Eine KI-Anwendung bringt im Alltag wenig, wenn Mitarbeitende für jede Anfrage Dokumente zusammensuchen und Ergebnisse von Hand zurückkopieren müssen. Bei einer integrierten Lösung liegen die Funktionen im CRM, Serviceportal, Dokumentenmanagement oder einer internen Anwendung. Daten und Ergebnisse bleiben im jeweiligen Arbeitsablauf verfügbar.
KI-Beratung umfasst die Auswahl solcher Anwendungsfälle und, je nach Auftrag, ihre Implementierung. Dieser Beitrag beschreibt die Leistungen vom ersten Prozessgespräch bis zum laufenden Betrieb.
Den Geschäftsprozess und seine Kosten erfassen
Am Anfang steht der betroffene Geschäftsprozess: Was dauert zu lange, verursacht Fehler oder bindet unnötig Kapazität? Erst wenn das Problem eingegrenzt ist, lässt sich prüfen, ob KI oder klassische Software die passende Lösung liefert.
Konkrete Ansatzpunkte sind wiederkehrende E-Mails, das Übertragen von Informationen zwischen Systemen, die Dokumentensuche und regelmässige Berichte. Bei Support-Anfragen können etwa Kategorisierung und Antwortentwürfe geprüft werden. Für jede Aufgabe werden Häufigkeit, Bearbeitungszeit und Nacharbeit erfasst.
In der AXA-KMU-Befragung von 2025 setzten 34 Prozent der befragten Unternehmen KI gezielt ein. Übersetzungen, Korrespondenz, Datenanalyse und die Automatisierung einzelner Arbeitsschritte gehören zu den untersuchten Anwendungen. Für die Beratung sind solche wiederkehrenden Aufgaben ein naheliegender Ausgangspunkt.
Häufigkeit und Bearbeitungszeit gemeinsam betrachten
Eine Aufgabe von zehn Minuten kann bei vielen Vorgängen und mehreren Mitarbeitenden einen beträchtlichen Aufwand verursachen. Rechnen Sie die Jahresmenge aus und prüfen Sie, welcher Anteil sich tatsächlich einsparen oder für andere Arbeit nutzen lässt.
KI-Anwendungsfälle nach Nutzen und Machbarkeit bewerten
Vier Fragen helfen bei der ersten Auswahl. Daten- und Sicherheitsanforderungen werden danach gesondert geprüft.
Tabelle seitlich scrollen, um alle Spalten zu sehen.
| Frage | Was Sie prüfen | Warum sie das Ergebnis bestimmt |
|---|---|---|
| Wie häufig tritt es auf? | Menge pro Tag oder Woche | Zeigt, wie oft eine Verbesserung wirksam wird |
| Wie hoch ist der manuelle Aufwand? | Bearbeitungszeit und Nacharbeit | Setzt die Obergrenze dessen, was sich einsparen lässt |
| Wie verfügbar sind die Daten? | Quellen, Qualität, Berechtigungen | Schwache Daten begrenzen die Qualität unabhängig vom Modell |
| Wie gross ist der geschäftliche Effekt? | Kosten, Tempo, Risiko oder Umsatz | Entscheidet, ob Integration und Betrieb sich rechnen |
Ein häufig wiederkehrender Prozess mit überprüfbaren Ergebnissen kann sich als erster Pilot eignen. Bei seltenen, komplexen Fällen muss der Nutzen den höheren Analyse- und Prüfaufwand tragen. Die Priorisierung sollte deshalb auf gemessenen Mengen und Kosten beruhen.
Warum die Integration der schwierige Teil ist
Ein interner Wissensassistent braucht Zugriff auf freigegebene Unternehmensinformationen. Eine Automatisierung mit CRM-Daten benötigt eine verlässliche Schnittstelle. Ein Analysemodell ist auf aktuelle Daten angewiesen. Die Implementierung umfasst deshalb Datenarbeit, Softwareentwicklung und Betrieb ebenso wie die Modellanbindung.
Das Model Context Protocol (MCP) ist ein offener Standard zur Anbindung von Datenquellen und Werkzeugen an KI-Anwendungen. Es kann solche Integrationen vereinheitlichen. Authentifizierung, Berechtigungen und Freigaben muss die Anwendung weiterhin korrekt umsetzen.
Diese Komponenten müssen gemeinsam getestet und betrieben werden. Der Aufwand hängt stark von den vorhandenen Schnittstellen, Daten und Zugriffsregeln ab.
In der EY-Erhebung von 2026 wurden Datenqualität und Datensilos mit 20 Prozent am häufigsten als Hindernis genannt; Sicherheits- und Datenschutzbedenken folgten mit 19 Prozent. Eine frühe Prüfung von Quellen, Schnittstellen und Zugriffsrechten hilft, diesen Aufwand im Projekt einzuplanen.
Cloud, private Umgebung oder Eigenbetrieb wählen
Für Standardaufgaben kann ein fertiges SaaS-Produkt genügen. Ein Wissensassistent mit Retrieval-Augmented Generation (RAG) ruft dagegen freigegebene Unternehmensinformationen ab und stellt sie dem Modell als Kontext bereit. Bei weiteren Anforderungen an Infrastruktur oder Datenkontrolle kommen private Cloud-Umgebungen und selbst gehostete Modelle infrage.
Verglichen werden Geschäftswert, Datenklassifikation, Ergebnisqualität, Integrationsaufwand, Betriebskosten, Antwortzeit, Skalierbarkeit und Anbieterabhängigkeit. Dazu kommen Sicherheits- und regulatorische Anforderungen. Eigenbetrieb schafft mehr Kontrolle über die Infrastruktur, übernimmt aber auch Wartung, Kapazitätsplanung und Störungsbehandlung.
Mitarbeitende schulen und Verantwortung klären
Mitarbeitende müssen die Anwendung verstehen und ihre Grenzen kennen. Zur Einführung gehören deshalb Schulung, verständliche Nutzungsregeln und erreichbare Ansprechpersonen. Diese Leistungen sollten im Auftrag ausdrücklich vorgesehen sein.
Klären Sie, wofür das System gedacht ist, welche Daten eingegeben werden dürfen, wann Ergebnisse geprüft werden müssen und wer bei Problemen entscheidet. Regeln sollten sich am tatsächlichen Arbeitsablauf orientieren, damit sie im Alltag befolgt werden können.
Die EU-KI-Verordnung sieht seit Februar 2025 Pflichten zur KI-Kompetenz vor. In der Schweiz gilt das Datenschutzgesetz auch für KI-gestützte Bearbeitungen von Personendaten. Eine Vernehmlassungsvorlage zur KI-Regulierung wird laut Bundeskanzlei bis Ende 2026 erwartet.
Was bei der Übergabe vorliegen sollte
Eine nachvollziehbare Übergabe ermöglicht dem Kundenteam oder dem vereinbarten Betriebspartner, die Anwendung weiterzuführen. Der genaue Umfang gehört in den Auftrag. Typische Ergebnisse sind:
- Dokumentierter Ausgangszustand, Zielkennzahlen und Abnahmekriterien
- Vereinbarter Quellcode, Konfiguration und Dokumentation der Schnittstellen
- Testfälle, Evaluationsergebnisse und bekannte Grenzen
- Überwachung von Qualität, Kosten, Nutzung und Störungen
- Betriebshandbuch mit Wiederherstellung, Zuständigkeit und Supportwegen
- Schulung und Nutzungsregeln für Mitarbeitende
Qualität und Kosten nach der Einführung überwachen
Nach der Einführung wird geprüft, wie das Team die Anwendung nutzt und wo Ergebnisse korrigiert werden müssen. Gleichzeitig werden Berechtigungen, Modell- und Infrastrukturkosten sowie Änderungen an den angebundenen Systemen überwacht.
Monitoring, Protokolle und regelmässige Evaluation helfen, Verschlechterungen früh zu erkennen. Für Änderungen an Modell, Prompts oder Datenquellen braucht es Regressionstests und einen Weg zurück zur vorherigen Version. Diese Aufgaben gehören zum Betriebsangebot.
Der erste produktive Ablauf sollte klein genug sein, um Nutzen, Qualität und Betriebskosten vollständig zu prüfen.
Ein geeigneter Einstieg kann ein einzelner Prozess sein, bei dem eine KI-Funktion nachweisbar Zeit spart und sich zuverlässig betreiben lässt. Welche Leistungen dafür nötig sind, klären wir bei Alpine Edge in einer abgegrenzten Analyse des Anwendungsfalls.