Channel Guide – KÜNSTLICHE INTELLIGENZ 2026

„Das

die KI

auch

Leben findet einen Weg“ –

„Gott steh uns bei, jetzt sind wir den Technikern ausgeliefert.“ So kommentiert der sarkastische Mathematiker Ian Malcolm in Spielbergs Jurassic Park eine Entwicklung, die außer Kontrolle gerät. Die eigentliche Pointe des Films war aber nie der T-Rex. Es war das System dahinter – die trügerische Illusion totaler Kontrolle. Genau an diesem Punkt stehen wir heute bei künstlicher Intelligenz. KI-Agenten erhalten weitreichende Zugriffsrechte, Maschinenidentitäten wachsen schneller, als Security-Teams sie erfassen können, und Schatten-KI breitet sich in Unternehmen aus wie Dinos, die den Schutzzaun überwunden haben.

Während die großen Player aus den USA und China Investitionen in schwindelerregender Höhe tätigen, ringt Europa um die eigene Souveränität: eigene Chips, eigene Clouds, eigene Regeln. Der AI Act tritt weiter stufenweise in Kraft, und auf dem Shopfloor trifft modernste KI auf PCs aus den Neunzigern. Diese Gegensätze unter einen Hut zu bringen, ist alles andere als trivial. Es erfordert nicht nur neue Strategien, sondern auch ein kontinuierliches Neuerfinden – gerade im IT-Channel. Der vorliegende Channel Guide KI zeigt, wie weit diese Anpassungsprozesse bereits fortgeschritten sind und wo noch Handlungsbedarf besteht. Oder wie Alan Grant, der eifrige Paläontologe aus Jurassic Park, es passend ausdrückt: „Die Welt verändert sich so schnell, dass wir laufen müssen, um nicht zurückzubleiben.“

Ich wünsche Ihnen eine aufschlussreiche Lektüre!

alexander.siegert@vogel.de

Alexander Siegert, Redakteur bei IT-BUSINESS

Platzt die KI-Blase?

Zwischen Milliardeninvestitionen, rasanten Innovationszyklen und neuen KI-Versprechen schwankt die Stimmung: Für die einen bringt Agentic AI den nächsten Produktivitätsschub, für die anderen droht eine überhitzte Entwicklung mit Korrekturbedarf. 6

AI-Act: Ist Ihr Unternehmen fit?

Die Nutzung von KI rollt durch die Unternehmen und verändert Prozesse und Produkte. 14

Zu viele Identitäten, zu wenig Kontrolle

Die Sicherheitslandschaft veränderte sich durch KI rasant. 22

KI-Hardware für Datacenter

Nvidia dominiert den Markt für Datacenter-GPUs und macht weiter Tempo.

Platzt die KI-Blase?

Agentic AI verspricht Produktivitätsschübe – doch manche warnen vor einer KI-Überhitzung.

Zahlen und Fakten

Von Chips über Generative KI bis zum Unternehmensalltag wird Künstliche Intelligenz zum Milliardenmarkt. AI-Act: Ist Ihr Unternehmen

Die Nutzung von KI rollt im Moment durch die Unternehmen und verändert Prozesse und Produkte.

KI schlüpft nicht von selbst

KI verlässt die Experimentierphase. Gleichzeitig zeigt sich, dass der Übergang in den breiten Einsatz oft stockt.

Wie KI auf den Shopfloor kommt

KI verspricht den großen Durchbruch in Industrie und Fertigung. Der Weg auf den Shopfloor ist komplex und oft steinig.

6

12

16

20

Zu viele Identitäten, zu wenig Kontrolle 22

Die Sicherheitslandschaft veränderte sich durch autonome KI-Agenten, Schatten-KI und Maschinenidentitäten rasant.

Europa kämpft um seine digitale Unabhängigkeit

Der alte Kontinent befindet sich 2026 an einem entscheidenden geopolitischen Wendepunkt.

KI-Hardware für Datacenter 28

Nvidia dominiert den Markt für Datacenter-GPUs mit rund 80 Prozent und macht weiter Tempo.

Wenn KI-Anwendungen zum Sicherheitsrisiko werden

Künstliche Intelligenz (KI) ist produktiv und effizient, aber oft ein blinder Fleck für IT-Sicherheit. Die größten Risiken entstehen dort, wo Modelle, Daten und Systeme zusammenwirken. Wer jetzt nicht handelt, riskiert mehr als nur Datenlecks.

er Einsatz von KI gehört heute längst zum unternehmerischen Alltag. Die Einsatzmöglichkeiten sind vielfältig und effizient. Allerdings ist zeitgleich das Missbrauchspotenzial gestiegen. Immer wieder werden vertrauliche Daten verarbeitet und unabsichtlich sichtbar oder Tools gezielt manipuliert. Solche Szenarien sind keine Ausnahme. Im Kundenservice, in HR-Prozessen oder als Unterstützung für Fachabteilungen wird KI täglich genutzt. Leider hält die IT-Sicherheit in diesem Punkt nicht Schritt.

Ein wesentlicher Grund für das hohe Missbrauchspotenzial: KI funktioniert anders als klassische Software und lässt sich ohne Vorkenntnisse nutzen. Die Tools verarbeiten Eingaben kontextabhängig. Dabei vergessen viele Anwender, dass die Systeme häufig externe Datenquellen heranziehen. Und genau hier entstehen neue Risiken.

Die Angriffsfläche liegt im Zusammenspiel Nicht nur das Modell ist entscheidend, sondern die Integration: Schnittstellen, CRM-Systeme, Datenquellen oder Drittkomponenten. Diese Verbindungen machen KI leistungsfähig und gleichzeitig angreifbar. In diesem Zusammenhang zielen Angriffe wie Prompt Injection oder Jailbreaking darauf ab, dieses Zu-

sammenspiel auszunutzen. Ziel ist dabei der Zugriff auf sensible Informationen.

Ein zentrales Risiko geht dabei von unbeabsichtigten Datenlecks aus. SystemPrompts werden offengelegt, Trainingsdaten rekonstruiert oder Nutzerdaten weitergegeben. Für Unternehmen kann das schnell zu einem Compliance- oder Reputationsproblem werden. Insbesondere dann, wenn kritische Unternehmensdaten an die Öffentlichkeit gelangen.

Viele Organisationen unterschätzen diese Risiken. KI wird häufig schnell eingeführt, getrieben von Effizienzgewinnen. Sicherheitsprüfungen erfolgen später oder orientieren sich noch an klassischen ITAnsätzen, die für KI nur bedingt greifen.

Gleichzeitig wächst der Druck durch regulatorische Anforderungen und neue Standards. Sicherheit wird damit zur Voraussetzung für den nachhaltigen Einsatz von KI.

Eine neue Rolle für den Channel Für Partner im Channel ergibt sich daraus ein klarer strategischer Ansatzpunkt. Kunden benötigen nicht nur Unterstützung bei der Einführung von KI, sondern bei ihrer sicheren Integration in bestehende Systeme. Hier setzt der AI Application Penetration Test von G DATA Cyber-

Defense an. Statt isolierter Prüfungen werden reale Angriffsszenarien simuliert. Im Fokus steht die Frage, wie angreifbar eine KI-Anwendung im Zusammenspiel von Modell, Schnittstellen und Datenflüssen tatsächlich ist.

Dabei identifizieren erfahrene Spezialisten Schwachstellen wie Prompt Injection, unsichere API-Anbindungen oder die unbeabsichtigte Preisgabe sensibler Informationen. Grundlage sind etablierte Standards wie die OWASP Top 10 für LLM- und Generative-AI-Anwendungen.

Am Ende erhalten Verantwortliche eine Übersicht über Schwachstellen, eine Bewertung von Ausnutzbarkeit und Auswirkungen sowie konkrete Handlungsempfehlungen für IT und Management.

Risiken frühzeitig abstellen

Für Partner im Channel liegt hier eine Chance: Kunden nicht nur bei der Nutzung von KI zu begleiten, sondern sie belastbar abzusichern. Denn KI soll unterstützen – nicht schädigen. Wer Sicherheit in KI-Projekte integriert, positioniert sich nicht nur als Lösungsanbieter, sondern als strategischer Berater.

geht es zum

Platzt die KI-Blase?

Zwischen KI-Milliardeninvestitionen, nie dagewesenen Innovationszyklen und immer neuen Anwendungsversprechen entsteht ein Bild, das gleichermaßen fasziniert und irritiert. Die einen sprechen vom nächsten großen Produktivitätssprung mit Agentic AI, die anderen von einer Überhitzung, die früher oder später korrigiert werden muss.

Die große Ernüchterung kommt selten laut. Sie beginnt leise. Mit Projekten, die nicht skalieren. Mit Budgets, die plötzlich hinterfragt werden. Und mit Erwartungen, die sich nicht im gleichen Tempo erfüllen wie die Versprechen. Genau an diesem Punkt scheint die KI-Branche angekommen zu sein.

Zwischen Milliardeninvestitionen, rasanten Innovationszyklen und immer neuen Anwendungsfällen entsteht ein Spannungsfeld. Auf der einen Seite stehen Visionen von autonomen agentischen Systemen und einer Welt, in der Software sich selbst schreibt. Im Jahr 2025 flossen laut Statista in den Vereinigten Staaten rund 285,88 Milliarden US-Dollar an privaten Investitionen in den KI-Sektor, während Deutschland mit 3,89 Milliarden US-Dollar weit dahinter lag. Ist das noch nachhaltiges Wachstum oder bereits die Überdehnung eines Marktes?

Ein Blick in die Praxis fällt auf den ersten Blick ernüchternd aus. Laut des Marktforschungsunternehmens Gartner wird deutlich, wie groß die Lücke zwischen Anspruch und Realität ist. 72 Prozent der KI-Projekte in IT-Operations liefern nicht den erwarteten ROI. Viele Unternehmen kämpfen damit, KI-Projekte überhaupt in den produktiven Betrieb zu überführen, geschweige denn sie wirtschaftlich zu skalieren. Melanie Freeze, Director Research bei Gartner erzählt, „dass anhaltende Qualifikationslücken den Erfolg von KI-Projekten weiterhin behindern. Zudem nannten 38 Prozent der I&O-Führungskräfte schlechte Datenqualität oder begrenzte Datenverfügbarkeit als direkte Ursache für das Scheitern von KI-Projekten.“

Die Aussage wirkt wie ein Gegenpol zur Euphorie. Denn besonders dort, wo KI am meisten verspricht, zeigen sich die größten Brüche. Autonome Systeme, selbstheilende Infrastrukturen oder agentenbasierte Prozesse klingen nach Effizienz. In der Praxis scheitern sie oft an fehlender Integration, unklaren Datenlagen und gewachsenen IT-Strukturen. Daniel Meyer, CTO von Camunda, warnt entsprechend: „In komplexen Systemlandschaften ist ein isolierter

KI-Agent häufig eher Brandbeschleuniger als Problemlöser. Er greift auf unvollständige oder veraltete Daten zu, trifft nicht nachvollziehbare Entscheidungen und arbeitet ohne jegliche Integration an den restlichen Systemen vorbei“, so Meyer. Zudem seien lokal eingesetzte Agenten nicht ohne Weiteres skalierbar und es entstünden Silos. Die Dynamik erinnere an die Verbreitung von Robotic Process Automation in den 2010er Jahren. Die Parallele ist treffend. Wie einst RPA droht auch KI zu fragmentieren, wenn sie nicht strategisch eingebettet wird. Der Engpass liegt nicht im Modell. Er liegt im System.

Dass KI dennoch längst in der Realität angekommen ist, zeigt ein Blick in die Industrie und Fertigung. Christian Korff, Vice President of Services, Software and Strategic Sales EMEA bei Cisco, ordnet das ein: „Alle sprechen von Agentic AI, dabei sehen wir einen weiteren für Deutschland hochrelevanten Trend: Industrielle KI geht gerade vom Experimentierstadium in die Produktion über, wo KI-Systeme in der realen Welt messen, denken und handeln." Laut einer Umfrage des Netzwerkherstellers nutzen 65 Prozent der Unternehmen KI bereits in realen Industrieprozessen. Ein Fünftel spricht von einer großflächigen Nutzung. Maschinen analysieren Datenströme in Echtzeit, optimieren Abläufe und greifen zunehmend autonom ein. Amit Kapoor, VP und Head Continental Europe bei Tata Communications, konkretisiert diesen Ansatz: „Durch die Verarbeitung von Daten an ihrem Ursprungsort ermöglicht Edge-KI Qualitätsprüfungen in Echtzeit, vorausschauende Wartung und Sicherheitsüberwachung. Das reduziert Latenzzeiten und Kosten und gewährleistet die Kontinuität kritischer Betriebsabläufe." Dieser Wandel fördere verteilte Intelligenz: Maschinen optimieren sich selbst, Produktionslinien werden effizienter und Anlagen arbeiten selbst in entlegenen Umgebungen intelligenter.

Hier beginnt das nächste Problem: Skalierung. Netzwerke, Sicherheitsarchitekturen und die Integration von IT und OT werden zum limitierenden Faktor. KI verlässt das Rechenzentrum und trifft auf physische

„In komplexen Systemlandschaften ist ein isolierter KI-Agent häufig eher Brandbeschleuniger als Problemlöser. Er greift auf unvollständige oder veraltete Daten zu, trifft nicht nachvollziehbare Entscheidungen und arbeitet ohne jegliche Integration an den restlichen Systemen vorbei.“

„Ich gehe fest davon aus, dass die KI-Blase platzt. Blickt man auf die IT-Historie, ist das sogar nötig: Innovation führt regelmäßig zu Überengagement und Überinvestitionen.“

Daniel Meyer, CTO bei Camunda

BILD: CAMUNDA

Malte von dem Hagen, COO bei Anexia

BILD: ANEXIA

„Verantwortliche sehen Grenzen am häufigsten bei der automatischen Fehlerbehebung, selbstheilenden Infrastrukturen sowie bei der agentengesteuerten Workflow-Verwaltung innerhalb und zwischen Systemen. Zu solchen Schwächen kommt es, wenn sie von Lösungen mehr erwarten, als KI-Tools bei komplexen und unvorhersehbaren IT-Abläufen zuverlässig leisten können.“

Christian Korff, ViP of Services, Software and Strategic Sales

„Erfolg hängt nicht mehr allein von Modellen ab, sondern davon, ob Netzwerke, Sicherheitsarchitekturen und Teams darauf vorbereitet sind, KI am Edge, in verteilten Umgebungen und hochskaliert zu betreiben.“

Prozesse. Fehler haben plötzlich reale Konsequenzen. „Erfolg hängt nicht mehr allein von Modellen ab, sondern davon, ob Netzwerke, Sicherheitsarchitekturen und Teams darauf vorbereitet sind, KI am Edge, in verteilten Umgebungen und hochskaliert zu betreiben", so Korff. Je autonomer Systeme agieren, desto größer wird die Angriffsfläche und stellt die Security-Experten vor neue Aufgaben. Identitäten, Datenströme und Modelle müssen geschützt werden. Klassische Sicherheitskonzepte stoßen an ihre Grenzen. Zero Trust wird vom Schlagwort zur Voraussetzung.

Gleichzeitig bleibt die technologische Basis fragil. Der Markt für KI-Hardware ist hoch konzentriert. Wenige Anbieter dominieren die Entwicklung von Chips und Beschleunigern. Die Nachfrage nach Rechenleistung wächst schneller als die Kapazitäten. Kapoor beschreibt, was eine belastbare Infrastruktur ausmacht: „Da sich moderne KI-Workloads über On-Premises-, Edge- und Multi-Cloud-Umgebungen erstrecken, sind Interoperabilität und Portabilität unerlässlich. Die Infrastruktur muss eine nahtlose Verschiebung von Workloads unter Berücksichtigung von Latenz, Kosten und Datenhoheit ermöglichen." Es brauche intelligente, selbstheilende Netzwerke mit dynamischem Routing, die Resilienz, berechenbare Leistung und eine schnelle Wiederherstellung nach Störungen gewährleisten.

Parallel dazu zieht die Regulierung an. Mit dem AI Act schaffte Europa erstmals einen verbindlichen Rahmen für den Einsatz von KI. Was Vertrauen schaffen soll, erhöht gleichzeitig die Komplexität. Compliance wird zum Wettbewerbsfaktor. Wer KI einsetzen will, muss sie nicht nur betreiben, sondern auch erklären und kontrollieren. Während Unternehmen noch mit diesen Grundlagen kämpfen, verschiebt sich die nächste große Baustelle: die Softwareentwicklung. Was lange als klassische Ingenieursdisziplin galt, wird zunehmend von KI durchdrungen. Tools generieren Code, testen ihn und integrieren ihn in bestehende Systeme. Dass KI Software frisst, ist inzwischen in der IT-Branche ein weit verbreitetes Narrativ, das zu Beginn des Jahres viele

Kurse großer Softwareunternehmen auf Talfahrt schickte.

Vor allem die großen KI-Flagschiffe treiben diese Transformation. Nvidia-CEO Jensen Huang sagte kürzlich: „Es ist unsere Aufgabe, die Computertechnologie so zu gestalten, dass niemand mehr programmieren muss. Und da die Programmiersprache menschlich ist, ist heute jeder auf der Welt ein Programmierer." Google-CEO Sundar Pichai berichtete auf der Google Cloud Next, dass 75 Prozent des neuen GoogleCodes KI-generiert sei und von Menschen geprüft werde. Doch genau hier liegt die nächste Fallhöhe. Werner Vogels, CTO von Amazon Web Services, bringt es in seinem Blog auf den Punkt: „GenAI lässt uns in Sekunden Code generieren, aber wenn man Müll hineingibt, bekommt man sehr überzeugenden Müll heraus." KI skaliert nicht nur Produktivität. Sie skaliert auch Fehler. Ohne saubere Daten, klare Architektur und funktionierende Prozesse entsteht kein Fortschritt – sondern schneller reproduzierte Komplexität.

Das Ende der Softwareentwicklung steht jedoch nicht bevor. Die Grundlagen, die Entwickler auszeichnen, bleiben dieselben. Sie verfügen nach wie vor über die nötige Kreativität, haben Domainwissen und kennen die Kunden persönlich, deren Probleme sie zu lösen haben. Eine Fähigkeit, die bisher nur schwer von einem KI-Modell reproduziert werden kann. KI ersetzt den Entwickler nicht, sie verändert seinen Arbeitsplatz. Sie erhöht den Druck, sich kontinuierlich weiterzuentwickeln und sich in gewisser Weise neu zu erfinden.

Wie tiefgreifend der Wandel ist, verdeutlicht eine Studie des IT-Dienstleisters Reply: 93 Prozent der befragten Unternehmen planen, innerhalb der nächsten zwei bis drei Jahre agentenbasierte KI in der Softwareentwicklung einzusetzen. Gleichzeitig offenbart sich jedoch eine deutliche Reifelücke, denn viele Unternehmen nutzen KI bislang nur punktuell. Auch klassische Offshoring-Modelle geraten zunehmend unter Druck, da sich Qualität, Compliance und Geschwindigkeit nicht mehr beliebig auslagern lassen. Die Konsequenz: Unter-

Melanie Freeze, Director Research bei Gartner

BILD: GARTNER

EMEA bei Cisco

BILD: CISCO

Amit Kapoor, VP and Head – Continental Europe bei Tata Communications

„Da sich moderne KI-Workloads über On-Premise-, Edge- und Multi-CloudUmgebungen erstrecken, sind Interoperabilität und Portabilität unerlässlich. Die Infrastruktur muss eine nahtlose Verschiebung von Workloads unter Berücksichtigung von Latenz, Kosten und Datenhoheit ermöglichen. Dies wiederum erfordert eine leistungsfähige Orchestrierung und Transparenz.“

nehmen holen Kompetenzen zurück oder automatisieren sie.

Auch die wirtschaftliche Realität im Channel relativiert das Bild des ungebremsten Wachstums. Eine Studie von Kaseya zeigt, dass sich der Markt für MSPs deutlich schwieriger entwickelt als vielfach angenommen. Zwar bleibt die Nachfrage nach IT-Services hoch, doch das Wachstum gerät zunehmend unter Druck. 71 Prozent der Anbieter nennen die Neukundengewinnung als größte Herausforderung, während sich gleichzeitig das durchschnittliche Auftragsvolumen spürbar verringert hat. 48 Prozent der MSPs sehen KI und Automatisierung inzwischen als wichtigste Kundenanforderung. Doch nur ein kleiner Teil der Anbieter erzielt bislang nennenswerte Umsätze mit entsprechenden Services. KI ist damit weniger ein kurzfristiger Umsatztreiber als vielmehr ein Instrument zur Stabilisierung bestehender Geschäftsmodelle.

Selbst die großen Tech-Konzerne sind nicht immun. Trotz massiver KI-Investitionen haben viele zuletzt Stellen abgebaut. Auch Entwickler waren betroffen. Was widersprüchlich wirkt, folgt einer klaren Logik: Effizienz steigt. Strukturen verändern sich. Wachstum entsteht nicht mehr durch mehr Personal, sondern durch produktivere Systeme. Ein größeres Bild zeichnet Malte von dem Hagen vom österreichischen Cloud-Provider Anexia: „Ich gehe fest davon aus, dass die KI-Blase ein Stück weit

platzt. Blickt man auf die IT-Historie, ist das sogar nötig: Innovation führt regelmäßig zu Überengagement und Überinvestitionen. Ein prägnantes Beispiel aus den frühen 2000er-Jahren ist die Glasfaserblase." Und er ergänzt: „Man kann durchaus die Frage stellen, ob das nicht sogar notwendig ist, um am Ende zu einer gesunden Innovation zu führen. Es braucht den großen Elan, um Dinge anzuschieben. Die Kunst ist, nicht unter die Räder zu kommen und sich nicht zu verheben“, so von dem Hagen.

Ob die KI-Blase platzt, ist daher vielleicht die falsche Frage. Entscheidender ist, wie belastbar das Fundament ist, auf dem der aktuelle Boom steht. Denn eines zeichnet sich bereits ab: Die Phase der Experimente geht zu Ende. Was jetzt zählt, ist Umsetzung – im großen Maßstab, unter realen Bedingungen und mit klar messbarem Nutzen. Erst dann wird sich zeigen, welche Erwartungen tragfähig sind und welche korrigiert werden müssen. Die kommenden Jahre werden damit weniger von Visionen geprägt sein als von Ergebnissen. Für Unternehmen bedeutet das, Entscheidungen bewusster zu treffen, Abhängigkeiten zu hinterfragen und den eigenen Weg zwischen Innovation und Kontrolle zu finden.

Mehr unter: https://voge.ly/vglVIlp/

Autor: Alexander Siegert

Milliardenmarkt mit Tempo

Der Markt für Künstliche Intelligenz in Deutschland wächst rasant: Für 2026 wird ein Volumen von rund 15,2 Milliarden Euro erwartet. Laut Statista entspricht das einer jährlichen Wachstumsrate von 23,2 Prozent bis 2032 – mit einem prognostizierten Marktvolumen von über 53 Milliarden Euro. Im globalen Vergleich bleiben die USA klar führend: Dort soll der KI-Markt bereits 2026 rund 70 Milliarden Euro erreichen.

KI-Reifegrad: Deutschland liegt zurück

Unternehmen aus der Schweiz nehmen bei den KI-Fähigkeiten in Europa eine Spitzenposition ein. Laut einer Studie von Accenture erreichen sie im Jahr 2025 einen Indexwert von 52 und liegen damit vor Deutschland (48) sowie Großbritannien und Frankreich (je 47). Der Abstand zur europäischen Spitze bleibt damit überschaubar.

Der KI-Chipmarkt hebt ab

KI-Chips werden zum Milliardenmarkt: 117

Milliarden Euro Umsatz im Jahr 2026, mit einem jährlichen Wachstum von 27,6 Prozent auf rund 312 Milliarden Euro bis 2030. Laut Statista liegen die USA im globalen Vergleich vorne.

GenAI: Deutschland ist wichtiger KI-Markt

Der Markt für Generative KI (GenAI) in Deutschland liegt bei über 2,5 Milliarden Euro. Laut Statista wächst er jährlich um rund 20 Prozent und erreicht bis 2030 etwa 7,6 Milliarden Euro. Deutschland zählt damit zu den wichtigsten KI-Märkten weltweit.

Marketing treibt den KI-Boom

Generative KI hält in Unternehmen zunehmend Einzug – über nahezu alle Bereiche hinweg. Besonders dynamisch entwickelt sich das Marketing: Laut einer Umfrage von Capgemini stieg die Nutzung hier von 2 Prozent im Jahr 2023 auf 41 Prozent im Jahr 2025. Doch auch in anderen Bereichen wie IT, Vertrieb oder Risikomanagement ist ein deutlicher Anstieg zu beobachten.

AI-Act: Ist Ihr Unternehmen fit?

Die Nutzung von KI rollt im Moment durch die Unternehmen und verändert Prozesse und Produkte. Zu beobachten ist, dass entweder vor den Anforderungen der KI-VO die Augen verschlossen werden oder aber ein praktisch regelloser Einsatz von KI-Tools vorherrscht.

Die KI-Verordnung (KI-VO) tritt stufenweise seit August 2024 in Kraft. Ab Februar 2025 waren Unternehmen bereits verpflichtet, ihre Mitarbeiter zu schulen, wenn sie KI einsetzen. 2026 wird eine weitere Stufe in Kraft treten, im Laufe des Jahres 2027 sind dann auch sämtliche Pflichten hinsichtlich der sog. Hochrisiko-KI-Systeme in Kraft. Die KI-VO betrifft praktisch alle Beteiligten im Bereich der KIEntwicklung, des Vertriebs und der Anwendung.

Die KI-VO unternimmt den Versuch, KI-Systeme in verschiedene Risiko-Kategorien einzuteilen, um daran anschließend die Pflichten, die die Hersteller, Nutzer usw. solcher KI-Systeme treffen, zu regeln. Es ist nachvollziehbar, dass den Hersteller eines KIgesteuerten Operationsroboters andere Pflichten treffen müssen als den Anbieter eines simplen Chatbots. Die Risikoeinstufung kann sogar dazu führen, dass das KI-System in der EU verboten ist. Genannt werden in diesem Zusammenhang Social ScoringAnwendungen, die eine Bewertung von Personen auf Grundlage des Sozialverhaltens vornehmen oder das Aufsetzen von Datenbanken zur Gesichtserkennung durch das ungezielte Auslesen von Bildern aus dem

Internet. Hochrisiko-KI-Systeme dürften nach Schätzungen jedoch nur 10 bis 15 Prozent der KI-Anwendungen ausmachen.

Bei Einführung der DSGVO wurde bereits nach kurzer Zeit der bürokratische Aufwand kritisiert, der mit dem Inkrafttreten einherging. Tatsächlich mussten plötzlich schriftliche Abwägungen dokumentiert, sog. „Verzeichnisse über Verarbeitungstätigkeiten“ und Datenschutz-Folgeabschätzungen erstellt werden. Das hat nach Einführung der DSGVO dazu geführt, dass geschäftstüchtige Softwareanbieter Produkte entwickelten, die nach einem Durchklicken von Drop-Down-Menüs die geforderte Dokumentation auswarfen, ohne dass sich der Anwender vertieft mit dem Datenschutzrecht beschäftigt hätte. Es hat wegen des deutschen Rechtsinstruments der kostenpflichtigen Abmahnung weiter dazu geführt, dass fehlende Pflichtangaben oder sinnentleerte GoogleAnalytics Hinweise oder Cookie-Banner abgemahnt wurden, während andere europäische Länder hiervon verschont blieben. Mit der KI-VO wird dieser Fehler zwar nicht ganz vermieden, der risikobasierte Ansatz führt aber zumindest dazu, dass Hersteller

BILD:

oder Anwender von KI-Systemen mit geringem Risiko auch entsprechend weniger Pflichten erfüllen müssen.

Am Anfang sollte das Aufsetzen eines KIVerzeichnisses stehen. Anders als im Bereich der DSGVO ist der Aufwand überschaubar und eine spezialisierte Software entbehrlich. Anhand eines Excel-Sheets, das letztlich nicht mehr ist als eine Checkliste, sollten KI-Systeme erfasst und klassifiziert werden. Eine solche Inventur wird besonders dann schlank sein, wenn der Anbieter des KI-Systems seinen Transparenzpflichten nachkommt und eine Art „Beipackzettel“ mitliefert, der das Erfassen und Klassifizieren vereinfacht. Ist Klarheit geschaffen über die aktuell im Einsatz befindlichen oder vor dem Rollout stehenden KI-Systeme, sollten zwingend Schulungen der Mitarbeiter durchgeführt werden, wenn das nicht schon geschehen ist. Die Schulungen sollten laufend angepasst und wiederholt werden. Ziel der Schulung muss sein, die Mitarbeiter in die Lage zu versetzen, rechtliche Gefahren des Einsatzes von KI-Systemen für das Unternehmen zu erkennen. Hierzu tummeln sich am Markt bereits zahlreiche Anbieter, deren Qualität man sich genauer ansehen sollte. Auf den Erwerb eines „KI-Führerscheins“ bei einer Werbeagentur kann man womöglich verzichten.

Inhalt der Schulung sollte – bezogen auf das konkrete Unternehmen - sein, welche Möglichkeiten genutzt und welche Risiken vermieden werden sollen. Bei der Risikoidentifikation steht im Vordergrund, welche Nutzungen im Unternehmen gestattet sein sollen und welche nicht. Wenn KI-Systeme beispielsweise das Aufzeichnen und Zusammenfassen von Patienteninformationen erleichtert, mag das vom Unternehmen gewünscht sein. Wenn aber die Medikamentendosierung mit ChatGPT berechnet wird, so wie dies offenbar vor kurzem in einem Krankenhaus in Australien geschah, ist das wahrscheinlich kein von der ärztlichen Leitung gewollter Anwendungsfall.

Während das Einhalten der Transparenz- und Dokumentationspflichten mutmaßlich erst einmal keinen unmittelbaren Mehrwert erzeugt, sollte die Schulungspflicht hinsichtlich der Mitarbeiter ernst genommen werden: Das Ausmaß, in dem aktuell Betriebs- und Geschäftsgeheimnisse, personenbezogene Daten, Know-how oder urheberrechtlich relevante Werke ungesteuert in KI-Systeme abfließen, dürfte kaum zu unterschätzen sein. Zudem muss laufend hinterfragt werden, welche

Anwendungsfälle vor dem Hintergrund der OutputQualität im Unternehmen noch in Ordnung sind und welche unerwünscht. Das kann durch interne KIRichtlinien oder einfache Anweisungen umgesetzt werden.

Selten werden sich die Risiken des KI-Einsatzes so unmittelbar in der Realität zeigen wie bei einem Kollegen aus dem Familienrecht, dem das Amtsgericht Köln wegen des Einreichens eines Schriftsatzes, der frei erfundene Urteile und nicht existierende Literaturquellen enthielt, öffentlichkeitswirksam „höchst schlampige Arbeitsweise“ vorwarf. An erster Stelle sollte in dieser Phase das Vermeiden von Risiken von außen, d.h. Wettbewerber und Aufsichtsbehörden stehen. Dazu solle der Fokus auf ein Mindestmaß an Dokumentation (KI-Verzeichnis, Transparenzpflichten, Schulungsdokumentation) gelegt werden. Dann sollten die angedrohten Bußgelder (bis zu 15 Mio. € oder 3 % des Jahresumsatzes) ein unwahrscheinliches Szenario bleiben.

Ein aktuell noch vernachlässigtes Thema ist das der Vertragsgestaltung in Unternehmen: Muss ich mir von meinem Vertragspartner Rechte sichern, damit ich mit seinen Inhalten meine KI trainieren darf? Wer haftet eigentlich für die Nichteinhaltung von Transparenzpflichten bei „zugelieferten“ KISystemen? Wer haftet für fehlerhaften Output? Was ist fehlerhafter Output überhaupt? Und was muss ich datenschutzrechtlich mit dem Anbieter eines KISystems vereinbaren?

Man sollte kritisch hinterfragen, ob die zum 2. August 2026 anstehenden Kennzeichnungspflichten für KI-Inhalte wirklich einen Gewinn für die Rechte einzelner bringen, wenn sie für Wettbewerber abmahnfähig sind, oder ob diese Themen angesichts der enormen Komplexität der technischen Hintergründe nicht deutlich besser bei Aufsichtsbehörden aufgehoben sind. Daneben hofft sicher das eine oder andere Unternehmen auf eine RegulierungsAtempause im Bereich Digitalgesetzgebung. Dies dürfte aber eine Hoffnung bleiben: Die ersten Änderungen an der KI-VO sind bereits angekündigt.

Zum Autor

Sven Schlotzhauer, LL.M. (Univ. of Bristol), ist Fachanwalt für IT-Recht und Partner der Sozietät von BOETTICHER in München. Er berät regelmäßig auf Anwender und Anbieterseite in allen Fragen des IT- und Datenschutzrechts.

KI schlüpft nicht von selbst

Künstliche Intelligenz verlässt die Experimentierphase. Gleichzeitig zeigt sich, dass der Übergang in den breiten Einsatz oft stockt. Der IT-Dienstleister Adesso berichtet, warum KI-Einführung mehr ist als ein Technologieprojekt. Der menschliche Faktor entscheidet oft über Erfolg oder Stillstand.

Jede bahnbrechende Technologie durchläuft ein Brutstadium: geschützt, isoliert, experimentell. Künstliche Intelligenz verlässt dieses Stadium gerade. „Wir kommen gerade aus der Phase von MVPs, Tests und Experimenten heraus und sehen jetzt echte transformative KI-Projekte, bei denen Modelle in die Kernprozesse der Unternehmen integriert werden“, erzählt Benedikt Bonnmann, Vorstand beim IT-Dienstleister Adesso, auf dem Adesso Data Day in Frankfurt.

So wird KI zunehmend zu einem strategischen Thema. Sie lässt sich nicht mehr als isoliertes ITProjekt behandeln, sondern erfordert eine strukturierte Umgebung, in der Ideen entstehen, reifen und in den produktiven Betrieb überführt werden können. Dazu gehört auch Investitionsbereitschaft, denn mit Krümeln füttert man kein KI-Küken groß. „Unter zehn Prozent des IT-Budgets für KI zu investieren, ist aus meiner Sicht schlicht falsch“, so Bonnmann.

Im Zentrum jeder KI-Strategie stehen die Daten. „Die meisten KI-Projekte scheitern nicht am Budget oder an der Zielsetzung, sondern an schlecht aufbereiteten Daten“, berichtet Bonnmann. Viele Unternehmen hätten früher massiv in Data Warehouses und Data Lakes investiert, müssten heute aber mit völlig neuen Datentypen

umgehen. Neben strukturierten Geschäftsdaten gewinnen Texte, Kundenfeedbacks, Webdaten und externe Quellen an Bedeutung. Eine tragfähige Datenstrategie habe deshalb mehrere Dimensionen. „Eine funktionierende Datenstrategie besteht aus drei Säulen: Technologie, Organisation und Business-Ziel. Erst dann wird die Datenplattform zum Brennstoff für KI.“

Für Kollege Dennis Peuser, der das Data Advisory und KI-Geschäft verantwortet, bildet die Datenplattform das Fundament für eine erfolgreiche KI-Inkubation. Einzelne Anwendungen reichten nicht aus. „Für reproduzierbare, skalierbare KIUse-Cases braucht es immer die Symbiose aus Daten- und KI-Plattform – ohne Daten keine KI.“ Entscheidend sei zudem, dass Daten über ihren gesamten Lebenszyklus hinweg gepflegt werden. „Ohne klares Data Ownership funktioniert keine nachhaltige KI-Entwicklung. Unternehmen müssen wissen, wem Daten gehören, wer sie pflegt und wer sie nutzen darf“, erklärt Peuser. Aufwendige Nacharbeiten werden nämlich schnell kostspielig, wenn die Grundlagen nicht stimmen.

Auch die Ziele von KI-Projekten haben sich verschoben. „Der größte Teil der KI-Use-Cases zielt nicht auf neue Umsätze, sondern auf Effizienzgewinne – etwa durch reduzierte Durchlaufzeiten,

„Unter zehn Prozent des IT-Budgets in KI zu investieren, ist aus meiner Sicht schlicht falsch.“

„Ohne klares Data Ownership funktioniert keine nachhaltige KI-Entwicklung. Unternehmen müssen wissen, wem Daten gehören, wer sie pflegt und wer sie nutzen darf.“

weniger manuelle Bearbeitungsschritte und geringere Touchrates entlang der Prozesskette“, so Peuser. Entscheidend sei dabei, dass der Nutzen tatsächlich für den Mitarbeiter spürbar werde. „Wenn sich Effizienzgewinne an einer Stelle nur dadurch ergeben, dass der zeitliche Aufwand an eine andere Stelle verlagert wird, ist am Ende nichts gewonnen.“

Viele KI-Initiativen bleiben trotz stabiler Daten- und Technologiegrundlagen jedoch schwere Geburten. Der Grund liegt oft nicht im System, sondern beim Menschen. Der größte Widerstand bei der Einführung von KI ist Angst. Angst vor Jobverlust, vor Kontrollverlust und vor Veränderung. Doch die Mitarbeiter aus den einzelnen Abteilungen sind entscheidende Instanzen dafür, ob ein KI-Use-Case wirklich nützlich und wirksam ist. „KI ist nicht erledigt, indem man eine Lizenz kauft. Man muss die Menschen mitnehmen, motivieren und befähigen, die Technologie sinnvoll einzusetzen“, fordert Bonnmann.

Peuser beobachtet zudem, dass viele KIProjekte zu stark aus der IT heraus gedacht werden. „Viele KI-Lösungen werden als reines IT-Projekt gebaut – dann beschäftigen sich die Nutzer am Ende mehr mit der qualitativen Überprüfung des Outputs des Tools, als dass es ihnen bei der effizienteren Bearbeitung ihrer eigentlichen fachlichen Aufgabe hilft.“ Deshalb sei es entscheidend, die Fachbereiche früh einzubeziehen, um Mitarbeiter für KI zu begeistern. So wirken sie als Change Agents in ihren Abteilungen und bauen Vorbehalte gegen die KI-Einführung ab.

Ebenso wichtig sind realistische Erwartungen an die Technologie. Sprachmodelle können nach wie vor weder denken noch analysieren, sondern bilden ihre Antworten auf Basis mathematischer Wahrscheinlichkeiten. Eine Banalität, die man sich bei den unzähligen und beeindruckenden Use-Cases immer wieder vor Augen halten muss. Nach der Einführung gewinnt daher die Qualitätssicherung an Bedeutung. „Produktive KI-Systeme brauchen kontinuierliche Qualitätssicherung – etwa durch automatisierte Tests mit definierten

Fragen-Antwort-Sets und quantifizierbaren Evaluierungsmetriken, um Veränderungen in der Datenbasis, im Modellverhalten und in der Retrieval- oder Prompt-Logik messbar zu machen“, erklärt Peuser. Denn ein KI-Modell, das heute noch eine zufriedenstellende Antwort liefert, kann morgen mit einem geänderten Datenset unzureichend sein.

Parallel richtet sich der Blick bereits auf den nächsten Entwicklungsschritt. Eine große Aufgabe besteht darin, Adesso-Kunden und ihre Architekturen Agent-ready zu machen. Gartner prognostiziert, dass bis 2028 mindestens 15 Prozent der alltäglichen Arbeitsentscheidungen autonom durch agentenbasierte KI getroffen werden. „Agentic AI ist der nächste logische Schritt, weil wir damit nicht nur Antworten bekommen, sondern Aktionen automatisieren können – das ist der eigentliche Produktivitätshebel“, so Bonnmann. Arbeiten mithilfe von Agenten von Ende zu Ende zu automatisieren, bleibt das große Ziel und eine Notwendigkeit. Gerade im Hinblick auf den demografischen Wandel und die bevorstehende Welle an Renteneintritten von Mitarbeitenden mit kritischem Prozesswissen werden Unternehmen immer mehr Aufgaben mit deutlich weniger Personal bewältigen müssen.

Debatten um Regulatorik und Risiken sind hierzulande laut, und oft fehlt der gewisse KI-Optimismus. „Wir Deutschen sind oft härter mit uns selbst, als wir es sein müssten. Deutschland war im Jahr 2024 das Land mit den zweitmeisten konsumierten ChatGPT-Tokens weltweit, 2025 waren wir global auf Platz fünf und führend in der EU – so schlecht sind wir also nicht.“ Wirksame KI-Projekte brauchen dennoch Zeit und einen geschützten Raum zum Wachsen. Lange war KI ein Ei im Nest der IT-Abteilungen. Ob sie schlüpft und das Laufen lernt, entscheidet sich nicht allein an Daten, sondern daran, ob Mitarbeiter bereit sind, sie anzunehmen und mitzugestalten.

Mehr unter: https://voge.ly/vglQird/

Autor: Alexander Siegert

Benedikt Bonnmann, Mitglied des Vorstands bei Adesso

Dennis Peuser, Head of Data Advisory & AI-Solutions bei Adesso

Gemeinsam Komplexität reduzieren

Der Ingram Micro Solution Summit 2026 als Wegweiser für den Channel

Ingram Micro hat auf dem Solution Summit 2026 mehr als 250 Teilnehmer auf Entscheider- und Expertenebene zusammengebracht. Künstliche

Intelligenz, Cloud und Cybersecurity standen bei der Channel-Konferenz als entscheidende Treiber der Mittelstands-Digitalisierung im Fokus.

Der Ingram Micro Solution Summit 2026 auf einen Blick

Zielgruppe: Entscheider und Experten aus dem IT-Channel

Alexander Maier, Senior Vice President & Chief Country Executive DACH, Ingram Micro

Das Konferenzprogramm enthielt:

• inspirierende Keynotes mit visionären Ausblicken

• praxisnahe Breakout-Sessions

• wertvolle Einblicke in konkrete

Use Cases

Im März veranstaltete Ingram Micro erstmals den Solution Summit. Experten und Entscheider aus dem Channel diskutierten intensiv über das Zusammenspiel digitaler Schlüsseltechnologien und deren Bedeutung für die Transformation des Mittelstands. In Keynotes, Breakout-Sessions und einem hochkarätig besetzten Expertenpanel wurden aktuelle Herausforderungen ebenso wie neue Marktpotenziale aus unterschiedlichen Perspektiven beleuchtet. Partner erhielten strategische Impulse, vertiefende Einblicke in technologische Entwicklungen sowie praxisnahe Ansätze für nachhaltiges Wachstum.

Ingram Micro Solution Summit gibt Orientierung

Digitale Zukunft entsteht im Dialog, nicht in Silos. Daraus wachsen neue Ideen, Partnerschaften und Geschäftsmodelle. Für die Partner heißt das, KI, Cloud und Cybersecurity zusammenzudenken und in integrierte Kundenlösungen zu überführen. „Unsere Rolle dabei ist es, Komplexität zu reduzieren, Orientierung zu geben und Innovationen in messbare Geschäftsergebnisse zu übersetzen“, erklärt

Thomasch, Lenovo Director & Chief Technology Officer Germany, Austria, bei der Podiumsdiskussion auf. Er machte deutlich, welches Potenzial insbesondere im Mittelstand liegt: „Der Mittelstand sitzt auf einem riesigen Datenschatz, der mit Hilfe von KI viel schneller und effizienter nutzbar wird.“ Dadurch können KMUs ihre Zyklen deutlich beschleunigen, neue Geschäftsfelder erschließen und mit innovativen Produkten stärker im Wettbewerb auftreten.“

• ein hochkarätig besetztes

Expertenpanel

Partner:

Die Keynotes wurden gehalten von Microsoft, AMD und IBM. Darüber hinaus waren weitere Branchengrößen und spezialisierte Hersteller mit spannenden Präsentationen vertreten, darunter Adobe, AWS, Cisco, Dell Technologies, Eaton, HPE, Keeper Security, Keepit, Lenovo, Object First und Veeam.

Alexander Maier, Senior Vice President & Chief Country Executive DACH bei Ingram Micro. Spannende Einblicke aus Herstellerperspektive zeigte Andreas

Andreas Thomasch, Lenovo: Mit KI schneller im Markt Ein Data Center spielt dabei die entscheidende Rolle, denn eigene Daten bedeuten Souveränität: Das Unternehmen entscheidet, wer Zugriff auf diese Daten bekommt. Gleichzeitig gewinnt auch Edge AI zunehmend an Bedeutung, etwa bei der Bewertung von Hagelschäden. Andreas Thomasch sieht hier klare Vorteile darin, da vor Ort erhobene Daten deutlich präzisere Ergebnisse liefern und Schäden schneller bearbeitet werden können. Er empfiehlt Unternehmen, KI dort einzusetzen, wo die Daten entstehen, da hier der größte Nutzen liegt. Die Verarbeitung großer Datenmengen in zentralen CloudUmgebungen bleibt hingegen sinnvoll, wenn Skalierbarkeit im Vordergrund steht. Ideal sind dabei wassergekühlte Systeme wie von Lenovo, die den Energieverbrauch um bis zu 40 Prozent senken.

Mehr Tipps und Einschätzungen vom Experten Andreas Thomasch, Lenovo https://emea.ingrammicro.com/de-de/ ingram-micro-plus/solution-summit2026-interview-mit-lenovo

Chancen für den Channel Partner können margenstarke neue Projekte gewinnen, wenn sie ihren Kunden konkrete Potenziale aufzeigen. Thomasch empfiehlt, Kunden frühzeitig in Workshops einzubinden, um gemeinsam den Status quo zu analysieren und herauszuarbeiten, in welchen Bereichen verlässliche Partner benötigt werden.

BILD: INGRAM MICRO

BILD: GUDRUN KAISER

BILD: INGRAM MICRO

Wie KI auf den Shopfloor kommt

KI verspricht den großen Durchbruch in Industrie und Fertigung. Der Weg auf den Shopfloor ist komplex und oft steinig. Woran es hakt, was jetzt zählt und wie der Sprung in den Betrieb gelingt, berichten Cancom und AWS.

Künstliche Intelligenz ist längst in den Fabriken angekommen. Kameras erkennen Fehlerbilder, Sensoren melden Abweichungen, Algorithmen schlagen Optimierungen vor. Aber vielerorts endet der Fortschritt noch im Pilotprojekt. Der Sprung in den skalierbaren Betrieb gelingt nur, wenn Technologie, Organisation und Betrieb zusammenspielen.

Eine zentrale Rolle übernimmt die Cloud. „Die Cloud spielt die Rolle des Enablers, weil sie die nötige Infrastruktur für große Datenmengen und komplexe Modelle bereitstellt, ohne massive Vorabinvestitionen zu erfordern“, erklärt Jan Metzner, Principal Specialist Solutions Architect Manufacturing bei AWS. Sie liefert die Rechenleistung, die Flexibilität und die Skalierung – doch sie allein bringt die KI noch nicht in die Produktion.

Der entscheidende Moment ist der Übergang von der Theorie in die Praxis. „Wer KI skalieren will, braucht ein multidisziplinäres Team, das KI-Initiativen bereichsübergreifend bündelt und vorantreibt“, so Metzner. Selbst dann bleibt eine Hürde:

„Dieser sogenannte Sim-to-Real-Transfer ist eine zentrale Herausforderung.“ Modelle müssen sich im Takt realer Fertigung beweisen – unter Bedingungen, die sich nicht vollständig simulieren lassen. Dass dieser Schritt zunehmend gelingt, zeigte der Hyperscaler auch wieder auf der Hannover Messe. Dort verdichten sich zentrale Themen der industriellen Transformation: der Einsatz von Industrial AI in der Fertigung, die Verzahnung von IT und OT und digitalen Plattformen.

An diesem Punkt beginnt die eigentliche Arbeit im industriellen Umfeld. „AI und IoT sind heute kein isoliertes Thema mehr, sondern werden gezielt zusammen gedacht“, sagt Thomas Fuchs, Team Leader AIoT bei Cancom. Daten entstehen direkt im Prozess, werden ausgewertet und fließen wieder zurück – etwa in der AI-gestützten Qualitätskontrolle oder in geschlossenen Regelkreisen, in denen Systeme eigenständig reagieren.

Damit der Kreislauf funktioniert, müssen ganz unterschiedliche Welten miteinander verbunden werden. „Die größte Herausforderung liegt in der korrekten und vor allem sicheren Konfiguration

HANNOVER MESSE 2026

Die Hannover Messe hat über 100.000 Besuchern gezeigt, dass Industrial AI endgültig aus der Konzeptphase gewachsen ist. Ohne konsistente Datenarchitekturen und sichere Edge-Cloud-Verbindungen bleiben jedoch viele KI-Projekte im

der Netzwerke“, so Fuchs. Gerade die Schnittstelle zwischen klassischen OT-Netzen und Cloud-Infrastrukturen erfordert saubere Architekturen – und vor allem Vertrauen in die Sicherheit der Verbindungen. „Entscheidend ist dabei ein durchgängiger Zero-Trust-Ansatz über OT, Edge und Cloud hinweg“, ergänzt Denny Reißig, Senior Consultant bei Cancom. Jede Kommunikation wird abgesichert, jede Verbindung kontrolliert.

Gleichzeitig wächst die operative Komplexität. Produktionsumgebungen bestehen nicht aus zentralen Systemen, sondern aus einer Vielzahl verteilter Komponenten. Cancom überträgt deshalb bekannte Prinzipien aus der IT in die Fertigung: „Wir übertragen bewährtes Knowhow aus Rechenzentren und klassischer Netzwerkinfrastruktur konsequent auf den Shopfloor“, erklärt Fuchs. Container-Technologien und Plattformansätze sorgen für mehr Struktur – auch dort, wo bislang individuelle Lösungen dominierten.

Der Blick in viele Fabriken zeigt: Der Weg zur modernen Architektur ist oft ein Balanceakt. „Dort finden sich nicht selten PCs aus den 80er- und 90er-Jahren, zahlreiche Anwendungen ohne Container-Unterstützung sowie Schnittstellen und Protokolle, die nicht in moderne Architekturen passen“, beschreibt Fuchs die Realität. KI trifft hier auf gewachsene Strukturen – und muss sich in ihnen behaupten.

Hinzu gesellen sich Sicherheitsrisiken. Improvisierte Lösungen, kurzfristige Zugriffe

Pilotstadium. Physical AI, Robotik und humanoide Roboter gewinnen enorm an Bedeutung. Sie integrieren KI direkt in Produktionsprozesse. Ergänzend rückte mit der „Defense Production Area“ erstmals eine Sonderfläche für verteidigungsnahe Produktionstechnologien in den Fokus.

oder unzureichend abgesicherte Verbindungen können schnell zum Problem werden. Die Absicherung von Remote-Zugängen, klare Zugriffsregeln und durchgängige Transparenz werden zu wichtigen Aufgaben im Betrieb vernetzter Produktionsumgebungen. Auch die Betriebsmodelle verändern sich grundlegend. „Es setzen sich zunehmend Cloudund consumption-basierte Betriebsmodelle durch“, so Fuchs. Unternehmen kombinieren lokale Datenhaltung mit skalierbarer KI aus der Cloud – ein hybrider Ansatz, der Flexibilität und Kontrolle vereint.

Die Grundlage bleibt jedoch die Datenbasis. „Ohne eine solide Datenstrategie bleibt KI in der Industrie nur ein leeres Versprechen“, betont Metzner. Erst wenn Daten durchgängig verfügbar sind und in einen sinnvollen Kontext gebracht werden, entsteht ein echter Mehrwert. Am Ende entscheidet nicht die Technologie, sondern das Ergebnis. „Der Wert von KI-Initiativen sollte immer anhand von Geschäftsergebnissen gemessen werden – ROI, Produktivitätssteigerung, reduzierte Ausfallzeiten“, so Metzner.

Der Weg von der Cloud zur Maschine ist kein Selbstläufer. Er führt über Daten, Netzwerke, Sicherheitskonzepte und gewachsene Infrastrukturen und verlangt nach einem neuen Zusammenspiel. Erst wenn aus Daten KI-gestützte Empfehlungen und Entscheidungen werden, kann KI ihre Kraft auf dem Shopfloor entfalten.

Mehr unter: https://voge.ly/vglxhGI/

Autor: Alexander Siegert

„AI und IoT sind heute kein isoliertes Thema mehr, sondern werden gezielt zusammen gedacht. Das Grundprinzip ist klar: IoT liefert die Datenbasis, AI schafft den Mehrwert, und skalierbare Plattformen sichern den stabilen Betrieb.“

„Sind Daten fragmentiert oder schwer zugänglich, scheitern selbst gut konzipierte KI-Projekte früh. Das richtige Fundament bildet ein durchgängiger Digital Thread mit kontextualisierten Daten entlang des gesamten Produktlebenszyklus. Auf dieser Basis können spezialisierte KI-Agenten in Produktion, Instandhaltung und Qualitätssicherung eigenständig Entscheidungen treffen und Prozesse beschleunigen.“

Thomas Fuchs, Team Leader AIoT bei Cancom

Jan Metzner, Principal Specialist Solutions Architect Manufacturing bei AWS

BILD: CANCOM

BILD: AWS

BILD: MIDJOURNEY / KIGENERIERT

Zu viele Identitäten, zu wenig Kontrolle

Die Sicherheitslandschaft veränderte sich durch autonome KI-Agenten, Schatten-KI und Maschinenidentitäten rasant. Unternehmen müssen Governance, Identitäten und Zugriffe neu denken, um den Überblick und die Kontrolle zu behalten.

Künstliche Intelligenz unterstützt nicht mehr nur den Menschen, sondern handelt aktiv. Autonome Agenten treffen Entscheidungen, greifen auf Daten zu, verändern sie und interagieren mit Systemen – oft schneller, als Security-Teams reagieren können. Effizienz und Geschwindigkeit eröffnen neue Chancen, aber auch neue Risiken: Verantwortlichkeiten verschwimmen, klassische Prozesse werden umgangen und die Zahl maschineller Identitäten wächst weiter rasant. In vielen Unternehmen ist es zudem längst Realität, dass Beschäftigte KI-Tools nutzen, ohne dass die ITAbteilungen davon wissen oder diese genehmigt haben. Diese bereits bekannte Diskrepanz zwischen Kontrolle und Realität wird künftig noch relevanter, da autonome Agenten Entscheidungen eigenständig treffen und umsetzen.

Gleichzeitig verändert sich die Rolle der ITAbteilungen grundlegend. Wo früher Menschen Prozesse angestoßen haben, übernehmen zuneh-

mend Systeme diese Aufgabe. KI-Agenten buchen Ressourcen, skalieren Umgebungen, vergeben Zugriffsrechte oder integrieren neue Dienste. Diese Dynamik erhöht die Abhängigkeit von automatisierten Entscheidungen und reduziert Zeitfenster, in denen menschliche Kontrolle überhaupt möglich ist. Sicherheitsteams müssen daher lernen, nicht nur Ergebnisse zu prüfen, sondern Entscheidungswege zu verstehen und kontinuierlich zu überwachen.

Die Gefahr liegt oft nicht in böser Absicht, sondern in unbedachtem Verhalten. KI-Agenten handeln effizient, aber nicht immer kontextsensitiv. Wenn die Schnittstellen ungeschützt sind, dann können die Agenten Sicherheitsmechanismen umgehen oder Daten weitergeben. So entstehen neue Angriffsflächen: jede API, jeder Token, jeder Service-Account ist potenziell angreifbar. Besondere Risiken bergen hier Cloud- und DevOps-Umgebungen. Dort entstehen auch die

DAS KÖNNEN UNTERNEHMEN NUN TUN, UM SICH VORZUBEREITEN

Identitäten in den Mittelpunkt stellen: Menschliche Nutzer, Maschinen und KI-Agenten sollten über eine zentrale Steuerung gleichermaßen berücksichtigt werden. Identitäten dürfen kein Randthema mehr sein.

Sichtbarkeit schaffen: Transparenz über KI-Tools, Identitäten und Zugriffe ist entscheidend. Wer weiß, welche Agenten, Plugins und Services aktiv sind, kann Risiken realistisch bewerten und sich angemessen aufstellen.

Governance und Automatisierung verknüpfen: Automatisierte Prozesse brauchen automatisierte

meisten neuen Identitäten mit privilegierten Zugriffsrechten. Ohne Governance und kontinuierliches Monitoring wird die Komplexität schnell unüberschaubar. Zudem basieren viele KI-Modelle auf Trainingsdaten, deren Herkunft und Qualität nicht immer transparent sind. Fehlannahmen oder Verzerrungen können dazu führen, dass Systeme Risiken falsch bewerten oder Prioritäten falsch setzen. In sicherheitskritischen Umgebungen kann das gravierende Folgen haben – etwa wenn ein Agent Bedrohungen unterschätzt oder legitime Sicherheitsmechanismen als Hindernis interpretiert.

Wo früher Schatten-IT für Unsicherheit sorgte, ist heute Schatten-KI das Problem. Mitarbeitende nutzen nicht genehmigte KI-Tools, Plugins oder Browser-Erweiterungen – oft aus Effizienzgründen, selten mit böser Absicht. Viele wissen gar nicht, ob ein Tool erlaubt ist oder nicht, sie probieren es einfach aus. Das Problem dabei ist allerdings, dass IT- und Security-Teams meist erst dann davon erfahren, wenn Daten bereits verarbeitet oder Zugänge geteilt wurden. Klassische Richtlinien greifen zu kurz, wenn sie nicht durch technische Kontrollen und klare Leitplanken ergänzt werden.

Sicherheitskontrollen, da manuelle Checks nicht mehr ausreichen. Sicherheit muss mit der Geschwindigkeit der Systeme Schritt halten, sonst entsteht ein strukturelles Ungleichgewicht.

Verantwortlichkeiten klar definieren: Es muss klar sein, wer für welche Entscheidung zuständig ist und haftet. KI darf unterstützen, aber nicht zum anonymen Entscheidungsträger werden.

Szenarien regelmäßig überprüfen: Simulationen von Angriffen auf Maschinenidentitäten, Tokens oder autonome Agenten helfen, Schwachstellen zu erkennen, bevor sie ausgenutzt werden.

Auch Maschinenidentitäten wachsen stark. Jede Anwendung, jeder Container, jeder Agent braucht eine Identität, die geschützt wird. Autonome KI verstärkt dieses Problem, denn wenn Agenten selbstständig handeln, müssen ihre Zugriffe nachvollziehbar, kontextsensitiv begrenzt und überprüfbar sein. Sicherheit wird zunehmend eine Frage der Identitäten – nicht mehr nur des Netzwerkperimeters.

In vielen Organisationen fehlt jedoch noch der vollständige Überblick über diese Identitäten. Zertifikate laufen ab, Schlüssel werden mehrfach verwendet, Zugriffe bleiben bestehen, obwohl sie nicht mehr benötigt werden. In Kombination mit autonomen Prozessen entsteht so ein schwer kalkulierbares Risiko. Ohne klare Zuständigkeiten und automatisierte Kontrolle drohen blinde Flecken, die gezielt ausgenutzt werden können.

Autonome KI wird die Sicherheitslandschaft prägen: als Produktivitäts-Werkzeug, als AngriffsWerkzeug und auch als Verteidigungs-Werkzeug. Unternehmen, die Identitätssicherheit ernst nehmen und Zugriffe konsequent überwachen, können die Kontrolle behalten – und die Chancen der Automatisierung sicher nutzen.

ÜBER DEN AUTOR

Michael Kleist verfügt über mehr als 20 Jahre IT-Erfahrung in verschiedenen Führungspositionen. Zuletzt war er als Area Vice President CEE bei dem Security-Spezialisten CyberArk tätig, zuvor unter anderem bei IBM und Novell. Mehr unter: https://voge.ly/identitäten-ohne-kontrolle/

BILD:©

Europa kämpft um seine

digitale Unabhängigkeit

Der alte Kontinent befindet sich 2026 an einem entscheidenden geopolitischen Wendepunkt. Lange Jahre wurde das Konzept der Digitalen Souveränität als Randnotiz abgetan, doch nun ist seine Relevanz mit voller Wucht in den Führungsetagen der Wirtschaft angekommen – als direkte Folge wachsender geopolitischer Spannungen.

Die geopolitische Realität hat uns gezeigt, dass echte Souveränität die Grundvoraussetzung für langfristige globale Wettbewerbsfähigkeit ist. Es geht längst nicht mehr um Datenschutz im Sinne der DSGVO, sondern um den Schutz kritischer Geschäftsprozesse vor dem Zugriff und der Einflussnahme durch Drittstaaten. Wer heute seine strategischen IT-Entscheidungen trifft, muss über die reine Performance hinausdenken und die Abhängigkeiten von globalen Hyperscalern kritisch hinterfragen.

„Wirkliche Souveränität bedeutet, technologische Unabhängigkeit, rechtliche Sicherheit, strategische Autonomie und transparente Governance konsequent zusammenzuführen“, erklärt Ulrich Ahle, CEO von Gaia-X. „Das bedeutet, dass die Modellgewichte offen und nachvollziehbar sein müssen, dass die Trainingsdaten dokumentiert und im Einklang mit europäischem Recht, insbesondere dem Urheberrecht und der Datenschutzgrundverordnung, erhoben werden müssen und dass die gesamte Verarbeitung auf europäischem Boden erfolgen muss“, konkretisiert Udo Schnei-

der, Governance, Risk & Compliance Lead Europe bei TrendAI, das sich die Absicherung von KI-nativen Software-Stacks auf die Fahne geschrieben hat.

Diese Sichtweise wird von führenden Köpfen der Branche geteilt, selbst wenn sie für US-Konzerne tätig sind. Dr. Steph Metzner, Sales Director Ecosystem AI Partnerships, IBM DACH, betont, dass Souveränität längst zu einem zentralen Qualitätsmerkmal avanciert ist: „Entscheidend ist die Belegbarkeit der Datenherkunft und der Wirksamkeit von Kontrollen.“ In einer Welt, in der Daten das wertvollste Gut darstellen, werde die Fähigkeit, die Integrität und den Ursprung dieser Daten nachzuweisen, zum entscheidenden Wettbewerbsvorteil.

Trotz des wachsenden Bewusstseins bleibt die faktische Abhängigkeit von außereuropäischen Akteuren massiv. Besonders kritisch wird dies bei der Hardware-Infrastruktur. Ahle räumt unumwunden ein, dass eine vollständige Unabhängigkeit von US-Anbietern kurzfristig kaum realisierbar

BILD: MIDJOURNEY / KIGENERIERT

ist. Ein prominentes Beispiel sei das Quasi-Monopol von Nvidia im Bereich der High-End-GPUs, die für das Training und den Betrieb moderner KI-Modelle essenziell sind. Zudem erschwert das enorme Wagniskapital in den USA im Vergleich zu den restriktiveren europäischen Finanzmärkten den Aufbau konkurrenzfähiger Strukturen.

Dennoch bedeute dies nicht, dass europäische Unternehmen zur Passivität verdammt seien. Eine „operative Souveränität“ ist bereits heute umsetzbar. Ari Albertini, CEO bei Ftapi, unterstreicht, dass Firmen bereits jetzt die Wahl haben: Sie können KI-Anwendungen gezielt in europäischen Rechenzentren betreiben, das sensible Fine-Tuning lokal durchführen und mittels moderner Verschlüsselungstechnologien die Hoheit über ihre Daten behalten.

Sowohl Oliver Köth, Managing Director Technology & Innovation DACH bei NTT Data, als auch Peter van der Putten, Leiter des AI Lab bei Pegasystems und Professor an der Universität Leiden, warnen davor, Souveränität als einfachen Ein-Aus-Schalter zu begreifen: „Sie existiert auf einem Spektrum. Der Grad der erforderlichen Souveränität hängt von der Sensibilität der Daten und dem jeweiligen Risiko ab“, so van der Putten.

Die Dringlichkeit für europäische Eigenständigkeit wird durch die globale politische Lage verschärft. Alena Mattfeldt, Business Area Lead for Cloud Solutions bei BTC, weist auf die potenzielle politische Einflussnahme durch Anbieter aus Drittstaaten hin. Besonders kritisch sei dabei, dass Trainingsdaten und der darauf folgende „Alignment-Prozess“ die moralische und politische Weltsicht eines Modells prägten. „Wer diesen Prozess kontrolliert, kontrolliert die Werte der KI“, so Mattfeldt. Forschungsergebnisse der Universität der Bundeswehr München belegen, dass Modelle wie GPT-4o bereits vordefinierte politische Präferenzen zeigen.

Der US Cloud Act stelle zusätzlich ein permanentes Risiko dar, da er US-Behörden Zugriff auf Daten ermöglicht, die von US-

Unternehmen verwaltet werden – selbst wenn diese auf Servern in Europa liegen. Dies steht oft in direktem Konflikt zur DSGVO. Europäische Anbieter positionieren sich hier mit dem Fokus auf „Explainable AI“. In kritischen Sektoren wie der Medizin oder dem Finanzwesen dürfe eine KI keine „Black Box“ sein – Entscheidungen müssten nachvollziehbar und gegenüber Aufsichtsbehörden rechtfertigbar bleiben.

Die Antwort auf die Vorherrschaft globaler Plattformen liegt laut den von IT-BUSINESS befragten Insidern in modularen, offenen Architekturen: „Ohne Open Source bleibt Digitale Souveränität reine Fiktion“, erklärt etwa Gregor von Jagow, Senior Director und Country Manager Germany bei Red Hat. Open-Source-Software ermögliche eine unabhängige Prüfung und Betrieb ohne Anbieterabhängigkeit.

Ein weiterer Pfeiler ist die Idee der Föderation, wie sie durch Projekte wie Gaia-X und IPCEI-CIS vorangetrieben wird. Ziel ist die Schaffung einer dezentralen Dateninfrastruktur, die Interoperabilität zwischen verschiedenen Anbietern sicherstellt. So können Unternehmen Workloads flexibel verschieben und die für sie jeweils sicherste Umgebung wählen.

In der operativen Umsetzung gewinnen hybride Modelle an Bedeutung: Hochsensible Daten werden lokal verarbeitet, während weniger kritische, aber rechenintensive Prozesse in hochsicheren CloudUmgebungen wie den C5-zertifizierten Rechenzentren deutscher Anbieter laufen. Dr. Axel Faisst, CTO der All for One Group, sieht die Cloud dabei nicht mehr nur als Speicherort, sondern als „operative Steuerungsschicht“, die unter der Kontrolle des Nutzers stehen müsse. Große Akteure wie Ionos, Arvato Systems, T-Systems und OVHcloud bildeten hierfür das notwendige technologische Fundament.

Ein Beispiel für die technologische Leistungsfähigkeit Europas ist die im Februar offiziell in Betrieb genommene „Industrial AI Cloud“ der Telekom in München. Ausgestattet mit 10.000 Nvidia-BlackwellGPUs erreicht die erste KI-Fabrik Deutsch-

Steph Metzner, Sales Director Ecosystem AI Partnerships bei IBM

„Führungskräfte müssen sich fragen: Können wir die Infrastruktur, auf der unsere KI läuft, kontrollieren und anpassen? Welche Transparenz gibt es bei den Trainingsdaten, und können wir unsere eigenen Daten sicher einbringen? Besteht die Gefahr einer Abhängigkeit?“

Oliver Köth, Managing Director Technology & Innovation DACH bei NTT Data

„Wir sollten uns nicht der Illusion hingeben, Abhängigkeiten vollständig vermeiden zu können. Dafür sind Lieferketten und Bereitstellungswege realistisch betrachtet viel zu komplex.“

INDUSTRIAL AI CLOUD

„Mit der Industrial AI Cloud schaffen Telekom, SAP und weitere Partner ein souveränes Technologiefundament für skalierbare industrielle KI in Deutschland: Unsere Business Technology Platform und AI Foundation verankern KI sicher in Geschäftsprozessen, schützen Daten in Deutschland und ermöglichen produktive Innovationen. Es ist Zeit, das Narrativ vom Risiko zur Chance zu verschieben.“

lands eine Rechenleistung von 0,5 ExaFLOPS – ein technischer Meilenstein. Auf dieser Basis entsteht der sogenannte „Deutschland Stack“, eine Kooperation zwischen der Telekom, SAP und Siemens. T-Systems liefert die Infrastruktur, während SAP die Geschäftsanwendungen und die Business Technology Platform beisteuert.

Dieses Projekt zeigt, wie Synergien genutzt werden können: Siemens-Vorstand Cedrik Neike betont, dass durch die Verlagerung von Industriesoftware in diese souveräne, GPU-beschleunigte Cloud Simulationszeiten drastisch verkürzt werden können. Ein integraler Bestandteil ist zudem das Forschungsprojekt SOOFI („Sovereign Open Source Foundation Models“), bei dem ein europäisches Modell mit 100 Milliarden Parametern entwickelt wird.

Der entscheidende technische Vorteil souveräner Clouds liegt in der strikten Trennung der Management- von der Datenebene, hebt Jens Luebben, Regional Vice President Germany/Austria bei Cloudera, in diesem Zusammenhang hervor. Selbst Administratoren des Providers haben keinen Zugriff auf die Daten oder Modelle des Kunden. Dies sei insbesondere für Betreiber kritischer Infrastrukturen von existenzieller Bedeutung.

Der Markt teilt sich in zwei Lager: die großen USGeneralisten und die spezialisierten europäischen Anbieter. Letztere, wie das französische Mistral AI oder das Heidelberger Unternehmen Aleph Alpha, besetzen wichtige Nischen. Während Mistral AI durch performante Modelle besticht, fokussiert sich Aleph Alpha auf „Luminous“ als eine „Made in Europe“-Alternative zu großen KI-Sprachmodellen aus den USA oder aus China.

Thomas Saueressig, Mitglied des Vorstands der SAP SE Customer Service & Delivery

Dennoch gibt es mahnende Stimmen: Prof. Dr. Jens Kohler vom Fraunhofer IESE weist darauf hin, dass die Bequemlichkeit der etablierten US-Modelle und deren starke Lock-in-Effekte dazu führen könnten, dass europäische Lösungen mangels einer „kritischen Masse“ an zahlenden Kunden scheitern könnten. Die technologische Souveränität muss sich also auch ökonomisch beweisen. Florian Schewior, Geschäftsführer DACH bei Celonis, sieht hierbei die Chance, regulatorische Konformität als globales „Gütesiegel“ zu etablieren, ähnlich wie es der Automobilindustrie mit Sicherheitsstandards gelungen sei.

Für IT-Entscheider stellt sich die Frage: Wie sieht der Weg zur souveränen KI aus? Die von IT-BUSINESS befragten Experten raten zu einem schrittweisen Vorgehen: Eine fundierte Strategie beginne mit der Klassifizierung der Daten, gefolgt von der Architekturentscheidung, dann die Anbieterwahl. Nicht jeder Prozess erfordert das höchste Sicherheitsniveau. Eine Accenture-Studie vom November stellt fest, dass nur etwa ein Drittel der Anwendungen zwingend auf souveräner Infrastruktur laufen sollte.

Abhängigkeiten bewusst zu managen und „ExitStrategien“ beim Projektdesign mitzuentwickeln, halten sowohl Kohler als auch Faisst für entscheidend. Souveränität ist heute kein ideologisches Selbstzweck-Thema mehr, sondern eine harte wirtschaftliche Notwendigkeit. Sie ist der sicherste Begleiter für den technologischen Fortschritt. Die technologische Grundlage ist vorhanden.

Mehr unter: https://voge.ly/vgljEam/

Autor: Dr. Dietmar Müller

KI im Partner-Ökosystem: Vom Hype zur strategischen Chance

Künstliche Intelligenz (KI) entwickelt sich zum Damokleschwert, dass über jeder Integration hängt. Besonders im Kundenkontakt hat sich KI bereits als Gamechanger etabliert. Aktuell setzen laut IT Welt.at 88 Prozent der Unternehmen in diesem Bereich auf KI-Lösungen, um Prozesse zu optimieren und die Kundenansprache zu revolutionieren.

KI ist kein Feature, sondern ein Betriebssystem für die nächste industrielle Revolution. Wer sie heute nur als „Addon“ verkauft, verpasst die Chance, sich als strategischer Enabler für Kunden zu positionieren.

Die drei größten Stolpersteine

1. Datensilos

Daten bilden das Herz von KI, doch in der Realität vieler Kunden sind diese fragmentiert, unstrukturiert oder in Insellösungen gefangen. Laut der Zoho European Digital Health Study 2024 hatten 40 % der deutschen Unternehmen keinen Überblick über ihre Customer Journey, weil Vertrieb, Support und Buchhaltung in getrennten Systemen arbeiten. Die Folge ist, dass KI-Projekte scheitern, noch bevor sie starten.

2. Governance

Um das volle Potenzial von KI auszuschöpfen, brauchen Unternehmen neben der Technologie auch die richtige Governance. Regelwerke wie der EU AI Act und die DSGVO bieten wesentliche Leitplanken, die sicherstellen, dass KI-Systeme ethisch, transparent und im Einklang mit den Unternehmenszielen agieren. Europäische Unternehmen gehen hier mit gutem Beispiel voran, indem sie Lösungen fordern, die Datensouverä-

nität, Compliance und die Einhaltung ihrer Werte garantieren.

3. Oberflächliche Projekte

Business-Anwendungen zwingen Mitarbeitende nach wie vor in starre Abläufe. Sie müssen zwischen Systemen wechseln, Daten manuell übertragen und Workflows Schritt für Schritt in unterschiedlichen Tools auslösen. In erster Intention sind die meisten BusinessAnwendungen nicht für KI gebaut. So bleibt KI in manchen Unternehmen ein isoliertes Feature, das wenig über ein LLM hinaus gedacht wird.

Doch was bedeutet das für die strategische Einsetzung von KI in Unternehmen?

Die Antwort liegt in einem ganzheitlichen Ansatz, der Technologie, Datenqualität und menschliche Expertise gleichermaßen berücksichtigt. KI ist kein Allheilmittel, sondern ein mächtiges Werkzeug, das nur dann sein volles Potenzial entfaltet, wenn es mit Weitsicht, Verantwortung und einer klaren Vision eingesetzt wird. Diejenigen, die diesen Weg konsequent gehen, werden nicht nur ihre Effizienz steigern, sondern auch neue Märkte erschließen und ihre Kun-

den auf eine Weise begeistern, die noch vor wenigen Jahren unmöglich schien.

Wer bietet eine datenschutzkonforme und souveräne KI Lösung?

Wer KI nicht nur effizient, sondern auch verantwortungsvoll, souverän und datenschutzkonform implementieren will, findet in Zoho einen Partner, der Technologie und Ethik in Einklang bringt. Zoho hat es sich zur Aufgabe gemacht, künstliche Intelligenz zu entwickeln und zu integrieren, die sich konsequent an den Prinzipien der Privatsphäre und des Kundenwerts orientiert. Dafür werden eine Vielzahl von Sprachmodellen, darunter auch eine eigenentwickelte KI, die auf den jeweiligen Anwendungsfall zugeschnitten ist, genutzt. Dieser Ansatz optimiert nicht nur die Leistung, sondern reduziert auch den Energieverbrauch und die Kosten. Mit 30 Jahren Technologie-Expertise ist Zohos KI "Zia" darauf ausgelegt, Mitarbeitende zu entlasten, Geschäftsprozesse zu optimieren und skalierbare Lösungen zu bieten – ohne zusätzliche Kosten auf die User abzuwälzen.

KI-Hardware für Datacenter: Ein Riese und viele Zwerge

Nvidia dominiert den Markt für Datacenter-GPUs mit einem Anteil von rund 80 Prozent. Derzeit sieht es nicht danach aus, dass Konkurrenten wie AMD und Intel sowie die Hyperscaler mit eigenen KI-Prozessoren viel daran ändern können. Denn der Riese macht weiter Tempo.

In den 1960er-Jahren wurde in der damals noch jungen IT-Branche der Satz von „IBM und den sieben Zwergen“ geprägt. Die Firma war der mit Abstand größte Hersteller der damals vorherrschenden Mainframes, gefolgt von Univac, NCR, Burroughs, Honeywell, General Electric und Control Data. Heute hat Nvidia bei den für KI-Anwendungen so wichtigen Datacenter-GPUs eine ähnliche Stellung erreicht. Das mittlerweile wertvollste IT-Unternehmen der Welt hatte laut Silicon Analyst im vergangenen Jahr hier einen Marktanteil von etwa 75 bis 80 Prozent. Dahinter ordnen sich wieder sieben Verfolger ein: AMD, Intel und Huawei als Chiphersteller sowie Google, AWS, Microsoft und Meta, die selbst entwickelte GPUs und TPUs für den Einsatz in den eigenen Rechenzentren herstellen lassen. Wobei es bei AWS wohl Überlegungen gibt, die eigenen Trainium-Chips auch an Dritthersteller zu verkaufen.

Nvidia hat derzeit eher das Problem, dass TSMC die begehrten Blackwell- und Blackwell-UltraGPUs nicht so schnell herstellen kann, wie sie von

den Kunden bestellt werden. Damit das auch so bleibt, legt Nvidia weiter ein hohes Tempo bei der Weiterentwicklung der GPUs vor und ergänzt sie mit immer weiteren Chips. Auf der Hausmesse GTC zeigte der CEO Jensen Huang mit Vera Rubin Pod die jüngste Iteration der eigenen KI-Fabrik. Sie setzt sich aus mittlerweile fünf verschiedenen Rack-Scale-Systemen zusammen, in denen nicht weniger als sechs neue Nvidia-Chips zum Einsatz kommen. Die Systeme sollen in der zweiten Jahreshälfte verfügbar sein. Neben den schon früher vorgestellten Rubin-GPUs, die auch in kleineren Systemen mit eigenen Vera-CPUs oder Prozessoren von Intel sowie AMD kommen, gibt es als Neuheit die LPU (Language Processing Unit) Groq LP30. Dieser Chip ist für eine schnelle, deterministische Inferenzbeschleunigung optimiert. LLMs sollen hier mit deutlich niedrigerem Stromverbrauch als auf GPUs laufen, trotzdem aber mit hoher Performance. Die Technologie hat Nvidia Ende 2025 vom Startup Groq lizenziert und auch gleich dessen Entwickler und Führungsmannschaft. Eine Groq-LP30-LPU ist viel kleiner

als eine Rubin-GPU und damit auch sparsamer. Statt riesiger HBM-Stacks kommen als Speicher 500 MB extrem schneller SRAM zum Einsatz. In einem LPX-Rack arbeiten 256 LPUs. Ein Gespann aus Vera-Rubin-NVL72- und LPX-Racks soll bei Inferenz mit sehr großen Modellen, die Billionen von Parametern umfassen, den Durchsatz erheblich steigern.

Führend im Verfolgerfeld ist AMD mit den Datacenter-GPUs der Instinct-Baureihe. Im vergangenen Jahr hat der Hersteller die Datacenter-GPUs der Instinct-MI350-Serie mit CDNA4-Architektur vorgestellt, die gegen Nvidias Blackwell-Generation antritt. Sie sollen mit einer vergleichbaren Leistung bei einem gleichzeitig niedrigeren Preis dem Unternehmen einen größeren Anteil am rasant wachsenden KI-Markt bescheren. Als Konkurrenz zu Nvidias Rubin mit seinen 224 Streaming Multiprocessoren und bis zu 288 GB HBM4 schickt AMD die MI400-Serie ins Rennen. Vorgestellt auf der CES in Las Vegas basiert sie auf der neuen CDNA-5-Architektur mit bis zu 432 GB HBM4. Der Chiphersteller verspricht eine verdoppelte MI355X-Leistung und 40 FP4-PFLOPs. Allerdings hat Nvidia als absolute High-End-Lösung bereits eine Rubin-Ultra-GPU mit vier statt zwei Compute-Dies in einem TB HBM4 und bis zu 100 FP4-PFLOPS angekündigt.

Derzeit weit abgeschlagen im GPU-Wettrennen ist Intel. Gaudi 3 kam zu spät und mit zu geringer Leistung, um mithalten zu können. Den geplanten Nachfolger Falcon Shores hat das Unternehmen Anfang 2025 abgekündigt und nutzt ihn nur für interne Entwicklung. Nun soll Jaguar Shores die Rettung bringen. Allzu viel hat Intel noch nicht verraten, außer dass wohl HBM4 von SK Hynix zum Einsatz kommen soll und dass er noch dieses Jahr als Rack-Lösung in Kombination mit Xeon-CPUs, IPUs und wohl auch Silicon Photonics für den Interconnect erscheinen könnte. Für Inferenz bringt Intel mit Crescent Island eine GPU auf Basis der Xe-3P-Architektur. Sie ist eine auf Performance optimierte Variante der Xe-3-Architektur mit dem Codenamen Celestial, die Intel bereits in den neuen Panther-Lake-Mobilprozessoren nutzt. Die Datacenter-GPU-Karten werden mit bis zu 160 GB LPDDR5x bestückt.

Die Hyperscaler und auch Meta setzen in ihren eigenen Rechenzentren neben den GPUs von Nvidia und AMD für bestimmte KI-Workloads auch eigene Chips ein, um so ihre Kosten zu drücken.

HELIOS: KOMPLETTE RACK-LÖSUNG VON AMD

Mit Helios hat AMD eine komplette, flüssigkeitsgekühlte RackLösung entwickelt, die gegen Nvidias NVL72 antreten soll. Sie basiert auf den kommenden Zen-6-Epyc-Prozessoren der VeniceGeneration, Instinct-MI455X-GPUs und AMDs eigenen Pensando-

Für die KI-Rack-Lösung Helios werden Epyc-Venice-CPUs und Instinct-MI455X-GPUs kombiniert.

Vulcano-NICs. Für die Verbindung wird eine Scale-out-EthernetVerbindung genutzt, die von der OCP als offener Standard definiert wird. Implementiert wird sie von den Partnern, die dann die Racks anbieten, wie etwa HPE mit einer Juniper-Lösung. Nvidia nutzt dabei die eigene, proprietäre NVLink-Technologie, die letztlich allerdings auch für andere Anbieter wie Intel oder Marvell geöffnet wurde.

Google nutzt mehrere Tensor Processing Units (TPUs) wie Cloud-TPUs v5e und 5p, TPU v6 (Trellium) sowie als Neuzugang die TPU7x. Dieser Chip ist der erste Vertreter der neuen Ironwood-Generation, die der Hyperscaler im vergangenen Jahr vorgestellt hat. Er ist speziell für KI-Inferenz-Workloads ausgelegt und soll hier die vierfache Leistung von Trellium liefern. AWS nutzt die von dem Tochterunternehmen Annapurna Labs entwickelten Datacenter-GPUs. Aktuell ist Trainium3-GPU, der erste 3-nm-KI-Chip von AWS. Er ist laut Cloud-Anbieter mit Blick auf eine hohe TokenWirtschaftlichkeit für Agentic AI, RAG und Videogenerierung der nächsten Generation entwickelt. Die GPU verfügt über 12 HBM3e-Stacks mit zusammen 144 GB Kapazität. Microsofts Maia 200 ist ebenfalls für Inferenz und Agentic AI optimiert. Der 3-nm-KI-Chip mit 216 GB HBM3E und 272 MB SRAM soll mit 10,14 PFLOPS eine deutlich höhere FP4-Leistung schaffen als Traini-

BILD: AMD

PHOTONISCHER KI-CHIP AUS DEUTSCHLAND

Das Stuttgarter Startup Q.ANT hat photonische Chips entwickelt, die viele KI-Operationen schneller und vor allem energieeffizienter durchführen sollen als herkömmliche CPUs und GPUs. Der analoge Chip, Q.ANT bezeichnet ihn als Native Processing Unit (NPU), nutzt integrierte photonische Schaltungen

(PIC), mit denen sich für KI benötigte mathematische Operationen in einem einfachen Element durchführen lassen, statt dafür tausende von Transistoren zu bemühen. Die NPU, derzeit in der zweiten Generation, wird als PCIe-Zusatzkarte in herkömmlichen Linux-Servern eingesetzt.

um3 und Ironwood. Allerdings hat Google mit TPU 8i (Zebrafish) bereits den nächsten Chip in Arbeit, der bei Inferenz ebenfalls rund 10 PFLOPS FP4 liefern soll.

Huawei kann mit seinen KI-Chips noch nicht in diese Leistungsregionen vorstoßen. Selbst die für dieses Quartal angekündigte NPU Ascend 950PR als bislang leistungsstärkster KI-Beschleuniger des Herstellers schafft nur zwei PFLOPS FP4. Da Huawei durch die US-Sanktionen die Dienste von TSMC nicht nutzen kann und leistungsfähige EUV-Belichter nicht nach China verkauft werden dürfen, kann die Fertigung nur auf älteren Maschinen erfolgen, die mit hohem Aufwand und geringeren Yield-Raten 7-nm-Chips produzieren. Spannend am 950PR ist, dass neben dem Chip 128 GB HiBL sitzen. HiBL ist einer von Huaweis eigenen Hochleistungsspeichern, der hier erstmals verwendet wird. Da der Ascend 950PR vergleichsweise günstig ist, sollen große Mengen dieser KIChips parallel eingesetzt werden. In Europa sind die Ascend-NPUs nicht verfügbar.

Die Goldgräberstimmung beim Markt für KIHardware hat dafür gesorgt, dass neben dem Riesen Nvidia und den anderen großen Herstellern in diesem Sektor eine wahre Flut an Startups ebenfalls eigene Chips entwickeln. Dazu zählen auch einige europäische Firmen, die sich vor allem wegen der angestrebten Digitalen Souveränität Hoffnungen auf lukrative Aufträge machen. Bereits im Herbst 2023 wurde angekündigt, dass die vom französischen Hersteller SiPearl seinerzeit als „Hochleistungschips“ bezeichneten Rhea1-CPUs im Jupiter-Exascale-Computer in Jülich eingesetzt werden. Der Prozessor mit 80 Neoverse-V1-ARMCores und 64 GByte HBM2E hat sich allerdings verzögert und wird erst jetzt bei TSMC produziert. Er ist nicht mehr konkurrenzfähig. Stattdessen kamen für Jupiter AMD und Nvidia zum Zug. In den Niederlanden sind mit Axelera und Euclyd zwei Firmen mit eigenen KI-Chips aktiv. Während

Axelera mit den bereits produzierten AIPUs Metis und Europa eher auf Edge-Anwendungen zielt, hat Euclyd mit Craftwerk hochfliegende Pläne für das Datacenter. Der im September 2025 angekündigte Chip soll auf der Größe einer Handfläche insgesamt 16,384 selbst entwickelte SIMD-Prozessoren in sich vereinen und auf ein TB Ultra-Bandwith-Memory zugreifen. So soll Craftwerk 32 PFLOPS FP4 leisten und bei Agentic-AI-Anwendungen um den Faktor 100 effizienter arbeiten, als Nvidias Blackwell-GPU B200. Zu den Investoren und Beratern zählt laut Hersteller mit Federico Faggin immerhin der Entwickler des weltweit ersten kommerziellen Mikroprozessors Intel 4004. Für die Entwicklung ist Euclyd eine Partnerschaft mit dem koreanischen ASIC-Spezialisten ADTechnology eingegangen, die Herstellung soll bei Samsung erfolgen. Wann das der Fall sein wird, verrät Euclyd allerdings noch nicht. Beim britischen Startup Fractile gehört ebenfalls ein prominenter früherer Intel-Mitarbeiter zu den Geldgebern: Pat Gelsinger, bis Dezember 2024 CEO von Intel. Das kleine, 2022 gegründete Unternehmen arbeitet ebenfalls an einem sparsamen Chip für KI-Inferenz, der ein In-Memory-Compute-Design mit SRAM als Speicher aufweisen soll. Der Chef-Architekt bei Fractile ist Alan Alexander, zuvor Chefentwickler beim britischen IPUHersteller Graphcore, der nach der Übernahme durch Softbank gerade einen Neustart versucht.

Keine kompletten KI-Chips, sondern eine neue Technologie für einen schnellen On-Chip-Interconnect entwickelt das in Aachen beheimatete Unternehmen Black Semiconductor. Eine integrierte Graphen-Photonik-Technologie (IGP) soll eine extrem schnelle Verbindung zwischen einzelnen Compute-Einheiten und HBM herstellen.

Mehr unter: https://voge.ly/vglfZMc/

Autor: Klaus Länger

Wie Künstliche Intelligenz das moderne SOC neu definiert

Cyberangriffe sind heute nicht nur häufiger, sondern auch präziser orchestriert und sie treffen auf SecurityTeams, die längst am Limit arbeiten. Genau hier setzt das KI-gestützte Security Operations Center (SOC) an.

Ein SOC ohne KI? Denkbar, aber nicht ratsam. Künstliche Intelligenz hilft, Muster schneller zu erkennen, Vorfälle besser zu priorisieren und Analysten spürbar zu entlasten. Ein KI-gestütztes SOC wie TrendAI Vision One™ setzt genau hier an. Einmal etabliert mit mandantenfähigem Management für Service Provider, dient die Plattform als zentrale Basis für moderne SOC-Services. Künstliche Intelligenz übernimmt Aufgaben, die bislang enorme personelle Ressourcen gebunden haben: das Sammeln und Vorbewerten von Telemetriedaten, die Korrelation von Ereignissen über verschiedene Sicherheitsebenen hinweg sowie die Priorisierung nach tatsächlichem Risiko. Das SOC entwickelt sich damit von einer reaktiven Alarmzentrale zu einer intelligenten Entscheidungsinstanz.

Mehr Kontext, weniger Lärm

Moderne IT-Umgebungen bestehen aus Endpunkten, E-Mail-Systemen, CloudWorkloads, Identitäten, Netzwerken und Anwendungen. Jeder dieser Bereiche erzeugt eigene Logdaten. KI-gestützte Systeme sind in der Lage, diesen Kontext aus Datenquellen zentral zusammenzuführen, Dubletten zu erkennen und Zusammenhänge herzustellen, die für Menschen kaum sichtbar wären. Statt hunderter isolierter Alarme erhält das SOC konsolidierte Incidents, die

bereits bewertet und mit Handlungsempfehlungen versehen sind.

Agentische KI:

Wenn Systeme aktiv mitarbeiten KI-Agenten normalisieren neue Logformate, passen Erkennungslogiken dynamisch an und unterstützen Analysten bei der Ursachenanalyse. Wo klassische SIEM-Ansätze oft monatelange Integrationsprojekte erfordern, verkürzt KI diese Prozesse erheblich. Das Ergebnis ist ein SOC, das mit der Geschwindigkeit moderner Angriffe Schritt halten kann.

Automatisierte Reaktion und orchestrierte Abläufe

Ein KI-gestütztes SOC endet nicht bei der Erkennung. In Kombination mit automatisierten Response-Mechanismen lassen sich Gegenmaßnahmen direkt auslösen.

Compliance, Nachweisbarkeit und Datenhoheit

Mit Regularien wie NIS2 rückt Nachweisbarkeit stärker in den Fokus. Ein KIgestütztes SOC unterstützt genau das durch die lückenlose Dokumentation von Vorfällen, Entscheidungen und Reaktionen. Moderne SOC-Architekturen ermöglichen flexible Betriebsmodelle – von Cloud-basierten Umgebungen

bis hin zu On-Premises-Szenarien – und unterstützen damit unterschiedliche regulatorische und geopolitische Anforderungen. Für sensible Branchen ist das ein entscheidender Faktor.

Fazit:

Das SOC der Zukunft ist KI-gestützt Ein KI-gestütztes SOC entlastet Fachkräfte, erhöht die Reaktionsgeschwindigkeit und schafft die Transparenz, die heutige Bedrohungslagen erfordern. Für Unternehmen und Service Partner gilt daher: Wer jetzt auf KI-gestützte Security Operations mit TrendAI Vision One™ setzt, schafft nicht nur mehr Sicherheit, sondern auch die Grundlage für langfristige Resilienz.

Das ist TrendAI™:

Trend Micro nannte sein Unternehmensgeschäft Anfang des Jahres in TrendAI™ um.

Das Unternehmen selbst firmiert weiterhin unter Trend Micro Inc. Die Sparte für das Geschäft mit Unternehmenslösungen, also alles, was keine Consumer-Ausrichtung hat (inklusive Research und ZDI), agiert künftig unter dem Markennamen TrendAI.

KI macht Entwickler schneller… und Entwicklung langsamer

KI beschleunigt die Code-Erstellung und Agenten versprechen Entlastungen, zeigt eine Gitlab-Umfrage unter Entwicklern. Gleichzeitig macht KI fragmentierte Toolchains, komplexe Unternehmensabläufe und Compliance-Anforderungen kritischer. Diese kosten Entwickler sieben Stunden pro Woche.

Einerseits ist KI bei Software-Entwicklung, Sicherheit und Betrieb längst ein etabliertes Werkzeug. Andererseits sinkt trotz steigender Produktivität der menschliche Gesamtaufwand gerade nicht. Das ist eine Erkenntnis aus dem „Gitlab Global DevSecOps Report für 2026“. So nutzen 63 Prozent der Teams bereits KI im Lebenszyklus der Software-Entwicklung, 88 Prozent der Nutzer sagen, dass KI dabei mindestens 25 Prozent der Beiträge leistet. Im Schnitt haben es die Entwickler bereits heute mit einem Drittel von KI generiertem Code zu tun.

Auch das Potenzial ist klar. Insbesondere von autonomen KI-Agenten versprechen sich Spezialisten produktive Synergien. 82 Prozent geben an, dass der Einsatz agentischer KI ihre Job-Zufriedenheit steigern könne. Insbesondere administrative und vorbereitende Nebentätigkeiten, die aktuell 18 Prozent des Arbeitsalltags der Befragten ausmachen, könnten KI-Agenten produktiv übernehmen. Trotz Nachrichten über Entlassungswellen sagen 76 Prozent der Befragten, dass zwar „KI die Programmierung vereinfacht“, es

zugleich aber eher „mehr Entwickler geben wird“. Grund dafür sind nicht nur neue Möglichkeiten, sondern auch eine steigende Komplexität.

Fast alle Befragten (98 %) nutzen KI für den Lebenszyklus der Software-Entwicklung oder planen es. Ebenso haben fast alle (97 %) dabei Datenschutzbedenken. 58 Prozent der Entwickler in Deutschland und 49 Prozent weltweit befürchten, dass KI-Dienstleister Daten ohne klare Richtlinien speichern oder weiternutzen. 72 Prozent der Befragten weltweit und 69 Prozent in Deutschland beklagen, dass die Behebung von Sicherheitslücken durch bürokratische Hürden im Unternehmen verzögert wird. Zugleich erwarten 82 Prozent für die Zukunft, dass Compliance-Anforderungen schon bis 2027 fest im Code integriert und automatisch angewendet sein sollen. André Braun, DACH-Verantwortlicher bei Gitlab, sieht hier im Zusammenspiel mit organisatorischen Ineffizienzen ein „KI-Paradoxon“: „Fragmentierte Toolchains haben Effizienzverluste für Entwicklungsteams geschaffen, wobei KI-Agenten dieses Problem verstärken.“ Wohl auch mit Blick auf die mit dem

BILD: MIDJOURNEY / GPTIMAGE / KIGENERIERT

An der Börse wird dieser Tage das Narrativ „KI frisst Software“ herumgereicht. Allerdings vollzieht sich dieser Vorgang eher elegant.

Bericht beworbene „Gitlab Duo Agent Platform“ betont Braun die Notwendigkeit integrierter Frameworks, die „eine intelligente Orchestrierung über den gesamten Lebenszyklus der Softwareentwicklung“ ermöglichen.

Dass KI die Rolle von Entwicklern in den nächsten fünf Jahren signifikant verändern wird, sagen 83 Prozent der Befragten weltweit. Sie sind sich weniger darin einig, wie diese Transformation aussehen wird. 40 Prozent denken, dass KI schnellere Karrierewege für Junior-Entwickler eröffnet; 35 Prozent meinen zugleich, dass die Zahl von Junior-Entwicklern insgesamt abnehmen wird. Je 40 Prozent prognostizieren, dass Entwickler primär als Prompt-Ingenieure und Code Reviewer tätig sein werden. Zugleich gehen 39 Prozent davon aus, dass branchenspezifisches Wissen an Wert gewinnen wird, während 37 Prozent eine steigende Kompetenz für Geschäftsauswirkungen als entscheidend sehen.

Andere Klagen von Entwicklern bleiben unabhängig von der KI-Transformation beständig. So be-

KI FRISST SOFTWARE

Da die KI tatsächlich tiefe Furchen in der Branche rund um monetarisierbaren Programmcode hinterlässt, entstehen Fragen: Wie ändern sich die Geschäfts- und Abrechnungsmodelle in der Software-Branche? Welche Segmente „übernimmt die KI“, und wie soll das überhaupt gehen? Wenn KI den Code schreibt, wie sieht die Qualitätssicherung der Zukunft aus? Welche Rolle werden KIAgenten im Zusammenspiel mit Software spielen?

Erstens: Bei Pay-per-Seat-basierten SaaS-Geschäftsmodellen schlägt KI bereits hart ins Umsatz-Kontor – hier wird es zu neuen Geschäftsmodellen kommen (müssen).

Zweitens: Standard-Software und -Tools werden als reine Funktionsansammlungen nicht mehr wettbewerbsfähig sein, wenn andernorts mit KI-Erweiterungen und agentenbasierter Arbeitserleichterung mehr geboten wird.

Drittens: Individualsoftware – vom Spezialtool bis zur Schnittstellen- und Integrationsarbeit – wird

tonen zwar 88 Prozent, dass der Erwerb neuer Kompetenzen entscheidend für ihre Job-Zufriedenheit ist, zugleich beklagen 68 Prozent, dass ihr Unternehmen ihnen nicht entsprechend Zeit oder Ressourcen bereitstellt (71 % in Deutschland).

Also: Das neue „Zeitalter der intelligenten Software-Entwicklung“ übernimmt vielerlei aus dem Heute und Gestern der Entwickler.

von KI-generiertem Code dominiert. Dabei wird es auch neue Formen der Qualitätssicherung geben.

Viertens: Software ist Datenverarbeitung und es gibt einen grundsätzlichen Unterschied zwischen deterministischen Daten (Finanzflüsse, Buchungen, Gesundheitsdaten) und probabilistischen Daten. Letztere beziehen sich auf Systeme, die Wahrscheinlichkeiten berechnen. Das Halluzinationsproblem der KI in Analysen ist von grundsätzlicher Natur. Deswegen ist sie naturgemäß in der Probabilistik stärker, wo Daten in Schätzungen, Business Intelligence (BI) und Prognosen vorkommen und ein gewisser Grad an Unsicherheit in der Natur der Sache liegt. Aber auch hier gilt: KI wird BI-Systeme nicht ersetzen, sondern verbessern.

Mehr unter:

https://voge.ly/ITB-KI-frisst-Software/ Autor: Dr. Stefan Riedl

Autor: Daniel Schrader

Vogel IT-Medien GmbH

Max-Josef-Metzger-Straße 21, 86157 Augsburg Tel. 0821/2177-0, Fax 0821/2177-150 eMail: it-business@vogel.de www.it-business.de

Geschäftsführer: Tobias Teske, Matthias Bauer

Co-Publisher: Lilli Kos (-300), (verantwortlich für den Anzeigenteil)

Chefredaktion: Sylvia Lösel (sl) (V.i.S.d.P. für redaktionelle Inhalte)

Chef vom Dienst: Heidi Schuster (hs), Ira Zahorsky (iz)

Redaktion: Redaktion: Mihriban Dincel (md), Natalie Forell (nf), Klaus Länger (kl), Alexander Siegert (as)

Weitere Mitarbeiter dieser Ausgabe: Michael Kleist, Dr. Dietmar Müller, Sven Schlotzhauer, Daniel Schrader

Account Management:

Besa Agaj, David Holliday, Stephanie Steen eMail: media@vogel.de

Anzeigendisposition:

Mihaela Mikolic (-204), Denise Falloni (-202)

Grafik & Layout: Carin Boehm, Johannes Rath, Udo Scherlin

Titelbild: © Top Stock 4u – stock.adobe.com / [M] J Rath

EBV: Carin Boehm, Johannes Rath

Anzeigen-Layout:

Carin Boehm, Johannes Rath, Udo Scherlin

Leserservice / Abo: it-business.de/hilfe oder E-Mail an vertrieb@vogel.de mit Betreff „IT-BUSINESS“. Gerne mit Angabe Ihrer Kundennummer vom Adressetikett: *CS-1234567*

Zentrale Anlaufstelle für Fragen zur Produktsicherheit

Frank Schormüller, frank.schormueller@vogel.de, Tel. 0931/418-2184

Unsere Papiere sind PEFC-zertifiziert

Druck:

Vogel Druck- und Medienservice GmbH

Leibnizstr. 5, 97204 Höchberg

Haftung: Für den Fall, dass Beiträge oder Informationen unzutreffend oder fehlerhaft sind, haftet der Verlag nur beim Nachweis grober Fahrlässigkeit. Für Beiträge, die namentlich gekennzeichnet sind, ist der jeweilige Autor verantwortlich.

Copyright: Vogel IT-Medien GmbH. Alle Rechte vorbehalten. Nachdruck, digitale Verwendung jeder Art, Vervielfältigung nur mit schriftlicher Genehmigung der Redaktion.

Manuskripte: Für unverlangt eingesandte Manuskripte wird keine Haftung übernommen. Sie werden nur zurückgesandt, wenn Rückporto beiliegt.

Der nächste Channel Guide

Vogel IT-Medien, Augsburg, ist eine 100prozentige Tochtergesellschaft der Vogel Communications Group, Würzburg, einem der führenden deutschen Fachinformationsanbieter mit 100+ Fachzeitschriften, 100+ Webportalen, 100+ Business-Events sowie zahlreichen mobilen Angeboten und internationalen Aktivitäten. Seit 1991 gibt Vogel IT-Medien Fachmedien für Entscheider heraus, die mit der Produktion, der Beschaffung oder dem Einsatz von Informationstechnologie beruflich befasst sind. Dabei bietet er neben Print- und Online-Medien auch ein breites Veranstaltungsportfolio an.

Die wichtigsten Angebote des Verlages sind IT-BUSINESS, eGovernment, Healthcare Digital, BigData-Insider, CloudComputing-Insider, DataCenter-Insider, IP-Insider, Security-Insider und Storage-Insider.

„Made in Europe“ allein reicht nicht. Resilienz entsteht durch klare Strategien, nicht durch Etikette. Der nächste Channel Guide zeigt, wie digitale Unabhängigkeit trotz globaler Lieferketten gelingen kann, welche Fallen in OT- und IT-Systemen lauern und bringt Klarheit zu Regularien wie NIS2 und CRA.

10.

Where AI starts.

Ein Tag. Eine Online-Konferenz. Drei Disziplinen, die über Erfolg und Misserfolg von KI-Projekten entscheiden.

5 GRÜNDE, DABEI ZU SEIN

1 2 3 4 5

PRAXISWISSEN.

Use Cases, erprobte Strategien, ehrliche Lessons Learned.

GANZHEITLICH. Datenstrategie, Infrastruktur und Governance –endlich zusammen gedacht.

TIMING.

Wer heute die Grundlagen schafft, entscheidet über die Wettbewerbsfähigkeit von morgen.

KNOWHOW.

Diese Konferenz schließt Wissenslücken – kompakt, an einem Tag, online.

Weniger Theorie, mehr Substanz. Jetzt Anmelden!

NETZWERK. IT‘s a people business!