Künstliche Intelligenz / Robotic

-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.)

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.

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.

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.

Ob im Feedbackgespräch, beim Konfliktmanagement oder bei schwierigen Zielvereinbarungen: Führungskräfte stehen zunehmend unter Druck, in kritischen Gesprächssituationen souverän zu agieren. Doch wie lassen sich diese Soft Skills effizient und praxisnah schulen, insbesondere in global agierenden Unternehmen? Der Automatisierungsspezialist Festo setzt auf eine KI-gestützte Lösung, die realistische Dialoge simuliert.

KI ist mittlerweile in den meisten Unternehmen angekommen. Doch obwohl sie Tools schnell einführen, bleiben klare Regeln, Sicherheitskonzepte und Verantwortlichkeiten oft auf der Strecke. So kommt es, dass hiesige Organisationen auch 2026 noch weit weg vom Status "AI Ready" sind.

Trendberichte gibt es viele. Doch was nützt ein globaler Hype, wenn er sich nicht auf den eigenen Unternehmensalltag übertragen lässt? In der aktuellen Ausgabe von "wissensmanagement – Das Magazin für Digitalisierung, Vernetzung & Collaboration" stellen wir daher nicht nur die wichtigsten Entwicklungen rund um Digitalisierung, Künstliche Intelligenz & Co. vor – wir zeigen vor allem: Was davon lässt sich konkret umsetzen? Und wie?

Ein neuer Kollege tritt seinen ersten Arbeitstag an. Laptop, Zugänge, erste Aufgaben - alles scheint vorbereitet. Doch als er versucht, sich in die Prozesse einzuarbeiten, beginnt das eigentliche Rätselraten: Wo ist die aktuelle Anleitung? Welche Version gilt? Und woher bekommt er die Hintergrundinformationen, die sein Vorgänger "irgendwo" abgelegt hat? Was folgt, ist ein typisches Ritual in vielen Organisationen: suchen, klicken, filtern, nachfragen. Die vorhandenen Informationen sind da - aber verstreut, redundant oder schwer zugänglich. Wissen existiert, doch es ist unsichtbar. In solchen Momenten zeigt sich: Wissen zu haben genügt nicht - es muss auch verfügbar sein. Nur wenn Informationen gezielt auffindbar und im Arbeitskontext nutzbar sind, entfalten sie ihren Wert.

Digitale Zwillinge gelten inzwischen als eines der zentralen Konzepte der industriellen Digitalisierung und eröffnen vielfältige Anwendungsmöglichkeiten. Diese Möglichkeiten ergeben sich aus der Verbindung physischer und digitaler Komponenten, aus denen der digitale Zwilling entsteht. Zudem können sie Informationen aus unterschiedlichen Quellen zusammenführen. So werden etwa Fehler frühzeitig erkannt und Produkte dank digitaler Repräsentationen präziser entwickelt

Künstliche Intelligenz (KI) ist ein mächtiges Hilfsmittel beim Führen. Doch sie kann menschliche Führung nicht ersetzen - unter anderem, weil sie keine Verantwortung übernehmen kann und über kein Gewissen und Bauchgefühl verfügt.

AI Distillation ist kein neues Thema, aber es gibt aktuelle Trends, die die KI-Landschaft nachhaltig verändern. Dazu zählen die White-Box-Destillation für firmeninterne Entwicklungen, die Gray-Box-Destillation in Open-Source-Ökosystemen und die Black-Box-Destillation zur Kostenreduzierung. Die Techniken werden zur weiteren Demokratisierung von KI beitragen, wobei der Fokus auf spezialisierten, kosteneffizienten Lösungen liegt.

In der industriellen Produktentwicklung entsteht und zirkuliert ein enormes Maß an Wissen - über Materialien, Baugruppen, Berechnungsverfahren und funktionale Abhängigkeiten zwischen Komponenten. Dieses Wissen bildet den eigentlichen Wertschöpfungskern technischer Entwicklung, bleibt jedoch häufig in fragmentierter Form erhalten: In individuellen Erfahrungsbeständen, in Tabellen, in unstrukturierten Dokumenten oder in isolierten Softwaretools. Wer versucht, bestehende Produktvarianten gezielt wiederzuverwenden oder auf neue Anforderungen anzupassen, stößt daher schnell an systemische Grenzen. Relevante Daten sind schwer auffindbar, Zusammenhänge zwischen Konstruktionsmerkmalen bleiben implizit, und der Aufwand, bestehende Lösungen zu identifizieren und zu bewerten, übersteigt oft den Nutzen. In der Praxis führt dies nicht selten dazu, dass Produkte trotz vorhandener Ähnlichkeiten vollständig neu konstruiert werden. Ein Vorgehen, das zeitaufwendig, kostenintensiv und im Kontext der Digitalisierung ineffizient ist. Das am Fraunhofer IPK entwickelte methodische Vorgehen adressiert genau diese Herausforderung. Es zielt darauf ab, Entwicklungswissen so zu formalisieren, dass es sowohl für Maschinen als auch für Fachkräfte in Konstruktion, Simulation oder Angebotserstellung verständlich und wiederverwendbar ist. Die zentrale Grundlage bildet dabei eine Ontologie: ein semantisches Informationsmodell, das die Begriffe, Beziehungen und Regeln eines technischen Domänenwissens strukturiert beschreibt und damit eine gemeinsame Sprache zwischen Menschen und Maschinen schafft.

Künstliche Intelligenz hat der Prozessautomatisierung in den Unternehmen einen enormen Schub verliehen. Indem sie agentenbasierte Planung und Selbstoptimierung von Abläufen ermöglicht, kommen wir dem Ideal des Autonomous Enterprise einen Riesenschritt näher.

Künstliche Intelligenz verändert den Umgang mit Wissen radikaler als jede Technologie zuvor. Nicht, weil sie nur schneller sucht, sondern weil sie Wissen dialogfähig macht: Wir "befragen" unser kollektives Gedächtnis, und anstatt bloße Treffer zu erhalten, bekommen wir Kontexte. Aus Archiv wird Gespräch, aus Ablage wird Aktivierung. Das ist die technische Revolution, die die aktuelle KI-Welle verspricht. Die stille, weitaus schwierigere Revolution findet jedoch in unseren Köpfen statt: Wissenskultur muss sich neu sortieren, weg vom Besitz hin zur individeuellen Beziehung mit Wissen.

Wofür lässt sich die Künstliche Intelligenz nutzen? Inwieweit wird sie unser Leben und die Arbeitswelt verändern? Das ist zurzeit noch weitgehend unklar! Entsprechend viele Projekte finden aktuell in den Unternehmen statt, um dies auszuloten.

Stellen Sie sich vor, Ihr Unternehmen arbeitet wie ein Sternekoch - aber der "Kühlschrank" ist vollgestopft, unübersichtlich und niemand weiß genau, was wirklich drin ist. Genau so geht es vielen Organisationen: Daten sind im Überfluss vorhanden, doch der effiziente Zugriff auf die richtigen Informationen bleibt die größte Hürde. Die Folge: stockende Entscheidungen, langsame Prozesse, steigende Kosten.

Während Unternehmen quer über den Globus Milliarden in KI investieren und für die Zukunft technologisch aufrüsten, übersehen sie schnell einen nach wie vor entscheidenden Faktor für den wirklich lohnenden Einsatz: den Menschen. Dabei ist es gerade dessen KI-Kompetenz, die darüber entscheidet, ob Technologie Wert schafft oder Investitionen einfach verpuffen.

Die disruptive Einführung generativer Künstlicher Intelligenz - allen voran durch Dienste wie ChatGPT - hat die IT- und Cybersicherheitslandschaft in den vergangenen zwei Jahren grundlegend verändert. Was zunächst als experimentelles Tool begann, ist heute ein strategischer Bestandteil moderner Sicherheitsarchitekturen. Gleichzeitig hat die stetig wachsende digitale Komplexität in Unternehmen einen kritischen Punkt erreicht: Die Vielzahl unterschiedlicher Security-Tools führt zu Intransparenz, Mehraufwand und erheblichen Risiken. 2026 markiert einen Wendepunkt. Die IT-Branche bewegt sich auf einen fundamentalen Paradigmenwechsel zu. Automatisierung wird vom Nice-to-have zum entscheidenden Wettbewerbsfaktor, und der klassische Perimeter tritt endgültig in den Hintergrund. Stattdessen gewinnt ein identitäts- und workloadbasierter Zero-Trust-Ansatz an zentraler Bedeutung. Insgessamt fünf Trends werden das Jahr 2026 prägen.

Sprach-zu-Text-Systeme halten Einzug in den Kundenservice, doch ihr Einsatz ist rechtlich alles andere als trivial. Unternehmen, die Gespräche aufzeichnen und automatisiert transkribieren lassen, bewegen sich im Spannungsfeld zwischen Digitalisierung und Datenschutz. Dabei sind die Regeln der Datenschutz-Grundverordnung (DSGVO), des Telekommunikations-Digitaldienstegesetzes (TDDDG) sowie die Persönlichkeitsrechte der Mitarbeitenden zu berücksichtigen.

Die Arbeitswelt verändert sich - sowohl für Personalmanager als auch für die Belegschaft. Während sich vor wenigen Jahren die Arbeitnehmer in einer starken Verhandlungsposition befanden, schlägt das Pendel jetzt immer stärker zugunsten der Unternehmen aus. Das eröffnet ihnen die Chance, die Arbeitswelt mehr nach ihren Vorstellungen zu gestalten, um ihren Unternehmenserfolg zu sichern. Gleichzeitig tragen sie auch die große Verantwortung, das Arbeitsumfeld ihrer Mitarbeitenden kontinuierlich zu verbessern, das Engagement zu fördern und die Rolle der KI für die kommenden Jahre mit Weitblick und Sorgfalt auszubalancieren. Welche Auswirkungen hat das für die Arbeitswelt im nächsten Jahr?

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.

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.

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 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.

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.

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.

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.