Ein KMU braucht keine 17 KI-Tools. Es braucht fünf klar getrennte Fähigkeiten. Alles andere ist kein Stack, sondern digitaler Wildwuchs mit Monatsabo.
Das eigentliche Problem ist selten die Frage, welches Modell «am besten» ist. Die relevante Frage lautet: Welche Aufgabe wird im Unternehmen zuverlässig, sicher und wiederholbar besser erledigt, wenn KI im Spiel ist? Diese Verschiebung im Denken ist entscheidend. Wer nach dem besten Modell sucht, landet in einem Vergleichstest ohne Ende. Wer nach der richtigen Fähigkeit fragt, kommt zu einer Architektur.
Fünf Fähigkeiten statt fünfzehn Tools
Die High-Five-Methode gliedert jeden sinnvollen KI-Einsatz in fünf Kategorien: Create, Research, Know, Automate, Capture. Jede Kategorie beantwortet eine eigene Frage.
Create ist das tägliche Denk- und Schreibwerkzeug: Texte, E-Mails, Übersetzungen, Marketingideen, Präsentationsstruktur, einfache Analysen. Hier dominieren ChatGPT Business, Microsoft 365 Copilot und Gemini for Workspace, je nachdem, in welchem Ökosystem ein Unternehmen bereits arbeitet.
Research ist eine eigene Disziplin, kein Nebeneffekt des Chatbots. Es geht um Quellen, Faktenprüfung, Marktvergleiche, Entscheidungsgrundlagen. Perplexity Enterprise und Gemini mit NotebookLM sind hier die naheliegenden Kandidaten, weil sie Zitierfähigkeit und Aktualität in den Vordergrund stellen statt reiner Textproduktion.
Know ist die Kategorie, in der es ernst wird: interne Dokumente, CRM-Daten, Wissensdatenbanken, Rollenrechte, Agenten, die tatsächlich etwas tun dürfen. Hier zeigt sich, ob ein Unternehmen KI wirklich in seine Prozesse einbindet oder nur einen Chatbot mit Firmenlogo betreibt.
Automate ist der Maschinenraum: Formulare, die CRM-Einträge auslösen, Meetingprotokolle, die ins Projektmanagement wandern, Freigabeprozesse zwischen Mensch und Maschine.
Capture schliesslich sichert das, was in Meetings entsteht und sonst mit dem Kalendereintrag verschwindet: Zusammenfassungen, Aufgaben, Entscheidungen, CRM-Notizen.
Wo es ernst wird: Unternehmensdaten und Agenten
Die grösste Verwechslung in KMU-Gesprächen betrifft die Begriffe Chatbot, Assistent, Agent und Workflow. Ein Chatbot beantwortet Fragen. Ein Assistent arbeitet mit Vorlagen und definierten Rollen. Ein Agent nutzt Werkzeuge und trifft Teilentscheidungen. Ein Workflow orchestriert mehrere Schritte inklusive Prüfpunkten. Wer diese vier Ebenen nicht unterscheidet, verspricht der Geschäftsleitung «KI-Agenten» und liefert am Ende einen etwas cleveren Chatbot.
OpenAI hat diese Lücke bei ChatGPT Business mit «Company Knowledge» geschlossen. Das Feature bringt den Kontext aus verbundenen Apps wie Slack, SharePoint, Google Drive und GitHub direkt in ChatGPT, mit klaren Zitaten, damit nachvollziehbar bleibt, woher eine Antwort stammt. Admins können dabei App-Aktionen über ein vereinfachtes Modell in den Workspace-Einstellungen verwalten, und die Anbindung respektiert jeweils die bestehenden Nutzerrechte. Das ist der entscheidende Punkt: Zugriff auf Unternehmensdaten ohne Governance ist kein Fortschritt, sondern ein zusätzliches Risiko.
Für DACH-Unternehmen mit hohem Datenschutzanspruch hat sich daneben eine europäische Alternative etabliert. Langdock ist eine modellagnostische KI-Plattform aus Berlin, die als Schicht zwischen grossen Sprachmodellen und Unternehmens-Workflows sitzt und Teams aus über 40 LLMs das jeweils passende Modell für eine Aufgabe wählen lässt. Gehostet wird ausschliesslich in der EU, zertifiziert nach ISO 27001 und SOC 2 Type II, und Kundendaten werden vertraglich abgesichert nicht zum Training verwendet. Rund 7’000 Unternehmen mit etwa 100’000 monatlich aktiven Nutzenden setzen die Plattform ein, darunter Merck mit 33’000 aktiven Nutzenden unter dem Namen “myGPT Suite”
Das ist keine Werbung für ein bestimmtes Tool. Es zeigt eine strukturelle Entscheidung: Wer Datensouveränität priorisiert, wählt eine Plattform. Wer maximale Integrationstiefe in ein bestehendes Ökosystem sucht, wählt den nativen Anbieter.
Automatisierung ohne Prozessverantwortung ist digitalisierte Unordnung
Automatisierung wird oft mit Werkzeugwahl verwechselt. Die eigentliche Arbeit liegt vorher: Prozessziel, Datenquelle, Auslöser, Entscheidungspunkt, Fehlerfall, menschliche Freigabe, Messgrösse. Ohne diese sieben Punkte entsteht keine Automatisierung, sondern ein Workflow, der irgendwann unbemerkt etwas Falsches tut.
Bei den Werkzeugen selbst zeichnet sich eine klare Aufgabenteilung ab. n8n unterscheidet sich von Zapier und Make durch drei architektonische Entscheidungen: native KI-Integration, ausführungsbasierte Preisgestaltung, die komplexe Workflows nicht bestraft, und vollständiges Self-Hosting mit offenem Quellcode. Die Empfehlung aus der Praxis ist entsprechend nüchtern: n8n für komplexe KI-Workflows und Datenhoheit, Zapier für Einfachheit und breite Integrationsabdeckung, Make für mittlere Komplexität mit visueller Oberfläche. Für Microsoft-lastige KMU bleibt Power Automate der Weg des geringsten organisatorischen Widerstands, weil Governance und Berechtigungen bereits im Microsoft-365-Universum verankert sind. Dan Cumberland LabsDan Cumberland Labs
Die Betriebsmodell-Frage entscheidet, nicht der Tool-Vergleich
Die wichtigste Erkenntnis der High-Five-Methode ist keine Tool-Empfehlung. Es ist ein Ordnungsprinzip. Ein KMU sollte pro Fähigkeit genau eine primäre Antwort haben, keine drei parallelen Testversionen und keine fünf Mitarbeitenden, die je ihr eigenes Lieblingstool nutzen.
Die Entscheidung läuft über drei Fragen: Arbeitet das Unternehmen primär in Microsoft 365? Dann beginnt der Stack mit Copilot, Copilot Studio und Power Automate. Ist EU-Hosting oder zentrale Kontrolle entscheidend? Dann gehört eine Plattform wie Langdock in die engere Wahl. Gibt es digitale Macher:innen im Team, die Workflows selbst bauen können? Dann lohnt sich ein Best-of-Breed-Stack aus ChatGPT Business, Perplexity, n8n oder Make und einem Transkriptionstool.
Wer diese drei Fragen nicht beantwortet, bekommt Schatten-KI. Mitarbeitende nutzen alles Mögliche, Daten landen irgendwo, und die Geschäftsleitung nennt es Innovation, weil «Wildwuchs» auf der Folie schlechter klingt.
Warum wir weniger Tools und mehr Befähigung brauchen
- Nicht die Anzahl der Tools entscheidet über einen funktionierenden KI-Stack, sondern die klare Zuordnung von fünf Fähigkeiten: Create, Research, Know, Automate, Capture.
- Chatbot, Assistent, Agent und Workflow sind vier unterschiedliche Reifestufen. Wer sie verwechselt, verspricht mehr, als geliefert wird.
- ChatGPT Business schliesst mit Company Knowledge die Lücke zwischen Chatbot und Unternehmensdaten, mit Zitaten und bestehenden Nutzerrechten als Kontrollmechanismus.
- Langdock steht exemplarisch für die Plattform-Strategie: EU-Hosting, Modellwahl über 40 LLMs, ISO- und SOC-2-Zertifizierung als Antwort auf Datenschutzsensibilität.
- n8n, Make und Power Automate unterscheiden sich nicht in der Grundfunktion, sondern im Kontrollgrad: Self-Hosting und Code-Tiefe versus Einfachheit versus Microsoft-Integration.
- Automatisierung ohne definierten Fehlerfall und menschliche Freigabe ist kein Prozessgewinn, sondern ein neues Risiko.
- Die Entscheidung für ein Betriebsmodell (Microsoft-first, Plattform-first, Best-of-Breed) sollte vor der Tool-Auswahl stehen, nicht danach.
Und darum bin ich nach wie vor überzeugt: Die Zukunft gehört nicht mehr dem Sammeln von Tools, sondern dem klaren Zuschneiden von KI auf die fünf Fähigkeiten, die ein Unternehmen wirklich braucht. Wer aufhört, Werkzeuge zu vergleichen, und anfängt, Fähigkeiten zu ordnen, gewinnt Kontrolle zurück. Also wenn Du reden willst, und wenn Du mit mir zusammenarbeiten willst: melde Dich gerne
Fragen zu KI und Digitalen Geschäftsmodellen? #fragRoger
Willst du mehr wissen? Sehr gerne komme ich auch bei Dir, bei deiner Firma, deiner ERFA Gruppe oder deinem Verband vorbei und helfe mit einem Workshop oder Input Referat.
Lass uns gerne mal unverbindlich sprechen. Also wenn ich helfen kann, wende dich gerne an mich #fragRoger und abonnier meinen offiziellen Newsletter
