KI im Unternehmensalltag in der Schweiz: Ein praktischer Leitfaden für Unternehmen

26/08/2026

Schweizer Unternehmen nutzen KI, um Rechnungen zu prüfen, den Bedarf zu prognostizieren, interne Dokumente zu durchsuchen, Kundenfragen zu beantworten und Produktionsdaten zu analysieren. Die Technologie lässt sich immer schwerer handhaben, sobald Unternehmen sie mit internen Systemen, Kundendaten, Finanzdaten oder Fabrikanlagen verknüpfen. In diesem Leitfaden wird erläutert, für welche Geschäftsprozesse sich KI eignet, welche Vorbereitungen Unternehmen vor der Einführung treffen sollten, wie der Zugriff und die Datenverwaltung geregelt werden, welche gesetzlichen Anforderungen in der Schweiz derzeit gelten und wie sich beurteilen lässt, ob sich die Kosten für ein KI-Projekt lohnen.

Was Sie lernen werden

Welche Unternehmensaufgaben eignen sich für KI;
Wie wählt man ein erstes Projekt aus?;
Was Unternehmen an ihren Daten korrigieren sollten, bevor sie KI einsetzen;
wie KI interne Dokumente und Unternehmenssysteme durchsuchen kann;
wie Unternehmen KI kontrollieren sollten, die Datensätze aktualisieren oder Software auslösen kann;
wie Finanzteams und Hersteller KI bereits einsetzen;
Wie man zwischen verschiedenen KI-Modellen wählt;
Was Unternehmen prüfen sollten, bevor sie vertrauliche Informationen an einen KI-Anbieter übermitteln;
wie sich das Schweizer Recht und das EU-KI-Gesetz auf Schweizer Unternehmen auswirken können;
Was Unternehmen bezahlen, wenn KI Teil des Arbeitsalltags wird;
Wie lässt sich messen, ob KI Zeit oder Geld spart?.

Inhaltsverzeichnis

Was ist KI für Unternehmen?
Für welche Unternehmensaufgaben eignet sich KI?
Die Wahl des ersten KI-Projekts
Aufbereitung von Unternehmensdaten
Einsatz von KI zur Suche in internen Dokumenten
Der KI Zugriff auf Unternehmenssoftware gewähren
KI im Finanzwesen
KI in der Fertigung
KI im Personalwesen
Auswahl eines KI-Modells
Wo Unternehmensdaten verarbeitet werden
Was kostet KI im Unternehmensbereich?
Messung, ob KI die Arbeit verbessert
KI-Sicherheit und Systemberechtigungen
KI-Regulierung in der Schweiz
Wann gilt das EU-KI-Gesetz für Schweizer Unternehmen?
Entscheiden, in welchen Fällen die Mitarbeiter noch selbst entscheiden müssen
KI vor dem alltäglichen Einsatz testen
Checkliste für die Einführung von KI in Unternehmen
Worauf sich Schweizer Unternehmen als Nächstes einstellen sollten
Weiterführende Literatur zu Supralogic

Was ist KI für Unternehmen?

Unter „Enterprise AI“ versteht man den Einsatz künstlicher Intelligenz für unternehmensinterne Aufgaben. Der Begriff umfasst sehr unterschiedliche Aufgabenbereiche. Eine Finanzabteilung kann Rechnungen mit Bestellungen abgleichen. Ein Hersteller kann Maschinenmesswerte analysieren und das Wartungspersonal bei ungewöhnlichen Veränderungen warnen. Ein interner Assistent kann Unternehmensrichtlinien oder technische Handbücher durchsuchen. Kundenservice-Software kann eine Anfrage auswerten, Kontoinformationen überprüfen und eine Antwort vorbereiten.

Unternehmen nutzen maschinelles Lernen schon seit Jahren für Prognosen und die Mustererkennung. Generative KI hat die Arbeit mit Texten, Bildern und Dokumenten vereinfacht, da Mitarbeiter Anweisungen in natürlicher Sprache geben können.

Unternehmen verbinden diese Modelle mittlerweile mit ERP-Systemen, CRM-Plattformen, Dokumentenbibliotheken und Produktionsdatenbanken. Ein Modell, das lediglich Texte verfasst, verfügt nur über eingeschränkten Zugriff. Ein Modell, das mit interner Software verbunden ist, kann Unternehmensinformationen auslesen und – je nach seinen Berechtigungen – Datensätze aktualisieren oder eine weitere Aufgabe ausführen.

Das Unternehmen muss daher genau festlegen, was das System lesen darf, was es ändern darf und wann ein Mitarbeiter den nächsten Schritt genehmigen muss.

Für welche Unternehmensaufgaben eignet sich KI?

Kundendienstteams verbringen oft mehrere Minuten pro Fall damit, Kundendaten, Produktinformationen und Unternehmensrichtlinien zu recherchieren. KI kann einen Teil dieser Informationen bereits sammeln, bevor der Mitarbeiter antwortet.

Mitarbeiter der Finanzabteilung gleichen Rechnungen mit Bestellungen ab, prüfen ungewöhnliche Zahlungen und erstellen Prognosen auf der Grundlage verschiedener Datenquellen.

Einkaufsteams können Lieferantenverträge durchsuchen und Informationen aus Dokumenten extrahieren. Rechtsabteilungen können Klauseln in umfangreichen Vertragsbeständen finden. Personalabteilungen können KI für administrative Aufgaben nutzen, beispielsweise zur Erstellung von Stellenanzeigen, zur Organisation von Bewerbungen oder zur Beantwortung häufig gestellter Fragen von Mitarbeitern.

Hersteller können Maschinenmesswerte auswerten, Produkte mit Kameras prüfen oder bei der Produktionsplanung auf Produktions- und Bestandsdaten zurückgreifen.

Unternehmen sollten zunächst die Aufgabe definieren, bevor sie sich für eine Technologie entscheiden. “KI im Finanzwesen einsetzen” gibt einem Projektteam nur sehr wenig, was es testen kann. “Die Zeit reduzieren, die Mitarbeiter damit verbringen, Rechnungen mit Bestellungen abzugleichen” gibt dem Team hingegen eine konkrete Aufgabe und ein messbares Ergebnis vor.

KI ist nicht für jede sich wiederholende Aufgabe erforderlich. Wenn ein Unternehmen genau beschreiben kann, was die Software in jedem einzelnen Fall leisten soll, ist eine herkömmliche Automatisierung möglicherweise kostengünstiger und leichter zu steuern.

Eine Zahlung über 50'000 CHF kann aufgrund einer festgelegten Regel eine zweite Genehmigung auslösen. KI ist besonders geeignet, wenn Software verschiedene Dokumentformate lesen, geschriebene Sprache verstehen oder aktuelle Aktivitäten mit historischen Daten vergleichen muss.

Die Wahl des ersten KI-Projekts

Ein Unternehmen sollte Aufgaben wählen, die es bereits versteht und die es messen kann. Nehmen wir als Beispiel ein Unternehmen, das jeden Monat 5.000 Lieferantenrechnungen erhält. Die Mitarbeiter erfassen die Daten, vergleichen jede Rechnung mit einer Bestellung und gehen allen Unstimmigkeiten nach.

Das Finanzteam kann erfassen, wie viele Stunden die Arbeit in Anspruch nimmt, wie viele Rechnungen manuell geprüft werden müssen und wie oft Mitarbeiter Fehler entdecken. Nach der Einführung von KI für einen Teil der Aufgaben kann das Unternehmen diese Zahlen erneut vergleichen.

Kundendienstleiter können Bearbeitungszeiten und wiederholte Kontaktaufnahmen vergleichen. Wartungsteams können Ausfallzeiten und Reparaturkosten erfassen. Planungsteams können Prognosen mit den tatsächlichen Umsätzen vergleichen. Rechtsabteilungen können erfassen, wie viele Stunden Anwälte mit der Suche in bestehenden Verträgen verbringen. Diese Zahlen geben dem Management mehr Aufschluss als die Anzahl der Mitarbeiter, die eine KI-Anwendung geöffnet haben.

Aufbereitung von Unternehmensdaten

Viele Unternehmen verfügen bereits über die für ein KI-Projekt erforderlichen Informationen, doch ihre Daten sind unter Umständen nicht einheitlich.

Ein und derselbe Lieferant kann unter mehreren Namen aufgeführt sein. Alte Kundendatensätze können noch aktiv sein. Zwei Werke können denselben Maschinenwert unterschiedlich erfassen. Mitarbeiter haben möglicherweise mehrere Versionen derselben Richtlinie gespeichert, ohne die aktuelle Version eindeutig zu kennzeichnen.

Erfahrene Mitarbeiter korrigieren diese Unstimmigkeiten oft selbst. Ein Mitarbeiter in der Kreditorenbuchhaltung erkennt, dass zwei leicht unterschiedliche Lieferantennamen zum selben Unternehmen gehören. Ein Techniker weiß, dass in älteren Wartungsunterlagen noch eine frühere Maschinennummer verwendet wird.

Ein Modell weiß davon nicht automatisch etwas. Wenn Lieferantenstammdaten Duplikate enthalten, kann es vorkommen, dass das Modell normale Zahlungen als Vorgänge mit neuen Lieferanten interpretiert. Wenn ein interner Assistent mehrere Versionen einer Richtlinie durchsucht, kann es sein, dass er eine zitiert, an die sich die Mitarbeiter nicht mehr halten sollten.

Das Unternehmen sollte festlegen, welchen Datensätzen Mitarbeiter und Software vertrauen dürfen, veraltete Unterlagen archivieren und prüfen, wer auf die einzelnen Quellen zugreifen darf.

Hersteller stehen vor einem zusätzlichen Problem, da ältere Produktionsanlagen Daten oft in unterschiedlichen Formaten aufzeichnen. Ein Werk verfügt daher möglicherweise über Maschinendaten aus vielen Jahren, ohne jedoch über einheitliche Daten zu verfügen, die Ingenieure direkt für KI nutzen können.

Einsatz von KI zur Suche in internen Dokumenten

Generative KI kann Mitarbeitern dabei helfen, große Mengen an Unternehmensmaterial zu durchsuchen.

Ein Mitarbeiter könnte fragen:

Welche Ausgaben kann ich während einer Geschäftsreise nach Deutschland geltend machen?

Welche Garantie gilt für dieses Gerät?

Welche Verträge mit diesem Lieferanten laufen in diesem Jahr aus?

Welche Zahlungsbedingungen haben wir mit diesem Kunden vereinbart?

Die Anwendung durchsucht genehmigte Dokumente und leitet die am besten passenden Abschnitte an das Sprachmodell weiter. Das Modell erstellt seine Antwort auf der Grundlage dieser Dokumente. Entwickler bezeichnen dies üblicherweise als „Retrieval-Augmented Generation“ (RAG).

Die Suche muss die richtige Quelle finden. Wenn das System eine veraltete Reiserichtlinie abruft, liefert das Modell dem Mitarbeiter möglicherweise veraltete Informationen. Sind die Dokumentberechtigungen zu weit gefasst, zeigt die KI möglicherweise vertrauliche Inhalte an, die der Mitarbeiter normalerweise nicht öffnen könnte.

Unternehmen sollten die Quelle angeben, wenn Mitarbeiter KI für Verträge, Richtlinien, Gewährleistungserklärungen oder andere Aufgaben einsetzen, bei denen der genaue Wortlaut eine Entscheidung beeinflussen kann. Der Mitarbeiter kann dann das Originaldokument öffnen und überprüfen.

Der KI Zugriff auf Unternehmenssoftware gewähren

Unternehmen benötigen strengere Kontrollmechanismen, wenn KI einen Datensatz ändern oder einen weiteren Vorgang auslösen kann.

Ein Kundendienstmitarbeiter kann eine Antwort verfassen, ohne etwas zu ändern. Sobald das Unternehmen diese mit der Serviceplattform verknüpft, könnte das System außerdem den Fall aktualisieren, Kontoinformationen ändern oder eine Rückerstattung vornehmen.

Eine Beschaffungsanwendung kann eine Bestellung erstellen. Mit umfassenderen Berechtigungen könnte sie die Bestellung direkt im ERP-System anlegen.

Eine Finanzanwendung kann eine ungewöhnliche Zahlung melden. Das Unternehmen muss im Einzelfall entscheiden, ob die Software die Transaktion stoppen kann oder lediglich einen Mitarbeiter auffordert, den Sachverhalt zu prüfen.

Unternehmen schränken den Zugriff von Mitarbeitern und auf Software bereits entsprechend den jeweiligen Aufgabenbereichen ein. Für KI-Systeme gelten dieselben Einschränkungen.

Ein Kundendienstsystem benötigt keine Gehaltsabrechnungsdaten. Ein System zur Rechnungsbearbeitung benötigt keinen uneingeschränkten Zugriff auf jede Finanzdatenbank. Eine Software, die eine Bestellung erstellt, benötigt nicht automatisch die Berechtigung, Zahlungen zu genehmigen.

Unternehmen sollten zudem wichtige Vorgänge protokollieren. Wenn ein KI-System einen Kundendatensatz aktualisiert, eine Transaktion blockiert oder eine Bestellung erstellt, sollten Administratoren nachvollziehen können, welche Aktion das System durchgeführt hat und welche Anweisung zu dieser Aktion geführt hat.

KI im Finanzwesen

Der Finanzbereich stellt Unternehmen verschiedene KI-Aufgaben zur Verfügung, deren Ergebnisse sich eindeutig messen lassen.

Die Prognoseerstellung ist ein Beispiel dafür, da Finanzteams bereits historische Umsatz-, Auftrags- und Kostendaten sowie Annahmen aus verschiedenen Unternehmensbereichen nutzen. Modelle des maschinellen Lernens können mehr Variablen analysieren und Prognosen aktualisieren, sobald neue Zahlen vorliegen.

Mitarbeiter im Finanzbereich müssen ihre Annahmen anpassen, wenn sich das Unternehmen verändert. Historische Umsatzzahlen können nach einer Übernahme, einer erheblichen Preiserhöhung oder dem Verlust eines Großkunden an Zuverlässigkeit verlieren.

KI kann Teams auch bei der Überprüfung von Transaktionen unterstützen. Anhand gängiger Finanzregeln lassen sich eindeutige Verstöße erkennen. Ein System kann beispielsweise eine doppelte Rechnung oder eine Zahlung, die das Genehmigungslimit eines Mitarbeiters überschreitet, aufspüren.

Mithilfe von maschinellem Lernen lässt sich eine Transaktion mit früheren Aktivitäten desselben Lieferanten vergleichen. Angenommen, ein Lieferant stellt normalerweise Rechnungen zwischen 5'000 und 10'000 CHF aus und nutzt seit mehreren Jahren dasselbe Bankkonto. Eine neue Rechnung über 45'000 CHF mit anderen Bankdaten sollte manuell überprüft werden, auch wenn die Zahlung keine formalen Regeln verletzt.

Die Software kann dem Mitarbeiter mitteilen, welche Angaben sich geändert haben. Der Mitarbeiter kann dann die neue Bankverbindung beim Lieferanten überprüfen, bevor er die Zahlung freigibt.

KI in der Fertigung

Hersteller setzen maschinelles Lernen bereits seit vielen Jahren in der Produktion ein. Bei der vorausschauenden Instandhaltung werden Maschinendaten genutzt, um Anzeichen dafür zu erkennen, dass an einer Anlage ein Fehler entstehen könnte. Maschinen können Schwingungen, Temperatur, Druck, Stromverbrauch und andere Messwerte erfassen. Ein Modell kann die aktuellen Messwerte mit Daten vergleichen, die vor früheren Ausfällen erfasst wurden.

Das Wartungspersonal kann die Anlage überprüfen, wenn diese Messwerte auf einen früheren Fehler hindeuten.

Hersteller nutzen Computer Vision auch zur Produktprüfung. Produktionsplaner können bei der Entscheidung, was produziert werden soll, Auftrags-, Bestands- und historische Nachfragedaten miteinander verknüpfen. Ingenieure können generative KI nutzen, um technische Handbücher und Wartungsprotokolle zu durchsuchen.

In Fabriken gelten zudem technische Anforderungen, mit denen gewöhnliche Büroanwendungen selten konfrontiert sind. Eine Produktionslinie benötigt unter Umständen eine Reaktionszeit im Millisekundenbereich. Manche Standorte können sich nicht auf eine permanente Cloud-Verbindung verlassen. Ein Hersteller kann zudem beschließen, dass bestimmte Produktionsdaten innerhalb der Fabrik verbleiben sollen.

Unternehmen können daher einige KI-Modelle auf Servern oder Geräten ausführen, die sich in der Nähe der Maschinen befinden. Ältere Anlagen können die Arbeit erschweren. In einem Werk können Maschinen stehen, die über mehrere Jahrzehnte hinweg von verschiedenen Herstellern installiert wurden. Ingenieure müssen die Daten möglicherweise standardisieren, bevor sie diese zuverlässig für KI nutzen können.

KI im Personalwesen

KI kann den Verwaltungsaufwand bei der Personalbeschaffung reduzieren. Personalabteilungen können sie nutzen, um Stellenanzeigen zu erstellen, Bewerbungen zu verwalten, Vorstellungsgespräche zu planen und Gesprächsnotizen zusammenzufassen.

Große Arbeitgeber, die Tausende von Bewerbungen erhalten, können ihren Mitarbeitern bei diesen Aufgaben viele Stunden Arbeit ersparen. Unternehmen sollten besonders genau hinschauen, wenn KI darüber entscheidet, wer zu einem Vorstellungsgespräch eingeladen wird oder ein Stellenangebot erhält.

Ein Modell, das anhand früherer Einstellungsentscheidungen trainiert wurde, kann die in diesen Entscheidungen enthaltenen Muster reproduzieren. Das Entfernen des Namens oder des Geschlechts einer Person garantiert nicht, dass das Modell die damit verbundenen Informationen ignoriert, da andere Variablen mit diesen korrelieren können.

Arbeitgeber müssen bei der Verarbeitung von Daten von Bewerbern oder Mitarbeitern zudem die Datenschutz- und Arbeitsvorschriften einhalten.

Ein Unternehmen kann daher die Terminvereinbarung für Vorstellungsgespräche anders handhaben als die Bewertung der Bewerber. Die Software kann einen Termin finden, ohne zu entscheiden, ob der Bewerber im Einstellungsprozess weiterkommen soll.

Auswahl eines KI-Modells

Unternehmen benötigen nicht für jede Aufgabe das größte verfügbare Modell. Große Allzweckmodelle können mit Text, Bildern, Dokumenten und Code arbeiten. Sie können relativ komplexe Anweisungen befolgen, was sie in der frühen Testphase besonders praktisch macht. Sobald das Unternehmen genau weiß, was das System leisten soll, kann ein kleineres Modell ausreichen.

Ein Unternehmen, das Rechnungsnummern aus Millionen von Dokumenten extrahiert, hat andere Anforderungen als eine Rechtsabteilung, die umfangreiche Verträge analysiert. Klassifizierung und Extraktion lassen sich oft mit kleineren Modellen zu geringeren Kosten durchführen.

Unternehmen können auch mehrere Modelle einsetzen. Ein Modell kann beispielsweise die Dokumentenanalyse übernehmen, ein anderes die Bildverarbeitung und ein kleineres Modell die Klassifizierung routinemäßiger Kundenanfragen.

Bevor das Unternehmen vertrauliche Informationen an einen Dienstleister übermittelt, sollte es prüfen, wo der Dienstleister die Daten verarbeitet, ob er Protokolle aufbewahrt, ob er Kundendaten zum Trainieren von Modellen verwendet und welche vertraglichen Schutzmaßnahmen gelten.

Das Unternehmen sollte das Modell entsprechend dem Auftrag, der erforderlichen Genauigkeit, den Betriebskosten und der Art und Weise, wie der Anbieter mit seinen Daten umgeht, auswählen.

Wo werden Unternehmensdaten verarbeitet?

KI-Dienste können Verträge, Kundendaten, Finanzinformationen, Quellcode und andere vertrauliche Unterlagen erhalten. Unternehmen sollten wissen, wo die Anbieter diese Informationen verarbeiten und was nach der Anfrage damit geschieht.

Sie sollten Folgendes überprüfen:

wo der Anbieter die Daten verarbeitet;
ob es Eingabeaufforderungen und Ausgaben speichert;
ob Kundendaten für Trainingszwecke verwendet werden;
welche Mitarbeiter oder Subunternehmer Zugriff auf die Informationen haben;
wie die Daten verschlüsselt werden;
ob der Kunde seine Daten exportieren kann, wenn er den Anbieter wechselt.

Die Speicherung von Daten in der Schweiz kann bei der Erfüllung bestimmter Anforderungen hilfreich sein, doch der Standort des Servers sagt nicht alles über die Abhängigkeiten aus. Ein in der Schweiz gehosteter Dienst kann dennoch einen internationalen Cloud-Anbieter, ein externes KI-Modell, Identitätsmanagement-Software oder andere im Ausland betriebene Dienste nutzen. Unternehmen sollten die beteiligten Anbieter ermitteln und entscheiden, welche Abhängigkeiten sie in Kauf nehmen können.

Was kostet KI für Unternehmen?

Unternehmen können KI testen, ohne von vornherein große Investitionen tätigen zu müssen. Sie können mit einigen Softwarelizenzen oder einer kleinen Anwendung beginnen, die über eine API mit einem Modell verbunden ist.

Der regelmäßige Einsatz verursacht weitere Kosten, da Entwickler die KI möglicherweise an bestehende Software anbinden müssen. Teams müssen unter Umständen Daten bereinigen. Sicherheitsspezialisten müssen Zugriffsrechte konfigurieren. Mitarbeiter benötigen Schulungen. Jemand muss Fehler überwachen und das System aktualisieren, wenn sich Daten, Geschäftsbedingungen oder Modellversionen ändern.

Generative KI verursacht zudem laufende Rechenkosten. Anbieter berechnen ihre Gebühren in der Regel danach, wie viele Daten das Modell verarbeitet. Wenn nur wenige Mitarbeiter gelegentlich Dokumente zusammenfassen, fallen dabei möglicherweise nur sehr geringe Kosten an. Eine Anwendung, die Hunderttausende von Kundennachrichten verarbeitet, kann hingegen zu einer deutlich höheren Rechnung führen.

Das Modell selbst wirkt sich auf die Kosten aus. Der Grund dafür ist, dass größere Modelle in der Regel höhere Kosten pro Anfrage verursachen, während kleinere Modelle für Routineaufgaben durchaus ausreichen können.

Unternehmen sollten berechnen, welche Kosten das System für die von ihm ausgeführten Aufgaben verursacht. Wenn die KI Rechnungen bearbeitet, sollten die Kosten pro Rechnung berechnet werden. Wenn sie Kundenanfragen bearbeitet, sollten die Kosten pro Fall berechnet werden. Wenn sie Verträge analysiert, sollten die Kosten pro Dokument berechnet werden. Die Unternehmensleitung kann dann das KI-System mit der derzeitigen Arbeitsweise der Mitarbeiter vergleichen.

Messung, ob KI die Arbeit verbessert

Die Nutzungszahlen geben der Unternehmensleitung kaum Aufschluss über die finanzielle Rentabilität. Es kann sein, dass Hunderte von Mitarbeitern einen KI-Assistenten nutzen, ohne dass dadurch Kosten gesenkt werden oder Kunden schneller bedient werden.

Unternehmen sollten die von ihnen geänderten Arbeitsabläufe messen. Ein Kundenservice-Team kann beispielsweise die Bearbeitungszeiten, die Anzahl der wiederholten Kontaktaufnahmen und die Fehlerquote vergleichen.

Ein Finanzteam kann die Genauigkeit der Prognosen vergleichen. Die Kreditorenbuchhaltung kann die Bearbeitungszeit, Fehler und die Anzahl der Rechnungen erfassen, die noch manuell geprüft werden müssen.

Ein Hersteller kann die Ausfallzeiten der Anlagen und die Wartungskosten miteinander vergleichen. Darüber hinaus müssen Führungskräfte auch wissen, was mit der Zeit geschieht, die die Mitarbeiter einsparen.

Angenommen, ein Mitarbeiter hat zuvor jede Woche zehn Stunden mit der Prüfung von Dokumenten verbracht und benötigt dafür nun nur noch fünf Stunden. Das Unternehmen hat zwar den Zeitaufwand für diese Tätigkeit reduziert, aber dadurch wurden nicht automatisch fünf Stunden Lohnkosten eingespart.

Der finanzielle Nutzen hängt davon ab, ob das Unternehmen mehr Arbeit bewältigen kann, ohne einen weiteren Mitarbeiter einzustellen, die Ausgaben für externe Unterstützung senken, Verluste vermeiden oder Mitarbeiter auf Aufgaben umsetzen kann, für die ihre Erfahrung gefragt ist.

KI-Sicherheit und Systemberechtigungen

Eine KI-Anwendung sollte nur die Informationen und Softwarezugriffe erhalten, die für ihre Aufgabe erforderlich sind. Ein Tool, das Fragen aus technischen Handbüchern beantwortet, benötigt keine Gehaltsdaten der Mitarbeiter. Eine Kundendienstanwendung benötigt keinen uneingeschränkten Zugriff auf die Finanzdatenbank des Unternehmens.

Entwicklungsteams gewähren Prototypen manchmal weitreichende Zugriffsrechte, da dies das Testen erleichtert. Sicherheitsteams sollten diese Berechtigungen überprüfen, bevor Mitarbeiter das System für ihre normale Arbeit nutzen.

Unternehmen sollten zudem separate Berechtigungen für einzelne Vorgänge festlegen. Eine Anwendung kann beispielsweise eine Bestellung erstellen, ohne die Berechtigung zur Freigabe einer Zahlung zu erhalten. Ein Kundendienstsystem kann routinemäßige Kontoinformationen aktualisieren, während Rückerstattungen, die einen festgelegten Betrag überschreiten, weiterhin von einem Mitarbeiter vorgenommen werden müssen.

Auch die Mitarbeiter benötigen klare Regeln für öffentlich zugängliche KI-Dienste. Es kann leicht vorkommen, dass jemand einen Kundenvertrag, eine Tabellenkalkulation oder eine vertrauliche E-Mail in einen öffentlich zugänglichen Chatbot einfügt, weil das Tool Zeit spart. Das Unternehmen sollte den Mitarbeitern mitteilen, welche Dienste sie nutzen dürfen und welche Informationen sie übermitteln dürfen.

Eine konkrete Richtlinie gibt den Mitarbeitern klarere Anweisungen, als ihnen lediglich zu sagen, sie sollten “KI verantwortungsbewusst nutzen”.

KI-Regulierung in der Schweiz

In der Schweiz gibt es derzeit kein übergeordnetes Gesetz, das den Einsatz von KI regelt. Bei der Nutzung von KI durch Unternehmen gelten weiterhin die bestehenden schweizerischen Rechtsvorschriften. Das Bundesgesetz über den Datenschutz regelt die relevante Verarbeitung personenbezogener Daten, während je nach Aufgabe und Branche auch das Arbeitsrecht, das Recht des geistigen Eigentums sowie branchenspezifische Vorschriften zur Anwendung kommen können.

Der Bundesrat beschloss im Februar 2025, gezielte Rechtsvorschriften zur künstlichen Intelligenz auszuarbeiten, anstatt ein direktes Schweizer Äquivalent zum EU-KI-Gesetz einzuführen. Die Bundesbehörden bereiten einen Vernehmlassungsentwurf vor, der Ende 2026 vorliegen soll.

Unternehmen müssen nicht auf neue gesetzliche Regelungen warten, um ordnungsgemäße Aufzeichnungen über ihre KI-Systeme zu führen. Sie sollten wissen, welche Anwendung sie nutzen, welche Daten diese erhält, welcher Anbieter die Informationen verarbeitet und wer innerhalb des Unternehmens dafür verantwortlich ist.

Ein HR-System, das Bewerberdaten verarbeitet, erfordert eine andere rechtliche und sicherheitstechnische Prüfung als ein Marketing-Tool, mit dem Texte auf öffentlichen Websites überarbeitet werden.

Ab wann gilt das EU-KI-Gesetz für Schweizer Unternehmen?

Ein Unternehmen mit Sitz in der Schweiz kann dennoch unter bestimmte Bestimmungen des EU-KI-Gesetzes fallen. Die Antwort hängt von der Rolle des Unternehmens ab, davon, wo es das System bereitstellt und wie die KI oder dessen Erzeugnisse in der Europäischen Union verwendet werden.

Schweizer Unternehmen sollten daher die einzelnen Systeme, die mit EU-Aktivitäten in Verbindung stehen, prüfen, anstatt davon auszugehen, dass ein Hauptsitz in der Schweiz sie automatisch aus dem Geltungsbereich der Rechtsvorschriften herausnimmt.

Einige Teile des Gesetzes sind bereits in Kraft getreten. Die Anforderungen an Allzweck-KI-Modelle gelten seit August 2025, während weitere Bestimmungen, darunter die Transparenzvorschriften gemäß Artikel 50, am 2. August 2026 in Kraft getreten sind.

Diese Transparenzvorschriften gelten für bestimmte KI-Systeme, die direkt mit Menschen interagieren, sowie für bestimmte Formen von KI-generierten oder manipulierten Inhalten. Ein Schweizer Hersteller, der ein internes Prognosemodell ausschließlich in der Schweiz einsetzt, unterliegt daher einer anderen rechtlichen Bewertung als ein Schweizer Technologieunternehmen, das einen KI-Dienst an Kunden in der EU verkauft.

Entscheiden, in welchen Fällen die Mitarbeiter noch selbst entscheiden müssen

Unternehmen sollten außerdem entscheiden, in welchem Umfang jedes KI-System je nach den Folgen eines Fehlers einer Überprüfung durch Menschen bedarf.

Ein Mitarbeiter, der mithilfe von KI eine interne E-Mail umformuliert, kann den Entwurf vor dem Versenden lesen. Eine als möglicher Betrugsfall gekennzeichnete Zahlung erfordert eine gründliche Überprüfung. Der Mitarbeiter sollte einsehen können, welche Transaktionsdetails den Alarm ausgelöst haben, und Zugang zu den Lieferantenunterlagen haben, die zur Überprüfung erforderlich sind.

Auch bei der Personalauswahl, bei Kreditentscheidungen, in Sicherheitsfragen, bei der vorgeschriebenen Berichterstattung und bei wichtigen finanziellen Entscheidungen kann es erforderlich sein, dass ein Mitarbeiter die zugrunde liegenden Informationen prüft, bevor das Unternehmen Maßnahmen ergreift. Ein menschlicher Genehmigungsschritt funktioniert nur dann, wenn der Prüfer über genügend Zeit und Informationen verfügt, um eine unabhängige Entscheidung zu treffen. Muss ein Mitarbeiter täglich Hunderte von KI-Empfehlungen genehmigen, kann die Überprüfung zu einer reinen Routineaufgabe verkommen.

Die Unternehmensleitung sollte daher die Person oder Funktion benennen, die für die endgültige Entscheidung verantwortlich ist, und festlegen, was die Software ohne Genehmigung tun darf.

KI vor dem alltäglichen Einsatz testen

Ein Pilotversuch kann zeigen, ob ein Modell eine Aufgabe unter Testbedingungen erfüllt. Im Arbeitsalltag treten jedoch größere Schwankungen auf.

Mitarbeiter laden unerwartete Dokumente hoch. Kunden stellen Fragen, die das Testteam nicht berücksichtigt hat. Unternehmensdaten ändern sich. Ein anderer Softwareanbieter aktualisiert sein System. Der KI-Anbieter veröffentlicht eine neue Modellversion.

Das Unternehmen sollte festlegen, wer fehlerhafte Ergebnisse untersucht, wer die Anwendung deaktivieren darf, wie Entwickler Updates testen und welche Protokolle das Unternehmen aufbewahrt.

Bei Aufgaben mit größeren finanziellen, rechtlichen oder betrieblichen Auswirkungen können Unternehmen die KI zunächst parallel zum bestehenden System einsetzen.

Ein Modell zur Zahlungsüberwachung kann Transaktionen kennzeichnen, ohne sie zu blockieren. Ein Prognosemodell kann eine Prognose erstellen, während die Finanzabteilung weiterhin ihre bisherige Methode anwendet. Wartungssoftware kann Techniker warnen, ohne die Anlagen automatisch anzuhalten.

Die Mitarbeiter können die KI-Ergebnisse mit den tatsächlichen Entscheidungen vergleichen und die Art der aufgetretenen Fehler dokumentieren.

Das Unternehmen kann einen größeren Teil der Arbeit automatisieren, sobald das System zuverlässig funktioniert und die Mitarbeiter wissen, wo es noch Fehler macht.

Checkliste für die Einführung von KI in Unternehmen

1. Wählen Sie eine klar definierte Stelle aus

Wählen Sie Aufgaben aus, die einen messbaren Zeitaufwand erfordern, bei denen häufig Fehler auftreten oder bei denen die Mitarbeiter große Mengen an Informationen durchsuchen müssen.

2. Aktuelle Leistung erfassen

Erfassen Sie die Bearbeitungszeit, die Kosten, die Fehlerquote oder andere relevante Kennzahlen, bevor Sie KI einführen.

3. Überprüfen Sie die Daten

Vergewissern Sie sich, dass die Daten für den jeweiligen Zweck ausreichend genau sind und dass das Unternehmen sie rechtmäßig und sicher nutzen kann.

4. Testen Sie reale Fälle

Fügen Sie unvollständige Unterlagen, ungewöhnliche Anfragen und Beispiele hinzu, bei denen erfahrene Mitarbeiter nach eigenem Ermessen entscheiden müssen.

5. Zugriff einschränken

Gewähren Sie der Anwendung nur die Informationen und Softwareberechtigungen, die für die jeweilige Aufgabe erforderlich sind.

6. Bitten Sie erfahrene Mitarbeiter, die Ergebnisse zu überprüfen

Mitarbeiter, die die Arbeit bereits ausführen, können Fehler erkennen, die Entwicklern oder Führungskräften außerhalb der Abteilung vielleicht plausibel erscheinen.

7. Vergleichen Sie den neuen Prozess mit dem alten.

Erfassen Sie die Genauigkeit, die Arbeitszeit der Mitarbeiter, die Betriebskosten und den Umfang der verbleibenden manuellen Arbeit.

8. Ausgewählte Schritte automatisieren

Die Software darf Aufgaben nur dann selbstständig ausführen, wenn das Unternehmen die Folgen eines Fehlers akzeptiert.

9. Nach dem Start weiter messen

Unternehmensdaten, Geschäftsbedingungen und Modellversionen ändern sich. Die Teams sollten die Leistung weiterhin überprüfen, nachdem die Mitarbeiter begonnen haben, das System zu nutzen.

Worauf sich Schweizer Unternehmen als Nächstes einstellen sollten

Unternehmen binden KI zunehmend in ihre internen Daten und Softwareprogramme ein. Die Mitarbeiter werden weiterhin Tools nutzen, die Dokumente verfassen, zusammenfassen und durchsuchen, während immer mehr Anwendungen zudem Datensätze aktualisieren, Transaktionen überprüfen und Teile der Routinearbeit übernehmen werden.

Unternehmen werden wahrscheinlich mehrere Modelle einsetzen, anstatt für jede Aufgabe ein einziges Modell zu verwenden. Große Modelle können anspruchsvolle Dokumentenanalysen oder komplizierte Anweisungen bewältigen, während kleinere Modelle routinemäßige Klassifizierungs- und Extraktionsaufgaben kostengünstiger verarbeiten können.

Hersteller werden weiterhin einige Modelle unter Bedingungen betreiben, die denen der Serienfertigung nahekommen, wenn sie schnellere Reaktionszeiten benötigen oder die Produktionsdaten innerhalb des Werks behalten möchten.

KI-Systeme, die Datensätze ändern oder andere Software auslösen können, erfordern strengere Berechtigungen als Tools, die lediglich Text generieren. Unternehmen benötigen nach wie vor genaue Aufzeichnungen, klar definierte Zuständigkeiten, kontrollierten Zugriff und Messgrößen, die zeigen, ob das neue System die Arbeitsabläufe verbessert hat. Ein Unternehmen, das einen bestehenden Prozess versteht, kann prüfen, ob KI bestimmte manuelle Schritte überflüssig machen kann. Sind die Datensätze inkonsistent, die Zuständigkeiten unklar oder haben zu viele Systeme uneingeschränkten Zugriff auf Unternehmensdaten, sollte die Unternehmensleitung diese Probleme beheben, bevor sie der KI mehr Befugnisse überträgt.

Schweizer Unternehmen müssen nicht gleich mit einem unternehmensweiten KI-Programm beginnen. Sie können eine teure, zeitaufwändige oder fehleranfällige Aufgabe auswählen, messen, wie die Mitarbeitenden diese derzeit ausführen, und testen, ob KI ein besseres Ergebnis liefert.

Weiterführende Literatur zu Supralogic

Die KI-Produktivitätslücke

Warum Unternehmen, die ähnliche KI-Tools einsetzen, sehr unterschiedliche Produktivitätsergebnisse verzeichnen können und warum die bloße Einführung dem Management kaum Aufschluss über die Rentabilität der Investition gibt.

Unternehmen erkennen die Kosten der KI-Inferenz

Ein genauerer Blick auf die Rechenkosten, die jedes Mal entstehen, wenn ein KI-Modell eine Anfrage verarbeitet, einschließlich Modellauswahl, Token-Verbrauch und Kosten pro abgeschlossenem Auftrag.

Ihr KI-Agent benötigt einen eigenen Sicherheitsbereich

Wie Unternehmen KI-Agenten durch separate Identitäten, eingeschränkte Berechtigungen, temporäre Zugangsdaten, Netzwerkkontrollen, Protokolle und Notfall-Abschaltverfahren einschränken können.

Digitale Souveränität ist eine architektonische Entscheidung

Warum die Speicherung von Daten in der Schweiz einem Unternehmen noch nicht automatisch die Kontrolle über seine Technologie verschafft und welche Abhängigkeiten in den Bereichen Cloud, Identitätsmanagement, Verschlüsselung und Lieferanten Unternehmen prüfen sollten.