Der Trendradar zeigt eine Verschiebung der strategischen Schwerkraft. Die auffälligste Einzelbewegung ist AI Strategy, das von "Create" direkt in die Zone "Act" rückt. Die Herausforderung liegt laut Studie nicht mehr im Einstieg, sondern in der Skalierung: in der Verknüpfung von KI-Initiativen mit messbaren Geschäftsergebnissen. Für mittelständische Unternehmen wird diese Skalierungsfrage vor allem dort greifbar, wo Technologie direkt auf messbare Ergebnisse trifft. Beispielsweise entlang der Customer Journey in Marketing, Sales und Service. Genau hier entscheidet sich am schnellsten, ob eine Initiative auf Umsatz, Conversion und Kundenbindung einzahlt oder folgenlos bleibt.
Wichtiger als die Spitze ist aber das Fundament. Das Fazit des Radars benennt es deutlich: Strategische Relevanz verschiebt sich von punktuellen Innovationsthemen hin zu tiefer liegenden Voraussetzungen organisationaler Handlungsfähigkeit. Datenqualität, Datenschutz-Themen, verlässliche operative Prozesse und lernende Organisation sind keine flankierenden Themen mehr, sondern die Bedingung dafür, dass alles andere überhaupt wirkt.
KI scheitert im Mittelstand selten am Modell und fast immer an den Daten. Der Trendradar liefert die Zahlen dazu mit.
-
67 Prozent der Organisationen vertrauen den eigenen Daten nicht vollständig, wenn es um Entscheidungen geht.
-
Und 52 Prozent der befragten Unternehmen nennen Datenqualität und Datenverfügbarkeit als grösstes Hindernis bei der KI-Einführung.
Das erklärt, warum so viele KI-Pilotprojekte in der Pilotphase steckenbleiben. In vielen Unternehmen hat über Jahre jeder Bereich mit einem eigenen System gearbeitet. So sind Silos in Marketing, Sales und Service entstanden. Sales sieht die Daten aus dem Marketing nicht, nach dem Onboarding eines neuen Kunden werden Informationen erneut erfasst, und Wissen über den Kunden geht unterwegs verloren. Das Ergebnis ist eine fehlende 360°-Sicht auf den Kunden, allein weil die Daten in getrennten Systemen liegen.
Der Radar nennt die eigentliche Aufgabe beim Namen: Data Governance ist nicht primär eine technische, sondern eine organisationale Frage. Wer pflegt welche Daten, wer gibt sie frei, wer verantwortet sie? Unsere Antwort darauf ist die Architektur-Drehscheibe. Eine Customer Plattform wie HubSpot führt die Kundendaten aus Marketing, Sales und Service in einem gemeinsamen Datenmodell zusammen. Bindet man zusätzlich das ERP an, fliessen auch transaktionale Daten wie Aufträge, Rechnungen und Lieferstatus ins Kundenobjekt.
Der Effekt ist konkret: Jede Person mit Kundenkontakt sieht im CRM alle relevanten Informationen, und die KI greift auf denselben vollständigen Kontext zu. Genau dieses einheitliche Kundenobjekt ist die Voraussetzung dafür, dass KI auf belastbaren Daten arbeitet, weil jedes Modell sonst auf Lücken und Widersprüche trifft. Best of Breed bleibt richtig, braucht aber einen Kern aus ERP und Customer Plattform. Spezialisiertere Systeme wie Branchenlösungen, E-Commerce oder BI werden gezielt an diesen Kern angebunden.
Die Customer Journey wird gleichzeitig automatisierter und menschlicher. Das ist kein Widerspruch, sondern die zentrale Spannung der nächsten Jahre.
Auf der einen Seite verschwinden Routineinteraktionen in der Automatisierung. Auf der anderen Seite zeigt der Radar mit dem neuen Handlungsfeld Human-to-Human Experience eine gegenläufige Nachfragedynamik.
-
64 Prozent der Kundinnen und Kunden würden es laut der zitierten Gartner-Erhebung vorziehen, wenn Unternehmen im Kundenservice keine KI einsetzen.
-
53 Prozent würden bei entsprechender Kenntnis sogar den Anbieter wechseln.
-
Für Deutschland bestätigt der zitierte Trendmonitor, dass 75 Prozent zwischenmenschlichen Kontakt im Service weiterhin für wichtig halten.
Im Marketing übernimmt die Automatisierung Segmentierung, Kampagnenlogik und Lead-Qualifizierung. Der Mensch gestaltet Positionierung und Botschaft. Im Sales liefert das CRM Kontext, Next-Best-Action und saubere Übergaben. Der Mensch führt das Gespräch, in dem Vertrauen entsteht. Im Service erledigen Bots und Self-Service die wiederkehrenden Anfragen. Der Mensch übernimmt dort, wo es komplex, emotional oder eskaliert ist, also genau dort, wo Bindung gewonnen oder verloren wird.
Der Punkt ist: Diese Arbeitsteilung funktioniert nur auf einem gemeinsamen Datenfundament. Wenn der Servicemitarbeitende in der heiklen Eskalation nicht sieht, was Marketing versprochen und Sales zugesagt hat, ist die menschliche Interaktion zwar gut gemeint, aber kontextlos. Die Human-to-Human Experience braucht die Datenarchitektur als Voraussetzung, nicht als Gegenpol.
Welche Rolle spielen KI-Agenten in der Wertschöpfungskette?
KI-Agenten verschieben die Grenze von Assistenz zu teilautonomer Ausführung. Sie reagieren nicht mehr nur auf einzelne Anfragen, sondern planen mehrstufige Aufgaben, führen sie aus und greifen dabei selbstständig auf Daten und Systeme zu. Dass solche Agenten ganze Prozessketten übernehmen, ist keine ferne Zukunftsmusik mehr: von der Angebotserstellung über die Auftragsbestätigung bis zur Rechnungserstellung.
Für den Mittelstand heisst das zweierlei:
-
Erstens entsteht echter Hebel dort, wo ein Agent einen ganzen Workflow orchestriert, nicht dort, wo er einen einzelnen Klick spart. Ein Agent, der einen Angebotsprozess von der Anfrage über die Datenanreicherung bis zum versandfertigen Entwurf durchzieht, verändert die Wertschöpfung. Ein Agent, der nur einen Textbaustein vorschlägt, ist Komfort.
-
Zweitens entscheidet die Datenqualität über die Brauchbarkeit, und zwar schärfer als bei jeder bisherigen Anwendung. Ein Agent, der auf inkonsistenten Daten operiert, trifft selbstständig falsche Entscheidungen in höherer Frequenz. Damit schliesst sich der Kreis zur Architektur: Erst ein konsistentes Kundendatenmodell macht Agenten über Marketing, Sales und Service hinweg verlässlich.
Damit ein Agent nützt statt schadet, braucht er klare Leitplanken. Als Unternehmen muss man dafür einige Grundsatzfragen beantworten:
-
Welche Aufgaben übergeben wir der KI?
-
Welche Daten darf die KI nutzen?
-
Nach welchem Regelwerk muss die KI arbeiten?
-
Wo braucht es Kontrolle, etwa einen bewussten Human-in-the-Loop-Prozess, bei dem am Schluss immer ein Mensch den letzten Entscheid fällt?
-
Wie gestalten wir die Zusammenarbeit zwischen Mensch und KI, damit sie produktiv und zugleich verantwortungsbewusst ist?
Ein Agent, der ohne solche Regeln und ohne menschliche Kontrolle arbeitet, ist kein Fortschritt, sondern ein Risiko. Die Studie warnt zu Recht vor zwei Mustern: dem blinden Vertrauen in KI-Vorschläge und der Neigung, eigene Urteile zu wenig zu hinterfragen, sobald eine Maschine eine Antwort liefert.
Sobald ein Unternehmen Kundendaten sammelt, gelten klare Spielregeln. Man muss wissen, welche Daten man über eine Person hat und warum, man braucht für vieles deren Einwilligung (etwa für Marketing-E-Mails), und man muss diese Daten auf Anfrage herausgeben oder löschen können. Kommt KI im Kundenkontakt zum Einsatz, gehört dazu auch, offen zu sagen, dass ein Chatbot eine Maschine ist und kein Mensch.
Diese Regeln stehen im revidierten Schweizer Datenschutzgesetz. Wer zusätzlich Kundinnen und Kunden in der EU bedient, muss die dortigen, etwas strengeren Vorgaben ebenfalls erfüllen. Für einen Schweizer Mittelständler ist das kein Grund zur Sorge, aber ein Grund, es früh richtig aufzusetzen.
Die gute Nachricht: Genau das nimmt einem eine zentrale Plattform für alle Kundendaten weitgehend ab. Liegen alle Daten in einem System statt in vielen Insellösungen, ist klar, wer für welche Daten verantwortlich ist, jede Einwilligung ist hinterlegt und nachvollziehbar, und eine Löschung lässt sich sauber durchführen. So wird Datenschutz zu einer Eigenschaft des Systems statt zu mühsamer Handarbeit. Die Architektur-Drehscheibe zahlt damit ein zweites Mal ein: erst für KI, jetzt für den Datenschutz.
Selbst die beste Architektur transformiert nicht von allein. Der Radar ist hier deutlich: Neue Systeme scheitern oft nicht an der Technologie, sondern daran, dass sie auf gewachsene Gewohnheiten und bestehende Machtlogiken treffen, ohne dass die Führung aktiv in den Wandel investiert. Genau hier zeigt sich, warum eine lernende Organisation zum Fundament zählt: Ein CRM-, Digitalisierungs- oder KI-Vorhaben ist immer auch ein Change-Vorhaben.
Für den Mittelstand heisst das, Datenmodell, Prozesse und Adoption zusammen zu denken. Wer nur die Technik einführt, schafft eine digitale Hülle um alte Strukturen. Wer Mitarbeitende früh einbindet, Verantwortlichkeiten klärt und Kompetenz aufbaut, macht aus dem System tatsächlich neue Arbeitsweisen. Die organisationale Verankerung einer Einführung gehört deshalb ins Projekt und nicht in eine separate Nachbetrachtung.
Die Verantwortung verteilt sich, aber sie konvergiert auf einer gemeinsamen Architektur. Drei Rollen, drei Schwerpunkte, ein Fundament.
Fazit
Der Trendradar 2026 macht Mut. Er zeigt: Die grossen Themen wie KI, Digitalisierung und Kundenerlebnis sind keine getrennten Grossprojekte, die man alle gleichzeitig stemmen muss. Sie ruhen auf einem gemeinsamen Fundament aus sauberen Daten, klaren Prozessen und eindeutigen Verantwortlichkeiten. Und genau dieses Fundament hat jedes Unternehmen selbst in der Hand.
Das ist die eigentlich gute Nachricht für den Mittelstand: Sie müssen nicht alle 15 Felder bespielen. Sie müssen einen Punkt richtig setzen, die Architektur-Drehscheibe aus Daten, CRM und einer durchgängigen Customer Journey. Wer hier investiert, baut nicht an einem einzelnen Projekt, sondern an der Grundlage, auf der KI, Digitalisierung, Datenschutz und ein echtes Kundenerlebnis gleichzeitig wirken.
Gerade mittelständische Unternehmen sind dafür im Vorteil: kürzere Wege, schnellere Entscheidungen, näher am Kunden. Wer jetzt das Fundament legt, verschafft sich einen Vorsprung, der mit jedem weiteren Schritt grösser wird. Eins richtig gemacht, vieles ermöglicht.
