98% der Unternehmen implementieren KI. Nur 5% sehen Ergebnisse.
98% der Unternehmen implementieren KI. Nur 5% sehen Ergebnisse.
Im Februar 2026 teilte McKinseys Joe Ngai eine Zahl, die jeden KI-Investor aufhorchen lassen sollte: 98% der Führungskräfte sagen, sie implementieren KI — doch nur 5% sehen Auswirkungen auf das Endergebnis [1].
Die NANDA-Forschung des MIT erzählt dieselbe Geschichte: 95% der GenAI-Pilotprojekte schaffen es nicht, messbaren P&L-Impact zu liefern [2].
Die Technologie funktioniert. Die Werkzeuge sind zugänglich. Was also läuft schief?
Warum die meisten KI-Implementierungen keinen ROI liefern
Die KI-Nutzung in den meisten KMUs sieht so aus:
- Schnellere E-Mails
- Bessere erste Entwürfe
- Schnelle Zusammenfassungen
- „Kannst du das umschreiben?”
Nützlich? Ja. Sichtbar in der Erfolgsrechnung? Fast nie.
Es gibt einen fundamentalen Unterschied zwischen einer individuellen Abkürzung (verstreut, schwer messbar) und einer Prozessänderung (wiederholbar, messbar, skalierbar).
Die 95%, die scheitern, machen grösstenteils das Erste. Die 5%, die profitieren, machen das Zweite.
Das eigentliche Problem: horizontale KI vs. vertikale KI-Implementierung
Die meisten Unternehmer unterscheiden nicht zwischen generischer KI und spezifischen Lösungen. Für sie ist alles eins: „KI.”
Das ist verständlich — sie führen ein Unternehmen, sie verfolgen keine Modell-Benchmarks. Aber es schafft ein praktisches Problem:
- Horizontale KI (wie ein allgemeiner Copilot) verteilt dünne Gewinne über alles.
- Vertikale KI (um einen spezifischen Workflow gebaut) konzentriert grosse Gewinne auf eine Sache.
Das MIT fand heraus, dass spezialisierte Anbieterlösungen in etwa 67% der Fälle erfolgreich sind, während interne Entwicklungen in etwa 33% der Fälle erfolgreich sind [2]. Der Unterschied liegt in der Spezifität. Je enger KI in einen tatsächlichen Workflow integriert ist, desto wahrscheinlicher liefert sie.
Die Unternehmen, die das richtig machen, wirken von aussen eher langweilig. Sie jagen nicht dem auffälligsten Modell oder dem autonomsten Agenten hinterher. Sie automatisieren Rechnungsverarbeitung. Flaggen Website-Probleme. Erstellen Angebote. Prüfen SEO-Rankings. Reviewen Verträge. Veröffentlichen Inhalte nach Plan.
Goldman Sachs und AT&T haben ihre ersten echten KI-Agenten für Compliance, Onboarding und Betrugserkennung eingesetzt [3]. Die langweiligen Sachen. Die repetitiven Sachen. Dort lebt der ROI — in schnelleren Antworten und weniger Fehlern.
KMUs haben einen Vorteil (den die meisten nicht erkennen)
Es gibt eine verbreitete Erzählung, dass Unternehmen „die gesamte Organisation neu gestalten” müssen, um mit KI erfolgreich zu sein. Das ist ein nützliches Framework für Grossunternehmen mit 12 Management-Ebenen.
Für KMUs ist es anders. Und ehrlich gesagt, einfacher.
In den meisten KMUs ist der Inhaber auch der direkte Vorgesetzte. Er weiss, wohin das Geld geht, wo Zeit verschwendet wird und wo die Engpässe liegen. Keine Politik, kein Innovationskomitee, keine 18-monatige Transformations-Roadmap.
Man muss die Organisation nicht neu gestalten. Man muss bestimmte Prozesse neu denken — mit einer klaren Methode und jemandem, der die Umsetzung begleitet.
KI in einem kleinen Unternehmen implementieren: mit einem internen Assistenten beginnen
Wenn mich jemand fragt, wo man anfangen soll, beginne ich fast nie mit komplexen Automatisierungen.
Ich beginne mit einem internen KI-Assistenten. Stellen Sie sich vor, Sie stellen einen Praktikanten ein — rund um die Uhr verfügbar, lernwillig und mit jeder Aufgabe besser. Mit der Zeit, durch konsistente Lieferung und wachsendes Vertrauen, arbeitet sich dieser Praktikant hoch. Man beginnt mit kleinen Aufgaben, erweitert mit wachsendem Vertrauen und übergibt schrittweise mehr Verantwortung.
Der Assistent kann bei Dingen helfen, an deren Automatisierung man einzeln nie denken würde:
- Probleme auf Ihrer Website identifizieren und SEO-Rankings prüfen
- Blog-Beiträge basierend auf Ihrer Expertise vorschlagen und schreiben
- Social-Media-Inhalte erstellen und regelmässig veröffentlichen
- Bei der Meetingvorbereitung helfen und danach Angebote entwerfen
- Rechtliche Dokumente prüfen und Wichtiges kennzeichnen
- Rechnungen verwalten und überfällige Zahlungen nachverfolgen
- Ihren Kalender verwalten und Kunden Erinnerungen senden
- Wiederkehrende interne Fragen beantworten, damit sich Mitarbeiter nicht ständig gegenseitig unterbrechen
Nichts davon ist glamourös. Alles davon spart Stunden pro Woche — und wichtiger noch, es reduziert Fehler. Ein System, das Angebote erstellt, vergisst Ihre Preise nicht. Ein System, das Inhalte veröffentlicht, lässt keine Woche aus, weil jemand beschäftigt war. Ein System, das Verträge prüft, überfliegt nicht die letzten drei Seiten an einem Freitagnachmittag.
Behandeln Sie ihn wie ein echtes Teammitglied
Ein praktisches Prinzip, das ich für unverzichtbar halte: Geben Sie Ihrem KI-Assistenten eigene Konten und Zugangsdaten, genau wie bei jedem anderen Mitarbeiter. Eigene E-Mail, eigene Benutzerkonten, eigene API-Schlüssel.
Warum? Aus denselben Gründen, warum man Passwörter nicht zwischen Mitarbeitern teilt — Zugriffskontrolle und Nachvollziehbarkeit. Wenn der Assistent dedizierte Zugangsdaten hat, kontrollieren Sie genau, was er sehen und tun kann. Sie können überprüfen, worauf er zugegriffen hat, Berechtigungen bei Bedarf widerrufen und ihm nur das mitteilen, was die Aufgabe erfordert. Das vereinfacht auch die Compliance, weil jede Aktion einer bestimmten Identität zuordenbar ist.
Das Muster: zuerst entdecken, dann automatisieren
Sobald der Assistent ein wiederholbares Muster findet, verwandelt man dieses Muster in einen festen Prozess — effizienter, überprüfbar und konsistent.
Ein Angebotssystem könnte als etwas Manuelles beginnen: Vorlagen, Textbausteine, Regeln im Kopf von jemandem. Der gesunde Weg:
- Der Assistent hilft, konsistente Entwürfe zu erstellen.
- Man identifiziert das Format, das tatsächlich funktioniert.
- Erst dann automatisiert man: Daten rein, Dokument raus, mit Versionskontrolle und Qualitätsprüfungen.
So hat sich ein Angebotsgenerator entwickelt, den ich gebaut habe — von einem angepassten Skript zu einem generischen Werkzeug, das strukturierte Inhalte in gebrandete PDFs konvertiert. Der Assistent entdeckt den Prozess; die Automatisierung fixiert ihn.
Ein praktischer Rahmen: 4 Bereiche, in denen KMUs echten KI-ROI sehen
Statt „eines KI-Projekts” (vage) arbeite ich eher wie ein Personal Trainer: monatlich, fortlaufend, ergebnisorientiert, angepasst an das, was das Unternehmen lernt.
Fast alles, was ich mache, fällt in einen von vier Bereichen — und man kann mit nur einem beginnen:
1) Interne KI-Assistenten
Ein Assistent, der das Unternehmen kennt: Produkte, Preise, Richtlinien, Dokumentation, interne FAQs. Ziel: Zeit für Suchen, Neu-Erklären und Kontextwechsel reduzieren.
2) Workflows und Automatisierungen
Berichte, die sich selbst erstellen, Genehmigungen, die einem klaren Pfad folgen, Warnungen, wenn etwas nicht stimmt. Ziel: repetitive Aufgaben vom Teller des Teams nehmen.
3) Browser-Automatisierung (wenn es keine Integrationen gibt)
Manche Unternehmenssoftware kommuniziert mit nichts. Ein Roboter erledigt die Klicks: extrahieren, ausfüllen, validieren. Ziel: skalieren, ohne für Tastaturaufgaben einzustellen.
4) Kundenorientierte Chatbots
Nicht um modern zu wirken — um die Grundlagen zu beantworten, Leads zu erfassen, Anfragen zu qualifizieren und das Team zu entlasten. Ziel: bessere Reaktionszeiten und keine verpassten Chancen ausserhalb der Geschäftszeiten.
Die richtige Frage ist: Welcher dieser vier Bereiche nimmt Ihrem Unternehmen in den nächsten 30 Tagen am meisten Druck?
Die Lücke schliessen? Lassen Sie uns reden.
Wenn Ihr Team KI bereits täglich nutzt, aber Sie keinen klaren Impact benennen können — bei Zeit, Kosten, Qualität oder Umsatz — kann ich helfen, einen Prozess auszuwählen, zuerst anzugehen und in ein wiederholbares System zu verwandeln, mit monatlicher Begleitung.
Schreiben Sie mir eine Nachricht und wir führen ein kurzes Gespräch, um herauszufinden, wo es am meisten Sinn ergibt, anzufangen.