91% der Digitalagenturen nutzen AI — doch nur 34% haben Governance. Klein (5–9 MA) vs. Gross (100+). SEO, Design, E-Commerce: unterschiedliche Adoption. Datenqualität ist der reale Bottleneck.
91% der Schweizer Digitalagenturen nutzen AI irgendwie (2026). Aber: Nur 34% haben Regeln für Datenschutz. Kleine Agenturen (5–9 MA) sind chaotisch, grosse haben Struktur. Copy/Multimedia führt (72%, 64%), Design/Coding hinten. Der Bottleneck ist nicht AI — es ist Data Quality. 70% der Clients haben Daten-Silos. Agenturen, die Data-Cleaning + Governance als Leistung anbieten, gewinnen in 2026.
Der Adoption-Hype vs. die Governance-Realität
91% der Schweizer Digitalagenturen nutzen AI in irgendeiner Form. Das klingt nach einer vollzogenen Transformation.
Die Realität ist weniger eindeutig: 34% der Agenturen — und noch schlimmer bei Kleinunternehmen mit 5–9 Mitarbeitern (nur 23%) — haben definierte Regeln dafür, welche Daten in AI-Tools dürfen.
Das ist kein administrativer Detail. Das ist ein Compliance-Risiko. Agenturen füttern AI mit Client-Daten, Kontrakt-Informationen, Mitarbeiter-Daten — und haben nie geprüft, ob die neue Datenschutzverordnung (nFADP) hier greift.
Die nFADP gilt direkt seit September 2023. Die Bundesbeamten haben sich klar geäussert: Agenturen, die AI nutzen, müssen Transparenz bieten, müssen Nutzer informieren, dass eine Maschine mitarbeitet, und müssen bei risikoreichen Fällen Impact-Assessments machen.
Für Schweizer Agenturen bedeutet das: Der Wettbewerbsvorteil liegt nicht mehr in “Wir nutzen AI schneller als die Konkurrenz.” Der Vorteil ist: “Wir nutzen AI sicher, dokumentiert, compliant.”
⚠ DATEN-HYGIENE ZUERST
70% der Schweizer Unternehmen hatten Major Data Discrepancies in ihren Analytics, bevor sie mit AI-Projekten starteten. Agenturen, die ihren Clients jetzt sagen "Lass mich zuerst Deine Daten aufräumen", bauen längerfristige Verträge auf als die, die direkt AI deployen.
Nach Agentur-Grösse: Klein vs. Gross
Die Adoption ist nicht gleichmässig. Sie folgt der Grösse und dem Budget.
Kleine Agenturen (5–9 Mitarbeiter — 53% der Schweizer Agentur-Basis):
- 67% planen AI-Integration bis Ende 2026
- Aber: 23% haben Daten-Governance-Regeln
- Use-Case-Fokus: Copy (ChatGPT), kleine Content-Batches
- Problem: Jedes Projekt wird einzeln gebaut. Keine Wiederholbarkeit. Jeder Mitarbeiter nutzt andere Tools.
Mittlere Agenturen (10–50 MA — ca. 35% der Basis):
- 80% nutzen AI operativ
- 40% haben strukturierte Schulung
- Use-Cases: Content, Reporting, einfache Automatisierung
- Problem: “Scattered pilots” — viele kleine AI-Experimente, keine Skalierung zu durchgehenden Workflows
Grosse Agenturen (100+ MA — ca. 12% der Basis):
- 95% haben AI-Integration
- 60% haben CDO oder AI-Governance-Owner
- Use-Cases: Agents, Multi-Agent-Orchestration, Custom Models
- Stärke: Strukturierte Change-Management, Audit-Trail, Policy-Compliance
Die Einsicht: Grösse korreliert mit Governance-Reife, nicht mit Technology-Innovation. Kleine Agenturen sind oft schneller mit Experimenten, gross mit Sicherung.
91 %
Schweizer Agenturen mit AI-Nutzung
irgendwie, irgendwo. 2026.
34 %
mit Daten-Governance-Regeln
Nur ein Drittel weiss, welche Daten in AI gehen dürfen.
72 %
Copy/Content-AI-Nutzung
Führend. Multimedia +17pp zu 64%. Design/Coding hinten.
Nach Disziplin: Copy führt, Design hinkt
Die Arbeitsbereichs-Unterschiede sind messbar.
Copy & Content (72% AI-Nutzung):
- Standard: ChatGPT, Jasper, Claude für Copy, Subject Lines, Social Media Texte
- ROI klar: Zeit-Einsparung, Konsistenz, A/B-Testing-Drafts
- Problem: “AI Slop” — generische, leblose Copy. 64% der Agenturen nennen das ihre Top-Besorgnis.
- Lösung: Agenturen, die Human Review in jeden Workflow einbauen, gewinnen. Der beste AI-Copy ist noch immer ein AI-Entwurf + einen Menschen + 15 Minuten.
Multimedia (64% — Images, Video, Audio):
- Wachstum +17 Punkte vs. letztes Jahr
- Midjourney, DALL-E, Synthesia für Stock-Ersatz, schnelle Previews
- Problem: Copyright-Risiken, Qualitäts-Inkonsistenz
- Trend: Schweizer Agenturen bauen proprietary Workflows — Custom Midjourney-Styles für Client-Brand, anstelle von Stock-Garbage
Datenreporting & Analytics (stark wachsend):
- AI transkribiert Daten zu narrativen Insights
- “Warum ist Conversion diese Woche um 18% gesunken?” → AI mit Data-Context antwortet sofort
- Problem: Wenn Daten schlecht, Insights Quatsch. Siehe Daten-Qualitäts-Gap oben.
Design & Interaction (langsamer, ca. 40%):
- Figma Plugins (AI auto-layout, colour harmony)
- Aber: Designer zaudert, weil sie Qualitätskontrolle unklar ist
- Echtheitsproblem: Clients wollen “unique design”, nicht “AI-generischer Stil”
- Trend: “Design-Assistent” statt “Design-Replacement” (Prototyping, Iteration, nicht finale Pixel)
Coding & Development (50%, wachsend):
- GitHub Copilot, Claude for Code, Cursor IDE Standard
- Schneller Draft-Code, schneller Bug-Hunt
- Problem: Junior Dev nutzt AI ohne Foundation → weniger Learning, mehr Tech Debt
- Lösung: Agenturen, die AI-Code-Review + Governance strukturieren, gewinnen im Recruitment (Juniors lernen schneller)
Regel: Copy ist einfach zu messen. Design & Coding brauchen Qualitäts-Metriken, die Agenturen erst noch definieren müssen.
Das Daten-Qualitäts-Geheimnis
Hier ist der klarste Befund aus dem Markt: Datenqualität ist der Bottleneck, nicht die AI.
Z Digital Agency hat 17 AI-Projekte in der Schweiz, Frankreich, Deutschland auditiert. Ergebnis: 70% der Clients hatten Major Data Discrepancies in ihren Analytics-Systemen, bevor AI eingesetzt wurde.
Das bedeutet:
- Umsatzzahlen in drei verschiedenen Systemen unterschiedlich
- Kundenlisten dupliziert und veraltet
- Conversion-Tracking mit Bugs seit Jahren
- “Sales-Pipeline” existiert in Excel, nicht im CRM
Und dann: “Lass mich einen Agent bauen, der auf Deinen Daten trainiert.” Ergebnis? Ein Agent, der Unsinn mit Selbstvertrauen spricht.
Das ist der echte Marktvorteil für Schweizer Agenturen: Agenturen, die zuerst Daten aufräumen (Data Audit, Deduplication, System-Reconciliation) und dann AI deployen, bauen längerfristige, profitablere Kundenbeziehungen auf.
Die Agenturen, die direkt AI-Chat deployen? Einmalige Projekte. Keine Wiederbestellung.
Regulierung: nFADP + die EU-AI-Act-Welle
2026 ist ein Regulator-Moment für die Schweiz.
Die nFADP (neue Datenschutzverordnung) gilt seit September 2023 und gilt direkt für AI-Systeme. Das bedeutet:
- Transparenz: Wenn ein AI-System eine Entscheidung trifft, muss der Nutzer das wissen
- Menschlicher Eingriff: Bei risikoreichen Entscheidungen (Personalentlassung, Kreditvergabe, Health-Triage) muss ein Mensch nachschauen können
- Impact-Assessment: Bei Datenverarbeitung, die “high risk” ist (Profiling, biometrisch, etc.), muss eine Agentur einen DPIA (Data Protection Impact Assessment) machen
Ausserdem: Europa baut die AI-Act (wahrscheinlich live 2025–2026). Schweizer Agenturen, die Clients ins EU exportieren, sind dadurch betroffen. Die EU wird Kategorien von AI-Risiko definieren — und Agenturen müssen dokumentieren, dass ihre AI-Systeme diese Kategorien erfüllen.
Das ist nicht Paranoia. Das ist Wettbewerbsvorteil: Die Agenturen, die jetzt AI-Audit-Dokumentation standardisieren, werden in 12 Monaten die Agenturen mit Regulatory-Sicherheit sein. Ihre Konkurrenz wird hastig dokumentieren müssen.
Der “Capacity Gap” — das unbequeme Rätsel
Hier ist ein Paradoxon, das Schweizer Unternehmen jetzt lösen müssen:
80% der Führungskräfte sagen, dass 2025 ein Wendepunkt für AI-Strategie war. 80% der Mitarbeiter sagen, dass sie total erschöpft sind und keine Zeit für Innovation haben.
Das ist der “Capacity Gap”: AI soll Arbeit einsparen, stattdessen prasselt eine neue Schicht von Projekten/Möglichkeiten auf Teams ein, die ohnehin am Limit sind.
Für Agenturen konkret:
- Agenturen mit 5–9 MA: Jemand wird AI-”Spezialist”, aber macht auch noch 5 andere Jobs. AI-Projekte stoppen, wenn dieser Mensch krank ist.
- Mittlere Agenturen: Eine Person für AI-Training / Governance, aber Training ist freiwillig → schafft Skill-Gap
- Grosse Agenturen: AI-Team existiert, aber gekämpfe zwischen “dem sollen wir alles automat machen” und “aber die Leute müssen noch was lernen”
Die Lösung ist nicht mehr Technology. Die Lösung ist Organisationsgestaltung. Schweizer Agenturen, die jetzt die Frage beantworten “Welche Jobs geben wir den Agenten, welche den Menschen?” werden schneller skalieren als die, die noch hoffen, dass AI-Tools sich selbst organisieren.
Sollte meine kleine Agentur (5–9 MA) jetzt in AI investieren?
Ja — aber nicht “implement ChatGPT for everything.” Start: Datenqualitäts-Audit (ist unsere Kundenliste sauber?), dann ein Prozess automatisieren (z.B. Rechnungs-Verarbeitung OCR + Klassifizierung). Nach 30 Tagen: Fehlerquote, Zeit-Einsparung messen. Nur dann expandieren. Budget: CHF 2’000–5’000 für einen Audit + kleine Automation. ROI in 3–6 Monaten messbar.
Wie vermeide ich 'AI Slop'?"
Menschlicher Review in JEDEN Workflow. “AI Entwurf + menschliche Überprüfung (15 Min) = Qualität.” Die Agenturen, die das standardisieren und das als Prozess dokumentieren, gewinnen Kunden. Die, die AI-Output als finished product behandeln, verlieren.
Ist nFADP-Compliance ein Risiko für mich?"
Ja. Wenn Du AI mit Kundendaten trainierst und keine Regeln hast, kann die Datenschutzkommission investigieren. Start: (1) interne Regel: “welche Daten dürfen in AI?”, (2) Client-Verträge: Clause “wir nutzen AI bei Ihrer Datenverarbeitung”, (3) für high-risk: Impact-Assessment. Budget: CHF 500–2’000 Legal Review, einmalig. Danach Compliance-Standard.
Sollen wir ein Data-Governance-Team haben?"
Nicht zwingend ein ganzes Team — aber die Verantwortung muss klar sein. Entweder: eine Rolle (Head of Data Quality, oft Teil des Operations Lead), oder: externe Beratung (quartalsweise Audit). Grosse Agenturen: Chief Data Officer. Mittlere: eine Person + externes Audit. Kleine: externe Beratung (CHF 3’000–5’000 p.q.).
Quellen & Methodik
Dataset:
- AXA+Sotomo 2025 Study on Swiss SME AI Adoption (kmu.admin.ch, n=501 Swiss SMEs)
- EY AI Survey 2026 Switzerland (n=600 Swiss companies, May 2026)
- Val Index Commercial Register Analysis (Feb 2026, ~3,500 Swiss agencies, CHF 3.2B market)
- Z Digital Agency Audit Data (17 AI implementation projects, 2025–2026)
- Digiday 2026 Agency AI Adoption Report (n=142 brand/agency professionals)
- Deloitte State of AI in Enterprise 2026 (n=3,235 senior leaders, 24 countries)
Limitationen:
- Data Suisse fokussiert (Generalisierung auf andere Länder begrenzt)
- Survey responses basieren auf Self-Assessment (actual compliance kann divergieren)
- “AI Adoption” ist breit definiert — von ChatGPT-Einzelnutzer bis zur strategischen AI-Transformation
- Grössen-Kategorien (Klein <10, Mittel 10–50, Gross 100+) sind illustrativ; Schweizer Agentur-Verteilung ist stark left-skewed (Median 5–8 MA)
Verlinkte Agenturen-Referenzen:
- Smartive — führend in Data-Governance + AI-Integration
- Liip — proprietary AI-Tools & Frameworks
- Webrepublic — AI-Augmented Marketing
- Metanet — Schweizer-Scope, KMU-fokussiert