Services
KI-Agenten versprechen, E-Mails zu bearbeiten, Leads zu qualifizieren, Angebote vorzubereiten und Wissen aus internen Systemen zugänglich zu machen. Für Schweizer KMU liegt die eigentliche Herausforderung jedoch selten im Modell. Sie liegt in unklaren Abläufen, fragmentierten Daten und fehlenden Entscheidungsgrenzen.
Dieser Beitrag hilft dabei, klassische Automation, KI-unterstützte Workflows und KI-Agenten sauber zu unterscheiden – und erste sinnvolle Anwendungsfälle zu priorisieren, ohne aus einem Pilotprojekt ein unkontrollierbares Technologiethema zu machen.
Der Markt hat sich an eine neue Erzählung gewöhnt: KI-Agenten lesen E-Mails, recherchieren Informationen, aktualisieren CRM-Daten, bereiten Angebote vor und koordinieren Aufgaben zwischen Systemen. Das klingt nach einem unmittelbaren Produktivitätsgewinn. In der Praxis beginnt die wichtigere Arbeit jedoch früher – und oft weniger spektakulär.
Bevor ein Unternehmen einen Agenten an ein CRM, ein Postfach oder eine Wissensdatenbank anschliesst, sollte es eine nüchterne Frage beantworten: Ist der zugrunde liegende Prozess überhaupt verständlich genug, um ihn sicher zu unterstützen?
Für viele Schweizer KMU ist genau das der Engpass. KI wird im Arbeitsalltag zunehmend verwendet, während Datenqualität, Datensilos, Sicherheit und fehlende Kompetenzen die Umsetzung bremsen. Das Schweizer KMU-Portal nennt diese Faktoren ausdrücklich als zentrale Hürden der KI-Nutzung in Unternehmen. Der technologische Zugang ist also nur ein Teil der Aufgabe. Der andere Teil ist operatives Design.
Die Begriffe werden häufig vermischt. Das führt zu schlechten Erwartungen, unnötiger Komplexität und Projekten, die nie über einen beeindruckenden Demo-Moment hinauskommen.
Klassische Automation folgt festen Regeln. Trifft ein Formular mit bestimmten Angaben ein, wird ein Datensatz erstellt, eine zuständige Person benachrichtigt und eine Aufgabe angelegt. Dieser Ablauf ist schnell, gut prüfbar und meistens die richtige Wahl, wenn Eingaben und Entscheidungen klar strukturiert sind.
Ein KI-unterstützter Schritt bringt Sprach- oder Bildverständnis in einen bestehenden Workflow. Er kann etwa eine eingehende Anfrage zusammenfassen, Themen erkennen oder einen Entwurf für eine Antwort erstellen. Der Prozess bleibt dabei weitgehend vorgegeben; KI erweitert ihn an einer klar begrenzten Stelle.
Ein KI-Agent wird interessant, wenn eine Aufgabe mehrere Schritte, Kontext aus verschiedenen Quellen und situative Entscheidungen verlangt. Er kann beispielsweise eine neue B2B-Anfrage analysieren, Informationen im CRM und in freigegebenen Unterlagen suchen, fehlende Angaben erkennen und eine strukturierte Übergabe an den Vertrieb vorbereiten.
Das bedeutet nicht, dass ein Agent autonom handeln sollte. Gerade dort, wo Kundenerwartungen, Preise, Verträge oder sensible Daten betroffen sind, ist eine klare menschliche Freigabe kein Zeichen von Rückstand. Sie ist gutes Service Design.
Ein nützlicher Anwendungsfall lässt sich selten allein über das Versprechen «Zeit sparen» erkennen. Entscheidend ist, wie der Prozess tatsächlich funktioniert. Fünf Fragen helfen bei der Einordnung.
Einzelne Sonderfälle sind kein guter Startpunkt. Sinnvoller sind Abläufe mit genügend Volumen: wiederkehrende Kontaktanfragen, Meeting-Nachbereitung, Dokumentenklassifizierung oder die Vorbereitung von Angebotsunterlagen. Ohne Wiederholung bleibt es schwierig, Qualität und Nutzen vergleichbar zu beurteilen.
Wenn jede Anfrage nach denselben Kriterien behandelt wird, genügt meist eine klassische Automation. Wenn Sprache, Kontext und Ausnahmen eine Rolle spielen, kann ein KI-Schritt sinnvoll sein. Ein Agent wird erst dann plausibel, wenn mehrere Informationsquellen und eine nachvollziehbare Folge von Entscheidungen zusammenkommen.
Ein Agent kann fehlende Daten nicht wegzaubern. Sind Kundendaten doppelt, Kontaktfelder uneinheitlich oder Dokumente nicht auffindbar, wird KI die Unordnung häufig nur schneller verteilen. Der beste erste Schritt ist deshalb oft kein Agent, sondern ein aufgeräumtes CRM, klare Datenfelder und verbindliche Eigentümerschaft für Informationen.
Die Konsequenz eines Fehlers sollte bestimmen, wie viel Autonomie ein System erhält. Eine fehlerhafte interne Zusammenfassung ist korrigierbar. Eine falsche Preiszusage, ein Vertragsversprechen oder die Weitergabe vertraulicher Informationen kann es nicht sein. Je höher das Risiko, desto enger müssen Berechtigungen, Prüfungen und Freigabepunkte gesetzt werden.
«Die KI hat es gemacht» ist keine operative Zuständigkeit. Für jeden automatisierten Schritt sollte klar sein, wer die Qualität prüft, wer Ausnahmen entscheidet und wer die Regeln anpasst, wenn sich Angebot, Team oder Kundenerwartungen verändern.
Gute erste Projekte sind eng abgegrenzt, messbar und reversibel. Sie verbessern einen Ablauf, ohne dass ein Unternehmen sofort seine gesamte Systemlandschaft umbauen muss.
Neue Anfragen über Website, E-Mail oder LinkedIn können nach Thema, Dringlichkeit, Branche und Vollständigkeit vorsortiert werden. Ein KI-gestützter Workflow erstellt daraus eine kurze Zusammenfassung, schlägt die zuständige Person vor und markiert fehlende Informationen. Die Vertriebsverantwortung bleibt beim Team; die Vorarbeit wird schneller und konsistenter.
Wenn Leistungen, Referenzbausteine und Preislogiken sauber dokumentiert sind, kann KI relevante Inhalte für einen Angebotsentwurf zusammenstellen. Sie sollte jedoch keine verbindlichen Preise, Termine oder vertraglichen Bedingungen frei erfinden oder versenden. Der wirtschaftliche und rechtliche Entscheid gehört in einen definierten Freigabeschritt.
Im Kundenservice kann KI längere Verläufe verdichten, Anliegen kategorisieren und Antwortentwürfe vorbereiten. Besonders wertvoll ist das bei Übergaben zwischen Mitarbeitenden. Für heikle Reklamationen, Kulanzentscheidungen oder Eskalationen braucht es dagegen eine Person, die Ton, Kontext und Konsequenz verantwortet.
Viele Teams verlieren Zeit mit der Suche nach aktuellen Vorlagen, Prozessbeschreibungen oder Projektinformationen. Ein interner Assistent kann helfen, sofern klar ist, welche Quellen freigegeben, aktuell und vertraulich sind. Zugriff auf alles ist keine Wissensstrategie. Er vergrössert lediglich die Angriffsfläche für Fehlzugriffe und Datenabfluss.
Ein Prozess sollte nicht automatisiert werden, nur weil ein Tool es theoretisch erlaubt. Vier Warnsignale sind besonders deutlich:
In solchen Situationen schafft ein Agent keine Klarheit. Er macht die bestehende Unklarheit skalierbar.
Das sinnvollste Bild für KI in kunden- und geschäftsrelevanten Prozessen ist nicht die vollautonome Maschine. Es ist ein gut gestaltetes Zusammenspiel: Software übernimmt Recherche, Sortierung, Vorbereitung und Routine. Menschen entscheiden, genehmigen, korrigieren und führen Gespräche, in denen Vertrauen oder Urteilskraft entscheidend sind.
Das gilt auch für die Markenführung. Eine automatisierte Antwort kann korrekt und dennoch unpassend sein. Tonalität, Timing und Kulanz sind nicht nur Effizienzfragen, sondern Teil der Customer Experience. Unternehmen sollten deshalb nicht nur messen, ob ein Workflow schneller wird, sondern auch, ob die Qualität der Übergabe, die Reaktionszeit und die Kundenerfahrung besser werden.
Statt eine umfassende KI-Initiative auszurufen, lohnt sich ein kleiner Automations-Backlog: eine priorisierte Liste von Reibungspunkten im Alltag. Für jeden Punkt werden Volumen, Datenlage, Fehlerrisiko, Kundennutzen und Systemabhängigkeiten eingeschätzt.
Danach folgt ein enger Pilot mit klarer Baseline. Wie lange dauert der Prozess heute? Wo entstehen Rückfragen? Welche Fehler treten auf? Welche Qualität muss mindestens erreicht werden? Erst wenn ein einzelner Ablauf stabil funktioniert, sollte ein Unternehmen weitere Datenquellen, Systeme oder Entscheidungsspielräume hinzufügen.
Auch Sicherheitsfragen gehören von Beginn an in dieses Design: Berechtigungen nach dem Prinzip der minimalen Rechte, nachvollziehbare Protokolle, begrenzte Datenquellen und explizite Freigaben für externe Aktionen. Aktuelle Leitfäden zu Agentensystemen betonen diese Punkte zu Recht. Tool-Anbindung schafft Nutzen, erhöht aber auch das Risiko falscher oder unerwünschter Aktionen.
KI-Agenten werden für viele Unternehmen zugänglicher. Daraus folgt nicht, dass jedes Unternehmen mit derselben Technologie denselben Nutzen erzielt. Der Unterschied entsteht in der Qualität des Betriebssystems dahinter: saubere Daten, verständliche Abläufe, klare Rollen und ein Serviceverständnis, das weiss, wann Automatisierung hilft – und wann ein Mensch sichtbar bleiben muss.
Für Schweizer KMU ist das eine konstruktive Perspektive. Es geht nicht darum, möglichst schnell einen Agenten einzusetzen. Es geht darum, die wiederkehrende Arbeit so zu gestalten, dass Technologie zuverlässig entlastet, ohne Kontrolle, Vertrauen oder Markenqualität zu beschädigen.
Ein Prozess- und KI-Automationsaudit kann sichtbar machen, welche Abläufe zuerst standardisiert werden sollten, wo eine klassische Automation genügt und bei welchen Aufgaben ein kontrollierter KI-Einsatz tatsächlich sinnvoll ist.
Behalten Sie den Überblick über Ihre Projekte, Kommunikation, Dateien und Fortschritt vereint in einem Portal.
