In vielen Schweizer Kleinen und Mittleren Unternehmen (KMU) spielt sich derzeit dasselbe Szenario ab: Während die Geschäftsleitung noch über Richtlinien und Sicherheitskonzepte für künstliche Intelligenz beratschlagt, nutzen Mitarbeitende längst eigenmächtig Tools wie ChatGPT oder Claude auf ihren privaten Smartphones. Diese sogenannte «Schatten-KI» birgt erhebliche Risiken für den Datenschutz und das geistige Eigentum. Auf der anderen Seite der Medaille stehen verunsicherte Teams, die KI-Anwendungen aus Angst vor Fehlern oder Überforderung gänzlich meiden.
Die Zürcher Agentur Zeix adressiert genau diese Schnittstelle zwischen Technologie, Mensch und Unternehmensprozesses. Die zentrale These: Der reine Einsatz einer KI-Schnittstelle schafft noch keinen Mehrwert. Wenn ein ineffizienter oder fehlerhafter Prozess automatisiert wird, führt das lediglich dazu, dass Fehler schneller gemacht werden. Die Lösung liegt in einer nutzerzentrierten KI-Integration («Human-Centered AI»), die Usability, Compliance und betriebswirtschaftliche Rentabilität vereint.
Vom Algorithmus zum Mehrwert: Die drei Säulen nachhaltiger KI-Integration
Damit KI-Projekte in der Praxis nicht als teure Innovationsexperimente enden, sondern messbare Effizienzgewinne bringen, müssen Unternehmen technische Möglichkeiten in verständliche Benutzeroberflächen übersetzen. Zeix gliedert diesen Transformationsprozess in drei wesentliche Säulen:
1. Nutzerakzeptanz und Transparenz: Mitarbeitende müssen auf einen Blick verstehen, welche Aufgaben die KI übernimmt, wo die Grenzen des Systems liegen und wie die generierten Ergebnisse zu bewerten sind. Verwirrende Interfaces führen zu Fehlbedienungen oder Ablehnung. 2. Wirtschaftlichkeit und Prozesspassung: Technologie darf kein Selbstzweck sein. Vor der technischen Umsetzung steht die detaillierte Analyse der bestehenden Arbeitsabläufe. Passt das KI-Modell nicht exakt zu den Bedürfnissen der Fachabteilung, übersteigen die Betriebskosten rasch den Nutzen. 3. Responsible AI und Governance: Datenschutz, Schweizer Gesetzgebung, Datensicherheit und Barrierefreiheit müssen von Beginn an in den Code eingeflossen sein. Nur so lässt sich Schatten-KI in eine geschützte, korporative Infrastruktur überführen.
Von der Idee zum skalierbaren Produkt
Ein häufiger Stolperstein in KMUs ist der Übergang vom Prototyping zur produktiven Software. Heute bauen Fachkräfte mit No-Code- oder AI-Prototyping-Tools wie Claude oder Lovable innerhalb weniger Stunden erste Entwürfe. Diese Prototypen zeigen zwar das Potenzial auf, sind aber selten robust, barrierefrei oder wartbar.
Hier setzt ein UX-getriebener Entwicklungsansatz an. Wie Praxisbeispiele zeigen, lassen sich durch schrittweise Usertests und modulare Komponentenbibliotheken digitale Produkte schaffen, die langfristig effizient betrieben werden können:
• Interface-Design für KI-Plattformen: Für das Schweizer KI-Unternehmen *Alpine AI* konzipierte Zeix Benutzeroberflächen, die komplexe Sprachmodelle für Endnutzende verständlich aufbereiten. Nutzende können die Zuverlässigkeit der Ergebnisse sofort einordnen. * Prototyping im öffentlichen Sektor: Zusammen mit *swisstopo* werden KI-Prototypen schrittweise in realen Nutzungsszenarien getestet, um festzustellen, ob die technische Leistungsfähigkeit mit den tatsächlichen Bedürfnissen der Anwender korreliert. * Nachhaltige Codebasis und Wartbarkeit: Für die *PH Zürich* entstand eine zentrale Komponentenbibliothek, die es erlaubt, neue digitale Oberflächen einheitlich zu entwickeln. Bei *Autoneum* wurde ein schnelles, barrierefreies Content-Management-System auf Craft-CMS-Basis umgesetzt, das Redaktionsteams autonom und ohne IT-Sonderaufwand pflegen können.
Automatisierungs-Takeaway
Für Schweizer Führungskräfte ergibt sich aus den Erfahrungen moderner KI-Implementierungen ein klarer strategischer Fahrplan. KI ist kein reines IT-Projekt, sondern eine organisatorische Weiterentwicklung.
Der direkte Automatisierungsgewinn:
• Prozessoptimierung VOR Automatisierung: Wer Abläufe vor der KI-Integration schlank strukturiert, verhindert die kostenintensive Skalierung von Prozessfehlern. * Eliminierung von Schatten-KI: Durch das Bereitstellen von intuitiven, geschützten Inhouse-Interfaces sinkt das Risiko von Datenabflüssen über private Mitarbeiter-Tools auf nahezu null. * Verringerung der Einarbeitungszeit: Eine durchdachte User Experience (UX) senkt die Schulungskosten für neue KI-Tools drastisch, da Arbeitsergebnisse direkt im gewohnten Arbeitsumfeld validiert werden können. * Reduktion von Technischen Schulden: Die Umwandlung von schnellen KI-Prototypen in barrierefreien, wartbaren Code schützt Unternehmen vor hohen Folgekosten bei Updates und Skalierungen.