Der Ausgangspunkt: Reporting von Hand

In vielen KMU entsteht das monatliche Reporting noch immer von Hand. Zahlen aus mehreren Systemen werden in eine Excel-Liste kopiert, abgeglichen, korrigiert. In einem typischen Fall summiert sich das auf 17 bis 28 Stunden pro Monat – jeden Monat aufs Neue. Viele Abteilungen, viele Medienbrüche, viele Fehlerquellen. Und am Ende bleibt selten Zeit für das, worauf es eigentlich ankommt: das Entscheiden.

Die naheliegende Reaktion ist, neue Software zu kaufen – mit Lizenzkosten und Einführungsaufwand. Der grössere Hebel liegt meist näher: vorhandene Systeme über die richtige Schnittstelle verbinden und KI gezielt dort einsetzen, wo sie wirklich etwas bringt.

Erst aufräumen, dann automatisieren

Vor jeder Automatisierung steht die Datenqualität. «Wer einen schlechten Ablauf automatisiert, bekommt ihn nur schneller, nicht besser.» Saubere Stammdaten sind die Basis. Ohne sie multipliziert Automatisierung nur das bestehende Chaos – genau hier entscheidet sich, ob ein Projekt trägt.

Bestehende Systeme nutzen

Ein kompletter Systemwechsel ist selten nötig. Die Daten, die Sie für Auswertungen brauchen, stecken meist schon in Ihren Systemen – sie sind nur nicht miteinander verbunden. Offene APIs sind im Markt angekommen, und viele Schweizer KMU-Systeme lassen sich heute direkt koppeln. Ein Bild dazu: Die Schnittstelle ist die Tür, die API der Schlüssel. Ob öffentliche API, Partner-Zugang oder Import und Export – für fast jedes System gibt es einen Weg, Daten automatisch fliessen zu lassen, statt sie von Hand zu übertragen.

Automatisierung oder KI? Drei Stufen

In der Praxis werden Automatisierung und KI oft verwechselt. Es hilft, in drei Stufen zu denken:

  • Regelbasiert: klassische Automatisierung mit festen Regeln, ohne KI – etwa Daten zwischen zwei Systemen synchron halten.
  • KI als Baustein: Automatisierung plus ein gezielter KI-Schritt – etwa wenn die KI die fertigen Zahlen im Bericht kommentiert.
  • Agentisch: die KI entscheidet mit und bereitet Aktionen selbständig vor. Mehr Autonomie bedeutet auch mehr Kontrollbedarf.

Nicht jede Aufgabe braucht die höchste Stufe. Oft löst eine regelbasierte Automatisierung das Problem vollständig – und der KI-Schritt kommt erst dort dazu, wo er echten Mehrwert schafft.

Welche Daten gehören in eine öffentliche KI?

Heikel ist nicht die Technologie an sich. Kritisch wird der Moment, in dem sensible Daten den kontrollierten Raum verlassen. «Wir trainieren nicht mit Kundendaten» allein reicht nicht – es zählt, wo Daten verarbeitet, gespeichert und geloggt werden. Und oft geht es um mehr als die eigenen Daten: um die von Kunden, Lieferanten und Partnern.

Als einfache Orientierung dient eine Ampel:

  • Grün – unkritisch: öffentliche Informationen, anonymisierte oder aggregierte Daten. Frei für öffentliche KI.
  • Gelb – kontrolliert möglich: interne Dokumente ohne Personenbezug. Nur in einer geprüften, geschützten Umgebung.
  • Rot – nie in öffentliche LLMs: Kunden- und Personendaten, Verträge, Finanzdetails. Diese bleiben im Haus.

Sensible Zahlen lassen sich in einer Schweizer Umgebung verarbeiten: Die Daten bleiben in der Schweiz, das Vorgehen ist DSG-konform, es findet kein Training mit Ihren Daten statt, und es gibt keinen US-Zugriff.

Das Ergebnis

Im beschriebenen Reporting-Fall ist aus einer monatlichen Handarbeit ein weitgehend automatisierter Ablauf geworden – mit 80 bis 95 Prozent weniger Aufwand. Der Mensch prüft, gibt frei und versendet. Die Zeit, die früher in die Übertragung floss, steht wieder für Analyse und Entscheidung zur Verfügung. Und dieselbe Mechanik trägt über Finance hinaus: Sales, Produktion, HR, Einkauf oder Lager – es ändern nur die Verbindungen.

Alle Folien zum Vortrag inklusive Vertiefungen finden Sie auf der Vortragsseite zum KI-Erfahrungsaustausch.