Wer KI im eigenen Betrieb einsetzen will, hat irgendwann eine Erkenntnis. Das Modell schreibt sauber, kennt das Internet, formuliert höflich. Aber es kennt unsere Firma nicht. Nicht unsere Lieferanten, nicht unsere Standard-Offerten, nicht die Regeln die zwischen den Zeilen unserer Aufträge gelten.
Das ist nicht das Modell-Problem. Es ist ein Daten-Problem.
Es gibt einen Satz aus der KI-Szene, den ich seit ein paar Tagen mit mir herumtrage. Wenn etwas nicht aufgezeichnet wurde, ist es für die Intelligenz nicht passiert. Klingt trivial. Hat aber Konsequenzen, die nicht trivial sind.
Warum das KI-Modell Ihre Firma nicht kennt
Weil der grösste Teil des Firmen-Wissens in Schweizer KMU in Köpfen sitzt, nicht in Dateien. Was in der Offerte steht, wenn der Bauleiter krank ist. Wie der Stammkunde aus Wil bedient wird, dem man nichts schicken darf bevor er angerufen hat. Welche drei Lieferanten man umgeht, weil die Erfahrung schlecht war. All das ist Wissen, das im Kopf steckt.
Für einen langjährigen Mitarbeiter ist das nicht falsch. Es ist Erfahrung. Für die KI ist es schlicht nicht da.
Wenn man eine KI auf eine Firma loslässt, ohne dieses Wissen vorher aus den Köpfen zu holen, bekommt man Ergebnisse die nach Stil-Lehrbuch klingen. Saubere Sätze. Nichts spezifisch Eigenes. Das ist enttäuschend, und es liegt nicht an der KI.
Was sich verschiebt, wenn KI im Spiel ist
Software wird austauschbar. Das Wissen darunter wird zur eigentlichen Substanz der Firma. Ein Skript, ein Tool, ein Dashboard. Das schreibt man heute in einem Wochenende, wirft es weg, schreibt es nächsten Monat neu. Wenn die Modelle besser werden, schreibt man es schneller. Die Software, in der ein KMU heute viel Geld investiert, wird in 18 Monaten Routine-Arbeit eines Nachmittags sein.
Was dann bleibt: Offerten-Standards, Liefer-Konditionen, Sales-Argumente, technische Spezifikationen, die Logik wie ein Schadenfall abgewickelt wird, der Tonfall einer typischen Antwort-Mail. Das alles ist Substanz, die Sie über Jahre aufgebaut haben.
In einer KI-Welt wird genau diese Substanz wertvoller. Nicht die Tools, die darauf laufen.
Wo Schweizer KMU heute stehen
In den meisten KMU liegt das Firmen-Wissen in PDF-Ordnern, ISO-Doku, Mitarbeiterhandbüchern und im Kopf der Mitarbeiter. Schwer auffindbar, schwer für eine KI lesbar.
Das ist nichts Neues. Jede Schweizer Firma mit über 20 Mitarbeitern hat irgendeine Form von Qualitätsmanagement. ISO-9001-Doku, Prozess-Handbücher, Schulungs-Unterlagen für neue Mitarbeiter. Aber die meiste dieser Doku ist statisch, schwer durchsuchbar, voller Verweise auf andere Dokumente, die niemand mehr findet. Drei Versionen der gleichen Lieferanten-Liste in unterschiedlichen Ordnern. Ein File-Server, auf dem man fünf Minuten sucht bevor man jemanden anruft und fragt.
Für einen Mitarbeiter ist das tolerierbar. Für eine KI bedeutet es: das Wissen ist im Haus, aber es ist nicht ansprechbar.
Was eine Wissens-Architektur konkret tut
Eine Wissens-Architektur sorgt dafür, dass dasselbe Wissen so abgelegt ist, dass eine KI darauf zugreifen kann. Strukturiert, semantisch durchsuchbar, mit Beispielen, mit Quellen-Verweisen. Aus "schreibt einen generischen Text" wird "schreibt einen Text, der wie aus Ihrer Firma klingt". Das ist genau die Bewegung, die das Schema oben zeigt: vom Kopf in die Infrastruktur.
Konkret heisst das: Offerten-Standards werden in einer Form abgelegt, die eine KI lesen kann. Lieferanten-Profile bekommen Eigenschaften statt nur Adressen. Stammkunden-Notizen werden zu strukturierten Profilen mit Verlauf. Technische Spezifikationen werden so verschlagwortet, dass eine Suche nach "Aluminium-Fassade mit Holz-Unterkonstruktion in Brandschutz-Variante" tatsächlich die richtigen drei Referenz-Projekte findet, nicht zwanzig PDF-Treffer.
Das ist die Vorarbeit, die kein KI-Tool für Sie macht. Sie muss vorher geschehen. Wer sie überspringt, bekommt KI-Antworten die für ein generisches Schweizer Bauunternehmen passen, aber nicht für seine eigene Firma.
Eine Übung die nichts kostet
Nehmen Sie das letzte Angebot, das Ihre Firma an einen Kunden geschickt hat. Wer hat das geschrieben? Wenn diese Person nicht da gewesen wäre, hätte jemand anderes dasselbe geschrieben? Wäre die Sprache gleich? Der Stundenansatz? Die Reihenfolge der Positionen? Die Hinweise im Begleittext?
Wenn die Antwort nein ist, steckt darin Firmen-Wissen, das nirgends explizit aufgeschrieben ist.
Vielleicht ein Stundenansatz, der seit Jahren so kalkuliert wird. Vielleicht ein Standard-Workflow für Sonderaufträge. Vielleicht ein Kommunikations-Reflex, den eine erfahrene Sachbearbeiterin entwickelt hat.
Genau dieses Wissen muss in eine Form, in der eine KI es lesen kann, bevor man die KI auf Anfragen loslässt. Sonst schreibt das Modell höflich, aber ohne den Charakter Ihrer Firma.
Erst Architektur, dann Modell
KI ohne Architektur amplifiziert Chaos. KI auf einer sauberen Wissens-Struktur multipliziert Substanz. Das ist nicht Marketing-Sprache, sondern eine schlichte Beobachtung aus laufenden Mandaten in Industrie, Bau und Treuhand.
Das Gute an dieser Beobachtung: die Arbeit am Wissen ist Arbeit, die jede KMU sowieso schon einmal hätte machen sollen. Eine Wissens-Architektur ist nicht nur KI-Vorbereitung. Sie ist auch Onboarding-Hilfe für neue Mitarbeiter, Sicherheits-Netz wenn ein Schlüssel-Mitarbeiter geht, Qualitäts-Konsistenz wenn die Firma wächst. Die KI ist dann ein Verstärker, kein Selbstzweck.
Automation beginnt mit Architektur.
