KI-Stolpersteine: Was Unternehmen aus AI-Fails lernen können

KI-Stolpersteine: Was Unternehmen aus AI-Fails lernen können

Über erfolgreiche KI-Projekte wird viel gesprochen. Seltener geht es um verworfene Versuche, teure Fehlentscheide, fehlendes Onboarding oder Prototypen, die nie im Arbeitsalltag ankommen. Genau diesen Erfahrungen widmete sich die Veranstaltung «KI-Stolpersteine: Erfahrungen aus der Praxis»⁠ am 26. August 2026 in Zürich.
Der gemeinsam von Swico, swissAI und Swiss Marketing organisierte Anlass brachte drei unterschiedliche Perspektiven zusammen. Harriet Moser zeigte, wie aus mutigem Experimentieren ein überraschender Erfolg entstehen kann. Qris Riner rückte die organisatorischen Voraussetzungen in den Mittelpunkt. Patman von Farner zeigte zum Abschluss, wie aus KI-Experimenten konkrete Anwendungen und neue Arbeitsweisen entstehen.

Harriet Moser: Mutig anfangen und praktisch lernen

Den Auftakt machte Harriet Moser von Ask Harriet. Anhand des KI-generierten Musikvideos «Stefanie» zeigte sie, wie aus einer kreativen Idee eine Produktion für TikTok, Instagram, YouTube und Spotify entstand.

Ihr Workflow begann nicht mit einem bestimmten KI-Tool, sondern mit kreativem Denken und einem Konzept. Erst danach folgten Prompting, Toolauswahl, zahlreiche Iterationen und die finale Produktion. Dabei kombinierte sie Claude für den Songtext, Midjourney für die Bilder, Suno für die Musik, Gemini und Veo für Rhythmus und Animation sowie CapCut für die Nachbearbeitung.

Das Resultat erzielte unter anderem mehr als eine Million Aufrufe auf TikTok und über 200’000 Aufrufe auf YouTube. Die fertigen Videos liessen jedoch kaum erkennen, wie viel Arbeit dahintersteckte. Dutzende Bildentwürfe, Animationsvarianten und Musikversionen wurden erstellt und wieder verworfen. Hände bewegten sich falsch, Personen verschmolzen miteinander und einzelne Figuren hatten plötzlich ein Bein zu viel. Einige Fehler schafften es trotz aller Kontrollen bis in die veröffentlichte Version.

Gerade dieser Blick hinter die Kulissen war wertvoll. Gute KI-Inhalte entstehen selten mit dem ersten Prompt. Sie brauchen eine klare Idee, menschliche Auswahl, Geduld und Nachbearbeitung.

Moser sprach auch offen über einen finanziellen Fehlentscheid. Im Hype um neue KI-Angebote hatte sie Jahresabonnements abgeschlossen, einzelne Tools anschliessend aber kaum genutzt. Ihre Konsequenz daraus ist einfach: zuerst monatlich abonnieren, sich auf wenige Werkzeuge konzentrieren und neue Funktionen möglichst flexibel testen.

Mir blieb aus ihrem Beitrag besonders eine andere Botschaft: Man muss kein ausgebildeter KI-Spezialist sein, um anzufangen. Auch als Quereinsteiger kann man mutig ausprobieren, Erfahrungen sammeln und sich Schritt für Schritt weiterentwickeln. KI-Kompetenz entsteht nicht nur durch Kurse oder Zertifikate, sondern vor allem durch die konkrete Anwendung.

Qris Riner: Ein KI-Agent braucht ein Onboarding

Als zweiter Referent folgte Qris Riner, Gründer und CEO von Contextery. Sein Beitrag setzte einen organisatorischen Kontrapunkt. Seine zentrale These lautete: Viele KI-Projekte scheitern nicht am Modell, sondern an der fehlenden Integration in das Unternehmen.

Das stärkste Bild seines Vortrags war jenes des neuen Mitarbeitenden. Niemand würde eine Person einstellen, ihr einen Laptop geben und anschliessend ohne Einführung zuverlässige Resultate erwarten. Bei KI-Agenten geschieht jedoch häufig genau das.

Damit ein Agent sinnvoll arbeiten kann, benötigt er Firmenwissen, Prozessverständnis, klare Verantwortlichkeiten, die passenden Werkzeuge und konkrete Ziele. Er muss wissen, wofür ein Unternehmen steht, welche Produkte es anbietet, wie die Abläufe funktionieren und woran ein gutes Resultat gemessen wird.

Riner fasste die häufigsten Fehler in sechs Entscheidungen zusammen: Prozesse neu gestalten, statt KI lediglich daneben zu stellen. Die Fähigkeiten der Systeme nicht unterschätzen. Kürzere Lernzyklen schaffen. Agenten wie Mitarbeitende einarbeiten. In Transformation statt nur in Technik investieren. Und Wissen so organisieren, dass es für die KI tatsächlich auffindbar ist.

Gerade der letzte Punkt wird oft unterschätzt. Dokumente können zwar irgendwo gespeichert sein. Ohne klare Struktur, Metadaten und einen brauchbaren Index bleiben sie für Mensch und Maschine dennoch schwer nutzbar. Abgelegt bedeutet noch lange nicht auffindbar.

Für die Auswahl geeigneter Anwendungsfälle gab Riner eine praktische Leitfrage mit: Unternehmen sollten nicht dort beginnen, wo eine Demo besonders eindrücklich aussieht, sondern dort, wo ein Prozess heute spürbar Zeit kostet oder regelmässig Fehler verursacht. Erst wenn Häufigkeit, Aufwand, Fehlerkosten und Wiederholbarkeit bekannt sind, lässt sich sinnvoll entscheiden, ob ein Prompt, ein wiederverwendbarer Skill, ein neuer Prozess oder ein Agent die passende Lösung ist.

Patman: Der Mehrwert liegt nicht im Tool

Den Abschluss bildete Patman, Patrick Spahr, KI-Spezialist bei Farner und Mitgründer von swissAI. Sein Beitrag zeigte die grösste Bandbreite an bereits gebauten Anwendungen. Er präsentierte nicht nur einzelne Tools, sondern vollständige Systeme für Weiterbildung, Contentproduktion, Krisentraining sowie Medien- und Politikmonitoring.

Seine zentrale These war klar: Der Mehrwert entsteht aus der Verbindung von Erfahrung, eigenen Daten und den richtigen Fähigkeiten. Nicht das Tool entscheidet, sondern die Anwendung.

KI kann Abhängigkeiten reduzieren und einer einzelnen Person ermöglichen, deutlich mehr Rollen zu übernehmen. Recherche, Konzeption, Gestaltung, Entwicklung und Analyse rücken näher zusammen. Gleichzeitig werden menschliche Fähigkeiten dadurch nicht weniger wichtig. Kreatives und nicht lineares Denken sowie die Fähigkeit, Aufgaben sauber zu delegieren, gewinnen weiter an Bedeutung.

Patman beschrieb vier Reifestufen: KI als Denkpartner, als Assistent, als Arbeitskollege und schliesslich als System. Damit wird deutlich, dass ein gelegentlich genutzter Chatbot noch keine Transformation darstellt. Wirkung entsteht erst, wenn KI-Kompetenz aufgebaut, Wissen verfügbar gemacht und die Technologie in wiederholbare Abläufe integriert wird.

Mit der Farner Intelligence und der zugehörigen AI Academy zeigte er, wie sich Lernen, Promptbibliotheken, interne Wissensbestände und Nutzungsanalysen in einer gemeinsamen Umgebung verbinden lassen. Mitarbeitende sollen den Nutzen nicht nur erklärt bekommen. Sie müssen ihn in ihrer eigenen Arbeit entdecken und weiterentwickeln können.

Weitere Beispiele machten die mögliche Bandbreite sichtbar. Ein On-Brand-Generator erstellt aus vorhandenen Markenassets konsistente Bilder, Videos und Storyboards. «Hot Seat» simuliert schwierige Medien- und Krisengespräche mit unterschiedlichen KI-Personas. Ein Monitoring-System verbindet Medienbeobachtung, Wirkungsanalyse, parlamentarische Geschäfte und Akteursnetzwerke zu einem laufend aktualisierten Lagebild.

Die entscheidende Erkenntnis aus diesen Beispielen ist nicht, dass KI alles alleine erledigt. Gute Resultate entstehen dort, wo menschliche Erfahrung und KI zusammenarbeiten. Fachwissen bleibt notwendig, um Ergebnisse einzuordnen, Fehler zu erkennen und Qualität zu beurteilen.

Patman plädierte zudem für kurze Wege von der Idee zum funktionierenden Produkt. Ein sichtbarer Prototyp schafft schneller Verständnis als ein langes Konzeptpapier. Gleichzeitig warnte er davor, beim ersten Prototyp stehen zu bleiben: «Der Start ist kostenlos. Das Ziel nicht.» Der eigentliche Wert entsteht erst durch Fertigstellung, Verlässlichkeit, Pflege und Integration in den Arbeitsalltag.

Drei Verbände tauschen sich aus

Ergänzt wurden die drei Fachinputs durch eine Talkrunde, in der die beteiligten Verbände ihre Perspektiven zusammenführten. Chris Beyeler, Präsident von swissAI eröffnete den Abend und diskutierte gemeinsam mit Giancarlo Palmisani, Leiter Verbandsdienstleistungen von Swico, sowie Oliver Bertschinger, Präsident von Swiss Marketing Zürich. Dabei verbanden sich die Sicht der Schweizer KI-Community, die Perspektive der ICT-Wirtschaft und die praktische Erfahrung aus Marketing und Kommunikation. Für Swico zeigt der Anlass, welchen Mehrwert solche verbandsübergreifenden Formate schaffen. Die Zusammenarbeit bietet auch für künftige punktuelle Veranstaltungen spannende Anknüpfungspunkte.

Was Unternehmen daraus mitnehmen können

Die drei Beiträge zeigten unterschiedliche Etappen derselben Entwicklung. Harriet Moser stand für den Mut, überhaupt anzufangen und aus Fehlern zu lernen. Qris Riner zeigte, welche Strukturen für eine verlässliche Integration notwendig sind. Patman machte sichtbar, was möglich wird, wenn aus einzelnen Versuchen belastbare Anwendungen entstehen.

Daraus lassen sich fünf konkrete Grundsätze ableiten:

1. Mit einem realen Problem beginnen, nicht mit einem beliebigen Tool.
2. In kurzen Zyklen ausprobieren und kostspielige langfristige Bindungen vermeiden.
3. KI-Agenten mit Kontext, Wissen, Regeln und klaren Zielen ausstatten.
4. Mitarbeitende befähigen und fachliche Erfahrung bewusst einbinden.
5. Prototypen konsequent fertigstellen, integrieren und an ihrem Nutzen messen.

AI-Fails sind deshalb kein Argument gegen den Einsatz von KI. Sie sind ein notwendiger Teil des Lernprozesses. Entscheidend ist, Fehler sichtbar zu machen, die richtigen Schlüsse daraus zu ziehen und das Gelernte in die nächste Anwendung zu übertragen.

Oder, wie Patman seinen Beitrag beendete: «Nicht warten. Lernen. Bauen. Punkt.»