Wenn KI antwortet, aber nicht entscheidet: Governance im KMU

Viele Unternehmen starten mit einem AI-Chatbot oder einem internen Wissensassistenten und merken erst im Betrieb, dass die eigentliche Herausforderung nicht das Modell ist, sondern die Verantwortung dahinter. Wer darf antworten? Wann muss ein Mensch übernehmen? Welche Inhalte dürfen überhaupt in die KI fliessen? Genau dort entscheidet sich, ob AI im Alltag entlastet oder neue Risiken schafft.
Für Cytracon ist das kein theoretisches Thema. In Projekten mit Support, Verkauf und Technik geht es nicht nur um gute Antworten, sondern um Governance: saubere Freigaben, nachvollziehbare Fallbacks, Rollenrechte und klare Übergaben an Mitarbeitende. Das ist besonders wichtig, wenn ein Assistent interne Informationen nutzt oder Kundenanfragen beantwortet, die rechtliche, finanzielle oder operative Folgen haben können.
Der eigentliche Use Case: AI mit definiertem Handlungsspielraum
Ein sinnvoller AI-Assistent im KMU ist kein freischwebender „Antwortgenerator“, sondern ein prozessgebundener Helfer. Ein typisches Beispiel: Der Assistent beantwortet zuerst Standardfragen zu Lieferstatus, Produktdaten oder internen Richtlinien. Sobald eine Anfrage von der Norm abweicht, übergibt er an den Menschen mit dem vollständigen Kontext.
Das bringt drei Vorteile:
- Standardfälle werden schneller erledigt.
- Fehlerhafte Freitext-Antworten werden begrenzt.
- Die Organisation behält die Kontrolle über kritische Aussagen.
Gerade in Support- oder Sales-Teams ist das relevant. Dort sind nicht nur die Antworten wichtig, sondern auch die Frage, wer die Antwort gegeben hat und auf welcher Basis.
Governance statt Bauchgefühl
Viele AI-Projekte scheitern nicht an der Technik, sondern an fehlenden Regeln. Ein praxistaugliches Governance-Modell braucht mindestens diese vier Ebenen:
- Datenzugriff: Welche Dokumente, Tickets, Produkte oder Wissensartikel darf das System sehen?
- Rollenrechte: Welche Abteilungen dürfen welche Inhalte abrufen oder beantworten?
- Freigaben: Welche Antworten gehen direkt raus, welche brauchen eine Prüfung?
- Fallbacks: Was passiert bei Unsicherheit, fehlender Quelle oder Konflikten im Datenbestand?
Besonders wirksam ist eine einfache Regel: Die KI darf nie so tun, als wüsste sie mehr, als sie belegen kann. Wenn Quellen fehlen, muss sie das offen sagen und an den zuständigen Mitarbeitenden übergeben.
Vorher/Nachher im Betrieb
Vorher: Das Team beantwortet wiederkehrende Fragen manuell, sammelt Informationen aus verschiedenen Systemen und korrigiert sich gegenseitig. Die Antwortqualität hängt von der Tagesform und vom Erfahrungsstand einzelner Personen ab.
Nachher: Der Assistent liefert einen ersten Vorschlag, nennt die verwendeten Quellen, markiert Unsicherheiten und löst nur Standardfälle autonom aus. Kritische Anfragen gehen in einen definierten Eskalationskanal, etwa an den Support, den Vertrieb oder die Fachabteilung.
Das Ziel ist nicht, Menschen zu ersetzen. Das Ziel ist, Entscheidungen zu entlasten und Routine zu automatisieren, ohne die Verantwortung zu verwischen.
Woran man Qualität im Alltag misst
Wer AI im Betrieb einführt, sollte nicht nur auf „fühlt sich gut an“ setzen. Drei Kennzahlen sind besonders hilfreich:
- Eskalationsquote: Wie viele Anfragen muss der Assistent an Menschen weitergeben?
- Quellenabdeckung: Wie oft kann eine Antwort mit intern freigegebenen Quellen belegt werden?
- Korrekturquote: Wie viele vom Assistenten vorbereitete Antworten müssen nachträglich angepasst werden?
Ein realistisches Ziel für den Start ist nicht Perfektion, sondern Stabilität. Wenn der Assistent bei Standardfragen zuverlässig arbeitet und bei Unsicherheit sauber eskaliert, bringt er messbaren Nutzen. Sinkt die Korrekturquote über die Zeit, ist das ein gutes Zeichen für bessere Inhalte und bessere Prompts.
Checkliste für den sicheren Start
Bevor ein AI-Assistent produktiv geht, sollte diese Liste abgearbeitet sein:
- Die erlaubten Datenquellen sind dokumentiert.
- Rollen und Zuständigkeiten sind klar definiert.
- Es gibt eine eindeutige Eskalationslogik.
- Antworten mit Unsicherheit werden sichtbar markiert.
- Die Protokollierung ist für Audit und Nachvollziehbarkeit aktiviert.
- Die Fachabteilungen kennen die Grenzen des Systems.
Diese Punkte klingen unspektakulär, verhindern aber die typischen Probleme: falsche Auskünfte, Schattenprozesse und unklare Verantwortung.
Warum das für Schweizer KMU besonders relevant ist
Gerade in kleineren und mittleren Unternehmen ist die Versuchung gross, AI „schnell einmal“ einzubauen. Das funktioniert solange gut, bis ein Kunde eine präzise Auskunft verlangt, eine interne Richtlinie missverstanden wird oder sensible Inhalte zu breit verteilt werden. Dann zeigt sich, dass technische Intelligenz ohne organisatorische Leitplanken wenig wert ist.
Cytracon setzt deshalb bei AI-Projekten nicht nur auf Modelle und Schnittstellen, sondern auf den Betrieb dahinter: Welche Teams arbeiten damit? Wer gibt Inhalte frei? Wie wird eskaliert? Welche Antworten sind erlaubt? Erst wenn diese Fragen geklärt sind, wird aus einem Chatbot ein belastbarer Arbeitsbaustein.
Wer AI produktiv einsetzen will, sollte also nicht mit der grössten Modellfrage beginnen, sondern mit der kleineren, wichtigeren: Was darf die KI selbst entscheiden, und wo muss der Mensch übernehmen?
Wenn Sie einen internen AI-Assistenten oder einen kundenorientierten Chatbot sicher aufsetzen möchten, unterstützen wir Sie bei Governance, Freigaben, Rollenrechten und der passenden Einbettung in Ihre Prozesse. Kontaktieren Sie uns für ein unverbindliches Gespräch.





