Tools

Generative KI erreicht zunehmend auch die Werkshallen. Gerade in der Lebensmittel- und Getränkeindustrie kann sie dazu beitragen, Wissen leichter zugänglich zu machen, Arbeitsanweisungen schneller bereitzustellen und Sprachbarrieren zu überwinden. Damit wird GenAI zu einem wichtigen Produktivitätswerkzeug für Beschäftigte in der Produktion.

Wenn erfahrene Anlagenfahrer altersbedingt ausscheiden, geht wertvolles Erfahrungswissen verloren – sofern es nicht in historischen Prozessdaten dokumentiert ist. Diese Daten bilden damit das Gedächtnis betrieblicher Systeme. Sie dokumentieren, wie Prozesse in der Vergangenheit funktioniert haben, wo Engpässe auftraten, welche Ressourcen veraltet waren und wie sich äußere Rahmenbedingungen ausgewirkt haben. Aus dieser Vergangenheit lassen sich Muster, Zyklen und Abweichungen ableiten, die als Anker für gegenwärtige Entscheidungen dienen. In einer Zeit, in der digitale Transformation und datengetriebene Steuerung den Takt vorgeben, wird die Fähigkeit, aus historischen Analysen zu lernen, zu einem zentralen Faktor für Stabilität, Effizienz und nachhaltige Leistungsverbesserung.

In vielen Organisationen ist Wissen längst dokumentiert und abgelegt. Dennoch ist es im Arbeitsalltag häufig schwer zugänglich. Künstliche Intelligenz verändert genau diesen Punkt. Sie schafft neue Wege, um vorhandene Informationen zugänglich und nutzbar zu machen und damit den Zugang zu Wissen grundlegend zu vereinfachen.

Wikis im KI-Zeitalter: Renaissance statt Abschied. Warum die Kombination aus kollaborativer Wissenspflege und semantischen Datenstrukturen die ideale Basis für moderne KI-Assistenten ist.

Zuckerberg (CEO Meta) tut es. Siemiatkowski (CEO Klarna) tut es. Und auch Khosrowshahi (CEO Uber) tut es. Sie alle lassen mithilfe künstlicher Intelligenz digitale Doppelgänger von sich erstellen. Mitarbeitende oder auch Kunden sollen künftig mit den Doppelgängern von Mark, Sebastian und Dara chatten können. Damit stellen diese CEOs einen neuen, interaktiven Kommunikationskanal zur Verfügung. Doch diese Idee lässt sich auch noch weiter fassen: Wenn das Wissen eines CEOs oder eines Experten in ein Co-Brain überführt wird, kann es nicht nur als Chat- und Sparringspartner oder Mentor dienen - es lässt sich auch als Wissensbasis für agentische KI-Systeme nutzen. Auf diese Weise können die eigenen KI-Agenten kontextbezogene Aufgaben im Stil des CEOs durchführen: konsistent, skalierbar und ganz in deren Sinn.

KI hat in kurzer Zeit ihren Weg in den Arbeitsalltag gefunden. Sie beantwortet Fragen, fasst Inhalte zusammen und unterstützt bei Routineaufgaben. Gleichzeitig wachsen die Erwartungen: Unternehmen wollen Prozesse beschleunigen, fundiertere Entscheidungen treffen und vorhandenes Wissen besser nutzen. In vielen Projekten zeigt sich jedoch, dass leistungsfähige Sprachmodelle allein dafür nicht ausreichen. Dabei verfügen die meisten Unternehmen längst über den wichtigsten Rohstoff für produktive KI: ihr eigenes Wissen. Es ist über Jahre entstanden und steckt in Verträgen, Projektunterlagen, E-Mails, technischen Dokumentationen, Berichten oder Richtlinien. Dieses Wissen muss also nicht erst erzeugt werden. Die eigentliche Herausforderung besteht darin, es zugänglich und für KI nutzbar zu machen.

Unternehmen investieren viel in Wissensmanagement: Prozesse werden dokumentiert, Informationen zentral abgelegt und moderne KI-Systeme erleichtern den Zugriff auf Daten. Dennoch bleibt häufig das Gefühl, dass genau das entscheidende Wissen fehlt. Denn die wertvollsten Erkenntnisse stehen selten in Dokumentationen.

Höher, schneller, weiter: Innerhalb weniger Jahre ist Künstliche Intelligenz von einer Zukunftsvision zu einer Schlüsseltechnologie der digitalen Transformation avanciert. Doch mit ihrer zunehmenden Verbreitung verschiebt sich die entscheidende Frage. Es geht längst nicht mehr nur darum, ob KI leistungsfähig genug ist, sondern wie sich sensible Daten schützen, regulatorische Anforderungen einhalten und KI nachhaltig in bestehende Prozesse und IT-Landschaften integrieren lässt. Der Erfolg von KI-Projekten entscheidet sich damit zunehmend weniger an der Technologie selbst als an den Rahmenbedingungen ihres Einsatzes.

Erstmals nutzt laut Bitkom mit 57 Prozent die Mehrheit der deutschen Unternehmen Künstliche Intelligenz. Noch vor einem Jahr waren es gerade einmal 36 Prozent. Die Entwicklung ist rasant - und gleichzeitig von großer Unsicherheit begleitet. So befürchten nach Angaben einer aktuellen GoTo-Studie 83 Prozent der Beschäftigten, dass Fehler beim KI-Einsatz für sie persönlich Konsequenzen haben könnten - bis hin zum Verlust des Arbeitsplatzes. Genau an diesem Punkt setzt unser aktuelles Titelthema "KI im Wissensmanagement: Wo sie echten Mehrwert schafft - und wo ihre Grenzen liegen" an. Denn die entscheidende Frage lautet längst nicht mehr, ob KI grundsätzlich leistungsfähig genug ist. Viel wichtiger wird, auf welches Wissen sie zugreift, wie verlässlich dieses Wissen ist und unter welchen Rahmenbedingungen sie eingesetzt wird.

Künstliche Intelligenz ist in vielen Unternehmen längst von einem Innovationsthema zu einer strategischen Priorität geworden. Doch zwischen dem technischen Potenzial und dem tatsächlich erzielten Geschäftswert klafft häufig noch eine erhebliche Lücke. Viele KI-Initiativen verharren im Pilotstadium und führen nur begrenzt zu messbaren Verbesserungen im Kerngeschäft. Fünf typische Stolpersteine zeigen, woran KI-Projekte in der Praxis häufig scheitern - und was Unternehmen von Anfang an beachten sollten.

Technische Produktinformationen sind in Industrieunternehmen häufig über verschiedene Systeme, Formate und Verantwortungsbereiche verteilt. Dadurch bleiben Zusammenhänge verborgen und Daten lassen sich nur mit Aufwand für Prozesse, digitale Services und KI nutzen. Eine semantische Wissensschicht schafft hier den notwendigen Kontext.

Digitale Souveränität wird für viele Unternehmen zum strategischen Thema – besonders bei KI. Doch nicht jeder Anwendungsfall macht einen souveränen KI-Stack sinnvoll, und nicht jede Abhängigkeit ist automatisch ein unkalkulierbares Risiko. Bevor Unternehmen investieren, sollten sie deshalb prüfen, welche Workloads besondere Anforderungen stellen, welche Abhängigkeiten tatsächlich kritisch sind und welches Betriebsmodell wirtschaftlich passt. Der Technologie- und KI-Spezialist HTEC nennt fünf Fragen, die bei dieser Entscheidung helfen.

Fast zwei Drittel (64 Prozent) der Online-Lernenden in Deutschland waren in den letzten 12 Monaten von mindestens einem Cybervorfall betroffen. Besonders häufig wurden sie mit Malware in Lernmaterialien, Apps oder Software (25 Prozent), mit verdächtigen Nachrichten und Links, gefälschten Bildungsangeboten oder dem Missbrauch persönlicher Daten (jeweils 23 Prozent) konfrontiert. Für 94 Prozent der Betroffenen blieben diese Vorfälle nicht ohne Folgen: 43 Prozent erhielten unerwünschte Werbung und 34 Prozent verloren zeitweise den Zugang zu einer Lernplattform. Jeder Vierte erlitt zudem einen finanziellen Schaden. Diese Ergebnisse gehen aus einer aktuellen Kaspersky-Umfrage hervor.

KI-Agenten beantworten im Kundenservice Anfragen, greifen auf personenbezogene Daten zu und sprechen Empfehlungen aus. Für Kunden ist dabei nicht immer erkennbar, ob sie mit einem Menschen oder einer KI kommunizieren. Häufig bleibt auch offen, welche Informationen das System nutzt und wie seine Entscheidungen zustande kommen. Diese Transparenzlücken können das Vertrauen beeinträchtigen. Das zeigt die Studie How to Scale Automation Without Losing Customer Confidence von Twilio, Anbieter einer Customer-Engagement-Plattform. 81 Prozent der Unternehmen geben an, dass sich ihre KI-Agenten sofort als solche zu erkennen geben. Doch nur 22 Prozent der Kunden bestätigen dies. Damit besteht bei einer objektiv überprüfbaren Frage eine Differenz von 59 Prozentpunkten.

KI verspricht mehr Effizienz – doch viele Beschäftigte zahlen dafür mit wachsender Unsicherheit. Zwar sparen Nutzerinnen und Nutzer durch KI im Schnitt 1,5 Stunden pro Tag, zugleich wächst die Sorge vor Fehlern, fehlender Kontrolle und persönlichen Konsequenzen. Die GoTo-Studie „The Pulse of Work in 2026“ zeigt, wie tief die Vertrauenslücke inzwischen reicht. Befragt wurden 2.500 Beschäftigte und IT-Führungskräfte weltweit zu Chancen, Risiken und dem praktischen Einsatz von KI im Arbeitsalltag.

KI-Agenten sind weit mehr als kleine Copiloten, die nur einzelne Arbeitsschritte unterstützen. Sie verfolgen ein konkretes Ziel und entscheiden selbst, wie sie es erreichen, von der automatisierten Prüfung eingehender Bestellungen bis zur Einholung und dem Vergleich von Lieferantenangeboten. Darin liegt einerseits ihr großer Nutzen, andererseits benötigen sie dafür passende Rahmenbedingungen. Denn während klassische Prozesse mit festen Freigabe-Workflows arbeiten, verschiebt sich bei Agenten die Kontrolle von der Prozess- auf die Ergebnisebene. Unternehmen legen nicht mehr jeden Schritt fest, sondern definieren, welche Ergebnisse akzeptabel sind und wann ein Agent selbstständig handeln darf. Damit das funktioniert, ist ein klar definierter Governance-Rahmen erforderlich.

Unternehmen investieren heute mehr denn je in Digitalisierung, Automatisierung und künstliche Intelligenz. Trotzdem bleibt die erhoffte Produktivitätssteigerung in vielen Organisationen aus. Laut dem Microsoft Work Trend Index 2025 sehen 53 Prozent der Führungskräfte die Notwendigkeit, die Produktivität ihrer Organisation zu erhöhen. Gleichzeitig empfindet fast jeder zweite Beschäftigte seine Arbeit als fragmentiert und chaotisch.

Viele Unternehmen starten ihre KI-Initiativen mit der Auswahl eines Tools, stellen später aber fest, dass sie den konkreten Nutzen kaum beziffern können. Eine Lünendonk-Studie zeigt, wie groß diese Lücke ist: Nur 30 Prozent der Unternehmen schaffen es, mehr als ein Viertel ihrer KI-Prototypen in den operativen Betrieb zu überführen. Als Ursache nennt die Studie vor allem organisatorische Faktoren, nicht die Technologie selbst. Dabei können Unternehmen diese Quote deutlich steigern und messbare Geschäftserfolge erzielen, wenn sie ihre Organisation ganzheitlich auf den Einsatz von KI vorbereiten. Hierzu gehört vor allem, eine klare Vision zu entwickeln, geplante Geschäftswerte zu definieren, die betroffenen Menschen einzubinden und eine solide Datenbasis zu schaffen.

Wer abends in einem Kochportal nach einem veganen Rezept sucht und stattdessen ein Gulasch mit Speck angezeigt bekommt, erlebt ein vertrautes Symptom schlecht gepflegter Metadaten: Jemand hat das Schlagwort „vegan“ vergeben, ohne dessen Bedeutung verbindlich festzulegen. Dasselbe Phänomen begegnet Wissensmanagerinnen und Wissensmanagern in nahezu jeder Organisation – ob bei Vertragsentwürfen, Messreihen oder internen Dokumenten. Werden Inhalte lediglich beschriftet, statt inhaltlich eindeutig beschrieben, entstehen Inkonsistenzen, die sich mit wachsendem Datenbestand kaum noch korrigieren lassen.

Die anfängliche Euphorie rund um generative Künstliche Intelligenz weicht in vielen Unternehmen einer strategischen Feinjustierung. Doch während Pilotprojekte boomen, stockt häufig die Skalierung in den produktiven Live-Betrieb. Der Grund dafür ist selten die Technologie selbst – vielmehr fehlt es an der notwendigen „KI Readiness“. Wer KI wertschöpfend einsetzen will, muss Wissensmanagement deshalb neu definieren.

KI-Agenten sollen Prozesse koordinieren, Entscheidungen vorbereiten und Routineaufgaben eigenständig erledigen. Eine entscheidende Voraussetzung wird dabei jedoch in vielen Unternehmen unterschätzt: Autonome Systeme können nur mit den Informationen arbeiten, die ihnen tatsächlich zur Verfügung stehen. Eine aktuelle Studie zeigt, wie groß die Lücke zwischen den KI-Ambitionen und der organisatorischen Realität vieler Unternehmen noch immer ist.

Call-Recording ist zwar kein rechtliches Minenfeld, erfordert aber Sorgfalt. Strafrechtlich müssen sich Unternehmen bei Erkennbarkeit der Aufzeichnung keine Sorgen machen. Datenschutzrechtlich ist - zumindest nach Auffassung der Datenschutzbehörden - eine informierte Einwilligung erforderlich. "Die lässt sich niedrigschwellig gestalten", weiß Dr. Carsten Ulbricht, IT-Rechtsanwalt bei Menold Bezler in Stuttgart.

Generative KI sorgt derzeit für einen beispiellosen Schub bei Texten, Konzepten, Programmcode und Strategiepapieren. Der Output wächst rasant – die tatsächliche Wertschöpfung vieler Unternehmen jedoch nicht. Der Grund dafür ist eine folgenschwere Verwechslung: Wer KI einsetzt, glaubt häufig bereits, den eigenen Wandel voranzutreiben. Tatsächlich beginnt Transformation aber erst dort, wo sich Arbeitsweisen, Entscheidungsprozesse und Organisationsstrukturen verändern.

Bei der Enno Roggemann GmbH & Co. KG gehört die Zettelwirtschaft der Vergangenheit an. Innerhalb kürzester Zeit digitalisierte der Holzgroßhändler seine Auftragsabwicklung an allen neun Standorten. Die Einführung der All-in-One-Software für Telematik und digitales Auftragsmanagement erfolgte schrittweise und orientierte sich konsequent an den bestehenden Prozessen. Heute profitieren das rund 100 Lkw starke Unternehmen, seine Fahrer und seine Kunden von effizienteren Abläufen, einer höheren Transparenz und einer durchgängig digitalen Tourenabwicklung.

Künstliche Intelligenz hält Einzug in immer mehr Unternehmen. Texte entstehen in Sekunden, Informationen werden automatisch zusammengefasst und KI-Agenten übernehmen zunehmend Routineaufgaben. Doch je selbstverständlicher der Einsatz neuer Technologien wird, desto deutlicher zeigt sich: KI allein verändert noch keine Organisation. Der smarte Arbeitsplatz entsteht nicht alleine durch neue Tools, sondern insbesondere auch durch neue Formen der Zusammenarbeit, des Wissensaustauschs und der Führung.

Viele Kommunen stehen vor der Aufgabe, jahrzehntelang gewachsene Informationsbestände in moderne digitale Prozesse zu überführen. Gleichzeitig sollen Mitarbeitende entlastet und Verwaltungsleistungen schneller erbracht werden. KI-gestützte Technologien können dabei eine Schlüsselrolle spielen. Welche Potenziale sich dadurch erschließen, verdeutlicht ein Digitalisierungsprojekt der Stadt Kerpen.

Unternehmen erzeugen und verarbeiten heute mehr Dokumente als je zuvor. Dazu gehören Rechnungen, Verträge, Lieferscheine und Anträge sowie E-Mails mit Anhängen, Formulare und Belege, die täglich operative Prozesse durchlaufen. Dabei zeigt sich häufig ein zentrales Problem: Viele Dokumente liegen nicht in standardisierter Form vor, sondern in wechselnden Layouts und Formaten, mit unvollständigen Angaben, Tabellen, Freitextfeldern oder handschriftlichen Ergänzungen. Die klassische Automatisierung stößt an dieser Stelle schnell an ihre Grenzen. Intelligent Document Processing aber, kurz IDP, setzt genau hier an.

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.

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.

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?

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.

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.​

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.

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.