Datenreife als KI-Bremse: Warum nur 7% der Schweiz bereit sind
Auf den Punkt
57% der Schweizer Unternehmen nutzen bereits KI, doch nur 7% bewerten ihre Daten als vollständig bereit für skalierbare KI-Wertschöpfung. Der Flaschenhals liegt nicht mehr bei Tools oder Budget, sondern bei Datenqualität und -struktur. Wer jetzt investiert, sollte zuerst die Datenbasis klären, bevor er skaliert.
57% der Schweizer Unternehmen setzen heute KI ein – ein Sprung von 46% im Vorjahr. Trotzdem bewerten nur 7% ihre Daten als vollständig bereit, um daraus systematisch KI-basierte Wertschöpfung zu erzielen. Der Flaschenhals für die nächste Skalierungsstufe liegt damit nicht mehr bei Tools, Budget oder der Wahl des richtigen Modells, sondern bei Datenqualität und Datenstruktur. Das zeigt die Studie 'Das Potenzial von KI in der Schweiz 2026 erschliessen' von AWS und Strand Partners, für die rund 2'000 Personen befragt wurden.
57%
der Schweizer Unternehmen nutzen KI – gegenüber 46% im Vorjahr
7%
bewerten ihre Daten als vollständig bereit für KI-basierte Wertschöpfung
Warum sich der Engpass verschoben hat
Vor zwei Jahren drehten sich die meisten Gespräche um Budget, Tool-Auswahl und die Frage, welches Modell das richtige sei. Diese Fragen sind heute weitgehend geklärt. Was bleibt, ist unbequemer: 55% der Unternehmen bezeichnen ihre Daten lediglich als 'teilweise bereit', weitere 22% als 'weitgehend bereit' – nur eine kleine Gruppe hat die Datenbasis, die produktive KI-Wertschöpfung im grossen Stil trägt. Das deckt sich mit dem Swiss AI Observatory 2026 von Colombus Consulting: 82% der befragten Unternehmen stufen ihre Data- und AI-Maturity als niedrig bis mittel ein, und der Anteil, der die eigene Datenqualität als gut oder exzellent bewertet, ist von 61% auf 51% gesunken – nicht weil die Daten schlechter wurden, sondern weil die Anforderungen an sie mit jedem KI-Projekt steigen.
Drei Reifegrade der KI-Nutzung in Schweizer Unternehmen
- Grundstufe (60%): Chatbots und Fertiglösungen ohne tiefere Integration in Prozesse oder Systeme.
- Mittlere Stufe (22%): KI ist in bestehende Abläufe und Datenquellen integriert, arbeitet aber noch nicht eigenständig.
- Fortgeschrittene Stufe (18%, Vorjahr 20%): Agentenbasierte Ansätze und Kombinationen mehrerer Modelle – ein Anteil, der leicht gesunken ist, während die Erwartungen an diese Stufe gestiegen sind.
Agentic AI ohne Fundament: das Risiko der Vorreiter
8% der Schweizer Unternehmen setzen bereits agentische Workflows ein – ein Wert über dem globalen Durchschnitt. Das klingt nach Vorsprung, ist aber zweischneidig: Ein Agent, der auf einer lückenhaften oder inkonsistenten Datenbasis operiert, verstärkt Fehler, statt sie zu vermeiden. Wie gross diese Lücke zwischen Ambition und operativer Bereitschaft sein kann, zeigt unsere Analyse zum Business Process Readiness Gap.
Warum Unternehmen trotzdem massiv investieren
Der fehlende Datenreifegrad hält Schweizer Unternehmen nicht vom Investieren ab. Knapp 30% erwarten einen starken Ausgabenanstieg bei KI – doppelt so viele wie im globalen Durchschnitt. 65% ordnen KI hohe strategische Priorität zu, 70% sehen sie als zentral für die Unternehmensstrategie. Diese Kombination aus hoher Ambition und niedriger Datenreife ist kein Widerspruch, sondern ein Muster, das wir auch in unserer Auswertung zum Paradox der KI-Adoption beschrieben haben: Schweizer KMU wollen, aber die Grundlagen fehlen noch.
Ambition ohne Fundament
Wer jetzt Budget in KI-Skalierung steckt, ohne die Datenbasis zu adressieren, baut auf Sand. Das ist kein Grund zur Zurückhaltung – aber ein Grund, die Reihenfolge zu überdenken: Datenstruktur zuerst, dann Skalierung.
Datenstruktur vor Tool-Wahl: der eigentliche erste Schritt
Im Schweizer KI-Podcast bringt es Chris Jon Graf auf den Punkt: Nicht die Tool-Auswahl entscheidet über den Erfolg von KI-Projekten, sondern Datenstruktur und Prozess-Readiness. Wer diese Reihenfolge umdreht, kauft sich Enttäuschung – unabhängig davon, wie leistungsfähig das gewählte Modell ist.
Die Frage ist nie zuerst, welches Modell wir nutzen. Die Frage ist, ob unsere Daten und Prozesse überhaupt in der Lage sind, das zu tragen, was wir uns von diesem Modell erwarten.
Diese Lücke zwischen Pilot und Produktion ist branchenübergreifend belegt: Zahlreiche Unternehmen zeigen in Pilotprojekten Erfolge, scheitern aber beim Übergang in den produktiven Betrieb, weil die Datenbasis den Sprung nicht mitträgt. Was daraus zu lernen ist, haben wir in unserer Analyse zur Pilotfalle zusammengefasst.
Was das für Schweizer Entscheider bedeutet
Die Studienlage ist eindeutig: KI-Adoption in der Schweiz wächst schneller als die Datenbasis, die sie tragen soll. Für Entscheider heisst das nicht, die Investitionspläne zu bremsen – sondern die Reihenfolge zu klären, bevor die nächste Ausgabenrunde beginnt. Wer die eigene Datenreife realistisch einschätzt, weiss auch, welcher der drei Reifegrade der nächste erreichbare Schritt ist. Genau an diesem Punkt setzen wir mit unseren Kunden an: nicht bei der Modellwahl, sondern bei der Frage, ob die Daten das tragen, was das Unternehmen sich von KI erwartet.
Häufige Fragen
- Warum nutzen so viele Schweizer Unternehmen KI, wenn nur 7% ihre Daten als bereit einschätzen?
- Weil Einstieg und Skalierung unterschiedliche Anforderungen haben. Chatbots und Fertiglösungen (60% der Nutzung) benötigen wenig Datenintegration. Sobald Unternehmen aber Prozesse automatisieren oder Agenten einsetzen wollen, wird die zugrunde liegende Datenqualität zum entscheidenden Faktor – und genau da liegt die Bereitschaft noch niedrig.
- Was bedeutet 'Datenreife' konkret?
- Datenreife beschreibt, wie gut Struktur, Qualität, Zugänglichkeit und Konsistenz der Unternehmensdaten sind, um sie systematisch für KI-Anwendungen nutzbar zu machen – unabhängig von Menge oder Speicherort der Daten.
- Ist agentische KI ohne hohe Datenreife riskant?
- Ja. Agenten treffen eigenständig Entscheidungen auf Basis vorhandener Daten. Ist die Datenbasis lückenhaft oder inkonsistent, verstärken Agenten Fehler statt sie zu korrigieren. Der Anteil von 8% Nutzung agentischer Workflows in der Schweiz liegt über dem globalen Durchschnitt, was das Risiko zusätzlich relevant macht.
- Sollten Unternehmen Investitionen zurückstellen, bis die Datenreife hoch ist?
- Nein. Rund 30% der Schweizer Unternehmen erwarten weiterhin einen starken Ausgabenanstieg. Sinnvoller als ein Investitionsstopp ist, Budget zunächst in Datenstruktur und Prozess-Readiness zu lenken, statt direkt in Skalierung ohne Fundament.
- Wie schnell lässt sich Datenreife verbessern?
- Das hängt vom Ausgangspunkt ab. Klar strukturierte Teilbereiche lassen sich oft in Wochen für konkrete Anwendungsfälle vorbereiten; eine unternehmensweite Datenbasis für breite Skalierung ist ein mehrmonatiges Vorhaben. Entscheidend ist, mit dem Anwendungsfall zu beginnen, der die Daten bereits weitgehend erfüllt.
Quellen
Möchten Sie dieses Thema für Ihr Unternehmen vertiefen?
Kapazität prüfen