KI für kleine Unternehmen: Anwendungsbeispiele und Risiken

Künstliche Intelligenz lohnt sich, wenn sie richtig eingesetzt wird. Gerade für kleine Unternehmen ergeben sich neue Möglichkeiten für Übersicht, Qualität und Geschwindigkeit.

Laut einer aktuellen Bitkom-Studie plant nahezu die Hälfte der befragten Unternehmen, KI in ihre Prozesse mit einfließen zu lassen. 41% nutzen KI bereits aktiv.

Wer auf diesen Zug aufspringen möchte, sollte Vor- und Nachteile gut abwägen.

Zusammenfassung

In diesem Artikel teilen wir unsere Erfahrungen:

• welche Voraussetzungen braucht es, um KI in einem kleinen Unternehmen einzusetzen?
• welche Toolstacks für Geschäftsführung und Marketing empfehlen wir?
• wie hilft uns Künstliche Intelligenz, Themen und Impulse über Jahre nicht zu vergessen?
• wie nutzen wir KI, um Texte zu verbessern und Recherche zu betreiben?
• wie bauen wir unserer KI ein Gedächtnis, in dem Skills, Kontext und Aufgaben lokal gespeichert werden?
• was sind die wichtigsten Gefahren beim Einsatz von Künstlicher Intelligenz in kleinen Unternehmen?

Bevor es losgeht, eine wichtige Warnung: Wir zeigen hier KI-Anwendungen für interne Prozesse. Wir rufen ausdrücklich nicht dazu auf, ohne eigene IT-Abteilung Apps für die externe Nutzung zu bauen. Das ist fast immer mit großen Risiken verbunden.

Die Experten aus unserem CentralStationCRM-Team

Axel, Geschäftsführung: Axel ist Geschäftsführer von 42he und SaaS-Gründer mit langjähriger Erfahrung. Er beschäftigt sich insbesondere mit den Themen "CRM der Zukunft" und "Datensouveränität". Er nutzt KI für Recherche, Organisation und Softwareentwicklung. Häufig geht es darum, Informationen zusammenzubringen oder konkrete Aufgaben abzuarbeiten.

Anja, Marketing: Mit 15 Jahren Expertise in Marke und Kommunikation für kleine Unternehmen beschäftigt sich Anja mit unseren Integrationspartnern und den Kernfunktionen des CRM. Sie nutzt KI, um Review-Schleifen zu beschleunigen und Ideen für Social Media zu ordnen.

Christian, Marketing: Mit über 10 Jahren Berufserfahrung in Marketing und Redaktion beschäftigt Christian sich mit allen Themen rund um CRM, KI und Automation. Er nutzt KI, um die Contentqualität zu verbessern und Erkenntnisse strukturiert zu speichern.

Wann eignet sich Künstliche Intelligenz zum Einsatz in kleinen Unternehmen?

Axel: Künstliche Intelligenz ist dann nützlich, wenn jemand im Team die Ergebnisse beurteilen kann und ausreichend Wissen für ein vollumfängliches Briefing besitzt.

Die KI braucht:

• genügend Kontext und Hintergrundinformationen für die Aufgabe
• einen Menschen mit Erfahrung, der einschätzt, ob ein Vorschlag taugt
• nach jeder Aufgabe Korrekturen, die abgespeichert werden, damit die nächsten Aufgaben besser werden

Die Erwartung, auf Knopfdruck fertige Ergebnisse zu bekommen, geht also nur auf, wenn man seine KI an den gewünschten Prozess "herantrainiert".

Dazu schreibt man die Korrekturen so in den Kontext, dass sie bei der nächsten Aufgabe helfen, einmal gemachte Fehler zu vermeiden.

Was sind die wichtigsten KI-Tools für kleine Unternehmen?

Axel: Als Geschäftsführer einer kleinen Firma bin ich in allen Abteilungen involviert. Mein tatsächlicher Toolstack ist also breiter, ich nenne nur meine Highlights.

• Hermes, für Recherche, Organisation und Entwicklung. Open Source von Nous Research, läuft lokal auf dem Mac-Mini. Kostenlos, außer der Hardware.
• Claude im Team-Tarif zur Koordinierung mit Entwicklung und Marketing. Ab 20 USD pro Nutzer/Monat (jährlich, 25 USD bei monatlicher Zahlung).
• GitLab als internes Wiki und Issue-Board. Für unseren Zweck reicht die kostenlose Stufe, Premium beginnt bei 29 USD pro Nutzer/Monat.

Anja und Christian: Im Marketing arbeiten wir mit ChatGPT, Claude und Obsidian. Wegen DSGVO und Datensouveränität wollen wir mittelfristig auf die europäische Alternative Mistral Le Chat Pro wechseln.

Unser Marketing-Stack:

• Claude (Pro-Tarif): Gut für die Arbeit mit Text und Struktur. 20 USD/Monat.
• Alternative: Mistral Le Chat (Pro): die europäische Option, wenn Datensouveränität zählt. 14,99 €/Monat.
• Obsidian: kostenlos, 4 USD/Monat nur für die Synchronisierung über mehrere Geräte.
• Typora: richtig guter Markdown-Editor für den Mac. Innerhalb von Obsidian empfinde ich das Schreiben mit Rahmen und Seitenleiste als beengend, deshalb der eigene Editor. Kosten einmalig 14,99 USD netto.
• OpusClip: nutzen wir zum Schneiden von YouTube-Shorts. Die KI sucht sich die zum Inhalt passenden, "besten" Abschnitte aus längeren Videos und baut daraus Clips. Starterpaket 15 USD/Monat.

KI als Assistent: Für Meetings, ToDos und Informationen

Axel: Mit KI geht viel weniger vergessen, weil Wissen aus allen verfügbaren Quellen genutzt wird. Das ist der Hauptnutzen, den ich als Geschäftsführer aus dem Einsatz von KI ziehe.

Ein Claude-Skill fasst Daten aus verschiedenen Meetings und Quellen zusammen und schreibt sie in ein Wiki (in unserem Fall GitLab). Dort können sie leicht gefunden werden und es ist klar, was als nächstes zu tun ist.

Beispiel: Wenn ich mich mit einem Thema beschäftigen muss, mache ich das mit einem weiteren Skill, der mich eine Million Dinge fragt. Der Skill hat verschiedene Punkte im Kontext, auf die ich achten muss: Security, bestehende Issues, den Backlog und die Roadmap. Das KI-System sucht mir das innerhalb weniger Minuten zusammen. Ich selbst würde im schlimmsten Fall vielleicht gar nicht mehr wissen, welche Issues zu dem jeweiligen Thema existieren. Und selbst wenn, würde ich sie nicht in der Geschwindigkeit lesbar zusammenfassen und aufbereiten können.

Das ist auf jeden Fall eine riesige Hilfe, beim Nachdenken über die nächste Entscheidung auf einen vollständigen Kontext an Hintergrundinformationen zurückgreifen zu können.

KI und der Mensch: Human in the Loop/ KI in the Loop

Axel: Den "Human in the Loop" braucht es meistens, gerade in einem kleinen Unternehmen. Das habe ich gemerkt, als wir im Support das Wissen aus Ticketdaten aufbereiten wollten, damit die KI ihre eigenen Tickets schreibt.

Wir haben Tickets pseudonymisiert und dazu Wikis und Hilfeartikel verlinkt. So entstand eine Wissensbasis, die wir dem KI-System als Kontext gegeben haben. Es zeigte sich aber: Wenn du Tickets auf Basis dieses Wissens beantworten lässt, kannst du die KI trotzdem nicht einfach auf die Kunden loslassen. Im Support benötigen wir eine sehr hohe Genauigkeit bei den Antworten. Es braucht einen Menschen, der KI-Antworten einordnet und komplexe Antworten selbst übernimmt.

Christian: Im Marketing bedeutet „Human in the Loop", dass der Mensch in allen Phasen mit dabei ist. Wir haben das Konzept außerdem umgedreht und einen „KI in the Loop"-Workflow entworfen, in dem die KI die Rolle des Researchers und Reviewers übernimmt, so dass der Mensch schreiben und denken kann.

In beiden Fällen geht eine Aufgabe mehrmals zwischen KI und Mensch hin und her, bis beide genügend beigetragen haben.

Obsidian Vault: So bekommt KI Anleitung und Gedächtnis

Christian: Wir nutzen einen Obsidian-Vault, auf den der KI-Agent zugreift. Dieser „Vault" ist einfach ein Ordner, der über drei lokale Rechner synchronisiert wird (bei uns mit luckycloud, einem deutschen, DSGVO-konformen Tool).

In dem Ordner liegen Unterordner für Kontext aus Marke und Kanal, Anleitungen für bestimmte Aufgaben und gerade laufende Aufgaben. In diesen Ordnern liegen die KI-Anweisungen als .md-Dateien. Über MCP binden wir Verbindungen zu Google Sheets oder Sistrix an, so dass die KI im Workflow bei Bedarf Zugriff hat.

Die Struktur verfolgt drei Ziele:

• Kreative Tasks wie Texterstellung im Wechselspiel mit der KI gestalten
• Administrative Tasks wie „Webinarbesucher auf die E-Mail-Liste schreiben" automatisieren
• Claude-Skills aus der Anthropic-Cloud auf den eigenen Rechner holen

Daraus ergeben sich drei Workflows für unsere Tasks.

• Mensch schreibt, KI in the Loop: Die KI recherchiert, nutzt SEO-Tools, bereitet Daten auf, reviewt im Zusammenspiel mit dem Menschen und hält Erkenntnisse fest.
• KI schreibt, Human in the Loop: Der Mensch prüft das Konzept, nach dem produziert wird, und reviewt die Ergebnisse. Die KI-Loops für Recherche und Review laufen über Sub-Agents, damit die KI nicht voreingenommen urteilt.
• KI handelt automatisch: Nach festem Playbook für geprüfte, wiederholbar korrekte Tasks, meistens reine Admin-Aufgaben.

Der Ablauf ist bei allen Tasks derselbe:

Chat-Trigger → Briefing-Dokument → Task-Dokument → Workflow → Draft/Publish → Debrief/Learnings

Einfacher Aufbau eines KI-Gedächtnis mit Obsidian

• Root mit einer Start.md
• 00_always-on
• 01_system
• 02_personas
• 03_playbooks
• 04_review
• 05_tasks
• 06_learnings
• 07_automatische-jobs
• 08_linkedin-themen
• 09_sonstige-quellen
• 10_intern

Im Root liegt die Start.md. Sie zeigt dem KI-System, wie der Vault gedacht ist. Bei uns fällt sie sehr schlank aus:

1. Always-on laden. Hier erklären wir der KI, wie die drei Workflow-Typen gedacht sind, was unsere Brand-Regeln sind und wo im Vault welche Wegweiser liegen.
2. Auf User-Input warten. Hier definieren wir die Trigger, die der Mensch ins Chat-Fenster tippt. Hinter dem Trigger „Neuen Blogbeitrag schreiben" hängt zum Beispiel die Anweisung: öffne briefing-semantik.md mit Task-Typ „blog" und folge den dortigen Vorgaben.
3. Bei Input: Task Doc anlegen und Workflow laden Ein entsprechender Trigger führt zu einem neuen Task-Dokument. Der Nutzer füllt es entweder selbst aus oder gibt der KI im Chat die Angaben dafür. Von da an führen die verschiedenen .md-Dateien durch den Prozess. Die in den Kontext geladenen Dateien bestimmen, was passiert. Fehler helfen weiter, da es eine Debrief-Phase gibt. Die Erkenntnisse aus dieser Phase werden gespeichert, damit der Vorgang beim nächsten Mal besser läuft.

Wir prüfen jetzt schrittweise, welche unserer Aufgaben in diese Vault-Struktur passen. Bisher sind wir sehr zufrieden, weil Claude auch komplexe Aufgaben im Hintergrund lösen kann und wir derweil an anderen Dingen arbeiten.

Wie hilft KI bei SEO und GEO in kleinen Unternehmen?

Axel: Ich experimentiere viel mit KI für SEO, allerdings vor allem für das lose mit CentralStationCRM verknüpfte Produkt EchtPost. Da ich hier grüne Wiese habe und selbst auch für (beinahe) das komplette Marketing verantwortlich bin, kann ich sehr gut austesten, wie weit SEO, Branding- und Website-Texte mit Künstlicher Intelligenz funktionieren.

Insbesondere für SEO bin ich recht zufrieden, auch weil von meiner Seite kein großer Mehraufwand nötig ist. Die KI kann:

• einen regelmäßigen Ranking-Check durchführen
• Chancen knapp vor der ersten Google-Seite finden und daraus dann Content-Vorschläge basteln
• Veraltete Inhalte und unerledigte Arbeiten wiederfinden
• Marketingaussagen in Artikeln gezielt hinterfragen, nachrecherchieren und so den Artikel verbessern
• technische Fehler über einzelne Texte hinaus erkennen und sicherstellen, dass Texte richtig ausgeliefert werden
• Landingpages erstellen, die ranken und (in einem kleinen Rahmen) auch Besucher auf die Seite bringen

Christian: Bei CentralStationCRM ist die KI der SEO- und GEO- Report-Ersteller. Da wir als kleines Team nie die Zeit hatten, seitenlange Google Sheets mit Zahlen zu füllen, ist das für uns eine echte Arbeitserleichterung. Wir haben seit der KI ein deutlich besseres Monitoring auf den für uns wichtigen KPIs.

Außerdem haben wir im oben erwähnten Obsidian-Vault ein Playbook für jede Content-Art, das sowohl einen SEO- als auch einen GEO-Bereich hat. Aus meiner Sicht geht es da eher darum, Checks gegen E-E-A-T zu machen und sicherzustellen, dass die Basics stimmen, sowie Quellen nachzurecherchieren und die Qualität des Artikels durch das Überprüfen von Aussagen zu verbessern. Außerdem kann man super recherchieren, welche Themen im H2-Korpus noch fehlen oder wie der Wettbewerb ein Thema abbildet.

Das Problem mit der Content-Erstellung auf Knopfdruck ist, dass man nur einen Durchschnitt dessen abbildet, was schon da ist. Damit wird man keine gute Arbeit abliefern können, sondern immer nur ein "fair enough". In manchen Bereichen reicht das sicherlich, aber ich teile die Befürchtung von Expert/innen wie Lily Ray, dass man sich damit über längere Zeit die Reputation seiner Domain kaputtmacht. Der produzierte Content ist höchstens mittelmäßig und wenn vom Wettbewerb jemand Grips reinsteckt, werden die immer ein bisschen besser sein.

Wie hilft generative KI bei der Texterstellung?

Anja: Für CentralStationCRM wird jeder Newsletter bei uns einmal durch die KI gegengelesen. Von unserem Anbieter Rapidmail extrahiere ich ein PDF, was dann ganz einfach zu Claude wandert. Damit sparen wir Zeit in der Endabnahme, weil die gröbsten Fehler bereits rausgelesen wurden. Trotzdem schaut natürlich zum Schluss immer noch ein Mensch drüber.

Bei der "One-Klick"-Erstellung durch generative KI, zum Beispiel für LinkedIn oder andere Plattformen, bin ich ebenfalls skeptisch geworden. Es sieht einfach auch wenn du die KI sehr oft korrigierst immer natürlicher aus, wenn ein echter Mensch das schreibt. Es funktioniert aber sehr gut, sich zum Beispiel die grobe Struktur eines Posts geben zu lassen und diese dann auszuarbeiten und zu erweitern.

Christian: Wenn wir trotz aller Vorbehalte Texte von der KI generieren lassen, greifen wir oft auf sogenannte "Persona"-Dateien zurück. Damit definieren wir Guidelines für die KI, welche Worte und Formulierungen und Arten zu denken die Person nutzt, für die der Text generiert werden soll. Was da gut funktioniert, sind echte Textbeispiele für formelle und informelle Sprache, damit das LLM die textliche Struktur der Persona analysieren kann.

Wie hilft KI bei der Recherche?

Anja: Neben dem Vault, der ja "obendrübersitzt", nutze ich die KI standardisiert, um unseren Newsletter-Verteiler zu überprüfen. Das ist eine Aufgabe, die mich vorher sehr viel Zeit gekostet hat, da es sich um 9.000 Einträge handelt. Da geht es darum, die Schreibweise der Namen zu überprüfen und solche Einträge zu löschen, die offensichtlich keinen Sinn ergeben.

Die Mail-Adressen und andere Zuordnungen werden natürlich anonymisiert, so dass keine E-Mail-Adressen bei Anthropic landen, sondern Claude wirklich nur die Namen kontextfrei überprüft und dann über eine ID zurückspielt.

Am Ende des Vorgangs entsteht ein Verteiler, in dem nur "ordentliche" Namen drinstehen, so dass der Newsletter seriös aussieht und unsere Kunden und Partner nicht merkwürdig angesprochen werden.

Was leistet KI für die IT-Entwicklung eines kleinen Unternehmens?

Axel: In der IT Entwicklung bin ich operativ als Reviewer tätig. Ich sehe mir das von KI und Mensch entwickelte Resultat an, und überprüfe es unter anderem darauf, ob es für unsere Kunden praktisch und intuitiv funktioniert.

Künstliche Intelligenz hilft mir dabei, die Entscheidungen nachzuvollziehen, die in einen bestimmten Entwicklungsschritt geflossen sind. Das sind ja Diskussionen und Meetings und Tests, die sich bei größeren Projekten schon mal Monate hinziehen können. Die KI bereitet alle diese Treffen und Entscheidungen ordentlich auf und legt sie durchsuchbar, filterbar und gut lesbar in unserem GitLab ab.

KI hilft uns außerdem dabei, bestimmte Projekte schneller über die Bühne zu bekommen als vorher. Bau mal Captcha for Spam Protection in vernünftiger Qualität in drei verschiedenen Softwareprojekten in drei Wochen, das wäre früher für uns ein Thema für ein dreiviertel Jahr gewesen.

Christian: Wie unser Chefentwickler Moritz die KI sieht und was sein Take zur Zukunft des CRM im KI-Kontext ist, kannst du übrigens in unserem Blog nachlesen. Spoiler: Das reine "KI-CRM" ist gar nicht so interessant, wie der Hype um Salesforce & Co es vermuten lässt. Insbesondere für kleine Unternehmen ist es wichtiger, dass sich das CRM reibungslos in ein Ökosystem für KI-Agenten einfügt.

Ist der KI-Einsatz im Unternehmen sicher?

Axel: Zur KI-Sicherheit ist es wichtig zu beachten:

• wohin deine Daten fließen
• wie sehr du den Ergebnisse vertrauen kannst

Beim Datenschutz gilt das Naheliegende. Daten, die du in eine KI eingibst, verlassen deinen Rechner, außer du hostest selbst. Für DSGVO und Datensouveränität lohnt sich deshalb der Blick auf Anbieter mit europäischem Serverstandort.

Beim Vertrauen in die Ergebnisse ist es kniffliger. Geht es um einen Bereich, in dem du dich gut auskennst? Dann wirst du beurteilen können, wie sinnvoll die Ergebnisse der KI sind. Gerade wenn es um die Beschleunigung oder Automatisierung von Prozessen mit KI geht, wirst du aber schnell feststellen, dass du bei Versuch und Irrtum landest. Funktioniert das so, wie du und die KI es sich ausgedacht haben? Was könnte besser funktionieren? Wo war der Fehler in den Vorannahmen und wie kannst du diesen beim nächsten Mal umgehen? Dadurch kann was Datensicherheit angeht ein sehr unbestimmtes und vages Feld entstehen.

Ich gehe generell so vor, dass ich mir überlege, was ist der schlimmste Fall, der jetzt eintreten könnte? Wenn ich das vielleicht sogar gar nicht beurteilen kann, ist das ein deutlicher Hinweis darauf, dass ich das nicht ohne Weiteres der KI geben sollte.

Was sind die Gefahren von KI für den Arbeitsalltag?

Anja: Eine große Gefahr, die man als kleines Unternehmen gar nicht so auf dem Schirm hat, sind die Token-Kosten. Das gilt seit mit der Einführung neuer, teurerer Chat-Modelle.

Wir hatten einen Prozess, wo wir Websiten zum Erstellen möglicher Zielgruppen crawlen wollten. Das klang im Gespräch mit Claude alles ganz wunderbar und einfach, bis dann irgendwann klar wurde, dass mit dem im Pro-Plan vorhandenen Budget nur ein paar Websiten gecrawled werden können.

Das passiert denke ich öfter, weil man gerade für neue Tätigkeiten nicht abschätzen kann, wie hoch die Kosten hinter den Prozessen sein werden.

Christian: Bei mir geht es um das Mindset. Beim Schreiben habe ich gemerkt, dass ich beginne, die Formulierungen der KI zu übernehmen. Das geht von Satzkonstrukten, die "das eine sagen, und das andere nicht" zum berühmten "kurz und knackig", oder dem Anhängen von zu vielen Zusätzen an einen Satz, der schon längst beendet sein müsste. Alles Dinge, die ich mir unbewusst von der KI abschaue.

Die Herausforderung, hier gegenzusteuern und trotz KI-Unterstützung die eigene Stimme zu erhalten, macht für mich "gutes" und "schlechtes" Schreiben aus. Man muss noch mehr als vorher aufpassen, dass die eigenen Beiträge nicht irgendwann genauso klingen wie die von allen anderen Leuten, die mit KI schreiben.

Axel: Für die Geschäftsführung müssen vor allem die Geschäftsentscheidungen geschützt werden. Es ist natürlich sehr verlockend, für alles und jedes die KI zu fragen und nicht mehr selbst zu denken.

Ich empfehle daher, so blöd das klingt, regelmäßige Treffen mit echten Menschen, die in einer ähnlichen Position sind wie man selbst. Aus diesen kurzen Gesprächen (viel Zeit haben wir ja alle nicht) lerne ich deutlich mehr als in einer Unterhaltung mit der KI.

Fazit: Braucht KI noch Menschen?

Ja. Nach allem, was wir bisher ausprobiert haben, ist der Mensch der wichtigste Teil in der Arbeit mit KI. Der Mensch bringt das Briefing, die Idee, den erfahrenen Blick auf die Vorschläge und die Entscheidung, was rausgeht. Die KI übernimmt das Drumherum.

KI ersetzt bei uns keine Köpfe. Sie nimmt ihnen Arbeit ab, damit Prozesse schneller werden und die Qualität von Produkten und Inhalten weiter steigt.