Das KI-Dilemma: Warum Schweizer Unternehmen wissen, was zu tun ist – und trotzdem zögern

Die Swiss IT-Studie 2026 der Computerworld bringt es unmissverständlich auf den Punkt: Künstliche Intelligenz (KI) ist in den Schweizer Teppichetagen und IT-Abteilungen als omnipräsentes Thema, als erste greifbare Anwendung und als strategische Dringlichkeit definitiv angekommen. Heutzutage ist es durch generative KI tatsächlich möglich, einfache Applikationen und Code-Syntax mittels geschicktem Prompting in kürzester Zeit selbst zu generieren. Doch zwischen dieser technologischen Demokratisierung und einer konsequenten, wertschöpfenden Umsetzung klafft eine gewaltige Lücke. Diese Lücke ist weniger technischer, sondern vielmehr organisatorischer, struktureller und kultureller Natur. Was diese veränderte Ausgangslage für Unternehmen bedeutet, die individuelle Software als geschäftskritisches Kernwerkzeug nutzen, beleuchtet dieser Beitrag.

Zwischen Experiment und Alltag (und der Versuchung der Schatten-IT)

Fast kein Schweizer Entscheidungsträger zweifelt heute mehr daran, dass KI einen fundamentalen und disruptiven Einfluss auf das eigene Geschäftsmodell haben wird. Das zeigt die aktuelle IT-Studie mit aller Deutlichkeit. Und doch offenbart der Blick hinter die Kulissen ein völlig anderes Bild: Die grosse Mehrheit der Organisationen verharrt nach wie vor im reinen Experimentier-Modus. Erste isolierte Pilotprojekte laufen, simple Chatbots wurden aufgesetzt und anfängliche Erfolgserlebnisse im Büroalltag gefeiert. Eine durchgängige, strategisch verankerte und skalierte KI-Nutzung in den operativen Kernsystemen bildet jedoch nach wie vor die absolute Ausnahme.

Das ist kein Zufall, sondern das Resultat einer absolut rationalen und berechtigten Zurückhaltung im Schweizer Markt. Was beim schnellen, vermeintlich einfachen Prompten im Alleingang gerne vergessen geht, sind die massiven Risiken abseits der reinen Code-Generierung. Die Erstellung einfacher Apps in Eigenregie geht nächtlich solange gut, wie die Komplexität überschaubar bleibt, keine schützenswerten Personendaten verarbeitet werden, keine komplexen Dritt-Schnittstellen benötigt werden und keine professionelle IT-Infrastruktur erforderlich ist.

Sobald jedoch geschäftskritische Daten im Spiel sind, bremsen offene Fragen rund um das revidierte Schweizer Datenschutzgesetz (nDSG), mangelnde Daten-Governance sowie die CyberSecurity-Risiken unkontrollierter Applikationen den Tatendrang der Geschäftsleitungen. Wer in der Schweiz mit sensiblen Kunden-, Finanz- oder Geschäftsdaten operiert, hat verdammt guten Grund, architektonisch haarklein zu prüfen, wo, von wem und unter welchen Bedingungen KI diese Daten verarbeitet und ob die digitale Souveränität gewahrt bleibt.

Effizienz schlägt Innovation – und die Gefahr von “Prompt-and-Pray”

Die Swiss IT-Studie zeigt glasklar, wo Schweizer Unternehmen KI bereits produktiv einsetzen und welchen Nutzen sie daraus ziehen. Die Marschrichtung ist bemerkenswert pragmatisch: Effizienzsteigerung und Kostensenkung thronen unangefochten an der Spitze der Zielsetzungen. Repetitive Aufgaben reduzieren, Prozesse automatisieren und interne Ressourcen optimaler einsetzen, das sind die primären Treiber. Echte, radikale Innovation durch KI, also das Erschaffen völlig neuer digitaler Produkte, disruptiver Geschäftsmodelle oder exklusiver Differenzierungsmerkmale, steht dagegen noch deutlich im Hintergrund.

Diese Haltung ist verständlich und betriebswirtschaftlich vernünftig, da Effizienzgewinne schnell messbar und kalkulierbar sind, während das Risiko überschaubar bleibt. Echte Innovation erfordert eine weitaus höhere Risikotoleranz, tiefere technologische Datenreife und eine strikte Governance.

Für Unternehmen, die mit massgeschneiderter Individualsoftware arbeiten, ergibt sich hieraus ein entscheidender Hebel: KI entfaltet ihren wahren ROI nicht als isoliertes, externes Tool oder als selbstgeneriertes Amateur-Konstrukt (Shadow-IT). Sie bringt dann den grössten Mehrwert, wenn sie nahtlos und sicher in bestehende Geschäftsprozesse und Kernanwendungen integriert wird. Wer eine eigene Fachapplikation betreibt, besitzt die exklusive Chance, KI-Funktionen über geschützte Leitungen direkt dort einzubauen, wo der operative Effekt am grössten ist, ohne riskante Umwege über generische Plattformen.

Die Skalierungs-Lücke und das Infrastruktur-Problem

Das zentrale Kernproblem, das die IT-Studie beschreibt, ist folglich nicht das Fehlen von KI-Technologie an sich. Viele Unternehmen besitzen ihre isolierten Leuchtturmprojekte: einzelne Abteilungen, in denen KI-Tools punktuell unterstützen. Doch der Sprung von diesen volatilen Insellösungen hin zu einer unternehmensweiten, strategisch gesteuerten und cyber-sicheren Nutzung gelingt bislang den wenigsten.

Was in der Praxis fehlt, ist selten der Algorithmus. Was fehlt, sind stabile Datenarchitekturen, unmissverständliche Governance-Strukturen und die organisatorische Bereitschaft, eingespielte Arbeitsweisen grundlegend zu überdenken. KI ist kein optionales Feature, das man nachträglich mal eben an ein wackliges Altsystem oder eine Amateur-App schrauben kann. Sie verändert die Prozesse und die Anforderungen an die IT-Infrastruktur fundamental.

Genau hier liegt die ökonomische Trennlinie, die auch den klassischen CHF 50’000-Schwellenwert neu definiert: Durch KI sinken zwar die reinen „Syntax-Schreibkosten“ von Code, doch Aspekte wie eine professionelle IT-Infrastruktur, Datenschutz, Skalierbarkeit und fehlerresistente Schnittstellen zu Drittsystemen gewinnen umso mehr an Bedeutung. Der erste Schritt zu nachhaltigem KI-Erfolg ist daher niemals die blosse Auswahl eines trendigen Tools, sondern die kompromisslose Klärung der eigenen Systemlandschaft: Welche Daten sind in welcher Qualität vorhanden, wie zugänglich sind die APIs und welche Prozesse verheben architektonisch?

Was das für Ihre Softwarestrategie bedeutet

Wer heute neue, individuelle Softwareprojekte plant oder bestehende Enterprise-Systeme modernisiert, kommt an der KI-Frage nicht mehr vorbei. Das bedeutet keineswegs, dass jede Applikation sofort mit komplexen neuronalen Netzen überladen werden muss. Es bedeutet jedoch, dass die Architektur-Entscheidungen von heute die KI-Fähigkeit und Überlebensfähigkeit Ihres Unternehmens von morgen bestimmen.

Konkret fordert eine zukunftssichere Softwarestrategie:

• Sauber strukturierte Datenhaltung: Daten müssen von Grund auf nDSG-konform, konsistent und zentral zugänglich modelliert sein.
• Offene und erweiterbare Schnittstellen: Der konsequente Verzicht auf starre Closed-Box-Lösungen zugunsten flexibler, geschützter APIs.
• Präzise Prozessmodellierung: Abläufe müssen menschlich so exakt durchdacht sein, dass Automatisierungspotenziale klar isoliert werden können, anstatt auf “Prompt-and-Pray”-Code zu vertrauen.

Das KI-Dilemma ist letztendlich ein klassisches Entscheidungsdilemma für Geschäftsführer. Wer abwartet, bis sämtliche globalen Regulierungen geklärt sind, verliert unweigerlich den wettbewerblichen Anschluss. Wer dagegen ohne Strategie, ohne Profi-Infrastruktur und ohne solide Datenbasis in hastige KI-Tools investiert oder Systeme amateurhaft zusammensteckt, verspielt sein Budget für Anwendungen, die niemals skalieren und massive Sicherheitsrisiken öffnen. Der einzig richtige Mittelweg ist ein hochstrukturierter, schrittweiser Aufbau: Datenbasis härten, Software-Architektur konsequent “KI-ready” gestalten und erste, scharf abgegrenzte Anwendungsfälle mit klarem geschäftlichem Nutzen pilotieren.