Fallstudie: Wie Gnocchi Friends durch den KI-Hype navigiert und drei valide Use Cases gefunden hat

Laut schnellstart.ai scheitern 70 Prozent der KI-Initiativen in Schweizer KMU nicht an der Technologie, sondern an fehlender Priorisierung: Unternehmen implementieren das, worüber gerade am lautesten gesprochen wird, statt das, was für ihren spezifischen Betrieb den grössten Impact hat. Gnocchi Friends, ein Schweizer Recruiting-Kollektiv, das Top-Talente mit zukunftsorientierten Unternehmen verbindet, stand vor genau diesem Problem. Der Wunsch, KI einzusetzen, war klar. Aber welche KI? Für welchen Prozess? Und in welcher Reihenfolge? Diese Fragen blieben offen.

Das Kollektiv hatte intern bereits erste Schritte probiert: ChatGPT für Stellenbeschreibungen hier, ein KI-Tool für E-Mail-Formulierungen dort. Aber nichts war systematisch. Es fehlte ein Gesamtbild: Wo verliert das Team tatsächlich am meisten Zeit? Welche Prozesse eignen sich für Automatisierung? Was kostet die Implementierung im Verhältnis zum erwarteten Nutzen? Und was ist DSG-konform für ein Schweizer Recruiting-Unternehmen, das Kandidatendaten verarbeitet?

Der Druck, etwas zu tun, kam von verschiedenen Seiten gleichzeitig. Einerseits: Wettbewerber begannen, KI-gestütztes Screening zu kommunizieren. Andererseits: Das Team merkte im Alltag, wie viel Zeit in repetitiven Aufgaben versickerte. Bewerbungen manuell sichten, Kandidaten-Erstkontakte formulieren, Interviewtermine koordinieren, Statusmails schreiben. Alles Tätigkeiten, die wenig strategisches Denken erfordern, aber die wertvollste Zeit des Kollektivs beanspruchen.

Das Risiko, das Gnocchi Friends dabei bewusst war: Ohne strukturierten Einstieg hätte das Kollektiv vermutlich weiter einzelne Tools ausprobiert, ohne einen messbaren Effekt zu erreichen. Oder es hätte in eine teure Lösung investiert, die auf den ersten Blick beeindruckend wirkt, aber im Alltag des spezifischen Recruiting-Betriebs nicht greift. Beides ist in KMU eine typische Falle: Man probiert, ohne zu messen. Oder man investiert, ohne vorher zu priorisieren. Das Ergebnis ist in beiden Fällen Ernüchterung nach drei Monaten und kein nachhaltiger Wissensaufbau über das, was für das eigene Unternehmen wirklich funktioniert.

In diesem Artikel zeigen wir, wie wir für Gnocchi Friends ein strukturiertes KI-Assessment durchgeführt haben, drei High-Impact Use Cases identifiziert und validiert haben, zwei davon direkt implementiert haben und eine 12-Monats-KI-Roadmap geliefert haben. Das Ergebnis: Klarheit statt Hype, konkrete Zeitgewinne und eine nachvollziehbare Prioritätenliste.

Warum ist ein strukturiertes Assessment besser als direkte Implementierung?

Der teuerste KI-Fehler ist nicht eine zu teure Lösung. Es ist eine Lösung, die das falsche Problem löst. Wer ohne Assessment implementiert, riskiert, Monate in ein System zu investieren, das technisch funktioniert, aber im Alltag niemand nutzt oder das den falschen Prozess optimiert.

Ein KI-Assessment analysiert systematisch alle relevanten Geschäftsprozesse gegen ein einfaches Kriterium: Wo ist das Verhältnis von Implementierungsaufwand zu erwartetem Nutzen am günstigsten? Diese Analyse ergibt eine priorisierte Liste der Use Cases, sortiert nach Impact und Machbarkeit. Nicht nach dem, was technisch beeindruckend ist. Sondern nach dem, was im Alltag des spezifischen Teams am meisten bewegt.

Bei Gnocchi Friends haben wir alle relevanten Prozesse durchleuchtet: Kandidaten-Sourcing, Profil-Screening, Erstansprache, Interview-Koordination, Feedback-Management, Kundenkommunikation, interne Dokumentation und Wissensmanagement. Für jeden Prozess haben wir drei Fragen beantwortet: Wie viel Zeit kostet dieser Prozess heute? Wie viel Zeit könnte KI davon übernehmen? Was ist der Implementierungsaufwand?

Welche drei Use Cases wurden validiert und warum diese?

Die drei validierten Use Cases für Gnocchi Friends waren: KI-gestütztes Kandidaten-Screening, personalisierter Kandidaten-Outreach auf Basis von Profildaten und strukturiertes internes Wissensmanagement. Alle drei wurden nach demselben Kriterium ausgewählt: hoher Zeitgewinn, klarer DSG-konformer Implementierungsweg und kein Risiko für die Qualität der Kandidatenerfahrung.

Use Case 1: Kandidaten-Screening. Das manuelle Screening eingehender Bewerbungen gegen Stellenanforderungen war einer der grössten Zeitfresser im Kollektiv. Ein KI-Screening-Layer analysiert eingehende Profile, bewertet den Fit anhand definierter Kriterien und erstellt eine priorisierte Shortlist. Ein Recruiter sieht nicht mehr 50 unsortierte Bewerbungen, sondern 10 vorqualifizierte Kandidaten mit kurzer Begründung der KI-Einschätzung.

Use Case 2: Personalisierter Kandidaten-Outreach. Statt generischer Ansprachen generiert ein KI-System auf Basis öffentlicher Profilinformationen und der aktuellen Stellenanforderung eine personalisierte Erstnachricht. Diese enthält konkrete Bezugspunkte zum Profil des Kandidaten und erhöht die Wahrscheinlichkeit einer Antwort substantiell. Das Kollektiv kann damit mehr Kandidaten pro Woche ansprechen, ohne die Qualität der Ansprache zu senken.

Use Case 3: Internes Wissensmanagement. Jede erfolgreiche Besetzung enthält wertvolles, implizites Wissen: Welche Kandidatenprofile passten für welche Unternehmenskultur? Welche Muster gab es bei erfolgreichen vs. Nicht-erfolgreichen Platzierungen? Dieses Wissen blieb bisher in E-Mails, Notizen und dem Kopf der einzelnen Recruiter. Ein KI-unterstütztes Dokumentationssystem strukturiert dieses Wissen systematisch. Und macht es für das gesamte Kollektiv zugänglich.

Wie verlief die Implementierung der validierten Use Cases?

Die beiden Quick-Win-Use-Cases. Kandidaten-Screening und personaliserter Outreach. Wurden direkt implementiert. Der Wissensmanagement-Use-Case wurde als Phase-2-Projekt in die 12-Monats-Roadmap aufgenommen.

Das Kandidaten-Screening läuft über eine API-Integration: Eingehende Bewerbungen werden automatisch an ein KI-Modell übergeben, das gegen einen strukturierten Kriterienkatalog bewertet und eine Shortlist mit Begründungen erstellt. Der Recruiter hat volle Kontrolle über die Kriterien und kann jederzeit eingreifen. Die KI trifft keine automatischen Ablehnungsentscheide. Das ist explizit auch aus DSG-Gründen ausgeschlossen.

Der personalisierte Outreach nutzt öffentliche Profildaten von LinkedIn und anderen Plattformen, kombiniert mit den Stellenanforderungen, um personalisierte Ansprachen zu generieren. Das System schlägt Formulierungen vor, die Recruiter vor dem Versand freigeben. Kein automatischer Versand ohne menschliche Prüfung. Das ist sowohl qualitätssichernd als auch DSG-konform.

Was sagt die 12-Monats-KI-Roadmap?

Die KI-Roadmap für Gnocchi Friends enthält drei Phasen: Stabilisierung der implementierten Use Cases in Quartal 1, Implementierung des Wissensmanagements in Quartal 2 und Ausbau auf Interview-Koordination und automatisiertes Candidate-Matching in Quartal 3 und 4. Jede Phase hat definierte Erfolgskriterien, geschätzte Implementierungskosten und empfohlene Werkzeuge.

Der Wert einer solchen Roadmap ist nicht die Detailplanung für 12 Monate. KI-Technologie entwickelt sich zu schnell, um ein Jahr im Voraus bis ins letzte Detail zu planen. Der Wert ist die Priorisierung: Das Team weiss, was als Nächstes kommt und warum, und kann Entscheidungen gegen eine konsistente strategische Logik abwägen statt ad hoc zu reagieren.

«Schnellstart hat uns geholfen, durch den KI-Hype durchzublicken und uns auf das zu konzentrieren, was für unser Business wirklich funktioniert. Klar, praktisch, schweizerisch.»

Was bedeutet dieses Vorgehen für andere KMU?

Das Assessment-first-Prinzip ist nicht nur für Recruiting-Unternehmen relevant. Es ist die richtige Reihenfolge für jedes KMU, das KI einführen will, ohne Zeit und Geld in die falsche Richtung zu investieren.

Die Erfahrung aus mehreren Projekten zeigt: Die ersten drei bis vier Fragen in einem KI-Assessment ("Was kostet welcher Prozess wie viel Zeit?") liefern bereits genug Daten für eine erste Priorisierung. Oft stellt sich dabei heraus, dass der offensichtliche Kandidat für KI ("unsere Berichte automatisieren") nicht der lohnendste ist, weil der Aufwand für die Implementierung zu hoch ist. Und ein anderer Prozess, der auf den ersten Blick banal wirkt, sich aber täglich wiederholt, plötzlich ganz vorne in der Prioritätenliste steht.

Für Unternehmen, die bereits erste KI-Tools nutzen ohne strukturierten Rahmen, lohnt sich ein Assessment besonders. Es schafft Klarheit darüber, was von den laufenden Experimenten tatsächlich einen messbaren Beitrag leistet und was nur Zeit kostet, weil es den falschen Prozess optimiert. Gnocchi Friends hat durch das Assessment auch einzelne Tools identifiziert, die das Kollektiv bereits nutzte und die bei näherer Betrachtung durch günstigere Alternativen mit besserem Integrationspotenzial ersetzt werden konnten. Das führte zusätzlich zu einer Reduzierung der monatlichen Tool-Kosten um rund 30 Prozent bei gleichzeitig besserer technischer Grundlage für die folgende Implementierungsphase.

Was kostet ein KI-Assessment und wie vergleicht es sich mit dem Nutzen?

Ein strukturiertes KI-Assessment für ein KMU wie Gnocchi Friends kostet typischerweise CHF 1'500 bis 3'500 und dauert einen halben bis ganzen Arbeitstag mit anschliessender Dokumentation. Das klingt nach einem hohen Aufwand für einen Halbtag. Die Relation wird klarer, wenn man ihn gegen die Alternativen stellt: Ohne Assessment investieren viele KMU CHF 5'000 bis 20'000 in eine KI-Implementierung, die sich im Nachhinein als falsch priorisiert herausstellt. Das Assessment ist damit die günstigste Versicherung gegen diese Fehlinvestition.

Ein anderer Vergleich: Die Zeit, die das Gnocchi-Team in unstrukturierten KI-Experimenten verbracht hatte, bevor wir kamen, lag nach eigener Schätzung bei über 50 Stunden in mehreren Monaten. 50 Stunden eines Recruiting-Experten mit einem internen Stundensatz von CHF 100 sind CHF 5'000 an Zeitkosten, für Experimente ohne klares Ergebnis. Ein Assessment in einem halben Tag hätte den strukturierten Einstieg in der Hälfte der Zeit und mit doppeltem Ertrag ermöglicht.

Für die laufenden Kosten der implementierten Use Cases: Das Kandidaten-Screening-System kostet Gnocchi Friends rund CHF 150 bis 250 pro Monat in API-Kosten und Tool-Lizenzen. Die monatliche Zeitersparnis liegt bei schätzungsweise 20 bis 30 Stunden pro Recruiter im Kollektiv. Das ist ein ROI von einem Vielfachen der Kosten, monatlich wiederkehrend.

Ein pragmatischer Hinweis für KMU, die ein Assessment in Erwägung ziehen: Ein seriöses Assessment liefert auch dann Wert, wenn die Schlussfolgerung lautet, dass der Zeitpunkt für KI-Implementierungen noch nicht reif ist. Das ist selten, aber es kommt vor. In diesem Fall hat das Assessment verhindert, dass in etwas investiert wird, das noch nicht funktioniert. Auch das ist eine Form von ROI.

Fazit: KI mit Klarheit einsetzen, nicht mit Hype

Gnocchi Friends hat durch ein strukturiertes KI-Assessment drei validierte Use Cases identifiziert, zwei davon implementiert und eine klare Roadmap für die nächsten 12 Monate erhalten. Vollständig DSG-konform und auf konkrete Zeitgewinne ausgerichtet.

• ✅ Assessment vor Implementierung. Das verhindert, das falsche Problem zu lösen und spart langfristig erheblich mehr Zeit als es kostet.
• ✅ Quick Wins zuerst. Die ersten zwei implementierten Use Cases liefern Ergebnisse innerhalb von 4 bis 6 Wochen und schaffen Vertrauen ins System.
• ✅ DSG-Konformität ist nicht optional. Gerade im Recruiting müssen KI-Systeme so konfiguriert sein, dass sie keine automatischen Ablehnungsentscheide treffen.
• ✅ Roadmap als Orientierung, nicht als Versprechen. KI entwickelt sich schnell; der Wert der Roadmap liegt in der Priorisierungslogik, nicht in der Detailplanung.

Die vollständige Projektdokumentation finden Sie auf der Fallstudienseite von Gnocchi Friends. Möchten Sie wissen, welche KI-Use-Cases für Ihr Unternehmen den grössten Impact haben würden? Buchen Sie ein kostenloses KI-Assessment-Erstgespräch.