KI-Glossar: Die 50 wichtigsten Begriffe rund um künstliche Intelligenz für Schweizer Unternehmen

Dieses Glossar erklärt die 50 wichtigsten Begriffe rund um künstliche Intelligenz – verständlich und praxisnah für Schweizer Unternehmen und KMU. Von grundlegenden Konzepten wie Machine Learning bis hin zu aktuellen Themen wie AI Governance und Agentic AI finden Sie hier präzise Definitionen mit direktem Bezug zur unternehmerischen Praxis.

KI (Künstliche Intelligenz)

Künstliche Intelligenz bezeichnet die Fähigkeit von Computersystemen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern – darunter Lernen, Schlussfolgern, Problemlösen, Sprachverstehen und Mustererkennung. Der Begriff wurde 1956 von John McCarthy geprägt und umfasst heute ein breites Spektrum an Technologien, von regelbasierten Systemen bis hin zu selbstlernenden neuronalen Netzen. KI ist kein einzelnes System, sondern ein Oberbegriff für verschiedene Methoden und Technologien.

Relevanz für Schweizer KMU: KI-Lösungen ermöglichen es auch kleineren Unternehmen, Prozesse zu automatisieren, Kundenerlebnisse zu personalisieren und datenbasierte Entscheidungen zu treffen – ohne einen eigenen Forschungs- und Entwicklungsbereich aufbauen zu müssen.

Machine Learning (ML)

Machine Learning ist ein Teilbereich der künstlichen Intelligenz, bei dem Algorithmen aus Daten lernen und sich verbessern, ohne explizit für jeden Anwendungsfall programmiert zu werden. Das System erkennt Muster in grossen Datensätzen und leitet daraus Regeln ab, die auf neue, unbekannte Daten angewendet werden können. Machine Learning bildet die Grundlage für viele moderne KI-Anwendungen wie Sprachassistenten, Empfehlungssysteme und Bilderkennung.

Relevanz für Schweizer KMU: ML-Modelle können für KMU etwa zur Absatzprognose, Betrugserkennung oder automatischen Kundensegmentierung eingesetzt werden – oft über benutzerfreundliche Cloud-Dienste, ohne tiefes technisches Fachwissen.

Deep Learning

Deep Learning ist eine Unterklasse des Machine Learning, die auf künstlichen neuronalen Netzen mit vielen Schichten (daher «tief») basiert. Diese mehrschichtigen Netzwerke sind besonders leistungsfähig bei der Verarbeitung unstrukturierter Daten wie Bilder, Ton und Text. Deep Learning bildet die technische Grundlage hinter modernen Sprachmodellen, Bilderkennungssystemen und autonomen Fahrzeugen.

Relevanz für Schweizer KMU: Deep-Learning-basierte Dienste wie automatische Dokumentenerkennung oder Qualitätskontrolle per Kamera sind mittlerweile auch für KMU über API-Dienste erschwinglich und integrierbar.

LLM (Large Language Model)

Ein Large Language Model ist ein auf riesigen Textmengen trainiertes neuronales Netz, das natürliche Sprache verstehen und generieren kann. LLMs wie GPT-4, Claude oder Gemini wurden auf Milliarden von Texten trainiert und können Texte verfassen, übersetzen, zusammenfassen und Fragen beantworten. Sie sind die technische Basis hinter modernen KI-Chatbots und Text-Automatisierungslösungen.

Relevanz für Schweizer KMU: LLMs ermöglichen KMU die schnelle Erstellung von Marketingtexten, die Automatisierung von E-Mail-Antworten oder die interne Wissenssuche in Dokumenten – in Deutsch und weiteren Schweizer Landessprachen.

GPT (Generative Pre-trained Transformer)

GPT bezeichnet eine Familie von Large Language Models, die von OpenAI entwickelt wurde und auf der Transformer-Architektur basiert. Das Modell wird zunächst auf riesigen Textmengen vortrainiert und kann anschließend für spezifische Aufgaben wie Textgenerierung, Übersetzung oder Programmierung eingesetzt werden. GPT-4 und seine Nachfolger gelten als Benchmark für leistungsstarke Sprachmodelle.

Relevanz für Schweizer KMU: GPT-basierte Anwendungen über die OpenAI API sind die am weitesten verbreiteten KI-Werkzeuge für Unternehmen und bilden die Grundlage vieler fertiger SaaS-Lösungen für Marketing, Support und Dokumentenverarbeitung.

NLP (Natural Language Processing)

Natural Language Processing bezeichnet den Teilbereich der KI, der sich mit der maschinellen Verarbeitung und dem Verstehen menschlicher Sprache befasst. NLP-Verfahren werden für Aufgaben wie Textzusammenfassung, Stimmungsanalyse, maschinelle Übersetzung und Informationsextraktion verwendet. Moderne NLP-Systeme basieren zunehmend auf Large Language Models und erreichen dabei eine Qualität, die in vielen Bereichen menschliche Leistung übertrifft.

Relevanz für Schweizer KMU: NLP ermöglicht die automatische Verarbeitung von Kundenanfragen, Verträgen oder Supporttickets in mehreren Sprachen – ein entscheidender Vorteil für KMU in der mehrsprachigen Schweiz.

KI-Agent

Ein KI-Agent ist ein autonomes Software-System, das auf Basis eines Sprachmodells selbstständig Aufgaben plant, Werkzeuge einsetzt und Entscheidungen trifft, um ein vorgegebenes Ziel zu erreichen. Anders als ein einfacher Chatbot kann ein KI-Agent mehrere Schritte ausführen, externe Dienste aufrufen und seine Strategie basierend auf Zwischenergebnissen anpassen. KI-Agenten sind die Grundlage für automatisierte End-to-End-Prozesse ohne menschliche Eingriffe.

Relevanz für Schweizer KMU: Mit KI-Agenten lassen sich komplexe Geschäftsprozesse wie Lead-Qualifizierung, Angebotserstellung oder Datenrecherche vollautomatisch und rund um die Uhr durchführen.

Weiterführend: KI-Agenten für Unternehmen in der Schweiz – ausführliche Erklärung

Chatbot

Ein Chatbot ist ein Softwareprogramm, das automatisierte Konversationen in natürlicher Sprache mit Benutzern führt – meist über Webseiten, Messaging-Apps oder interne Tools. Moderne KI-Chatbots basieren auf Large Language Models und können kontextbezogene, nuancierte Antworten geben, die weit über einfache regelbasierte Systeme hinausgehen. Sie werden für Kundenservice, interne FAQs, Terminbuchungen und viele weitere Anwendungen eingesetzt.

Relevanz für Schweizer KMU: Ein gut konfigurierter KI-Chatbot kann den Kundendienst rund um die Uhr entlasten und häufige Anfragen automatisch beantworten – in Deutsch, Französisch, Italienisch und Englisch.

Weiterführend: Chatbot für Unternehmen in der Schweiz 2026

Prompt Engineering

Prompt Engineering bezeichnet die systematische Kunst, Eingabetexte (Prompts) so zu formulieren, dass ein KI-Sprachmodell optimale und präzise Ausgaben erzeugt. Es umfasst Techniken wie Zero-Shot-, Few-Shot- und Chain-of-Thought-Prompting, bei denen die Anweisung an das Modell gezielt strukturiert wird. Gutes Prompt Engineering ist eine Kernkompetenz für jeden, der mit LLMs arbeitet, und beeinflusst massgeblich die Qualität der KI-Ausgaben.

Relevanz für Schweizer KMU: Mitarbeiter, die Prompt Engineering beherrschen, können mit denselben KI-Tools deutlich bessere Ergebnisse erzielen – ohne Programmierkenntnisse und mit unmittelbarer Produktivitätssteigerung.

RAG (Retrieval Augmented Generation)

RAG ist eine Methode, bei der ein Sprachmodell vor der Antwortgenerierung zunächst relevante Informationen aus einer externen Wissensdatenbank abruft und diese als Kontext verwendet. Dadurch werden Halluzinationen reduziert und das Modell kann aktuelle, unternehmensspezifische Informationen einbeziehen, die nicht im Trainingsdatensatz enthalten sind. RAG kombiniert die Stärken von Informationsretrieval und generativer KI.

Relevanz für Schweizer KMU: Mit RAG können KMU ihre eigenen Dokumente, Handbücher oder Wissensdatenbanken «durchsuchbar» machen und mit einem KI-Assistenten verbinden – ohne das Modell neu trainieren zu müssen.

Fine-Tuning

Fine-Tuning bezeichnet den Prozess, bei dem ein vortrainiertes KI-Modell auf einem spezifischen, kleineren Datensatz weitertrainiert wird, um es für eine bestimmte Aufgabe oder einen Fachbereich zu spezialisieren. Durch Fine-Tuning kann ein allgemeines Sprachmodell z.B. den spezifischen Ton, die Fachsprache oder die Antwortstruktur eines Unternehmens erlernen. Es ist weniger ressourcenintensiv als das Training eines Modells von Grund auf.

Relevanz für Schweizer KMU: Fine-Tuning ermöglicht es KMU, ein KI-Modell mit ihrer eigenen Fachterminologie, Markensprache oder branchenspezifischen Inhalten zu optimieren – für präzisere und konsistentere Ausgaben.

API (Application Programming Interface)

Eine API ist eine standardisierte Schnittstelle, über die verschiedene Softwaresysteme miteinander kommunizieren und Daten austauschen können. Im KI-Kontext ermöglichen APIs es Unternehmen, externe KI-Dienste wie OpenAI, Google AI oder Anthropic Claude in eigene Anwendungen und Workflows zu integrieren, ohne die Modelle selbst betreiben zu müssen. APIs funktionieren wie ein «Stecker», der verschiedene digitale Systeme verbindet.

Relevanz für Schweizer KMU: Über APIs können KMU KI-Funktionen wie Textgenerierung, Bilderkennung oder Sprachverarbeitung in bestehende Systeme (CRM, ERP, Website) einbinden – schnell und ohne grosse Infrastrukturinvestitionen.

Automatisierung

KI-gestützte Automatisierung bezeichnet den Einsatz von Algorithmen und KI-Systemen, um repetitive oder regelbasierte Geschäftsprozesse ohne menschliches Eingreifen auszuführen. Sie geht über klassische Automatisierung hinaus, indem sie auch unstrukturierte Daten verarbeiten und auf variable Situationen reagieren kann. Automatisierung umfasst sowohl einfache Aufgaben wie das Weiterleiten von E-Mails als auch komplexe Workflows wie die vollautomatische Rechnungsverarbeitung.

Relevanz für Schweizer KMU: Automatisierung ist oft der schnellste Weg für KMU, mit KI Effizienzgewinne zu erzielen – bei gleichzeitiger Reduzierung von Fehlern und Entlastung der Mitarbeitenden von Routineaufgaben.

Weiterführend: KI-Automatisierung für KMU in der Schweiz 2026

No-Code / Low-Code

No-Code- und Low-Code-Plattformen ermöglichen die Erstellung von Softwareanwendungen und Automatisierungen mit minimalen oder gar keinen Programmierkenntnissen – meist durch visuelle Drag-and-Drop-Oberflächen. No-Code-Tools richten sich an Nicht-Techniker, während Low-Code-Plattformen für Entwickler eine Kombination aus visuellem Bauen und Code-Erweiterungen anbieten. Sie demokratisieren die Softwareentwicklung und reduzieren die Abhängigkeit von IT-Abteilungen.

Relevanz für Schweizer KMU: No-Code/Low-Code-Tools ermöglichen es KMU-Mitarbeitenden, ohne Programmierkenntnisse eigene KI-Workflows, Integrationen und Anwendungen zu erstellen – und reduzieren so teure Entwicklungskosten.

n8n

n8n ist eine Open-Source-Workflow-Automatisierungsplattform, die es ermöglicht, verschiedene Softwareanwendungen und Dienste über visuelle Workflows zu verbinden und zu automatisieren. Im Unterschied zu SaaS-Diensten wie Zapier kann n8n auf eigenen Servern (Self-Hosted) betrieben werden, was volle Datenkontrolle gewährleistet. n8n unterstützt hunderte von Integrationen und ermöglicht komplexe, KI-gestützte Automatisierungen.

Relevanz für Schweizer KMU: n8n ist besonders attraktiv für Schweizer KMU, die ihre Daten aus datenschutzrechtlichen Gründen (nDSG) im eigenen Haus behalten möchten, ohne auf leistungsstarke Automatisierungsfunktionen verzichten zu müssen.

Weiterführend: Make vs. Zapier vs. n8n: Vergleich für Schweizer Unternehmen 2026

Make (ehemals Integromat)

Make ist eine visuell orientierte Automatisierungsplattform, die es erlaubt, Workflows («Szenarien») zwischen verschiedenen Apps und Diensten zu erstellen – ohne Programmierkenntnisse. Make bietet eine intuitive Benutzeroberfläche mit einem «Drag-and-Drop»-Ansatz und ist besonders stark bei der Verarbeitung komplexer, mehrstufiger Datenflüsse. Die Plattform wurde ursprünglich in Tschechien als Integromat entwickelt und ist heute in Europa besonders verbreitet.

Relevanz für Schweizer KMU: Make ist dank seiner einfachen Bedienung und seiner starken europäischen Serverinfrastruktur ein beliebtes Tool für Schweizer KMU, die Geschäftsprozesse zwischen CRM, E-Mail, Buchhaltung und anderen Tools automatisieren möchten.

Weiterführend: Make vs. Zapier vs. n8n: Vergleich für Schweizer Unternehmen 2026

Zapier

Zapier ist eine cloud-basierte Automatisierungsplattform, die über 7.000 Applikationen miteinander verbindet und automatisierte Aktionen («Zaps») zwischen diesen Apps ermöglicht. Das Konzept ist einfach: Ein «Trigger» in einer App löst eine «Action» in einer anderen App aus. Zapier gilt als die Plattform mit der grössten Integrationsvielfalt und ist besonders bei anglophonen Märkten und Start-ups weit verbreitet.

Relevanz für Schweizer KMU: Zapier bietet den schnellsten Einstieg in Automatisierungen und eignet sich ideal für KMU, die standardisierte Apps wie Google Workspace, HubSpot oder Slack miteinander verbinden möchten.

Weiterführend: Make vs. Zapier vs. n8n: Vergleich für Schweizer Unternehmen 2026

Workflow

Ein Workflow ist eine strukturierte Abfolge von Aufgaben oder Aktivitäten, die ausgeführt werden müssen, um ein bestimmtes Geschäftsziel zu erreichen. Im Kontext von KI und Automatisierung bezeichnet ein digitaler Workflow eine automatisierte Prozesskette, bei der Daten und Aufgaben zwischen verschiedenen Systemen und Anwendungen weitergegeben werden. Workflows können sowohl einfach (zwei verbundene Apps) als auch hochkomplex (dutzende KI-Agenten und Dienste) sein.

Relevanz für Schweizer KMU: Die Digitalisierung und Automatisierung von Workflows ist einer der wichtigsten Hebel für Effizienzsteigerung in KMU – von der Auftragsverarbeitung bis zur Kundenbetreuung.

RPA (Robotic Process Automation)

Robotic Process Automation bezeichnet den Einsatz von Software-Robotern («Bots»), die regelbasierte, repetitive Aufgaben auf digitalen Systemen automatisch ausführen – so wie ein Mensch, der eine Benutzeroberfläche bedient. RPA eignet sich besonders für strukturierte Prozesse wie das Ausfüllen von Formularen, das Kopieren von Daten zwischen Systemen oder die Verarbeitung von Berichten. Kombiniert mit KI entsteht «Intelligent Automation».

Relevanz für Schweizer KMU: RPA ermöglicht die Automatisierung von Back-Office-Prozessen wie Dateneingabe, Fakturierung oder Berichtswesen – ohne die bestehenden Legacy-Systeme ersetzen zu müssen.

Computer Vision

Computer Vision ist ein Teilgebiet der KI, das Computern ermöglicht, visuelle Informationen aus Bildern und Videos zu interpretieren und daraus Schlussfolgerungen zu ziehen. Anwendungen reichen von der Gesichtserkennung über die automatische Qualitätskontrolle in der Produktion bis hin zur medizinischen Bildanalyse. Moderne Computer-Vision-Systeme nutzen Deep Learning und übertreffen in vielen Erkennungsaufgaben menschliche Genauigkeit.

Relevanz für Schweizer KMU: Computer Vision eröffnet Chancen in Branchen wie Produktion, Logistik und Detailhandel – etwa für automatisierte Warenprüfung, Bestandszählung oder die Analyse von Ladenbesuchen.

Generative KI (GenAI)

Generative KI bezeichnet KI-Systeme, die eigenständig neue Inhalte erzeugen können – darunter Text, Bilder, Audio, Video, Code und synthetische Daten. Im Gegensatz zu diskriminativer KI, die vorhandene Inhalte klassifiziert, erschafft generative KI neue Inhalte auf Basis erlernter Muster. Bekannte Beispiele sind ChatGPT (Text), Midjourney (Bilder) und Suno (Musik).

Relevanz für Schweizer KMU: Generative KI revolutioniert die Content-Erstellung, das Marketing und die Produktentwicklung – KMU können damit professionelle Texte, Designs und Code in einem Bruchteil der Zeit und Kosten produzieren.

Token

Ein Token ist die kleinste Einheit, in die Text von einem Sprachmodell zerlegt wird – dies können Wörter, Wortteile oder auch einzelne Zeichen sein. Sprachmodelle verarbeiten und generieren Text auf Token-Ebene, und die Anzahl der verarbeitbaren Tokens («Context Window») bestimmt, wie viel Text ein Modell auf einmal verarbeiten kann. Die Kosten für die Nutzung von KI-APIs werden typischerweise pro Token berechnet.

Relevanz für Schweizer KMU: Das Verstehen von Token-Kosten und Context-Window-Grenzen ist entscheidend für die Kalkulation von KI-Projekten und die Optimierung des Budgeteinsatzes bei der Nutzung von KI-APIs.

Embedding

Ein Embedding ist eine numerische Vektordarstellung von Text, Bildern oder anderen Daten, die deren semantische Bedeutung in einem mathematischen Raum kodiert. Ähnliche Inhalte erhalten ähnliche Vektoren, was Suche und Vergleiche nach inhaltlicher Relevanz ermöglicht. Embeddings sind die Grundlage für semantische Suche, Empfehlungssysteme und RAG-Anwendungen.

Relevanz für Schweizer KMU: Embeddings ermöglichen KMU, intelligente Suchfunktionen für interne Dokumente oder Produktkataloge aufzubauen, die nicht nach Stichwörtern, sondern nach Bedeutung suchen.

Vektor-Datenbank

Eine Vektor-Datenbank ist ein spezialisiertes Datenbanksystem, das für die Speicherung und effiziente Suche von Embedding-Vektoren optimiert ist. Sie ermöglicht die schnelle Abfrage semantisch ähnlicher Inhalte aus grossen Datenmengen und ist eine Schlüsselkomponente in RAG-Systemen und semantischen Suchanwendungen. Bekannte Beispiele sind Pinecone, Weaviate und Chroma.

Relevanz für Schweizer KMU: Vektor-Datenbanken sind das Herzstück jeder KI-Wissensbasis – sie ermöglichen KMU, interne Dokumente, Handbücher oder Produktdaten für KI-Abfragen zugänglich zu machen.

Halluzination

Halluzination bezeichnet das Phänomen, bei dem ein KI-Sprachmodell plausibel klingende, aber faktisch falsche oder erfundene Informationen generiert. Diese Fehler entstehen, weil Sprachmodelle auf statistische Muster in Trainingsdaten trainiert sind und nicht immer zwischen wahren und falschen Aussagen unterscheiden können. Halluzinationen sind eine der grössten Herausforderungen beim produktiven Einsatz von LLMs.

Relevanz für Schweizer KMU: Unternehmen müssen KI-Ausgaben insbesondere bei faktenrelevanten Aufgaben wie Rechtsberatung, Finanzdaten oder Produktinformationen stets prüfen – und Gegenmassnahmen wie RAG oder Human-in-the-Loop einsetzen.

nDSG (neues Datenschutzgesetz)

Das neue Schweizer Datenschutzgesetz (nDSG) ist seit dem 1. September 2023 in Kraft und regelt den Umgang mit Personendaten in der Schweiz. Es bringt strengere Anforderungen an Datensicherheit, Transparenz und die Rechte der betroffenen Personen, angelehnt an die europäische DSGVO. Besonders relevant für den KI-Einsatz sind die Vorschriften zu automatisierten Einzelentscheidungen und die Pflicht zur Datenschutz-Folgenabschätzung.

Relevanz für Schweizer KMU: Jedes KMU, das KI-Systeme mit Personendaten betreibt, muss die nDSG-Anforderungen erfüllen – von der Datenschutzerklärung bis hin zur Wahl des richtigen Hosting-Standorts.

Weiterführend: nDSG und KI: Datenschutz für Schweizer Unternehmen 2026

Cloud Computing

Cloud Computing bezeichnet die Bereitstellung von IT-Ressourcen wie Rechenleistung, Speicher und Anwendungen über das Internet auf Abruf. Grosse KI-Modelle werden fast ausschliesslich in der Cloud betrieben, da sie enorme Rechenkapazitäten erfordern, die für die meisten Unternehmen nicht lokal verfügbar oder wirtschaftlich sind. Die wichtigsten Cloud-Anbieter sind AWS, Microsoft Azure und Google Cloud.

Relevanz für Schweizer KMU: Cloud Computing ermöglicht KMU den Zugang zu leistungsstarken KI-Diensten ohne hohe Anfangsinvestitionen – allerdings müssen Datenschutzaspekte bezüglich des Serverstandorts (Schweiz vs. Ausland) berücksichtigt werden.

Edge Computing

Edge Computing bezeichnet die dezentrale Verarbeitung von Daten näher am Ursprungsort – auf lokalen Geräten oder regionalen Servern – anstatt in zentralen Cloud-Rechenzentren. Im KI-Kontext ermöglicht Edge Computing die Ausführung von KI-Modellen direkt auf Geräten wie Kameras, Sensoren oder lokalen Servern, was geringere Latenz, höhere Datensicherheit und Offline-Fähigkeit bietet. Edge-KI gewinnt besonders in der Produktion und im IoT-Bereich an Bedeutung.

Relevanz für Schweizer KMU: Edge Computing ist relevant für KMU, die Echtzeit-KI-Anwendungen ohne Cloud-Abhängigkeit benötigen – etwa in der Qualitätssicherung, der Logistik oder für datenschutzkritische Anwendungen.

SaaS (Software as a Service)

Software as a Service (SaaS) bezeichnet ein Bereitstellungsmodell, bei dem Softwareanwendungen über das Internet als Dienst angeboten werden – ohne lokale Installation oder Wartung durch den Nutzer. Im KI-Bereich umfasst dies fertige KI-Tools wie CRM-Systeme mit integrierter KI, Marketing-Automatisierungstools oder spezialisierte KI-Assistenten. Die meisten modernen KI-Tools sind als SaaS verfügbar.

Relevanz für Schweizer KMU: SaaS-KI-Tools ermöglichen KMU den sofortigen Einstieg in KI-gestützte Prozesse ohne IT-Aufwand – allerdings erfordert die Auswahl des richtigen Anbieters die Prüfung von Datenschutz, Serverstandort und Anbieterstabilität.

Self-Hosting

Self-Hosting bezeichnet den Betrieb von Software und KI-Modellen auf eigener Infrastruktur – entweder auf lokalen Servern (On-Premise) oder auf einem gemieteten Server, über den das Unternehmen die volle Kontrolle hat. Im KI-Kontext ermöglicht Self-Hosting den Einsatz von Open-Source-Modellen wie Llama oder Mistral ohne Abhängigkeit von externen Cloud-Anbietern. Es bietet maximale Datensouveränität, erfordert aber mehr technisches Know-how.

Relevanz für Schweizer KMU: Self-Hosting ist für KMU mit sensiblen Daten (Finanzen, Gesundheit, Recht) besonders attraktiv, da alle Daten im eigenen Haus bleiben und nicht an externe Anbieter übermittelt werden.

Open Source (KI)

Open-Source-KI bezeichnet KI-Modelle und -Tools, deren Quellcode und/oder Modellgewichte öffentlich zugänglich und frei verwendbar sind. Prominente Beispiele sind Metas Llama-Modellreihe, Mistral AI oder das Tool n8n. Open-Source-KI ermöglicht unabhängige Prüfung, Anpassung und lokalen Betrieb, fördert Innovation durch kollaborative Weiterentwicklung und reduziert Abhängigkeiten von einzelnen Anbietern.

Relevanz für Schweizer KMU: Open-Source-KI-Modelle bieten eine kosteneffiziente Alternative zu proprietären Diensten und ermöglichen volle Kontrolle über Daten und Anpassungen – ideal für datenschutzbewusste Schweizer Unternehmen.

Proprietary AI (Proprietäre KI)

Proprietäre KI bezeichnet KI-Systeme, deren Quellcode, Trainingsdaten und Architektur Eigentum eines Unternehmens sind und nicht öffentlich zugänglich gemacht werden. Beispiele sind GPT-4 (OpenAI), Claude (Anthropic) und Gemini (Google). Diese Modelle bieten oft state-of-the-art Leistung, sind aber mit Abhängigkeiten vom Anbieter, begrenzter Transparenz und Datenschutzüberlegungen verbunden.

Relevanz für Schweizer KMU: Bei der Wahl zwischen proprietärer und Open-Source-KI müssen KMU Faktoren wie Leistung, Datenschutz, Kosten und Vendor-Lock-in abwägen – oft ist eine Kombination beider Ansätze die optimale Strategie.

KI-Readiness

KI-Readiness bezeichnet den Grad der Bereitschaft eines Unternehmens, KI-Technologien erfolgreich einzuführen und zu nutzen. Sie umfasst Dimensionen wie Datenqualität und -verfügbarkeit, technische Infrastruktur, Mitarbeiterkompetenz, Prozessreife und strategische Ausrichtung. Eine strukturierte Bewertung der KI-Readiness ist der erste Schritt vor jeder KI-Implementierung.

Relevanz für Schweizer KMU: Viele KI-Projekte scheitern nicht an der Technologie, sondern an mangelnder Readiness – ein KI-Readiness-Assessment hilft KMU, die richtigen Prioritäten zu setzen und Investitionen zu schützen.

ROI (Return on Investment)

Der Return on Investment (ROI) misst die Rentabilität einer Investition als Verhältnis des erzielten Gewinns zu den eingesetzten Kosten. Im KI-Kontext umfasst der ROI sowohl quantifizierbare Einsparungen (z.B. reduzierter Personalaufwand, Fehlerreduktion) als auch schwerer messbare Vorteile wie schnellere Entscheidungsfindung oder verbesserte Kundenzufriedenheit. Die ROI-Berechnung von KI-Projekten ist oft komplex und erfordert einen längeren Betrachtungszeitraum.

Relevanz für Schweizer KMU: Eine klare ROI-Analyse vor jedem KI-Projekt hilft KMU, Prioritäten zu setzen und gegenüber Führungsgremien oder Investoren zu rechtfertigen, welche KI-Initiativen Vorrang haben sollten.

MVP (Minimum Viable Product)

Ein Minimum Viable Product (MVP) ist eine vereinfachte Version eines Produkts oder einer Lösung, die mit minimalem Aufwand entwickelt wird, um erste Nutzerfeedbacks zu sammeln und Kernannahmen zu validieren. Im KI-Kontext bezeichnet ein KI-MVP eine erste, funktionsfähige Version eines KI-Projekts, die den grundlegenden Nutzen demonstriert, bevor vollständig in die Lösung investiert wird. MVPs reduzieren Risiko und Entwicklungskosten.

Relevanz für Schweizer KMU: Der MVP-Ansatz ist ideal für KMU, um KI-Projekte risikoarm zu starten – statt monatelanger Planung in wenigen Wochen einen ersten Prototyp entwickeln, testen und bei Bedarf anpassen.

Digital Twin (Digitaler Zwilling)

Ein Digital Twin ist eine virtuelle Replikation eines physischen Objekts, Prozesses oder Systems, die in Echtzeit mit Sensordaten gespeist wird und Simulationen sowie Vorhersagen ermöglicht. Kombiniert mit KI können digitale Zwillinge Ausfallwahrscheinlichkeiten vorhersagen, Prozesse optimieren und Szenarien simulieren, bevor Veränderungen in der realen Welt umgesetzt werden. Sie werden in Industrie, Stadtplanung und Gesundheitswesen eingesetzt.

Relevanz für Schweizer KMU: Für produzierende KMU bieten digitale Zwillinge die Möglichkeit, Maschinenausfälle vorherzusagen (Predictive Maintenance), Energieverbrauch zu optimieren und Produktionsprozesse zu verbessern, ohne reale Experimente durchzuführen.

Predictive Analytics (Prädiktive Analytik)

Predictive Analytics bezeichnet den Einsatz statistischer Algorithmen und Machine Learning, um auf Basis historischer Daten zukünftige Ereignisse oder Verhaltensweisen vorherzusagen. Anwendungsbeispiele sind Absatzprognosen, Kundenabwanderungsvorhersagen (Churn Prediction), Kreditrisikobeurteilungen und Wartungsbedarfsprognosen. Predictive Analytics transformiert reaktive in vorausschauende Entscheidungsprozesse.

Relevanz für Schweizer KMU: Prädiktive Analytik ermöglicht KMU, Lagerbestände besser zu planen, Kundenabwanderung frühzeitig zu erkennen und Ressourcen effizienter einzusetzen – selbst mit kleineren Datensätzen.

Sentiment Analysis (Stimmungsanalyse)

Sentiment Analysis ist ein NLP-Verfahren, das die emotionale Färbung oder Meinung in Texten automatisch erkennt und klassifiziert – typischerweise als positiv, negativ oder neutral. Es wird eingesetzt, um Kundenfeedback, Social-Media-Kommentare, Bewertungen oder Supportanfragen automatisch nach Stimmung zu analysieren. Moderne Systeme erkennen auch subtile Nuancen wie Ironie oder differenzierte Emotionen.

Relevanz für Schweizer KMU: Sentiment Analysis ermöglicht KMU, grosse Mengen an Kundenfeedback automatisch auszuwerten, Probleme frühzeitig zu erkennen und die Kundenzufriedenheit kontinuierlich zu messen – ohne manuelle Auswertung jedes einzelnen Kommentars.

OCR (Optical Character Recognition)

Optical Character Recognition (OCR) ist eine Technologie, die gedruckten oder handgeschriebenen Text in digitalen Bildern oder Scans in maschinenlesbaren Text umwandelt. Moderne KI-gestützte OCR-Systeme erreichen hohe Erkennungsgenauigkeiten und können auch schlecht lesbare Dokumente, verschiedene Schriftarten und mehrere Sprachen verarbeiten. OCR ist eine Grundlagentechnologie für die Digitalisierung von Papierdokumenten.

Relevanz für Schweizer KMU: OCR ermöglicht KMU die automatische Verarbeitung von Rechnungen, Bestellungen, Verträgen und anderen Papierdokumenten – ein wichtiger Schritt zur papierlosen Buchhaltung und effizienten Dokumentenverwaltung.

ETL (Extract, Transform, Load)

ETL bezeichnet einen dreistufigen Datenprozess: Daten werden aus verschiedenen Quellen extrahiert (Extract), in ein einheitliches Format umgewandelt und bereinigt (Transform) und in ein Zielsystem wie ein Data Warehouse oder eine Datenbank geladen (Load). ETL ist eine Grundlage für Business Intelligence, datengestützte Analysen und den Aufbau von KI-Trainingsdaten. Moderne ETL-Prozesse werden zunehmend durch KI ergänzt oder automatisiert.

Relevanz für Schweizer KMU: ETL-Prozesse sind entscheidend für KMU, die Daten aus verschiedenen Systemen (ERP, CRM, E-Commerce) zusammenführen und für Analysen oder KI-Anwendungen nutzbar machen möchten.

Data Pipeline

Eine Data Pipeline ist eine automatisierte Prozesskette, die Daten von ihrer Quelle kontinuierlich oder in regelmässigen Intervallen durch verschiedene Verarbeitungsschritte bis zum Ziel transportiert. Sie umfasst die Schritte Erfassung, Übertragung, Verarbeitung, Speicherung und ggf. Analyse der Daten. Robuste Data Pipelines sind eine Voraussetzung für skalierbare KI-Anwendungen und zuverlässige datengestützte Entscheidungen.

Relevanz für Schweizer KMU: Gut strukturierte Data Pipelines sind das Fundament für jede KI-Initiative – sie stellen sicher, dass die richtigen Daten zum richtigen Zeitpunkt in der richtigen Qualität für Analysen und KI-Modelle verfügbar sind.

Multi-Agent System

Ein Multi-Agent System besteht aus mehreren KI-Agenten, die miteinander kommunizieren, sich Aufgaben aufteilen und kooperieren, um komplexe Ziele zu erreichen, die ein einzelner Agent nicht allein bewältigen könnte. Jeder Agent verfügt über spezialisierte Fähigkeiten oder Werkzeuge, und ein übergeordneter «Orchestrator»-Agent koordiniert die Zusammenarbeit. Multi-Agent Systeme ermöglichen parallelisierte und hochkomplexe KI-Workflows.

Relevanz für Schweizer KMU: Multi-Agent Systeme sind die Grundlage für ambitioniertere KI-Automatisierungen wie vollautomatische Marktanalyse, komplexe Rechercheprozesse oder mehrstufige Kundenbetreuungsabläufe.

Agentic AI

Agentic AI bezeichnet KI-Systeme, die selbstständig Ziele verfolgen, mehrstufige Pläne erstellen und diese mit minimaler menschlicher Aufsicht umsetzen können. Im Gegensatz zu reaktiven KI-Systemen, die nur auf direkte Anfragen antworten, initiieren agentische KI-Systeme proaktiv Aktionen, um übergeordnete Aufgaben zu erfüllen. Agentic AI stellt die nächste Evolutionsstufe nach einfachen Chatbots und assistierenden KI-Tools dar.

Relevanz für Schweizer KMU: Agentic AI ermöglicht die vollständige Delegation komplexer Aufgaben wie Marktrecherche, Lead-Qualifizierung oder Berichterstellung an KI-Systeme – ein Paradigmenwechsel für die Arbeitsorganisation in KMU.

Transformer

Die Transformer-Architektur ist ein 2017 von Google eingeführtes neuronales Netzwerkmodell, das auf dem «Attention»-Mechanismus basiert und die Verarbeitung von Sequenzdaten revolutioniert hat. Transformer sind die Grundlage aller modernen Large Language Models und ermöglichen es dem Modell, Beziehungen zwischen Wörtern unabhängig von ihrer Position im Text zu erfassen. Sie haben frühere Architekturen wie RNNs und LSTMs in den meisten NLP-Aufgaben abgelöst.

Relevanz für Schweizer KMU: Das Verstehen der Transformer-Architektur hilft Entscheidungsträgern, die Möglichkeiten und Grenzen moderner KI-Sprachmodelle realistisch einzuschätzen und fundierte Technologieentscheidungen zu treffen.

Neural Network (Neuronales Netz)

Ein neuronales Netz ist ein Machine-Learning-Modell, das von der Struktur des menschlichen Gehirns inspiriert ist und aus miteinander verbundenen Schichten von «Neuronen» (mathematischen Funktionen) besteht. Durch Training auf Datensätzen lernen neuronale Netze, Muster zu erkennen und Vorhersagen zu treffen. Tiefe neuronale Netze (Deep Neural Networks) mit vielen Schichten bilden die Grundlage des Deep Learning.

Relevanz für Schweizer KMU: Neuronale Netze bilden das technische Fundament der meisten leistungsstarken KI-Anwendungen – von der Spracherkennung über die Bilderkennung bis hin zu Empfehlungssystemen, die KMU in fertigen Tools nutzen können.

Training Data (Trainingsdaten)

Trainingsdaten sind die Datensätze, auf denen ein KI-Modell trainiert wird, um Muster zu erlernen und Vorhersagen zu treffen. Die Qualität, Menge und Repräsentativität der Trainingsdaten haben einen direkten Einfluss auf die Leistung und die Fairness des trainierten Modells. Voreingenommene oder unvollständige Trainingsdaten führen zu voreingenommenen KI-Systemen («Garbage in, garbage out»).

Relevanz für Schweizer KMU: Für KMU, die eigene KI-Modelle oder Fine-Tuning einsetzen wollen, ist die Qualität der Trainingsdaten der kritischste Erfolgsfaktor – eine sorgfältige Datenstrategie ist vor dem Start jedes KI-Projekts unerlässlich.

Inference (Inferenz)

Inference bezeichnet den Prozess, bei dem ein bereits trainiertes KI-Modell auf neue, bisher ungesehene Daten angewendet wird, um Vorhersagen oder Ausgaben zu generieren. Im Gegensatz zum Training (bei dem das Modell lernt) ist die Inference der eigentliche Produktiveinsatz des Modells. Die Geschwindigkeit und Kosten der Inference sind entscheidende Faktoren für die Skalierbarkeit von KI-Anwendungen.

Relevanz für Schweizer KMU: Inference-Kosten und -Geschwindigkeit bestimmen die Wirtschaftlichkeit von KI-Anwendungen im laufenden Betrieb – bei der Wahl von KI-Diensten sollten KMU die Inference-Kosten pro Anfrage in die Gesamtkalkulation einbeziehen.

Benchmark

Ein KI-Benchmark ist ein standardisierter Test oder Datensatz, mit dem die Leistung von KI-Modellen objektiv gemessen und verglichen werden kann. Bekannte Benchmarks sind MMLU (Allgemeinwissen), HumanEval (Programmierung) oder SWE-Bench (Software-Engineering). Benchmarks ermöglichen den Vergleich verschiedener Modelle, haben aber Grenzen, wenn es um die reale Anwendungsleistung für spezifische Unternehmensaufgaben geht.

Relevanz für Schweizer KMU: Benchmarks helfen KMU bei der Vorselektion geeigneter KI-Modelle, sollten aber immer durch praxisnahe Eigentests für den spezifischen Anwendungsfall ergänzt werden.

AI Governance (KI-Governance)

AI Governance bezeichnet den Rahmen aus Richtlinien, Prozessen, Rollen und Verantwortlichkeiten, der einen verantwortungsvollen, sicheren und rechtskonformen Einsatz von KI in einer Organisation sicherstellt. Sie umfasst die Definition von Entscheidungskompetenzen, Risikobewertungsverfahren, Auditprozesse und Compliance mit regulatorischen Anforderungen wie dem EU AI Act. Eine starke AI Governance schützt Unternehmen vor rechtlichen, reputationsbezogenen und operationellen KI-Risiken.

Relevanz für Schweizer KMU: Auch KMU, die KI einsetzen, brauchen klare Regeln, wer KI-Entscheidungen verantwortet, wie KI-Ausgaben überprüft werden und wie mit Datenschutz umzugehen ist – eine einfache KI-Policy ist der erste Schritt zu guter AI Governance.

AI Ethics (KI-Ethik)

AI Ethics bezeichnet das Feld, das sich mit den moralischen Implikationen und gesellschaftlichen Auswirkungen von KI-Systemen befasst – darunter Fragen der Fairness, Transparenz, Rechenschaftspflicht und menschlicher Kontrolle über KI-Entscheidungen. Zu den zentralen Themen gehören algorithmische Diskriminierung, die Erklärbarkeit von KI-Entscheidungen (Explainability) und der Umgang mit KI-bedingten Arbeitsplatzveränderungen. International entstehen zunehmend regulatorische Rahmenbedingungen basierend auf ethischen KI-Prinzipien.

Relevanz für Schweizer KMU: Unternehmen, die KI verantwortungsvoll und nachhaltig einsetzen, stärken ihr Vertrauen bei Kunden und Mitarbeitenden – eine explizite Auseinandersetzung mit KI-Ethik ist auch für KMU zunehmend ein Wettbewerbsfaktor.