KI bauen, kaufen oder integrieren: Eine Entscheidungsgrundlage für KMU
Ausgangspunkt
«Bauen oder kaufen» ist als Frage zu grob. Zwischen dem Kauf einer fertigen Lösung und dem Training eines eigenen Modells liegen drei weitere Wege: eine bereits eingesetzte Lösung konfigurieren, bestehende Modelle integrieren und eine eigene Anwendung entwickeln. Wer diese fünf Optionen vermischt, vergleicht Vorhaben mit völlig unterschiedlichem Aufwand und Risiko.
Seit 2023 setze ich KI in eigenen Projekten praktisch ein, auf der Basis bestehender Modelle. Meine Einschätzung aus dieser Praxis: Für ein KMU ist keine der fünf Optionen von vornherein richtig oder falsch. Die Entscheidung hängt von Nutzen, Daten, Fähigkeiten und Betrieb ab.
Fünf Optionen unterscheiden
| Option | Was sie bedeutet | Voraussetzungen |
|---|---|---|
| 1. Standardsoftware kaufen | Ein fertiges KI-Produkt neu beschaffen | Anbieterprüfung, Einführung, Schulung, Vertragsmanagement |
| 2. Bestehende Lösung konfigurieren | KI-Funktionen in bereits eingesetzter Software aktivieren und einrichten | Lizenz und Datenfluss geklärt, Konfiguration, Schulung |
| 3. Bestehende Modelle integrieren | Ein bestehendes Modell in eigene Abläufe einbinden, bei Bedarf angepasst durch Fine-Tuning oder die Anbindung eigener Dokumente (RAG) | Saubere Beispieldaten oder gepflegte Dokumente, Schnittstellen, Testverfahren, Pflege |
| 4. Eigene Anwendung entwickeln | Eine eigene Software mit eigener Logik auf einem bestehenden Modell | Prozesswissen, Entwicklungskapazität intern oder extern, Betriebskonzept |
| 5. Basismodell trainieren | Ein eigenes Modell von Grund auf aufbauen | Sehr grosse Datenbestände, Rechenkapazität, spezialisiertes Team, Dauerbetrieb |
Standardsoftware kaufen. Eine Standardlösung verkürzt den Weg bis zum ersten Einsatz und lagert den Betrieb aus. Funktionsumfang, Preisentwicklung und Datenfluss steuern Sie dann über den Vertrag. Die Anbieterprüfung wird zur Kernaufgabe. Wie Sie Angebote vergleichbar machen, zeigt der Beitrag Drei KI-Anbieter, drei Antworten.
Bestehende Lösung konfigurieren. Bietet eine bereits eingesetzte Software KI-Funktionen an, entfällt die Beschaffung eines neuen Produkts. Zu klären bleiben Lizenz, Einstellungen und Datenfluss. Prüfen Sie, ob der bestehende Vertrag die neue Funktion und ihre Datenbearbeitung abdeckt.
Bestehende Modelle integrieren. Fine-Tuning passt ein vortrainiertes Modell mit zusätzlichen Beispielen an eine Aufgabe, einen Fachbereich oder einen Stil an. Retrieval Augmented Generation (RAG), 2020 von Lewis und Mitautoren beschrieben, verbindet ein vortrainiertes Modell mit einem durchsuchbaren Dokumentenbestand. Das Wissen bleibt in Ihren Dokumenten. Die Qualität hängt an deren Pflege.
Eigene Anwendung entwickeln. Eine eigene Anwendung auf einem bestehenden Modell ist eine legitime Option, auch für KMU. Meine Einschätzung aus der eigenen Praxis: Der grössere Teil des Aufwands liegt bei Daten, Schnittstellen, Tests und Betrieb. Wer diesen Weg wählt, übernimmt eine dauerhafte Aufgabe und braucht dafür eine verantwortliche Person.
Basismodell trainieren. Prüfenswert, wenn das Modell selbst Ihr Produkt ist oder wenn Sie über einzigartige Daten in sehr grossem Umfang verfügen. Microsoft beschreibt Fine-Tuning in seiner Dokumentation als Weg, Kosten und Komplexität eines Trainings von Grund auf zu vermeiden. Fehlt eine Voraussetzung aus der Tabelle, prüfen Sie zuerst die übrigen vier Optionen.
Sechs Kriterien für die Beurteilung
- Geschäftsnutzen. Welchen Prozess verbessert das Vorhaben, und woran messen Sie das? Ein Zeitgewinn zählt erst, wenn klar ist, wofür die gewonnene Zeit eingesetzt wird.
- Differenzierung. Unterscheidet Sie die Anwendung im Markt, oder löst sie eine Aufgabe, die alle gleich lösen? Bei Standardaufgaben spricht viel für Kaufen oder Konfigurieren. Wo eigenes Prozess- oder Produktwissen den Unterschied macht, gewinnen Integration und eigene Anwendung an Gewicht.
- Daten. Welche Daten braucht die Lösung, in welcher Qualität liegen sie vor? Dürfen sie das Unternehmen verlassen? Enthalten sie Personendaten oder Geschäftsgeheimnisse? Die Prüfebenen dazu beschreibt der Beitrag KI-Anbieter im Ausland: Datenzugriff und Verantwortung prüfen.
- Fähigkeiten. Wer kann die Lösung bauen, beurteilen und betreiben? In einer Erhebung von ETH Zürich, Swissmem und Next Industries (Juni 2024, über 200 Unternehmen der Schweizer Tech-Industrie) gaben zwei Drittel an, gar keinen oder nur begrenzten Zugang zu internen KI-Kompetenzen oder zu KI-Talenten an Hochschulen zu haben. Die Erhebung ist von 2024 und betrifft eine Branche. Die Prüffrage bleibt: Fähigkeiten intern nutzen, aufbauen oder einkaufen?
- Betrieb. Wer überwacht Qualität und Kosten nach der Einführung? Wer reagiert, wenn der Modellanbieter eine Version abschaltet oder Preise ändert?
- Exit. Wie wechseln Sie Modell oder Anbieter? Bei einer Integration oder einer eigenen Anwendung lässt sich das Modell tauschen, wenn die Architektur dafür ausgelegt ist. Bei gekaufter oder konfigurierter Software hängt der Ausstieg an Datenexport, Kündigungsfristen und Migrationsaufwand.
Zielkonflikte offen benennen
- Tempo und Kontrolle. Kaufen verkürzt den Weg zum ersten Einsatz. Eine eigene Integration gibt mehr Kontrolle über Datenfluss und Funktionsumfang und braucht Entwicklungszeit.
- Abhängigkeit. Jede Option schafft eine Abhängigkeit: vom Softwareanbieter, vom Modellanbieter oder von eigenen Schlüsselpersonen. Welche können Sie am besten steuern?
- Einmalig und laufend. Eigene Lösungen verursachen Entwicklungsaufwand und Pflege, gekaufte Lösungen Einführungsaufwand und Gebühren. Vergleichen Sie beides über denselben Zeitraum.
Datenschutz als Prüfpunkt
Der EDÖB hat am 8. Mai 2025 festgehalten, dass das Datenschutzgesetz technologieneutral formuliert und auf KI-gestützte Datenbearbeitungen direkt anwendbar ist. Klären Sie bei jeder Option, welche Personendaten bearbeitet werden, wer Auftragsbearbeiter ist (Art. 9 DSG) und ob eine Datenschutz-Folgenabschätzung nötig ist (Art. 22 DSG).
Rollen: Wer entscheidet was
Die Geschäftsleitung erarbeitet die Entscheidungsgrundlage und entscheidet im Rahmen ihrer Kompetenzen. Der Verwaltungsrat genehmigt weder jede Werkzeugliste noch jeden Arbeitsablauf. Er wird einbezogen, wenn ein Vorhaben wesentlich ist: wegen der Investition, einer strategischen Abhängigkeit oder des Datenrisikos. Art. 716a OR nennt als unübertragbare Aufgaben unter anderem Oberleitung, Organisation und Oberaufsicht. KI nennt der Artikel nicht. Was wesentlich ist, regelt Ihre Kompetenzordnung.
Meine Empfehlung: Der Verwaltungsrat setzt drei Leitplanken. Welche Datenklassen dürfen in externe Systeme fliessen? Ab welcher Schwelle wird ein KI-Vorhaben vorgelegt? In welchem Rhythmus berichtet die Geschäftsleitung über Bestand, Nutzen und Risiken?
Nächster Schritt
Lassen Sie für das nächste KI-Vorhaben eine Entscheidungsgrundlage auf einer Seite erstellen. Als anpassbare Arbeitshilfe: Prozess und Messgrösse, geprüfte Optionen mit Begründung für die verworfenen, Daten und Schutzbedarf, Fähigkeiten, Aufwand einmalig und laufend über drei Jahre, Betriebsverantwortung, Exit und Abbruchkriterien. Liegt diese Seite vor, lässt sich die Frage «bauen, kaufen oder integrieren» sachlich entscheiden.
Quellen
- ETH Zürich / Swissmem / Next Industries, Erhebung zu KI in der Schweizer Tech-Industrie, Juni 2024, über 200 Unternehmen (ETH News, 27. Juni 2024)
- Microsoft Learn, Fine-tune models with Microsoft Foundry, Stand 3. Dezember 2025 (Herstellerdokumentation)
- Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, arXiv 2005.11401, Mai 2020
- EDÖB, Update vom 8. Mai 2025: Geltendes Datenschutzgesetz ist auf KI direkt anwendbar
- Datenschutzgesetz (DSG, SR 235.1), Art. 9 und 22, Fedlex
- Obligationenrecht (SR 220), Art. 716a, Fedlex, Stand 1. Januar 2026
Verwaltungsrat und operative Führung für Schweizer KMU. Über 25 Jahre Cablecom, UPC und Sunrise, davon mehr als 20 Jahre in der Geschäftsleitung. Verwaltungsratserfahrung seit 1998. Seit 2023 praktische KI-Anwendung in eigenen Projekten.