Was 40% aller KI-Projekte gemeinsam haben
Gartner geht davon aus, dass über 40% aller agentenbasierten KI-Projekte bis Ende 2027 abgebrochen werden — als Gründe nennt Gartner eskalierende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen. Die Meta-Analyse von RAND aus 2025 ergab zudem, dass 80,3% aller KI-Projekte in Unternehmen den versprochenen Business-Wert nicht liefern. Das ist doppelt so hoch wie bei klassischer Software. Die dokumentierten Ursachen: Integrationsfriktionen mit bestehenden Systemen, unklare Verantwortlichkeiten für Daten und Ergebnisse sowie ein grundsätzlicher Mismatch zwischen Vendor-Demos und Produktivumgebungen.
Für Unternehmen, die 2026 eine KI-Lösung für den Kundenservice evaluieren, ist das die zentrale Frage: Welche Plattform überlebt den Kontakt mit echten Kunden, echten Ticketvolumen, echten Compliance-Teams und echten Procurement-Prozessen?
Dieser Artikel vergleicht vier glaubwürdige Kategorien, die heute auf dem Markt sind: Wonderful AI, Typewise, Salesforce Agentforce und massgeschneiderte KI-Agenten.
Warum die Entscheidung schwieriger ist, als die Feature-Listen suggerieren
Die Wahl entscheidet sich selten an der Feature-Parität. Drei konkrete Spannungsfelder verkomplizieren sie für Compliance-bewusste Käufer.
Erstens: die Hoheit über die Kundendaten. Das revDSG, in Kraft seit September 2023, verpflichtet Verantwortliche nachzuweisen, wo Personendaten verarbeitet und gespeichert werden, wer darauf zugreifen kann und auf welcher rechtlichen Grundlage. Vendors, die Konversationen über US-kontrollierte Inference-Infrastruktur leiten, brauchen ein Swiss Addendum, manchmal zusätzliche vertragliche Schutzvorkehrungen und fast immer eine interne Datenschutz-Folgenabschätzung.
Zweitens: die Integrationstiefe. Gartner-Untersuchungen zeigen, dass 70% der Entwickler bei der Anbindung von KI-Agenten an bestehende Systeme auf Integrationsprobleme stossen, und 42% der Unternehmen benötigen acht oder mehr Datenquellen, damit ein Agent wirklich nützlich wird. Eine Plattform, die im Demo auf einer generischen FAQ glänzt, performt selten gleich gut gegen ein produktives ERP, ein Billing-System und ein Ticketing-Tool, die nie für Echtzeit-Abfragen gebaut wurden.
Drittens: die Total Cost of Ownership. Veröffentlichte Preise pro Konversation oder pro Aktion sind nur die sichtbare Spitze. Implementierung, Change Management, Pflege von Prompts und Knowledge Base, Modell-Updates und menschliche Aufsicht übersteigen die Lizenzposition im ersten Jahr regelmässig.
Die vier Optionen gehen mit diesen drei Spannungsfeldern unterschiedlich um.
1. Wonderful AI: der schnell wachsende, marktlokalisierte Generalist
Wonderful ist ein in Tel Aviv gegründeter Anbieter, gestartet Anfang 2025. Bis März 2026 hatte das Unternehmen rund 284 Millionen US-Dollar über Seed-, Series-A- und Series-B-Runden eingesammelt — bei einer Bewertung von 2 Milliarden Dollar. Das Unternehmen expandierte 2025 in die Schweiz, nach Italien, in die Niederlande, nach Griechenland, Polen, ins Baltikum und in die VAE; Deutschland, Österreich, die nordischen Länder und Portugal sind angekündigt. Das Produkt deckt Voice, Chat und E-Mail im Kundenservice ab — mit einer angegebenen Resolve-Rate von 80%.
Die Positionierung: kulturelle und sprachliche Lokalisierung. Die Agenten werden pro Markt angepasst, lokale Teams begleiten das Deployment.
Wofür es passt. Unternehmen, die in mehreren europäischen oder EMEA-Märkten operieren, einen einzigen Vendor für Voice, Chat und E-Mail wollen und mit einem Hypergrowth-Anbieter arbeiten können, der seine Enterprise-Governance-Strukturen noch aufbaut.
Wofür es nicht passt. Organisationen, deren Compliance-Teams vor Vertragsabschluss eine detaillierte Aufstellung zu Datenstandort und Auftragsverarbeitern brauchen. Der Anbieter ist zum Zeitpunkt der Veröffentlichung etwa 18 Monate alt, der operative Track Record in regulierten Schweizer Verticals wird gerade erst aufgebaut, und das Pricing ist Enterprise-verhandelt statt öffentlich.
2. Typewise: die Schweizer Enterprise-Plattform
Typewise ist ein in Zürich ansässiges Scale-up (Y Combinator S22), gemeinsam mit dem AI Center der ETH Zürich entwickelt. Rund 60 Enterprise-Kunden — darunter Unilever, DPD und der Schweizer Retailer Brack.ch — nutzen die Plattform für den schriftlichen Kundenservice. Im Februar 2026 lancierte das Unternehmen seine AI Supervisor Engine, eine Multi-Agent-Orchestrierungsschicht, die mehrere autonome Agenten über Natural-Language-Konfiguration koordiniert.
Angegebene Benchmarks: 50% oder mehr Reduktion des Agent-Aufwands, Deployment in 1 bis 2 Tagen, ISO-zertifizierte und DSGVO-konforme Infrastruktur, ergebnisbasiertes Pricing ohne Implementierungsgebühren im Proof-of-Value-Programm.
Wofür es passt. Kundenservice-Organisationen mit Fokus auf schriftliche Kanäle (E-Mail, Chat, Social), die einen Schweizer Rechtspartner, schnelles Deployment und eine belastbare Enterprise-Referenzliste in Retail, Logistik und Konsumgütern wollen.
Wofür es nicht passt. Voice-first Contact Center oder Use Cases, die deutlich über den Kundenservice hinausgehen (Sales Enablement, interne Helpdesks, abteilungsübergreifende Orchestrierung). Typewise ist bewusst auf Customer Service fokussiert und nicht auf generische agentenbasierte KI.
3. Salesforce Agentforce: KI-Agenten im bestehenden CRM
Agentforce ist die KI-Agentenschicht von Salesforce, verfügbar für bestehende Enterprise-Edition-Kunden und darüber. Stand April 2026 — verifiziert auf der Salesforce-Pricing-Seite — gibt es eine kostenlose Foundations-Stufe mit 200’000 Flex Credits und 250’000 Data-Cloud-Credits, ein Consumption-Modell zu 500 USD pro 100’000 Flex Credits (rund 0,10 USD pro Aktion), 2 USD pro kundengerichteter Konversation im Fixed-Modell oder Per-User-Add-ons ab 125 USD pro Nutzer pro Monat für unbegrenzte Nutzung. Die gebündelten Agentforce-1-Editionen starten bei 550 USD pro Nutzer pro Monat.
Die Plattform-Abhängigkeit ist entscheidend. Agentforce setzt Salesforce Enterprise Edition (mind. 165 USD pro Nutzer pro Monat) oder Unlimited (330 USD) voraus. Für ein zehnköpfiges Team schätzen Drittquellen die Gesamtkosten im ersten Jahr auf rund 140’000 USD — inklusive Lizenzen, Add-ons, Implementierung und Schulung.
Wofür es passt. Organisationen, die bereits auf Salesforce standardisiert sind, saubere Daten in Service Cloud oder Sales Cloud haben und Use Cases verfolgen, die das bestehende CRM-Investment verdichten.
Wofür es nicht passt. Organisationen, die nicht auf Salesforce sind oder deren Daten über Nicht-Salesforce-Systeme verteilt liegen. Unabhängige Reviewer betonen durchgehend, wie schwierig die Forecast-Planung für Consumption-Kosten ist. Mehrere weisen darauf hin, dass alternative Lösungen für denselben Workflow deutlich günstiger sind, wenn die Organisation nicht ohnehin Salesforce-Kundin ist.
4. Massgeschneiderte KI-Agenten: gebaut für das spezifische Geschäft
Ein massgeschneiderter KI-Agent wird um einen definierten Scope herum gebaut, läuft auf einer Infrastruktur, die der Käufer kontrolliert (eigene Server oder kontrollierte Cloud), und integriert sich direkt in die Datenquellen, die wirklich zählen. Die Architektur ist 2026 gut verstanden: eine kuratierte Knowledge Base, eine Retrieval-Schicht (typischerweise eine Vektordatenbank mit Hybrid-Suche aus Keyword und Semantik), eine definierte Vergleichs- oder Antwortmatrix, Channel-Integrationen über Model Context Protocol oder direkte APIs sowie ein validierter Benchmark-Datensatz, der vor dem Launch abgenommen wird.
Ein repräsentativer Scope für ein mittelkomplexes B2B- oder B2C-Deployment: 8 Wochen für den Aufbau der Knowledge-Ingestion-Pipeline und der Retrieval-Engine, 8 bis 12 Wochen für die Channel-Integration (Website, WhatsApp Business, Messenger, regionsspezifische Plattformen), Implementierungskosten zwischen USD 70’000 und 90’000, plus laufendes Modell-Monitoring und Reporting im niedrigen dreistelligen USD-Bereich pro Monat. Diese Zahlen skalieren mit Datenkomplexität und Channel-Anzahl. Voice- und Multimedia-Agenten liegen typischerweise am oberen Ende.
Wofür es passt. Regulierte Organisationen (Banking, Versicherung, Healthcare, Wealth Management), bei denen Daten in einer definierten Infrastruktur bleiben müssen. Organisationen, deren Differenzierung von Workflows abhängt, die sich schlecht in SaaS-Vendor-Modelle pressen lassen. Organisationen, die einmalige Baukosten plus geringe laufende Gebühren mehrjährigen Per-Seat- oder Per-Conversation-Lizenzen vorziehen.
Wofür es nicht passt. Organisationen mit sehr generischen Kundenservice-Anforderungen und ohne Compliance-Auflagen — dort wird ein schnelles, günstiges SaaS-Deployment den Custom Build bei der Time-to-Value schlagen.
Lab51 baut in dieser vierten Kategorie für Schweizer und DACH-Unternehmen in regulierten Sektoren — mit revDSG-konformen Deployment-Mustern und einer definierten 8-wöchigen Knowledge-Base-Konstruktion, gefolgt von phasierter Channel-Integration.
Der Vergleich auf einen Blick
Warum die Entscheidung 2026 ansteht — und nicht später
Drei Entwicklungen laufen parallel.
Erstens: Die Ausfallrate agentenbasierter KI-Projekte ist dokumentiert und hoch. Entscheidungen, die auf Hype statt auf Passung beruhen, zeigen sich 12 bis 24 Monate später als abgebrochene Projekte — nach versenkten Implementierungskosten und internem Reputationsschaden.
Zweitens: Die Procurement-Zyklen in regulierten Schweizer Branchen brauchen Zeit. Compliance-Review, Datenschutz-Folgenabschätzung und IT-Security-Review für einen neuen externen Auftragsverarbeiter dauern typischerweise 2 bis 4 Monate. Wer in Q2 2026 startet, ist frühestens Ende 2026 produktiv.
Drittens: Die operative Lücke kumuliert sich. Organisationen, die 2026 effektive KI-Agenten deployen, bauen interne Datenbestände, Prompt-Bibliotheken und Prozesswissen auf, das in den Folgejahren weiterwirkt. Wer verzögert, steht nicht still — sondern fällt zurück gegenüber einer Baseline, die sich quartalsweise verschiebt.
Die Handlung für Käufer ist Sequenzierung, nicht Auswahl. Definiere zuerst Scope, Channels, Datenquellen, Compliance-Auflagen und Erfolgsmetrik — bevor du die erste Vendor-Demo ansetzt. Nutze diesen Scope dann als Testfeld für alle vier Kategorien. Die richtige Antwort ist selten die erste, die demonstriert wird.
Fülle das Formular aus, und lass uns gemeinsam deinen ersten Lab51 KI-Agenten gestalten — zugeschnitten auf dein Geschäft und deine Anforderungen:
Die Wahl einer KI-Kundenservice-Plattform 2026 ist eine Passungsentscheidung, kein Feature-Vergleich. Wonderful AI, Typewise und Salesforce Agentforce sind jeweils glaubwürdig für spezifische Käuferprofile. Massgeschneiderte KI-Agenten ergeben Sinn, wenn Workflows, Daten oder Compliance-Posture den Eigenbau rechtfertigen. Die Käufer, die am ehesten in der Minderheit erfolgreicher Projekte landen, sind jene, die definieren, wie Erfolg aussieht, bevor sie evaluieren.
