Eine KI-Lizenz ist noch keine KI-Strategie. Sie ist zunächst einmal eine Lizenz. Das klingt banal, wird aber gerade erstaunlich oft übersehen. In vielen Unternehmen sind KI-Funktionen heute bereits Teil der Standardsoftware. Sie schreiben Entwürfe, fassen Sitzungen zusammen, suchen Informationen und beantworten Fragen. Das ist nützlich. Aber es ist noch keine Antwort auf die Frage, wo Ihr Unternehmen künftig schneller, besser oder unverwechselbarer arbeiten will.
Die entscheidende Führungsaufgabe besteht deshalb nicht darin, möglichst schnell überall KI einzuschalten. Sie besteht darin, zwei unterschiedliche KI-Aufgaben konsequent auseinanderzuhalten: Einerseits KI, die Ihre Mitarbeitenden im Alltag produktiver macht. Andererseits KI, die einen wichtigen Geschäftsprozess messbar verbessert und damit zum Wettbewerbsvorteil werden kann.
Fragen Sie also nicht: „Welches KI-Tool setzen wir ein?“
Die bessere Frage lautet: „Wo wollen wir KI sauber betreiben – und bei welchem Prozess wollen wir mit ihr bewusst besser werden?“
| Zwei KI-Spuren | KI in der Breite – sauber betreiben | KI im Kernprozess – bewusst investieren |
| Typische Beispiele | Recherche, Entwürfe, Meeting-Zusammenfassungen, Wissenszugriff | Angebotsvorbereitung, Service-Triage, Auftragsabwicklung, Qualitätsprüfung |
| Primäres Ziel | Produktivität und sichere Nutzung im Alltag | Durchlaufzeit, Qualität, Kundenerlebnis oder Differenzierung verbessern |
| Führungsfrage | Welche Leitplanken gelten für alle? | Welcher Prozess verdient Fokus und Verantwortung? |
| Wichtige Disziplinen | Berechtigungen, Datenhygiene, Schulung, Nutzungsregeln | Prozessdesign, Daten- und Toolzugriffe, Freigaben, Messung, Produktverantwortung |
| Typischer Fehler | KI als harmloses Add-on behandeln | Einen Pilot bauen, ohne dass jemand für den Geschäftsnutzen verantwortlich ist |
Spur 1: KI im Alltag ist ein Betriebsmodell – keine Gratisbeilage
Eingebettete KI wird in der täglichen Arbeit immer selbstverständlicher. Gerade in Microsoft 365 ist sie nah an den Orten, an denen bereits gearbeitet wird: in E-Mails, Dokumenten, Besprechungen und Unternehmenswissen. Das senkt die Einstiegshürde. Es erhöht aber auch die Verantwortung, denn die Wirkung einer KI hängt immer an der Qualität der Daten- und Berechtigungskultur, die bereits vorhanden ist.
Microsoft weist darauf hin, dass Copilot Organisationsdaten nur für Personen bereitstellt, die mindestens über Leseberechtigung verfügen. Das ist eine wichtige Schutzlinie – und gleichzeitig ein Realitätscheck: Wenn Daten heute zu breit freigegeben sind, macht KI diesen Zustand nicht besser. Sie macht ihn einfacher nutzbar.
Für die erste Spur braucht es daher kein KI-Theater. Es braucht ein pragmatisches Betriebsmodell. Welche Daten dürfen in welche Anwendungen fliessen? Welche Funktionen sind freigegeben? Wo bestehen Überberechtigungen? Welche Qualität erwarten wir von KI-generierten Entwürfen? Und wann muss ein Mensch zwingend prüfen, bevor ein Ergebnis nach aussen oder in ein führendes System gelangt?
Das klingt weniger spektakulär als ein Innovationssprint. Es ist aber die Voraussetzung dafür, dass Mitarbeitende KI souverän nutzen können – ohne bei jedem Prompt Datenschutz, Geheimhaltung und Verantwortung neu erraten zu müssen.
Spur 2: Bei Kernprozessen beginnt die eigentliche Führungsarbeit
Die zweite Spur ist anspruchsvoller. Hier geht es nicht darum, ob ein Text etwas schneller entsteht. Hier geht es um die Frage, ob ein Geschäftsprozess kundenfreundlicher, zuverlässiger oder wirtschaftlich besser wird.
Nehmen wir eine Angebotsvorbereitung im ERP-Umfeld. Eine eingehende Kunden-E-Mail enthält Bedarf, Menge und Kontext. Ein KI-gestützter Assistent könnte die Anfrage strukturieren, den passenden Debitor und relevante Artikel im ERP suchen und einen Angebotsentwurf vorbereiten. Der Vertriebsmitarbeiter prüft und verantwortet das Ergebnis, statt Daten aus mehreren Systemen manuell zusammenzutragen.
Das wäre kein „magischer Assistent“. Es wäre ein bewusst gestalteter Prozess: mit klar definierten Datenquellen, Rollen, Zugriffsrechten, Freigaben und einer Person, die für den geschäftlichen Nutzen gerade steht. Genau dort liegt der Unterschied zwischen netter Funktion und echter Wertschöpfung.
Für solche Integrationen gewinnt das Model Context Protocol (MCP) an Bedeutung. MCP ist ein offener Standard, über den KI-Anwendungen auf externe Datenquellen, Werkzeuge und Workflows zugreifen können. Er soll die Anbindung solcher Systeme für Entwicklungsteams vereinfachen. Microsoft unterstützt die Verbindung von Copilot-Studio-Agenten mit MCP-Servern und dokumentiert dafür unter anderem API-Key- und OAuth-2.0-basierte Authentifizierung.
Die technische Anschlussfähigkeit ist dabei nicht der Business Case. Sie ist lediglich die Voraussetzung, damit ein guter Case nicht an jeder einzelnen Schnittstelle neu erfunden werden muss. MCP ist kein Wettbewerbsvorteil. Ein besserer, verantworteter Geschäftsprozess kann einer werden.
| Vom Experiment zur Wirkung | Die falsche Abkürzug | Der tragfähige Weg |
| Startpunkt | „Wir brauchen einen KI-Agenten.“ | „Dieser Prozess verursacht Reibung – welches Ergebnis soll besser werden?“ |
| Datenzugriff | Möglichst viele Daten verbinden | „Dieser Prozess verursacht Reibung – welches Ergebnis soll besser werden?“ |
| Verantwortung | IT baut, Fachbereich schaut zu | Nur die Daten und Aktionen freigeben, die für den Case nötig sind |
| Entscheidung | KI erledigt es automatisch | KI bereitet vor, Menschen prüfen und geben frei – wo das Risiko es verlangt |
| Erfolg | Eindrucksvolle Demo | Belastbare Messgrösse: Qualität, Durchlaufzeit, Fehlerquote oder Kundenreaktion |
Governance ist nicht die Handbremse – sie ist das Lenkrad
Bei KI in Geschäftsprozessen ist Governance kein Compliance-Anhang für die letzte Projektwoche. Sie ist die praktische Antwort auf vier sehr konkrete Fragen: Wer darf was? Mit welchen Daten? In welchem Prozess? Und wer greift ein, wenn das Ergebnis nicht stimmt?
In der Schweiz gilt das Datenschutzgesetz direkt für KI-gestützte Datenbearbeitungen. Der EDÖB fordert unter anderem Transparenz über Zweck, Funktionsweise und Datenquellen. Bei automatisierten Einzelentscheidungen sind besondere Schutzmechanismen vorgesehen; bei hohen Risiken kann eine Datenschutz-Folgenabschätzung erforderlich sein.
Das heisst nicht, dass jedes KI-Vorhaben zuerst durch einen zehnköpfigen Ausschuss muss. Es heisst, dass die Schutz- und Freigabelogik zum Risiko des jeweiligen Cases passen muss. Ein Vorschlag für einen Meeting-Titel ist etwas anderes als ein Agent, der einen Preis, eine Kreditlimite oder einen Liefertermin in einem Kundenprozess beeinflusst.
Die vernünftige Reihenfolge lautet deshalb: Zuerst den Prozess verstehen. Dann Daten, Rechte und Rollen klären. Dann einen begrenzten Prototypen bauen. Erst danach skalieren. So entsteht Governance nicht neben der Innovation, sondern innerhalb des Geschäftsprozesses.
Die vier Entscheidungen für die nächsten 90 Tage
Sie brauchen für beide Spuren keine perfekte Langfriststrategie auf 80 Folien. Sie brauchen vier saubere Entscheidungen.
| Entscheiden Sie jetzt | Konkret bedeutet das |
| 1. Was läuft bereits mit? | Schaffen Sie Transparenz über KI-Funktionen in Ihrer Standardsoftware, bestehende Nutzung und relevante Datenbereiche. |
| 2. Was betreiben wir verbindlich? | Definieren Sie einfache Nutzungs-, Daten- und Freigaberegeln für KI im Arbeitsalltag. Beginnen Sie dort, wo sensible Informationen oder Aussenwirkung betroffen sind. |
| 3. Welcher Prozess verdient einen Case? | Priorisieren Sie genau einen Prozess mit spürbarer Reibung und einem klaren Owner. Nicht zehn Ideen parallel. Ein verantworteter Case schlägt eine lange Ideensammlung. |
| 4. Woran erkennen wir Wirkung? | Legen Sie vor dem Prototyp fest, welche Veränderung zählen soll – etwa Qualität, Durchlaufzeit, Fehlerquote oder Kundenerlebnis. |
Nicht alles, was KI kann, muss Ihr Unternehmen automatisieren
Eine gute KI-Strategie ist auch eine Priorisierungsstrategie. Sie sagt bewusst Nein zu Cases, die nur technisch interessant sind, aber keinen klaren Nutzen stiften. Und sie vermeidet den Gegeneffekt der Tool-Euphorie: viele kleine Versuche, ein paar Lizenzen, viel Gesprächsstoff – aber keine relevante Veränderung im Geschäft.
Für Schweizer KMU liegt die Chance nicht darin, möglichst früh jede neue Funktion zu aktivieren. Die Chance liegt darin, bei den richtigen Prozessen schneller zu lernen als andere – mit der nötigen Bodenhaftung bei Daten, Verantwortlichkeiten und Kundenbeziehungen.
Betreiben Sie KI im Alltag sauber. Entwickeln Sie KI im Kernprozess bewusst. Und verwechseln Sie die beiden Aufgaben nicht.
Wo läuft KI bei Ihnen bereits mit – und bei welchem Geschäftsprozess wollen Sie bewusst einen Vorsprung aufbauen? Sprechen Sie mit uns darüber, wie sich Business Central, Prozesswissen und klare Leitplanken zu einem tragfähigen KI-Case verbinden lassen.
Erfolgreiches ERP-Projekt
Mit der Checkliste von redPoint starten Sie optimal in ein erfolgreiches ERP-Projekt.
Jetzt herunterladen
