Studie KI-Niveau von Marketingteams in der Schweiz

Die KI-Marketingstudie Schweiz ist eine landesweite Forschungsinitiative, die analysiert, wie Organisationen in der Schweiz künstliche Intelligenz im Marketing übernehmen, nutzen und operationalisieren, einschliesslich Strategie, Datenbereitschaft, Automatisierung, KI-Governance und Leistungsmessung.

Eine nationale Initiative zur Bewertung der Integration von künstlicher Intelligenz in Schweizer Marketingteams.

Ein Multi-Partner-Konsortium

Der Start der Studie IA Marketing Schweiz

Schweiz, Dezember 2025 – Brandfinity hat in Zusammenarbeit mit Swiss Marketing, der HEG Fribourg, PME Magazine und M&K (Markt & Kommunikation) die Studie IA Marketing Schweiz lanciert — eine nationale Forschungsinitiative, die untersucht, wie künstliche Intelligenz (KI) in Schweizer Marketingorganisationen integriert wird.

Strenge Methodik und Repräsentativität

Die Studie wurde von einem Konsortium durchgeführt, das folgende Kompetenzen vereint:

akademische Strenge

Branchenexpertise

mediale Reichweite

methodische Glaubwürdigkeit

Dieser kollaborative Ansatz gewährleistet eine Analyse, die sowohl methodisch fundiert als auch repräsentativ für die Realität des Schweizer Marktes ist, und sorgt damit für Glaubwürdigkeit und Ausgewogenheit.

Strategisches Informationsinstrument
Eine klare und faktengestützte Bewertung der KI-Adoption

Die Studie IA Marketing Schweiz dient als strategisches Informations- und Benchmarking-Instrument für die Branche.

Ihr Ziel ist es, objektive, transparente und vergleichbare Daten bereitzustellen, damit Marketing- und Sales-Verantwortliche ihre KI-Reife besser verstehen und die technologische Beschleunigung strategisch steuern können.

Ziel der Studie ist es, einen fundierten und evidenzbasierten Überblick über die Integration von KI in Schweizer Marketingstrukturen zu geben.

Die Ergebnisse finden Sie unten im Dashboard und in der Analyse.

Was die Studie misst

den Grad der KI-Adoption in Marketingteams

das Volumen KI-generierter Inhalte nach Branche

die durch KI und Automatisierung erzielten Zeitersparnisse

den Reifegrad der Automatisierung in Marketingprozessen

branchenspezifische KI-Nutzungsmuster

praktische Herausforderungen und operative Hürden

Durch den Fokus auf messbare und vergleichbare Daten schafft die Studie einen zuverlässigen Benchmark für den Schweizer Markt.

Zielgruppe und Teilnahme

Die Studie wurde für Marketing- und Sales-Verantwortliche in der gesamten Schweiz konzipiert.

Die Teilnahme war freiwillig und anonym.

Im Gegenzug erhalten die Teilnehmenden eine vertrauliche und vergleichende Einschätzung des KI-Reifegrads ihrer Organisation. Diese personalisierte Übersicht ermöglicht es ihnen, sich objektiv mit Schweizer Unternehmen ähnlicher Grösse und aus derselben Branche zu vergleichen.

Die daraus gewonnenen Daten bieten eine wertvolle Grundlage für die Strukturierung zukünftiger strategischer Pläne.

Rund 200 Marketing- und Sales-Verantwortliche aus der französischsprachigen, italienischsprachigen und deutschsprachigen Schweiz haben an der Studie teilgenommen. Dies stärkt die Relevanz und Repräsentativität der Ergebnisse für die Schweizer Marketing-Community.

Veröffentlichung und Ergebnisse

Die Ergebnisse der Studie IA Marketing Schweiz – Nationale Studie Dez. 2025 bis März 2026 sind jetzt verfügbar. Sie bieten wichtige Einblicke darin, wie Schweizer Marketingfachleute, insbesondere C-Level-Profile, auf die Entwicklung der künstlichen Intelligenz reagieren.

Hinweis: Die Studie wird Ende März 2026 abgeschlossen.

Dashboard – Ergebnisse der Studie IA Marketing Schweiz

Um die Ergebnisse anzusehen, navigieren Sie bitte im Dashboard-Bereich und wählen Sie den Tab aus, den Sie öffnen möchten.

Zusätzlich können Sie die verfügbaren Filter anwenden, um die Ergebnisse weiter einzugrenzen.

Viel Freude beim Durchstöbern der Ergebnisse.

KI-Adoption im Marketing

Detaillierte Analyse der Ergebnisse der Studie IA Marketing Schweiz

Tägliche KI-Nutzung innerhalb der Marketingteams

Einer der zentralen Indikatoren für die KI-Reife ist das Ausmass, in dem Marketingteams KI-Tools täglich nutzen.

Auf die Frage «Welcher Anteil Ihres Marketingteams nutzt KI-Tools täglich?» gaben fast 80 % der Befragten in der Schweiz an, dass KI innerhalb ihrer Marketingteams täglich genutzt wird. Dies deutet darauf hin, dass KI nicht mehr nur als experimentelle Technologie wahrgenommen wird, sondern zunehmend Teil des täglichen Marketingbetriebs wird.

Vergleich nach Sprachregion

Betrachtet man die Ergebnisse nach Sprachregion, zeigen sich einige Unterschiede:

• Deutschschweiz: 85 %
• Französischsprachige Schweiz: 71 %
• Italienischsprachige Schweiz: 50 %

Die Deutschschweiz weist mit 85 % der Befragten, die angeben, dass KI-Tools täglich von ihren Marketingteams genutzt werden, den höchsten Grad der täglichen KI-Nutzung auf. Auch die französischsprachige Schweiz zeigt mit 71 % ein hohes Adoptionsniveau, während die italienischsprachige Schweiz mit 50 % der Befragten, die eine tägliche Nutzung angeben, vorsichtiger oder weniger weit fortgeschritten in der täglichen Integration von KI zu sein scheint.

Dieser Unterschied kann auf unterschiedliche Niveaus der KI-Adoption, des Zugangs zu Tools, der internen Schulung oder der organisatorischen Bereitschaft je nach Sprachregion hinweisen.

Vergleich nach Branche

Die tägliche KI-Nutzung variiert ebenfalls nach Branche:

• Bildung: 87 %
• Industrie: 80 %
• Gesundheit: 75 %
• Finanzen: 73 %
• Handel: 69 %
• Automobil: 50 %
• Andere: 84 %

Der Bildungssektor weist mit 87 % den höchsten Grad an täglicher KI-Nutzung auf. Die Befragten geben an, dass ihre Marketingteams KI-Tools täglich nutzen. Dies kann einen wachsenden Bedarf an Content-Erstellung, Kommunikation mit Studierenden, Unterstützung bei Zulassungsprozessen und personalisiertem Engagement widerspiegeln.

Auch der Industriesektor zeigt mit 80 % ein hohes Adoptionsniveau, gefolgt vom Gesundheitssektor mit 75 % und dem Finanzsektor mit 73 %. Das Ergebnis des Finanzsektors ist besonders interessant, da dieser Bereich oft als stärker reguliert und vorsichtiger wahrgenommen wird. Die Daten deuten jedoch darauf hin, dass KI bereits regelmässig in Marketingaktivitäten von Finanzorganisationen eingesetzt wird.

Der Handel folgt mit 69 %, während der Automobilsektor mit 50 % den niedrigsten Grad der täglichen Nutzung aufweist. Dies kann darauf hindeuten, dass die KI-Adoption im Automobilmarketing noch in Entwicklung ist oder dass ihre Nutzung eher auf bestimmte Funktionen konzentriert ist als auf das gesamte Marketingteam ausgeweitet wird.

Anteil der mit KI erstellten Marketinginhalte

Ein weiterer wichtiger Indikator der KI-Reife ist der Anteil der Marketinginhalte, der bereits mit Unterstützung von KI-Tools erstellt wird.

Die Ergebnisse zeigen, dass KI in vielen Schweizer Marketingteams aktiv zur Content-Produktion beiträgt, die vollständig KI-gesteuerte Content-Erstellung jedoch begrenzt bleibt.

Gesamtergebnisse

Auf die Frage nach dem Anteil der mit KI erstellten Inhalte:

• 4 % der Befragten geben an, dass mehr als 91 % ihrer Inhalte mit KI erstellt werden
• 11 % geben an, dass 61 bis 90 % ihrer Inhalte mit KI erstellt werden
• 32 % geben an, dass 31 bis 60 % ihrer Inhalte mit KI erstellt werden
• 34 % geben an, dass 10 bis 30 % ihrer Inhalte mit KI erstellt werden
• 17 % geben an, dass weniger als 10 % ihrer Inhalte mit KI erstellt werden

Dies zeigt, dass KI für die Mehrheit der Befragten bereits Teil des Content-Erstellungsprozesses ist, jedoch hauptsächlich als unterstützendes Tool und nicht als vollständiger Ersatz menschlicher Produktion.

Die grössten Gruppen sind jene, die 10 bis 30 % ihrer Inhalte mit KI erstellen (34 % der Befragten) und 31 bis 60 % ihrer Inhalte mit KI erstellen (32 % der Befragten). Zusammen repräsentieren diese beiden Gruppen 66 % der Befragten, was darauf hindeutet, dass KI zu einem regelmässigen Assistenten in der Content-Produktion innerhalb Schweizer Marketingteams wird.

Gleichzeitig geben nur 4 % der Befragten an, dass mehr als 91 % ihrer Inhalte mit KI erstellt werden. Dies zeigt, dass eine stark automatisierte Content-Produktion relativ selten bleibt.

Durch KI erzielte Zeitersparnis

Die Daten zeigen ebenfalls, dass KI beginnt, messbare Produktivitätsgewinne zu erzeugen:

• 19 % der Befragten sparen rund 6 Stunden pro Woche
• 16 % sparen zwischen 3 und 6 Stunden pro Woche
• 15 % sparen bis zu 3 Stunden pro Woche
• 49 % messen die eingesparte Zeit noch nicht

Dies ist ein wichtiger Punkt. Während viele Teams KI bereits für die Content-Erstellung nutzen, misst fast die Hälfte der Befragten die eingesparte Zeit noch nicht. Dies deutet darauf hin, dass die KI-Adoption schneller voranschreitet als die Messung ihrer Leistung.

Aus Sicht der Reife ist dies eine zentrale Lücke: Unternehmen können bereits Produktivitätsgewinne erzielen, doch ohne strukturierte Messung können sie den geschäftlichen Einfluss von KI auf ihre Marketingaktivitäten nicht vollständig bewerten.

Unterschiede nach Unternehmensgrösse

Betrachtet man die Ergebnisse nach Unternehmensgrösse, zeigt sich ein interessantes Muster.

Bei Unternehmen, die bis zu 60 % ihrer Inhalte mit KI erstellen, stammt die stärkste Repräsentation von grösseren Organisationen, insbesondere:

• Unternehmen mit 10 000+ Mitarbeitenden
• Unternehmen mit 250 bis 999 Mitarbeitenden
• Unternehmen mit 5 000 bis 10 000 Mitarbeitenden

Dies deutet darauf hin, dass mittelgrosse und grosse Organisationen KI zunehmend in ihre Content-Workflows integrieren, jedoch häufig auf kontrollierte und teilweise Weise.

Betrachtet man hingegen Unternehmen, bei denen mehr als 90 % der Inhalte mit KI erstellt werden, verändert sich das Bild. Dieses Niveau von KI-generierten Inhalten erscheint nur in zwei Unternehmensgrössen-Kategorien:

• 1 bis 9 Mitarbeitende: 15 %
• 50 bis 249 Mitarbeitende: rund 4 %

Dies kann darauf hindeuten, dass sehr kleine Unternehmen stärker dazu neigen, sich für die Content-Produktion stark auf KI zu stützen, möglicherweise weil sie über begrenzte interne Ressourcen verfügen und Marketinginhalte effizienter produzieren müssen.

Im Gegensatz dazu können grosse Unternehmen KI zwar umfassend nutzen, behalten jedoch stärkere menschliche Validierung, Markengovernance, Compliance-Prozesse und Freigabeschleifen bei.

Optimierung der KI-Suche: SEO, GEO und Sichtbarkeit in KI-Engines

Eine weitere wichtige Dimension der KI-Reife betrifft die Art und Weise, wie Unternehmen ihre SEO-Praktiken an KI-gestützte Suchmaschinen und Antwortmaschinen wie ChatGPT, Perplexity, Gemini oder Copilot anpassen.

Auf die Frage «Passen Sie die Struktur Ihrer Inhalte an, um Ihre Sichtbarkeit in KI-gestützten Suchmaschinen zu verbessern?» geben 61 % der Befragten an, dass sie ihren SEO-Ansatz bereits anpassen, um ihre Sichtbarkeit in KI-Suchergebnissen zu verbessern.

Dies zeigt, dass eine Mehrheit der Schweizer Marketingteams erkennt, dass sich traditionelles SEO weiterentwickelt. Sichtbarkeit beschränkt sich nicht mehr nur auf klassische Suchergebnisseiten. Marken müssen auch darüber nachdenken, wie ihre Inhalte von KI-Systemen verstanden, zitiert, zusammengefasst und empfohlen werden können.

Die Daten zeigen jedoch auch eine klare Reifelücke: Nur 19 % der Teams wenden diese Art der Optimierung systematisch an.

Dies bedeutet, dass viele Unternehmen zwar begonnen haben, mit KI-Suchoptimierung zu experimentieren, aber nur eine Minderheit diese vollständig in ihre Content- und SEO-Prozesse integriert hat.

Optimierung und Teamgrösse

Eine interessante Erkenntnis ist, dass diese Praxis derzeit nicht stark von der Grösse des Marketingteams abzuhängen scheint.

Dies deutet darauf hin, dass KI-Suchoptimierung nicht nur eine Frage von Ressourcen oder Teamkapazität ist. Kleine Teams können ebenso wahrscheinlich wie grosse Teams damit beginnen, ihre Inhalte für KI-Sichtbarkeit anzupassen, insbesondere wenn sie agil sind und bereits mit neuen Tools experimentieren.

Gleichzeitig scheinen grössere Teams nicht unbedingt weiter fortgeschritten in der systematischen Anwendung dieser Optimierung zu sein. Dies kann darauf hindeuten, dass sich der Markt noch in einer frühen Phase befindet, in der Praktiken getestet, aber noch nicht vollständig strukturiert oder gesteuert werden.

KI im A/B-Testing, in der Werbung, Personalisierung und im Kundensupport

Die Daten zeigen, dass die Nutzung von KI in Tests, Werbeoptimierung, Personalisierung und Kundensupport weniger ausgereift ist als in Bereichen wie Content-Erstellung oder täglicher KI-Nutzung.

Beim A/B-Testing und in der Werbung geben nur rund 14 % der Befragten an, KI aktiv für A/B-Testing zu nutzen. Weitere 18 % befinden sich derzeit in einer Test- oder Experimentierphase. Die Mehrheit der Befragten, etwa 75 %, passt Kampagnen nicht in Echtzeit an, aber rund 44 % überwachen die Markenperformance mit KI und verfolgen KI-Traffic-Quellen wie ChatGPT, Perplexity usw.

Dies deutet darauf hin, dass KI beginnt, in Kampagnenoptimierungsprozesse einzutreten, aber noch nicht breit in strukturierte Marketingexperimente eingebettet ist. Viele Teams stützen sich möglicherweise weiterhin auf traditionelle A/B-Testing-Methoden, manuelle Kampagnenanalysen oder native Optimierungstools der Plattformen statt auf speziell KI-gestützte Testing-Workflows.

Personalisierung bleibt unterentwickelt

Auch die Nutzung von KI für Personalisierung scheint relativ begrenzt zu sein. Nur 8 % der Befragten geben an, KI für Personalisierung mit messbarer Wirkung einzusetzen, während 29 % eine teilweise Nutzung angeben.

Dies ist eine interessante Erkenntnis, da Personalisierung häufig als einer der stärksten Anwendungsfälle für KI im Marketing dargestellt wird. Die Daten deuten jedoch darauf hin, dass viele Schweizer Organisationen noch nicht das Niveau an Datenbereitschaft, CRM-Integration oder Prozessreife erreicht haben, das notwendig ist, um Customer Journeys in grossem Massstab zu personalisieren.

Mit anderen Worten: KI-gestützte Personalisierung wird möglicherweise als vielversprechende Chance erkannt, ihre operative Umsetzung bleibt jedoch begrenzt.

KI-Agenten im Kundensupport

Auch KI-gestützter Kundensupport ist in den Daten noch nicht stark vertreten.

Nur 17 % der Befragten geben an, KI-Agenten teilweise für den Kundensupport zu nutzen, während nur 4 % den Einsatz vollständig autonomer KI-Agenten angeben.

Dies zeigt, dass die meisten Unternehmen weiterhin vorsichtig sind, wenn es darum geht, Kundeninteraktionen an KI zu delegieren. Diese begrenzte Adoption kann mit Bedenken hinsichtlich Markenton, Genauigkeit, Vertrauen, Datenschutz, Eskalationsmanagement und der Notwendigkeit zusammenhängen, eine menschliche Beziehung zu den Kunden aufrechtzuerhalten.

KI-Strategie und Governance

Trotz der zunehmenden Nutzung von KI in Schweizer Marketingteams zeigen die Daten, dass Strategie, Governance und formale Schulung noch in Entwicklung sind. Dies schafft einen klaren Kontrast zwischen der operativen Adoption von KI und dem Grad der organisatorischen Struktur, die sie umgibt.

Formale Schulung bleibt begrenzt

Auf die Frage «Bieten Sie eine formale und wiederkehrende Schulung im Prompt Engineering an?» geben fast 49 % der Befragten an, dass sie derzeit keine solche Schulung anbieten.

Gleichzeitig:

• 23 % geben an, dass eine formale Schulung geplant ist
• 28 % geben an, dass eine formale Schulung bereits vorhanden ist

Dies zeigt, dass KI-Tools zwar zunehmend in täglichen Marketingaktivitäten genutzt werden, strukturiertes Lernen jedoch noch nicht systematisch ist. Viele Teams experimentieren wahrscheinlich mit KI, ohne über einen wiederkehrenden Schulungsrahmen zu verfügen, um die Qualität der Prompts, die Konsistenz der Ergebnisse und die verantwortungsvolle Nutzung der Tools zu verbessern.

Aus Sicht der Reife ist dies eine wichtige Lücke. Die Wirksamkeit von KI hängt nicht nur vom Zugang zu Tools ab, sondern auch von der Fähigkeit der Teams, diese korrekt, konsistent und strategisch einzusetzen.

Interner Wissensaustausch entsteht bereits

Das Bild ist positiver, wenn man die internen Austauschformate rund um KI-Nutzung betrachtet.

Rund 54 % der Befragten geben an, dass ihre Teams regelmässige oder gelegentliche Rituale haben, um sich über KI-Anwendungsfälle auszutauschen. Dies deutet darauf hin, dass viele Organisationen bereits informelle Räume schaffen, um Erkenntnisse zu teilen, Tools zu diskutieren und praktische Anwendungen zu identifizieren.

Dass diese Austauschformate jedoch nicht immer formalisiert sind, zeigt, dass der Wissensaustausch rund um KI oft noch von individuellen Initiativen getragen wird und nicht von einem strukturierten unternehmensweiten Ansatz.

Stark wahrgenommener Einfluss auf Arbeit und Kreativität

Fast 90 % der Befragten bestätigen, dass KI einen Einfluss auf ihre Arbeit und Kreativität hat. Sie bestätigen ebenfalls, dass KI ihnen ermöglicht, sich stärker auf strategische Aufgaben zu konzentrieren.

Dies ist eines der stärksten Signale der Studie. Es zeigt, dass KI nicht nur als Produktivitätstool wahrgenommen wird, sondern auch als Hebel, der Marketingteams dabei hilft, sich wieder stärker auf wertschöpfende Tätigkeiten zu konzentrieren.

Statt lediglich die Ausführung zu beschleunigen, scheint KI den Teams zu helfen, mehr Zeit für Analyse, Planung, strategisches Denken, Kreativität und Entscheidungsfindung aufzuwenden.

Verifizierungsprozesse werden wichtig

Governance zeigt sich ebenfalls darin, wie Unternehmen die Validierung von Inhalten vor der Veröffentlichung handhaben.

Den Daten zufolge:

• 48 % der Befragten verfügen bereits über einen verpflichtenden Verifizierungsprozess vor der Veröffentlichung von KI-gestützten Inhalten
• Rund 16 % planen, diesen Schritt bald einzuführen

Das bedeutet, dass nahezu zwei Drittel der Befragten entweder bereits über einen Verifizierungsprozess verfügen oder planen, einen solchen einzuführen. Dies ist ein positives Signal für ein wachsendes Bewusstsein in Bezug auf Qualitätskontrolle, Markenkonsistenz, Genauigkeit und Risikomanagement.

Gleichzeitig bedeutet dies jedoch auch, dass ein bedeutender Teil der Unternehmen noch keinen klaren Validierungsprozess hat. Dies kann Risiken schaffen, insbesondere wenn KI für externe Kommunikation, Werbung, kundengerichtete Inhalte oder regulierte Branchen eingesetzt wird.

Supervision durch das Management bleibt ein Schwachpunkt

Eine kritischere Erkenntnis zeigt sich auf Managementebene.

Rund 64 % der Managementteams sind noch nicht darin geschult, KI-Workflows zu überwachen. Dies zeigt, dass die KI-Adoption häufig auf operativer Ebene schneller voranschreitet als auf der Ebene von Leadership und Governance.

Gleichzeitig geben rund 35 % der Befragten an, dass das Management entweder bereits geschult ist oder plant, sich in der Supervision von KI-Workflows schulen zu lassen.

Dies deutet darauf hin, dass Unternehmen beginnen, den Bedarf an KI-Kompetenz auf Managementebene zu erkennen. Die Supervision von KI-Workflows erfordert mehr als nur ein Verständnis der Tools: Sie umfasst das Definieren von Regeln, das Management von Risiken, die Validierung von Ergebnissen, die Sicherstellung von Compliance und die Ausrichtung der KI-Nutzung auf die Geschäftsstrategie.

Operative Transformation ist im Gange

Ein ähnliches Muster zeigt sich bei der operativen Transformation.

Die Daten zeigen:

• 31 % der Befragten haben bereits mindestens einen zentralen Marketing-Workflow neu gestaltet, indem sie KI in den Kern des Prozesses integriert haben
• Weitere 32 % geben an, dass diese Transformation derzeit im Gange ist

Dies ist ein starkes Signal dafür, dass KI beginnt, über isolierte Anwendungsfälle hinauszugehen. Für eine wachsende Zahl von Unternehmen ist KI nicht mehr nur ein Assistent für einzelne Aufgaben, sondern wird zu einem Bestandteil der Gestaltung von Marketing-Workflows.

Beispiele können Workflows für Content-Produktion, Kampagnenplanung, Lead-Qualifizierung, CRM-Automatisierung, SEO-Optimierung, Reporting oder Customer-Journey-Management umfassen.

Datenhygiene, Zuverlässigkeit und Reporting-Automatisierung

Datenqualität ist eine der wichtigsten Grundlagen der KI-Reife. Ohne saubere, strukturierte und zugängliche Daten können Unternehmen KI nicht vollständig für Personalisierung, Automatisierung, Reporting oder die Optimierung der Customer Journey nutzen.

Die Ergebnisse zeigen, dass viele Schweizer Marketingteams in diesem Bereich noch mit erheblichen Herausforderungen konfrontiert sind.

Datenqualität bleibt eine grosse Hürde

Auf die Frage, ob Unternehmensdaten — wie CRM-, Transaktions- und Webdaten — sauber, standardisiert und für die KI-Nutzung zugänglich sind, geben 43 % der Befragten an, dass ihre Daten noch nicht sauber, normalisiert oder leicht zugänglich sind.

Gleichzeitig:

• 17 % geben an, dass ihre Daten sauber, standardisiert und zugänglich sind
• 24 % geben an, dass ihre Daten teilweise sauber, standardisiert und für die KI-Nutzung zugänglich sind
• 16 % wissen es nicht

Dies zeigt, dass die KI-Adoption für viele Organisationen nicht durch die Tools selbst begrenzt wird, sondern durch die Qualität und Zugänglichkeit der Daten, die diese Tools speisen.

Aus Sicht der Reife ist dies ein kritischer Punkt. Die Leistung von KI hängt stark von der Qualität der Eingangsdaten ab. Wenn Daten fragmentiert, unvollständig, doppelt vorhanden oder schlecht strukturiert sind, können die von KI erzeugten Ergebnisse weniger zuverlässig und schwieriger für die Entscheidungsfindung nutzbar sein.

Einheitliche Kundendaten bleiben begrenzt

Die Studie zeigt ebenfalls, dass nur 13 % der Befragten über eine einheitliche Sicht auf Kundendaten verfügen, die Webinteraktionen, Verkäufe und Mediendaten miteinander verbindet.

Weitere 29 % geben an, nur teilweise über eine solche Sicht zu verfügen.

Dies bedeutet, dass die Mehrheit der Organisationen noch keine vollständige und vernetzte Sicht auf die Customer Journey hat. In der Praxis kann dies erschweren, zu verstehen, wie Nutzer über verschiedene Touchpoints hinweg mit einer Marke interagieren — von Werbung und Website-Besuchen bis hin zu Verkaufsgesprächen und Transaktionen.

Dieser Mangel an Integration kann auch das Potenzial von KI für Segmentierung, Lead Scoring, Personalisierung und Performance-Analyse begrenzen.

Regeln rund um sensible Daten sind noch nicht systematisch

Eine weitere wichtige Erkenntnis betrifft die Data Governance.

Nur 51 % der Befragten geben an, klare Regeln zu haben, die definieren, welche Daten niemals mit KI-Tools geteilt werden dürfen.

Dies ist ein wichtiges Signal. Auch wenn mehr als die Hälfte der Befragten bereits ein gewisses Mass an Kontrolle eingeführt hat, scheint fast die Hälfte noch keine formalen Regeln für das Teilen von Daten zu haben.

Dies schafft potenzielle Risiken, insbesondere wenn Teams öffentliche oder externe KI-Tools für Aufgaben nutzen, die Kundendaten, interne Dokumente, CRM-Exporte, kommerzielle Informationen oder vertrauliche Geschäftsdaten betreffen.

Für Unternehmen, die ihre KI-Reife erhöhen möchten, sind klare Regeln für das Teilen von Daten ein wesentlicher Governance-Schritt.

KI-Zuverlässigkeitsaudits bleiben selten

Bei Audit und Zuverlässigkeit zeigen die Ergebnisse, dass strukturierte Kontrollen begrenzt bleiben:

• 14 % der Befragten auditieren KI-Ergebnisse oder -Systeme regelmässig, um deren Zuverlässigkeit sicherzustellen
• 20 % tun dies gelegentlich

Das bedeutet, dass nur etwa ein Drittel der Befragten zumindest gelegentlich Zuverlässigkeitskontrollen durchführt.

Das geringe Niveau regelmässiger Audits deutet darauf hin, dass viele Unternehmen KI noch ohne strukturierten Prozess einsetzen, um Genauigkeit, Konsistenz, Bias, Markenkonformität oder Geschäftsrisiken zu bewerten.

Je stärker KI in Marketing-Workflows integriert wird, desto wichtiger werden Zuverlässigkeitsaudits, insbesondere für kundengerichtete Kommunikation, regulierte Branchen, automatisierte Empfehlungen und datenbasierte Entscheidungsfindung.

Reporting-Automatisierung schreitet voran, bleibt aber fragmentiert

Die Daten zeigen auch unterschiedliche Reifegrade bei der Reporting-Automatisierung.

In Bezug auf die Aktualisierung des Reportings:

• 5 % der Befragten geben an, dass ihr Reporting automatisch aktualisiert wird
• 24 % geben an, dass ihr Reporting teilweise automatisiert ist

Allerdings geben 71 % der Befragten an, dass ihre Dashboards nicht automatisch aktualisiert werden.

Dieser scheinbare Kontrast kann unterschiedliche Interpretationen von «Reporting» und «Dashboards» widerspiegeln. Manche Teams automatisieren möglicherweise wiederkehrende Reports oder Datenexporte, während ihre Dashboards weiterhin manuelle Aktualisierungen erfordern. Andere verfügen möglicherweise je nach beteiligten Datenquellen über eine teilweise Automatisierung.

Warum die Automatisierung von Dashboards variieren kann

Es kann mehrere Gründe geben, warum Dashboards nicht vollständig automatisiert sind.

Der Automatisierungsgrad hängt häufig von den Datenquellen ab, die mit dem Dashboard verbunden sind. Wenn Dashboards auf gängigen digitalen Plattformen wie Meta Ads, Google Ads, GA4, LinkedIn Ads oder CRM-Systemen basieren, sind Aktualisierungen in der Regel leichter über Konnektoren, APIs oder Datenpipelines zu automatisieren.

Wenn Dashboards jedoch Fragebögen, Offline-Verkaufsdaten, manuell ausgefüllte Dateien, Excel-Dateien, Eventdaten oder kundenspezifische interne Quellen integrieren, kann die Automatisierung komplexer werden. In diesen Fällen kann das Reporting nur teilweise automatisiert sein oder weiterhin manuelle Validierung und Datenaufbereitung erfordern.

Dies bedeutet, dass das Fehlen vollständiger Automatisierung nicht immer auf mangelnde Reife hinweist. In manchen Fällen spiegelt es die Komplexität und Vielfalt des Datenökosystems wider.

Profil der Teilnehmenden — Studie IA Marketing Suisse

Die Studie IA Marketing Suisse basiert auf den Antworten von 194 Teilnehmenden. Das Profil der Befragten zeigt eine starke Vertretung kleiner und mittlerer Unternehmen sowie relativ kompakter Marketingteams.

Dies ist wichtig für die Interpretation der Ergebnisse: Die Studie spiegelt nicht nur die Perspektive grosser Unternehmen wider, sondern auch die Realität vieler Schweizer Unternehmen, in denen Marketingressourcen begrenzt sind und Teams häufig mehrere Verantwortlichkeiten gleichzeitig übernehmen müssen.

Grösse der teilnehmenden Unternehmen

Die Verteilung nach Unternehmensgrösse ist wie folgt:

Analyse

Die Studie besteht hauptsächlich aus KMU und mittelgrossen Organisationen.

Unternehmen mit weniger als 250 Mitarbeitenden repräsentieren:

22 % + 28 % + 27 % = 77 % der Befragten

Das bedeutet, dass mehr als drei Viertel der teilnehmenden Organisationen kleine oder mittlere Unternehmen sind.

Auch grössere Organisationen sind vertreten, jedoch in geringerem Umfang:

• Unternehmen mit 250 bis 999 Mitarbeitenden repräsentieren 15 %
• Unternehmen mit 1 000+ Mitarbeitenden repräsentieren insgesamt 8 %

Diese Verteilung ist besonders relevant für den Schweizer Markt, in dem KMU eine zentrale Rolle in der Wirtschaft spielen. Sie trägt auch dazu bei, einige der in der Studie beobachteten Erkenntnisse zu erklären: Die KI-Adoption ist häufig pragmatisch, toolbasiert und operativ ausgerichtet, statt vollständig durch gross angelegte Transformationsprogramme gesteuert zu sein.

Grösse der Marketingteams

Die Verteilung nach Grösse des Marketingteams ist wie folgt:

Analyse

Die Ergebnisse zeigen, dass die meisten teilnehmenden Organisationen über relativ kleine Marketingteams verfügen.

Teams mit 1 bis 5 Personen repräsentieren:

41 % + 32 % = 73 % der Befragten

Das bedeutet, dass fast drei Viertel der Befragten in kompakten Marketingteams arbeiten.

Nur 27 % der Befragten geben an, über Teams mit 6 oder mehr Personen zu verfügen.

Dies ist eine wichtige Erkenntnis für das Verständnis der KI-Reife. In kleinen Marketingteams kann KI eine besonders wichtige Rolle spielen, da sie hilft, begrenzte Ressourcen zu kompensieren. Sie kann Content-Erstellung, Kampagnenplanung, SEO, Reporting, Automatisierung, Kundenkommunikation und Datenanalyse unterstützen.

Kleinere Teams können jedoch auch grössere Schwierigkeiten haben, strukturierte Governance, formale Schulung, fortgeschrittene Datenintegration oder systematische Messung der KI-Performance umzusetzen. Dies kann erklären, warum die Studie eine starke tägliche KI-Nutzung zeigt, aber eine geringere Reife in Bereichen wie Datenhygiene, Workflow-Supervision, KI-Audits und formaler Schulung.

Conclusion

Zusammenfassendes Fazit

Die Studie IA Marketing Suisse zeigt, dass die KI-Adoption in Schweizer Marketingteams bereits weit fortgeschritten ist. KI ist nicht mehr nur ein experimentelles Thema: Sie wird zunehmend im täglichen Arbeitsalltag eingesetzt, insbesondere für die Content-Erstellung, Produktivitätsunterstützung, SEO-Unterstützung und operative Effizienz.

Die Studie zeigt jedoch auch eine wichtige Reifelücke. Viele Organisationen nutzen KI regelmässig, haben jedoch die notwendigen Grundlagen noch nicht vollständig strukturiert, um KI zuverlässig und strategisch zu skalieren. Datenhygiene, Governance, Schulung, Neugestaltung von Workflows, Messung der KI-Performance und Supervision durch das Management bleiben in vielen Unternehmen noch unterentwickelt.

Das bedeutet, dass die nächste Stufe der KI-Reife in der Schweiz nicht nur davon abhängen wird, mehr KI-Tools zu nutzen. Sie wird davon abhängen, wie gut Organisationen KI in ihr Betriebsmodell integrieren, sie mit sauberen und zuverlässigen Daten verbinden, klare Nutzungsregeln definieren, ihre Wirkung messen und sicherstellen, dass menschliche Expertise weiterhin zentral für Qualität, Kreativität und Entscheidungsfindung bleibt.

Kurz gesagt: Schweizer Marketingteams bewegen sich von der KI-Experimentierung hin zur KI-Operationalisierung.

Die Herausforderung besteht nun darin, die tägliche KI-Nutzung in einen strukturierten, messbaren und skalierbaren Ansatz zu überführen.

Empfohlene nächste Schritte für die KI-Reife

Vom Tool-Einsatz zu einer strukturierten KI-Roadmap

Möchten Sie die nächsten Schritte vom Tool-Einsatz zu einer strukturierten KI-Roadmap sowie diese Analyse per E-Mail erhalten?

Bitte senden Sie Ihre Anfrage ab.

FAQ