AI ist überall. In jeder Keynote, jedem LinkedIn-Post, jeder Produktankündigung. Wenn man den Versprechungen glaubt, löst künstliche Intelligenz bald jedes Problem — von der Buchhaltung bis zur Kaffeemaschine. Aber stimmt das wirklich? Und vor allem: Ist AI auch für Ihr konkretes Problem die beste Lösung?
Ich arbeite täglich mit AI-Tools und baue Automatisierungen für KMU. Und ich sage meinen Kunden regelmässig: Für dieses Problem brauchen Sie keine AI. Das ist kein Marketing-Trick — es ist ehrliche Beratung.
Der AI-Hype — und was dahinter steckt
Seit ChatGPT Ende 2022 den Mainstream erreicht hat, herrscht in vielen Unternehmen eine Mischung aus Faszination und Panik. Die Faszination ist berechtigt — Large Language Models können Dinge, die vor wenigen Jahren undenkbar waren. Die Panik auch — niemand will den Anschluss verpassen.
Das Problem: In diesem Klima wird AI zum Universalwerkzeug erklärt. Jeder Softwareanbieter klebt plötzlich ein AI-Label auf sein Produkt. Ein Chatbot auf der Website? AI. Eine automatisierte E-Mail-Weiterleitung? AI. Ein Dropdown-Menü mit Vorschlägen? AI-powered.
Die Realität sieht anders aus. Viele dieser "AI-Lösungen" sind klassische Automatisierung mit neuem Etikett. Das ist nicht per se schlecht — aber es verzerrt die Erwartungen. Und es führt dazu, dass Unternehmen AI dort einsetzen wollen, wo einfachere Werkzeuge besser, schneller und günstiger wären.
Wann AI echten Mehrwert bringt
AI — insbesondere Large Language Models — ist herausragend gut bei Aufgaben, die sich nicht in einfache Regeln fassen lassen. Konkret:
- Unstrukturierte Daten verarbeiten: E-Mails lesen und nach Inhalt kategorisieren, Dokumente analysieren, handgeschriebene Notizen interpretieren. Überall dort, wo der Input jedes Mal anders aussieht.
- Texte erstellen und zusammenfassen: Produktbeschreibungen generieren, Meeting-Protokolle zusammenfassen, Antworten auf Kundenanfragen vorformulieren.
- Muster erkennen: In grossen Datenmengen Zusammenhänge finden, die ein Mensch übersehen würde — etwa ungewöhnliche Bestellmuster oder wiederkehrende Supportanfragen.
- Natürliche Sprache verstehen: Chatbots die tatsächlich verstehen was jemand meint, nicht nur nach Keywords suchen.
Der gemeinsame Nenner: Die Aufgabe lässt sich nicht exakt mit Wenn-Dann-Regeln beschreiben. Es gibt Ambiguität, Varianz, Interpretation. Genau hier spielt AI ihre Stärke aus.
Wann ein einfaches Script reicht
Jetzt die Gegenseite. Viele Prozesse in KMU sind nicht ambig — sie sind glasklar:
- Wenn eine Bestellung eingeht, lege einen Auftrag im ERP an. Klare Felder, klares Mapping, keine Interpretation nötig.
- Jeden Montag um 8 Uhr: Exportiere die offenen Rechnungen als CSV. Feste Abfrage, festes Format.
- Wenn der Lagerbestand unter 10 fällt, sende eine Benachrichtigung. Ein Vergleich, eine Aktion.
- Synchronisiere Kundendaten zwischen System A und System B. Feld-Mapping, keine Entscheidung nötig.
Für all das brauchen Sie keine AI. Ein Python-Script, ein n8n-Workflow oder eine einfache API-Integration erledigt das zuverlässiger, schneller und ohne laufende Kosten.
Ein konkretes Beispiel: Ein Kunde wollte eingehende Bestellungen automatisch ins ERP übernehmen. Die Bestellungen kamen als strukturierte XML-Dateien — immer im gleichen Format, mit den gleichen Feldern. Ein Berater hatte AI vorgeschlagen. Meine Lösung: ein Script das die XML parst und per API ins ERP schreibt. Entwicklungszeit: wenige Tage. Laufende Kosten: null. Zuverlässigkeit: nahezu perfekt, weil es keine "Interpretation" gibt die schiefgehen kann.
Die Kostenfrage
AI-APIs kosten Geld — pro Aufruf, pro Token, pro Anfrage. Claude, OpenAI, Google — die Preise variieren, aber kostenlos ist keines davon.
Machen wir eine einfache Rechnung auf: Angenommen Sie verarbeiten täglich 100 Dokumente mit einem AI-Modell. Je nach Komplexität und Modell liegen die Kosten bei einigen Rappen bis zu einem Franken pro Dokument. Bei 100 Dokumenten am Tag und 20 Arbeitstagen im Monat sind das schnell CHF 200–2'000 pro Monat — jeden Monat, dauerhaft.
Ein Script das die gleiche Aufgabe regelbasiert löst — sofern das möglich ist — kostet einmalig in der Entwicklung. Danach: null laufende Kosten. Es läuft auf Ihrem eigenen Server, braucht keine externe API und keine Internetverbindung.
Das heisst nicht, dass AI immer teuer ist. Für manche Aufgaben ist der Mehrwert so gross, dass die Kosten irrelevant sind. Aber man sollte die Rechnung aufmachen, bevor man sich für eine Lösung entscheidet.
Mein Entscheidungsbaum
In der Praxis stelle ich meinen Kunden drei einfache Fragen:
1. "Können Sie die Regeln für diese Aufgabe exakt aufschreiben?"
Wenn ja — also wenn Sie sagen können "Wenn Feld A den Wert X hat, dann mache Y" — brauchen Sie keine AI. Ein Script reicht.
2. "Sind die Eingabedaten strukturiert oder unstrukturiert?"
Strukturiert bedeutet: CSV, XML, JSON, Datenbankabfragen — immer das gleiche Format. Hier ist ein Script fast immer die bessere Wahl. Unstrukturiert bedeutet: Freitext-E-Mails, PDFs in verschiedenen Layouts, handschriftliche Notizen. Hier kann AI tatsächlich helfen.
3. "Wie oft ändert sich die Logik?"
Wenn die Regeln sich regelmässig ändern und schwer formalisierbar sind, ist AI flexibler. Wenn die Logik seit Jahren gleich ist und sich absehbar nicht ändert, ist ein Script wartungsärmer.
Faustregel: Wenn Sie den Prozess einem neuen Mitarbeiter in 10 Minuten erklären können — mit klaren Schritten und ohne "das hängt davon ab" — dann ist ein Script die richtige Lösung.
Was ich meinen Kunden empfehle
Ich bin ehrlich: Ich könnte mit jeder Anfrage AI verkaufen. AI-Projekte sind oft grösser, laufen länger und generieren wiederkehrende Einnahmen durch API-Kosten und Wartung. Aber das wäre weder nachhaltig noch fair.
Mein Ansatz: Ich empfehle die einfachste Lösung die das Problem zuverlässig löst. Wenn ein Script reicht, baue ich ein Script. Wenn AI echten Mehrwert bringt, baue ich eine AI-Lösung. Und manchmal ist die Antwort: beides — ein Script für den strukturierten Teil, AI für den unstrukturierten.
Das ist nicht selbstlos. Zufriedene Kunden, die merken dass man ihnen keine unnötig teure Lösung verkauft hat, kommen wieder. Sie empfehlen weiter. Und wenn dann tatsächlich ein AI-Anwendungsfall kommt, ist das Vertrauen da.
Also: Bevor Sie auf den AI-Zug aufspringen, fragen Sie sich — oder fragen Sie mich — ob Ihr Problem wirklich AI braucht. In vielen Fällen ist die langweilige Lösung die bessere.