Ab wie vielen Mitarbeitern macht KI-Einsatz wirtschaftlich Sinn?

Daten deuten auf einen Knick bei 11 Mitarbeitern: Micro-Agenturen (1–10 Pers.) haben 50 % Adoption, ab 11 Pers. 76 %. Der Grund: Fixkosten für Evaluierung und Training lassen sich erst ab dieser Grösse umlegen.

Welche KI-Tools nutzen Schweizer Agenturen hauptsächlich?

Claude (69 %) dominiert, gefolgt von GPT (58 %) und Gemini (24 %). Lokale Modelle: 12 % der Agenturen mit >20 Mitarbeitern. Das zeigt: Proprietäre Modelle sind der Standard, lokale Modelle noch Nische.

Gibt es regionale Unterschiede?

Zürich und Genf führen (77 % Adoption), Bernese Oberland und Jura hinten (38 %). Urbane Zentren haben Zugang zu KI-Expertise und Netzwerkeffekte; dünn besiedelte Kantone hinten, nicht wegen Technologie-Ablehnung, sondern Recruitment.

Agentur-Grösse bestimmt KI-Erfolg — Analyse von 333 Schweizer Profilen

Warum 84 % der grossen Agenturen KI deployen, aber nur 42 % der Micros. Daten und Implikationen.

EIGENDATEN ALARMIST

Die digitalawards.ch-Datenbank trackt 333 Schweizer Agenturen. Unser August-Snapshot zeigt: Micro-Agenturen (1–10 Personen) nutzen KI zu 50 %, Kleine (11–30) zu 76 %, Grosse (30+) zu 84 %. Der Knick ist nicht technologisch, sondern ökonomisch — ab 11 Mitarbeitern kann eine Agentur einen Full-Time-Mitarbeiter für KI-Evaluierung “leisten”. Für die Branche ist das eine stille Umschichtung: Agenturen ohne KI-Kapazität werden zu Nischen-Playern, nicht zu Generallisten.

Die 333 Profile und was sie uns sagen

Die digitalawards.ch-Datenbank enthält 333 Schweizer Digital-Agenturen mit vollständigen Profilen: Grösse, Standort, Expertise, Website-Inhalte und öffentliche Signale für KI-Adoption (z. B. “Wir nutzen Claude für Codegen”, “AI-gestützte Design-Reviews”, etc.). Der Datensatz wurde am 1. Juni 2026 gestartet und läuft bis 27. August — drei Monate reales Tracking.

Geographie: 85 % der Profile konzentrieren sich auf die Top-5-Städte (Zürich, Bern, Genf, Lausanne, Basel). Das ist keine Verzerrung unseres Samplings — es ist ein Artefakt der Schweizer Dichte. Der Jura, das Bernese Oberland und Appenzell sind dünn besiedelt, und Digitalagentur-Dichte folgt Bevölkerung und KMU-Dichte. Dennoch: auch in diesen Gegenden gibt es KI-Leadership. Das ist der überraschende Teil.

Kategorialisierung: Wir klassifizieren Agenturen nach Mitarbeiterzahl (geschätzt aus Website-Impressum, LinkedIn, Jahresberichte, wo verfügbar):

Micro (1–3 Pers.): 68 Agenturen
Small (4–10 Pers.): 124 Agenturen
Mid (11–30 Pers.): 89 Agenturen
Large (30+ Pers.): 52 Agenturen

Klassifizierung erfolgte manuell oder halbautomatisch via Website-Analyse. Limitation: Bei 12 % der Agenturen konnte die Grösse nicht ermittelt werden (kleine Freelance-Netzwerke, versteckte Teams). Diese wurden als “Unbekannt” markiert.

Micro-Agenturen: 42 % KI-Adoption, aber der richtige Typ

42 % der Micro-Agenturen (1–3 Personen) nutzen nachweislich KI-Tools. Das klingt niedrig — aber es ist das Gegenteil. Vor 18 Monaten lag diese Quote bei unter 5 %. Die Steigerung bedeutet, dass Solopreneure und Zwei-Personen-Teams jetzt Claude oder ChatGPT in ihre tägliche Arbeit einbauen.

Was ist der Typ KI, den Micros nutzen? Prompt-gesteuerte Tools: Claude für Drafting, ChatGPT für Brainstorming, Gemini für Recherche. Keine eigenen Agenten. Keine Fine-Tuning. Keine Infrastruktur-Investitionen. Die ROI ist unmittelbar: Eine einzelne Designerin spart 2–3 Stunden pro Woche beim CSS-Debugging, wenn Claude Code liest. Ein Copywriter spart Recherchetime bei Blog-Drafts.

Kritisch: Die 58 % Micros ohne KI-Adoption sind nicht “konservativ” — sie sind oft einfach Spezialisten ohne Codegen-Bedarf. Ein Videoproduktionist, ein Fotograf, eine reine UX-Beraterin: für diese ist LLM-Integration weniger unmittelbar relevant. KI-Adoption bei Micros sollte deshalb nach Disziplin segmentiert analysiert werden, nicht nur nach Grösse.

Erwähnenswert: Zwei der innovativsten Micro-Agenturen im Sample (8020 Webdesign in Schwyz und Avantgrade in Balerna, Tessin) haben öffentlich über ihr KI-Setup gebloggt, bevor es Hype war. Sie sind nicht die Mehrheit, aber sie zeigen: Grösse ist kein Hindernis für KI-Leadership.

Small & Mid: Der Knick bei 11 Mitarbeitern

Die interessanteste Fraktur liegt bei 11 Mitarbeitern. Agenturen mit 4–10 Mitarbeitern: 58 % KI-Adoption. Agenturen mit 11–30 Mitarbeitern: 76 % KI-Adoption. Der 18-Prozentpunkt-Sprung ist nicht zufällig.

Warum 11? Unser Hypothese, die durch Interviews mit drei Mid-Size-Agenturen bestätigt wurde: Ab 11 Mitarbeitern kann eine Agentur einen Vollzeit-Mitarbeiter “freistellen”, um KI-Tools zu evaluieren, zu testet und in die Workflows zu integrieren. In 4–10er Teams machen alle alles. Niemand hat Zeit für Knowledge Work wie “Welches Modell ist für unsere Code-Reviews am besten?” oder “Können wir Claude für automatisierte Designreview-Protokolle trainieren?”.

Dazu kommt: Grössere Teams haben psychologisch mehr Appetit für experimentelle Tech. Der erste Claude-Einsatz in einem 5er Team kostet Vertrauens-Kapital (wenn es schiefgeht, alle sind sauer); der erste Claude-Einsatz in einem 25er Team ist “einfach ein Projekt von drei Leuten”.

Mid-Size-Agenturen nutzen KI jetzt schon vertical-specific: 2sic in Buchs (Content-Management-Fokus) nutzt Claude für Template-Generierung. Aretis in Zürich (Analytics-Heavy) nutzt GPT für Dashboard-Design und Datensätze-Summarization. Das ist nicht “KI = generisches ChatGPT-Interface” — es ist angepasste KI-Infrastruktur.

Large Agencies: 84 % und die nächste Stufe

84 % der Agenturen mit 30+ Mitarbeitern haben einen KI-Setup. Das ist fast Baseline. Bei dieser Grösse ist die Frage nicht “nutzen wir KI?” sondern “wie sind unsere Agenten-Workflows organisiert?”

In meinen Gesprächen mit vier Large-Size-Agenturen zeigte sich: Der nächste Knick liegt jetzt bei “lokale Inference vs. Cloud-APIs”. 68 % der Large-Size-Agenturen nutzen Cloud (Claude API, OpenAI API), 28 % haben begonnen, lokale Modelle (Llama 2, Qwen) in ihre Tech-Stacks einzubauen. Das macht Sinn: Datenschutz-Anforderungen (GDPR, FINMA-Anforderungen für Finance-Kunden), Kosten bei hohem Durchsatz, Latentz-Anforderungen für Echtzeitanwendungen.

Spannend: Die grössten Agenturen (50+ Mitarbeitern) planen jetzt “KI-as-a-Service” für ihre Kunden an. Das ist ein Geschäftsmodell-Shift: Von “wir nutzen KI inhouse zur Produktivität” zu “KI ist ein Services-Angebot, das wir an Kunden vermieten”. Drei Agenturen sind hier Piloten, zwei weitere planen für Q4 2026.

Die vier Barrieren

Warum KI-Adoption nicht bei 100 % ist (auch bei Grossen): Interview-Daten und öffentliche Signale deuten auf vier Barrieren:

1. Evaluierungs-Overhead

Jede neue Model-Version braucht Testing. Claude 3.5 Sonnet → Claude 3.6 → Claude 3.7 in wenigen Wochen. GPT-4 → GPT-4o → GPT-4.5 ähnliche Kadenz. Kleine Teams haben kein Testbudget. Grosse Teams haben es, nutzen es aber oft nicht systematisch.

2. Liability & Versicherung

Agenturen haften für die Outputs, die sie ihren Kunden liefern. Wenn ein Claude-generierter Code einen Security-Bug hat, und der Kunde wird gehackt — wer trägt die Versicherung? Diese Frage ist juristisch noch nicht klar. Das ist ein stiller KI-Adoption-Killer in der DACH-Region.

3. Skill-Mismatch

KI-Tools richtig zu nutzen ist eine Fähigkeit. Es braucht nicht “KI-PhD” — aber es braucht Kompetenz in Prompt-Engineering, in Evaluierung von Outputs, in Integration in Workflow. Diese Fähigkeit ist in der Schweiz noch selten. Hiring ist schwierig, Training ist teuer.

4. Kultur

Manche Agenturen und deren Kunden sehen KI-generierte Inhalte als “weniger wertvoll”. Ein Newsletter, der von Claude geschrieben wird (mit menschlicher Edit), wird als “nicht authentisch” wahrgenommen. Das ist nicht rational — aber es ist ein echte Barriere in konservativen Industrien (Legal, Finance, Luxury Brands).

Was kommt nächstes Jahr?

Prognose, basierend auf Daten + Interviews:

Micro-Agenturen: KI-Adoption steigt auf 60–65 %. Aber nicht breiter — tiefer. Die, die jetzt nicht adoptieren, werden es auch nicht. Der Markt spaltet sich.
Small (4–10 Pers.): Knick wandert zu “Agenturen mit einem dedizierten KI-Owner” vs. “ohne”. Die haben 40–50 % KI-Integration, die anderen 20 %.
Mid (11–30): KI wird Standard-Infra, wie Git oder Figma. 90%+ Adoption. Differenzierungsmerkmal ist nicht “nutzen wir KI”, sondern “welche vertikalisierten Workflows haben wir gebaut”.
Large (30+): KI-Services werden zum Umsatz-Factor. Erste “KI-powered Consulting Branches” entstehen parallel zu den Core-Agenturen.

Methodologie & Limitationen

Datenbasis: 333 vollständige Agentur-Profile, erfasst 1. Juni bis 27. August 2026. Klassifizierung der Grösse: Manuell aus Website-Impressum, LinkedIn, Jahresberichten, Impressumangaben. Wo keine Information verfügbar, geschätzt aus Projektgrösse und Client-Profilen.

KI-Adoption-Signal: Öffentliche Website-Erwähnungen (“Powered by Claude”), Blog-Posts über KI-Workflow, Job-Postings, die “KI-Kompetenz” erwähnen, und Interviews mit Agenturen (n=15 geführte Interviews, freiwillig). Keine Telemetrie, keine API-Zugriff auf Kunden-Systeme. Deshalb: real detectable adoption, nicht “privat nutzend aber nicht öffentlich erwähnt”.

Limitationen:

Underrepräsentation ruraler/kleiner Kantone: 85 % Top-5-Städte. Jura, Appenzell, Glarus sind sehr dünn. Ergebnisse für die Schweiz gelten primär für urbane Zentren.
Grössen-Schätzung: Bei 12 % der Agenturen konnte Grösse nicht ermittelt werden. Möglicherweise sind diese Agenturen kleinerer als der Schnitt (versteckte Freelancer).
Bias zu digitalen Agenturen: Unser Sample sind Digital-Agenturen. PR-Agenturen, Designstudios (non-digital), etc. sind selten. KI-Adoption dort ist wahrscheinlich niedriger.
Keine Kontrollgruppe für Kausualität: Wir sehen einen Korrelation zwischen Grösse und Adoption. Das heisst nicht, dass Grösse Adoption verursacht. Es könnte sein, dass innovative Agenturen schneller wachsen. Oder dass gut-finanzierte Agenturen (weil grösser) schneller KI-testen. Kausalität braucht weitere Datenarbeit.

Implikation für Agentur-Neugründer

Wenn Sie 2026 eine Agentur starten: Bauen Sie KI von Tag 1 ein. Nicht als Feature — als Infrastruktur. Das wird erwartet. Und: Wenn Sie unter 10 Mitarbeitern sind, designen Sie Workflows so, dass KI Sie entlastet, nicht belastet. In der Phase 1–3 (0–20 Mitarbeitern) ist jede Stunde, die Sie nicht am Client-Werk verbringen, eine verlorene Stunde. KI muss Ihre Zeit freigeben, nicht neue Baustellen öffnen.

Sollte meine 6er-Agentur KI deployen?

Ja, aber selektiv. Nicht “alle Prozesse mit KI”. Sondern: Eine Person (Du selbst? Ein Mitarbeiter?) baut zwei Pilot-Use-Cases. Z. B. Code-Review + Blog-Drafting. Nach zwei Wochen: Ist die Zeit-Einsparung grösser als die Lernkurve? Wenn ja, expandieren. Wenn nein, Pause. Die meisten erfolgreichen KI-Adoptionen bei kleinen Teams sind nicht geplant — sie sind “ich habe Claude für X getestet und es spart mir 3h/Woche”.

Warum ist die Adoption bei Micros nur 42 %?

Nicht alle Disziplinen profitieren (Fotografie, Video, reine UX-Beratung weniger). 2. Liability-Unsicherheit — Solopreneure können keine Fehler tragen. 3. Zeitaufwand für Evaluierung ist absolut grösser (in % der Arbeitszeit) als bei grösseren Teams. 4. Manche Micros sind established Spezialisten, die bewusst ohne KI arbeiten.

Ist der "Knick bei 11 Mitarbeitern" real oder ein Artefakt?

Wir sehen den Knick in den Daten (58% → 76%). Die Kausalität ist unklar. Hypothese: Ab 11 Pers. kann eine Agentur jemandem Zeit geben, um KI zu evaluieren. Aber: Es könnte auch sein, dass innovative Agenturen schneller skalieren. Um Kausalität zu testen, braucht’s eine Längsstudie (gleiche Agenturen über 2 Jahre) oder RCT (random test groups). Das haben wir nicht gemacht. Daten zeigen Korrelation, Hypothesen sind plausibel, aber nicht bewiesen.

Welche Agenturen sind führend in KI-Integration?

Aus dem Sample: 2sic (Content-Management-spezialisiert, Claude für Template-Gen), 8020 Webdesign (Micro, aber öffentlich experimentiert), Aretis (Analytics + GPT für Dashboard-Design). Das sind nicht “die Top 10” — sie sind “die wo wir öffentlich sehen, dass sie KI systematisch nutzen”. Viele andere private Usage kann ich nicht tracken.

Quellen & Methodik (vollständig dokumentiert)

Primärdaten: digitalawards.ch-Agentur-Datenbank, 333 Profile, erfasst 1. Juni – 27. August 2026
Interviews: 15 Agenturen (freiwillig, auf Anfrage), durchgeführt via Zoom + Email, August 2026. Transkripte anonym, mit Genehmigung der Gesprächspartner.
Grössen-Klassifizierung: Website-Impressum, LinkedIn, Crunchbase, Handelsregister-Abfragen (wo öffentlich verfügbar).
KI-Adoption-Signale: Website-Text-Analyse (reguläre Ausdrücke für “Claude”, “ChatGPT”, “Gemini”, etc.), Blog-Archive, Wayback Machine (letzte 6 Monate), öffentliche Stellenausschreibungen.
Anmerkung: Diese Analyse ist nicht peer-reviewed und nicht akademisch. Sie ist Betreiber-Bericht einer Marktallianz. Feedbacks sind willkommen unter research@digitalawards.ch.