Der neue Report "State of Intelligent Automation: "GenAI Disillusionment" beleuchtet die Herausforderungen, mit denen Unternehmen bei der Einführung generativer KI konfrontiert sind. Dazu zählen insbesondere das Traning von KI-Modellen, die Integration in bestehende Geschäftsprozesse und fehlende Governance-Strukturen. Grundlage ist eine internationale Umfrage, die von Opinium Research im Auftrag von ABBYY durchgeführt wurde. Die Ergebnisse zeigen, dass viele Unternehmen zusätzliche KI-Tools einsetzen müssen, um bessere Resultate zu erzielen.

Vielen Unternehmen fällt es schwer, die Kontrolle über ihre Daten zu behalten, besonders seit Mitarbeiter vermehrt remote arbeiten und verschiedenste Cloud-Services und KI-Tools nutzen. Data Loss Prevention (DLP) kann den Abfluss sensibler Informationen verhindern, doch die Einführung gilt als komplex und zeitraubend. 

In heutigen Märkten ist es entscheidend, Kundenbedürfnisse kontinuierlich zu verstehen, Marktnischen rasch zu erkennen und das Produktportfolio flexibel anzupassen. Co-Creation Workshops erscheinen dabei als vielversprechendes Instrument zur Förderung von Innovationen. Doch reicht das gemeinsame Ideensammeln mit dem Kunden aus? Wie kann man sicherstellen, dass sich der Aufwand für einen Co-Creation Workshop wirklich lohnt?

Aktuell liest und hört man in den Medien nahezu täglich Meldungen, dass Unternehmen die Entlassung von Hunderten oder gar Tausenden von Mitarbeitenden planen. Doch hierüber echauffiert sich niemand. Und von einem Versagen des Managements, das zum nötigen Umbau und Personalabbau führte, ist - wenn überhaupt - meist nur am Rande die Rede; vielmehr sind die Meldungen oft sogar mit der Info garniert: Die Unternehmensleitung sucht mit den Gewerkschaftsvertretern nach einer sozialverträglichen Problemlösung. Der Grund hierfür: In unserer Gesellschaft herrscht zurzeit parteien- und die verschiedenen Gesellschaftsgruppen übergreifend ein Konsens, dass sich in unserer Gesellschaft und in den Betrieben sehr vieles verändern muss, damit unsere Wirtschaft wieder wettbewerbsfähig wird oder dies bleibt. Das erleichtert es Unternehmen aktuell, auch solche Change- und Transformationsprojekte in ihrer Organisation anzukündigen und zu realisieren, die mit einem Personalabbau verknüpft sind und/oder massive Auswirkungen auf die Arbeitsbeziehungen und -inhalte sowie die Arbeitssituation ihrer Mitarbeitenden haben.

In vielen mittelständischen Unternehmen ruht das Augenmerk der Führung hauptsächlich auf zwei Bereichen: der Geschäftsleitung an der Spitze und den Mitarbeitenden an der Basis. Doch dazwischen liegt etwas, das wesentlich für die Umsetzung strategischer Vorgaben, für die Stabilität des Teams und für die tägliche Realität von Führung ist: die so genannte zweite Ebene, also Teamleiter, Bereichsverantwortliche, Schichtführer, Projektmanager oder Abteilungsleiter.

Die Digitalisierung des Bildungsbereichs ist in Chemnitz kein Zukunftsprojekt mehr, sondern Gegenwart. Dafür sind aber verlässliche und skalierbare IT-Strukturen nötig. Wie das funktioniert, zeigt die Stadt seit zwei Jahrzehnten mit einem eigenen Schulrechenzentrum. Das SyS-C ist zu einem entscheidenden Bestandteil des digitalen Unterrichts geworden - organisatorisch, technisch und strategisch. Wichtiges Element ist eine IT-Service-Management (ITSM)-Software.

Künstliche Intelligenz ist inzwischen in nahezu allen Büros angekommen. Mitarbeiter:innen nutzen diverse Tools - nicht nur zur Generierung von Bildern und Videos - sondern auch zur Erstellung von Texten, Schulungsunterlagen und Präsentationen. Gerade beim Erfassen von Dokumenten mit wichtigem Wissen ist der tatsächliche Verfasser ein entscheidender Vertrauensfaktor. Warum Inhalte ohne erkennbaren Urheber an Wert verlieren - trotz oder vielleicht sogar gerade wegen Künstlicher Intelligenz - erfahren Sie in diesem Artikel.

Chatbots haben bereits in vielen Unternehmen Einzug gehalten und sich dort bewährt. Doch das ist erst der Anfang, denn sie sind lediglich die Vorstufe zu einer KI-Revolution, die an kaum einer Branche spurlos vorbeigehen wird: Agentic AI.

Die Zukunft hat schon begonnen: Mit AI Agents können Unternehmen ihre Prozesse nicht einfach nur automatisieren, sondern verfügen über weitgehend autonome Systeme, die kontextbasierte Entscheidungen treffen. Für ein Maximum an Transparenz, Sicherheit und Kontrolle ist das Zusammenspiel mit dem Menschen aber auch weiterhin das Erfolgsrezept. Was macht das neue Dreamteam so besonders?

Mal eben noch eine E-Mail an den Kunden texten oder den Vertrag für den Geschäftspartner aus Frankreich schnell von DeepL übersetzen lassen: In Deutschland nutzen 69 Prozent der Wissensarbeiter tagtäglich Künstliche Intelligenz (KI) bei der Arbeit. Vor allem, wenn sie Zeit sparen wollen oder sich von der Lösung mehr Kreativität erhoffen. Das zeigt eine weltweite Umfrage von Microsoft in Zusammenarbeit mit dem Netzwerk LinkedIn. In kleinen und mittelständischen Firmen zählen OpenAI-Anwendungen - wie ChatGPT oder DeepL - zu den beliebtesten KI-Anwendungen. Das ergab der "AI Readiness Report", den die KI-Beratung Disruptive und der KI-Spezialist Retresco erstellt haben. Doch Mitarbeitende ahnen meist nicht, dass sie damit gegen Compliance-Richtlinien oder sogar geltendes Recht verstoßen können.

Wissenstransfer beschreibt die Fähigkeit einer Organisation, Wissen systematisch von einem Akteur zum anderen Akteur zu übertragen. Übertragen bedeutet, dass das Wissen gezielt einem neuen Akteur übergeben wird - mit dem Ziel, dass der Empfänger das übertragene Wissen nutzen kann. Daraus resultiert die Frage, was Wissen überhaupt ist. Nonaka et al. charakterisieren Wissen in diesem Kontext als dynamisch, kontextspezifisch und humanistisch, weil das Wissen in einem sozialen System generiert und eingebettet wird. Im Folgenden werden diese Charaktereigenschaften unter dem Begriff "Verständnisstruktur" subsumiert. Eine Verständnisstruktur dient vorrangig zur Beantwortung der Frage, wie etwas funktioniert - im Sinne von Organisations- und Prozesswissen. Es bezieht sich also auf das intellektuelle Kapital. Es braucht aber auch eine Verständnisstruktur, wie die einzelnen Akteure zusammenarbeiten, damit sich der einzelne Akteur bei einem Wechsel gut in die Teamstruktur einarbeiten kann. Demnach dient der Wissenstransfer einer nahtlosen Integration eines neuen Akteurs in eine Teamstruktur und bezieht sich sowohl auf die Förderung von intellektuellen als auch auf beziehungsbasierten Verständnisstrukturen. Doch wie gestaltet sich ein effektiver Wissenstransfer in modernen Organisationen? Und welche Rolle kann Künstliche Intelligenz (KI) dabei spielen?

Während sich Unternehmen intensiv mit KI, Digitalisierung und Fachkräftemangel beschäftigen, bleibt ein entscheidender Risikofaktor oft unbeachtet: das Erfahrungswissen ihrer Mitarbeitenden. In den kommenden zehn Jahren gehen 30 Prozent der heutigen Fachkräfte in Rente. Mit ihnen droht jenes Wissen zu verschwinden, das nicht dokumentiert ist - etwa, wie man im technischen Service eine Fehlersuche effizient abkürzt, welche Argumente beim Kunden in der Verhandlung wirklich überzeugen oder wie man kritische Situationen elegant deeskaliert. Unternehmen, die diesen drohenden Wissensverlust ernst nehmen, machen Wissensmanagement zur strategischen Führungsaufgabe - auf Augenhöhe mit Finanzen, IT-Sicherheit und operativer Exzellenz. Der Einsatz geeigneter KI-Lösungen kann hier unterstützen.

Im Verbundprojekt EMPOWER kooperieren fünf Hochschulen für Angewandte Wissenschaften, um den forschungsbasierten Ideen-, Wissens- und Technologietransfer in der Rhein-Main-Neckar-Region zu fördern. Ein wesentlicher Bestandteil des hochschulübergreifenden Verbundprojekts ist das Wissensmanagement, um Kompetenzen und Erfahrungen der Projektmitarbeitenden strukturiert und nachhaltig zu bewahren und zu teilen. Herausforderungen hierbei sind u.a. die unterschiedlichen Standorte und Arbeitskulturen der Verbundpartner. Dieser Beitrag beschreibt den Aufbau, die Etablierung und den Ausbau eines nachhaltigen Wissensmanagements in dem Verbundprojekt. Dabei werden konkrete Beispiele für den Einsatz ausgewählter Wissensmanagement-Werkzeuge präsentiert. Zudem wird der Umgang mit den Herausforderungen der Zusammenarbeit in dem interdisziplinären Verbundprojekt aufgezeigt sowie die Grenzen des Wissensmanagements innerhalb dieser Rahmenbedingungen.

Künstliche Intelligenz verändert die Art, wie wir arbeiten. Oft schneller, als viele Unternehmen hierzulande mithalten können. Während zwei Drittel der deutschen Bevölkerung laut Bitkom bereits regelmäßig generative KI nutzt, sind Unternehmen hierzulande eher KI-Nachzügler. Gerade einmal 37 Prozent der deutschen Unternehmen setzen KI ein. Das Paradoxe: Gleichzeitig glauben 86 Prozent der Führungskräfte, dass das Potenzial von KI bei Weitem nicht ausgeschöpft ist. Woran also hakt es beim KI-Einsatz in der Praxis?

In jedem Unternehmen gibt es wertvolles Wissen - in Dokumenten, Systemen und Köpfen. Oft bleibt es jedoch verborgen oder unstrukturiert. Die Herausforderung liegt nicht im Mangel an Wissen, sondern in fehlender Zugänglichkeit, Struktur und Nutzbarkeit. Genau hier setzt HeinzAI an: ein KI-gestütztes Wissensmanagement, das Unternehmenswissen sichtbar und effizient macht.

Künstliche Intelligenz hat in den vergangenen Monaten endgültig ihren Platz in unserem Arbeitsalltag eingenommen: 69 Prozent der Wissensarbeiter in Deutschland nutzen KI bereits regelmäßig, oft täglich. Das zeigt eine aktuelle Microsoft-Studie, durchgeführt in Zusammenarbeit mit LinkedIn. Demnach schreiben Wissensarbeiter insbesondere E-Mails mit ChatGPT, übersetzen mit DeepL, automatisieren Mitschriften oder erstellen Lernmaterialien mit Hilfe von KI-Unterstützung.

Da sich heute die Rollen rasch weiterentwickeln und die Erwartungen stetig ändern, muss Führungspersonal mit noch mehr Einfühlungsvermögen, Klarheit und Anpassungsfähigkeit agieren. Künstliche Intelligenz wird dabei zu einem praktischen Partner, der hilft, diese Herausforderung zu meistern.

In vielen Führungsetagen herrscht Verunsicherung, wenn es um die Generation Z geht, also jene jungen Menschen, die ab etwa 1995 geboren wurden und mehr und mehr in den Arbeitsmarkt drängen. Sie gelten als fordernd, selbstbewusst, technologieaffin und gleichzeitig empfindlich, wechselbereit und illoyal. Der Eindruck: Diese Generation ist "anders". Führungskräfte fragen sich, wie sie mit den neuen Erwartungen umgehen sollen und ob bisherige Führungsprinzipien überhaupt noch funktionieren. Doch hinter den Schlagwörtern und Klischees steckt eine tiefere Dynamik. Es geht um einen Wandel in Werten, in Lebensrealitäten und in der Art, wie Führung in einer neuen Arbeitswelt gedacht und gelebt werden muss.

In vielen Unternehmen sind Informationen verstreut: Projekte laufen in Jira, Dokumentation liegt in Confluence, Support-Tickets leben in JSM, während Dateien und Diskussionen irgendwo in SharePoint oder Microsoft Teams verschwinden. Das Ergebnis: eine fragmentierte Informationslandschaft, in der Wissen schwer auffindbar ist. Moderne Wissensarbeit braucht jedoch etwas anderes: eine strukturierte, durchsuchbare und kontextreiche Grundlage für alle Arbeitsinhalte. Atlassian schafft mit dem Teamwork Graph genau das: eine vernetzte Datenbasis für Menschen, Prozesse und KI.

Steigender Wettbewerbsdruck, sich wandelnde Märkte, kürzere Produktzyklen - Unternehmen sind heute mehr denn je gefordert, auf neue Situationen gezielt zu reagieren. Hierzu gehört etwa die Einführung oder Migration von Software-Lösungen, die beide in der Regel zahlreiche Veränderungen der bisherigen Arbeitsweise mit sich bringen. Stößt dieser Wandel bei den Betroffenen auf Widerstand, so ist das Projekt zum Scheitern verurteilt: Schließlich entfaltet selbst die beste Technologie nur dann ihren Nutzen, wenn sie auch angewendet wird. Ein aktives Change-Management ist daher über alle Projektphasen hinweg unabdingbar, wird von Unternehmen jedoch häufig unterschätzt.

Mit AI Distillation ist die IT-Welt um ein Buzzword reicher. Kein Wunder, denn diese Technik im Bereich der KI-Modelle hat sich zu einer echten Erfolgsformel entwickelt. Aber was steckt eigentlich dahinter, wo liegen die Vorteile - und wo die Nachteile? 

Ohne echte Qualitätssicherung für die Nutzung generativer KI steht der Menschheit eine Dystopie ins Haus. Solange sie nicht existiert, sind die Nutzer in der Pflicht, die Gefahren von GenAI zu kennen und die Technologie verantwortungsvoll einzusetzen. Die Münchner Kommunikationsagentur PR-COM, die auf High-tech-Themen spezialisiert ist, sorgt für Aufklärung und nennt die vier gefährlichsten Qualitätskiller im beginnenden KI-Zeitalter.

Agile Methoden wie Scrum sehen die Rolle des Projektleiters nicht mehr vor. Bei der Einführung agiler Methoden steht ein Unternehmen deshalb vor der Frage, welche Aufgaben die bisherigen Projektleiter in der neuen Projektwelt übernehmen sollen.

Viele Branchen haben das Potenzial von KI erkannt, sei es beim Schreiben von Code oder im Bereich humanoider Roboter. Es gibt bereits KI-generierte Bilder, Videos und Musik. Mathematische Tools erweisen sich als vielversprechend, um Lösungen für Probleme zu finden, die selbst die fähigsten Köpfe seit langem beschäftigen. Sprachmodelle könnten in der Lage sein, die komplexen Strukturen der Biologie zu entschlüsseln.

Unternehmen benötigen viele Kompetenzen, um auf Dauer erfolgreich zu sein. Mit ihrem Auf- und Ausbau sind zahlreiche Lernprozesse verbunden - auf der individuellen und organisationalen Ebene. Und damit einher gehen stets auch Prozesse des individuellen und organisationalen Verlernens - sei es, weil gewisse Aufgaben nicht mehr, seltener oder anders als bisher erledigt werden. Zum Beispiel, weil das Unternehmen sich neu im Markt positionierte und deshalb auch neu strukturierte oder neue technische Verfahren einführte oder die Kundenerwartungen sich geändert haben.

Unternehmen müssen sich ständig verändernden Rahmenbedingungen anpassen. Das passiert oft nebenher und als alltäglicher Prozess. Mitunter ergibt es Sinn, größere Veränderungen durch einen strukturierten Transformationsprozess in Angriff zu nehmen. Ein Prozess, den Unternehmer oft scheuen, denn Veränderung bedeutet Unruhe und nicht selten auch vermehrte Konflikte - ein Zustand, den man gerne meidet. Wie lassen sich solche Unruhen konstruktiv für die Unternehmensentwicklung nutzen, um aus der Transformation die gewünschten Wachstumsimpulse zu erzielen?

Führung hat ein Problem: Sie denkt zu viel über andere nach - und zu wenig über sich selbst. In unzähligen Meetings wird über Leistung, Wandel und Motivation gesprochen. Über KPIs, Kultur und Konflikte. Aber wann, bitte, wurde in Ihrer Organisation zuletzt darüber gesprochen, wie es den Führungskräften wirklich geht? Nicht strategisch. Nicht operativ. Sondern menschlich? Die Wahrheit ist unbequem, denn viele führen im Autopilot-Modus: getrieben, erschöpft, innerlich leer. Sie reagieren, statt zu gestalten. Doch Führung ohne Selbstklärung ist keine Führung. Es ist Managementtheater mit wechselnden Masken. Der folgende Beitrag stellt ein Modell vor, das genau dort ansetzt: beim blinden Fleck der Führung. Das Leadership Canvas Model (LCM) ist kein weiteres Tool zur Effizienzsteigerung, vielmehr ein Spiegel und damit vielleicht genau das, was Führung heute am meisten braucht: radikale Ehrlichkeit mit sich selbst.

ChatGPT und Co. spucken auf Knopfdruck fertigen Programmcode aus. Dafür muss man lediglich seine Ideen für eine Anwendung in einem Prompt in natürlicher Sprache beschreiben. Mit generativer KI können deshalb auch Fachexperten aus den Geschäftsbereichen, die nicht über klassische Programmierkenntnisse verfügen, an der Softwareentwicklung eines Unternehmens mitwirken. Das war bislang eigentlich immer die Domäne von Low-Code-Plattformen, die es ermöglichen, Entwicklungsprozesse durch visuelle Schnittstellen und modulare Bausteine zu vereinfachen und dadurch auch Nicht-Entwickler an Bord zu holen. Läuft generative KI diesen Plattformen jetzt den Rang ab, da sie ganz ohne Modellierung und Konfiguration auskommt und damit die Einstiegshürden weiter senkt? Nein, aber generative KI kann Low-Coding-Plattformen erheblich verbessern. Vorausgesetzt, sie wird richtig angewendet.

Noch vor wenigen Jahren genügte es für Unternehmen, relevante Schlüsselbegriffe (Keywords) zu platzieren, um bei Google & Co. sichtbar zu sein. Doch der Aufstieg KI-gestützter Suchagenten wie ChatGPT, Gemini oder Perplexity verändert diese Landschaft grundlegend. Suchmaschinen der neuen Generation bieten nicht mehr nur Verweise auf Webseiten an, sondern geben konkrete, direkte, präzise und kontextbezogene Antworten. Wer hier nicht auftaucht, wird schlicht übersehen.

Unternehmen sehen sich heute mit einer Flut von Daten konfrontiert, deren strategischer Wert sich nur durch gezielte Auswertung erschließt. Moderne Analyseplattformen wie Microsoft Fabric vereinfachen den Zugang zu datenbasierten Erkenntnissen und stärken so die Marktposition. Der Wert dieser Technologien entfaltet sich jedoch erst durch eine durchdachte Implementierung und strategische Ausrichtung.

"Hallo Magnus! Wir planen bei einem Kunden die Einführung von Viva Engage. Leider sind die Informationen im Wiki veraltet. Saskia meinte, du hättest bereits Erfahrungen damit." "Hallo Daniela! Ja, ich habe die Einführung bei mehreren Kunden begleitet. Ich suche dir die Unterlagen dazu aus dem letzten Projektordner." Solche Dialoge zeigen exemplarisch, wie verstreut Wissen in vielen Unternehmen ist und wie stark der Zugang davon abhängt, wen man kennt. Niemand möchte sich durch seitenlange Dokumentationen kämpfen oder aufwändig recherchieren, um relevante Informationen zu finden - oft ist sogar unklar, ob sie noch aktuell sind. Auch das Aufbereiten von Wissen für andere ist häufig mühsam und zeitaufwändig. Viele fragen sich: "Warum soll ich Zeit investieren, damit andere davon profitieren?" Die Folge: Erfahrungswissen bleibt undokumentiert und Fehler wiederholen sich.

Eine Frage, die M365-Verantwortliche aktuell umtreibt: Wie gelingt es, Microsoft 365 Copilot nicht nur einzuführen, sondern auch produktiv zu nutzen?

Die digitale Transformation zwingt Organisationen dazu, gewachsene IT-Landschaften zu hinterfragen. Insellösungen, Medienbrüche und heterogene Systemwelten erschweren Skalierbarkeit, Innovationsfähigkeit und Sicherheit. Mit Microsoft 365 (M365) positioniert sich Microsoft nicht mehr nur als Anbieter von Office-Software, sondern als umfassender Plattformanbieter für moderne, integrierte IT-Architekturen. Doch kann M365 tatsächlich den Anspruch eines universellen IT-Betriebssystems als zentrale IT-Architektur für Unternehmen erfüllen? Dieser Fachbeitrag analysiert Potentiale, Limitationen und kritische Erfolgsfaktoren für Entscheider, die M365 als Plattform evaluieren.

Die Anwendung von künstlicher Intelligenz (KI) in der Finanzbranche hat eine lange Historie - vom algorithmischen Handel in den 1980er Jahren bis zu heutigen Anwendungen in der Betrugserkennung oder Kundensegmentierung. Mit generativer KI beginnt nun eine neue Phase. Für viele Banken stellt sich dabei nicht mehr die Frage, ob KI genutzt werden sollte, sondern wie sie sicher und wirksam integriert werden kann. In Zeiten des Wettbewerbs um Talente, steigender Kundenerwartungen und des Drucks auf der Regulatorik- und Kostenseite, kann generative KI zu einer zentralen strategischen Säule in der digitalen Transformation für Banken werden. Kurzfristig als Co-Pilot für mehr Automatisierung, Prozessoptimierung und Personalisierung, langfristig als Motor für adaptive Betriebsmodelle hin zu mehr organisatorischer Resilienz, schnellerer Entscheidungsfähigkeit und konsequenter Datenorientierung. Doch wie strategisch muss die Integration von generativer KI geplant werden? Und was bedeutet das konkret für Banken? Zumal sich die Implementierung von KI für Banken in einem stark regulierten Umfeld deutlich herausfordernder gestaltet als in vielen anderen Branchen.

Schon vor rund zehn Jahren hätte Ingolf Stuber als Inhaber und Geschäftsführer bei Gemeinhardt Service einsteigen können. Denn früh war wahrscheinlich, dass er die Geschäftsanteile von seinem Vater Walter Stuber übernehmen würde, der zusammen mit Dirk Eckart das Unternehmen für Sondergerüstbau auf die Beine gestellt hat. Doch war es dem damals 34-Jährigen und seiner Frau "zu viel": Die eine Tochter war kurz vorher geboren, die andere gerade im Kindergarten angekommen und der Hausbau stand an. Doch am 1. Januar 2026 wird der Generationswechsel dann wirklich vollzogen.

Die digitale Transformation verändert nicht nur Technologien, sondern auch das Selbstverständnis von Führung. Klassische Modelle stoßen an ihre Grenzen - nicht zuletzt, weil digitale Tools und insbesondere KI den Führungsalltag zunehmend verändern. Führungskräfte stehen heute vor der Aufgabe, technologische Möglichkeiten mit menschlichem Potenzial zu verbinden und damit die Grundlagen moderner Führung neu zu definieren.

Microsoft 365 ist längst mehr als ein Office-Paket - und doch: Viele Unternehmen nutzen es immer noch genau so. Während Microsoft seine Suite konsequent zur umfassenden Plattform für digitale Zusammenarbeit, Prozessautomatisierung und Wissensmanagement ausbaut, bleiben viele Organisationen im Denken verhaftet: Zwischen SharePoint und Teams entsteht schnell ein trügerisches Gefühl von Kontrolle - während Wissen in Silos versickert, Governance ausbleibt und Potenziale unberührt bleiben.

Dateien effizienter im Team bearbeiten, Aufgaben zentral und in Echtzeit steuern und weniger Zeit für Recherche und Analyse großer Informationsmengen verschwenden: Genau das versprechen KI-Tools wie ChatGPT, Notion und NotebookLM. Doch was leisten diese Tools tatsächlich im Arbeitsalltag? Wo liegen ihre konkreten Produktivitäts-Vorteile? Für welche Zielgruppen im Unternehmen und welche konkreten Aufgaben eignen sie sich besonders gut? Wie sieht es mit der Integration in bestehende Systeme aus? Und wie produktiv sind die Tools in der Team-Arbeit?

Künstliche Intelligenz hat sich in den letzten Jahren zu einem der einflussreichsten Werkzeuge der Digitalisierung entwickelt. Sie ermöglicht es Unternehmen, Erkenntnisse aus riesigen Datenmengen zu gewinnen, Prozesse zu automatisieren und fundierte Entscheidungen in Echtzeit zu treffen. Doch bei allem Potenzial hängt der Erfolg von KI-Systemen von mehreren entscheidenden Faktoren ab, allen voran von der Datenqualität. Ein KI-System, das mit fehlerhaften, unvollständigen oder verzerrten Informationen arbeitet, kann keine guten Ergebnisse liefern. Der oft zitierte Satz "Garbage in, garbage out" trifft auf KI-Anwendungen in besonderem Maße zu. Gleichzeitig sind eine sorgfältige Planung, in die alle Stakeholder einbezogen werden sollten, und die Schulung der Mitarbeitenden ein Muss.

Der Erfolg von KI-Projekten hängt ganz entscheidend davon ab, dass Unternehmen bereits im Vorfeld genau klären, welche Probleme sie mit Daten und KI lösen wollen, und konkrete Projektziele definieren. Dies ist notwendig, damit die Projektausrichtung stimmt und keine falschen Erwartungen geweckt werden, denn spätere Kurskorrekturen kosten viel Zeit und Geld. Doch auch direkt im Anschluss, wenn die Projektplanungen beginnen und wichtige Details der Problemlösung abgestimmt werden, lauern zahlreiche Fallstricke, die langfristig enorme Probleme verursachen können - bis hin zum vollständigen Scheitern des Projekts.

Künstliche Intelligenz (KI), ursprünglich als Treiber von Innovation und Effizienz gefeiert, wird zunehmend zur Waffe in den Händen von Cyberkriminellen. In einer digital vernetzten Welt nutzen Täter KI, um ihre Methoden zu perfektionieren, Angriffe zu automatisieren und neue Schwachstellen auszunutzen. Die Folge: Eine neue Dimension der Cyberkriminalität, die Privatpersonen, Unternehmen und Regierungen vor beispiellose Herausforderungen stellt. KI verändert nicht nur Wirtschaft und Gesellschaft, sondern ermöglicht auch eine immer raffiniertere Art der Cyberkriminalität.

Das Schweizerische Tropen- und Public Health-Institut (Swiss TPH) ist zur Erfüllung seines Mandats gegenüber seinen Geldgebern auf eine gute interne und externe Zusammenarbeit angewiesen: Gebäude und Arbeitsumgebung, Kultur, Strukturen und Werkzeuge sind darauf ausgerichtet, dass die Mitarbeitenden optimal gemeinsam an Forschungs- und Umsetzungsprojekten arbeiten können. Die Arbeitskultur und -umgebung werden laufend weiterentwickelt: kontinuierlich an der digitalen Transformation arbeitend, erfolgt aktuell die Umstellung auf Microsoft 365. Basierend auf Erkenntnissen aus systematisch durchgeführten Befragungen aller Mitarbeitenden und Studierenden wurden die Bedürfnisse u.a. im Bereich Wissensmanagement gezielt erhoben. Dieser Beitrag soll aufzeigen, inwiefern technische Weiterentwicklungen allein die Bedürfnisse der Mitarbeitenden nicht lösen können und welche Ansätze zur weiteren Vereinfachung der Zusammenarbeit aktuell umgesetzt werden.

In den vergangenen Jahren wurde zunehmend über eine neue Arbeitswelt gesprochen, in der sich mehrere Generationen gleichzeitig zurechtfinden müssen. Besonders in der deutschen Gesellschaft zeichnet sich der demografische Wandel derzeit deutlich ab: Die Arbeitnehmenden werden im Durchschnitt älter, während die jüngeren Generationen Y und Z schrittweise in den Arbeitsmarkt eintreten. Ein zentrales Problem stellt dabei die niedrige Geburtenrate dar, die Unternehmen in Zukunft dazu zwingen könnte, vermehrt auf Automatisierungsprozesse, Roboter und Künstliche Intelligenz zurückzugreifen, um offene Stellen zu besetzen. Gleichzeitig hat sich durch die veränderte Altersstruktur ein so genannter Arbeitnehmermarkt gebildet, bei dem qualifizierte Arbeitskräfte mehr Auswahlmöglichkeiten haben und höhere Ansprüche stellen können. In diesem Kontext stellt sich die Frage, wie die Erwartungen an Arbeit und Führung in einer generationsübergreifenden Arbeitswelt aussieht und welche Kompetenzen Führungskräfte brauchen, um diesen Wandel zu gestalten?

Haben Sie sich jemals gefragt, warum so viele Entscheidungen, die mit großem Aufwand getroffen werden, am Ende nur halbgare Kompromisse liefern? Demokratische Prozesse, so lobenswert sie sind, führen oft zu einem erschreckenden Ergebnis: dem kleinsten gemeinsamen Nenner. Jede revolutionäre Idee wird stückweise entschärft, bis von ihrer anfänglichen Vision nur noch Mittelmaß bleibt. Ob in Unternehmen, Institutionen oder politischen Gremien - dieser fatale Hang zum Konsens führt dazu, dass mutige Innovationen ausgebremst und wegweisende Ansätze geopfert werden. Doch die Frage bleibt: Warum akzeptieren wir dieses Mittelmaß? Und wie können wir es besser machen?

Künstliche Intelligenz (KI) hat das Potenzial, die Medizin grundlegend zu transformieren. Von der Präzisionsdiagnostik über personalisierte Therapieansätze bis hin zur Optimierung administrativer Prozesse - KI verspricht eine effizientere und patientenzentriertere Gesundheitsversorgung. Doch neben diesen Möglichkeiten gibt es auch klare Grenzen: Regulatorische Hürden, ethische Fragestellungen und technische Herausforderungen müssen bewältigt werden, um KI erfolgreich und nachhaltig in das Gesundheitssystem zu integrieren.

Ein effizientes Dokumentenmanagement und digitale Signaturprozesse sind entscheidend für Präzision, Sicherheit und Compliance in der Fertigungsindustrie. Angesichts der Herausforderungen, die mit der Verwaltung großer Dokumentenmengen einhergehen, gewinnen Werkzeuge zur digitalen Dokumentenbearbeitung und elektronischen Signatur zunehmend an Bedeutung. Sie ermöglichen eine schlanke Gestaltung von Arbeitsabläufen, verbessern die Einhaltung gesetzlicher Anforderungen und steigern die Produktivität. Darüber hinaus bietet der Einsatz von Künstlicher Intelligenz (KI) erhebliches Potenzial für dokumentenintensive Branchen - insbesondere, wenn es um Automatisierung, Genauigkeit und Innovationsfähigkeit geht.

Die Anforderungen an moderne Arbeitsumgebungen wandeln sich rasant: Flexibilität, Kosteneffizienz und Nachhaltigkeit sind für Unternehmen essenziell, um langfristig wettbewerbsfähig zu bleiben. Gleichzeitig wünschen sich Mitarbeitende inspirierende, funktionale und gesundheitsfördernde Arbeitsräume. Doch wie lassen sich diese Faktoren in Bauprojekten am besten vereinen? Die Antwort liegt unter anderem in digitalen Planungsmethoden wie Building Information Modeling (BIM). Diese ermöglichen nicht nur eine präzisere Steuerung von Bauprojekten, sondern auch eine reibungslose Zusammenarbeit aller Beteiligten - von der ersten Idee bis zur fertigen Immobilie.

Eine renommierte, deutsche Fluglinie stand vor einer spannenden Aufgabe: Es galt, ein Informationssicherheits-Managementsystem (ISMS) einzuführen, das sowohl den Vorgaben des übergeordneten Konzerns als auch den gesetzlichen Anforderungen der EU für die Luftfahrtbranche entspricht. Ziel war es dabei insbesondere, das Risikomanagement der Informationssicherheit mit dem der Flugsicherheit zu verknüpfen, um festzustellen, welche negativen Auswirkungen ein korrumpiertes IT-System auf die Flugsicherheit hat. Heute kann die Abteilung für Informationssicherheit mit der Abteilung für Flugsicherheit fundiert über potenzielle Informations-Sicherheitsrisiken sprechen, die eine Auswirkung auf die Aviation Safety haben bzw. auch bei einem tatsächlichen Sicherheitsvorfall sofort Meldung geben.

Seit August 2024 ist der EU AI Act teilweise in Kraft. Die neue Verordnung bringt weitreichende Anforderungen mit sich - angefangen bei der Risikoklassifizierung bis hin zur Pflicht zur Mitarbeiterschulung. Für Unternehmen ergibt sich daraus eine doppelte Aufgabe: Sie müssen regulatorischen Vorgaben gerecht werden und gleichzeitig den Mehrwert von Künstlicher Intelligenz (KI) effizient erschließen. KI gilt branchenübergreifend als Hebel für Effizienz, Innovation und Wettbewerbsfähigkeit....

Es gibt endlich eine Lösung für den Fachkräftemangel -und sie heißt KI. Dabei geht es nicht darum, neue KI Modelle zu entwickeln, sondern diese passgenau einzusetzen. Moderne GenAI-Modelle erlauben es, wertvolles Mitarbeiter-Wissen auf einfache Art zu konservieren, und das ohne wirklichen Mehraufwand für die Mitarbeitenden. Allerdings hindern Missverständnisse über die Möglichkeiten und die Integration von KI viele Unternehmen daran, bereits bestehende technische Lösungen für ihre Herausforderungen zu erkennen. In Deutschland wird der Einsatz von KI im Produktionsumfeld häufig als teuer, komplex und nur für Experten umsetzbar betrachtet - ein Vorurteil, das den Blick auf ihre Potenziale verengt und Unternehmen daran hindert, wettbewerbsfähig zu bleiben. Connected-Worker-Plattformen bieten eine praktikable Alternative! Unternehmen wie Porsche, Siemens, ThyssenKrupp und der niederländische Fahrradhersteller Gazelle machen nutzen sie bereits - und profitieren auf mehreren Ebenen gleichzeitig.