Generative KI hat den Arbeitsplatz im Sturm erobert. Sie schreibt E-Mails, fasst Meetings zusammen, unterstützt bei Analysen und liefert kreative Impulse - oft schneller, als Unternehmen passende Richtlinien entwickeln können. Während viele Arbeitgeber den Einsatz von KI ausdrücklich begrüßen, wächst gleichzeitig ein Phänomen, das zunehmend zur strategischen Herausforderung wird: die stille, inoffizielle Nutzung von KI-Tools durch Mitarbeitende. ^{Bildquelle: (C) DesignbyFreepik} In...

Python gehört seit Jahren zu den bekanntesten Programmiersprachen der IT-Welt - zuletzt insbesondere im Umfeld von KI-Anwendungen und datengetriebenen Systemen. Im Vergleich zu Programmiersprachen wie Java oder C++ gilt Python als vergleichsweise niedrigschwelliger Einstieg ins Coding. Mit Selbstdisziplin und kontinuierlichem Lernen lassen sich auch ohne Informatikstudium erste Anwendungen entwickeln. Dennoch erfordert auch Python mathematisch-logisches Verständnis. Ohne entsprechende Grundlagen stößt man jedoch schnell an Grenzen - auch mit Unterstützung durch KI.

KI verändert als lernendes System Arbeitsprozesse und Aufgaben. Im Unterschied zu vielen bekannten Werkzeugen kann KI kognitive und repetitive Tätigkeiten übernehmen, datenbasiert Entscheidungen vorbereiten und zugleich als Dialogpartner fungieren. Die Grenzen zwischen der Nutzung als Unterstützungstool - wie wir sie von klassischen Werkzeugen oder dem PC kennen - und interaktiver Zusammenarbeit sind dabei fließend. KI unterstützt beispielsweise administrative Prozesse, hilft bei der Vorbereitung von Gesprächen, erschließt Sachverhalte im Dialog oder unterstützt gezielt beim Aufbau neuen Wissens.

Hybrides Arbeiten ist vom Krisenmodus zum Standard geworden. Für viele Wissensarbeitende gehört die durch Homeoffice gewonnene Flexibilität inzwischen zu den beliebtesten Benefits und gilt heute vielerorts als nicht mehr verhandelbar. Gleichzeitig zeigt sich in der Praxis jedoch eine strukturelle Herausforderung: Besonders für junge Talente droht die Freiheit hybrider Arbeit in Isolation umzuschlagen. Arbeit funktioniert, Ergebnisse werden geliefert - doch Austausch, Einbindung und Orientierung im Unternehmen nehmen ab. Das bleibt nicht ohne Folgen. Laut Gallup Engagement Index befindet sich die Mitarbeiterbindung in Deutschland auf einem Tiefpunkt. Für Unternehmen ist das ein deutliches Warnsignal. Vor dem Hintergrund historisch niedriger Bindungswerte stellt sich daher die Frage: Wie verhindern Organisationen, dass hybride Arbeit zur anonymen Durchlaufstation wird - und gestalten stattdessen ein Arbeitsumfeld, das Menschen langfristig motiviert und bindet?

In zahlreichen Digitalisierungsprojekten zeigt sich immer wieder dieselbe Frage: Was bedeutet Digitalisierung in Unternehmen eigentlich konkret? Die Antworten reichen von SAP-Migration über Automatisierung und den Aufbau von Cloud-Plattformen bis hin zu datengetriebenen Geschäftsmodellen und aktuell verstärkt zu Agentic AI. Jede dieser Antworten ist für sich richtig und beschreibt doch nur einen Teil des Gesamtbilds. Was häufig fehlt, ist ein methodisches und strukturiertes Vorgehen, das diese Initiativen zusammenführt, aufeinander abstimmt und strategisch ausrichtet. Genau dies beschreibt das ABC der Digitalisierung: A wie AI, B wie Big Data, C wie Cloud. Es hilft, die einzelnen Schlüsseltechnologien nicht isoliert voneinander zu betrachten, sondern in ihrem Zusammenspiel ganzheitlich zu verstehen und Transformationsprojekte wirksam umzusetzen. Gerade in Zeiten schneller Veränderungen wird ein solches Denken und Handeln in Zusammenhängen wichtiger denn je.

Künstliche Intelligenz gilt als einer der zentralen Treiber für Effizienz und Innovation in Unternehmen. In der Praxis zeichnet sich jedoch häufig ein anderes Bild: Während einzelne, isolierte Anwendungsfälle beeindruckende Ergebnisse liefern, scheitert die breite Skalierung von KI-Initiativen oft. Viele Projekte bleiben hinter den Erwartungen zurück oder werden nach ersten Tests gar nicht erst in den produktiven Betrieb überführt. Die Ursache liegt dabei meist nicht in der Leistungsfähigkeit der Modelle. Studien - unter anderem von McKinsey - zeigen vielmehr, dass Unternehmen den größten wirtschaftlichen Nutzen erst dann erzielen, wenn KI in klar strukturierte Arbeitsprozesse integriert wird. Der entscheidende Hebel liegt somit nicht allein in der Technologie, sondern in ihrer Einbettung in bestehende Abläufe.

KI-Systeme zeigen immer mehr Eigenschaften und Fähigkeiten, die vor nicht allzu langer Zeit noch als ureigen menschlich galten. Sie reagieren scheinbar empathisch, spiegeln Stimmungen und wirken zunehmend wie ein echtes Gegenüber. Gleichzeitig können sie jedoch "halluzinieren" - also überzeugend formulierte, aber falsche Informationen erzeugen. Deshalb sollte man ihren Aussagen und Empfehlungen nicht blind vertrauen.

Seit mehreren Jahren ist von einer "neuen Arbeitswelt" die Rede, in der sich mehrere Generationen gleichzeitig zurechtfinden sollen. Mit Blick auf die deutsche Gesellschaft wird der demografischen Wandel relativ deutlich. Bezogen auf den Arbeitsmarkt bedeutet das, dass Arbeitnehmende immer älter werden, während jüngere Genrationen - wie die Gen Z - schrittweise auf den Markt drängen. Die zentrale Herausforderung entsteht durch anhaltendgeringe Geburtenraten, die Unternehmen künftig dazu zwingen, Arbeitsstellen zu automatisieren und durch Roboter oder KI zu ersetzen. Während in früheren Zeiten noch ca. drei Stunden mehr pro Woche gearbeitet wurde, legen die jüngeren Generationen größeren Wert auf ihre persönliche Lebenszeit. Der Vorwurf älterer Generationen gegenüber der Generation Z lautet häufig, dass viele junge Menschen noch nicht lange im Arbeitsleben stehen und dennoch bereits konkrete Forderungen an zukünftige Arbeitgebende stellen. Der Begriff der Work-Life-Balance spielt hierbei eine zentrale Rolle.

Bis zum Jahr 2036 gehen in Deutschland laut Statistischem Bundesamt fast 19,5 Millionen Menschen der Babyboomer-Generation mit den Geburtsjahren 1957 bis 1968 in den Ruhestand. Jährlich scheiden dabei durchschnittlich rund 1,3 Millionen Erwerbstätige aus dem Arbeitsmarkt aus. Dadurch verschärft sich nicht nur der Fachkräftemangel - in Unternehmen droht zugleich ein erheblicher Verlust an Erfahrungswissen. Wie lassen sich Wissen und Erfahrung dieser Mitarbeitenden sichern? Das deutsche Startup Aiconiq.io ist überzeugt: mit Agentic AI - vorausgesetzt, diese basiert auf einem unternehmensindividuellen Corporate Brain.

Viele Organisationen stehen vor einer strategischen Herausforderung, die häufig unterschätzt wird: Mit dem altersbedingten Ausscheiden erfahrener Mitarbeitender geht nicht nur Arbeitskraft verloren, sondern vor allem organisationsspezifisches Erfahrungswissen. Dieses Wissen ist selten dokumentiert. Es steckt in Routinen, situativen Entscheidungen, impliziten Heuristiken und über Jahre entwickelten Problemlösungsstrategien. Klassische Wissensmanagement-Systeme erfassen vor allem explizite Inhalte. Implizites Erfahrungswissen - also das "Wissen, wie es tatsächlich funktioniert" - bleibt häufig an einzelne Personen gebunden. Hinzu kommt: Wissenssicherung erfolgt oft anlassbezogen statt systematisch. Zeitdruck, fehlende Prozessintegration und mangelnde Akzeptanz verhindern eine Skalierung. Generative KI eröffnet hier neue Möglichkeiten. Large Language Models (LLMs) können dialogisch arbeiten, Rückfragen stellen, Inhalte strukturieren und Aussagen verdichten. Richtig eingesetzt werden sie zu einer strukturierenden Assistenz im Externalisierungsprozess - nicht als Ersatz menschlicher Expertise, sondern als Verstärker reflektierter Wissensarbeit.

In vielen Unternehmen wird Künstliche Intelligenz noch immer wie ein besonders leistungsfähiges Software-Upgrade behandelt. Man testet Tools, kauft Lizenzen, verteilt Zugänge und hofft, dass Produktivität und Qualität automatisch steigen. Doch genau hier liegt der Denkfehler: KI ist kein Feature und auch kein magischer Knopf, der Prozesse automatisch optimiert. Wer generative KI erfolgreich einsetzen will, sollte sie anders betrachten: als Mitarbeitenden, als Assistenz oder als Praktikanten mit enormem Potenzial, aber ohne Entscheidungsbefugnisse und ohne Verantwortungsbewusstsein.

Wir alle kennen die typischen Symptome unzureichenden Wissensmanagements in Organisationen: An Prozess- und Teamschnittstellen gehen Informationen verloren, Entscheidungen sind im Nachhinein nicht mehr nachvollziehbar, Schulungen stehen losgelöst vom konkreten Arbeitskontext, neuen Mitarbeitenden fällt die Einarbeitung schwer, Wissen wird eher individuell genutzt als kollektiv geteilt und Fehler zwar bearbeitet, aber selten offen reflektiert. Die Liste ließe sich nahezu beliebig fortsetzen. Wer Wissensmanagement in Organisationen voranbringen will, stößt dabei auf ein Paradox. Es gibt Modelle, Standards, Best Practices, wissenschaftliche Forschungsergebnisse und hervorragende Lehrbücher - und dennoch bleiben Plattformen leer, Lessons Learned versanden und Erfahrungswissen hängt an einzelnen Personen. Wissensmanagement hat kein Erkenntnisproblem. Die Zusammenhänge und Theorien sind in der Fach-Community längst bekannt. Wissensmanagement hat vielmehr ein Vermittlungsproblem. Wir sprechen über Wissensmanagement, erreichen aber ausgerechnet jene Zielgruppe oft nicht, die es im Alltag wirksam machen muss: Führungskräfte.

Wofür lässt sich Künstliche Intelligenz nutzen? Und wie stark wird sie unser Leben und die Arbeitswelt verändern? Viele Antworten darauf sind bislang noch offen. Entsprechend viele Projekte laufen derzeit in Unternehmen, um die Möglichkeiten und Grenzen von KI auszuloten. Glaubt man den aktuellen Veröffentlichungen zum Thema Künstliche Intelligenz, entsteht schnell der Eindruck, dass sich die Arbeitswelt durch die verstärkte KI-Nutzung fundamental verändern wird - insbesondere dann, wenn sich Künstliche Intelligenz (KI) mit Robotik und Automatisierung (RA) zur sogenannten KIRA verbindet. Damit stellt sich zunehmend die Frage, wie menschlich und empathisch KI künftig werden - oder zumindest wirken - kann. Und welche typisch menschlichen Aufgaben sie dann möglicherweise übernimmt. Wo liegen Chancen, wo die Grenzen?

Wissen verschwindet selten plötzlich. Stattdessen geht es meistens leise verloren, wenn erfahrene Mitarbeitende das Unternehmen verlassen, wenn Teams wechseln, wenn Fluktuation steigt oder sich Aufgaben verschieben. Zurück bleiben oft sauber dokumentierte Prozesse - aber nicht unbedingt das Wissen darüber, warum Workflows und einzelne Arbeitsschritte in der Praxis tatsächlich funktionieren. Genau dieses Erfahrungswissen entscheidet jedoch in vielen Organisationen über Qualität, Problemlösungskompetenz und Handlungsfähigkeit.

In den vergangenen Jahren hat sich Customer Experience stark professionalisiert: Wir haben gelernt, Kundensignale systematisch zu erfassen und diese über Dashboards, automatisierte Reports und NPS‑Tracking im Unternehmen verfügbar zu machen. Diese Grundlagenarbeit war wichtig - und sie war eine echte Stärke moderner CX‑Teams. Noch nie wussten Unternehmen so viel über ihre Kunden wie heute. Und doch bleibt der Impact dieser Erkenntnisse oft überraschend begrenzt. Zwischen Verstehen und Verändern liegt eine Kluft - die sogenannte Experience Gap. Sie bedeutet die Lücke zwischen dem, was Organisationen über ihre Kunden wissen, und dem, was sie konkret daraus machen. Genau hier verlieren seit Jahren viele CX-Initiativen an Schlagkraft. Mit dem Einzug von Künstlicher Intelligenz in alle Ebenen des Daten-Stacks verändert sich diese Ausgangslage nun grundlegend: Zum ersten Mal ist die Experience Gap nicht nur sichtbar, sondern realistisch schließbar.

KI-Agenten, die eigenständig handeln, mehrstufige Workflows automatisieren und als vollwertige Teammitglieder in Microsoft 365 arbeiten: Das ist der Kern der aktuellen Copilot-Neuerungen. Wer jetzt die richtigen Weichen stellt, verschafft sich einen echten Vorsprung.

Eine aktuelle Studie des Branchenverbands Bitkom zeigt, dass viele Nutzer dem Einsatz von KI weiterhin skeptisch gegenüberstehen. Zugleich verbindet sich mit der Technologie das Risiko sogenannter Halluzinationen und fehlerhafter Ergebnisse. Der Ansatz "Human in the Loop" minimiert diese Vorbehalte und Risiken weitgehend durch Kontrolle der Ergebnisse und Training von KI-Modellen.

Digitale Souveränität ist zu einem zentralen Schlagwort der Verwaltungsmodernisierung geworden. Doch was bedeutet sie konkret - und wie lässt sie sich praktisch umsetzen? Johanna Wende, Leiterin des Geschäftsbereichs Government bei IBM Deutschland, erklärt im Interview, warum digitale Souveränität vor allem Wahlfreiheit bei Technologien bedeutet, welche Rolle eine übergreifende Datenstrategie spielt und warum Kompetenzaufbau sowie Wissensmanagement entscheidend sind, damit Verwaltungen langfristig handlungsfähig bleiben.

Automatisierte Produktionsabläufe mit Künstlicher Intelligenz, schnellere Fertigung durch 3D-Druck oder humanoide Roboter, die gefährliche Schweißarbeiten übernehmen - Deutschlands Fabriken werden digitaler. Die deutsche Industrie bewertet den Einsatz digitaler Technologien in der Produktion weit überwiegend positiv: 81 Prozent der deutschen Industrieunternehmen sehen Industrie 4.0 als Chance, nur 16 Prozent sehen darin ein Risiko. Gleichzeitig ist Industrie 4.0 ein Wettbewerbsfaktor. Für fast alle deutschen Industrieunternehmen (94 Prozent) ist Industrie 4.0 sehr wichtig oder gar unverzichtbar, um im internationalen Wettbewerb zu bestehen (unverzichtbar: 30 Prozent; sehr wichtig: 64 Prozent). Nur knapp 4 Prozent halten Industrie 4.0 hingegen für unwichtig. Das sind Ergebnisse einer repräsentativen Befragung im Auftrag des Digitalverbands Bitkom, die anlässlich der Hannover Messe unter 555 Industrieunternehmen des verarbeitenden Gewerbes ab 100 Beschäftigten in Deutschland durchgeführt wurde.

Die Cloud gilt als Kerntechnologie für die Digitalisierung. Doch viele Unternehmen sind sich noch unsicher, wie sie die Transformation angehen sollen. Die Wahl des ersten Hyperscalers will gut überlegt sein, denn sie schafft die technische Grundlage für die künftige Geschäftsentwicklung.

Viele Unternehmen versuchen mit Anreizen wie Prämien und Boni die Motivation ihrer Mitarbeiter zu erhöhen. Doch diese so genannte extrinsische Motivation erweist sich meist als Strohfeuer. Nachhaltiger wirkt ein Steigern der inneren bzw. intrinsischen Motivation.

Die Migration in die Cloud sollte eigentlich eine Einbahnstraße sein. Für die meisten Unternehmen ist sie das offenbar nicht. Eine aktuelle Studie zeigt, dass viele von ihnen der Cloud zwar nicht den Rücken kehren, aber angesichts von höheren Kosten und zunehmenden Anforderungen an die Datensouveränität ihre Workload-Aufteilung neu ausrichten.​

Die digitale Transformation fordert ein völlig verändertes Kompetenzprofil von Mitarbeitenden. KI-Souveränität, Data-Science-Kompetenzen und agile Selbstorganisation werden in einer volatilen Arbeitswelt zu Basisanforderungen. Starre Hierarchien der Vergangenheit werden mit flexiblen Arbeitsformen kontrastiert, die eine Grundlage bieten, wie Unternehmen den Spagat zwischen technologischem Anspruch und der Berücksichtigung menschlicher Bedürfnisse meistern können. Ein Fokus liegt dabei auf der Eigenverantwortung beim Wissenserwerb als Schlüssel zum langfristigen Erfolg in einer vernetzten Welt.

In diesem Jahr erreicht der Hype-Zyklus von KI seinen ersten Tiefpunkt und wir erleben eine Welle von eingestellten Projekten. Viele Unternehmen müssen erkennen, dass sie KI ohne ganzheitliche Strategie eingesetzt haben. Folgerichtig wird es eine deutliche Verlagerung von taktischen Maßnahmen hin zu strategischen Ansätzen geben. In den nächsten Monatn gehören diejenigen zu den Gewinnern, die diszipliniert und methodisch mit KI umgehen. Als wichtigste Faktoren dafür schälen sich erstens eine robuste Strategie und zweitens eine klare Zielvorstellung heraus. Unternehmen, die KI in strukturierte Arbeitsabläufe mit transparenter Governance und klar definierten menschlichen Kontrollpunkten einbetten, werden sich als die Gewinner der Post-Hype-Ära herausstellen - die Zeit der reinen Jubler dagegen ist vorbei. Umso wichtiger wird es sein, die Voraussetzungen dafür zu schaffen, die enormen Möglichkeiten von KI organisatorisch richtig umzusetzen. Agentenbasierte KI ist dabei nur ein Teil des Puzzles. Es geht um weit mehr als nur Automatisierungsoptionen. Wichtig sind Risikokontrolle, Governance und ein klares Verständnis dafür, wo und wie der Mensch sinnvoll eingebunden werden kann.

Viele KI-Projekte scheitern nicht an der Technologie selbst, sondern an fehlender Wertlogik, isolierten Pilotansätzen und mangelnder Integration in reale Prozesse, Entscheidungen und Systemlandschaften. Weil Technologie alleine nicht ausreicht, um Prozesse, Geschäftsmodelle und Entscheidungslogiken nachhaltig zu verändern, gilt es, die fünf entscheidenden Prinzipien einer wirklich erfolgreichen KI-Transformation zu berücksichtigen.

Digitale Transformation ist heute allgegenwärtig. Cloud-Lösungen, künstliche Intelligenz, Automatisierung und neue Kollaborationstools versprechen Tempo, Effizienz und Innovation. In vielen Organisationen bleibt die Wirkung jedoch hinter den Erwartungen zurück. Ein häufiger Grund: Die Technik funktioniert; die Veränderung hingegen nicht. Während Prozesse digital werden, bleiben die Arbeitsweisen gleich. Zusammenarbeit funktioniert nur fragmentiert. Wissen steckt weiterhin in Silos und kreative Potenziale liegen brach. Das Kernproblem liegt selten in der Technologie. Es liegt im Verständnis von Transformation. Denn digitale Transformation wirkt erst dann, wenn sie neue Formen der Zusammenarbeit ermöglicht. Sie entfaltet ihre Kraft, wenn Menschen vernetzt denken, gemeinsam gestalten und Wissen teilen. Erst dann wird Veränderung zur Bewegung. Und erst dann kann Transformation zu einer echten Erfolgsbewegung werden.

Der Einsatz KI-gestützter Chatbots nimmt in Organisationen kontinuierlich zu. Trotz technologischer Fortschritte bleibt die tatsächliche Nutzung jedoch häufig hinter den Erwartungen zurück. Ein wesentlicher Grund dafür liegt in fehlendem Vertrauen in die Verlässlichkeit der Systeme und enttäuschten Nutzungserwartungen. Entscheidend für ihre Akzeptanz sind daher neben wahrgenommener Nützlichkeit und Benutzerfreundlichkeit insbesondere transparente Systemgrenzen, eine verlässliche Wissensbasis sowie geeignete Mechanismen zur Vermeidung von Fehlinformationen. Diese Erkenntnisse ergeben sich aus der Entwicklung des Studienberatungs-Chatbots "Helia" an der Hochschule Burgenland. Das Projekt zeigt, welche technischen und organisatorischen Maßnahmen dazu beitragen können, Vertrauen in KI-gestützte Chatbots aufzubauen und ihre nachhaltige Nutzung zu fördern.

In vielen Industrieunternehmen verzögern sich Abläufe immer noch durch manuelle Routinetätigkeiten. Das Prüfen von Kundenaufträgen, das Überwachen von Lagerbeständen oder die Materialbeschaffung binden Mitarbeitende und ziehen Prozesse in die Länge. Dabei könnten all diese Aufgaben längst sicher und zuverlässig automatisiert erledigt werden. Doch wie kann der "Kollege KI" den Alltag erleichtern und für mehr Effizienz sorgen?

In Organisationen entscheidet sich Wirklichkeit selten allein über Fakten. Häufig setzen sich zunächst jene Deutungen durch, die emotional anschlussfähig, einfach kommunizierbar und sozial wiederholbar sind. Leistungen werden umgedeutet, Verantwortlichkeiten verschoben, komplexe Sachverhalte auf eingängige Narrative reduziert. Die Folgen sind Verunsicherung, Handlungsdruck und strukturelle Spannungen. Narrative Konflikte lösen sich selten kurzfristig. Organisationale Systeme reagieren träge, während Deutungsmuster sich über Jahre stabilisieren oder verändern. Dieser Beitrag geht davon aus, dass solche Prozesse nicht linear verlaufen, sondern in typischen systemischen Zeiträumen. Wirksame Intervention erfordert daher Phasensensibilität und die Ausrichtung an drei Wirkhebeln: Dokumentation (zeitliche Kohärenz), Träger (psychische Stabilität und Integrität) sowie Zeit (systemische Ermüdung). Ziel ist nicht der Sieg über Narrative, sondern die langfristige Wiederherstellung von Kohärenz, Handlungsfähigkeit und organisationaler Integrität.

Explizites Wissen darüber, weshalb Fehler passieren, wie man sie gut aus der Welt schafft und was man fundiert daraus lernt, ist fundamental. Denn wenn das Umfeld komplex und die Zukunft unvorhersehbar ist, werden Fehlversuche zur Normalität. Um sich eine fehlertolerante Lernkultur zu erschließen, sind Storylistening, Storytelling und eine Erzählwerkstatt erste Wahl

Eine neue globale Befragung von 3.700 Business- und IT-Entscheidern, davon 200 in Deutschland, ergab, dass 70 Prozent der Entscheider in Deutschland (67 Prozent weltweit) bereits unter Druck standen, KI-Projekte trotz Sicherheitsbedenken zu genehmigen. 17 Prozent von ihnen (14 Prozent global) bezeichneten diese Bedenken sogar als "extrem", wurden aber dennoch übergangen, um mit Wettbewerbern und internen Anforderungen Schritt zu halten. Das ist eines der zentralen Forschungsergebnisse von TrendAI™, einem Geschäftsbereich des KI-Sicherheitsexperten Trend Micro.

Ich kann mich noch gut erinnern - ein Teilnehmer in meinem Digital Business Modeling-Kurs hatte mich dreimal darauf aufmerksam gemacht: "Joachim, du zeigst immer wieder Sweetspots auf, allerdings fehlt mir die Tiefe." Der Wissensdurst des Teilnehmers war erstaunlich, und ich hatte Schwierigkeiten, zu identifizieren, welches Wissen der Teilnehmende genau braucht. Ehrlicherweise hatte ich den Begriff "Sweetspot" zum ersten Mal gehört und wusste nur ansatzweise, was er damit meint. In meiner Reflexion fand ich dann doch ziemliches Interesse daran, mich näher damit zu beschäftigen und habe daraus ein kleines Modell entwickelt.

Wissensmanagement ist ein strategisches Thema in Organisationen. Und eines, das in der Praxis oft hinter den Erwartungen zurückbleibt. Wikis werden angelegt und nicht gepflegt. Schulungen vermitteln Wissen, das im Arbeitsalltag nicht umgesetzt wird. Wertvolles Erfahrungswissen bleibt in Abteilungen oder bei einzelnen Personen. Unsichtbar für den Rest der Organisation. Interne Communities of Practice sind ein Ansatz, der dieses Problem strukturell adressiert. Ein kontinuierliches Ökosystem: Mitarbeitende, die sich rund um ein gemeinsames Thema oder eine gemeinsame Praxis vernetzen, Wissen teilen und voneinander lernen, über Abteilungs-, Standort- und Hierarchiegrenzen hinweg.

Geschichten sind mehr als nur eine schöne Verpackung für Inhalte. Sie entscheiden darüber, was wir verstehen, woran wir uns erinnern - und was wir weitererzählen. Gerade im Wissensmanagement wird das oft unterschätzt. Unternehmen investieren in Tools, Prozesse und Strukturen. Doch das strategisch wichtige Erfahrungswissen steckt nach wie vor in den Köpfen der Mitarbeitenden. Und es zirkuliert nicht von selbst. Es wird erst lebendig, wenn Menschen es teilen: in Geschichten. Im Dialog. Im gemeinsamen Verstehen. Diese Ausgabe von "wissensmanagement - Das Magazin für Digitalisierung, Vernetzung & Collaboration" widmet sich deshalb ab Seite 18 der Macht der Geschichten und dem Storytelling sowie Storylistening aus verschiedenen Perspektiven.

Das Christliche Jugenddorfwerk Deutschland - einer der größten Sozialverbände - zeigt, wie ein modernes Social Intranet nicht nur den Informationsfluss verbessert, sondern echte Teilhabe ermöglicht und ein neues Gemeinschaftsgefühl entstehen lässt - von der Kita bis zur Werkstatt, vom Vorstand bis zum Außendienst.

Generative KI verspricht erhebliche Produktivitätsgewinne in der Wissensarbeit: Texte, Analysen, Konzepte oder Codes können in kürzester Zeit erstellt werden. In vielen Organisationen wird KI daher primär als Effizienzwerkzeug eingeführt - mit messbaren kurzfristigen Erfolgen. Eine aktuelle PwC-Studie beziffert das Produktivitätswachstum im Zeitraum 2018 - 2024 in den Branchen, die am stärksten von KI betroffen sind, mit 27 Prozent und sagt bis 2040 eine Steigerung der Arbeitsproduktivität in Deutschland durch KI um 30 Prozent voraus. Doch was, wenn der Preis dieser Produktivitätsgewinne nicht monetär, sondern kognitiv ist? Die langfristige Nebenwirkung der Nutzung von generativer KI im Sinne einer schleichenden Erosion individueller und organisationaler Lern- und Urteilskompetenz erhält bislang weniger Aufmerksamkeit. Möglicherweise könnte sich der Verlust von Lernfähigkeit - und nicht der Verlust von Arbeitsplätzen - als das größere Risiko der KI-Nutzung erweisen.

Künstliche Intelligenz verändert das Wissensmanagement grundlegend. An die Stelle strukturierter Dokumentenablage treten zunehmend produktive Assistenzsysteme. Nur durch ein solches KI-gestützte Upgrade bleibt das organisationale Wissensmanagement langfristig wettbewerbsfähig. Im Gespräch mit "wissensmanagement - Das Magazin für Digitalisierung, Vernetzung & Collaboration" erklärt Volker Braun, warum KI kein Zusatztool (mehr) ist, sondern einen Paradigmenwechsel im Wissensmanagement einläutet: weg von der Suche nach Informationen, hin zu kontextbezogenen Antworten im Workflow. KI- und Wissensmanagement-Experte Volker Braun spricht über Disruption, Governance, implizites Wissen - und darüber, warum Wissensmanagement ohne KI künftig nicht mehr als ein Archiv ist.

Generative KI verändert, wie Unternehmen arbeiten - und sie schafft eine neue Anforderung: Wissen muss nicht nur für Menschen, sondern auch für KI-Assistenten und KI-Agenten zuverlässig nutzbar sein. Denn Agenten erledigen Aufgaben nicht „im Chat“, sondern greifen auf Informationen zu, folgen Regeln und Prozessen und liefern Ergebnisse - idealerweise mit Quellen und Nachvollziehbarkeit. Der Alltag zeigt jedoch: Wissen ist vorhanden, aber verteilt. Dateien liegen in M365, auf Fileservern, in Confluence, Jira, DMS, CRM-Notizen oder E-Mails. Und obwohl Teams längst digital arbeiten, gehen weiterhin Stunden pro Woche verloren, weil Informationen gesucht oder doppelt erstellt werden. (APQC beziffert diesen Aufwand im Schnitt auf mehrere Stunden pro Woche je Wissensarbeiter.)

Immer mehr KI-Tools unterstützen dabei, Lernangebote zu konzipieren, Inhalte aufzubereiten oder Trainingsmethoden weiterzuentwickeln. Von der Recherche über die Erstellung didaktischer Materialien bis hin zur Visualisierung von Präsentationen eröffnen sich neue Möglichkeiten, Lernprozesse effizienter und zugleich abwechslungsreicher zu gestalten. Doch welche Anwendungen sind im Arbeitsalltag tatsächlich hilfreich? Und wie lassen sich KI-Tools so einsetzen, dass sie die eigene Expertise sinnvoll ergänzen, statt sie zu ersetzen? Learning Professinal Sabine Prohaska stellt ihre persönlichen KI-Favoriten vor.

Aus den Augen, aus dem Sinn - so geht es vermutlich vielen Leuten beim Thema Abfall. Für die Münchner MARTIN GmbH geht der Job dann aber erst los. Seit über 100 Jahren baut das Unternehmen thermische Abfallbehandlungsanlagen zur Energiegewinnung. Und neuerdings auch mit hochmoderner IoT-Datenauswertung. Um etwa den Zustand der Anlagen oder die Ausschüttung von Emissionen zu überprüfen, kommt mittlerwile eine Data Platform zum Einsatz.

Neue Technologien bringen stets zusätzliche Risiken mit sich, die verstärkte Investitionen in die IT-Sicherheit erfordern. Das ist bei KI nicht anders. Allerdings birgt sie gleichzeitig auch enormes Potenzial für neue, ausgefeilte Abwehrmechanismen mit hohem Automatisierungsgrad.

Transformation beginnt stets bei den Menschen und einer auf Transformation ausgerichteten Unternehmenskultur. Das zeigt das Beispiel eines Unternehmens, das sich von einer hierarchisch strukturierten Organisation zu einem matrixstrukturierten Unternehmen transformieren will, in dem die Mitarbeitenden eigenverantwortlich und selbstbestimmt agieren.

Ältere Arbeitnehmerinnen und Arbeitnehmer leisten - ebenso wie jüngere Beschäftigte - einen wichtigen Beitrag zum betrieblichen Erfolg und auch zum Fortschritt in Fragen der Digitalisierung, sowohl in öffentlichen Ämtern als auch in der Privatwirtschaft. Sie haben im Laufe ihres Berufslebens fachliche Erfahrung und Resilienz erworben und nehmen damit im betrieblichen Workflow eine zentrale, mitunter sogar entscheidende Rolle ein. Dennoch gibt es in vielen Organisationen weiterhin Vorbehalte. In manchen Fällen beruhen diese auch auf konkreten Erfahrungen von Teamleitungen, die älteren Mitarbeitenden die Arbeit mit modernen IT-Techniken nicht uneingeschränkt zutrauen oder negative Erlebnisse gemacht haben. Dieses Thema steht bislang jedoch oft nicht im Fokus des innerbetrieblichen Managements.

In der heutigen digitalisierten Wirtschaft unterstützt Technologie nicht nur das Geschäft - sie ist das Geschäft. Die Aufgaben des Chief Information Officers (CIO) haben sich daher vom Management von Systemen und Infrastrukturen hin zur Gestaltung von Strategien und zur Förderung der Transformation von Unternehmen entwickelt. Jedes Unternehmen ist heute auf digitale Fähigkeiten angewiesen, um zu arbeiten, innovativ zu sein und zu wachsen. Der CIO ist damit einer der wichtigsten strategischen Führungskräfte in der Geschäftsleitung. Seine Aufgabe besteht nicht mehr nur darin, die Systeme am Laufen zu halten, sondern Technologie als Katalysator für Wachstum, Effizienz und Widerstandsfähigkeit zu nutzen. Dies ist das Zeitalter des strategischen CIO - einer Führungskraft, die Technologie mit Zielen und Geschäftsergebnissen verbindet.

Künstliche Intelligenz verändert Geschäftsmodelle, Prozesse und Wertschöpfungsketten grundlegend. Doch während Algorithmen, Modelle und Use Cases viel Aufmerksamkeit erhalten, bleibt ein zentraler Erfolgsfaktor häufig im Hintergrund: die Daten- und Speicherinfrastruktur. Sie entscheidet darüber, ob KI-Projekte skalierbar, wirtschaftlich und dauerhaft erfolgreich umgesetzt werden können. Darüber hat die Zeitschrift "wissensmanagement" mit Sascha Uhl, Senior Solutions Architect bei Cloudian, gesprochen. Demnach zeigt sich: Erst eine leistungsfähige, flexible und sichere Speicherbasis ermöglicht es Unternehmen, die wachsenden Datenmengen aus KI-Anwendungen effizient zu nutzen, Innovationen zu beschleunigen und zugleich Kosten, Sicherheit und Souveränität im Griff zu behalten.

In einer Zeit, die von grundlegenden technologischen Transformationen und neuen geopolitischen Rahmenbedingungen geprägt ist, steht der öffentliche Sektor vor der Herausforderung, zunehmend komplexe Prozesse und Maßnahmen effektiv umzusetzen und dabei Informationssicherheits- und Datenschutzstandards einzuhalten. Die Zusammenarbeit über Ressort- bzw. Behördengrenzen hinweg unterliegt besonderen Anforderungen, da hier auch unterschiedliche Organisationsstrukturen der beteiligten Institutionen zum Tragen kommen. Plattformen für Austausch und Wissensmanagement nehmen in diesem Kontext eine zunehmend wichtige Rolle ein. Sie haben sich als zentrale Werkzeuge etabliert, die eine effektive Kollaboration der Akteure ermöglichen.

Auch wenn Künstliche Intelligenz auf jeder Agenda steht, bleiben viele der angestoßenen Initiativen hinter ihren Erwartungen zurück. Der Grund ist selten technischer Natur, die Probleme liegen vielmehr in einem Vorgehen, das KI als isolierte Projekte und Einzelmaßnahmen versteht. Ein vierstufiges Framework zeigt, wie sich mit einem AI-First-Ansatz erste Experimente zu einem tragenden Element der Infrastruktur transformieren lassen

Künstliche Intelligenz findet vor allem in der Cloud statt. Die Sprachmodelle generativer KI werden dort gehostet, der Zugang erfolgt in der Regel über Cloud-Services. Dieses Konzept stößt allerdings da an seine Grenzen, wo strenge Governance- und Compliance-Richtlinien ins Spiel kommen. Die professionelle Nutzung von KI muss daher eingebettet sein in ein Gesamtkonzept, das Sicherheit und Rechtskonformität ebenso sicherstellt wie den Cloud-Betrieb selbst.

Die 6. jährliche Horváth-Studie "CxO Priorities" zeigt, dass die Neuordnung der Weltwirtschaft auch die deutsche Industrie maßgeblich verändert. Sie hat unter anderem gravierende Folgen für die Verteilung von Investitionen, bei denen Unternehmen zunehmend die operative Exzellenz in den Mittelpunkt stellen. Doch wie lässt sich die operative Exzellenz nachhaltig steigern? Die größten Stellhebel liegen in der Prozessanalyse und -optimierung sowie dem gezielten Einsatz von KI.

Wenn erfahrene Teammitglieder das Unternehmen verlassen - altersbedingt oder durch einen Jobwechsel -, droht erfolgsentscheidendes Fachwissen verloren zu gehen. Eine geeignete, KI-basierte Wissensstrategie bietet Organisationen die Chance, Spezialkenntnisse systematisch zu erfassen, kontextbezogen verfügbar zu machen und Mitarbeitenden wertvolle Unterstützung an die Hand zu geben.

Immer mehr Unternehmen setzen künstliche Intelligenz ein. Laut einer Umfrage des Digitalverbandes Bitkom nutzt etwa jedes dritte deutsche Unternehmen (36 Prozent) bereits KI-Anwendungen. Zudem plant oder diskutiert fast jeder zweite Betrieb (47 Prozent) den KI-Einsatz. Doch die Nutzung ist derzeit noch sehr punktuell und fällt vor allem in die Bereiche Kundenkontakt (88 Prozent) sowie Marketing und Kommunikation (75 Prozent). In anderen Geschäftsbereichen kommen intelligente Anwendungen seltener zum Einsatz, beispielsweise im Controlling und Rechnungswesen (17 Prozent), in der Personalabteilung (14 Prozent) oder beim internen Wissensmanagement (11 Prozent). Doch KI kann den Arbeitsalltag in vielerlei Hinsicht noch stärker erleichtern und vor allem Mitarbeiter bei Routineaufgaben in Verwaltungsprozessen entlasten. Damit die Anwendungen jedoch ganzheitlich zur Prozessautomatisierung beitragen, müssen Unternehmen zunächst einmal ihre Digitalisierung vorantreiben, um überhaupt mit dem Einsatz von KI beginnen zu können - etwa im Dokumenten-, E-Mail- oder Wissensmanagement. Hier ist eine schnelle Arbeitsentlastung möglich, und das schafft Vertrauen für zukünftige KI-Lösungen bei Mitarbeitern und im Management.

Generative KI, Agentic AI und Physical AI bringen frischen Wind in die Industrie. Während klassische KI längst für Predictive Maintenance und Qualitätskontrolle eingesetzt wird, eröffnen diese Technologien ganz neue Möglichkeiten entlang des gesamten Fertigungsprozesses - von der Konstruktion über den laufenden Betrieb bis hin zur Mensch-Roboter-Interaktion. Doch welche Einsatzszenarien sind für den Fertigungsprozess am wichtigsten?

Studierende nutzen KI längst. Laut Umfragen greifen über 86 Prozent während ihres Studiums regelmäßig auf KI-Tools zurück. Während viele Hochschulen noch über Verbote oder Detektion diskutieren, zeigt die Realität: KI ist Teil des Studienalltags. Die Frage ist nicht mehr, ob Studierende KI nutzen, sondern wie. Kontrolle führt dabei in eine Sackgasse, der Aufbau von Kompetenzen weist hingegen den Weg nach vorn.