· von Nedjat Nuhi
Keine KI ohne saubere Daten: So brechen Schweizer KMU Silos auf
Kurz beantwortet
Schweizer KMU scheitern bei der Skalierung von Künstlicher Intelligenz meist an unzureichender Datenqualität und isolierten Datensilos. Aktuelle Studien von Mitte 2026 belegen, dass über 80 Prozent der Unternehmen über ein schwaches Datenökosystem verfügen und nur wenige Pilotprojekte den tatsächlichen Produktionsbetrieb erreichen. Durch die Bereinigung der Bestände und die Verknüpfung von Systemen über Schnittstellen legen Betriebe die notwendige Basis für verlässliche KI-Anwendungen.
Schweizer Unternehmen nutzen Künstliche Intelligenz (KI) im Arbeitsalltag in hohem Mass, stossen bei der Skalierung im Betrieb jedoch an interne Grenzen. Laut der im Juli 2026 veröffentlichten Studie «Pulse of Change» von Accenture verwenden 49 Prozent der Schweizer Beschäftigten täglich KI-Werkzeuge. Damit liegt die Schweiz im europäischen Vergleich an der Spitze. Dennoch verbleiben viele Anwendungen in einer reinen Erprobungsphase. Der DACH AI Adoption Benchmark 2026 von Mitte Juli 2026 zeigt, dass zwar 34 Prozent der Schweizer KMU KI-Tools testen, aber lediglich 8 Prozent diese Anwendungen in den systematischen Produktionsbetrieb überführen. Die Ursache für diese Verzögerung liegt primär in unzureichender Datenqualität und isolierten Datensilos innerhalb der Unternehmen.
Die Ursachen für den blockierten KI-Einstieg
In vielen Betrieben scheitern KI-Projekte an den organisatorischen Voraussetzungen und weniger an der Software selbst. Eine Umfrage des Beratungsunternehmens EY unter Schweizer Angestellten vom Juli 2026 identifiziert Datenqualität und Datensilos mit 20 Prozent als das grösste Hindernis für den produktiven Einsatz von KI. Sicherheitsbedenken folgen mit 19 Prozent, der Fachkräftemangel mit 18 Prozent.
Diese Einschätzung wird durch das Schweizer Daten- und KI-Observatorium 2026 von Colombus Consulting, Oracle und der Hochschule für Wirtschaft Genf gestützt. In dieser Erhebung bezeichnen 82 Prozent der befragten Unternehmen ihr Daten- und KI-Ökosystem als schwach oder mittelmässig. Lediglich 51 Prozent der Befragten stufen ihre eigene Datenqualität als gut bis ausreichend ein. Dies entspricht einem Rückgang von zehn Prozentpunkten im Vergleich zum Vorjahr. Ohne eine strukturierte Aufbereitung der Datenbestände verbleiben geplante Implementierungen meist in der Pilotphase. Nur 16 Prozent der befragten Schweizer Unternehmen haben KI bisher breit im Betrieb ausgerollt.
Warum KI-Systeme geordnete Daten benötigen
Klassische Software verarbeitet Daten nach fest vorgegebenen Programmierregeln. Moderne KI-Anwendungen, insbesondere generative Sprachmodelle oder Multi-Agent-Systeme, analysieren stattdessen Muster und semantische Zusammenhänge in grossen Informationsmengen. Wenn die zugrunde liegende Datenbasis unvollständig, veraltet oder redundant ist, übernimmt die KI diese Fehler und multipliziert sie bei der automatisierten Verarbeitung.
Die Swiss IT-Studie 2026 von Computerworld verdeutlicht die Risiken unzureichender Datenqualität. Während 57,1 Prozent der Schweizer Unternehmen KI bereits produktiv in Teilbereichen einsetzen, stufen 32,1 Prozent die Datenqualität als das grösste Hindernis für weitere Anwendungsszenarien ein. Zudem betrachten 32,4 Prozent der Befragten fehlerhafte Entscheidungen durch die KI als das grösste Risiko bei der Einführung. Wenn Kundendaten, Lagerbestände oder Finanzzahlen in unterschiedlichen Systemen voneinander abweichen, liefert die KI ungenaue Ergebnisse und verliert die notwendige Verlässlichkeit für das operative Geschäft.
Schritte zur Auflösung von Datensilos in KMU
Um Datensilos aufzulösen, müssen KMU ihre Datenbestände systematisch erfassen und bereinigen. Dieser Prozess lässt sich in klare Schritte unterteilen:
Zuerst erfolgt eine Bestandsaufnahme aller Datenspeicher im Unternehmen. Relevante Informationen liegen oft verteilt in ERP-Systemen, CRM-Plattformen, lokalen Excel-Tabellen und E-Mail-Postfächern. Im zweiten Schritt führen Unternehmen eine verbindliche Daten-Governance ein. Es wird festgelegt, welche Abteilung für die Pflege bestimmter Datensätze verantwortlich ist und in welchen Intervallen diese aktualisiert werden. Der dritte Schritt beinhaltet die technische Zusammenführung. Über standardisierte Schnittstellen (APIs) oder zentrale Datenbanken werden die Datenströme so verknüpft, dass alle Systeme auf denselben, aktuellen Datenbestand zugreifen.
Bei der Zusammenführung müssen Schweizer KMU die rechtlichen Rahmenbedingungen beachten. Die EY-Studie vom Juli 2026 zeigt, dass für 51 Prozent der Befragten die Datensouveränität ein zentrales Thema ist. KI-Systeme müssen die Vorgaben des revidierten Schweizer Datenschutzgesetzes (nDSG) einhalten. Das bedeutet, dass personenbezogene Daten geschützt und nur für den definierten Zweck verarbeitet werden dürfen.
Der Weg zur systematischen KI-Nutzung
Der Einstieg in die KI-Nutzung gelingt oft über integrierte Standardlösungen. Laut der EY-Studie nutzen 70 Prozent der Schweizer Angestellten bereits Tools wie Microsoft Copilot oder Google Gemini. Um jedoch spezifische Geschäftsprozesse zu automatisieren, ist eine eigene, strukturierte Datenbasis erforderlich.
Um festzustellen, ob die vorhandene IT-Infrastruktur und die Datenqualität für die Implementierung von KI-Systemen bereit sind, ist eine strukturierte Überprüfung der Ausgangslage sinnvoll. Die Beratung dialogis.ai bietet für diesen Zweck einen KI-Ready-Check an. Im Rahmen dieses Checks wird die bestehende Datenarchitektur analysiert, bestehende Silos werden identifiziert und ein konkreter Fahrplan zur Vorbereitung der Daten für den produktiven KI-Einsatz erstellt.