Die KI scheitert nicht an der Technologie. Sie scheitert an der Umsetzung.
Unsere Interpretation der Studien von McKinsey und BCG aus dem Jahr 2025, übertragen auf die Realität der KMU und Finanzinstitute in der Romandie.
Der Einsatz von KI ist mittlerweile weit verbreitet. Die Schaffung von Mehrwert ist hingegen nach wie vor selten. Diese Diskrepanz ist kein Problem der Modelle, der Rechenleistung oder des technologischen Reifegrades. Sie ist organisatorischer, methodischer und kultureller Natur.
Genau in diesem Bereich sind wir tätig.
Was die Zahlen wirklich aussagen
Zwei im Jahr 2025 veröffentlichte Referenzstudien kommen trotz unterschiedlicher Methodiken zu demselben Ergebnis.
McKinsey, „The State of AI in 2025“(fast 2.000 befragte Organisationen):
- 88 % der Unternehmen setzen KI regelmäßig in mindestens einem Geschäftsbereich ein.
- Nur 39 % schreiben der KI einen Einfluss auf ihr Betriebsergebnis zu, und bei den meisten von ihnen liegt dieser Einfluss unter 5 %.
- Etwa 6 % der Befragten bezeichnen sich selbst als „AI-High-Performer“.
- 21 % der Unternehmen, die generative KI einsetzen, haben zumindest einen Teil ihrer Prozesse grundlegend überarbeitet. Dieser Faktor weist den stärksten Zusammenhang mit den finanziellen Auswirkungen auf.
BCG, „Build for the Future 2025“ und „AI Radar“(über 1.250 Unternehmen, 1.800 Führungskräfte):
- 5 % der Unternehmen schaffen Wert in großem Maßstab.
- 35 % gehen zur nächsten Stufe über, ohne dass sich bisher nennenswerte Auswirkungen zeigen.
- 60 % sehen darin nur wenig oder gar keinen Nutzen.
- 75 % der Führungskräfte zählen KI zu ihren drei wichtigsten Prioritäten, doch nur 25 % sind der Meinung, dass sie daraus einen nennenswerten Nutzen ziehen.
Die Schlussfolgerung ist eindeutig: Die Kluft vergrößert sich nicht zwischen denen, die KI nutzen, und denen, die sie nicht nutzen. Sie vergrößert sich vielmehr zwischen denen, die sie in ihre Arbeitsweise integrieren, und denen, die sie neben die bestehenden Abläufe stellen.
Sieben Hindernisse, drei Familien
Beide Kanzleien identifizieren dieselben Bruchstellen. Wir fassen sie hier entsprechend der Logik zusammen, nach der sie in der Praxis tatsächlich behandelt werden.
Die Grundlage: Was die Zuverlässigkeit bestimmt
- Datenqualität und Datenverwaltung.Daten, die über Fachanwendungen, Dateifreigaben und E-Mail-Postfächer verstreut sind, unkontrollierte Datenspeicher und das Fehlen eines festgelegten Verantwortlichen. Eine KI, die auf unkontrollierte Daten angewendet wird, liefert plausible, aber falsche Ergebnisse – das ist das Schlimmste aus beiden Welten.
Unsere Einschätzung:Es ist ein Fehler, vor dem Start auf einen einwandfreien Datenbestand zu warten. Die Datenbearbeitung sollte als paralleles Projekt betrachtet werden, Bereich für Bereich, wobei mit den Bereichen begonnen wird, die die vorrangigen Anwendungsfälle abdecken.
- Bestehende Systeme.Veraltete Fachanwendungen mit wenigen Schnittstellen, die teilweise von einem einzigen Anbieter gewartet werden. Sie behindern nicht das Experimentieren, sondern die Industrialisierung.
Unsere Einschätzung:Es geht nicht darum, das gesamte IT-System zu modernisieren, sondern die zwei oder drei Integrationspunkte zu identifizieren, die für die Skalierung entscheidend sind, und diese vorrangig anzugehen.
- Governance, Compliance und Risiko.nDSG, Berufsgeheimnis, FINMA-Anforderungen für Vermögensverwalter und Finanzinstitute, europäisches AI-Gesetz für Organisationen, die dem EU-Markt ausgesetzt sind. Hinzu kommen die Rückverfolgbarkeit der Verarbeitungsvorgänge, der Umgang mit Halluzinationen und die Kontrolle über den Speicherort der Daten.
Unsere Einschätzung:In der Westschweiz und insbesondere im Finanzsektor stellt die Einhaltung von Vorschriften kein Hindernis für die Einführung dar. Sie ist vielmehr die Grundvoraussetzung dafür. Ein klarer, frühzeitig festgelegter Rahmen beschleunigt Projekte, anstatt sie zu verlangsamen, da er Hindernisse in der Endphase beseitigt.
Die Organisation: Was die Akzeptanz beeinflusst
- Das Fehlen einer Strategie und von Prioritäten.Eine Vielzahl von Proof-of-Concepts ohne Abwägung, ohne fachlichen Verantwortlichen und ohne Erfolgskriterien. Die Energie verpufft, die Budgets werden aufgebraucht, und es entsteht kein Mehrwert.
Unsere Einschätzung:Lieber drei gut durchdachte, sorgfältig abgewogene und konsequent umgesetzte Anwendungsfälle als ein Dutzend parallel laufende Initiativen. Die konsequente Priorisierung ist der wichtigste Hebel für die Rentabilität.
- Kompetenzen.Der Mangel an Fachkräften ist zwar real, stellt für ein mittelständisches Unternehmen jedoch nicht das eigentliche Problem dar. Das eigentliche Problem ist die Kompetenzsteigerung der Fachteams, die das Tool täglich nutzen werden.
Unsere Einschätzung:Kritische Kompetenz bedeutet nicht, mit einem Werkzeug umgehen zu können. Es bedeutet vielmehr, zu wissen, wann man ihm vertrauen kann und wann nicht. Das lässt sich lernen, begleiten und dokumentieren.
- Organisatorischer Wandel.Widerstand, Misstrauen gegenüber den erzielten Ergebnissen, festgefahrene Gewohnheiten, Unsicherheit hinsichtlich der Rollen. Diese Reaktionen sind legitim und lassen sich nicht durch Kommunikation von oben nach unten bewältigen.
Unsere Einschätzung:Die Akzeptanz wird durch den täglichen Einsatz erreicht – mit Vorzeigeputzern, kurzfristig sichtbaren Vorteilen und der Möglichkeit zur Anpassung. Nicht durch die unternehmensweite Einführung einer Lizenz.
Die Ausführung: Was den Wert bestimmt
- Der Übergang vom Pilotprojekt zu messbaren Ergebnissen.Das ist der häufigste Knackpunkt. Die Pilotprojekte sind erfolgreich, doch dann passiert nichts mehr. Es fehlt ein Verantwortlicher, ein Budget für die Umsetzung oder vor dem Start festgelegte Kennzahlen.
Unsere Einschätzung:Ein Anwendungsfall, für den im Vorfeld keine Kennzahlen festgelegt wurden, lässt sich im Vorstand niemals rechtfertigen. Die Frage lautet nicht „Funktioniert das?“, sondern „Was ändert sich dadurch, für wen und in welchem Umfang?“.
Auf dem Weg zur Reife
Die von den beiden Beratungsunternehmen beschriebenen Modelle zur Datenorganisation – vom zentralisierten Ansatz bis hin zu dezentralen Architekturen vom Typ „Data Mesh“ – zeigen einen für große Konzerne sinnvollen Weg auf.
An dieser Stelle möchten wir einen wichtigen Vorbehalt anbringen: Für ein KMU aus der Romandie oder einen unabhängigen Vermögensverwalter macht es keinen Sinn, die letzte Stufe dieses Kontinuums anzustreben. Eine gut geführte, zentralisierte Struktur mit einem klar identifizierten Eigentümer und einer einfachen Führungsstruktur schafft mehr Wert als eine ausgeklügelte Architektur, für deren Betrieb die erforderlichen Ressourcen fehlen.
Als „sinnvolle Reife“ gilt jene, die die Organisation langfristig aufrechterhalten kann.
Was wir daraus mitnehmen
Keines der sieben Hindernisse ist technologischer Natur. Sie alle betreffen die Vorgehensweise, die Steuerung und die menschliche Begleitung.
Diese Überzeugung prägt unseren Ansatz:Der Mensch wird durch fundierte Entscheidungen unterstützt – und nicht umgekehrt. KI erweitert die Analyse- und Umsetzungsfähigkeiten der Teams. Sie ersetzt weder die Entscheidungsfindung noch die Verantwortung noch das Fachwissen.
Unser IAgérance-Begleitangebot basiert auf diesem Ansatz und auf einem kurzen, bewusst unspektakulären Ablauf:
Diagnose → Workshops → Roadmap → Umsetzung → Optimierung
Kurze Etappen, begrenzte Umfangsbereiche, bei jeder Iteration überprüfbare Ergebnisse. Das ist es, was die 5 % der Unternehmen, die Mehrwert schaffen, von den 60 % unterscheidet, die keinen Mehrwert erzielen.
Der nächste Schritt
Wenn Sie sich in einem der sieben Hindernisse wiedererkennen, ist der erste Schritt selten ein Projekt. Es handelt sich vielmehr um ein strukturiertes Gespräch über Ihre tatsächliche Situation: Ihre Daten, Ihre regulatorischen Auflagen, Ihre geschäftlichen Prioritäten und den Reifegrad Ihrer Teams.
Wir bieten diesen Rahmen in Form einer kurzen Bestandsaufnahme an, nach deren Abschluss Sie einen klaren Überblick über Ihre vorrangigen Anwendungsfälle und die dafür erforderlichen Voraussetzungen erhalten.