KI-Integration für Unternehmen: Produktivität ohne Kontrollverlust

Large Language Models können Unternehmensprozesse deutlich beschleunigen. Gleichzeitig gibt es Risiken: Unterschiedliche Ergebnisse, geleakte Zugangsdaten, unkontrollierte Systemzugriffe. Das Versprechen ist gross. Das Risiko ist es auch.

Genau deshalb reicht es nicht, KI nur als Chatbot oder Assistenzsystem einzuführen. Unternehmen brauchen eine Architektur, die KI mit bestehenden Systemen verbindet, ohne kritische Zugriffe aus der Hand zu geben.

Viele Unternehmen nutzen Künstliche Intelligenz für Texte, Recherchen, Zusammenfassungen oder interne Fragen. Das ist hilfreich, aber es verändert noch keinen echten Geschäftsprozess.

Spannend wird KI erst dort, wo sie mit den Systemen arbeitet, in denen der Alltag wirklich stattfindet: ERP, CRM, E-Mail, Dokumente, Datenbanken, Ticketsysteme, Fachapplikationen. KI soll Prozesse beschleunigen, Daten vorbereiten und Mitarbeitende entlasten. Sie soll aber nicht unkontrolliert auf Kundendaten, Preise, Aufträge, Buchhaltungssysteme oder interne Datenbanken zugreifen.

Die falsche Architektur

Wenn KI direkten Zugriff auf Dein ERP bekommt, übernimmt sie nicht nur eine Aufgabe. Sie sieht möglicherweise Daten, die für den konkreten Schritt gar nicht relevant sind, kann falsche Informationen in kritische Systeme schreiben und löst Aktionen aus, die später kaum noch sauber nachvollziehbar sind. Besonders gefährlich wird es, wenn Fehler erst auffallen, nachdem sie bereits im Prozess weiterverarbeitet wurden.

Ein Custom MCP ist eine kontrollierte Zwischenschicht zwischen einem Sprachmodell und Unternehmenssystemen. MCP steht für «Model Context Protocol». Vereinfacht gesagt ermöglicht es einem LLM, definierte Werkzeuge aufzurufen. Für Unternehmen wird es besonders relevant, wenn diese Werkzeuge individuell auf echte Prozesse und Systeme zugeschnitten werden.

Statt einem LLM ein mächtiges Werkzeug wie «SQL ausführen» oder «Datensätze löschen» zu geben, werden gezielte Tools gebaut. Zum Beispiel «Rechnungsdaten prüfen», «Lieferant suchen», «Ticket Entwurf erstellen» oder «Freigabe vorbereiten». Kritische Aktionen werden protokolliert und bei Bedarf durch einen Menschen freigegeben.

Beispiel: Rechnung verarbeiten, ohne der KI die Buchhaltung zu öffnen

Ein Unternehmen erhält Rechnungen als PDF, Scan oder E-Mail. Die Formate unterscheiden sich. Lieferanten verwenden verschiedene Layouts. Einzelne Angaben stehen mal oben, mal unten, mal in Tabellen, mal im Fliesstext. Für klassische Automatisierung ist das mühsam. Für ein LLM ist genau das ein sinnvoller Einsatzbereich.

So funktioniert es sicher:

• Die KI erkennt Lieferant, Betrag, Rechnungsnummer, Datum, Positionen und Fälligkeit
• Sie bringt diese Informationen in ein definiertes Format und übergibt sie an das Werkzeug
• Ab diesem Punkt übernimmt nicht mehr das LLM, sondern die kontrollierte Software
• Sie prüft Pflichtfelder, erkennt Duplikate, validiert Beträge, markiert unsichere Fälle
• Sie schreibt den Datensatz erst dann ins Zielsystem

Der entscheidende Punkt: Die KI schreibt nicht direkt in die Buchhaltung. Sie sieht keine Zugangsdaten, kennt keine Datenbankzugänge, kann keine Tabellen löschen und keine beliebigen Daten lesen. Sie liefert strukturierte Informationen. Die Software entscheidet, was damit passiert. Genau hier ist «Human in the Loop» wichtig. Bei kritischen Aktionen bleibt ein Mensch im Freigabeprozess. Die KI bereitet vor, aber sensible Änderungen werden erst nach Prüfung übernommen.

Der unterschätzte technische Punkt: LLMs sind nicht deterministisch

Klassische Software verhält sich bei gleichen Eingaben gleich. Ein LLM nicht immer. Für viele Aufgaben ist das kein Problem. Bei produktiven Geschäftsprozessen aber schon. Wenn eine KI eine Rechnung heute etwas anders strukturiert als morgen, entstehen im Zielsystem schnell falsche Buchungen, unklare Zuordnungen oder Datensätze, die manuell nachbearbeitet werden müssen.

Unsichere Fälle dürfen nicht einfach weiterlaufen. Sie müssen in einen Review, in eine Freigabe oder in eine definierte Fehlerbehandlung. Das ist der Unterschied zwischen einem KI-Experiment und einer Lösung, die im Unternehmen betrieben werden kann.

Viele KMU haben keine perfekte Systemlandschaft. Ein ERP deckt nicht alle Prozesse ab. Das CRM kennt nicht jede Ausnahme. Fachapplikationen sind über Jahre gewachsen. E-Mail, Excel, PDFs und manuelle Übergaben gehören weiterhin zum Alltag.

Genau dort entsteht viel Aufwand. Mitarbeitende suchen Informationen, lesen Dokumente, prüfen Inhalte, übertragen Daten und gleichen Systeme manuell ab. KI kann diese Arbeit stark reduzieren. Aber nur, wenn sie sauber integriert wird. Standard-Connectoren reichen oft für einfache Aufgaben wie E-Mail lesen, Kalender abfragen oder Dateien durchsuchen. Sie reichen aber selten, wenn ein Prozess individuell ist, mehrere Systeme beteiligt sind oder sensible Daten verarbeitet werden.

soxes unterstützt Unternehmen dabei, KI sicher in bestehende Prozesse, Systeme und Datenflüsse zu integrieren. Dabei starten wir nicht beim Modell, sondern beim konkreten Geschäftsprozess. Wir prüfen, wo heute Aufwand entsteht, welche Systeme beteiligt sind, welche Daten verarbeitet werden dürfen und welche Aktionen wirklich automatisiert werden sollen.

Erst danach entsteht die passende Architektur: Schnittstellen, APIs, Custom MCPs, Validierungslogik, Monitoring, Logging und sichere Integration in bestehende Systeme.

Unser Vorgehen

1. Workshop & Analyse

• Welche 2–3 Workflows machen Sinn?
• Wo ist der ROI am grössten?
• Welche Systeme sind beteiligt?

2. Architektur & Security Design

• Datenfluss definieren
• Scoped Permissions planen
• Monitoring-Strategie

3. Entwicklung mit echten Daten

• Custom MCP bauen
• Validierung und Schema-Enforcement
• Fallback-Logik implementieren

4. Go-Live und Support

• Sanftes Rollout (nicht alles auf einmal)
• Monitoring und erste Optimierungen

5. Iteration und Erweiterung

• «Das funktioniert, können wir auch Y automatisieren?»