Einführung, 8 Minuten Lesezeit
KI im KMU einführen: Reihenfolge, Aufwand und typische Fehler für Teams von 5 bis 50 Personen
KI-Einführung im KMU: in welcher Reihenfolge kleine Teams vorgehen, was es an Zeit kostet und welche Fehler Sie vermeiden sollten.
Qendrim Vllasa, 10. November 2026Studien und Quellen geprüft am 10.11.2026

Kurz gesagt: Kleine Teams scheitern bei der KI-Einführung selten an der Technik. Häufiger fehlen der Fokus auf einen einzelnen Ablauf, Übung über mehrere Wochen und ein vorher festgelegter Maßstab dafür, was als Erfolg gilt. Bewährt hat sich diese Reihenfolge: einen Ablauf mit großem Hebel wählen, Regeln klären, am eigenen Material üben, eine Ansprechperson benennen, vorher und nachher messen und erst dann ausweiten.
Fünf typische Fehler
Die meisten KI-Projekte in kleinen und mittleren Unternehmen beginnen mit guten Absichten und enden in einer Lizenzrechnung, die niemand mehr hinterfragt. Die folgenden Fehler sehe ich in Gesprächen immer wieder, und sie decken sich mit dem, was größere Studien beschreiben.
Lizenzen kaufen und auf Nutzung hoffen
Ein Zugang allein ändert wenig. In einer großen Befragung in Dänemark stieg der Anteil der Beschäftigten, die generative KI nutzten, von 47 % auf 83 %, wenn der Arbeitgeber die Nutzung ausdrücklich unterstützte (Humlum und Vestergaard, NBER Working Paper 33777). Die Boston Consulting Group fand in einer Befragung von über 10.600 Beschäftigten, dass regelmäßige Nutzung deutlich häufiger ist, wenn sie mindestens fünf Stunden Training bekommen haben. Der Anteil mit positiver Haltung zu KI stieg bei starker Unterstützung durch die Führung von 15 % auf 55 % (BCG, AI at Work 2025). Wer Konten verteilt und abwartet, bekommt eine Handvoll begeisterter Einzelner und einen Rest, der nach zwei Versuchen aufgibt.
Ein Workshop ohne Übung danach
Ein guter Tag mit Beispielen hinterlässt Begeisterung, aber noch keine Gewohnheit. Der AI Proficiency Report von Section beschreibt, dass auch geschulte Beschäftigte ohne Übung an echten Abläufen auf der Stufe von Ausprobierenden bleiben (Section, Januar 2026). Entscheidend sind die Wochen nach dem Workshop, in denen die neuen Abläufe im Alltag laufen müssen und jemand da ist, wenn sie haken.
Zehn Ideen statt eines Ablaufs
Eine Ideenliste mit zwanzig Anwendungsfällen fühlt sich produktiv an. Umgesetzt wird davon wenig, weil jeder Fall Einrichtung, Prüfregeln und Übung braucht. Laut der McKinsey-Umfrage zum Stand der KI 2025 haben Unternehmen mit messbarem Ergebnis einzelne Arbeitsabläufe fast dreimal so häufig grundlegend umgestaltet wie andere (McKinsey, The State of AI). Ein Bericht des MIT-Projekts NANDA kam 2025 nach Interviews und der Auswertung von über 300 öffentlich bekannten Projekten zu dem Schluss, dass rund 95 % der untersuchten KI-Piloten keinen messbaren Effekt auf das Ergebnis hatten, und nannte als Erfolgsmuster einen klar umrissenen Schmerzpunkt mit dem Fachbereich in der Verantwortung (Bericht in Fortune, August 2025). Der Bericht ist als vorläufig gekennzeichnet und nicht wissenschaftlich begutachtet, er sollte entsprechend vorsichtig gelesen werden.
Keine Regeln, oder Regeln, die niemand kennt
Ohne Regeln nutzen Mitarbeitende private Konten, kopieren Kundendaten in Werkzeuge ohne Vertrag und veröffentlichen Texte ohne Prüfung. Eine zwanzigseitige Richtlinie, die niemand gelesen hat, hilft genauso wenig. Eine Seite, die das Team kennt und erklären kann, reicht für die meisten Fälle. Was dort hineingehört, beschreibe ich im Beitrag zum Datenschutz bei KI-Tools.
Kein Ausgangswert
Wer vorher nicht festhält, wie lange ein Ablauf dauert, kann nachher nur noch schätzen. Schätzungen liegen nachweislich zu hoch. Ohne Ausgangswert endet jede Diskussion über den Nutzen bei Meinungen. Wie eine Messung aussieht, die ohne großen Aufwand trägt, steht im Beitrag KI-Nutzen im Team messen.
Die Reihenfolge, die funktioniert
Die folgenden sechs Schritte sind ein Weg, der in kleinen Teams trägt. Sie lassen sich ohne externe Hilfe gehen, wenn jemand im Team die Zeit dafür bekommt.
Ablauf wählen: Hebel mal Aufwand
Beginnen Sie mit einem einzigen Ablauf, der oft vorkommt, nah am Geschäft liegt und sich messen lässt. Der Hebel ergibt sich aus Häufigkeit, Nähe zum Umsatz und Bedeutung für die Glaubwürdigkeit. Der Aufwand ergibt sich aus Einrichtungsstunden und der Frage, ob Schnittstellen zu anderen Systemen nötig sind.
Für ein Content- und Medienteam könnte eine solche Einordnung so aussehen. Sie ist ein Beispiel aus meinem Katalog, die Einstufung ist eine Annahme vor einer Analyse:
| Hebel | Aufwand niedrig (bis 6 Stunden, ohne Schnittstelle) | Aufwand mittel (6 bis 20 Stunden, Workflow oder Datenzugriff) |
|---|---|---|
| hoch | Angebotsentwurf pro Partneranfrage | Deal-Texte für alle Kanäle als Workflow, Kaufberatung aktuell halten |
| mittel | Video-Nachbereitung aus dem Transkript, Metadaten | Messdaten mit einem Skript auswerten |
Oben links fangen Sie an. Die ausgearbeiteten Abläufe mit Kennzahl und Aufwand stehen unter Use Cases.
Regeln klären: Werkzeug, Daten, Freigaben
Bevor das Team übt, stehen drei Entscheidungen fest. Erstens ein Werkzeug mit Geschäftskonto und Vertrag zur Auftragsverarbeitung, nicht zwei parallel. Nutzt Ihr Team Microsoft 365 oder Google Workspace, testen Sie zuerst die dort enthaltenen Assistenten an echten Aufgaben. Zweitens eine einfache Einteilung, welche Daten in das Werkzeug dürfen und welche nie. Drittens die Frage, wer was vor der Veröffentlichung prüft. Eine Vorlage für diese Regeln liegt unter Downloads.
Für Unternehmen in der EU gehört dazu die Pflicht aus Art. 4 der KI-Verordnung, Maßnahmen zur KI-Kompetenz des Personals zu ergreifen. Für Schweizer KMU gibt es kein KI-Gesetz, dort gilt das Datenschutzgesetz direkt. Einzelheiten und den Ländervergleich finden Sie im Beitrag zu Art. 4 AI Act. Diese Einordnung entspricht dem Rechtsstand vom 10.11.2026 und ist keine Rechtsberatung.
Üben am eigenen Material
Allgemeine Beispiele zeigen, was ein Werkzeug kann. Eigene Fälle zeigen, ob es im eigenen Ablauf hilft und wo es danebenliegt. Bauen Sie jeden Workflow in Paaren und testen Sie ihn an mindestens drei echten Fällen, bevor er in den Alltag geht. Dazu gehört eine kurze Prüfliste: Welche Angaben kontrolliert ein Mensch jedes Mal, etwa Preise, Namen oder technische Daten?
Das KMU-Portal des Schweizer Bundes empfiehlt in dieselbe Richtung, den konkreten Mehrwert ins Zentrum zu stellen und Mitarbeitende zu schulen, weil keine KI unfehlbar ist (KMU-Portal).
Eine Ansprechperson im Team
Eine Person im Team pflegt die Sammlung der Workflows, beantwortet Fragen im Alltag und prüft neue Werkzeuge, bevor sie jemand nutzt. Sie muss keine Technikerin sein, aber Freude an Abläufen haben und dafür Zeit bekommen. In meinem Programm rechne ich dafür mit rund zwei Stunden pro Woche. Ohne diese Person zerfällt die Sammlung nach wenigen Monaten in private Notizen.
Vorher und nachher messen
Legen Sie vor dem Start eine Hauptkennzahl für den gewählten Ablauf fest und halten Sie den Ausgangswert fest, möglichst aus Zeitstempeln, die Ihre Systeme ohnehin schreiben. Messen Sie nach einigen Wochen Alltag erneut, mit derselben Regel. Wie das im Detail geht, beschreibt die Messmethode.
Ausweiten oder aufhören
Erst nach der Nachmessung fällt die Entscheidung über den nächsten Ablauf. Ist die Wirkung deutlich und die Qualität mindestens gleich geblieben, nehmen Sie den nächsten Ablauf aus der Matrix. Zeigt sich nur eine Tendenz, lohnt oft eine Korrektur am Workflow vor dem Ausweiten. Ist nichts belegt, ist auch das ein Ergebnis: Dann sparen Sie die Lizenzen für diesen Ablauf und versuchen es mit dem nächsten.
Wie viel Zeit das kostet
Der Aufwand im Team wird fast immer unterschätzt. Als Anhaltspunkt dienen die Zahlen aus meinem siebenwöchigen Programm, die so auch im Angebot stehen:
- ein Praxistag mit rund acht Stunden pro Person
- in den vier Umsetzungswochen rund ein bis anderthalb Stunden pro Person und Woche
- rund drei Stunden pro Person für Gespräch und Messung
- rund zwei Stunden pro Woche für die Ansprechperson und eine Stunde pro Woche für die Koordination
Bei acht Personen sind das zusammen rund 140 bis 160 Teamstunden über sieben Wochen. Dazu kommen Lizenzen. Ein Chat-Assistent im Geschäftskonto wie Claude Team oder ChatGPT Business kostet 20 $ pro Person und Monat bei Jahreszahlung und 25 $ bei Monatszahlung (Anthropic, OpenAI-Hilfe). Google Workspace Business Standard enthält Gemini ab 13,60 € (Google Workspace), und für Nutzer mit berechtigter Microsoft-365-Lizenz ist Microsoft Copilot Chat ohne Aufpreis enthalten (Microsoft Learn). Stand jeweils 10.11.2026.
Was Sie selbst schaffen und wann Hilfe von außen lohnt
Viele Teams brauchen keinen Anbieter. Wenn jemand im Team Zeit und Interesse hat, reichen kostenlose Grundlagen, etwa die Kurse des KI-Campus, und die Reihenfolge oben. In der Schweiz bündelt das KMU-Portal des Bundes Hinweise und Anlaufstellen, am deutschen Bodenseeufer bietet das KI-Lab Bodensee einen Showroom und Workshops.
Hilfe von außen lohnt sich in einigen klar umrissenen Lagen: wenn niemand im Team die Zeit für Aufbau und Pflege hat, wenn die Geschäftsführung einen belastbaren Beleg braucht, bevor sie mehr Geld freigibt, oder wenn Automatisierungen mit Schnittstellen nötig sind. Mein Programm ist ein möglicher Weg dafür: Woche 1 Ablaufanalyse und Ausgangswert aus Systemdaten, Woche 2 Praxistag, Woche 3 bis 6 Umsetzung von drei Schwerpunkten, Woche 7 Nachmessung mit Bericht.
Wenn Sie vorher wissen möchten, an welcher Stelle Ihr Team steht, ist der kostenlose KI-Check ein guter Schritt null.
Quellen
- Humlum, Vestergaard: Large Language Models, Small Labor Market Effects, NBER Working Paper 33777: https://www.nber.org/papers/w33777
- BCG, AI at Work 2025: Momentum Builds, but Gaps Remain: https://www.bcg.com/publications/2025/ai-at-work-momentum-builds-but-gaps-remain
- Section, The AI Proficiency Report (Januar 2026): https://www.sectionai.com/ai/the-ai-proficiency-report-january-2026
- McKinsey, The State of AI: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- Fortune über den MIT-NANDA-Bericht „The GenAI Divide“ (18.08.2025): https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
- KMU-Portal des Bundes, Wie Schweizer KMU künstliche Intelligenz erfolgreich nutzen: https://www.kmu.admin.ch/de/wie-schweizer-kmu-kuenstliche-intelligenz-erfolgreich-nutzen
- Anthropic, Claude Preise: https://claude.com/pricing
- Google Workspace, KI-Funktionen und Preisänderungen: https://knowledge.workspace.google.com/admin/billing/ai-features-and-pricing-updates-for-google-workspace-business-editions?hl=de
- OpenAI-Hilfe, ChatGPT Business, Abrechnung und Plätze: https://help.openai.com/en/articles/8792536
- Microsoft Learn, Microsoft Copilot Chat: https://learn.microsoft.com/en-us/copilot/plan/copilot-overview
- KI-Campus: https://ki-campus.org/
- KI-Lab Bodensee: https://ki-lab-bodensee.eu/
Qendrim Vllasa
Software-Ingenieur aus Konstanz. Baut mit Teams KI-Abläufe, die im Alltag laufen, und misst, was sie bringen.
Weiterlesen
- Datenschutz bei KI-Tools in kleinen Teams: was in Deutschland und in der Schweiz gilt
- KI im Content-Team: welche Abläufe sich lohnen, welche roten Linien gelten und was Art. 50 AI Act verlangt
- Art. 4 AI Act nach dem Digital Omnibus: Was KMU in Deutschland, Österreich, der Schweiz und Liechtenstein tun müssen