Schweizer KMU und KI: 5 Erfolgsgeschichten aus der Praxis

Es gibt einen Moment, den wir bei fast jedem Projekt erleben. Er kommt irgendwann in den ersten Wochen nach der Einführung. Ein Geschäftsführer, eine Teamleiterin oder ein Sachbearbeiter lehnt sich zurück, schüttelt ungläubig den Kopf und sagt: «Warum haben wir das nicht schon vor zwei Jahren gemacht?»

Dieser Moment ist der Grund, warum wir diesen Artikel schreiben. Nicht, weil KI-Technologie beeindruckend ist – das ist sie zweifellos. Sondern weil die Geschichten dahinter zeigen, was passiert, wenn ganz normale Schweizer KMU den Schritt wagen. Keine Silicon-Valley-Startups. Keine Konzerne mit Millionenbudgets. Sondern Betriebe wie Ihrer: mit begrenzten Ressourcen, vollem Tagesgeschäft und gesunder Skepsis.

Die fünf Unternehmen, die wir Ihnen hier vorstellen, haben eines gemeinsam: Sie haben nicht alles auf einmal umgekrempelt. Sie haben klein angefangen, pragmatisch gehandelt und sich von den Resultaten leiten lassen. Ihre Geschichten sind keine Heldenepen – sie sind Anleitungen.

1. Treuhand Keller & Partner, Zürich – Vom Papierberg zur digitalen Effizienz

Das Unternehmen

Die Treuhand Keller & Partner AG ist ein klassisches Zürcher Treuhandbüro im Kreis 4 mit acht Mitarbeitenden. Seit 18 Jahren betreut das Team rund 280 Mandate – vom Einzelunternehmer bis zur GmbH mit zwanzig Angestellten. Die Arbeit war solide, die Kunden zufrieden. Aber Patrick Keller, Inhaber und Geschäftsführer, spürte zunehmend den Druck: Die Mandatsvolumen wuchsen, gute Fachkräfte waren schwer zu finden, und sein Team versank in Papier.

Die Herausforderung

Jeden Monat verarbeitete das Büro rund 3’200 Belege – Rechnungen, Kontoauszüge, Lohnabrechnungen, Verträge. Das Sortieren, Zuordnen und Eintippen kostete drei Mitarbeitende je etwa 15 Stunden pro Woche. Dazu kamen Fehler: Falsche Kontierungen, übersehene Belege, doppelte Erfassungen. Die Nachbearbeitung frass weitere Stunden. Patrick rechnete nach: Rund 40% der gesamten Arbeitszeit floss in stumpfe Datenverarbeitung statt in die eigentliche Beratung.

Die Lösung

Nach einer Potenzialanalyse entschied sich das Team für eine Kombination aus einem KI-gestützten Dokumentenerfassungstool (Parashift, ein Schweizer Anbieter) und automatisierten Workflows über Make (ehemals Integromat), die direkt in ihr Buchhaltungssystem Abacus einspeisen. Die KI erkennt Belegtypen automatisch, extrahiert relevante Daten – Betrag, Datum, Kreditor, MwSt.-Satz – und ordnet sie dem richtigen Mandat und Konto zu.

Der Weg dorthin

Die Implementierung dauerte sechs Wochen. Die erste Woche bestand aus der Analyse bestehender Prozesse. In Woche zwei und drei wurde die Schnittstelle zu Abacus eingerichtet und die KI mit historischen Belegen trainiert. Woche vier bis sechs waren Testbetrieb mit Parallellauf – das Team prüfte jede KI-Zuordnung manuell, bis das Vertrauen da war.

Das grösste Hindernis war nicht die Technik, sondern die Gewohnheit. Eine langjährige Mitarbeiterin war zunächst skeptisch: «Ich weiss doch am besten, wie meine Mandanten buchen.» Nach zwei Wochen war sie die grösste Befürworterin – die KI entlastete sie von genau den Aufgaben, die sie am wenigsten mochte.

Die Resultate

• Zeitersparnis bei der Belegverarbeitung: 60% – von 15 auf 6 Stunden pro Mitarbeitende und Woche
• Fehlerquote: von 4,2% auf 0,8% (die KI macht weniger Flüchtigkeitsfehler als müde Augen)
• Jährliche Einsparung: rund CHF 78’000 an Arbeitszeit, die nun in Beratung fliesst
• Mandatskapazität: 15% mehr Mandate ohne neue Stelle
• Investition: CHF 14’000 Setup, CHF 890/Monat laufend

Das Learning

Starten Sie dort, wo der Schmerz am grössten ist – nicht dort, wo die Technologie am spannendsten wirkt. Für Keller & Partner war es die stupide Belegerfassung. Nicht glamourös, aber hochwirksam.

«Ich hatte Angst, dass KI unser Geschäft unpersönlich macht. Das Gegenteil ist passiert. Mein Team hat endlich wieder Zeit, mit den Mandanten zu reden statt deren Belege abzutippen. Wir beraten mehr, tippen weniger – und die Mandanten merken den Unterschied.» — Patrick Keller, Inhaber Treuhand Keller & Partner AG, Zürich

---

2. Gruppo Sapori, Bern – Wenn die KI weiss, was morgen auf den Teller kommt

Das Unternehmen

Die Gruppo Sapori betreibt drei italienische Restaurants in Bern – eines an der Aarbergergasse, eines in Bümpliz und eines in Köniz. Inhaberin Laura Bernasconi führt das Familienunternehmen in zweiter Generation mit insgesamt 24 Angestellten (Küche und Service). Die Qualität stimmt, die Stammkunden sind treu. Aber ein Problem nagte an den Margen: Food Waste.

Die Herausforderung

Wie jeder Gastronom kennt Laura das Dilemma: Zu viel einkaufen heisst wegwerfen. Zu wenig einkaufen heisst enttäuschte Gäste und verpasste Umsätze. Über alle drei Standorte hinweg landeten monatlich Lebensmittel im Wert von rund CHF 8’500 im Abfall. Dazu kam: Die Menüplanung basierte auf Bauchgefühl. Was letzte Woche gut lief, wurde wieder bestellt – ohne die Zusammenhänge zu verstehen. Warum lief das Ossobuco am Dienstag schlecht, aber am Freitag hervorragend? Niemand wusste es genau.

Die Lösung

Laura implementierte eine KI-gestützte Lösung aus zwei Komponenten: Erstens ein Prognosetool (basierend auf der Plattform Delicious Data), das Besucherzahlen und Menüpräferenzen pro Standort und Wochentag vorhersagt. Es berücksichtigt Wetter, Feiertage, lokale Events und historische Verkaufsdaten. Zweitens ein automatisiertes Bestellsystem, das daraus optimierte Einkaufslisten für jeden Standort generiert.

Der Weg dorthin

Die grösste Hürde war die Datengrundlage. Lauras Kassensystem (Lightspeed) hatte zwar alle Verkaufsdaten der letzten vier Jahre, aber sie mussten erst strukturiert exportiert und bereinigt werden. Dieser Schritt dauerte drei Wochen. Die eigentliche KI-Integration brauchte weitere zwei Wochen. Nach fünf Wochen lief das System – zunächst nur am Standort Aarbergergasse als Pilot.

Die Köche waren anfangs skeptisch. «Eine Maschine sagt mir, wie viel Risotto ich kochen soll?» Aber als die Vorhersagen nach wenigen Wochen erstaunlich genau wurden, wich die Skepsis der Neugier. Heute fragt der Küchenchef morgens als Erstes den Forecast ab.

Die Resultate

• Food Waste: von CHF 8’500 auf CHF 7’200 pro Monat (-15%), Tendenz weiter sinkend
• Jährliche Einsparung: rund CHF 15’600 (und steigend, da das System mit jeder Woche besser wird)
• Umsatzsteigerung: +8% durch bessere Verfügbarkeit beliebter Gerichte
• Einkaufszeit: 40% weniger – die Bestelllisten kommen automatisch
• Investition: CHF 6’500 Setup, CHF 420/Monat laufend

Das Learning

Daten, die Sie schon haben, sind Gold wert. Laura sass auf vier Jahren Kassendaten, ohne je systematisch hineingeschaut zu haben. Die KI hat nichts Magisches getan – sie hat Muster gefunden, die im Alltag unsichtbar blieben. Zum Beispiel: An regnerischen Donnerstagen in Bümpliz bestellen 35% mehr Gäste Pasta statt Salat.

«Ich bin Köchin, keine IT-Spezialistin. Aber das musste ich auch nicht sein. Heute spare ich pro Woche drei Stunden bei der Bestellplanung und werfe deutlich weniger weg. Das fühlt sich nicht nur wirtschaftlich richtig an – es ist auch ethisch besser. Essen gehört auf den Teller, nicht in den Abfall.» — Laura Bernasconi, Inhaberin Gruppo Sapori, Bern

---

3. Nordlicht GmbH, Basel – Aus Einmalkäufern werden Stammkunden

Das Unternehmen

Die Nordlicht GmbH verkauft über ihren Online-Shop skandinavisch inspirierte Wohnaccessoires und Möbel. Gegründet vor sechs Jahren, beschäftigt das Basler Unternehmen zwölf Mitarbeitende – vom Lager über den Einkauf bis zum Marketing. Der Shop lief gut, die Bewertungen waren hervorragend. Aber Geschäftsführer Tobias Frei hatte ein Zahlenproblem: Nur 18% der Kunden kamen für einen zweiten Kauf zurück.

Die Herausforderung

Die Kundenakquise über Google Ads und Social Media wurde stetig teurer. Die Cost per Acquisition (CPA) lag bei CHF 42 pro Neukunde. Bei einer durchschnittlichen Erstbestellung von CHF 135 und einer Marge von 38% hiess das: Der erste Kauf war fast ein Nullsummenspiel. Das Geschäft rechnete sich nur, wenn Kunden wiederkamen. Und genau das taten sie zu selten. Gleichzeitig stiegen die Support-Anfragen: Lieferstatus, Retouren, Produktfragen – das zweiköpfige Support-Team war am Anschlag.

Die Lösung

Tobias setzte auf zwei KI-Systeme, die zusammenwirken: Einen KI-gestützten Kundenservice-Bot (basierend auf der Claude API, integriert in den Shopify-Shop) und ein Personalisierungssystem, das jedem Kunden individuelle Produktempfehlungen, Follow-up-E-Mails und Angebote zusammenstellt. Der Bot beantwortet nicht nur Fragen, sondern berät aktiv – ähnlich wie ein aufmerksamer Verkäufer im Laden, der den Geschmack seiner Kunden kennt.

Der Weg dorthin

Die Implementierung verlief in zwei Phasen. Phase eins (vier Wochen): Der Support-Bot wurde aufgesetzt, mit dem Produktkatalog und den häufigsten Kundenanfragen trainiert und in den Shop eingebunden. Phase zwei (weitere drei Wochen): Die Personalisierungs-Engine wurde mit historischen Kaufdaten gefüttert und mit dem E-Mail-Marketing-Tool Klaviyo verbunden.

Die grösste Herausforderung war die Tonalität. Nordlicht lebt von einem warmen, persönlichen Markenerlebnis. Der Bot durfte nicht klingen wie eine Behörde. Es brauchte mehrere Iterationen, bis der Ton stimmte – freundlich, kompetent, mit einer Prise skandinavischem Understatement.

Die Resultate

• Wiederkaufrate: von 18% auf 25% innerhalb von sechs Monaten (+40%)
• Customer Lifetime Value: von CHF 185 auf CHF 268 (+45%)
• Support-Anfragen durch Bot gelöst: 72% ohne menschliches Eingreifen
• Support-Team: Entlastung um 28 Stunden pro Woche – die gewonnene Zeit fliesst in proaktive Kundenbetreuung und Community-Aufbau
• Jährliche Mehrumsatz durch Personalisierung: geschätzt CHF 95’000
• Investition: CHF 18’000 Setup, CHF 1’200/Monat laufend

Das Learning

KI im Kundenservice ist kein Ersatz für Menschlichkeit – es ist ein Verstärker davon. Der Bot bei Nordlicht übernimmt die Routinefragen (Wo ist mein Paket? Kann ich umtauschen?), damit das Team sich auf die Momente konzentrieren kann, die wirklich zählen: eine persönliche Nachricht nach dem ersten Kauf, eine handgeschriebene Karte bei der dritten Bestellung, ein Anruf, wenn etwas schiefgelaufen ist.

«Unsere Kunden sagen uns oft, sie fühlen sich bei uns besser betreut als bei grossen Online-Händlern. Das liegt nicht daran, dass wir mehr Leute haben – sondern daran, dass unsere Leute jetzt Zeit für die richtigen Dinge haben. Die KI hat uns nicht unpersönlicher gemacht. Sie hat uns erlaubt, persönlicher zu sein.» — Tobias Frei, Geschäftsführer Nordlicht GmbH, Basel

---

4. Architektur Bürkli, Luzern – In einem Drittel der Zeit zum überzeugenden Vorschlag

Das Unternehmen

Das Büro Architektur Bürkli am Luzerner Hirschengraben besteht aus sechs Personen: zwei Partner, drei Architekten und eine Assistentin. Das Team ist bekannt für sorgfältige Entwürfe und hochwertige Umbauten im Bestand. Aber genau diese Sorgfalt hatte einen Preis: Die Angebots- und Wettbewerbsphase war extrem zeitintensiv.

Die Herausforderung

Ein typisches Wettbewerbsprojekt erforderte drei bis vier Wochen Vorarbeit: Machbarkeitsstudie, erste Entwürfe, fotorealistische Visualisierungen, technische Dokumentation und das Dossier für den Bauherrn. Bei einer Erfolgsquote von etwa einer von fünf Eingaben bedeutete das: 80% dieser Arbeit führte zu nichts. Die unbezahlte Vorleistung drückte auf die Liquidität und die Motivation. Mehrfach hatte das Team auf interessante Projekte verzichtet, weil schlicht die Kapazität fehlte.

Die Lösung

Architektur Bürkli implementierte KI an drei Stellen im Angebotsprozess: Erstens nutzen sie ein KI-gestütztes Rendering-Tool (Midjourney in Kombination mit ControlNet für architektonische Konsistenz), das aus Grundrissen und Handskizzen innerhalb von Minuten fotorealistische Visualisierungen erzeugt. Zweitens setzen sie Claude für die Texterstellung ein – Projektbeschreibungen, technische Berichte und Machbarkeitsstudien. Drittens automatisiert ein Make-Workflow die Zusammenstellung des Angebotsdossiers aus Vorlagen, Textbausteinen und generierten Bildern.

Der Weg dorthin

Die Einführung war ein Prozess über acht Wochen. Die grösste Investition war die Entwicklung eines konsistenten Bild-Workflows: Die generierten Visualisierungen mussten architektonisch plausibel sein, zum Stil des Büros passen und dem Bauherrn einen realistischen Eindruck vermitteln. Es brauchte Dutzende Testläufe, bis die Prompts und Kontrollparameter stimmten. Auch die Textgenerierung erforderte Feinarbeit – die KI musste den Fachjargon, die SIA-Normen und den Tonfall des Büros lernen.

Was half: Die beiden Partner nahmen sich bewusst einen Tag pro Woche Zeit für die Einführung, statt sie nebenbei zu erledigen. Diese Disziplin zahlte sich aus.

Die Resultate

• Angebotszeit: von 3–4 Wochen auf 5–8 Arbeitstage (3x schneller)
• Visualisierungen: von CHF 2’500–4’000 pro externes Rendering auf praktisch null (intern generiert)
• Mehr Teilnahmen: Das Team reicht nun an doppelt so vielen Wettbewerben ein
• Erfolgsquote: Leicht gestiegen (von 20% auf 24%) – weil die Visualisierungen überzeugender sind
• Jährliche Einsparung: CHF 45’000 (Renderings + Arbeitszeit)
• Investition: CHF 8’000 Setup, CHF 650/Monat laufend

Das Learning

KI ersetzt nicht das architektonische Denken – sie beschleunigt dessen Kommunikation. Die Entwurfsqualität kommt nach wie vor von den Architekten. Aber die Fähigkeit, eine Idee innerhalb von Stunden statt Wochen visuell und textlich überzeugend zu präsentieren, ist ein echter Wettbewerbsvorteil. Gerade für kleine Büros, die gegen grössere Firmen antreten.

«Als Architekt lebe ich vom visuellen Denken. Früher war der Weg von der Skizze in meinem Kopf zum Bild auf dem Papier des Bauherrn lang und teuer. Heute kann ich am Morgen eine Idee haben und am Nachmittag ein fotorealistisches Bild vorzeigen. Das verändert nicht nur unsere Effizienz – es verändert, wie wir Architektur machen. Wir können mutiger sein, weil das Ausprobieren fast nichts mehr kostet.» — Mirjam Bürkli, Partnerin Architektur Bürkli, Luzern

---

5. Rüegg Präzisionstechnik AG, St. Gallen – Wo KI-Augen schärfer sehen als menschliche

Das Unternehmen

Die Rüegg Präzisionstechnik AG in Gossau bei St. Gallen fertigt hochpräzise Metallteile für die Medizintechnik und den Maschinenbau. 45 Mitarbeitende, davon 30 in der Produktion, arbeiten mit CNC-Fräsmaschinen und Drehautomaten. Die Toleranzen sind winzig – oft im Hundertstelmillimeter-Bereich. Die Qualitätsanforderungen der Kunden, darunter mehrere Medtech-Unternehmen, sind entsprechend hoch.

Die Herausforderung

Trotz erfahrener Qualitätsprüfer lag die Ausschussrate bei 3,8%. Das klingt wenig, war aber teuer: Bei einem Jahresumsatz von CHF 9,2 Millionen bedeutete das Material- und Arbeitszeitverluste von rund CHF 350’000 pro Jahr. Hinzu kam: Die visuelle Endkontrolle war ermüdend. Die Prüfer inspizierten hunderte Teile pro Schicht unter dem Messmikroskop. Gegen Ende der Schicht stieg die Fehlerquote nachweislich an – Konzentrationsschwäche ist menschlich. Und ein einziges fehlerhaftes Medizintechnik-Teil, das zum Kunden gelangt, kann eine Rückrufaktion auslösen.

Die Lösung

Rüegg installierte ein KI-basiertes visuelles Inspektionssystem (basierend auf industrieller Bildverarbeitung mit NVIDIA Jetson Edge-Computing und einem massgeschneiderten Erkennungsmodell). Hochauflösende Kameras fotografieren jedes Teil aus mehreren Winkeln direkt nach der Fertigung. Die KI analysiert die Bilder in Echtzeit und erkennt Oberflächenfehler, Masshaltigkeit und Formabweichungen – schneller und konsistenter als das menschliche Auge.

Der Weg dorthin

Dieses Projekt war das komplexeste und teuerste der fünf Fallstudien. Die Implementierung dauerte vier Monate. Der erste Monat bestand aus der Installation der Kamerasysteme und der Beleuchtung (industrielle Bildverarbeitung ist extrem empfindlich auf Lichtverhältnisse). Monate zwei und drei waren Training des KI-Modells: Das Team fotografierte tausende Teile – gute und fehlerhafte – und annotierte die Defekte manuell. Im vierten Monat lief ein Parallelbetrieb: KI und menschliche Prüfer kontrollierten dieselben Teile, und jede Abweichung wurde analysiert.

Das grösste Hindernis: Die KI war anfangs zu empfindlich. Sie klassifizierte 12% der einwandfreien Teile als fehlerhaft (False Positives). Das frustrierte die Produktion, weil ständig nachgeprüft werden musste. Erst nach mehreren Runden Feinjustierung – und dem Hinzufügen von «Grenzfall»-Beispielen ins Training – sank die False-Positive-Rate auf akzeptable 1,5%.

Die Resultate

• Ausschussrate: von 3,8% auf 0,7% (-80%)
• Jährliche Einsparung: rund CHF 285’000 (Material, Arbeitszeit, Nacharbeit)
• Prüfgeschwindigkeit: 4x schneller als manuelle Kontrolle
• Reklamationen durch Kunden: von durchschnittlich 2,1 pro Monat auf 0,3
• Qualitätsprüfer: Zwei der drei Prüfer arbeiten nun in der Prozessoptimierung statt in der Endkontrolle – eine höherwertige und befriedigendere Tätigkeit
• Investition: CHF 85’000 (Hardware + Software + Training), CHF 1’800/Monat Wartung und Hosting

Das Learning

Bei industrieller KI ist die Datenqualität alles. Das Modell ist nur so gut wie die Bilder und Annotationen, mit denen es trainiert wird. Rüegg investierte einen erheblichen Teil des Budgets in saubere Trainingsdaten – und das war die richtige Entscheidung. Zudem: Die Umschulung der Qualitätsprüfer war nicht nur nötig, sondern willkommen. Die betroffenen Mitarbeiter wechselten von einer monotonen Tätigkeit in eine analytische Rolle – sie optimieren jetzt Prozesse, statt Teile zu starren.

«In der Präzisionsfertigung ist Qualität kein Nice-to-have, sondern existenziell. Wenn ein fehlerhaftes Teil in ein Medizingerät eingebaut wird, geht es um Menschenleben. Die KI hat unsere Qualität auf ein Niveau gehoben, das wir mit menschlicher Kontrolle allein nie erreicht hätten. Und gleichzeitig sind meine Leute zufriedener, weil sie endlich die Arbeit machen, für die sie ausgebildet wurden – denken, analysieren, verbessern – statt stundenlang durch ein Mikroskop zu schauen.» — Thomas Rüegg, CEO Rüegg Präzisionstechnik AG, St. Gallen

---

Was diese fünf Geschichten uns lehren

Fünf Unternehmen, fünf Branchen, fünf verschiedene Ansätze. Aber wenn wir genau hinsehen, teilen alle fünf dieselben Erfolgsprinzipien:

1. Sie haben ein konkretes Problem gelöst, kein abstraktes Konzept eingeführt. Keines dieser Unternehmen hat «KI eingeführt, weil man das jetzt halt macht». Jedes hatte ein klar benennbares Problem: zu viele Belege, zu viel Food Waste, zu wenig Wiederkäufer, zu langsame Angebote, zu viele Fehler. Die KI war das Werkzeug, nicht der Zweck.

2. Sie haben klein angefangen und skaliert. Laura testete erst an einem Standort. Tobias startete mit dem Bot, bevor er die Personalisierung aufschaltete. Mirjam begann mit den Renderings, bevor sie die Textgenerierung hinzunahm. Der Pilot-Ansatz reduziert Risiko und schafft Vertrauen.

3. Sie haben ihre Mitarbeitenden mitgenommen. In jeder Geschichte gab es anfangs Skepsis. Und in jeder Geschichte wurde diese Skepsis durch Einbindung überwunden – nicht durch Anordnung. Die Mitarbeitenden, die anfangs am skeptischsten waren, sind heute oft die grössten Verfechter.

4. Sie haben in Datenqualität investiert. Ob Kassendaten, Beleghistorie, Produktkatalog oder Trainingsbilder – die Qualität der Eingangsdaten bestimmt die Qualität der Ergebnisse. Alle fünf Unternehmen investierten bewusst Zeit in die Aufbereitung ihrer Daten.

5. Sie haben sich Hilfe geholt. Keines dieser Projekte wurde komplett allein umgesetzt. Alle nutzten externe Expertise für Setup, Integration und Training. Und das ist keine Schwäche – es ist klug. Ein Treuhänder versteht Buchhaltung. Ein Architekt versteht Entwurf. Für die KI-Implementierung gibt es Spezialisten.

Ihr KMU ist als nächstes dran

Vielleicht haben Sie sich in einer dieser Geschichten wiedergefunden. Vielleicht kämpfen Sie mit denselben Herausforderungen: zu viel Routinearbeit, zu wenig Zeit für das Wesentliche, wachsende Ansprüche bei gleichbleibenden Ressourcen. Dann wissen Sie jetzt: Es gibt einen Weg.

Der erste Schritt ist nicht die Auswahl eines Tools oder der Kauf einer Software. Der erste Schritt ist die ehrliche Frage: Wo verlieren wir jeden Tag die meiste Zeit – und was wäre möglich, wenn wir diese Zeit zurückgewinnen?

Wenn Sie diese Frage beantworten möchten – nicht theoretisch, sondern mit konkreten Zahlen für Ihr Unternehmen – dann sprechen wir gern darüber.

Kostenlose Erstberatung: In einem 60-minütigen Gespräch analysieren wir gemeinsam, wo in Ihrem Unternehmen das grösste KI-Potenzial liegt. Keine Verkaufspräsentation, kein Fachchinesisch – sondern ein ehrlicher Blick auf Ihre Prozesse und die realistische Einschätzung, was KI bei Ihnen bewirken kann. Buchen Sie Ihren Termin auf kifabrik.ch.