Was einen guten KI-Berater ausmacht: Qualitätsmerkmale für den Schweizer Markt

Der Schweizer Markt für KI-Beratung wächst schnell, und die Qualität der Angebote variiert erheblich. Nach Zahlen von LinkedIn hat sich die Anzahl der Profile, die "AI Consultant" oder "KI-Berater" als Bezeichnung führen, zwischen 2022 und 2025 in der Schweiz mehr als verdreifacht. Die Nachfrage ist real, aber die Unterschiede zwischen fundierter Beratung und oberflächlichem Hype-Verkauf sind für Unternehmenskunden oft schwer zu erkennen. Als jemand, der die AI Business Specialist Ausbildung absolviert hat und diese Perspektive mit meiner Treuhänderpraxis verbindet, will ich beschreiben, was echte Kompetenz in diesem Bereich ausmacht.

Das Kompetenzdreieck: Technik, Analyse, Projektmanagement

Ein guter KI-Berater braucht keine Programmierkenntnisse auf dem Niveau eines Software-Ingenieurs. Er braucht aber drei Kompetenzbereiche, die zusammen ein Dreieck bilden, das zusammenbricht, wenn eine Seite fehlt.

Erstens: Technisches Verständnis ohne Code-Abhängigkeit. Der Berater muss erklären können, wie ein Large Language Model grundsätzlich funktioniert: dass es Wahrscheinlichkeiten über Tokenfolgen berechnet, keine Wahrheit erkennt, und dass "Halluzinationen" kein Fehler, sondern ein strukturelles Merkmal dieser Architektur sind. Er muss verstehen, was der Unterschied zwischen einem fein-abgestimmten Modell (Fine-tuning) und einem Standardmodell mit angepasstem Prompt ist, und wann welcher Ansatz sinnvoll ist. Er muss die Stärken und Grenzen von Retrieval Augmented Generation (RAG) kennen, weil dies für Unternehmensanwendungen mit internen Dokumenten die relevanteste Architektur ist.

Was er nicht braucht: selbst Modelle zu trainieren oder Python-Code zu schreiben. Ein Architekt muss keine Wände mauern können. Aber er muss die statischen Grundprinzipien verstehen, sonst zeichnet er Pläne, die nicht stehen.

Zweitens: Geschäftsanalyse und strategische Einordnung. Der Berater muss KI-Potenziale im Kontext des Geschäftsmodells eines Unternehmens beurteilen können. Das bedeutet konkret: Er kann eine PESTEL-Analyse durchführen und die KI-Strategie im regulatorischen Umfeld verankern. Er kann Porters Five Forces anwenden und die Wettbewerbssituation eines KI-Investments einschätzen. Er kennt das Kano-Modell und kann damit unterscheiden, welche KI-Funktionen Basiserwartungen erfüllen, welche Leistungsmerkmale liefern und welche echte Begeisterung erzeugen.

Er kann eine TCO-Analyse für KI-Tools erstellen, die über den Abonnementspreis hinausgeht, und er kann eine gewichtete Entscheidungsmatrix moderieren, bevor die erste Lösung evaluiert wird.

Drittens: Projektmanagement und Umsetzungskompetenz. Konzepte zu entwickeln ist die einfachere Hälfte der Arbeit. Die schwierigere Hälfte ist die Umsetzung im Unternehmensalltag, mit echten Menschen, realen Datenproblemen und wechselnden Prioritäten. Ein guter KI-Berater hat Erfahrung mit agilen Vorgehensweisen, versteht Stakeholder-Management und kann einen Projektkickoff mit Pre-Mortem-Analyse leiten.

Er kann den Unterschied zwischen Scope und Out-of-Scope moderieren, ohne Ideen zu unterdrücken. Er weiss, wann ein KI-Projekt zu einem Datenprojekt wird (weil die Datenqualität das eigentliche Problem ist), und er hat den Mut, das früh zu sagen, auch wenn es unbequem ist.

Schweizer Regulierungskompetenz als Differenzierungsmerkmal

In meiner Praxis ist Regulierungswissen der am häufigsten unterschätzte Qualitätsfaktor bei KI-Beratern. Internationale Consultants ohne Schweizer Marktkenntnis bieten oft technisch brillante Lösungen an, die an lokalen Anforderungen scheitern.

Das revidierte Datenschutzgesetz (nDSG) enthält spezifische Anforderungen für automatisierte Einzelentscheidungen, die direkt KI-Anwendungen betreffen. Wer ein KI-System für Kreditbeurteilung, Mitarbeiterbewertung oder Kundenrisikobewertung einsetzt, muss in der Lage sein, die Entscheidungslogik zu erklären und Widerspruchsrechte sicherzustellen. Berater, die diese Anforderungen nicht kennen, raten ihren Kunden zu Systemen, die sie später aus Compliance-Gründen wieder abschalten müssen.

Die FINMA hat in mehreren Aufsichtsmitteilungen klargestellt, dass algorithmische Entscheide in regulierten Bereichen (Kreditvergabe, Anlageberatung, Geldwäscheprävention) dem Prinzip der Erklärbarkeit folgen müssen. Das schliesst komplexe neuronale Netze für bestimmte Entscheidungsarten aus oder erfordert zumindest einen menschlichen Reviewprozess.

Ein KI-Berater, der im Finanzsektor tätig ist, muss diese Rahmenbedingungen aus dem Effeff kennen, nicht weil er Jurist ist, sondern weil er einschätzen muss, welche technischen Architekturen in diesem regulatorischen Umfeld überhaupt einsetzbar sind.

Red Flags beim Hiring

In meiner Beratungspraxis habe ich Unternehmen begleitet, die zuvor schlechte Erfahrungen mit KI-Beratern gemacht hatten. Aus diesen Gesprächen habe ich wiederkehrende Warnsignale destilliert.

Das erste Red Flag: Der Berater spricht mehr über die Technologie als über das Problem. Wenn jemand in den ersten dreissig Minuten eines Erstgesprächs hauptsächlich über Modelle, Parameter und Architekturen redet, ohne tief in das Geschäftsproblem einzutauchen, fehlt ihm die geschäftliche Perspektive.

Das zweite Red Flag: Fehlende Bereitschaft zu messbaren Erfolgskriterien. Seriöse Berater definieren mit dem Kunden gemeinsam, woran der Erfolg eines Projekts gemessen wird, vor Projektbeginn. Wer dem ausweicht, hat entweder kein Vertrauen in sein Handwerk oder will sich die Möglichkeit offenhalten, ein diffuses Ergebnis als Erfolg zu verkaufen.

Das dritte Red Flag: Universalversprechen ohne Scoping. Sätze wie "KI kann Ihr gesamtes Rechnungswesen automatisieren" oder "Ihre Kunden werden von unserem KI-Chatbot begeistert sein" ohne vorherige Analyse der Ausgangssituation sind verkäuferischer Optimismus, der in der Umsetzung regelmässig enttäuscht.

Das vierte Red Flag: Keine Kenntnisse der relevanten Regulierung. Fragen Sie jeden KI-Berater im Finanzbereich direkt: "Welche Anforderungen stellt das nDSG an automatisierte Einzelentscheidungen?" Wenn die Antwort vage bleibt oder das nDSG als "ähnlich wie DSGVO" abgetan wird, fehlt die lokale Compliance-Kompetenz.

Das fünfte Red Flag: Kein eigenes Netzwerk an Spezialisten. KI-Projekte erfordern oft technische Expertise (ML Engineers), rechtliche Einschätzungen (Datenschutzrecht) und Change-Management-Kompetenz (interne Akzeptanz). Ein Einzelberater, der behauptet, all das selbst abzudecken, überdehnt entweder seine Kompetenz oder hat keine Tiefe in den Einzelbereichen.

Wie ich diese Kriterien in meiner Praxis anwende

Als Treuhänder mit AI Business Specialist Ausbildung verbinde ich zwei Welten, die sich in der Beratungsrealität häufig trennen: das tiefe Verständnis für finanzielle Steuerung und Compliance auf der einen Seite, und das methodische Rüstzeug für KI-Einführungsprojekte auf der anderen.

In der Praxis bedeutet das konkret: Wenn ein KMU zu mir kommt und KI in der Buchhaltung einführen möchte, beginne ich nicht mit der Tool-Auswahl. Ich beginne mit der Frage, welche Prozesse heute tatsächlich Zeit kosten und ob diese Prozesse die richtige Qualität der Daten als Input haben. In meiner Erfahrung sind 40 Prozent der KI-Projekte in Wirklichkeit Datenqualitätsprojekte. Das zu erkennen, bevor Geld in ein KI-Tool investiert wird, ist der erste Mehrwert, den ich leiste.

Der zweite Mehrwert ist die regulatorische Einbettung. Jedes KI-System, das ich mit einem Finanzdienstleister einführe, wird vorab auf FINMA- und nDSG-Kompatibilität geprüft. Nicht weil ich Jurist bin, sondern weil ich die relevanten Fragestellungen kenne und weiss, wann ich einen Spezialisten beiziehen muss.

Der Markt wird sich bereinigen

Der aktuelle Zustrom von KI-Beratern in den Schweizer Markt ist ein typisches Frühphasenphänomen. In reifen Märkten setzen sich jene durch, die nachweisbare Ergebnisse liefern, die regulatorische Rahmenbedingungen kennen und die Umsetzungskompetenz beweisen.

Für Unternehmen, die heute einen KI-Berater suchen, lautet die praktischste Empfehlung: Fragen Sie nach Referenzprojekten aus derselben Branche, mit ähnlichem regulatorischen Umfeld. Fragen Sie nach dem Scheitern: Welches KI-Projekt hat der Berater abgebrochen und warum? Wer keine Antwort auf diese Frage hat, hat entweder zu wenig Projekterfahrung oder ist nicht ehrlich genug, um ein verlässlicher Partner zu sein.

Gute KI-Berater in der Schweiz sind derzeit knapp. Aber sie sind vorhanden, und sie sind an ihren Fragen erkennbar, nicht an ihren Antworten.