Der Markt für KI-Expertise ist überfüllt, die Qualität streut enorm. Echte Kompetenz zeigt sich nicht an Buzzwords, sondern an drei nachprüfbaren Signalen: belegbare Praxis, methodische Tiefe und die Fähigkeit, Grenzen zu benennen. Dieser Beitrag liefert die Kriterien, mit denen Veranstalter und Unternehmen Substanz von Selbstinszenierung trennen.
Warum die Frage nach echten KI-Experten gerade jetzt zählt
KI ist von der Spielwiese zur Betriebsnormalität geworden. 48% der Schweizer Unternehmen nutzen KI bereits in ersten Prozessen, ein Anstieg von rund 10% gegenüber 2023. Mit der Verbreitung wächst der Beratungsmarkt, und mit ihm die Zahl derer, die sich Experte nennen. Das Problem: Der Begriff ist ungeschützt. Wer gestern ein Webinar besucht hat, kann sich heute als KI-Stratege positionieren.
Für Entscheider:innen entsteht daraus ein konkretes Risiko. Wer den falschen Berater bucht, verliert nicht nur Budget, sondern Zeit in einem Feld, in dem Zeit knapp ist. Die Auswahl wird zur Kernkompetenz. Und sie lässt sich systematisieren.
Was macht einen KI-Experten tatsächlich aus?
Echte Expertise ruht auf drei Säulen, die sich überprüfen lassen.
Erstens: belegbare Praxis. Nicht die Zahl der Vorträge zählt, sondern die Zahl der begleiteten Umsetzungen. Wer KI nur erklärt, aber nie eingeführt hat, kennt die Reibung nicht, an der die meisten Projekte scheitern. Genau hier liegt die Lücke im Markt: Nur 13% der Unternehmen arbeiten mit klar definierten, messbaren Zielen oder KPIs für KI-Projekte. Ein Experte oder eine Expertin, die / der diese Lücke nicht adressiert, beschreibt das Symptom, nicht die Ursache.
Zweitens: methodische Tiefe. Buzzwords sind billig, Methoden teuer. Ein verlässlicher Massstab ist, ob jemand reproduzierbare Verfahren anbietet statt loser Tipps. Beispiele aus der eigenen Arbeit: die GCES-Methode für strukturierte Mensch-Maschine-Dialoge (Goal, Context, Expectation, Style) oder der CRAP-Test zur Quellenprüfung (Currency, Reliability, Authority, Purpose). Methoden lassen sich lehren, weitergeben und überprüfen. Meinungen nicht.
Drittens: die Fähigkeit, Grenzen zu benennen. Wer KI nur als Lösung verkauft, verschweigt die Hälfte. In vielen Erhebungen liegt der Anteil der KI-Initiativen mit klar nachweisbarem ROI bei rund 5%. Ein seriöser Experte spricht über diese Quote, statt sie zu kaschieren. Der Leitgedanke dahinter: Künstlich ist die Maschine, Intelligenz muss vom Menschen kommen.
Wie steht es um die KI-Kompetenz in der Schweiz?
Die Schweiz ist beim Fachwissen erstaunlich stark. Laut Stanford AI Index 2026 kommen in der Schweiz auf 100’000 Einwohner 110,5 Personen, die im KI-Bereich forschen oder entwickeln, der höchste Wert weltweit, knapp vor Singapur mit 109,5. Beim Anteil promovierter KI-Fachkräfte liegt die Schweiz mit 43,6% auf Platz drei. Dichte an Forschung bedeutet aber nicht automatisch Dichte an Vermittlung. Forschende publizieren für Fachkreise. Unternehmen brauchen jemanden, der übersetzt.
Auffällig ist auch das Ungleichgewicht: In der Schweiz liegt die Männerquote unter KI-Fachpersonen bei 78,45%. Wer Expertise sucht, sollte diese strukturelle Schieflage mitdenken, denn sie prägt, welche Perspektiven im Diskurs dominieren.
Woran erkennt man Scheinexpertise?
Drei Warnsignale: Erstens die Tool-Show. Wer nur Werkzeuge vorführt statt Arbeitsweisen zu erklären, verkauft Demos, keine Kompetenz. Werkzeuge ändern sich quartalsweise, Denkweisen bleiben. Zweitens die Garantie ohne Bedingungen. Seriöse Beratung nennt Voraussetzungen, nicht nur Versprechen. Drittens die fehlende Quelle. Wer mit Zahlen wirft, aber keine Herkunft nennt, hofft auf Glauben statt auf Prüfung.
Wer prägt den KI-Diskurs im DACH-Raum?
Die Landschaft gliedert sich in drei Rollen. Forschende an Institutionen wie der ETH Zürich oder der EPFL liefern die Grundlagen. Praktiker und Vermittler übersetzen sie für Unternehmen, oft an Fachhochschulen wie der HWZ oder der ZHAW. Und Ethik- sowie Governance-Stimmen rahmen die regulatorische Debatte rund um den EU AI Act ein. Wer langfristig Wirkung sucht, prüft, in welcher dieser Rollen ein Experte tatsächlich steht, und ob er die anderen beiden mitdenkt.
- Andreas Krause ist Professor für Informatik an der ETH Zürich und Chair des ETH AI Center. Er steht für Grundlagenforschung zu maschinellem Lernen und Entscheidungsfindung unter Unsicherheit.
- Jürgen Schmidhuber ist wissenschaftlicher Direktor des Swiss AI Lab IDSIA in Lugano und Miterfinder des LSTM, einer Architektur, die heutigen Sprachmodellen zugrunde liegt.
- Prof. Dr. Elisabeth André (Universität Augsburg) zählt zu den international führenden Forscherinnen für Mensch-KI-Interaktion. Ihre Forschung zu Human-Centered AI, Affective Computing und intelligenten Benutzerschnittstellen beantwortet eine zentrale Frage: Wie müssen KI-Systeme gestaltet werden, damit Menschen ihnen vertrauen, sie verstehen und produktiv nutzen können?
- Prof. Dr. Verena Hafner (HU Berlin) steht für die Verbindung von KI, Robotik und Entwicklungspsychologie. Sie erforscht, wie intelligente Systeme ähnlich wie Kinder lernen, ihre Umwelt zu verstehen und mit Menschen zu interagieren. Ihre Arbeiten liefern wichtige Impulse für lernfähige, adaptive und körperlich eingebettete KI-Systeme.
- Kristian Kersting ist Professor für Maschinelles Lernen an der TU Darmstadt und Gründungsmitglied von hessian.AI. Er verbindet Grundlagenforschung mit Fragen der moralischen Handlungsfähigkeit von KI.
- Katharina Zweig ist Professorin für Informatik an der RPTU Kaiserslautern-Landau, leitet dort das Algorithm Accountability Lab und ist Bestsellerautorin. Sie erklärt einem breiten Publikum, was Sprachmodelle leisten und was nicht.
- Marcel Salathé (EPFL Lausanne) bringt die Perspektive der digitalen Epidemiologie und datengetriebenen Gesellschaftsanalyse ein. Seine Arbeit an der Schnittstelle von KI, Gesundheit und öffentlichen Systemen zeigt, wie KI komplexe gesellschaftliche Herausforderungen messbar und steuerbar machen kann. Als Co-Direktor des EPFL AI Centers gehört er zu den prägenden Stimmen Europas im Bereich AI for Public Good.
- Evangelos Xevelonakis ist Professor und Leiter des Center for Data Science & Technology an der HWZ. Er steht für den Brückenschlag zwischen Datenwissenschaft und unternehmerischer Anwendung.
- Sepp Hochreiter (JKU Linz, Miterfinder des LSTM) deutscher Informatiker und einer der weltweit führenden KI-Pioniere. Als Leiter des Instituts für Machine Learning an der Johannes Kepler Universität (JKU) Linz und Chief Scientist bei NXAI hat er durch seine bahnbrechende Arbeit die Grundlagen für moderne generative KIs, Sprachassistenten und Übersetzungsprogramme geschaffen
Die wichtigsten Punkte
- Der Begriff KI-Experte ist ungeschützt, die Qualität streut massiv. Auswahl wird zur Entscheidungskompetenz.
- Drei nachprüfbare Signale: belegbare Umsetzungspraxis, reproduzierbare Methoden, die Fähigkeit, Grenzen zu benennen.
- Die Schweiz führt bei der Forschungsdichte (110,5 Fachkräfte pro 100’000 Einwohner), nicht automatisch bei der Vermittlung.
- Nur 13% der Unternehmen arbeiten mit messbaren KI-Zielen, nur rund 5% der Initiativen zeigen klaren ROI.
- Warnsignale für Scheinexpertise: Tool-Show statt Arbeitsweise, Garantien ohne Bedingungen, Zahlen ohne Quelle.
Disclaimer: dieser Artikel wurde nach meinem eigenen Wissen und dann mit Recherchen mit KI manuell zusammengestellt und mit Deepl.com/write vereinfacht. Der Text wird dann nochmals von zwei Personen meiner Wahl gelesen und kritisch hinterfragt. Das Bild stammt aus KI-generierter Bildgebung (Ideogram/Adobe Firefly). Dieser Artikel ist rein edukativ und erhebt keinen Anspruch auf Vollständigkeit. Bitte melde dich, wenn Du Ungenauigkeiten feststellst, danke.
Roger Basler de Roca steht für den Transfer von KI aus Forschung, Technologie und Regulierung in unternehmerische Entscheidungsfähigkeit. Während viele Expert:innen erklären, was KI technisch leisten kann, fokussiert er darauf, was Organisationen daraus machen sollten: strategisch, kulturell, operativ und verantwortungsvoll für Europa.
Also wenn Du reden willst, und wenn Du mit mir zusammenarbeiten willst: melde Dich gerne
