Das Handbuch von digitalswitzerland zeigt, wie Unternehmen KI strukturiert einführen: mit einer klaren Ambition, einem systematischen Prozess zur Identifikation und Priorisierung von Use Cases und einer schrittweisen Einführung. Das Modell ist durchdacht und auf jeden Unternehmensbereich anwendbar — auf die Buchhaltung, das Marketing, den Vertrieb.
Wir wenden es auf die Strategiearbeit an. Die folgenden Beiträge zeigen konkrete Use Cases für KI in der Strategieentwicklung — Phase für Phase, vom ersten Analyseschritt bis zur Vorbereitung der Umsetzung.
Das Handbuch empfiehlt, die KI-Einführung mit einer übergeordneten KI-Ambition zu beginnen — dem Gesamtanspruch des Unternehmens an den Einsatz von KI. Diese Ambition ist bewusst breit gehalten, weil sie alle Unternehmensbereiche umfasst.
Für die Strategiearbeit lässt sich daraus eine Teil-Ambition ableiten, die schärfer und konkreter ist:
KI soll den Prozess der Strategieentwicklung in jeder Phase als Denkpartner unterstützen — von der Diagnose bis zur Vorbereitung der Umsetzung. Ziel ist nicht die Automatisierung von Strategie, sondern eine höhere Qualität der strategischen Vorbereitung, eine grössere Klarheit in der Analyse und eine strukturiertere Grundlage für Führungsentscheidungen.
Diese Teil-Ambition ist aus drei Gründen sinnvoll. Erstens ist die Strategiearbeit ein klar abgegrenzter Prozess mit definierten Phasen — das macht sie besonders geeignet für eine strukturierte KI-Einführung. Zweitens ist der Nutzen direkt messbar: Werden Analysen schneller? Werden strategische Fragen präziser? Werden Optionen vergleichbarer? Drittens bleibt die Verantwortung klar beim Führungsteam — KI unterstützt die Vorbereitung, nicht die Entscheidung.
Bevor Use Cases KI in der Strategieentwicklung identifiziert werden können, lohnt ein kurzer Blick auf den Prozess selbst. Strategieentwicklung folgt einer inneren Logik, die nicht beliebig verkürzt werden kann.
Sie beginnt mit der Diagnose: Wo steht das Unternehmen? Was sind Stärken und Schwächen, Chancen und Risiken? Aus dieser Diagnose entstehen strategische Fragen — jene Herausforderungen, die das Unternehmen in den nächsten Jahren bearbeiten muss. Erst danach werden strategische Optionen entwickelt: Welche Möglichkeiten hat das Unternehmen, sich weiterzuentwickeln? Aus den Optionen werden Stossrichtungen ausgewählt, verdichtet und in konkrete Massnahmen und Ziele übersetzt. Am Ende steht ein Umsetzungs- und Controllingprozess, der sicherstellt, dass die Strategie nicht im Workshop endet, sondern im Alltag wirksam wird.
Jede dieser Phasen stellt unterschiedliche Anforderungen — an das Führungsteam, an die Methode und an den Einsatz von KI.
Aus der Teil-Ambition und der Prozesslogik lassen sich konkrete Use Cases ableiten. Sie folgen nicht einer abstrakten Ideensammlung, sondern der Frage: Wo im Strategieprozess kann KI einen echten Beitrag leisten — und wie sieht dieser Beitrag konkret aus?
KI unterstützt bei der Vorbereitung der SWOT-Analyse: Trendrecherchen, Wettbewerbsprofile, Marktübersichten. Sie strukturiert Informationen, verdichtet Quellen und bereitet Diskussionen vor. Was sie nicht ersetzt: die Bewertung und Gewichtung durch das Führungsteam, das die eigene Ausgangslage kennt.
Aus einer konsolidierten SWOT lassen sich strategische Fragen ableiten — jene Herausforderungen, die die Strategie tatsächlich beantworten soll. KI kann diesen Schritt unterstützen: Sie strukturiert die SWOT-Elemente, identifiziert Muster und formuliert Fragen, die präziser sind als das, was in einem Workshop spontan entsteht. Dieser Use Case ist einer der stärksten im ganzen Prozess — weil er einen Schritt betrifft, der in vielen KMU zu wenig Aufmerksamkeit erhält.
Die Entwicklung strategischer Optionen ist der anspruchsvollste Use Case. KI kann Optionen generieren — aber nur dann in brauchbarer Qualität, wenn der Suchraum methodisch strukturiert ist. Ohne Rahmen entstehen generische Listen, die auf jedes Unternehmen einer Branche passen und deshalb auf keines wirklich. Mit dem richtigen Rahmen — konkreten Entwicklungsdimensionen und einer klaren Logik für die Einordnung — entstehen Optionen, die sich vergleichen, bewerten und zu Stossrichtungen verdichten lassen.
Wenn strategische Optionen ausgewählt und zu Stossrichtungen verdichtet werden, kann KI als Konsistenzprüfer eingesetzt werden: Passen die Stossrichtungen zu den strategischen Fragen? Sind Widersprüche erkennbar? Decken sie die zentralen Herausforderungen ab? Dieser Use Case ist weniger kreativ als analytisch — und genau deshalb gut für KI geeignet.
Bei der Übersetzung von Stossrichtungen in konkrete Massnahmen und Ziele kann KI die Struktur liefern: erste Roadmaps, Zielformulierungen, Priorisierungslogiken. Das OKR-Framework lässt sich gut mit KI-Unterstützung aufsetzen — vorausgesetzt, die strategische Richtung ist bereits klar definiert.
Vor Review-Sitzungen kann KI Projektberichte zusammenführen, Abweichungen strukturieren und Diskussionsfragen formulieren. Nicht als Ersatz für die Führungsdiskussion — sondern als Vorbereitung, die Qualität und Effizienz dieser Diskussion erhöht.
Jeder dieser Use Cases wird in den kommenden Wochen einzeln durchgearbeitet — mit konkreten Beispielen aus der Praxis, mit einer klaren Beschreibung dessen, was KI in diesem Schritt leistet, und mit einer ebenso klaren Beschreibung dessen, was sie nicht leistet.
Das Ziel ist ein ehrlicher und methodisch fundierter Überblick: Wo lohnt sich der Einsatz? Welchen Rahmen braucht er? Und wo bleibt die Arbeit — und die Verantwortung — beim Führungsteam?
Strategiearbeit wird durch KI nicht einfacher. Sie wird präziser. Und Präzision ist das, was gute Strategie von schlechter unterscheidet.
Strategie entsteht im Denken von Menschen. Künstliche Intelligenz macht dieses Denken sichtbar. Mit diesem Satz beginnt das Buch StrategieKompakt mit KI, das heute erscheint.
Das Buch ist ein Praxisleitfaden für Unternehmer und Führungsteams, die Strategie als kontinuierliche Aufgabe verstehen – nicht als periodisches Projekt. Geschrieben für KMU, die mit realen Bedingungen arbeiten: unvollständige Informationen, knappe Zeit, echte Zielkonflikte.
Im Mittelpunkt steht die Methode StrategieKompakt. Sie folgt einer klaren Logik: von der Analyse der Ausgangslage über die SWOT und die Formulierung strategischer Fragen bis zur Entwicklung von Optionen und strategischen Stossrichtungen. Ein durchgehendes Fallbeispiel begleitet diesen Prozess – konkret, nachvollziehbar, unter realen Bedingungen.
KI kommt dabei nicht als Thema am Rande vor. Sie ist an den richtigen Stellen des Prozesses integriert – dort, wo sie stark ist. In der Analyse, in der Verdichtung, in der Formulierung. Mit konkreten Prompts, klaren Rollenverteilungen und ehrlichen Einschätzungen, wo KI an ihre Grenzen stösst.
Denn die entscheidende Frage ist nicht, ob KI strategische Optionen generieren kann. Die Frage ist, unter welchen Bedingungen diese Optionen robust, relevant und weiterverwendbar werden.
Methode und Plattform gehören zusammen. Das Buch beschreibt die Methode. Die Strategy.app bildet sie digital ab – als strukturierter Arbeitsraum, in dem Strategiedaten an einem Ort geführt werden, Entscheidungen dokumentiert werden und das Wissen des Unternehmens über seine eigene strategische Situation wächst. Nicht als Archiv. Als lebendige Grundlage für eine Strategiearbeit, die nicht nach dem Workshop endet.
Drei Dinge sind in diesem Buch anders als in den meisten.
Im ersten Beitrag dieser Serie habe ich beschrieben, warum KI bei strategischen Optionen fast immer zuerst enttäuscht. Die Ursache ist strukturell: ohne Kontext und ohne methodische Einbettung produziert KI Antworten, die statistisch wahrscheinlich sind – nicht Antworten, die zu diesem Unternehmen passen.
Heute gehe ich einen Schritt weiter. Denn das Problem lässt sich lösen. Nicht durch ein besseres Modell, sondern durch einen besseren Rahmen.
In einem Projekt mit einem mittelständischen Hersteller von Fenstern und Türen – im Folgenden Doors & Windows, ein anonymisiertes Fallbeispiel aus der Praxis – haben wir denselben Prozess zweimal durchlaufen. Erst ohne methodische Einbettung, dann mit.
Der erste Durchlauf lieferte Optionen wie diese:
Sauber formuliert, methodisch verknüpft mit SWOT-Quadranten und Ansoff-Typen – und dennoch strategisch kaum verwertbar. Die Optionen hätten auf jeden Hersteller in dieser Branche gepasst. Doors & Windows war darin nicht erkennbar.
Das war nicht ein Versagen der KI. Es war das erwartbare Ergebnis eines Prompts ohne ausreichenden Kontext und ohne methodische Leitplanken für die Entwicklung der Optionen selbst.
Was im zweiten Durchlauf anders war, lässt sich auf zwei konzeptionelle Eingriffe reduzieren.
Das erste Instrument: Entwicklungsdimensionen: Statt KI offen nach Optionen zu fragen, wird der Suchraum entlang konkreter Achsen strukturiert: Technologien, Absatzkanäle, Regionen, Wertschöpfungstiefe, Anwendungskontexte. Jede Dimension öffnet einen anderen Blickwinkel auf das Unternehmen. Das verhindert, dass KI einfach die naheliegendsten Branchenmuster wiederholt.
Das zweite Instrument: das Adjacency-Prinzip: Die Grundregel lautet: Je grösser die Distanz zum bestehenden Geschäft, desto höher das Risiko. Optionen werden deshalb bevorzugt in anliegenden Bereichen gesucht – nicht gleichzeitig in mehreren Dimensionen, weil sich Risiken sonst potenzieren. Das gibt der Optionsentwicklung eine strategische Logik, die über Brainstorming hinausgeht.
Beide Instrumente zusammen verändern nicht, was KI grundsätzlich kann. Sie verändern, worauf KI ihre Mustererkennung anwendet.
Aus «Digitalisierung zur Effizienzsteigerung» wurde mit diesem Rahmen eine konkrete Option:
Doors & Windows entwickelt einen webbasierten Konfigurator, der Fachhandelspartnern die eigenständige Produkt- und Variantenkonfiguration ermöglicht – inklusive technischer Spezifikation und Bestellauslösung. Der Konfigurator reduziert den Aufwand im Innenvertrieb, verkürzt den Angebotsprozess und stärkt die Fachhandelsbindung durch einen Mehrwert im täglichen Geschäft. Entwicklungsdimension: Absatzkanal, adjacent zum bestehenden Geschäft. Geschätztes Potenzial: 15–20% Reduktion der Vertriebskosten, skalierbar.
Aus «Stärkung der Kundenbindung durch nachhaltige Produkte» wurde:
Doors & Windows entwickelt ein Sortiment, das die gängigen Nachhaltigkeitszertifizierungen für öffentliche Bauprojekte erfüllt und damit systematisch ein Kundensegment erschliesst, das bisher kaum bearbeitet wurde – öffentliche Bauherren und Generalunternehmer mit ESG-Verpflichtungen. In diesem Segment ist der internationale Preisdruck strukturell geringer. Entwicklungsdimension: Kundengruppe, adjacent zur bestehenden Produktkompetenz. Mittelfristiges Potenzial: 10–15% Umsatzanteil in einem margenstärkeren Segment.
Der Unterschied ist nicht kosmetisch. Die erste Version benennt eine Richtung. Die zweite beschreibt eine Option, die sich bewerten, priorisieren und zu einer strategischen Stossrichtung verdichten lässt.
Seit wir den Arbeitsdialog mit KI auf diese Weise strukturieren, hat sich die Qualität der Ergebnisse in einem Punkt grundlegend verbessert: die Optionen sind einordnungsfähig. Sie haben eine nachvollziehbare strategische Logik, ein erkennbares Potenzial und eine klare Verbindung zur Ausgangslage des Unternehmens.
Was sich nicht verändert hat, verdient eine ehrliche Benennung. KI erfindet keine Zukunft. Sie verdichtet, strukturiert und variiert – innerhalb des Rahmens, den man ihr gibt. Die Optionen, die aus dem zweiten Durchlauf entstanden, waren besser vorbereitet. Ob sie die richtigen sind, ob das Potenzial realistisch ist, ob das Unternehmen die nötigen Fähigkeiten hat – das entscheidet kein Sprachmodell.
Der Rahmen verbessert zwar die Qualität der Optionen deutlich, aber er berührt eine tiefere Frage nicht – eine, die ich im nächsten Beitrag beschreibe.
Ein Satz aus einem Strategieprojekt ist mir geblieben. Wir hatten erste strategische Optionen mit KI entwickelt – sauber formuliert, gut lesbar, auf den ersten Blick sogar plausibel. Die Reaktion des Kunden war kurz und eindeutig: «Das ist Schrott.»
Die Formulierung war hart. Inhaltlich war sie richtig.
Viele Führungsteams nähern sich KI mit einer nachvollziehbaren Erwartung: Frage eingeben, brauchbare Antwort erhalten, weiterarbeiten. Das funktioniert bei vielen Aufgaben gut. Bei strategischen Optionen funktioniert es fast nie – jedenfalls nicht beim ersten Versuch.
Der Grund ist strukturell. KI produziert Antworten, die statistisch wahrscheinlich sind. Bei der Frage «Welche strategischen Optionen hat unser Unternehmen?» entstehen deshalb Formulierungen, die in der Sprache der jeweiligen Branche klingen und auf den ersten Blick vertraut wirken:
Das ist nicht falsch. Es ist nur nicht dieses Unternehmen. Es könnte jedes Unternehmen einer bestimmten Branche sein. Und genau deshalb ist es strategisch wertlos.
Der Fehler liegt nicht bei der Technologie. Er liegt in der Art, wie die Aufgabe gestellt wird.
Strategische Optionen beschreiben mögliche Entwicklungsrichtungen eines konkreten Unternehmens. Sie entstehen aus der Spannung zwischen dem, was ein Unternehmen ist, was es kann – und was wirklich möglich wäre. KI kennt diese Ausgangslage nicht, es sei denn, man teilt sie ihr mit.
Ohne Kontext reagiert KI auf das, was in vergleichbaren Texten steht. Sie destilliert die Vergangenheit eines Feldes – nicht die Zukunft dieses Unternehmens.
Hinzu kommt eine begriffliche Unschärfe, die in der Praxis häufig vorkommt. Strategische Optionen sind nicht dasselbe wie strategische Fragen. Strategische Fragen werden früher im Prozess entwickelt – aus der SWOT-Analyse, aus der Diagnose der Ausgangslage. Sie benennen die zentralen Herausforderungen, die ein Unternehmen bearbeiten muss.
Strategische Optionen werden davon zunächst unabhängig ausgearbeitet. Sie beschreiben alle möglichen Entwicklungsrichtungen – offen, breiter, losgelöst vom Bestehenden. Erst danach werden sie mit den strategischen Fragen abgeglichen: Welche Optionen sind Antworten auf unsere wichtigsten Herausforderungen?
Wer KI mit strategischen Optionen beauftragt, ohne diesen Unterschied zu kennen, bekommt bestenfalls Antworten auf Fragen, die noch gar nicht gestellt wurden.
In der Praxis haben sich zwei Bedingungen als entscheidend erwiesen – nicht als nette Ergänzung, sondern als Voraussetzung für brauchbare Ergebnisse.
Kontext: KI braucht strukturierte Informationen über das Unternehmen: Geschäftsfelder, Märkte, Wettbewerber, Stärken und Schwächen, relevante Restriktionen. Nicht als langer Freitext, sondern aufbereitet und eingebettet. Ohne diese Grundlage bleibt jede Antwort plausibel – aber nicht anwendbar.
Methode: KI braucht einen methodischen Rahmen, der beschreibt, was eine strategische Option ist, nach welcher Logik Entwicklungsrichtungen systematisch entwickelt werden und wie Ergebnisse strukturiert sein sollen. Ein offener Prompt erzeugt offene Antworten. Eine methodisch eingebettete Frage erzeugt Ergebnisse, die sich einordnen, vergleichen und priorisieren lassen.
Beides zusammen – Kontext und Methode – bildet die Grundlage des Rahmens, mit dem wir in der Praxis arbeiten. Wie dieser Rahmen konkret aufgebaut ist und was er verändert, zeige ich im nächsten Beitrag – am Beispiel eines realen Projekts.
Enttäuschung über KI in der Strategiearbeit ist in den meisten Fällen kein Urteil über die Technologie. Es ist ein Signal, dass der Arbeitsdialog nicht strukturiert genug geführt wurde.
KI wird nicht besser, indem man auf das nächste Modell wartet. Sie wird brauchbarer, wenn der Denkprozess, in den sie eingebettet ist, klarer wird. Das ist keine technische Frage – es ist eine Frage strategischer Disziplin.
Im zweiten Beitrag zeige ich, welche zwei Instrumente den Dialog mit KI bei der Erarbeitung von strategischen Optionen grundlegend verändern – und was das in der Praxis bedeutet. Am Beispiel eines mittelständischen Herstellers lässt sich der Unterschied direkt ablesen: dieselbe Ausgangslage, dieselbe KI, eine völlig andere Qualität der Ergebnisse.
Im dritten Beitrag geht es eine Ebene tiefer: Was passiert mit dem Denkprozess des Führungsteams, wenn KI eine plausible Antwort liefert, bevor die eigentliche strategische Auseinandersetzung stattgefunden hat?
