GenAI Zürich Award 2026: Erkenntnisse aus 70 Projekten über den Business-Nutzen von KI
Autor: Christoph Schnidrig, Head of Technology, AWS Switzerland
Generative KI hat die Pilotprojekte in vielen Schweizer Unternehmen längst hinter sich gelassen und ist Teil produktiver Geschäftsprozesse geworden. Wie weit dieser Wandel bereits fortgeschritten ist, zeigte sich beim GenAI Zürich Award 2026. Fast 70 Projekteinreichungen aus der Schweiz und Europa gingen ein. Die meisten Unternehmen konnten jedoch ihren Business-Nutzen bislang nicht belegen. Eine genauere Analyse zeigt, worauf es stattdessen ankommt.
Der Award richtete sich an Unternehmen aus der Schweiz und Europa, die generative KI produktiv einsetzen. Die Einreichungen kamen von Unternehmen unterschiedlicher Grösse aus den Bereichen Gesundheitswesen, Versicherung, Landwirtschaft, Industrie und Bildung. 15 unabhängige Branchenexperten bewerteten jedes Projekt, die Gewinner wurden Anfang April in Zürich gekürt. Anschliessend werteten die Juroren den Datensatz mit agentischen KI-Werkzeugen von AWS erneut aus und fassten die Erkenntnisse in einem Business-Leitfaden zusammen.
Es hakt beim Nachweis
Gutachter bemängelten wiederholt Behauptungen ohne Methodik und Wirkungszahlen, die sich als Projektion entpuppten. Selbst technisch überzeugende Projekte taten sich schwer, weitere Investitionen zu sichern, wenn sie ihren Wert nicht in Geschäftszahlen ausdrücken konnten. Die Projekte, die sich abhoben, hatten sich vor dem Bau auf vier Kennzahlen festgelegt: Nutzung, Effizienz, Qualität und Kosten pro Arbeitseinheit.
Wie sich das in der Praxis auszahlt, zeigt eine Versicherungsgruppe, die alle Texte in vier Sprachen einheitlich halten muss und zwar von der Kundenmail bis zum Vertrag. Statt ein Standard-Übersetzungstool zu nutzen, gibt sie der KI die geprüften Rechtsbegriffe in einer eigenen Datenbank direkt in die Anfrage mit – samt Anweisung, sie unverändert zu übernehmen. Bei Bedarf lassen sich die Änderungen markiert einsehen und einzeln annehmen oder ablehnen. Nach drei Monaten in Produktion führte das zu über 12’000 bearbeiteten Anfragen, einer Bearbeitungszeit von unter zehn Sekunden und 80 Prozent geringere Abhängigkeit von externen Übersetzungsdiensten. Der Unterschied lag darin, Nachvollziehbarkeit von Anfang an einzubauen.
Klarer Vorteil durch engen Fokus
Ein wiederkehrendes Muster zeigte sich bei Projekten mit engem Fokus. Diese schnitten im Vergleich zu Projekten mit breitem Anspruch besser ab. Ein Digital-Marketing-Unternehmen konzentrierte sich etwa ausschliesslich auf bessere Akquise-E-Mails für Vertriebsteams und belegte innerhalb von drei Monaten einen Umsatzanstieg von 25 Prozent bei dreimal günstigerem Betrieb. Ein Healthcare-Startup ging denselben Weg bei der klinischen Dokumentation und fokussierte sich auf die administrative Last, die Ärzten am meisten zu schaffen macht. Nach 16 Monaten zählte es 45 zahlende Kunden und über 300 aktive Nutzer.
Wer diesen ersten Schritt gemeistert hatte, verschaffte sich mit einer zweiten Entscheidung einen dauerhaften Vorteil: eigenes Domänenwissen statt generischer Fähigkeiten. Ein Agrartechnologie-Unternehmen betreibt etwa eine Marketingplattform mit fünf spezialisierten KI-Agenten, die auf firmeneigene Daten aus dem globalen Geschäft zugreifen – Farmer-CRM, Social-Listening, Markendatenbank und Kampagnenmetriken. Die Agenten verstehen regionale Anbaukontexte und Kommunikationsgewohnheiten von Landwirten, weil sie diese Daten live beziehen. Einen solchen Kontext bringt ein generisches KI-Werkzeug nicht mit.
Was jetzt zählt
Die Jury leitete aus den Daten ab, dass generative KI bereit für den Einsatz im Arbeitsalltag ist. Entscheidend ist allerdings, ob ein Unternehmen den Nutzen dieser Technologie auch tatsächlich belegen kann. Es muss generative KI verantwortungsvoll steuern und lange genug bei einer Aufgabe bleiben, um echten Wert zu schöpfen. Wer all diese Punkte ernst nimmt, verschafft sich einen Vorsprung, den Nachzügler kaum aufholen können.
Governance beschleunigt die Einführung von generativer KI, auch wenn häufig das Gegenteil vermutet wird. Projekte mit belastbarer Datenhoheit, lückenlosen Audit-Trails und menschlicher Prüfung an kritischen Stellen erreichten höhere Nutzungsraten als Projekte ohne diese Grundlage. Gespräche mit internen Stakeholdern gingen von einer Position des Vertrauens statt des Risikos aus.
Der Business-Guide zum Award schlägt einen Fahrplan nach Reifegrad vor. Wer noch nicht gestartet ist, sollte zuerst den Arbeitsablauf mit dem grössten Leidensdruck identifizieren und den heutigen Zeitaufwand messen. Wer bereits über Pilotprojekte verfügt, sollte einen Messzyklus von 30 Tagen mit Ausgangswerten durchführen und die Resultate mit Methodik dokumentieren. Und wer bereit zur Skalierung ist, sollte das Governance-Rahmenwerk dokumentieren und erst auf Basis von Belegen weitere Arbeitsabläufe erschliessen. (AWS Switzerland/mc/ps)
Hinweis auf AWS Blog mit den Artikeln:
https://aws.amazon.com/blogs/alps/what-nearly-70-genai-projects-taught-us-about-what-actually-works-and-how-we-used-agentic-ai-to-find-out/
