Künstliche Intelligenz / Robotic

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.

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.

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?

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.

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.

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.

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?

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.

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.

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.