Die Lücke
84% der Unternehmen weltweit erhöhen ihre KI-Investitionen. Die Zahl stammt aus der Deloitte-Studie "State of AI in the Enterprise" (2026, 3'235 Befragte, 24 Länder). In der gleichen Studie: nur 40% fühlen sich bei der Datenverwaltung gut vorbereitet. In der Schweiz sieht es ähnlich aus: Laut dem Schweizer Daten- und KI-Observatorium 2026 bewerten nur noch 51% der Unternehmen ihre Datenqualität als gut.
Das bedeutet: Drei von vier Unternehmen kaufen KI-Tools, ohne eine Datengrundlage zu haben, auf der diese Tools funktionieren könnten. Sie kaufen den Motor, ohne die Strasse gebaut zu haben.
Warum KI ohne Daten scheitert
Ein KI-Tool ist nur so gut wie die Daten, die es verarbeitet. ChatGPT kann Texte schreiben. Aber ein KI-System, das Ihre Kunden segmentieren soll, braucht Kundendaten. Strukturierte, aktuelle, vollständige Kundendaten.
Die meisten KMU haben diese Daten irgendwo. Im CRM, in Excel-Tabellen, in E-Mail-Postfächern, in den Köpfen der Mitarbeiter. Nicht an einem Ort. Nicht in einem Format. Nicht aktuell.
Wenn Sie ein KI-Tool auf diese Datenlandschaft loslassen, bekommen Sie Ergebnisse, die schlimmer sind als keine Ergebnisse. Sie bekommen falsche Muster, verzerrte Prognosen, fehlerhafte Empfehlungen. Und das Gefährliche: die Ausgabe sieht professionell aus.
Drei typische Fehler
1. KI-Tool kaufen, bevor die Daten bereinigt sind. Ein CRM mit 40% veralteten Kontaktdaten produziert mit KI-Unterstützung 40% falsche Empfehlungen. Schneller als vorher, aber genau so falsch.
2. Zu viele Datenquellen gleichzeitig anbinden. Wer im ersten Schritt CRM, ERP, Website-Analytics und Social-Media-Daten verbinden will, kommt nie über die Planungsphase hinaus. 68% der KMU digitalisieren ohne klare Strategie genau an diesem Punkt. Ein System zuerst. Dann das nächste.
3. Kein Verantwortlicher für Datenqualität. Daten veralten. Adressen ändern sich, Ansprechpartner wechseln, Firmen fusionieren. Ohne jemanden, der regelmässig die Datenqualität prüft, ist jede KI-Investition nach 12 Monaten wertlos.
Was funktioniert
Starten Sie mit einem einzigen Datenstrom. Typischerweise dem CRM. Bereinigen Sie die Daten: doppelte Einträge entfernen, veraltete Kontakte aktualisieren, fehlende Felder ergänzen. Das dauert je nach Grösse ein bis zwei Wochen.
Erst danach kommt Automatisierung. Automatische Anreicherung neuer Kontakte. Automatische Klassifizierung nach Branche, Grösse, Standort. Automatische Benachrichtigungen bei inaktiven Kontakten.
Dann, und wirklich erst dann, kommt KI. Prognosen für Abschlusswahrscheinlichkeit. Empfehlungen für Kontaktfrequenz. Segmentierung nach Potenzial. Das funktioniert, weil die Grundlage stimmt.
Erster Schritt
Prüfen Sie Ihre wichtigste Datenquelle. Wie viel Prozent der Einträge sind aktuell? Wie viele Duplikate gibt es? Welche Felder fehlen systematisch?
Wenn Sie diese drei Fragen beantworten können, haben Sie eine Ausgangslage für eine Datenstrategie. Wenn Sie sie nicht beantworten können, wissen Sie, wo Sie anfangen müssen.
