KI-Automatisierung in der Schweizer B2B-SaaS: Fallbeispiel

Hintergrund: SwissSaaS und die Herausforderung der Skalierung

Dieser Fall ist eine Komposition aus Mustern, die in der Praxis beobachtet wurden. Wir benennen keine echten Kunden, um deren Vertraulichkeit zu wahren. Die beschriebene Firma, nennen wir sie ‘SwissSaaS’, ist ein typisches Beispiel für den Mittelstand in der Schweiz: 30 Mitarbeiter, Fokus auf B2B-SaaS, ISO 27001 zertifiziert. Das Unternehmen befindet sich in der Phase ‘Running Isolated Pilots’, was bedeutet, dass erste KI-Experimente stattgefunden haben, aber noch keine systemische Integration in den Kernprozessen erfolgt ist. Die IT-Infrastruktur besteht aus einem modernen Stack mit Confluence als Wissensbasis, einem CRM für die Sales-Pipeline und einer eigenen Cloud-Infrastruktur. Die Herausforderung war nicht die Technologie, sondern die operative Umsetzung: Wie lässt sich die manuelle Arbeit im Marketing und im Sales-Backoffice reduzieren, ohne die Compliance-Vorgaben zu verletzen?

Die operative Klemme: Berichte und Leads im Zeitdruck

Die monatliche Berichterstattung an Investoren und interne Stakeholder war ein Flaschenhals. Drei Marketing-Mitarbeiter verbrachten jeweils zwei bis drei Tage damit, Daten aus Confluence, dem CRM und den Analytics-Tools zu sammeln, zu interpretieren und in einen konsistenten Bericht zu fassen. Gleichzeitig stieg das Volumen an Leads durch die wachsende Bekanntheit im DACH-Raum. Die manuelle Qualifizierung dieser Leads führte zu Verzögerungen von bis zu 48 Stunden, was die Conversion-Rate negativ beeinflusste. Der Druck kam von zwei Seiten: Die Investoren verlangten schnellere, transparentere Reports, und das Sales-Team brauchte priorisierte Leads, um ihre Quote zu halten. Die ISO 27001-Zertifizierung stellte zusätzliche Anforderungen an die Datenverarbeitung, da keine sensiblen Kundendaten unbefugt an externe Dienstleister weitergegeben werden durften.

Der Ansatz: Dediziertes Team und model-agnostische Architektur

Forfis wurde als dediziertes AI-Team engagiert, um die Lücke zwischen den isolierten Piloten und einem produktiven System zu schließen. Der Ansatz war zweigleisig: Erstens die Automatisierung der monatlichen Berichte durch einen RAG-Workflow, der Confluence-Dokumente liest und mit der OpenAI API eine erste Fassung des Reports erstellt. Zweitens die Implementierung eines konversationellen Agents für die Lead-Qualifizierung, der neue Anfragen klassifiziert und priorisiert. Die Architektur war bewusst model-agnostisch gehalten, wobei die OpenAI API für die semantische Analyse und Textgenerierung genutzt wurde, da die Qualität der deutschen Sprache und die Kontextlänge entscheidend waren. Die Integration in Confluence und das CRM erfolgte über bestehende APIs, ohne dass die Kernsysteme ersetzt werden mussten. Das Team arbeitete in zweiwöchigen Sprints, mit klaren Meilensteinen für den Pilotbetrieb.

Ergebnisse: Messbare Effizienzgewinne in sechs Monaten

Nach sechs Monaten war das System produktiv. Die Erstellung der monatlichen Berichte dauerte von drei Tagen auf vier Stunden. Die Mitarbeiter nutzten diese Zeit für die strategische Analyse und die Kommunikation mit den Stakeholdern, statt für das Zusammenfassen von Daten. Die Lead-Qualifizierung erfolgte innerhalb von 15 Minuten statt 48 Stunden. Die Conversion-Rate der qualifizierten Leads stieg um 12 Prozent, da die Sales-Teams schneller und gezielter ansprechen konnten. Die Fehlerquote in den Berichten sank von 8 Prozent auf unter 2 Prozent, da das System konsistentere Formate erzeugte und die manuelle Prüfung sich auf die inhaltliche Plausibilität konzentrieren konnte. Die ISO 27001-Audits bestanden die neuen Prozesse ohne Beanstandungen, da die Datenflüsse dokumentiert und die API-Zugriffe kontrolliert waren.

Lektionen für ähnliche Teams

Erstens: Starte mit einem klar definierten Use Case, der einen messbaren Schmerzpunkt adressiert. Die monatliche Berichterstattung war ideal, weil der Output klar definiert war und der Erfolg leicht messbar. Zweitens: Investiere in die Datenqualität der Quelldokumente. Wenn die Confluence-Seiten nicht aktuell sind, ist der beste LLM nutzlos. Drittens: Behalte den Human-in-the-Loop. Die manuelle Freigabe ist kein Mangel, sondern ein Sicherheitsmechanismus, der das Vertrauen im Team aufbaut. Viertens: Dokumentiere die Datenflüsse für die Compliance. Bei ISO 27001 ist die Nachvollziehbarkeit der Datenverarbeitung entscheidend. Fünftens: Plane die Wartung ein. Ein dediziertes Team ist nicht nur für die Implementierung, sondern auch für den laufenden Betrieb und die Anpassung an sich ändernde Prozesse notwendig.