Wie KMU den KI-Einstieg meistern

Im geschäftlichen Kontext noch am Thema KI vorbeizukommen, ist 2026 kaum mehr möglich. Ob offensichtlich KI-geschriebene Mails und Bewerbungen im Postfach landen oder ein Mitarbeiter für seine Arbeit plötzlich das eigene ChatGPT-Abo nutzt – KI ist allgegenwärtig und wegzuschauen keine Option mehr. Während Manager in Grossunternehmen in ihren Abteilungen schon länger für die immer intensivere Nutzung weibeln, scheinen sich viele KMU aber noch immer zurückzuhalten. Die Anfang 2026 erschienene AI Maturity Study 2026 der HSLU und Ti&m bestätigt das: Grossunternehmen sind KMU weit voraus, wenn es um KI-Adaption geht. KI sei zwar im Schweizer Mittelstand angekommen. Die Nutzung sei aber noch verhalten und beschränke sich, wenn überhaupt, auf einfache, risikoarme Anwendungsfälle.


Vertreter der auf den nächsten Seiten gelisteten Schweizer KI-Plattformen (die Übersicht erhebt keinen Anspruch auf Vollständigkeit) bestätigen dieses Bild mehrheitlich. «Der Grossteil der Schweizer Firmen befindet sich noch im Experimentierstadium», so etwa Chris Beyeler, Präsident der Swiss AI Association mit Blick auf die KMU-Landschaft. Jens Margraf, CEO von AI Now, bestätigt diese Einschätzung und ergänzt: «Die grösste Hürde ist dabei nicht die Technologie, sondern die Nutzerkompetenz. Das Verständnis dafür, was KI überhaupt leisten kann und wie man sie sinnvoll einsetzt.»

Aussitzen birgt Risiken

Das vorsichtige Abwarten der KMU hat jedoch seinen Preis. Denn im privaten Raum ist KI bereits allgegenwärtig: Laut einer Comparis-Studie nutzen drei Viertel der Schweizer Erwachsenen regelmässig ChatGPT, Gemini & Co. Und weil der Mensch ein Gewohnheitstier ist, trägt er seine KI-Helferlein nachvollziehbarerweise in seinen Arbeitsalltag hinein.

Das führt bei KMU unter Umständen aber zu einer heiklen Schatten-IT, wie Jonas Kamber, Gründer und CEO von Mono, betont: «In den allermeisten KMU wird KI längst eingesetzt – jedoch oft an der IT vorbei.» Dabei werden aber teils sensible Daten der Unternehmen an die KI-Anbieter weitergegeben, die damit ihre nächsten Modelle trainieren. «Die Hürde liegt für KMU also weniger in der Technologie selbst, sondern in einer sicheren, geordneten Einführung. Es braucht Plattformen, die Datenschutz garantieren, ohne die Mitarbeitenden in ihren Gewohnheiten einzuschränken», wie Kamber schlussfolgert.


Auf den vorliegenden Seiten portraitieren wir daher sieben Schweizer KI-Plattformen. Und eines fällt im direkten Vergleich sofort auf: Ausnahmslos alle Schweizer Plattformen geben an, nicht mit den von Kunden eingegebenen Daten weiter zu hantieren und diese zum Training zu nutzen. Weiter werden alle Lösungen entweder hierzulande und damit im Schweizer Rechtsraum oder in der EU unter den strengen DSGVO-Vorgaben gehostet.

Spezialisierung, Unabhän­gig­keit und Wahlfreiheit

Gerade für kleine und mittelständische Unternehmen stellt sich bei der KI-Einführung eine zentrale Frage: Für welchen Anbieter entscheidet man sich, wenn eines der Teams coden muss, ein anderes Bilder erstellen und ein drittes sich auf Textaufgaben konzentriert? Die Antwort sind KI-Plattformen, über die verschiedene Modelle genutzt werden können, auch Multi-Modell-Plattformen genannt.

«Der grösste Vorteil bei KI-Plattformen ist die Spezialisierung», so Jonas Kamber. «Verschiedene Modelle brillieren in unterschiedlichen Disziplinen: Eine komplexe Datenanalyse verarbeitet Gemini Pro am besten, einen Text redigiert Claude Sonnet am natürlichsten, und Bilder werden von Modellen wie Nano Banana generiert.» Auch führt er das Thema Nutzerpräferenz ins Feld: «Auf einer Multi-Modell-Plattform kann jeder sein Lieblingsmodell nutzen, während alle im selben datensicheren Workspace bleiben.» Je nach Plattform lässt sich das gewünschte Modell manuell auswählen, bei manchen kommt automatisch das geeignetste Modell zum Einsatz, ausgehend von der aktuellen Aufgabe.


Jens Margraf von AI Now betont derweil die Wahlfreiheit und Unabhängigkeit, von der besonders KMU bei der Nutzung von Multi-Modell-Plattformen profitieren: «Man braucht nur eine Subscription statt fünf, und bekommt einen zentralen Zugang mit Governance und Kostenkontrolle. So muss sich ein KMU nicht auf ein Pferd festlegen und beim nächsten Modellsprung nicht erneut migrieren.»

Der allumfassende und bereits angesprochene Vorteil, den ausschliesslich die Schweizer Anbieter erfüllen können: Digitale Souveränität und Vertrauen. Kompromisslose Datensicherheit und -hoheit nach Schweizer oder europäischem Recht ist damit ebenfalls zentraler USP für die Schweizer Plattformen.

Als zentralen Nachteil der Multi-Modell-Plattformen nennen sowohl Margraf als auch Kamber die Verspätung, mit der Nutzer Zugang zu gewissen Spezialfunktionen der grossen Modell-Anbieter bekommen. «Eine gute Plattform muss hier nah dranbleiben, sonst wird der Bündelungsvorteil zum Funktionsnachteil», wie Jens Margraf festhält.

Wie Datenhoheit und Perso­nalisierung zusammenpassen

Einer der grossen bereits erwähnten Vorteile der Schweizer Multi-Modell-Plattformen ist die Datenhoheit in der Schweiz und die Garantie der Anbieter, dass die Eingaben nicht ins Modell-Training gelangen. «Es ist für Schweizer Unternehmen ein absolutes No-Go, dass ihre sensiblen Daten in das globale Training von US-Modellen fliessen», sagt etwa Jonas Kamber. Viele Multi-Modell-Plattformen arbeiten daher mit einem separaten Layer, über den die eingesetzten Modelle auf unternehmensspezifische Informationen (bspw. CI/CD des Kunden oder Details zu Projekten) und auf bereits getätigte Eingaben zurückgreifen können. «Auch wenn keine Daten direkt an US-Anbieter fliessen, lassen sich Informationen durch eine kluge Architektur lokal oder in sicheren Umgebungen zwischenspeichern, damit die KI sie weiterverarbeiten kann», wie Chris Beyeler erklärt.


Die Annahme, dass man damit auf Personalisierungs-Benefits verzichten müsse, bezeichnet auch Jens Margraf als «Zielkonflikt, der keiner ist». Der Kunde könne bei guten KI-Plattformen selbst definieren, was die KI über ihn weiss, welche Informationen sie hinzuziehen darf und was sie sich merkt. «Die Ergebnisse werden also sehr wohl genauer und persönlicher – nur datenschutzkonform und reversibel.»

Kostenfalle KI?

Nutzer von Github Copilot haben es jüngst am eigenen Leib zu spüren bekommen: Weil Microsoft realisiert hat, dass eine Flatrate für KI teilweise zu einer ausufernden Nutzung führte, konnte der Service nicht mehr wirtschaftlich betrieben werden. Man führte also kurzerhand ein Bezahlsystem nach verbrauchten Tokens ein. Für manche Nutzer, die sich bereits an die Flatrate gewöhnt haben, zog das eine Kostenexplosion nach sich. Chris Beyeler und Jens Margraf sprechen in diesem Zusammenhang gar von der Entstehung einer «KI-Volatilitätssteuer». Laut den befragten Experten eine völlig absehbare Entwicklung, die angesichts der benötigten Planungssicherheit in KMU aber ein Problem darstellt.

Sowohl Chris Beyeler als auch Jonas Kamber pochen hier auf das Schlagwort Effizienz: Beyeler betont, dass Nutzer, die effizient mit KI arbeiten, schnellere Ergebnisse und tiefere Kosten erwarten dürfen. Kamber betrachtet die Lösung derweil aus Sicht des Plattformbetreibers: «Eine einfache Textzusammenfassung wird an ein schnelles, kosteneffizientes Modell geleitet, während komplexe Analyseaufgaben an die teuren Premium-Modelle gehen.» Eine Kombination beider Ansätze – Nutzerkompetenz und eine effizient konzipierte Plattform – erscheint zielführend.


Jens Margraf zusammenfassend: «Reine, grenzenlose Flatrates werden mittelfristig nicht haltbar sein. Realistisch sehe ich hybride Modelle: faire Grundpakete plus transparente Nutzungskomponenten. Und damit wird Nutzerkompetenz zum echten Kostenfaktor. Wer KI effizient bedient, kommt schneller ans Ziel und zahlt weniger.»

In der nachfolgenden Bildergalerie stellen wir Ihnen sieben Schweizer Lösungen im Detail vor. (win)