Die Schweiz im KI-Dilemma

Künstliche Intelligenz hat in den meisten Schweizer Unternehmen ihren festen Platz gefunden – allerdings noch selten als klar verankerte strategische Leitlinie. Für einen grossen Teil der Organisationen bleibt KI vorerst ein Experimentierfeld: Projekte werden getestet, erste Anwendungsfälle evaluiert, doch eine durchgängige Integration in die Geschäftsstrategie steht oft noch aus. Gleichzeitig zeigt sich eine zweite Gruppe, die KI bereits gezielt zur Steigerung von Effizienz und Wachstum einsetzt. Hier wird das Potenzial konkreter ausgeschöpft, etwa in der Automatisierung von Prozessen oder in datengetriebenen Geschäftsmodellen.

Eine kleinere, aber bedeutende Gruppe geht noch weiter und versteht KI als zentralen Bestandteil der Unternehmensstrategie – mit klaren Zielbildern und entsprechender Verankerung auf Führungsebene. Demgegenüber steht nur eine marginale Minderheit, für die KI aktuell keine Rolle spielt. Insgesamt ergibt sich ein heterogenes Bild: KI ist angekommen, aber ihre strategische Durchdringung befindet sich noch in einer frühen Phase.

Auffällig ist dabei ein Spannungsfeld, das sich durch viele Antworten zieht: Der potenzielle Nutzen von KI wird klar erkannt, doch gleichzeitig herrscht eine spürbare Zurückhaltung. Viele Unternehmen bewegen sich bewusst vorsichtig, da Unsicherheiten in Bezug auf Datenschutz, regulatorische Anforderungen, Datenqualität und Governance nach wie vor gross sind. Hinzu kommen offene Fragen zur Integration in bestehende Systeme sowie fehlende interne Kompetenzen.

Dieses Zögern ist weniger Ausdruck mangelnden Interesses als vielmehr ein Zeichen strategischer Vorsicht. KI wird nicht als kurzfristiger Hype verstanden, sondern als Technologie mit weitreichenden Konsequenzen. Entsprechend versuchen viele Organisationen, Risiken zu kontrollieren, bevor sie den nächsten Schritt gehen. Das Ergebnis ist ein typisches «KI-Dilemma»: Das Potenzial ist erkannt – doch der Weg zur breiten Umsetzung bleibt von Unsicherheiten geprägt.

Die Erwartungen an den Einsatz von Künstlicher Intelligenz sind in Schweizer Unternehmen klar fokussiert – und zugleich bemerkenswert pragmatisch. Im Zentrum stehen weniger visionäre Zukunftsbilder als vielmehr konkrete betriebswirtschaftliche Effekte. KI wird in erster Linie als Hebel zur Steigerung der Effizienz verstanden. Prozesse sollen schneller, schlanker und automatisierter ablaufen, repetitive Aufgaben reduziert und Ressourcen gezielter eingesetzt werden. Eng damit verknüpft ist die Erwartung, Kosten zu senken – etwa durch Automatisierung, optimierte Abläufe oder den gezielten Einsatz von Daten. 

Diese Perspektive zeigt: Viele Unternehmen betrachten KI aktuell vor allem als Instrument zur Optimierung bestehender Strukturen, nicht primär als Treiber radikaler Innovation. Entsprechend zurückhaltend ist die Gewichtung neuer Produkte und Services. Zwar wird das Potenzial gesehen, datenbasierte Angebote zu entwickeln oder bestehende Geschäftsmodelle zu erweitern, doch steht dieser Aspekt deutlich weniger im Vordergrund. Innovation durch KI bleibt häufig eine Option für die Zukunft – nicht zwingend ein kurzfristiges Ziel.

Noch weniger stark ausgeprägt ist die Erwartung, mit KI die Qualität von Produkten oder Dienstleistungen substanziell zu verbessern. Auch hier zeigt sich ein eher konservativer Zugang: Der Fokus liegt zunächst auf Effizienzgewinnen und Kostenvorteilen, bevor qualitative oder differenzierende Effekte in den Vordergrund rücken. Hinzu kommt ein externer Faktor, der die Prioritäten zusätzlich prägt: die zunehmende geopolitische Unsicherheit. Fragen rund um Datenstandorte, regulatorische Abhängigkeiten und technologische Souveränität gewinnen an Gewicht. In diesem Umfeld erscheinen Effizienz- und Kostenziele als kontrollierbare, kurzfristig realisierbare Vorteile, während innovationsgetriebene Initiativen mit höheren Risiken verbunden sind. Unternehmen agieren daher bewusst vorsichtig und setzen KI bevorzugt dort ein, wo sich Nutzen klar kalkulieren lässt.

Insgesamt entsteht das Bild einer technologiegetriebenen Optimierungsperspektive. KI wird vor allem dort eingesetzt, wo sich messbare, kurzfristige Effekte erzielen lassen. Strategische Differenzierung, neue Geschäftsmodelle oder qualitative Sprünge bleiben demgegenüber oft nachgelagert.

Beim erwarteten Business Impact wird die Ambivalenz besonders deutlich. Kaum ein Unternehmen zweifelt noch daran, dass KI das Geschäft spürbar verändern wird. Für die grosse Mehrheit ist klar: Die Auswirkungen werden mindestens relevant, in vielen Fällen sogar tiefgreifend sein – sei es in Prozessen, in der Wertschöpfung oder in der Wettbewerbs dynamik. Das zeigt: Am grundsätzlichen Potenzial besteht kein Zweifel mehr. KI wird nicht länger als Experiment oder isolierte Technologie gesehen, sondern als Faktor, der das Geschäft nachhaltig prägen kann. Entsprechend hoch sind die Erwartungen – und entsprechend gross ist der Druck, sich damit auseinanderzusetzen.

Und trotzdem bleibt die Umsetzung oft hinter diesen Erwartungen zurück. Viele Unternehmen wirken, als stünden sie in den Startlöchern: Man hat verstanden, wohin die Reise geht, man sieht die Chancen – aber man geht den nächsten Schritt noch nicht konsequent. Zu gross sind die offenen Fragen rund um Regulierung, Daten, Governance oder Integration in bestehende Strukturen.

Genau darin zeigt sich auch wieder das eigentliche KI-Dilemma: Die strategische Bedeutung ist erkannt, der erwartete Impact hoch – doch der Weg in die breite, operative Umsetzung erfolgt zögerlich. Wer diese Lücke schneller schliesst als andere, wird sich einen entscheidenden Vorsprung sichern.

Die Verteilung der Einsatzbereiche lässt sich weniger durch IT-Nähe erklären als durch die Frage, wo sich mit KI schnell ein klarer Business-Nutzen realisieren lässt. Genau dort setzen die meisten Unternehmen an. In Marketing und Vertrieb etwa ist der Hebel direkt sichtbar: bessere Kampagnen, personalisierte Ansprache, höhere Conversion. Ähnlich im Customer Service, wo Automatisierung und Assistenzsysteme sofort zu Effizienzgewinnen und Kostensenkungen führen.

Auch die starke Nutzung in der Softwareentwicklung passt in dieses Bild – allerdings weniger als «IT-Thema », sondern als Produktivitätshebel. KI steigert hier unmittelbar die Output-Geschwindigkeit und entlastet knappe Fachkräfte. Der Nutzen ist konkret messbar und relativ risikoarm.

Zurückhaltender agieren Unternehmen in Bereichen wie Finance, HR oder insbesondere Operations und Produktion. Nicht, weil dort weniger Potenzial vorhanden wäre – im Gegenteil –, sondern weil die Anforderungen komplexer sind: regulatorische Vorgaben, hohe Qualitätsansprüche, Abhängigkeiten von bestehenden Systemen und Prozessen. Fehler wirken sich hier unmittelbarer aus, was die Einstiegshürde erhöht. KI wird offenbar dort am ehesten eingesetzt, wo sich kurzfristig Effizienz- und Kosteneffekte erzielen lassen und die Risiken kontrollierbar bleiben. Strategisch tiefgreifende oder transformationsgetriebene Anwendungsfelder folgen erst nachgelagert.

Beim Reifegrad der KI-Use-Cases zeigt sich ein differenziertes, aber zugleich typisches Bild für die aktuelle Phase der KI-Adoption. Die Mehrheit der Unternehmen hat den Schritt in die produktive Nutzung bereits geschafft – allerdings meist nur in einzelnen, klar abgegrenzten Bereichen. KI ist damit operativ angekommen, aber noch nicht flächendeckend im Unternehmen verankert.

Parallel dazu befindet sich ein signifikanter Teil der Organisationen weiterhin im Pilotbetrieb oder in frühen Konzeptphasen. Proof-of-Concepts und erste Tests dominieren dort, wo Anwendungsfälle noch evaluiert, Datenquellen erschlossen oder technische und organisatorische Voraussetzungen geschaffen werden müssen. Diese Phase ist wichtig, zeigt aber auch: Viele Unternehmen sind noch dabei, sich überhaupt erst an den produktiven Einsatz heranzutasten. Auffällig ist vor allem der geringe Anteil an Unternehmen, die KI bereits unternehmensweit skaliert haben. Genau hier liegt die grösste Herausforderung. Der Sprung von einzelnen Use-Cases zur breiten Integration erfordert deutlich mehr als funktionierende Technologien: Es braucht stabile Datenarchitekturen, klare Governance-Strukturen, integrierte Prozesse und nicht zuletzt ein Umdenken auf organisatorischer Ebene.

Damit bestätigt sich erneut das zentrale Muster der Studie. KI wird genutzt, oft auch erfolgreich – aber vor allem punktuell. Die Skalierung bleibt die Ausnahme. Viele Unternehmen haben ihre «Leuchtturmprojekte », doch die Überführung in eine unternehmensweite Praxis gelingt bislang nur wenigen. Das erklärt auch die zuvor beobachtete Diskrepanz zwischen hohem erwarteten Business Impact und zögerlicher Umsetzung. Solange KI auf einzelne Anwendungsfälle beschränkt bleibt, entfaltet sie ihr volles Potenzial nicht. Der eigentliche Mehrwert entsteht erst dann, wenn aus isolierten Initiativen eine integrierte, strategisch gesteuerte Nutzung wird. Genau an dieser Schwelle stehen derzeit viele Schweizer Unternehmen.

Die Ergebnisse der Swiss IT-Studie zeichnen ein klares, aber widersprüchliches Bild: Schweizer Unternehmen haben das Potenzial von Künstlicher Intelligenz erkannt und erwarten spürbare Auswirkungen auf ihr Geschäft. KI ist angekommen – als Effizienztreiber, als Werkzeug zur Automatisierung und als strategischer Faktor mit wachsender Bedeutung. Gleichzeitig bleibt die Umsetzung in vielen Fällen fragmentiert. Der Einsatz erfolgt häufig punktuell, in klar abgegrenzten Bereichen mit unmittelbarem Nutzen, während die unternehmensweite Skalierung die Ausnahme bleibt. Dieses Muster zieht sich durch alle Ergebnisse: hohe Erwartungen, erste produktive Anwendungen, aber eine insgesamt vorsichtige Herangehensweise. Gründe dafür liegen in regulatorischen Unsicherheiten, Fragen der Datenqualität, fehlenden Kompetenzen und der Komplexität bestehender Systemlandschaften. Hinzu kommen geopolitische Faktoren und die wachsende Bedeutung von Datensouveränität, die zusätzliche Zurückhaltung erzeugen.

So entsteht ein typisches KI-Dilemma: Unternehmen wissen, dass sie handeln müssen, und sie tun es auch – aber oft noch nicht mit der Konsequenz, die notwendig wäre, um das volle Potenzial auszuschöpfen. Die entscheidende Phase steht damit erst bevor. Wer es schafft, von isolierten Use-Cases zu skalierbaren, strategisch verankerten Anwendungen zu gelangen, wird sich nachhaltig differenzieren können.