Wer ein Unternehmen gründet, trifft früh Entscheidungen über Software. Welches CRM verwenden wir? Wo führen wir die Buchhaltung? Wo liegen unsere Dokumente? Arbeiten wir mit Microsoft 365 oder Google Workspace? Brauchen wir bereits ein ERP?

Diese Fragen beantworten die meisten anhand der heutigen Anforderungen: Preis, Funktionsumfang, Bedienbarkeit und vielleicht noch die Integrationen mit anderen Anwendungen. Durch künstliche Intelligenz kommt eine weitere Frage dazu, die in Zukunft mindestens so wichtig werden dürfte:

Können KI-Systeme später sinnvoll auf die Daten und Prozesse dieser Software zugreifen?

Wer seine Unternehmensdaten heute auf Systeme verteilt, die sich kaum anbinden lassen, setzt sich morgen selbst Grenzen beim Einsatz von KI. Deshalb gilt für Startups ein neuer Grundsatz: Die Software-Infrastruktur sollte nicht nur Cloud-ready sein, sondern AI-ready, also KI-fähig.

Wer heute Software auswählt, entscheidet über die KI-Möglichkeiten von morgen

Stell dir ein junges Unternehmen vor. Die Kundendaten liegen im CRM. Rechnungen und Zahlungen stehen in der Buchhaltungssoftware. Angebote und Aufträge befinden sich vielleicht in einem ERP, die E-Mails in einem weiteren System, und Verträge, Präsentationen und Projektdokumente an einem fünften Ort.

Für Menschen ist diese Aufteilung schon mühsam. Für KI wird sie zur Architekturfrage. Ein KI-Assistent könnte zum Beispiel diese Frage beantworten:

Welche offenen Angebote haben wir bei Kunden, mit denen es in den letzten drei Monaten relevante E-Mail-Kommunikation gab und bei denen noch Rechnungen offen sind?

Dafür braucht das System Zugriff auf CRM, E-Mail, Auftragsverwaltung und Buchhaltung. Bietet jedes dieser Systeme eine geeignete Schnittstelle, ist das grundsätzlich lösbar. Ist ein wesentliches System technisch weitgehend abgeschlossen, fehlen genau die Informationen, die den Unterschied machen.

Das bedeutet: Die Qualität einer künftigen KI-Lösung hängt nicht nur vom Modell ab. Sie hängt auch davon ab, ob die KI überhaupt an die richtigen Daten herankommt.

Das Problem ist nicht On-Premise

Es wäre zu einfach, Cloud-Software als modern und On-Premise-Software als problematisch einzustufen. Eine lokal betriebene Anwendung kann hervorragend integrierbar sein. Entscheidend ist, ob sie zum Beispiel eine dokumentierte API oder andere kontrollierbare Schnittstellen besitzt.

Ein paar Beispiele:

  • Odoo lässt sich gehostet und auf eigener Infrastruktur betreiben. Die offizielle Dokumentation beschreibt On-Premise-Installationen ausdrücklich.
  • ERPNext kann selbst betrieben werden. Das zugrunde liegende Frappe Framework stellt standardmässig REST-Schnittstellen für Datenobjekte zur Verfügung.
  • SAP S/4HANA dokumentiert SAP weiterhin als ERP, das auch auf der Infrastruktur des Unternehmens laufen kann.

On-Premise ist also nicht das eigentliche Problem. Eine geschlossene Architektur ist es. Problematisch wird es, wenn eine Anwendung auf einem internen Server läuft, aber weder eine brauchbare Schnittstelle noch einen kontrollierten Zugriff auf ihre Daten bietet. Ein externes KI-System kommt dann nicht an diese Informationen heran.

Das kann sogar Absicht sein. Ein vollständig isoliertes System ist aus Sicherheits- oder Betriebsgründen manchmal sinnvoll. Dann musst du aber schon bei der Architektur klären, wie KI trotzdem eingesetzt werden soll: über eine kontrollierte Middleware, eine interne Schnittstelle oder ein lokal betriebenes KI-Modell.

Die Frage lautet deshalb nicht «Cloud oder On-Premise?». Sie lautet: Wie kontrolliert kommen andere Systeme an unsere Daten und Funktionen?

Die API wird zum Einkaufskriterium

Eine API, vereinfacht gesagt eine standardisierte Schnittstelle zwischen Softwaresystemen, war lange ein Thema für Entwickler. Für Gründerinnen und Gründer ist sie heute ein strategisches Merkmal der Software.

Ein gutes Beispiel ist HubSpot. Über die Schnittstellen lassen sich unter anderem Kontakte, Unternehmen, Deals und Tickets anbinden. Dazu kommen Webhooks für ereignisbasierte Integrationen und ein MCP-Server, über den kompatible KI-Systeme auf Teile des CRM zugreifen können. Das heisst nicht, dass HubSpot für jedes Unternehmen die richtige Lösung ist. Es zeigt aber, welche Fragen bei einer modernen Softwareentscheidung zählen.

Nicht nur: «Kann das CRM meine Leads verwalten?» Sondern auch: Kann ich meine Daten später automatisiert lesen, verknüpfen und, wo sinnvoll, kontrolliert verändern?

CRM: Kundendaten dürfen keine Sackgasse werden

Das CRM dürfte für viele Unternehmen eine der wichtigsten Datenquellen für KI werden. Es enthält Kundendaten, Verkaufschancen, Aktivitäten, Notizen und oft die ganze Geschichte einer Kundenbeziehung. Ein KI-Assistent könnte daraus zum Beispiel:

  • Verkaufsgespräche vorbereiten
  • Kundenhistorien zusammenfassen
  • Follow-ups erkennen
  • Angebote vorbereiten
  • Vertriebschancen analysieren
  • Informationen aus anderen Systemen mit den Kundendaten verbinden

Dafür muss das CRM seine Daten zugänglich machen. HubSpot bietet umfangreiche Integrationsmöglichkeiten, Odoo verbindet CRM und ERP und lässt sich zugleich auf eigener Infrastruktur betreiben. Entscheidend ist auch hier nicht das Hostingmodell, sondern die Offenheit des Systems.

ERP: Hier liegt ein grosser Teil der Unternehmensrealität

Noch wichtiger wird die Frage beim ERP. Es enthält Aufträge, Produkte, Lager, Lieferanten, Projekte, Leistungen, Rechnungen und weitere zentrale Geschäftsprozesse. Wer KI wirklich in Unternehmensprozesse einbinden will, kommt an diesen Daten langfristig kaum vorbei. Ein KI-System könnte zum Beispiel erkennen:

  • welche Bestellungen sich verspäten
  • bei welchen Kunden Aufträge blockiert sind
  • wie sich das Auftragsvolumen entwickelt
  • welche Projekte ihr Budget überschreiten
  • welche Informationen für eine Geschäftsentscheidung zusammengeführt werden müssen

Odoo und ERPNext zeigen, dass selbst betriebene Systeme API-fähig sein können. SAP zeigt, dass sogar grosse Unternehmenssysteme On-Premise laufen. Für ein Startup wäre SAP in den meisten Fällen überdimensioniert, als Beispiel taugt es trotzdem: On-Premise und Integrationsfähigkeit sind keine Gegensätze.

Buchhaltung: Schweizer Unternehmen sollten genauer hinschauen

In der Schweiz sind bexio und Abacus weit verbreitet. bexio stellt eine dokumentierte REST-API zur Verfügung, über die externe Anwendungen Daten mit dem System austauschen können. Abacus bietet ebenfalls REST-APIs und Webservices. Dazu gibt es mit AbaWeb eine Cloud-Variante, während Abacus-Installationen auch auf eigenen Servern laufen können.

Daran siehst du: Es reicht nicht, den Hersteller nach «Cloud» oder «On-Premise» zu fragen. Du musst die konkrete Produktvariante und ihre Schnittstellen anschauen. Ausserdem lohnt sich die Frage, welche Daten über die API tatsächlich verfügbar sind. Eine vorhandene API heisst nicht, dass jede Funktion der Software darüber erreichbar ist.

E-Mail wird zur wichtigen Wissensquelle

Ein erheblicher Teil des Unternehmenswissens steckt weiterhin in E-Mails. Google stellt für Gmail eine API zur Verfügung, über die autorisierte Anwendungen Nachrichten unter anderem lesen, organisieren oder versenden können. Bei Microsoft gibt es neben den Cloud-Angeboten weiterhin Exchange Server für den Betrieb im eigenen Unternehmen. Die aktuelle Exchange Server Subscription Edition bezeichnet Microsoft ausdrücklich als On-Premise-E-Mail-Lösung.

Auch hier zählt die Architektur. Sollen E-Mails später Teil eines KI-gestützten Wissenssystems werden, musst du Zugriffe, Berechtigungen und Schnittstellen von Anfang an mitdenken.

Dokumente sind oft das grösste unstrukturierte Datenarchiv

Angebote, Präsentationen, Konzepte, Verträge, Protokolle, technische Dokumentationen und interne Richtlinien enthalten einen grossen Teil des Unternehmenswissens. Genau das macht sie für KI so interessant. Stell dir vor, deine Mitarbeitenden könnten fragen:

«Was haben wir diesem Kunden in den letzten drei Angeboten versprochen?»

oder:

«Welche Entscheidungen wurden zu diesem Projekt bisher getroffen?»

Damit das funktioniert, muss die KI relevante Dokumente finden und, abhängig von den Berechtigungen der jeweiligen Person, lesen können. Auch hier gibt es unterschiedliche Architekturen. Neben den grossen Cloud-Plattformen lässt sich zum Beispiel Nextcloud auf eigener Infrastruktur betreiben. Nextcloud beschreibt sein Angebot ausdrücklich als On-Premise-fähig und unterstützt die Einbindung unterschiedlicher externer Speicher.

Das eigentliche Problem: Unternehmenswissen verteilt sich

Selbst wenn jedes einzelne System für sich gut funktioniert, entsteht mit dem Wachstum ein weiteres Problem: Das Wissen verteilt sich. Ein Teil liegt im CRM, ein Teil in E-Mails, ein Teil in Dokumenten, im ERP und in der Buchhaltung. Später kommen vielleicht Supportsystem, Projektmanagement, Data Warehouse und Spezialanwendungen dazu.

Ein Mensch wechselt zwischen diesen Anwendungen hin und her. Ein KI-Agent braucht dagegen einen technisch geregelten Zugang zu jeder Informationsquelle. Deshalb solltest du die Softwarearchitektur früh als zusammenhängendes System betrachten.

Das Ziel ist nicht, alle Daten in eine einzige Anwendung zu verschieben. Das Ziel ist, dass Systeme miteinander kommunizieren können und Daten nicht dauerhaft in isolierten Silos verschwinden.

MCP ist interessant, aber eine gute API ist wichtiger

Im Zusammenhang mit KI fällt derzeit oft das Model Context Protocol, kurz MCP. Es kann die Verbindung zwischen KI-Systemen und externen Anwendungen vereinfachen. HubSpot bietet bereits einen eigenen MCP-Server an, andere Anbieter arbeiten an entsprechenden Lösungen.

Zum alleinigen Entscheidungskriterium solltest du MCP bei der Softwareauswahl trotzdem nicht machen. Technologien ändern sich. Eine sauber dokumentierte API, ein gutes Berechtigungsmodell und eine offene Datenarchitektur sind grundlegender. Wer diese Basis hat, kann auch künftige KI-Technologien anbinden.

Vorsicht vor Vendor Lock-in

Bei der Gründung wirken viele Softwareentscheidungen umkehrbar. Später sind sie es oft nicht mehr. Nach fünf Jahren liegen vielleicht zehntausende Kontakte im CRM, hunderttausende Buchungen im ERP, jahrelange Korrespondenz in E-Mail-Systemen und grosse Mengen Dokumente in einer Plattform. Dann wird ein Wechsel teuer.

Zu jeder wichtigen Softwareentscheidung gehört deshalb die Frage: Wie kommen wir wieder heraus? Ein guter Export ist dabei nicht dasselbe wie eine gute API, und beides ist wichtig. Die API ermöglicht laufende Integration und Automatisierung. Der Export stellt sicher, dass deine Daten nicht dauerhaft im System eingeschlossen sind. Prüfe früh, ob du deine Daten vollständig, strukturiert und in einem weiterverwendbaren Format exportieren kannst.

Eine API allein macht eine Software noch nicht KI-fähig

Auch hinter dem Satz «API vorhanden» steckt mehr, als er verspricht. Vor einer Entscheidung solltest du mindestens diese sieben Punkte prüfen:

  1. Welche Daten sind über die Schnittstelle verfügbar? Es nützt wenig, wenn die API existiert, aber gerade die relevanten Informationen fehlen.
  2. Kann die API nur lesen oder auch schreiben? Für Analysen reicht Lesezugriff. Agenten, die Aufgaben erledigen sollen, brauchen unter Umständen kontrollierte Schreibzugriffe.
  3. Gibt es ein vernünftiges Berechtigungssystem? Eine KI sollte nicht automatisch alle Daten sehen, nur weil technisch eine Schnittstelle existiert.
  4. Unterstützt die Plattform Automatisierung? Webhooks und ähnliche Mechanismen lassen Anwendungen auf Ereignisse reagieren, ohne ständig alle Daten abzufragen.
  5. Gibt es Limits? APIs können je nach Anbieter, Lizenz und Tarif unterschiedliche Mengenbeschränkungen haben.
  6. Ist die Schnittstelle dokumentiert und aktiv gepflegt? Eine kaum dokumentierte Schnittstelle verursacht in der Praxis hohe Integrationskosten.
  7. Können Daten vollständig exportiert werden? Diese Frage ist unabhängig von KI relevant und verringert die Abhängigkeit vom Anbieter.

Checkliste für Gründerinnen und Gründer

Bevor du ein CRM, ERP, eine Buchhaltung, ein E-Mail- oder Dokumentensystem einführst, würde ich heute mindestens diese Fragen stellen:

  • Gibt es eine dokumentierte und gepflegte API?
  • Welche wichtigen Daten sind über diese API verfügbar?
  • Können Daten gelesen und, falls nötig, geschrieben werden?
  • Gibt es Webhooks oder vergleichbare Automatisierungsmöglichkeiten?
  • Gibt es ein fein steuerbares Rollen- und Berechtigungssystem?
  • Können technische Benutzer oder Anwendungen eigene Zugriffsrechte erhalten?
  • Können sämtliche Unternehmensdaten exportiert werden, strukturiert und später wieder nutzbar?
  • Welche Einschränkungen gelten für die API?
  • Hängt der API-Zugriff von einer bestimmten Lizenz ab?
  • Lässt sich die Lösung mit Automationsplattformen oder Middleware verbinden?
  • Gibt es bereits Integrationen mit wichtigen KI-Plattformen?
  • Unterstützt der Hersteller offene Standards?
  • Wie aufwendig wäre ein späterer Wechsel des Systems?
  • Kannst du deine Daten unabhängig vom Anbieter weiterverwenden?

Und zum Schluss die Frage, auf die alles hinausläuft: Könnte ein künftiger KI-Agent kontrolliert auf die Informationen zugreifen, die du gerade in diesem System speicherst? Lässt sich das nicht beantworten, kläre es vor dem Kauf.

Cloud-first reicht nicht mehr

In den letzten Jahren galt für viele Startups der Grundsatz «Cloud-first». Das war nachvollziehbar: Cloud-Software senkte die Infrastrukturkosten, vereinfachte Updates und erlaubte jungen Unternehmen einen schnellen Start. Mit KI ändert sich die Anforderung erneut. Heute lautet die bessere Frage: Ist unsere Infrastruktur AI-ready?

Das heisst nicht, dass jedes Unternehmen sofort KI-Agenten bauen muss. Es heisst auch nicht, dass jedes System in die Cloud gehört. Es heisst, bei heutigen Entscheidungen die künftige Nutzbarkeit der eigenen Daten mitzudenken. Daten werden nicht wertvoll, nur weil du sie sammelst. Ihr Wert entsteht, wenn sie auffindbar, verknüpfbar und für die richtigen Anwendungen zugänglich sind.

Die Softwareentscheidung wird zur Datenentscheidung

Es ist verlockend, Software danach auszuwählen, was heute am einfachsten oder günstigsten wirkt. Eine solche Entscheidung kann aber zehn Jahre Bestand haben. Bei zentralen Unternehmenssystemen reicht deshalb die Frage nach dem heutigen Funktionsumfang nicht. Mindestens so wichtig ist: Was können wir morgen mit den darin gespeicherten Daten machen?

Kurz zusammengefasst: Unternehmen, deren CRM, ERP, Buchhaltung, E-Mail und Dokumentenablage sich kontrolliert verbinden lassen, haben nicht nur eine gute IT-Infrastruktur. Sie schaffen die Grundlage dafür, dass künftige KI-Systeme wirklich mit dem Wissen und den Prozessen des Unternehmens arbeiten können.

Welche Software setzt du heute ein, und wüsstest du, ob eine KI morgen an ihre Daten käme? Schreib mir deine Erfahrungen, ich bin gespannt, wo ihr schon auf geschlossene Systeme gestossen seid.

Hinweis zum Datenschutz: Welche Unternehmens- und Personendaten du an externe KI-Systeme übermitteln darfst und welche Anforderungen dabei gelten, behandelt swissAI separat im Artikel «KI sicher nutzen, ohne ihre Möglichkeiten unnötig einzuschränken».