Im letzten Newsletter haben wir gezeigt, wie du als Führungskraft deine Steuerungsfähigkeit zurückgewinnst. Jetzt gehen wir den logischen nächsten Schritt. Das ProAct KI-Framework für KMU verbindet wirtschaftlichen Nutzen mit Datenkontrolle und ethischen Leitplanken. Es basiert nicht auf theoretischen Whitepapern, sondern auf dem, was wir im eigenen Betrieb bei ProAct umsetzen.
So machst du KI von einer unkontrollierten Spielerei zu einer gesteuerten Unternehmensfähigkeit:
KI darf niemals Selbstzweck sein. Bevor ein Tool eingeführt wird, beurteilen wir mögliche Anwendungen nicht nur nach ihrem potenziellen ROI, sondern nach diesen vier Kriterien:
Das Problem: Welches konkrete Problem soll gelöst werden und wie lässt sich der Nutzen messen?
Die Daten: Welche Daten werden benötigt, wie sensibel sind sie und welche Folgen hätten fehlerhafte oder verzerrte Ergebnisse?
Die Kontrolle: Können deine Mitarbeitenden die Resultate fachlich überprüfen? Bleibt die Entscheidungshoheit zwingend beim Menschen?
Der Lock-in: Welche neuen Abhängigkeiten entstehen gegenüber Tools und Anbietern?
Eine KI-Zusammenfassung von internen Sitzungsprotokollen hat ein völlig anderes Risikoprofil als die automatisierte Bewertung von Bewerbungsdossiers. Je grösser die Auswirkungen auf Menschen, Kund:innen oder Finanzen, desto engmaschiger muss das Netz aus Transparenz und organisatorischer Kontrolle gesponnen sein. Das Ziel ist ein priorisiertes Use-Case-Portfolio: Sinnvolles wird umgesetzt, Kritisches bewusst gestoppt.
Aus unserer Praxis: Bei ProAct sind wir mit einem risikoarmen, internen Use Case gestartet. Ein Self-Service-Assistent in Microsoft Copilot Studio unterstützt uns heute beim Erstellen standardisierter Berater-CVs für Offerten. Der Nutzen ist messbar, die Datenstruktur ist bekannt und jedes Ergebnis wird vor dem Versand zwingend geprüft.
Merke: Ein guter KI-Use-Case ist nicht nur technisch machbar. Er ist wirtschaftlich sinnvoll, organisatorisch beherrschbar und fachlich überprüfbar.
Technologie ist nur so schlau wie die Daten, auf die sie zugreift. In vielen KMU liegen kritische Informationen jedoch verstreut in Ordnern, Mails und persönlichen Chats. Verantwortungsvolle KI beginnt deshalb nicht beim Prompting, sondern beim Aufräumen.
Bevor du KI auf deine Daten loslässt, brauchst du Klarheit:
Welche Informationen sind öffentlich, intern, vertraulich oder besonders schützenswert?
Dürfen externe KI-Dienste diese Daten verarbeiten (und speichern)?
Lassen sich Prompts und Ergebnisse exportieren, damit Wissen nicht in persönlichen Accounts versickert?
Du musst nicht zwingend das gesamte Firmenarchiv bereinigen. Bereite die Daten gezielt für deine priorisierten Use Cases vor. Aber die Grundregel bleibt: Du musst wissen, was du besitzt, wie schützenswert es ist und ob die KI-Nutzung dafür angemessen ist.
Aus unserer Praxis: In unserem Microsoft-365-Tenant arbeiten wir konsequent mit vier Sensitivity Labels: Öffentlich, Intern, Vertraulich und Geheim. Die höchste Stufe ist verschlüsselt. Diese Klassifizierung greift auch für Teams und SharePoint. So ist technisch und organisatorisch wasserdicht geregelt, welche Informationen überhaupt in Richtung KI fliessen dürfen.
Merke: Datenkontrolle beginnt mit Transparenz. Nur wer seine Informationen klassifiziert, kann KI verantwortungsvoll steuern.
Ein erfolgreicher Pilot ist schön und gut, doch die Wahrheit zeigt sich im produktiven Betrieb. Dauerhaft zuverlässig, sicher und wirtschaftlich wird KI erst durch eine pragmatische Governance:
Welche KI-Tools sind für welche Aufgaben freigegeben (und welche sind strikt verboten)?
Welche Ergebnisse müssen durch Menschen geprüft werden (Human-in-the-Loop)?
Wer trägt die fachliche, technische und organisatorische Verantwortung, wenn der Output falsch ist?
Die Dosis der Kontrolle richtet sich immer nach dem Risiko. Interne Recherchen erlauben Stichproben. Kundenkommunikation oder personalrelevante Entscheidungen erfordern zwingend das finale Go eines Menschen. KI unterstützt Entscheidungen, sie übernimmt aber nie die Haftung dafür.
Aus unserer Praxis: Governance ist bei uns nicht nur ein Papiertiger, sie ist technisch verankert. Sogenannte DLP-Regeln (Data Loss Prevention) verhindern, dass als «vertraulich» oder «geheim» klassifizierte Inhalte durch Copilot verarbeitet werden. Eine gehärtete Microsoft-365-Umgebung flankiert diese Regeln.
Governance soll Innovation nicht abwürgen. Im Gegenteil: Sie schafft überhaupt erst die psychologische und strukturelle Sicherheit, um KI im Unternehmen breit und vertrauensvoll auszurollen.
Digitale Souveränität bedeutet für Schweizer KMU nicht, dass ihr eigene Sprachmodelle entwickeln müsst. Sie bedeutet, dass ihr bewusst entscheiden könnt, wofür KI eingesetzt wird, welche Daten verarbeitet werden und wer die Verantwortung trägt.
Das ProAct KI-Framework sichert diese Souveränität in drei Etappen:
Geeignete Use Cases priorisieren
Daten-Readiness schaffen
KI mit klarer Governance betreiben
Diesen Weg sind wir bei ProAct selbst gegangen. So wird KI nicht zu einer unübersichtlichen Schatten-IT, sondern zu einer echten, steuerbaren Kernfähigkeit eures Unternehmens.
Wir unterstützen dich dabei, geeignete Use Cases zu priorisieren, Risiken einzuordnen sowie organisatorische und technische Leitplanken zu errichten. Ob erste Orientierung oder Begleitung bei der konkreten Umsetzung: Unser Ansatz verbindet strategische Weitsicht mit der Hemdsärmeligkeit der Praxis. Jetzt KI-Potential unverbindlich besprechen.