Kleine und mittlere Unternehmen sind das Rückgrat der Schweizer Wirtschaft. Sie machen über 99 Prozent der Unternehmen aus und schaffen zwei Drittel der Arbeitsplätze in der Schweiz. Künstliche Intelligenz (KI) wird als Gamechanger für KMU betrachtet, da sie höhere Qualität und mehr Effizienz ermöglicht. Der wachsende Markt für KI-basierte Innovationen bietet Schweizer KMU grosse Chancen, begünstigt durch den Zugang zu hoch qualifizierten Fachkräften, wirtschaftliche Stabilität und internationale Anerkennung.
Die erfolgreiche Einführung von KI in KMU wird jedoch durch mehrere Hürden erschwert, darunter technologische Komplexität, Unsicherheiten hinsichtlich regulatorischer Anforderungen und begrenzte Ressourcen. Dieser Artikel untersucht diese Faktoren sowie Strategien zu ihrer Überwindung und zeigt auf, wie die Anwendung von Responsible-AI-Ansätzen KMU dabei helfen kann, die Versprechen der KI in wirtschaftlichen und gesellschaftlichen Mehrwert zu überführen.
Hürden für die KI-Adoption
Die Entwicklung oder Einführung KI-basierter Systeme – sei es für interne Abläufe oder kundengerichtete Lösungen – unterscheidet sich in vielerlei Hinsicht von anderen technologiegestützten Lösungen. Die Leistungsfähigkeit von KI-Systemen, insbesondere von solchen, die auf sogenannten Foundation Models oder generativer KI basieren, geht mit eingeschränkter Zuverlässigkeit wie beispielsweise Halluzinationen, mangelnder Transparenz und nicht deterministischem Verhalten einher. Diese Eigenschaften erschweren die Leistungsbewertung und das Risikomanagement erheblich.
KMU verfügen häufig nicht über die technischen und operativen Kapazitäten, um die Auswirkungen von KI-Systemen vollumfänglich zu erfassen. Dies kann dazu führen, dass sie ihre eigenen Fähigkeiten überschätzen und Ressourcen in Pilotprojekte investieren, die sich nicht wie erwartet skalieren lassen. Andererseits gehen Chancen zur Wertschöpfung verloren, wenn das Potenzial von KI-Systemen unterschätzt wird. Die zunehmende Komplexität KI-basierter Systeme begrenzt zudem die Fähigkeit von KMU, geeignete Lösungen eigenständig zu implementieren. Die beeindruckende Leistungsfähigkeit der neuesten KI-Modelle beruht auf enormem Rechen- und Datenaufwand. KMU stehen vor dem Dilemma, entweder erhebliche Ressourcen in die Entwicklung und Wartung massgeschneiderter Lösungen zu investieren oder auf Drittanbieter zurückzugreifen, wodurch sie die Kontrolle über sensible Aspekte wie Datenschutz, Sicherheit oder langfristige Funktionalität und Kosten verlieren.
Unsicherheit über rechtliche Rahmenbedingungen und Erwartungen der Nutzenden führen häufig zu einer Abwarten-und-Sehen-Haltung, die KMU höheren Risiken und steigenden Kosten für die Einhaltung regulatorischer Vorgaben aussetzt. Die regulatorische Landschaft für KI befindet sich weiterhin in Entwicklung. Der Bundesrat hat seine Strategie zur KI-Regulierung Anfang 2025 angekündigt, ein Gesetzesentwurf wird bis Ende 2026 erwartet. Für Schweizer KMU, die häufig auf europäische und internationale Märkte ausgerichtet sind, erschwert die fehlende Klarheit über konkrete Compliance-Anforderungen sowie mögliche regulatorische Divergenzen ein frühzeitiges Handeln. Dies kann dazu führen, dass spätere Massnahmen zur Einhaltung gesetzlicher Vorgaben kostspieliger und weniger effektiv ausfallen.
Mehrwert von Responsible AI
Responsible AI umfasst eine Reihe von Massnahmen während der Entwicklung, Einführung und dem Betrieb KI-basierter Systeme, um deren Vertrauenswürdigkeit sicherzustellen sowie rechtliche Anforderungen und gesellschaftliche Werte zu wahren. Responsible-AI-Praktiken reichen von organisatorischen Governance-Prozessen bis hin zu technischen Methoden und ethisch algorithmischem Design. Sie gehen weit über reine Ethik-Audits hinaus und unterstützen Organisationen dabei, ihre Geschäftsziele zu erreichen und gleichzeitig gesellschaftliche Risiken effizient zu steuern.
Beispiele für Governance-Prozesse sind Anforderungserhebung, Risikomanagement und Compliance-Bewertungsmethoden, die explizit auf die inhärenten Eigenschaften von KI-Systemen eingehen und das Konzept der Vertrauenswürdigkeit in messbare Kennzahlen übersetzen. Diese Methoden werden durch eine wachsende Zahl von Leitlinien und technischen Standards unterstützt, die von Organisationen wie ISO, IEEE und CEN/CENELEC entwickelt werden. Allerdings sind die wenigsten KMU mit diesen Instrumenten vertraut.
Auf technischer Ebene bieten bewährte Praktiken im Bereich AI Engineering und Machine-Learning-Operations (MLOps) Möglichkeiten, Metriken zur Vertrauenswürdigkeit direkt, transparent und nachvollziehbar in Entwicklungspipelines zu integrieren. Dadurch kann die Vertrauenswürdigkeit von Systemen neben klassischen technischen Leistungskennzahlen auch als Optimierungskriterium genutzt werden.
Insgesamt kann die erfolgreiche Einführung von Responsible-AI-Praktiken KMU folgende Vorteile bieten: Reduktion von Kosten und Komplexität in Bewertungsprozessen, Unterstützung von Risikomanagement und Compliance, Förderung von Transparenz und Vertrauenssignalen gegenüber nachgelagerten Entwicklern und Kunden, Erleichterung von Beschaffungsprozessen durch strukturierte Bewertungsverfahren sowie eine Beschleunigung der Markteinführung KI-basierter Lösungen.
Voraussetzungen schaffen
Trotz der Leistungsfähigkeit von KI-Methoden und Responsible-AI-Praktiken wird ihr Potenzial von KMU bislang nur unzureichend genutzt. Wissenslücken, fehlende Ressourcen und mangelnde klare Strategien stellen erhebliche Hindernisse dar. Um Schweizer KMU in einem hochkompetitiven globalen Markt zu befähigen, ihr KI-Potenzial zu realisieren, müssen mehrere Handlungsfelder weiterentwickelt werden. KMU benötigen effektive Mechanismen, um auf erforderliche Ressourcen zuzugreifen, darunter:
- vereinfachte öffentliche Förderinstrumente sowie stärkere Anreize für private Investoren
- leistungsfähige und zuverlässige Infrastrukturen für Rechenleistung und Datenmanagement, die Anforderungen an Datensouveränität, Cybersicherheit und faire Preismodelle erfüllen. Jüngste Initiativen auf Bundesebene, wie die Swiss AI Initiative, sowie eine stärkere Einbindung in europäische Instrumente wie die European Data Innovation Hubs oder AI Factories sind vielversprechende Schritte in diese Richtung.
- Zugang zu technischen und Governance-Werkzeugen sowie Dienstleistungen, die KMU in ihren KI-Entwicklungsprozessen unterstützen. Beispiele hierfür sind die Innovation Sandbox des Kantons Zürich, das Swiss Centre for Responsible AI oder die European Trustworthy AI Association.
Unterstützung finden
KMU müssen ihre Geschäftsziele in einem anspruchsvollen Umfeld mit begrenzten Ressourcen erreichen. Mechanismen, die den Austausch übertragbarer Erkenntnisse zwischen vergleichbaren Organisationen ermöglichen, können KMU stärken, ohne ihre Wettbewerbsfähigkeit zu beeinträchtigen. Organisationen wie die Schweizerische Akademie der Technischen Wissenschaften SATW oder branchenspezifische Verbände können ihre Aktivitäten koordinieren, um:
- den Austausch von Informationen zu fördern – über Best Practices sowie validierte Rahmenwerke für die Skalierung und Governance von KI.
- Fallstudien und Vorbilder zu dokumentieren und zu verbreiten, die anderen KMU als Inspiration für die Entwicklung eigener Strategien und Verfahren dienen können. Ein Beispiel hierfür sind die von der Innovation Sandbox des Kantons Zürich veröffentlichten Berichte.
- KMU mit geeigneten Partnern aus Wissenschaft und Industrie zu vernetzen. Dies stellt eine wertvolle Ressource für die wirkungsvolle Entwicklung KI-basierter Lösungen dar. Die Swiss AI Research Overview Platform SAIROP bietet KMU einen guten Überblick darüber, welche Akteure über spezifische Expertise und Erfahrung verfügen.
Schliesslich ist für KMU die Unterstützung bei der strategischen Entwicklung der entscheidende Faktor für eine erfolgreiche KI-Adoption. Die Fähigkeit, den geschäftlichen Mehrwert von KI für die eigene Organisation zu identifizieren – basierend auf einer klaren Analyse der Problempunkte und einer realistischen Bewertung der bestehenden Kapazitäten – versetzt KMU in die Lage, die richtigen Fragen zu stellen und passende Unterstützung für ihren KI-Weg zu wählen. Die Etablierung strukturierter Prozesse zur Abwägung von Chancen und Potenzialen spezifischer KI-Anwendungsfälle gegenüber ihren Kosten und Risiken ermöglicht eine fundierte Planung, Umsetzung und Skalierung von KI-Lösungen, die effektiv, nachhaltig und wirkungsvoll sind.
Für KMU beginnt Responsible AI nicht mit einem umfassenden Regelwerk, sondern mit wenigen klaren Fragen: Welches Problem soll KI lösen? Welche Daten werden genutzt? Wer trägt die Verantwortung? Wie werden Qualität, Sicherheit und Nutzen überprüft?
Dieser Artikel ist Teil einer Serie zum Thema KI, die in Zusammenarbeit mit der Schweizerischen Akademie der Technischen Wissenschaften SATW erarbeitet wird. Die Autorinnen und Autoren sind SAIROP-Partner. Mit der Swiss Artificial Intelligence Research Overview Platform SAIROP bringt die SATW wichtige Akteure des Schweizer KI-Ökosystems zusammen und bietet einen Überblick über KI-Dienstleistungen, Forschungsprojekte und Kooperationspartner. SAIROP soll die Zusammenarbeit zwischen Forschung, Industrie und Verwaltung fördern und den Wissenstransfer in der Schweiz unterstützen. Die SATW ist das Expertennetzwerk im Bereich Technikwissenschaften in der Schweiz und steht im Kontakt mit den massgeblichen Schweizer Gremien für Wissenschaft, Politik und Industrie. Die SATW ist politisch unabhängig und nicht kommerziell.
