74 Prozent der Mitarbeitenden in einer aktuellen McKinsey-Befragung sagen: Sie nutzen KI bereits regelmässig. Ihre Führungskräfte schätzen den Anteil auf 20 Prozent.
Das Delta ist nicht das spannende an dieser Zahl.
Das spannende ist: Wenn drei von vier Mitarbeitenden KI nutzen — warum taucht der Effekt nicht in den Unternehmensergebnissen auf? Warum liest man Quartal für Quartal: "Wir investieren in KI. Wir sehen noch keinen Return."
Die Antwort hat fast nichts mit den Tools zu tun. Sie hat damit zu tun, wie KMU KI verbuchen.
Die Rechnung, die fast alle machen
In vielen Gesprächen, die wir mit KMU-Geschäftsführungen führen, sieht die KI-Kalkulation ungefähr so aus:
Auf der Kostenseite: Lizenzen. 30 Franken pro Nutzer. Mal 40 Mitarbeitende. Mal zwölf Monate. Plus ein Workshop. Plus vielleicht ein Berater.
Auf der Nutzenseite: Zeitersparnis beim Schreiben. Schnellere Recherche. Weniger Tippfehler in Angeboten.
Das Ergebnis: Ein Break-even, der dünn aussieht. Und die Frage: "Lohnt sich das?"
Die Rechnung ist nicht falsch, weil die Zahlen falsch sind. Sie ist falsch, weil sie die grösste Kostenstelle weglässt, die KI überhaupt adressiert.
Die Kostenstelle, die fehlt
In einem Unternehmen mit 40 Mitarbeitenden passieren jeden Tag unzählige kleine Wartezustände. Jemand wartet auf eine Information. Jemand wartet auf eine Freigabe. Jemand wartet auf einen Kollegen, der einen Kontext kennt, den man selbst nicht hat.
Das Atlassian "State of Teams 2025" Research hat diese Zeit erstmals sauber quantifiziert: Die durchschnittliche Wissensarbeiterin verliert rund neun Stunden pro Woche — über ein Fünftel ihrer Arbeitszeit — an Koordination, Suche und Synchronisation.
Neun Stunden pro Woche. Pro Person. Mal 40 Personen. Mal 52 Wochen. In einem KMU mit durchschnittlichen Lohnkosten von 120.000 Franken pro Vollzeitstelle sind das rund 1,1 Millionen Franken pro Jahr, die zwischen den Menschen versickern, nicht innerhalb ihrer Aufgaben.
Das ist die Rechnung, in der KI tatsächlich zählt.
Nicht: "Schreibt sie E-Mails schneller?" Sondern: "Kürzt sie die Wartezeiten zwischen den Menschen?"
Warum KMU die Koordinationskosten nicht sehen
Der Grund steht in keinem Tool-Demo, in keiner Anbieter-Präsentation, in keinem Revenue-Chart. Ein Report des Venture-Fonds a16z von Anfang April 2026 macht das sichtbar. Sie haben zusammengestellt, wo KI-Startups tatsächlich Umsatz machen:
Coding-Assistenten: rund 3 Milliarden Dollar
Legal-Assistenten: rund 500 Millionen Dollar
Support-Automatisierung: rund 400 Millionen Dollar
Medical Coding und Search: je unter 400 Millionen Dollar
Was nicht in der Liste steht: Kommunikation. Koordination. Projektübergabe. Wissenspflege.
Nicht weil dort kein Wert liegt. Sondern weil dieser Wert schwer zu messen ist und über mehrere Tools verteilt liegt. Eine Nutzerin, die dank Claude Projects keinen 30-Minuten-Sync-Call braucht, taucht in keinem Produkt-Dashboard auf.
Das ist der blinde Fleck. Und es ist der Punkt, an dem KMU-CEOs falsch rechnen.
Der Fünf-Schritte-Plan: Die KI-Rechnung neu aufstellen
Wir haben diesen Plan in den letzten Monaten mit KMU-Kunden durchgespielt. Er ist pragmatisch, in wenigen Wochen umsetzbar, und verlangt keine Budgetfreigabe über 5.000 Franken.
Schritt 1 — Woche 1: Die echten Kosten sichtbar machen
Die einfachste Diagnose beginnt mit einem siebentägigen Wartezeiten-Protokoll für das Führungsteam. Jede Person notiert am Ende des Tages die drei grössten Wartezeiten. Nicht die Aufgaben — die Wartezeiten. Auf wen oder was musste ich warten, bevor es weiterging?
Am Ende der Woche liegt eine Liste von 60 bis 80 konkreten Wartepunkten auf dem Tisch. Drei Kategorien reichen für die Clusterung: Informationssuche, Freigaben, Synchronisation.
Das ist die echte KI-Agenda eines Betriebs. Nicht die, die ein Anbieter verkauft.
Schritt 2 — Woche 2: Den teuersten Punkt auswählen
Aus der Liste ergibt sich meist schnell ein Muster: Ein Punkt taucht am häufigsten auf und involviert die teuersten Personen. Typisch sind Onboarding neuer Kollegen, die Übergabe zwischen Projekt- und Operations-Team, oder wöchentliche Status-Updates zum Projektportfolio.
Ein einziger Punkt reicht. Nicht drei. Nicht alle.
Schritt 3 — Woche 3: Google Gems, Claude Projects oder vergleichbare Wissensbasis aufsetzen
Rund um den ausgewählten Punkt entsteht eine persistente Wissensbasis. Google Gems und Claude Projects halten den vollen Kontext eines Vorhabens über Sessions hinweg — statt dass jede Person bei null startet. Alternativen je nach bestehender Tool-Landschaft: Notion AI mit strukturierter Ablage, Obsidian plus Claude Code, oder ein Vibecoding-gebautes internes Dashboard.
Entscheidend ist, klein anzufangen. Nur die Quellen, die für diesen einen Punkt relevant sind. Nicht das gesamte Unternehmenswissen.
Schritt 4 — Woche 4: Informationsfluss automatisieren
Überall dort, wo Daten manuell zwischen Systemen weitergereicht werden, lohnt ein Blick auf n8n oder Zapier. Beispiele aus unserer Praxis: neue Leads aus dem CRM in ein wöchentliches Briefing gebündelt. Rechnungen aus dem Buchhaltungstool vor-kategorisiert, bevor ein Mensch draufschaut. Kundensupport-Tickets nach Thema vorsortiert in die richtigen Inboxen geleitet.
Ein Workflow pro Woche. Nicht alle auf einmal.
Schritt 5 — Woche 5: Messen, was vorher nicht gemessen wurde
Nach vier Wochen wiederholt sich die Wartezeiten-Erfassung aus Schritt 1. Dieselbe Liste, dieselben Personen. Wo sind die Zeiten kürzer? Wo nicht? Wo sind neue Probleme entstanden?
Das Ergebnis ist die echte KI-Kalkulation. Nicht "wir haben Lizenzen gekauft" — sondern "wir haben Stunden zurückgewonnen, die vorher zwischen Menschen verloren gingen."
Was die Grossen bereits tun
Tobi Lütke, CEO von Shopify, hat im April 2025 intern ein Memo veröffentlicht: Bevor ein Team eine neue Stelle besetzt, muss es belegen, warum die Aufgabe nicht mit KI gelöst werden kann. Im Januar 2026 hat Lütke sich selbst mit einem einzigen Claude-Prompt einen MRI-Viewer gebaut — nicht weil Shopify einen brauchte, sondern um zu zeigen, dass die Kosten für massgeschneiderte Software praktisch auf null gefallen sind.
Die Logik dahinter ist genau die, um die es auch bei einem 40-Personen-Betrieb geht: Die richtige Frage ist nicht mehr, ob etwas gebaut werden kann. Sie ist, ob das Problem klar genug beschrieben ist.
Drei Wege, jetzt weiterzukommen
Der Fünf-Schritte-Plan ersetzt keine Beratung und keine Community — er funktioniert am besten, wenn er in einen Kontext eingebettet ist. Drei Wege, wie wir MMIND.ai genau dafür gebaut haben:
Der Marktplatz: Werkzeuge, die wir selbst einsetzen. Auf MMIND.space steht unser Marketplace offen — darunter der AI Act Navigator für EU-KI-Compliance und der Liechtenstein Legal Navigator für Fragen zu rechtliche Regelungen. Dazu das vollständige Archiv von Lerninhalten zum Nachlesen. Alles Kostenlos.
Das KI Café: Austausch mit anderen KMU-Verantwortlichen. Am 10. Juni 2026 geht es um "KI rechtskonform einsetzen" — hybrid in Schaan und online, 16:30 bis 18:30 Uhr. Das Format ist bewusst klein: Vortrag, Q&A, Peer-Austausch. Wo setzen andere KMU KI ein, ohne in Compliance-Fallen zu laufen? Anmeldung: https://mmind.space/p/ki-rechtskonform-einsetzen
Das Wartezeiten-Protokoll: die günstigste Diagnose, die ein Unternehmen über sich selbst machen kann. Wer ohne Beratung und ohne Event anfangen will, braucht nur sieben Tage und drei Zeilen Notizen pro Tag. Das Protokoll zeigt, wo zwischen Menschen tatsächlich Zeit verloren geht — und damit, wo KI im eigenen Betrieb etwas bewegen kann. Vereinbare einen kurzen Gratis-Termin, um mit deinem Team zu starten.
