KI auf dem Vormarsch: Was Unternehmen jetzt wissen müssen

Laut der jährlichen KMU-Arbeitsmarktstudie der AXA stieg der Anteil an Unternehmen, die KI bewusst in ihre Arbeitsprozesse integrieren, zwischen 2024 und 2025 von 22 % auf 34 % an. Weitere 37 % erproben sie. Die grössten Einsatzbereiche sind laut der Umfrage Übersetzung, Korrespondenz und Werbetexte. Wird ihr Potenzial damit jedoch wirklich ausgeschöpft?

Unser KI Circle Leader im Interview

Im Rahmen der Fachmesse CONNECT 2026 gehen wir verschiedenen Fragen rund um das Thema KI auf den Grund. Als Vorgeschmack gibt Matthias Bolliger, KI-Experte bei Brack.Alltron, Einblick in seine Learnings aus dem Unternehmensalltag.

«Der grösste Engpass ist organisatorisch, nicht technisch.»

Was KI im Unternehmensalltag anbelangt, so ging auch Bolliger mit Erwartungen ans Werk. Viele davon hätten sich bewahrheitet. «Zum Beispiel sind LLMs in strukturierter Arbeit wie Coding, Recherche und Text-Transformation massiv produktiv», erklärt er. LLMs (Large Language Models) sind KI-Modelle, die mit grossen Mengen an Texten und Code trainiert werden, um menschliche Sprache zu verstehen und anzuwenden. «Bestätigt hat sich auch, dass sie sich an individuelle Kontexte anpassen, wie keine Software zuvor.» Das mache LLMs sehr flexibel einsetzbar, was Unternehmen entgegenkommt.

Unterschätzt hingegen habe er den organisatorischen Engpass. Die erste richtige Hürde beginne nicht bei der Frage, ob das Modell richtig sei, sondern: «Haben wir Leute, die wirklich verstehen, was das Tool in ihrem Kontext leisten kann?» Darüber hinaus liefere KI als klassisches SaaS-Produkt typischerweise enttäuschende Resultate, lege man sie über alle Teams. «Standardisierten Enterprise-AI-Plattformen fehlt in der Regel genau das, was LLMs so wertvoll macht: die Anpassung an den spezifischen Kontext, die Sprache, den Workflow.»

Der grösste Business Impact von KI für Unternehmen

Auf die Frage hin, wo KI die grösste Wirkung erzielen kann, weist Bolliger auf zwei Felder hin: Interner Softwarebau sowie automatisierte und strukturierte Wissensarbeit. «Mit AI-Coding-Tools können Firmen heute Purpose-built-Lösungen bauen, für die sie früher teure SaaS-Abos oder Top-Tier-Entwicklerteams gebraucht hätten.» Das verschiebe die Build-vs.-Buy-Gleichung fundamental. «Der grösste unmittelbare ROI liegt allerdings in der Wissensarbeit», fügt er hinzu. «Bei Recherche, Zusammenfassungen, Dokumentenverarbeitung und Erstentwürfe, zum Beispiel.»

Einen grossen Mehrwert sieht Bolliger auch dort, wo Mitarbeitende selbst Tools bauen können. «AI Coding Tools oder Tools wie Cowork sind ausserhalb der Software-Entwicklung das neue Excel», erklärt er. AI-Coding-Assistants wie Claude Code und Eigenkreationen wie den externen AI-Chatbot von Brack sehe er daher als die wichtigsten Anwendungen an.

«KI als klassisches IT-Projekt zu behandeln, ist ein Fehler.»

Im Gespräch weist er auf einige Anfängerfehler bei der Einführung von KI hin, die besser vermieden werden sollten. «Wer KI wie ein klassisches IT-Projekt mit Standard-Tooling und Prozessen statt wie einen Capability-Aufbau behandelt, stellt sich selbst ein Bein», warnt er. KI sei keine Lizenz, die man verteilt, sondern eine Fähigkeit, die man aufbaut – und echte Transformation komme von innen, nicht von aussen. Es sei kein typisches Softwareprodukt, das «eingekauft und ausgerollt» werden kann.

Der externe Weg ist steinig

Deshalb sei auch bei Beratung von ausserhalb Vorsicht geboten. «Internes Know-how aufzubauen, ist zentral. Sonst kann es passieren, dass man nach zwölf Monaten externer Beratung ohne Wissen und Wirkung dasteht.» Durch die interne Förderung könnten Firmen auch sicherstellen, dass die Tools inhouse ausprobiert werden, ehe Massnahmen zur Standardisierung begönnen. Und zwar von Personen, die das Geschäft kennen.

Entscheidung braucht mehr als Datenpunkte

Eine der grössten Herausforderungen stelle aber auch die fehlende Datengrundlage dar. «Viele Firmen haben Datenpunkte gesammelt, nicht Wissen», klärt er auf. «Genau das Wertvolle – also das Warum und Wie einer Entscheidung – steckt ungenutzt in den Köpfen der Mitarbeitenden.» Eine KI brauche schliesslich nicht nur Datenpunkte, sondern auch Entscheidungsgrundlagen. Diese sollten von Anfang an einfliessen.

KI als Produktivitäts-Multiplikator, nicht als Ersatz

Wie gut die Datengrundlage aber auch sein möge, sie ersetze nicht das Urteil einer Fachperson. «Die Qualität ist heute hoch bei Textarbeit, Code, Datenexploration und Recherche-Zusammenfassungen», hatte er feststellen dürfen. «Der Output ist jedoch noch nicht so weit, dass man ihm blind vertrauen könnte. Vor allem bei Zahlen und Fakten, beispielsweise juristischen oder compliance-relevanten Aussagen, ist Vorsicht gefragt.» Die «Halluzinationen» der KI seien in den letzten Jahren reduziert worden, aber bei weitem nicht verschwunden. Menschliche Endkontrolle bleibe massgebend.

Als Faustregel gibt Bolliger mit: «KI sollte als Produktivitäts-Multiplikator für kompetente Menschen eingesetzt werden, und keinesfalls als Ersatz für ein Fachurteil.»

«KI aus Angst zu blockieren, fördert Schatten-IT.»

In Sachen Datenschutz und Compliance empfiehlt Bolliger, sowohl pragmatisch als auch ernsthaft damit umzugehen. «Öffentliche KI-Modelle und Enterprise-Deployments sollten mit Datenverarbeitungsverträgen klar getrennt werden», legt er nahe. Wovon er abrät, ist, KI zu verbieten. «Wer aus Angst blockiert, treibt die besten Leute in die Schatten-IT. Mitarbeitende könnten dann beispielsweise private ChatGPT-Accounts mit Firmendaten nutzen.» Daher sollten Unternehmen lieber zugelassen Tools bereitstellen, Guidelines festlegen und ihre Mitarbeitenden im Umgang mit künstlicher Intelligenz schulen. Er betont: «Compliance- und Data-Residency-Fragen müssen schon ganz am Anfang mitgedacht und abgeklärt werden, nicht erst hinterher.»

Wie Unternehmen heute einsteigen können

«Wer auf den Zug aufspringen will, sollte klein, aber intern anfangen», ermutigt Bolliger. Es lohne sich, Schlüsselmitarbeitende mit echten AI-Coding-Tools auszurüsten und richtig zu schulen. «Nicht mit einem 2-Stunden-Webinar», stellt er sofort klar, «sondern mit ernsthaftem Enablement.» Das Ziel sei, internes Know-how aufzubauen und zu halten. Das Wissen, wie man KI im eigenen Kontext einsetzt, werde zur Kernkompetenz – und diese dürfe nicht extern liegen. Für den Anfang reichten schon drei bis fünf neugierige und fähige Mitarbeitende. «Stattet sie mit den richtigen Tools und Daten aus. Gebt ihnen die nötige Zeit. Ihr Auftrag lautet: Findet heraus, was das in unserem Kontext leisten kann.»

Was die Datenstrategie anbelangt, so sei ein Umdenken unvermeidlich. «Unternehmen müssen vom puren Datenpunkte-Sammeln wegkommen, und anfangen, Wissen in natürlicher Sprache zu erfassen.» Dafür brauche es neue Schnittstellen, mit denen Fachleute ihr Wissen leicht externalisieren können.

Ansonsten rät Bolliger, Bottom-up-Experimente zuzulassen, erfolgreiche Muster zu beobachten und erst anschliessend bewährte Ansätze zu standardisieren.

Mehr an der CONNECT 2026

Wer tiefer in das Thema eintauchen möchte, erhält an der CONNECT 2026 weitere wertvolle Impulse. Ein besonderes Highlight bildet die Keynote von Benjamin Bargetzi. Der Schweizer Neurowissenschaftler, Psychologe, Bestsellerautor und Tech-Unternehmer gehört zu Europas meistgefragten Vordenkern an der Schnittstelle zwischen Künstlicher Intelligenz und dem menschlichen Gehirn. Er hatte Schlüsselrollen bei Google, Amazon und dem Weltwirtschaftsforum/WEF Davos inne und studierte das menschliche Gehirn in Oxford, Singapur, Zürich und London.

Die CONNECT 2026 bietet damit die Gelegenheit, die im Interview angestossenen Fragen weiterzudenken und das Thema an der Fachmesse weiter zu vertiefen. Kostenlose Tickets können ab sofort gebucht werden.

CONNECT 2026

📅 26.–27. August 2026

📍 Halle 550, Zürich‑Oerlikon

Jetzt Ticket sichern