Wie Schweizer Unternehmen GenAI wirklich nutzen
1. Warum GenAI kein Hype-Thema mehr ist
Generative künstliche Intelligenz (GenAI) verändert bereits heute, wie in Unternehmen gearbeitet, kommuniziert und entschieden wird. Doch wie weit ist die Technologie tatsächlich in der Schweizer Unternehmenspraxis angekommen? Wie nutzen Organisationen GenAI – und wie gut sind sie strukturell darauf vorbereitet? Die AI Barometer Studie 2025, herausgegeben vom AI in Marketing Research Center am Institut für Marketing Management der ZHAW School of Management and Law, liefert erstmals fundierte Antworten auf diese Fragen – faktenbasiert, praxisnah und differenziert.
Die Ergebnisse zeigen: Während der Einsatz von GenAI in vielen Bereichen bereits Realität ist, fehlt es in zahlreichen Unternehmen an der strategischen und organisatorischen Verankerung. Zwischen Begeisterung und Umsetzung bestehen weiterhin grosse Lücken.
2. Überblick über die Studie
Die AI Barometer Studie 2025 wurde vom AI in Marketing Research Center in Zusammenarbeit mit der KI-Plattform dreamleap konzipiert und durchgeführt.
Erhebungszeitraum: Januar bis Mai 2025
Befragt wurden: 137 Fach- und Führungskräfte aus verschiedenen Branchen und Funktionsbereichen.
Ziel der Studie: Ein realistisches Bild der GenAI-Adoption in Schweizer Organisationen.
Methodisch basiert die Studie auf einer quantitativen Onlinebefragung. Ergänzt wird sie durch Vergleiche zwischen Fach- und Führungskräften sowie einer Analyse typischer und unternehmensspezifischer Anwendungsfälle.
3. Was Unternehmen heute mit GenAI tun und was (noch) nicht
Die gute Nachricht: GenAI ist in der Schweizer Wirtschaft angekommen.
- 80 % der Befragten haben bereits persönliche Erfahrungen mit der Technologie gesammelt.
- 93 % nutzen GenAI zur Textgenerierung, 65 % zur Bildgenerierung, 57 % für personalisierte Inhalte.
- 85 % erleben durch GenAI eine Zeitersparnis im Arbeitsalltag, 83 % empfinden sie als nützlich, 79 % als einfach erlernbar.
Die Studie zeigt deutlich, dass GenAI bereits konkrete Anwendungen in den Berufsalltag vieler Organisationen integriert hat. Häufig jedoch punktuell und experimentell, statt strategisch und systematisch.
4. Zwischen Potenzial und Realität: Was die Zahlen verraten
Trotz hoher Zustimmung zur Nützlichkeit bleibt die Umsetzung komplexerer Use Cases bislang die Ausnahme:
- 96 % der Befragten sehen grosses Potenzial in Datenanalysen,
- 80 % in der Prozessoptimierung.
Aber: - Nur 32 % bzw. 33 % der Unternehmen nutzen diese auf Abteilungsebene,
- lediglich 23 % bzw. 35 % auf Unternehmensebene.
Ein wesentlicher Grund: Der wahrgenommene Umsetzungsaufwand ist hoch. 67 % bei Prozessoptimierung, 64 % bei Datenanalyse.
5. Strukturelle Herausforderungen: Fehlt der strategische Rahmen?
Der Einsatz von GenAI erfolgt häufig ohne klare organisatorische Unterstützung:
- 64 % der Befragten haben keinen Zugang zu einer internen Stelle, die spezifisch bei AI-Fragen und -Problemen unterstützt,
- nur 15 % erhalten Unterstützung durch ihre Vorgesetzten.
- Zwar geben 69 % an, über das notwendige Know-how zu verfügen, doch Strategien, Prozesse und Zuständigkeiten fehlen oft.
Diese Lücke zwischen individueller Kompetenz und organisationaler Struktur birgt Risiken: Ohne gezielte Einbettung droht GenAI zum isolierten Tool zu werden, statt zur transformativen Kraft.
6. Unterschiede zwischen Fach- und Führungskräften
Die Studie beleuchtet auch unterschiedliche Perspektiven innerhalb der Organisation:
- 56 % der Führungskräfte berichten von Unterstützung bei der Weiterbildung zu GenAI –
- im Vergleich zu nur 48 % der Fachkräfte.
- Führungskräfte fühlen sich insgesamt häufiger befähigt und begleitet, GenAI einzusetzen.
Dieser Unterschied unterstreicht die Notwendigkeit, Weiterbildungsangebote und Supportstrukturen gezielt auf unterschiedliche Rollen auszurichten.
7. Empfehlungen aus der Praxis für die Praxis
Die Studienautor:innen leiten acht konkrete Empfehlungen für Unternehmen ab:
- GenAI-Nutzung systematisch ausweiten z. B. durch Use-Case-Galerien und Demo-Sessions.
- Weiterbildung differenziert gestalten abgestimmt auf Rollen und Vorkenntnisse.
- Vertrauen fördern durch transparente Kommunikation zu Datenbasis, Sicherheit und Risiken.
- Supportstrukturen etablieren etwa interne Helpdesks und geschulte Führungskräfte.
- Einfache Use Cases priorisieren, bevor komplexere Anwendungsfelder erschlossen werden.
- Innovationsräume schaffen etwa durch kreative, experimentelle Formate.
- Lessons Learned dokumentieren auch aus nicht erfolgreichen Projekten.
- Wirkung messbar machen über geeignete KPIs und systematisches Monitoring.
8. Dank an unsere Umsetzungspartner:innen
Die Durchführung dieser Studie wäre ohne die engagierte Unterstützung zahlreicher Personen und Organisationen nicht möglich gewesen.
Unser herzlicher Dank gilt insbesondere:
- den 137 Fach- und Führungskräften, die ihre Erfahrungen und Einschätzungen eingebracht haben,
- dem Umsetzungspartner dreamleap,
- sowie den folgenden Unterstützer:innen und Sponsor:innen:
Swiss Engineering STV
CSS Gruppe
DPD (Schweiz) AG
Politische Gemeinde Gossau ZH
HANDELSVERBAND.swiss
Angestellte Schweiz
Baloise Holding AG
Webrepublic AG
St.Galler Kantonalbank AG
Wincasa AG
Ebenfalls danken wir allen beteiligten Kolleg:innen der ZHAW School of Management and Law, insbesondere dem Team des Institut für Marketing Management.
Dr. Gioia Volkmar ist Leiterin des AI in Marketing Research Centers der ZHAW School of Management and Law. In dieser Funktion betreut sie anwendungsorientierte Forschungsprojekte mit Schwerpunkt auf KI im Marketing, insbesondere auf psychologische und ethische Fragestellungen. In ihrer Forschung beschäftigt sie sich mit den Potenzialen und Herausforderungen von KI-Technologien im Marketing und untersucht insbesondere deren Einfluss auf Konsumentenverhalten und ethische Entscheidungsprozesse.
Vor ihrer Tätigkeit an der ZHAW promovierte Dr. Gioia Volkmar an der Universität St. Gallen zu den Themen KI und Managemententscheidungen im Marketing.
Fabian Oehninger ist ehem. wissenschaftlicher Mitarbeiter für E-Commerce an der ZHAW School of Management and Law. In dieser Rolle arbeitete er an praxisorientieren Forschungsprojekten mit Fokus auf Innovation und Nachhaltigkeit. Darüber hinaus unterrichtete er im Bereich Marketing und Retail Management. Vor dieser Tätigkeit an der ZHAW sammelte Fabian Oehninger umfangreiche Berufserfahrung im Einzel- und Onlinehandel, u.a. als IT-Projektleiter und Onlineshop Manager.
Umut Demiriz ist wissenschaftlicher Mitarbeiter an der Fachstelle Product Management der ZHAW School of Management and Law. In dieser Rolle arbeitet er an praxisorientierten Forschungsprojekten mit Fokus auf Daten,
Technologie und Marketing. Darüber hinaus unterrichtet er im Bereich Marketing und Behavioral Data Science. Vor seiner Tätigkeit an der ZHAW sammelte Umut Demiriz umfangreiche Berufserfahrung in der IT und IT-Beratung, u.a. als System Engineer und IT-Berater.
9. Fazit – Was Organisationen jetzt tun sollten
Die AI Barometer Studie 2025 liefert ein realistisches und differenziertes Bild: GenAI ist zwar da, aber noch nicht dort, wo es sein könnte. Der Weg führt weg von punktuellen Pilotprojekten hin zu strategischer Integration, klaren Verantwortlichkeiten, zielgruppengerechter Weiterbildung und einer messbaren Wirkung.
ZHAW Marketing-Weiterbildungen: Weiterbildung | ZHAW Institut für Marketing Management IMM
Organisationen, die diese Hebel frühzeitig erkennen, schaffen nicht nur einen Innovationsvorsprung – sie sichern ihre Handlungsfähigkeit in einer zunehmend KI-getriebenen Wirtschaft.
Die vollständige Studie steht unter folgendem Link bereit:
