[LinkedIn-Post] [News] Tailoring AI solutions for health care needs

2026 soll das Jahr der AI-Agenten werden – so das MIT Technology Review. Doch 37% der Schweizer KMU stecken noch in der Testphase. Wo liegt die Diskrepanz?

Die Antwort ist unbequem: Es geht nicht um die Technologie. Es geht um Massgeschneiderung.

Das MIT Technology Review hat in seiner aktuellen Analyse "Operationalizing AI for Scale and Sovereignty" einen zentralen Punkt herausgearbeitet: Unternehmen, die AI erfolgreich skalieren, bauen nicht auf generische Lösungen. Sie bauen auf massgeschneiderte Systeme, die in ihre spezifischen Datenlandschaften und Geschäftsprozesse passen. Generische Chatbots und Standard-Modelle sind der Anfang – aber nicht das Ziel.

Ich habe das selbst erlebt: Ein Schweizer Maschinenbauer hat mit einem Standard-Chatbot angefangen. Nach drei Monaten war das Projekt steckengeblieben – die KI konnte seine technischen Zeichnungen nicht verstehen, seine Lieferketten-Logik nicht abbilden, seine Kundensprache nicht sprechen. Das Problem war nicht die AI. Das Problem war, dass die AI nicht auf sein Unternehmen zugeschnitten war.

Was die meisten KMU falsch machen: Sie kaufen ein Tool (ChatGPT, Claude, eine RAG-Plattform) und erwarten, dass es funktioniert. Sie investieren in die Lizenz, nicht in die Anpassung. Sie denken: "AI ist AI." Aber AI ohne Kontext ist nur Statistik.

Was stattdessen funktioniert – und das zeigt sich bei den 63% der Schweizer KMU, die über die Testphase hinausgekommen sind – ist ein anderer Weg: Beginne nicht mit dem Tool. Beginne mit deinen Daten. Verstehe deine Datenqualität, deine Prozesse, deine Entscheidungspunkte. Baue dann ein kleines, massgeschneidertes Experiment. Ein Maschinenbauer, mit dem wir gearbeitet haben, hat seine technischen Dokumentationen in einen RAG-Prototyp integriert – nicht alle Dokumente des Internets, sondern nur die, die für sein Geschäft relevant sind. Ergebnis: 68% schnellere Angebotserstellung, weniger Fehler bei komplexen Anfragen. Das ist Massgeschneiderung.

Die Diskrepanz zwischen dem Hype um AI-Agenten und der Realität der Schweizer KMU ist also nicht ein Problem der Technologie-Readiness. Es ist ein Problem der Erwartungsmanagement. Agenten funktionieren, wenn sie auf massgeschneiderte Daten und Prozesse aufgebaut sind – nicht auf generische Modelle.

Meine Frage an euch: Wenn ihr ein AI-Projekt startet – beginnt ihr mit dem Tool oder mit euren Daten? Und wie würde sich euer erstes Experiment unterscheiden, wenn der Fokus auf Massgeschneiderung läge statt auf dem Tool selbst?

#AIAgenten #MassgeschneiderteLoesungen #SwissKMU #OperationalisierungVonAI #DataDriven

2589 Zeichen · 364 Woerter

Laden...