AI im Schweizer KMU – Realität vs Hype.

Seit 2023 wird AI in jeder zweiten LinkedIn-Präsentation als Heilsbringer gefeiert. Drei Jahre später ist die Realität in Schweizer KMUs nüchterner – und gleichzeitig vielversprechender als der Hype suggeriert. Drei konkrete Beispiele.

Case 1: Eingangsrechnungen automatisch verbuchen

Ein Handelsbetrieb mit 40 Mitarbeitern bekam täglich rund 80 Lieferantenrechnungen per E-Mail. Eine halbtags-angestellte Buchhalterin hat sie manuell ins ERP übertragen.

Lösung: Eingehende PDFs werden von einem Vision-LLM (GPT-4o) analysiert, die Felder (Lieferant, Betrag, MwSt, IBAN, Verwendungszweck) extrahiert und direkt ins ERP-System gespielt. Buchhalterin kontrolliert nur noch Edge-Cases.

Kosten: CHF 18'000 Einmal-Entwicklung, ca. CHF 80/Monat API-Kosten. ROI: 60% der Buchhaltungszeit eingespart, ROI nach 4 Monaten.

Case 2: Customer-Support-Chatbot mit eigenen Daten

Eine SaaS-Firma mit ca. 200 zahlenden Kunden bekam täglich 30+ Support-Tickets, davon 70% wiederkehrende Fragen aus der bestehenden Dokumentation.

Lösung: RAG-basierter Chatbot, der die komplette Doku, FAQ und vergangene Support-Tickets indexiert hat. Antwortet direkt im Helpdesk-System. Eskaliert komplexe Fälle automatisch an einen Menschen.

Kosten: CHF 14'000 Setup, CHF 120/Monat (API + Hosting). ROI: Support-Volumen um 55% reduziert. Mitarbeiterin, die vorher 80% Tickets bearbeitete, macht jetzt Onboarding und Customer-Success.

Case 3: Smart Search auf eigener Wissensdatenbank

Eine Anwaltskanzlei mit 12'000 archivierten Dossiers konnte alte Fälle nur über exakte Aktennummern finden. „Hatten wir das schon mal?" – kostete oft eine Stunde manueller Suche.

Lösung: Vektor-Suche über alle Dossiers (Embedding-basiert mit pgvector). Anwälte fragen in natürlicher Sprache („Mietrecht, Lärm Mehrfamilienhaus, Vermieter haftbar"), bekommen relevante Fälle ranked nach Ähnlichkeit.

Kosten: CHF 22'000 Setup (inkl. Daten-Migration), CHF 40/Monat laufend. ROI: Pro Anwalt etwa 5 Stunden Recherche-Zeit pro Woche gespart.

Was nicht funktioniert hat

Aus Fairness auch die Misserfolge:

• „AI schreibt Marketing-Texte" – funktioniert für Boilerplate, aber jeder hochwertige Text muss eh redigiert werden. Zeitersparnis: marginal. Markenrisiko: hoch.
• „AI führt komplexe Sales-Gespräche" – Kunden merken es sofort, Conversion bricht ein. Voice-Bots taugen für Terminbuchung, nicht für Beratung.
• „AI ersetzt das ganze Reporting" – Charts und Zahlen sind keine Magie, sondern SQL. Hier ist klassisches BI immer noch besser.

Die Datenschutz-Frage

In der Schweiz und EU gilt: Personendaten gehen nicht ohne Auftragsdatenverarbeitungsvertrag zu OpenAI. Wir nutzen für sensible Daten entweder Azure OpenAI (Schweiz-Hosting), Anthropic (mit DPA) oder lokale Open-Source-Modelle (Llama, Mistral). Das macht den Setup aufwendiger, ist aber rechtlich sauber.

Fazit

AI ist 2026 reif für den produktiven Einsatz – aber nicht überall. Die besten Use-Cases sind die langweiligen: repetitive Datenverarbeitung, Suche, Klassifikation. Nicht die spektakulären, mit denen LinkedIn voll ist. Wer pragmatisch denkt, holt sich realen ROI. Wer dem Hype folgt, verbrennt Budget.