Der Nutzen von KI hängt weniger von der Technologie als von der Qualität und Verfügbarkeit der Unternehmensdaten ab.
Viele KMU können bereits mit sauber aufbereiteten Daten, Dashboards und Reportings grossen Mehrwert schaffen.
Erfolgreiche Datenprojekte starten bei konkreten Geschäftsproblemen – nicht bei der Frage, welches KI-Tool eingesetzt werden soll.
Datenqualität muss zum jeweiligen Geschäftszweck passen: Nicht Perfektion, sondern ausreichende Zuverlässigkeit ist entscheidend.
Wer Datenqualität, Datenkompetenz und klare Verantwortlichkeiten aufbaut, schafft die Grundlage für erfolgreiche KI-Anwendungen und bessere Entscheidungen.
Im vierten Teil der Serie «Innovationsstandort Schweiz» zeigt Sandro Saitta, warum Daten der eigentliche Treibstoff für KI sind. Der Beitrag erklärt, weshalb Unternehmen zuerst ihre geschäftliche Herausforderung definieren sollten und erst danach entscheiden, ob KI überhaupt die passende Lösung ist.
Er zeigt zudem, wie KMU mit vorhandenen Daten pragmatisch starten können, warum eine gute Datenkultur und klare Rollen wichtig sind und weshalb auch einfache Lösungen wie Reporting, Dashboards oder automatisierte Datenverarbeitung oft bereits erheblichen Nutzen stiften.
Dieser Artikel im KMU-Magazin ist Teil der Serie «Innovationsstandort Schweiz», die als Folgeaktivität aus der SATW-Publikation «Orientierung KI: Herausforderungen und Chancen für Schweizer KMU» hervorgegangen ist.
Die Inhalte wurden in Zusammenarbeit mit Akteur:innen aus dem Netzwerk von SAIROP (Swiss AI Research Overview Platform) und dem Expertennetzwerk der SATW erarbeitet. SAIROP fördert die Zusammenarbeit zwischen Forschung, Industrie und Verwaltung und unterstützt den Wissenstransfer im Schweizer KI-Ökosystem.
Nahezu jede datengetriebene Anwendung – von Dashboards und Prognosen bis zu generativer KI und KI-Agenten – ist auf verlässliche Daten angewiesen. Ohne eine geeignete Datenbasis bleibt auch die Wirkung fortschrittlicher KI-Tools begrenzt.
Nicht unbedingt. In vielen KMU schaffen bereits besser aufbereitete Daten, strukturierte Reportings, klare Dashboards oder automatisierte Datenverarbeitung grossen Mehrwert. Die geschäftliche Herausforderung sollte deshalb vor der Wahl der Technologie stehen.
Daten müssen nicht perfekt sein. Entscheidend ist, dass sie für den vorgesehenen Geschäftszweck zuverlässig genug sind. Je kritischer eine Anwendung ist, desto höher sind die Anforderungen an Qualität und Konsistenz.
Am Anfang sollte ein konkretes Geschäftsproblem stehen: Welcher Prozess soll verbessert werden? Welche Entscheidung benötigt bessere Informationen? Erst danach sollte geprüft werden, welche Daten vorhanden sind und ob KI tatsächlich erforderlich ist.
Datengetriebene Transformation ist keine reine Technologieaufgabe. Unternehmen brauchen klare Verantwortlichkeiten und ein gemeinsames Grundverständnis dafür, warum Daten wichtig sind, wie Visualisierungen gelesen werden und welche Möglichkeiten und Grenzen KI hat.
| Rolle | Titel + Name |
|---|---|
| Text von | Sandro Saitta |
