und eng getaktet sind. Oft gibt es keine grossen Projektteams oder separaten Innovationseinheiten. Änderungen wirken direkt auf den Alltag. Deshalb lohnt sich eine nüchterne Sicht: KI muss nicht zuerst spektakulär sein, um relevant zu werden. Es reicht schon, wenn sie an einer zentralen Stelle Aufgaben neu verteilt.

Hinzu kommt: KI greift in die Wertschöpfung ein, wenn sie nicht nur administrative Nebenaufgaben unterstützt, sondern Kernelemente von Planung, Service, Auftragsabwicklung, Qualität oder Führung beeinflusst. Dann geht es nicht mehr um eine einzelne Anwendung, sondern um die Frage, wie das Unternehmen arbeitet.

Welche Rollen und Verantwortlichkeiten sich durch KI verschieben

Wenn KI eingeführt wird, verändert sich selten nur ein Arbeitsschritt. Häufig verändert sich das Aufgabenprofil mehrerer Rollen gleichzeitig. Das betrifft nicht nur die IT, sondern ganz unterschiedliche Funktionen im Unternehmen.

In Assistenz- und Administrationsrollen übernimmt KI oft vorbereitende Arbeiten. Sie kann Mails zusammenfassen, Protokolle strukturieren, Entwürfe erstellen oder Informationen aus Dokumenten herausziehen. Dadurch verschiebt sich der Schwerpunkt der Rolle. Weniger Zeit fliesst in Routinetätigkeiten, mehr in Koordination, Kontrolle und saubere Übergaben. Die Aufgabe wird nicht kleiner, sondern anders.

In der Sachbearbeitung ist die Veränderung oft besonders sichtbar. Wenn ein System Anfragen klassifiziert, Formulare vorprüft oder Vorschläge für Antworten erstellt, entsteht eine neue Schnittstelle zwischen Mensch und System. Die Fachperson bearbeitet nicht mehr jeden Fall von Grund auf, sondern arbeitet mit Vorstrukturierungen. Das macht Prozesse schneller, verlangt aber auch mehr Klarheit bei Freigaben, Ausnahmen und Qualitätskriterien.

Auch Teamleitungen sind direkt betroffen. Sobald KI Aufgaben vorbereitet oder priorisiert, müssen Leitungen stärker definieren, nach welchen Regeln gearbeitet wird. Wer entscheidet bei Unsicherheiten? Welche Fälle dürfen automatisiert vorbearbeitet werden? Wo ist eine zweite Prüfung nötig? Führung wird damit konkreter in Fragen von Priorisierung, Kontrollpunkten und Verantwortungsgrenzen.

Bei Fachverantwortlichen verschiebt sich der Fokus oft in Richtung Standards und Governance. Wenn KI mitarbeitet, reicht es nicht mehr, Fachwissen nur informell im Team zu haben. Es braucht klarere Vorgaben, saubere Entscheidungslogiken und nachvollziehbare Qualitätsmassstäbe. Denn ein System kann nur dann zuverlässig unterstützen, wenn die fachlichen Regeln ausreichend klar sind.

Das bedeutet nicht, dass KI Menschen ersetzt. In den meisten KMU entsteht vielmehr eine neue Arbeitsteilung. Menschen formulieren Ziele, setzen Leitplanken, prüfen Ergebnisse, entscheiden in Ausnahmen und tragen die Verantwortung. Systeme unterstützen bei Vorbereitung, Strukturierung, Vorhersage oder Standardisierung. Entscheidend ist, dass diese Rollenverteilung bewusst gestaltet wird und nicht zufällig entsteht.

Wie KI Prozesse verändert: von Einzelschritten zu neuen Prozessmodellen

KI und Prozesse hängen enger zusammen, als es auf den ersten Blick scheint. Viele Unternehmen starten mit einem einzelnen Anwendungsfall, etwa dem automatischen Zusammenfassen von Informationen oder dem Erstellen von Antwortentwürfen. Doch sobald das funktioniert, stellt sich fast automatisch die nächste Frage: Muss der Prozess überhaupt noch gleich ablaufen wie bisher?

Genau hier beginnt die eigentliche Veränderung. KI beschleunigt nicht nur einzelne Schritte, sondern ermöglicht neue Prozessmodelle. Planung, Vorprüfung, Priorisierung, Dokumentation und Nachverfolgung können anders zusammenspielen als in einem rein manuellen Ablauf.

Ein klassischer Prozess ohne KI läuft oft linear: Eingang, Sichtung, Bearbeitung, Rückfrage, Abschluss, Dokumentation. Mit KI kann derselbe Ablauf stärker vorstrukturiert werden. Eingänge werden automatisch sortiert, Standardfälle markiert, fehlende Informationen erkannt, Bearbeitungen vorbereitet und offene Punkte dokumentiert. Das verändert nicht nur die Geschwindigkeit, sondern auch die Logik des Prozesses.

Interessant ist dabei die Kombination aus Standardisierung und Dynamik. Einerseits braucht KI klare Regeln, saubere Daten und definierte Schritte. Andererseits kann sie Abläufe flexibler machen, weil Fälle früher erkannt und unterschiedlich behandelt werden können. Ein Standardfall läuft schneller durch, ein Sonderfall wird gezielt an die richtige Stelle geleitet. So entstehen Prozesse, die gleichzeitig strukturierter und anpassungsfähiger sind.

Für KMU ist das ein wichtiger Hebel. Viele Prozesse sind historisch gewachsen und enthalten manuelle Zwischenstufen, doppelte Prüfungen oder Medienbrüche. KI funktioniert auf klaren Prozessen besser, ersetzt diese Klarheit aber nicht. Wer unsaubere Abläufe einfach mit KI überlagert, automatisiert oft nur bestehende Unschärfen. Wer Prozesse zuerst sauber denkt und dann gezielt mit KI ergänzt, erzielt meist den deutlich grösseren Nutzen.

Im Bereich Automatisierung und KI zeigt sich genau dieser Zusammenhang: Nicht die einzelne Anwendung bringt den grössten Effekt, sondern das Zusammenspiel von Prozessdesign, Rollenklärung und sinnvoller technischer Unterstützung.

Auswirkungen auf Entscheidungswege, Qualität und Führung

Sobald KI Arbeit vorbereitet oder priorisiert, verändert sich auch die Art, wie Entscheidungen im Unternehmen entstehen. Das heisst nicht, dass Systeme eigenständig führen oder Menschen aus der Verantwortung nehmen. Es heisst aber, dass Entscheidungswege anders aufgebaut werden müssen.

KI kann heute Hinweise liefern, Muster erkennen, Prioritäten vorschlagen oder Handlungsoptionen vorbereiten. Damit verschiebt sich ein Teil der Vorarbeit von Menschen auf Systeme. Die eigentliche Entscheidung bleibt jedoch dort, wo Verantwortung getragen wird. Gerade im KMU ist das zentral, weil Entscheidungen oft nahe am Kunden, am Auftrag oder an der operativen Realität liegen.

Darum braucht es klare Antworten auf einige Grundfragen: Welche Entscheidungen dürfen vorbereitet werden? Welche müssen freigegeben werden? Bei welchen Risiken ist menschliche Plausibilisierung zwingend? Und wie wird dokumentiert, warum ein Ergebnis übernommen oder korrigiert wurde?

Die Qualitätssicherung wird durch KI nicht kleiner, sondern anspruchsvoller. Früher musste vor allem die manuelle Bearbeitung kontrolliert werden. Heute muss zusätzlich geprüft werden, ob Vorstrukturierungen, Empfehlungen oder Entwürfe fachlich stimmen und im Kontext passen. Freigabeprozesse werden damit wichtiger als die reine Bearbeitung selbst.

Auch Führung verändert sich. Leitungen müssen weniger jedes Detail kontrollieren, dafür aber klarere Rahmenbedingungen setzen. Dazu gehören Prioritäten, Qualitätsmassstäbe, Zuständigkeiten und Eskalationswege. Ebenso wichtig ist der Vertrauensaufbau im Team. Mitarbeitende müssen verstehen, wofür KI eingesetzt wird, wo ihre Verantwortung bleibt und wie mit Fehlern oder Unsicherheiten umgegangen wird.

Führung im Kontext von KI heisst deshalb nicht primär Technik steuern, sondern Zusammenarbeit neu ordnen. Wer darf sich auf Systemvorschläge stützen? Wer prüft was? Wo braucht es Erfahrung statt Automatik? Je früher diese Fragen geklärt werden, desto stabiler wird die Umsetzung.

Drei konkrete Beispiele aus Administration, Operations und Führung

Die organisatorische Wirkung von KI wird im Alltag am besten sichtbar, wenn konkrete Situationen betrachtet werden. Drei typische Beispiele zeigen, wie sich Arbeitsteilung, Ergebnisqualität und Durchlaufzeiten verändern können.

Administration: Eingehende Kundenanfragen vorstrukturieren

Ein KMU erhält täglich Anfragen per E-Mail zu Offerten, Lieferterminen, Rechnungen oder Reklamationen. Bisher liest eine Sachbearbeitung jede Nachricht, ordnet sie zu, sucht Informationen zusammen und leitet sie weiter oder beantwortet sie direkt.

Mit KI kann der erste Teil dieses Ablaufs vorstrukturiert werden. Das System erkennt den Anliegen-Typ, schlägt eine Priorität vor, erstellt einen Antwortentwurf oder verweist auf fehlende Angaben. Die Sachbearbeitung prüft, ergänzt und gibt frei.

Der Nutzen liegt nicht nur in der schnelleren Bearbeitung. Die Arbeitsteilung verändert sich: Weniger Zeit geht für das Sortieren und Formulieren auf, mehr für die Prüfung von Sonderfällen und die saubere Koordination. Gleichzeitig steigt die Konsistenz in Standardfällen, weil Antworten auf ähnlichen Regeln basieren. Die Durchlaufzeit sinkt, ohne dass die fachliche Verantwortung abgegeben wird.

Operations: Auftragsabwicklung und Vorprüfung im Betrieb

In der Operations eines KMU entstehen oft Verzögerungen durch unvollständige Aufträge, manuelle Rückfragen oder fehlende Priorisierung. Ein KI-gestützter Vorprüfungsschritt kann eingehende Aufträge auf Vollständigkeit prüfen, kritische Abweichungen markieren und Bearbeitungsreihenfolgen nach definierten Kriterien vorschlagen.

Dadurch wird nicht einfach ein Zwischenschritt automatisiert. Der gesamte Ablauf verändert sich. Die operative Bearbeitung startet mit besser aufbereiteten Fällen, Rückfragen werden früher ausgelöst, und Engpässe lassen sich gezielter steuern. Fachpersonen arbeiten weniger reaktiv und können ihre Zeit stärker auf Ausnahmen und kritische Fälle konzentrieren.

Der Business-Nutzen zeigt sich in kürzeren Durchlaufzeiten, besserer Planbarkeit und geringerer Fehlerquote bei Übergaben. Gerade in kleineren Teams ist das relevant, weil Verzögerungen oft direkt auf Termine, Kundenkommunikation oder Auslastung durchschlagen.

Führung: Entscheidungsgrundlagen für Team- und Bereichsleitung

Führungskräfte in KMU verbringen viel Zeit damit, Informationen aus verschiedenen Quellen zusammenzutragen: offene Pendenzen, Engpässe, Terminverschiebungen, Qualitätsprobleme oder Ressourcenbedarf. KI kann diese Informationen konsolidieren, Muster sichtbar machen und Abweichungen früh markieren.

Das ersetzt keine Führung, verbessert aber die Entscheidungsgrundlage. Teamleitungen sehen schneller, wo Handlungsbedarf besteht, welche Themen eskalieren und welche Prioritäten angepasst werden müssen. Gleichzeitig wird klarer, welche Daten in Entscheidungen einfliessen und wo zusätzliche Plausibilisierung nötig ist.

Der Nutzen liegt hier vor allem in höherer Steuerungsfähigkeit. Statt erst zu reagieren, wenn Probleme spürbar werden, kann früher eingegriffen werden. Das erhöht nicht nur die Geschwindigkeit, sondern auch die Qualität von Führungsentscheidungen.

Was KMU bei KI strategisch klären sollten, bevor sie einzelne Tools einführen

Viele KI-Projekte starten mit einer naheliegenden Frage: Welche Software passt? Strategisch sinnvoller ist eine andere Reihenfolge. Zuerst sollte geklärt werden, welches organisatorische Problem gelöst oder welcher Prozess verbessert werden soll. Erst danach kommt die Tool-Frage.

Vor einer Einführung sind insbesondere sechs Punkte wichtig:

Erstens: Welche Ziele stehen im Vordergrund? Geht es um schnellere Bearbeitung, bessere Qualität, mehr Transparenz, Entlastung von Schlüsselpersonen oder eine robustere Skalierung?

Zweitens: Welche Prozesse sind betroffen? KI wirkt selten isoliert. Wer nur auf einen einzelnen Arbeitsschritt schaut, übersieht oft die Auswirkungen auf Übergaben, Freigaben und Nachbearbeitung.

Drittens: Wer trägt welche Verantwortung? Wenn Systeme vorbereiten oder Vorschläge liefern, müssen Zuständigkeiten sauber definiert sein. Sonst entstehen Unsicherheit und unnötige Kontrollschlaufen.

Viertens: Wie gut ist die Datenlage? Ohne verlässliche Informationen, klare Dokumentation und nachvollziehbare Regeln bleibt der Nutzen begrenzt. KI kann Lücken sichtbar machen, aber sie füllt keine strukturell unsauberen Grundlagen von selbst.

Fünftens: Wie wird Qualität gesichert? Es braucht klare Kriterien für Freigabe, Prüfung und Korrektur. Gerade in regulierten oder kundenkritischen Prozessen ist dieser Punkt zentral.

Sechstens: Welcher Change-Bedarf entsteht? Auch wenn ein Pilot klein beginnt, verändert er Arbeitsweisen. Teams müssen verstehen, was sich ändert, welche Erwartungen gelten und wie mit Fehlern umgegangen wird.

Genau an dieser Stelle lohnt sich oft ein strukturierter Blick von aussen, etwa über Beratung und Analyse. Denn KI-Transformation beginnt nicht mit einem Tool, sondern mit einer sauberen Einordnung von Zielbild, Prozesslogik und Verantwortung.

Wie eine erste KI-Roadmap für das KMU aussehen kann

Eine sinnvolle KI-Roadmap muss im KMU nicht komplex sein. Wichtig ist vor allem, dass sie in einer realistischen Reihenfolge aufgebaut wird und überschaubar bleibt.

Am Anfang steht die Identifikation von Potenzialen. Welche wiederkehrenden Aufgaben kosten viel Zeit? Wo entstehen Medienbrüche, Rückfragen oder Qualitätsprobleme? Welche Tätigkeiten sind standardisierbar, ohne dass fachliche Verantwortung verloren geht?

Danach folgt die Priorisierung der Prozesse. Nicht jeder Anwendungsfall ist gleich geeignet. Gute Startpunkte sind meist Prozesse mit hohem Volumen, klaren Regeln, wiederkehrenden Mustern und spürbarem betriebswirtschaftlichem Nutzen.

Im nächsten Schritt werden Verantwortlichkeiten festgelegt. Wer ist fachlich zuständig? Wer definiert Qualitätskriterien? Wer prüft Ergebnisse? Wer entscheidet über Anpassungen? Diese Klärung ist wichtiger als eine schnelle technische Einführung.

Dann sollte ein Pilot definiert werden. Ein guter Pilot ist klein genug, um kontrollierbar zu bleiben, aber relevant genug, um Wirkung zu zeigen. Er sollte einen konkreten Prozessschritt oder Teilprozess betreffen und klare Messgrössen haben, etwa Bearbeitungszeit, Fehlerquote, Rückfrageaufwand oder Termintreue.

Darauf folgt die Wirkungsmessung. Nur wenn sichtbar wird, was sich tatsächlich verbessert oder verkompliziert hat, kann sinnvoll entschieden werden, ob und wie skaliert werden soll. Das gilt besonders für KI im KMU, wo Ressourcen gezielt eingesetzt werden müssen.

Erst danach kommt die Skalierung. Was im Pilot funktioniert, kann auf ähnliche Prozesse ausgeweitet werden. Dabei sollten jedoch nicht einfach identische Anwendungen kopiert werden. Oft braucht es pro Bereich eine angepasste Rollen- und Prozesslogik.

Wichtig ist: Eine Roadmap muss nicht mehrere Jahre im Voraus ausformuliert sein. Für viele KMU reicht ein klarer Einstieg mit begrenztem Umfang, sauberer Messung und konsequenter Nachschärfung.

Häufig gestellte Fragen

Woran erkennt ein KMU, dass KI nicht nur ein Tool, sondern ein Organisationsthema ist?

Sobald KI nicht nur eine Einzelaufgabe beschleunigt, sondern Übergaben, Freigaben, Prioritäten oder Verantwortlichkeiten beeinflusst, wird sie zum Organisationsthema. Ein typisches Signal ist, wenn sich nicht nur die Bearbeitungszeit ändert, sondern auch Rollen, Abstimmungen oder Entscheidungswege angepasst werden müssen.

Welche Rollen im Unternehmen sind von KI typischerweise zuerst betroffen?

Häufig betrifft es zuerst Rollen mit hohem Anteil an wiederkehrender Informationsarbeit, etwa Assistenz, Administration, Sachbearbeitung oder Koordination. Kurz darauf folgen Teamleitungen und Fachverantwortliche, weil sie Qualitätskriterien, Freigaben und Regeln für die Zusammenarbeit mit KI festlegen müssen.

Wie verändert KI die Qualitätssicherung und Freigabe von Arbeitsergebnissen?

KI verschiebt den Fokus von reiner Erstellung auf Prüfung und Plausibilisierung. Ergebnisse können schneller vorliegen, müssen aber fachlich kontrolliert, kontextbezogen bewertet und bei Bedarf korrigiert werden. Darum werden klare Freigaberegeln und dokumentierte Verantwortlichkeiten wichtiger.

Braucht es für den Einsatz von KI zuerst eine Prozessanalyse?

In den meisten Fällen ja. Nicht zwingend als grosses Projekt, aber mindestens in einer kompakten und strukturierten Form. Ohne Verständnis für Prozessschritte, Ausnahmen, Übergaben und Qualitätsanforderungen wird KI oft an der falschen Stelle eingeführt oder erzeugt zusätzlichen Abstimmungsaufwand.

Wie kann ein KMU mit wenigen Ressourcen eine sinnvolle KI-Roadmap starten?

Am sinnvollsten ist ein kleiner, klar abgegrenzter Start. Zuerst werden ein relevanter Prozess, ein konkretes Ziel und eindeutige Verantwortlichkeiten festgelegt. Danach folgt ein überschaubarer Pilot mit messbarem Nutzen. So bleibt die Umsetzung kontrollierbar und liefert trotzdem belastbare Erkenntnisse für die nächsten Schritte.