KI könnte der Schweiz bis 2034 durch schnellere Forschung und Entwicklung rund CHF 15 Milliarden zusätzliches jährliches Bruttoinlandprodukt (BIP) bringen. Das zeigt eine Studie vom Januar 2026. Für Unternehmensverantwortliche ist die entscheidende Frage, wo sich dieses Potenzial mit der Arbeit im eigenen Betrieb verbindet. 1
Stellen Sie sich vor, ein Kunde fragt, ob Sie ein Produkt für eine neue Anwendung anpassen können. Die Antwort liegt in alten Projektunterlagen, technischen Spezifikationen und im Erfahrungswissen eines langjährigen Kollegen. Sie zu finden dauert Tage. Die Idee zu testen dauert noch länger. Genau hier lässt sich der Nutzen von KI untersuchen: zwischen dem Wissen Ihres Unternehmens und dem, was es liefern kann.
Was bedeutet die KI-Schätzung von CHF 15 Milliarden?
Die Schätzung beschreibt eine mögliche zusätzliche jährliche Wirtschaftsleistung bis 2034, keine über zehn Jahre aufsummierte Summe. Sie betrifft KI-gestützte Forschung und Entwicklung (F&E) in der gesamten Wirtschaft, auch ausserhalb kleiner und mittlerer Unternehmen (KMU). Die Implement Consulting Group erstellte den Bericht im Auftrag von Google und digitalswitzerland. 1
Das Modell setzt eine breite Einführung und Effizienzsteigerungen in der F&E von 10–15 % voraus. Es überträgt Ergebnisse führender Unternehmen auf ganze Branchen. Die grössten geschätzten Gewinne entfallen auf Pharma, Biotechnologie und Lebensmittelproduktion. Weitergehende Ausstrahlungseffekte sind nicht berücksichtigt. Den Nutzen im eigenen Unternehmen müssen Sie dennoch vor Ort messen. 1
Wo können Schweizer KMU mit KI Wert schaffen?
Suchen Sie nach Aufgaben, bei denen Fachwissen schwer zugänglich ist, eine Idee zu lange bis zum Test braucht oder ein Kundenbedürfnis unbeantwortet bleibt. Die Chance kann in einer verbesserten Dienstleistung, einem kürzeren Entwicklungszyklus oder einem neuen Angebot liegen.
Das Swiss AI Playbook unterscheidet diese Bereiche ausdrücklich. Sein Rahmen umfasst persönliche Produktivität, Prozessverbesserung, Kundenservice und neue Geschäftsmöglichkeiten. Es empfiehlt, zuerst ein geschäftliches Ziel zu definieren und erst danach Anwendungsfälle auszuwählen. 2
Für Ihr Unternehmen heisst das, eine konkrete Frage zu stellen: Könnten Sie technische Anfragen schneller beantworten, mit demselben Team mehr Produktideen testen oder eine bestehende Fähigkeit als Dienstleistung anbieten, für die Kunden bezahlen würden?
Die folgenden Beispiele sind Vorschläge für Experimente, keine dokumentierten Kundenergebnisse.
Engineering: Fachwissen schneller in ein Angebot überführen
Nutzen Sie freigegebene Spezifikationen und frühere Projektunterlagen, um eine Antwort auf Kundenanforderungen mit Quellenverweisen vorzubereiten. Eine Fachperson prüft die Machbarkeit und gibt das Angebot frei.
Messen Sie die Zeit bis zu einem akzeptierten Angebot, die Korrekturen und die Marge der gewonnenen Aufträge. Ein schneller Entwurf bringt wenig, wenn die Fachperson anschliessend mehr Zeit für Korrekturen benötigt.
Produktentwicklung: Kundenerkenntnisse in einen Test überführen
Verbinden Sie Kundenfeedback mit freigegebenen Entwicklungsunterlagen, um eine kleine Auswahl an Produkthypothesen vorzuschlagen. Fachpersonen wählen aus, welche sie testen, und legen fest, was als Erfolg gilt.
Messen Sie die Zeit von den Erkenntnissen bis zum getesteten Konzept und wie häufig Konzepte den vereinbarten Test bestehen. Das nützliche Ergebnis ist eine Entscheidung auf Basis neuer Erkenntnisse, keine längere Ideenliste.
Dienstleistungen: Ein wiederholbar lieferbares Angebot prüfen
Identifizieren Sie ein wiederkehrendes Kundenproblem, das heute aufwendige manuelle Recherche erfordert. Testen Sie, ob KI-gestütztes Wissensmanagement eine wiederholbare Dienstleistung ermöglichen kann, mit menschlicher Prüfung und Qualitätskontrollen in den Sprachen Ihrer Kunden.
Messen Sie Kundenakzeptanz, Lieferkosten und Wiederkäufe. So unterscheiden Sie eine überzeugende Demonstration von einem Angebot, für das Menschen tatsächlich bezahlen.
Wie unterscheiden sich generative KI, KI-Agenten und Automatisierung?
Generative KI erstellt Inhalte wie Texte, Bilder oder Code. KI-Agenten kombinieren die Schlussfolgerungen eines Modells mit Werkzeugen, um Schritte auf ein Ziel hin auszuführen, mit unterschiedlichen Graden an Autonomie. Workflow-Automatisierung verbindet Systeme und führt definierte Schritte aus. Ein sinnvoller Geschäftsprozess kann alle drei kombinieren. 2
Im Engineering-Beispiel entwirft generative KI die Antwort. Ein Agent könnte freigegebene Unterlagen abrufen und eine Prüfaufgabe vorbereiten. Eine Automatisierung könnte das genehmigte Ergebnis im Kundensystem erfassen. Die Fachperson behält die Verantwortung für die technische Zusage.
«Agentische KI» ist in der Schweizer Diskussion relevant, die Einführung befindet sich jedoch noch im Aufbau. In der PwC-Umfrage von 2025 untersuchten oder pilotierten 72 % der Schweizer Befragten agentische KI, während 15 % sie implementierten und skalierten. Die Schweizer Stichprobe umfasste 71 Führungskräfte; 60 % vertraten Organisationen mit mindestens USD 1 Milliarde Umsatz. Das sind keine Nutzungsquoten für KMU. 3
Wählen Sie bei der Planung einer KI-Automatisierung den Grad an Autonomie, den die Aufgabe braucht. Eine Antwort mit Quellenverweisen kann bereits genügen. Ein Prozess, der Datensätze verändert oder eine Zusage an Kunden versendet, braucht zusätzlich klare Berechtigungen, Prüfung und einen Umgang mit Ausnahmen.
Ein Schweizer Beispiel: Entscheidungsunterstützung mit klarer Verantwortung
Die Operations Decision Support Suite von SWISS verbindet Betriebsdaten und schlägt Änderungen bei den Flugzeugrotationen vor. Laut der Kundenfallstudie von Google Cloud wurden in den ersten 14 Wochen mehr als CHF 1 Million eingespart. Die zuständigen Mitarbeitenden in der Operations Control prüfen und genehmigen die Vorschläge. Dies ist ein Bericht von Anbieter und Kunde über die Optimierung des Betriebs, kein Nachweis für einen typischen KMU-Ertrag. 4
Das Muster lässt sich auch im kleineren Massstab untersuchen: relevante Informationen zusammenführen, eine Empfehlung vorbereiten und die verantwortliche Person handeln lassen. Beurteilen Sie das System danach, welche Entscheidung es zum Abschluss bringt.
Wie sollte ein Schweizer KMU den ROI von KI messen?
Vergleichen Sie akzeptierte Arbeitsergebnisse mit einem Ausgangswert und berücksichtigen Sie den Aufwand für Prüfung, Korrekturen und laufenden Betrieb. Halten Sie fest, ob die frei gewordene Kapazität zu mehr Leistung, weniger Rückständen oder einer nachweisbaren Senkung der Ausgaben führt.
Ein illustratives Pilotbeispiel: Eine wiederkehrende Aufgabe braucht bisher 40 Minuten pro Fall. Mit KI-Unterstützung dauert die Vorbereitung 10 Minuten und die Prüfung 15 Minuten. Bei 100 Fällen werden dadurch 25 Stunden Kapazität frei. Das ist nur nützlich, wenn die Qualität hält und das Team die Kapazität nutzt. Es ist nicht automatisch eine finanzielle Einsparung.
| Messgrösse | Was Sie erfassen sollten |
|---|---|
| Abgeschlossene Arbeit | Erledigte und akzeptierte Fälle, keine erzeugten Entwürfe |
| Zeit | Aufwand für Vorbereitung, Prüfung und Korrekturen |
| Qualität | Sachliche Fehler, abgelehnte Ergebnisse und Nacharbeit |
| Nutzung | Anteil der geeigneten Aufgaben, die durch den Prozess laufen |
| Kosten | Software, Integration, Support und Wartung |
| Geschäftsergebnis | Zusätzliche Leistung, neuer Umsatz oder tatsächlich tiefere Kosten |
Umsatz braucht einen eigenen Nachweis. Schnellere Angebote könnten den Vertrieb unterstützen. Bevor Sie diesen Effekt behaupten, müssen Sie jedoch Abschlussquote und Marge beobachten.
Was sollten Sie vor der Investition in ein KI-Projekt tun?
Beginnen Sie mit einem Geschäftsproblem, einer verantwortlichen Person und einem auswertbaren Test. Die OECD-Arbeit zur KI-Einführung in KMU betont Unterschiede bei digitaler Reife, Kompetenzen und Ressourcen. Entsprechend sollten sich auch die Ausgangspunkte unterscheiden. 5
Das Playbook unterstützt diesen Weg über Prototypen und nutzbare Produkte bis zum dauerhaften Betrieb. Es betrachtet auch Dokumentenaufbereitung, Datenverantwortung und das Lernen der Mitarbeitenden als Teil der Einführung. 2
Für eine praktische Priorisierung nutzen Sie unsere Bewertungsmethode für Automatisierungschancen. Zum breiteren Bild lesen Sie KI-Einsatz in Schweizer KMU.
- Definieren Sie die Entscheidung. Wählen Sie eine Verzögerung, eine Wissenslücke oder ein Kundenproblem und erfassen Sie die heutigen Kosten.
- Prüfen Sie die Grundlagen. Klären Sie freigegebene Quellen, Dokumentenverantwortliche, Zugriffsrechte und fehlende Informationen.
- Testen Sie mit echten Nutzenden. Vergleichen Sie akzeptierte Ergebnisse mit dem Ausgangswert, einschliesslich schwieriger Fälle und Prüfaufwand.
- Entscheiden Sie anhand der Ergebnisse. Fortsetzen, anpassen oder stoppen. Erweitern Sie erst, wenn der Prozess im Arbeitsalltag Wert nachweist.
Eine Geschäftschance konkretisieren
Eine KI-Investition sollte Ihrem Unternehmen helfen, einem Kunden zu antworten, eine fundierte Entscheidung zu treffen oder etwas Wertvolles zu liefern. Beginnen Sie dort, wo Sie diese Veränderung beobachten können.
Swiss Product Studio entwickelt KI-Agenten, Workflow-Automatisierungen und interne Tools rund um bestehende Teams und Systeme. Bringen Sie einen Engpass bei Produkten, Dienstleistungen oder Wissen in ein Operations-Review ein. Gemeinsam prüfen wir den Prozess, die Daten und die Anforderungen an die Freigabe und bestimmen einen Umfang, der einen Test wert ist.
Quellen und weiterführende Literatur
- Implement Consulting Group. Accelerating innovation with AI in Switzerland, Januar 2026. Im Auftrag von Google und digitalswitzerland. Seiten 25 und 49: wirtschaftliche Schätzung, Annahmen und Auftraggeberschaft. Berichtsübersicht. ↑1 ↑2 ↑3
- Implement Consulting Group. The Swiss AI Playbook, erste Ausgabe, 2026. Seiten 17 und 53: generative KI und Agenten; Seiten 29–31: Geschäftsziele und Wirkungsbereiche; Seiten 38–41, 58–59 und 79: Prototypen, Betrieb, Dokumentenaufbereitung und Lernen der Mitarbeitenden. Playbook-Übersicht · AI-Action-Plan-Initiative. ↑1 ↑2 ↑3
- PwC Schweiz. Cloud Business Survey 2025: Swiss findings, veröffentlicht 2026. Seiten 4 und 33: Zusammensetzung der Stichprobe und Einführungsstufen agentischer KI. ↑1
- Google Cloud. SWISS-Kundenfallstudie. Operative Entscheidungsunterstützung, gemeldete Einsparungen und Freigabe durch Operations Control. Bericht von Anbieter und Kunde. ↑1
- OECD. AI adoption by small and medium-sized enterprises, Dezember 2025. Seite 18: Unterschiede bei digitaler Reife, Komplexität und Umfang der KI-Einführung in KMU. ↑1