Tools

Die didacta 2026 lädt Sie vom 10. bis 14. März 2026 nach Köln ein. Sie ist die zentrale Plattform der Bildungsbranche und damit auch der Frühen Bildung. Zu den aktuellen Themen der Frühen Bildung erwartet Sie wieder ein vielfältiges, praxisnahes und kostenfreies Programm. Jetzt anmelden: Tägliche Auftaktveranstaltungen zur Frühen Bildung im Congress-Centrum Nord. Sichern Sie sich frühzeitig Ihren Platz für die täglichen Auftaktveranstaltungen im Congress-Centrum Nord. Melden Sie sich an und erleben Sie an jedem Messetag Impulse zu drängenden Herausforderungen im Kita-Alltag wie Fachkräftemangel, Überwindung von Sprachbarrieren, neuen Rechtslagen und Inklusion.

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

Über 130.000 Fälle von Cybercrime gab es 2024 in Deutschland insgesamt. Und immer öfter geraten Banken, Versicherer und Finanzdienstleister in den Fokus digitaler Bankräuber. Dabei geht es nicht nur um Schäden in Milliardenhöhe, der Finanzsektor ist auch Teil der kritischen Infrastruktur. Um für mehr Sicherheit zu sorgen, hat die EU die DORA-Verordnung auf den Weg gebracht. Die Regularien darin, insbesondere zu Exit-Strategien, sind zwar anspruchsvoll, können aber auch ein Weg hin zur Datensouveränität sein.

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.

Die Umsetzung neuer Regularien wie DORA, NIS2 oder des EU AI Act stellt Unternehmen vor vielfältige Herausforderungen. Die erforderliche Stärkung der Resilienz betrifft die gesamte IT, auch Datenbanken sind davon betroffen. Ihre Absicherung ist von entscheidender Bedeutung und Automatisierung ist dabei ein wichtiges Hilfsmittel.

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.

Nicht nur über Digitalisierung reden, sondern diese auch theoretisch und praktisch zu planen und dann durchführen, ist das Anliegen einer jeden Digitalisierungsstrategie in einer privaten oder öffentlichen Einrichtung. Denn nur mit dieser gelingt letztlich die Umsetzung von Digitalisierung direkt aus der Praxis heraus mit einem progressiven Ergebnis. Viele Abteilungsleiter einer Informationseinrichtung wie in einem Archiv, denen die Planung von Digitalisierungsvorhaben als eines ihrer wichtigsten Aufgabenfelder im Alltag zufällt, haben dennoch oft zu unkonkrete Vorstellungen, was denn eigentlich alles digitalisiert werden sollte. Das trifft auch auf kirchliche Archive in Deutschland zu, von denen die einen schon sehr große Schritte getan haben. Andere stehen aus verschiedensten internen Gründen, sei es finanziell, personell oder ressourcenbedingt, jedoch erst am Anfang. Insbesondere fehlt es Verantwortlichen oft auch an dem Willen zur Entscheidung, was denn eigentlich genau in ihrem Archiv digitalisiert werden soll. Der Autor, der Leiter eines kirchlichen Archives ist, hat in den letzten Jahren einige gute Fortschritte auf diesem Gebiet gemacht.

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.

Die dfv Mediengruppe hat ihr Intranet grundlegend modernisiert. Herausgekommen ist eine Plattform, die Mitarbeitende gezielt informiert, Prozesse automatisiert und Wissen effektiv zugänglich macht. Wie das neue Social Intranet zur Drehscheibe der internen Kommunikation wurde, zeigt dieser Praxisbericht.

Bei den Polizeibehörden im Saarland und in Rheinland-Pfalz sorgte eine steigende Zahl an Zuwanderungs- und Asylanträgen in den vergangenen Jahren für eine stark wachsende Nachfrage nach Aufenthaltsgenehmigungen. Die zentrale Herausforderung dabei: Die obligatorische Sicherheitsüberprüfung war vollständig manuell organisiert, mit entsprechend hohem Personalaufwand. Mit einer automatisierten Lösung transformierten die beiden Polizeibehörden ihre Verwaltungsprozesse.

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.

Viele Intranet-Projekte scheitern an zu großem Anspruch bei unklarer Planung. Ein klar strukturierter 16-Wochen-Fahrplan hilft dabei, die richtigen Schritte in der richtigen Reihenfolge zu gehen - von der Anforderungsaufnahme über den Aufbau redaktioneller Strukturen bis zum Go-live. Ein Praxisbeispiel aus der Medienbranche macht deutlich, wie technische Umsetzung und organisatorischer Wandel zusammenwirken.

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

In vielen 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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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