Smart AI 2.0

Februar ’26

Prof. Dr. Vanessa Just

Die stellvertretende Geschäftsführerin des KIBundesverbands betrachtet im Interview den aktuellen Stand der künstlichen Intelligenz in Deutschland.

Prof. Dr. Prof. h.c. Andreas Dengel

KI schlägt den Takt der digitalen Transformation

Liebe Leserinnen und Leser, die Geschäftswelt entwickelt sich in atemberaubendem Tempo weiter und künstliche Intelligenz (KI) ist längst kein visionäres Konzept mehr, sondern eine geschäftskritische Technologie. Dabei gleicht die digitale Transformation einer komplexen Komposition, in der jede Innovation eine eigene Note setzt und KI als treibender Rhythmus das Zusammenspiel der Elemente harmonisiert. KI ist der treibende Rhythmus, der Struktur gibt, Prozesse harmonisiert und das Zusammenspiel der einzelnen Elemente zu einer dynamischen Melodie formt. Unternehmen, die KI gezielt in ihre Abläufe integrieren und die stetig wachsenden Datenmengen strategisch nutzen, können ihre betriebliche Effizienz steigern, Kosten senken und völlig neue Geschäftsmodelle entwickeln. KI ist längst mehr als nur ein technischer Fortschritt, sie ist vielmehr Taktgeber eines orchestrierten Wandels, der Unternehmen dabei hilft, sich in einem zunehmend wettbewerbsintensiven Markt erfolgreich zu behaupten.

Ein offensichtlicher Vorteil des KI-Einsatzes liegt in der Automatisierung von Prozessen, denn viele betriebliche Abläufe sind von manuellen, zum Teil monotonen und fehleranfälligen Arbeitsschritten oder zeitaufwendigen Entscheidungen geprägt. KI kann hier als präzises Metronom fungieren, das Prozesse beschleunigt und miteinander in Einklang bringt. Dies zeigt sich beispielsweise im Kundenservice, wo KI-gestützte Chatbots rund um die Uhr Anfragen bearbeiten, schnelle Lösungen liefern und dabei die Mitarbeitenden entlasten. In der industriellen Fertigung analysieren intelligente Systeme Maschinendaten in Echtzeit und optimieren Produktionsprozesse. Vorausschauende Wartung hilft dabei, Probleme automatisch frühzeitig zu erkennen und teure Ausfallzeiten zu vermeiden. Lernende Systeme ermöglichen personalisierte Werkerunterstützung und Qualitätskontrolle, selbst bei individuell gefertigten und komplexen Produkten.

Die Daten machen die Musik Unternehmen verfügen heute über eine Fülle von Informationen, sei es über Kundenverhalten, Markttrends oder betriebliche Kennzahlen. Doch erst durch KI werden diese Daten zu einer harmonischen Melodie

verarbeitet, die wertvolle Erkenntnisse liefert und zu besseren Entscheidungen führt. KIAlgorithmen analysieren in Sekunden große Datenmengen und können beispielsweise im Finanzsektor Marktbewegungen vorhersagen oder im Einzelhandel Nachfrageprognosen erstellen. Dadurch lassen sich Lagerbestände optimieren, Überproduktionen vermeiden und Ressourcen effizienter einsetzen. Damit KI ihr volles Potenzial entfalten kann, müssen Unternehmen sicherstellen, dass ihre Daten qualitativ hochwertig, vollständig und gut strukturiert sind. Diese »KI-Readiness« bedeutet, dass die Daten bereinigt, standardisiert und angereichert werden müssen, um Mehrwert zu schaffen. Unstrukturierte Daten, doppelte Einträge oder unvollständige Informationen können die Leistungsfähigkeit von Algorithmen beeinträchtigen und zu falschen Entscheidungen führen. Erst durch Data-Governance, also klare Richtlinien für die Qualität sowie Sicherheit und Zugänglichkeit von Daten, wird eine verlässliche Grundlage geschaffen, auf der KI erfolgreich arbeiten kann.

Auch innerhalb der Unternehmen kann KI Prozesse erheblich verbessern. Moderne Systeme unterstützen bei der Planung von Lieferketten, indem sie optimale Routen berechnen und Transportkosten senken. In der Personalverwaltung helfen KI-gestützte Analysen, den Personaleinsatz flexibler zu gestalten, Arbeitszeiten optimal an den Bedarf anzupassen und damit Effizienz sowie Zufriedenheit zu steigern. Durch solche Maßnahmen können Unternehmen nicht nur ihre Produktivität erhöhen, sondern auch schneller und agiler auf Veränderungen am Markt reagieren. Neben der Optimierung bestehender Abläufe eröffnet KI auch völlig neue Geschäftsmodelle. Große Technologieunternehmen setzen längst auf KI, um ihre Dienstleistungen weiter zu personalisieren. Empfehlungsalgorithmen, die individuelle Vorlieben erkennen und maßgeschneiderte Inhalte oder Produkte vorschlagen, steigern nicht nur den Umsatz, sondern auch die Kundenzufriedenheit. In der Medizin ermöglicht KI eine schnellere und präzisere Diagnostik, indem sie riesige Mengen an Patientendaten auswertet und

Ärztinnen und Ärzten fundierte Handlungsempfehlungen gibt. Auch die Entwicklung autonomer Fahrzeuge wird maßgeblich durch künstliche Intelligenz vorangetrieben, während innovative Start-ups mit KI-gestützten Lösungen neue Märkte erschließen.

Harmonie von Mensch und Maschine Natürlich bringt der zunehmende Einsatz von KI auch Herausforderungen mit sich. Der Schutz sensibler Daten, Fragen der Transparenz und ethische Überlegungen sind Themen, die Unternehmen nicht ignorieren dürfen. KI-Modelle müssen so gestaltet sein, dass sie faire und nachvollziehbare Entscheidungen treffen, diese dem Menschen transparent machen oder sie ihm im Zweifel überlassen. Gleichzeitig erfordert der technologische Wandel eine gezielte Qualifikation der Mitarbeitenden. Wer die Chancen der KI nutzen will, muss auch in Weiterbildung investieren, um Unsicherheiten abzubauen, den richtigen Umgang mit nutzbringenden KI-Tools zu schulen und so eine produktive Zusammenarbeit zwischen Mensch und Maschine zu ermöglichen. Denn wenn der Mensch versteht, das Instrument KI richtig einzusetzen, kann gesteigerte Produktivität mit Entlastung der Arbeitenden einhergehen – Effizienz durch Einklang. Es ist wichtig zu erkennen, dass KI kein kurzlebiger Trend ist, sondern das orchestrale Element der digitalen Wirtschaft, das Daten in handlungsfähige Strategien verwandelt. Unternehmen, die KI intelligent einsetzen, sorgen dafür, dass ihre Geschäftsprozesse nicht nur einzelne Töne erzeugen, sondern im Einklang mit den Marktanforderungen eine klangvolle und nachhallende Symphonie spielen. Lassen Sie sich von den folgenden Beiträgen inspirieren und entdecken Sie in den Beiträgen dieser Beilage, wie KI auch Ihr Unternehmen in den perfekten Rhythmus der digitalen Transformation führen kann!

Text Prof. Dr. Prof. h.c. Andreas Dengel, Geschäftsführender Direktor am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) in Kaiserslautern und Leiter des Forschungsbereichs Smarte Daten und Wissensdienste

Lesen Sie mehr.

Prozessoptimierung 06 Data und Cloud 08 Agentic AI 12 Interview:

Prof. Dr. Vanessa Just 14 KI im Arbeitsalltag 16 Cybersicherheit

Smart AI 2.0. Verlag und Herausgeber

Smart Media Agency AG, Gerbergasse 5, 8001 Zürich, Schweiz

Redaktion (verantwortlich)

Kevin Meier

Smart Media Agency AG, Gerbergasse 5, CH – 8001 Zürich Tel +41 44 258 86 00

Layout (verantwortlich)

Mathias Manner

Smart Media Agency AG, Gerbergasse 5, CH – 8001 Zürich Tel +41 44 258 86 00

Anzeigen (verantwortlich) Yunus Gülcan

Smart Media Agency AG, Gerbergasse 5, CH – 8001 Zürich Tel +41 44 258 86 10

Druckerei

Handelsblatt Media Group GmbH

Viel Spaß beim Lesen! Yunus Gülcan Project Manager

Wenn KI wirklich mitdenkt: Wie AI 2.0 den Arbeitsalltag neu definiert

AI 2.0 markiert den Übergang von experimenteller künstlicher Intelligenz zu produktiven, tief integrierten Anwendungen im Unternehmensalltag.

Digitale KI-Agenten unterstützen Mitarbeitende bei Entscheidungen, automatisieren Routineaufgaben und machen verteiltes Unternehmenswissen sofort zugänglich, unabhängig von Standort, Sprache oder Endgerät. Die zentrale Herausforderung besteht darin, Prozesse, Systeme und Menschen nahtlos zusammenzubringen – über Ländergrenzen hinweg, kulturell angepasst und datenschutzkonform.

Dr. Fabian Winkels Senior

Vice President Strategy & Growth

Herr Winkels, AI 2.0 steht für den Übergang von experimenteller KI zu produktiver, integrierter Wertschöpfung. Wo stehen Unternehmen heute – und was unterscheidet echte AI-Transformation von reinem Feature­Hype?

Viele Unternehmen arbeiten mittlerweile mit KI, doch die meisten stecken noch in Pilotphasen. Viele Projekte laufen isoliert in einzelnen Teams, eine unternehmensweite Skalierung fehlt. FeatureHype bedeutet, KI lediglich als Add-on auf bestehende Produkte zu setzen, ohne Prozesse grundlegend zu überdenken oder Governance-Strukturen aufzubauen. Echte KI-Transformation bedeutet, Kernprozesse neu zu gestalten KI tief in operative Abläufe zu integrieren und messbare Effizienzgewinne zu erzielen – etwa durch automatische Bearbeitung von Urlaubsanträgen in HR.

Flip Intelligence kombiniert generative und agentische KI. Wie verändern diese Funktionen die Arbeit und Kommunikation der Mitarbeitenden?

Generative KI bereitet Informationen gezielt auf und macht Wissen zugänglich. Agentische KI ergreift aus einer Anfrage konkrete nächste Schritte: Sie erstellt Tickets, löst Aufgaben und startet Workflows. Beispiele: Mit unserer generativen KI erhalten Mitarbeitende in Baumärkten sofort Antworten auf Produktfragen aus Tausenden PDFs. Agentische KI kommt beispielsweise bei Onboarding-Prozessen zum Einsatz: Sie automatisiert Trainings, Compliance-Checks und Systemaktionen, ohne dass HR-Mitarbeitende manuell eingreifen müssen. Was sind die größten Herausforderungen bei der Einführung von KI­gestützten Tools in traditionellen Arbeitsumgebungen und wie adressiert Flip diese Barrieren? Die größte Herausforderung ist die Datenqualität: Informationssilos und veraltete Inhalte führen zu schlechteren KI-Antworten. Die zweite Hürde: Vertrauen und Akzeptanz – besonders bei operativen Mitarbeitenden, die physisch

Generative KI bereitet Informationen gezielt auf und macht Wissen zugänglich. Agentische KI ergreift aus einer Anfrage konkrete nächste Schritte.

– Dr. Fabian Winkels, Senior Vice President Strategy & Growth

ausgebildet, die in ihren Teams als Multiplikatoren agieren. Die Kombination mit Quickwins zeigt sofortigen Wert und erleichtert die Adoption.

Wie wichtig sind Integration und Kompatibilität mit bestehenden Systemen (z. B. HR, SharePoint, Teams) für den Erfolg von KI-Funktionen? Integration ist zentral. Die KI entfaltet ihre Wirkung erst, wenn sie auf alle relevanten Systeme zugreift. Nur so können Mitarbeitende Anfragen auf einer Plattform stellen, während die KI im Hintergrund alle relevanten Systeme ansteuert. Ohne nahtlose Integration bleibt der Mehrwert begrenzt.

arbeiten und digitale Tools nicht gewohnt sind. Flip setzt auf niedrige Einstiegshürden, schnelle Quickwins und Champions-Netzwerke, die Kolleg:innen anleiten. Drittens die Governance: klare Regeln, Rechte-Management und Compliance verhindern Fehlanwendungen.

Wie sorgt Flip dafür, dass KI-Antworten kontextuell relevant und sicher sind, insbesondere bei Unternehmensdaten?

Unsere KI greift nur auf freigegebene Unternehmensdaten zu. Relevanz entsteht durch kontextspezifische Datenbasis, Sicherheit durch Rechte-Management: Mitarbeitende sehen nur die Informationen, für die sie autorisiert sind. Halluzinationen werden durch Fokus auf existierende Dokumenten, Richtlinien und FAQs des Unternehmens minimiert, Quellenhinweise sorgen für Nachvollziehbarkeit.

Wie baut Flip Vertrauen in KI-Funktionen auf – sowohl bei Unternehmen als auch bei Mitarbeitenden – und wie wichtig ist Transparenz?

Vertrauen entsteht durch Nutzungserfahrung. Wir rollen kontrolliert aus,

mit Pilotgruppen, Feedback-Loops und klaren Freigaben. Transparenz bedeutet: Quellenangaben, Grenzen und klare Kommunikation, wenn Daten fehlen. Antworten sind kurz, praxisnah und verständlich formuliert – keine akademische Sprache.

Welche konkreten KPIs oder Erfolgsmessgrößen nutzt Flip, um den ROI von KI-Funktionen zu bewerten?

Drei Ebenen: Nutzung – wie viele Mitarbeitende nutzen die KI, wie viele Anfragen werden gestellt; Performance – Zeit bis zur Antwort, Tool-Geschwindigkeit; Outcome –messbarer Kundennutzen wie reduzierte HR-Tickets, Zeitersparnis beim Onboarding. Welche Rolle spielt ChangeManagement beim Einsatz von KI­gestützten MitarbeiterApps und wie unterstützt Flip Kund:innen bei Skepsis? Change-Management ist entscheidend. Zunächst müssen Key-Stakeholder wie HR, IT und Betriebsrat eingebunden werden. Dann werden Power-User

Integration ist zentral. Die KI entfaltet ihre Wirkung erst, wenn sie auf alle relevanten Systeme zugreift.

– Dr. Fabian Winkels, Senior Vice President Strategy & Growth

Inwiefern berücksichtigt Flip kulturelle und regionale Unterschiede bei der Nutzung von KI-Werkzeugen? Wir segmentieren Nutzergruppen nach Rolle, Standort und Region. Inhalte werden nur für die relevanten Mitarbeitenden angezeigt. Live-Übersetzung in über 30 Sprachen überbrückt Sprachbarrieren, Offline-Funktionen ermöglichen Nutzung auch bei instabiler Internetverbindung.

Was wird in fünf Jahren im Arbeitsalltag selbstverständlich sein, das heute noch Zukunftsmusik klingt? Jede:r Mitarbeitende wird einen persönlichen KI-Agenten haben, der proaktiv unterstützt. Onboarding dauert Stunden statt Wochen, Sprache wird das primäre Interface. Alle Systeme laufen im Hintergrund zusammen, Wissenssilos verschwinden, Informationen werden kontextuell bereitgestellt. Technisch möglich ist vieles – die Herausforderung wird sein, dass Unternehmen diese Transformation mitgehen.

Weitere Informationen unter: getflip.com

So krempelt KI die Prozesse in deutschen Unternehmen nachhaltig um

Das Gutachten »Wie wird KI die Produktivität in Deutschland verändern?«, welches vom Gemeinschaftsausschuss der Deutschen Gewerblichen Wirtschaft in Auftrag gegeben und 2025 veröffentlicht wurde, zeigt die Zukunft deutscher Unternehmen im KI-Zeitalter auf. Eine Übersicht.

Wenn es um die Einschätzung der Potenziale von KI geht, halten sich pessimistische und optimistische Prognosen meist die Waage. Hier liefert das Gutachten »Wie wird KI die Produktivität in Deutschland verändern?« des Instituts der Deutschen Wirtschaft (IDW) eine ausgewogene Betrachtung – und bietet sich damit als realistische sowie pragmatische Orientierungshilfe für das KI-Zeitalter an.

Kein Wunder, aber eine Trendwende In den vergangenen Jahren wirkte die Produktivitätsentwicklung in Deutschland mit einem Zuwachs von lediglich 0,4 Prozent beinahe gelähmt. Genau hier setzt die KI-Integration an: Die Projektionen zeichnen ein Bild moderater, aber stabiler Aufwärtsbewegungen. Für den Zeitraum von 2025 bis 2030 wird ein jährliches Wachstum von 0,9 Prozent prognostiziert, das sich im darauffolgenden Jahrzehnt bis 2040 auf 1,2 Prozent steigern soll. Zwar bleibt damit trotz zunehmender Digitalisierung ein »Produktivitätswunder« aus – die Werte bewegen sich eher auf dem soliden Niveau der 2000er-Jahre –, doch stellt dies eine essenzielle Verbesserung zum Status quo dar. Besonders spannend: Die zunehmende Kapitalintensivierung rührt weniger aus einem massiven Investitionsboom her, sondern ist eine notwendige Antwort auf den demografischen Wandel: Wo Arbeitskräfte fehlen, muss Technologie die Lücke füllen.

Brandreport • WSCAD GmbH

Eines ist klar: KI spart Zeit und senkt Kosten.

Ein zentrales Ergebnis des Gutachtens räumt mit der Angst vor einem massiven Jobverlust durch die flächendeckende Einführung von KI auf. Denn die empirische Evidenz zeigt, dass KI primär als komplementäres Werkzeug fungieren dürfte. Sie ersetzt also nicht die Menschen, sondern erweitert deren Handlungsspielräume.

Der Erfolg der Implementierung ist jedoch kein Selbstläufer, sondern hängt massiv von den spezifischen Bedingungen am jeweiligen Arbeitsplatz ab. Es geht also um eine intelligente Arbeitsteilung, bei der die KI repetitive Aufgaben übernimmt und Freiräume für komplexe, wertschöpfende Tätigkeiten durch menschliche Mitarbeitende schafft.

Von der Theorie in die Werkshalle In der unternehmerischen Praxis ist die Spannweite der Anwendungen beeindruckend. Sie reicht von effizienten Chatbots im Kundenservice bis hin zu hoch spezialisierten

KI-Systemen, die Produktionsprozesse in Echtzeit optimieren. Eines ist klar: KI spart Zeit und senkt Kosten. Damit diese Effekte jedoch flächendeckend greifen, müssen die Rahmenbedingungen stimmen. Der »EU AI Act« von 2024 bietet hierbei den notwendigen regulatorischen Rahmen, doch die digitale Infrastruktur und die Verfügbarkeit von Fachkräften bleiben die kritischen Nadelöhre für den Standort Deutschland.

Handlungsempfehlungen des IDW Um die PS der künstlichen Intelligenz tatsächlich »auf die Straße zu bringen«, identifiziert das Gutachten fünf entscheidende Handlungsfelder für Unternehmen:

– Datenmanagement als Fundament: Ohne erstklassige Datenbewirtschaftung bleibt jede KI wirkungslos. Die digitale Transformation gelingt daher nur, wenn Prozesse radikal vereinfacht und Daten strategisch genutzt werden.

– Compliance und Verantwortung: Die rechtskonforme Anwendung ist Pflicht. Führungskräfte müssen geschult werden, um Risikoklassifizierungen und Folgebewertungen sicher zu beherrschen.

– Gezielte Weiterbildung: Statt Gießkannenprinzip ist bedarfsorientierte Qualifizierung gefragt. Die Kompetenzen der Mitarbeitenden müssen exakt auf die neuen betrieblichen Anforderungen zugeschnitten werden.

– Partizipation und Akzeptanz: KI scheitert oft am Widerstand der Belegschaft. Eine frühzeitige Einbindung und transparente Kommunikation sind die Basis für eine nachhaltige Implementierung.

– Agiles Mindset: Technologie ist nur so gut wie die Kultur, in der sie eingesetzt wird. Ein optimistisches Mindset, das Chancen über Risiken stellt, ist der Treibstoff für echte Innovation.

Das Gutachten des IDW legt nahe, dass KI die deutsche Wirtschaft nicht über Nacht neu erfinden wird. Dennoch ist sie der entscheidende Motor, um den drohenden Produktivitätsstillstand zu überwinden. Unternehmen, die jetzt die kulturellen und technischen Grundlagen schaffen, dürften dementsprechend die Gewinner von morgen sein.

Text SMA

Engineering neu gedacht: Wie KI die Welt des E-CAD revolutioniert

Dr. Axel Zein CEO

Herr Zein, E-CAD gilt seit Jahrzehnten als das Synonym für effizientes und präzises digitales Konstruieren. Welche Veränderungen ergeben sich durch den Einzug der künstlichen Intelligenz in dieses Feld?

Beim Thema KI im Engineering-Sektor stehen wir noch ganz am Anfang der Entwicklung. WSCAD versteht sich hier als die Speerspitze dieser Bewegung: Schon 2024 waren wir die Ersten, die

ein vollumfänglich KI-gestütztes System auf den Markt gebracht haben. Die Interaktion mit unserer E-CAD-Umgebung lässt sich heute tatsächlich mit der intuitiven Nutzung von ChatGPT und Co. vergleichen. Das bringt natürlich enorme Erleichterungen im Arbeitsalltag mit sich. Ein Beispiel hierfür liefert die Planung des Schaltschranks. Wenn der Schaltplan steht, folgt normalerweise die zeitintensive Schaltschrankplanung, die oft die Expertise eines spezialisierten Teams erfordert. Dank der KI kann unser System das Schaltschrank-Design direkt ableiten und entwerfen. Mit »Elextrix AI« hat WSCAD die erste KI­gestützte E-CAD-Software lanciert, die verspricht, dass Fachleute bis zu 99 Prozent schneller konstruieren können. Was genau macht diese Software zum echten Gamechanger? Es ist das Gesamtpaket, das den Unterschied

macht. Viele Arbeitsschritte laufen durch die KI um Faktoren schneller ab, was uns im gesamten Engineering-Prozess eine Zeitersparnis von rund 50 Prozent beschert. Wir reden hier nicht nur von ein paar netten Gimmicks. Die Software unterstützt beispielsweise hocheffizient beim Platzieren von Teilschaltungen oder bei der Übersetzung von Projekten in verschiedene Sprachen. Gerade für die Exportnation Deutschland ist das ein unschätzbarer Vorteil, es stehen 102 Sprachen zur Verfügung. Welche Rolle übernimmt dabei der AI-Copilot innerhalb der Anwendung?

Der AI-Copilot ist als vertrautes Fenster direkt in die Applikation integriert – und lässt sich auf Wunsch auch jederzeit ausblenden. Er fungiert als intelligenter Ansprechpartner, dem man fachliche und elektrotechnische Fragen stellen kann – etwa, welcher Kabeldurchmesser für eine bestimmte Anforderung benötigt wird. Er ist sozusagen

der Experte an der Seite des Konstrukteurs. Gleichzeitig ist die Nutzung bemerkenswert intuitiv: Wir haben einen Kunden, der bei der Ausbildung seiner jungen E-Konstrukteurinnen und -Konstrukteure komplett neue Wege geht: Es gibt dort keine klassischen Frontalschulungen mehr. Die Nachwuchskräfte nutzen stattdessen direkt den AI-Copiloten. Der große Vorteil besteht darin, dass man den Arbeitskontext nicht mehr verlassen muss; die benötigten Informationen werden immer passend und unmittelbar geliefert. Damit ist das notwendige Know-how für alle verfügbar – und zwar jederzeit.

Weitere Informationen unter: wscad.com

Objektivität statt Bauchgefühl: Die Zukunft der Materialanalyse

Miriam Corcoran Co-Founder & CEO

In der Welt der Fertigung entscheidet oft ein unsichtbarer Faktor über Sicherheit, Qualität und Effizienz: die Mikrostruktur der Materialien. Noch immer verlassen sich viele Unternehmen auf klassische Prüfmethoden, die stark von der Erfahrung und subjektiven Einschätzungen der Mitarbeitenden abhängen. Kleine Abweichungen können hier enorme Kosten verursachen, unnötige Sicherheitsreserven erfordern oder die Qualität von Produkten wie Fahrzeugteilen oder Flugzeugkomponenten beeinflussen. Genau an diesem Punkt setzt MiViA an – mit dem Ziel, die Mikrostrukturanalyse nicht nur objektiver, sondern für Unternehmen jeder Größe zugänglich zu machen.

Von der Erfahrung zur datenbasierten Entscheidung Die Herausforderung liegt nicht nur in der Technologie. Künstliche Intelligenz hat das Potenzial, Analyseprozesse zu standardisieren und zu beschleunigen, doch ihre Einführung stößt in traditionellen Fertigungsumgebungen auf

Hürden. Normen und Standards existieren zwar, ihre Umsetzung variiert jedoch stark von Betrieb zu Betrieb. MiViA begegnet diesem Problem, indem es die Subjektivität aus der Gleichung nimmt und eine verlässliche, datenbasierte Analyse bereitstellt, die Unternehmen dabei unterstützt, fundierte Entscheidungen zu treffen.

KMU profitieren besonders Besonders kleine und mittlere Unternehmen profitieren von diesem Ansatz. Für sie ist es oft unmöglich, einen Vollzeit-Werkstoffprüfer zu beschäftigen, der die komplexen Analysen durchführt. MiViA liefert hier die Expertise »on demand«: die Software fungiert als Enabler, der Wissen und Technologie zugänglich macht, ohne dass Unternehmen große Investitionen tragen müssen. Gleichzeitig soll die KI-Anwendung den Mitarbeitenden repetitive Tätigkeiten abnehmen und ihnen die Möglichkeit geben, sich auf besonders spannende oder kritische Fälle zu konzentrieren – ein Ansatz, der Vorbehalte gegenüber KI abbaut und Vertrauen schafft.

Auch die regulatorische Landschaft ist ein Faktor: KI in der Fertigung ist noch ein relativ junges Feld und die Normen entwickeln sich erst. Während der AI Act erste Rahmenbedingungen schafft, sehen Branchenexpert:innen wie MiViA darin noch keinen entscheidenden Durchbruch. Die Herausforderung besteht darin, Unternehmen Sicherheit zu geben, ohne Innovation zu hemmen.

Internationalisierung und kontinuierliche Weiterentwicklung

Die Zukunft von MiViA ist klar: Die Plattform soll kontinuierlich erweitert werden, alle zwei bis drei Monate kommen neue Module hinzu, die Analysevielfalt wächst. Partnerschaften mit Hardwareanbietern werden die Integration in bestehende Labor-Workflows erleichtern und langfristig ist die Internationalisierung geplant. Im DACH-Raum ist MiViA bereits Vorreiter – doch während in Nordamerika die KI-Adoption deutlich schneller erfolgt, herrscht in Deutschland, Österreich und der Schweiz noch Skepsis. MiViA begegnet dieser Herausforderung mit Transparenz, Aufklärungsarbeit und einem Angebot, das gerade für KMU eine niedrige Einstiegshürde bietet.

Mit einer Mischung aus technischer Präzision, praxisnaher Umsetzbarkeit und strategischem Marktblick zeigt MiViA, wie KI und Mikrostrukturanalyse zusammenkommen können,

um die Fertigung von morgen sicherer, effizienter und innovativer zu machen. Die Botschaft ist klar: Die Zukunft der Qualitätskontrolle liegt nicht allein in Maschinen, sondern in der intelligenten Verbindung von Mensch, Daten und Technologie.

MiViA auf einen Blick

MiViA verbindet KI, Daten und Fachwissen, um die Mikrostrukturanalyse effizient, objektiv und für alle Unternehmensgrößen zugänglich zu machen. Die Plattform reduziert Fehler, beschleunigt Prozesse und entlastet Mitarbeitende von Routineaufgaben. Besonders KMU profitieren von niedrigen Einstiegshürden, praxisnahen Lösungen und kontinuierlichen Updates, die die Fertigung zukunftssicher machen.

Weitere Informationen unter: mivia.ai

Computacenter AG • Brandreport

»Datensouveränität ist nicht verhandelbar«

Knuth Molzen Director Solution Sales & Development

Viele Unternehmen haben bereits erste Erfahrungen mit KI gesammelt, stehen aber nun vor der Herausforderung, sie sicher und wirtschaftlich in den Regelbetrieb zu überführen. Hier setzt Computacenter an, um die Lücke zwischen reiner Innovation und einer stabilen, skalierbaren IT-Infrastruktur zu schließen. Im Interview spricht Knuth Molzen, Director Solution Sales & Development, über hybride Lösungen für die Datensouveränität und den messbaren Mehrwert von KI-Projekten.

Herr Molzen, KI ist aktuell in aller Munde. Wo steht Ihre Kundschaft im deutschen Markt generell auf dem Weg vom reinen Hype hin zum produktiven Einsatz? Unsere Kundschaft befindet sich aktuell an einem wichtigen Wendepunkt. Die Phase des reinen Ausprobierens ist weitgehend abgeschlossen. Viele Unternehmen haben erste Erfahrungen mit KI gesammelt und stehen nun vor der Frage, wie sie diese Technologien stabil, sicher und wirtschaftlich in den Regelbetrieb überführen können. Als Computacenter profitieren wir hier stark von unserer internationalen Aufstellung, insbesondere von unserer Präsenz in den USA.

Unser Ziel ist es, KI nicht nur möglich zu machen, sondern dauerhaft erfolgreich in den Geschäftsbetrieb unserer Kunden zu überführen.

– Knuth Molzen, Director Solution Sales & Development

unter der Kontrolle des Kunden zu halten. Gemeinsam mit starken Technologiepartnern wie Cisco und Nvidia bauen wir hochskalierbare, belastbare KI-Infrastrukturen, die moderne Leistungsfähigkeit bieten, ohne die Hoheit über Daten und Betrieb aus der Hand zu geben.

Wie beraten Sie bei der fundamentalen Entscheidung zwischen eigener KI-Infrastruktur vor Ort, CloudLösungen oder hybriden Ansätzen? Diese Entscheidung ist hochgradig individuell und hängt von mehreren Faktoren ab. Wir unterscheiden grundsätzlich zwischen Souveränität der Infrastruktur, der Daten und des Betriebs. Aktuell beobachten wir klar, dass viele Unternehmen wieder verstärkt On-Premiseoder hybride Lösungen nachfragen – insbesondere dann, wenn sensible Daten verarbeitet werden oder regulatorische Anforderungen greifen. Gleichzeitig müssen KI-Architekturen aber flexibel bleiben, um Lastspitzen oder Innovationszyklen abzufangen.

Viele Unternehmen tun sich schwer, den Mehrwert von KI zu beziffern. Wie stellen Sie sicher,

dass solche Projekte eine klar messbare Wertsteigerung liefern?

Bevor wir über Technologie sprechen, klären wir gemeinsam mit dem Kunden das konkrete Ziel: Soll Effizienz gesteigert, Qualität verbessert oder ein neuer Service geschaffen werden? Darauf aufbauend definieren wir klare KPIs und integrieren KI gezielt in bestehende Geschäftsprozesse.

Datensouveränität ist gerade in Deutschland ein kritisches Thema. Wie sehen Ihre Lösungen für Kunden aus, die ihre sensiblen Daten nicht ausschließlich US-Hyperscalern anvertrauen wollen?

Datensouveränität ist für viele unserer Kunden nicht verhandelbar. Deshalb adressieren wir dieses Thema sehr früh und sehr konkret. Unsere Lösungen ermöglichen es, sensible Daten vollständig

In einem Markt, in dem spezialisierte KI-Start­ups und mächtige CloudHyperscalern omnipräsent sind: Welche konkrete Lücke schließen Sie, die diese Akteure offenlassen? Start-ups sind oft hochinnovativ, fokussieren sich aber auf einzelne Bausteine. Hyperscaler bieten leistungsfähige Plattformen, adressieren jedoch nicht immer die individuellen Anforderungen unserer Kunden. Wir schließen genau diese Lücke. Computacenter verbindet technologische Tiefe, internationale Erfahrung und starke Partnerschaften mit einem klaren Fokus auf Integration, Betrieb und langfristige Wirtschaftlichkeit. Unser Ziel ist es, KI nicht nur möglich zu machen, sondern dauerhaft erfolgreich in den Geschäftsbetrieb unserer Kunden zu überführen.

Weitere Informationen unter: computacenter.com

Wer sichert den langen, ruhigen Datenfluss?

Weil die Anforderungen an Sicherheit und Regulatorik steigen, müssen Unternehmen ihre Datenstrukturen auf- und umrüsten. Damit Datenströme und KI-Anwendungen zuverlässig laufen, braucht es skalierbare, sichere Cloud-Systeme – und ein vorausschauendes IT-Sourcing.

»64 Prozent der Unternehmen erwarten, dass deutsche Cloud-Provider in den kommenden drei Jahren ähnliche Funktionalitäten und Preise wie die Hyperscaler haben werden und dadurch an Relevanz gewinnen«, lautet eine zentrale Erkenntnis der Lünendonk-Studie »IT Sourcing Trends 2025/2026«, für die führende IT-SourcingUnternehmen und 121 Anwenderunternehmen aus verschiedenen Branchen, vor allem aus »der Industrie, dem Finanzsektor und anderen regulierten Branchen«, befragt wurden.

Die Cloud-Transformation bleibe »ein zentrales und noch lange nicht abgeschlossenes Thema«, so Consultant Tobias Ganowski im Vorwort der Studie. »Zwar verfolgen die meisten Unternehmen eine Cloud-Strategie – sei es als Cloud-first, Cloud-too oder gar Cloud-only –, doch offenbaren sich bei der praktischen Umsetzung erhebliche Herausforderungen. Insbesondere beim Aufbau interner Kompetenzen zur Cloud-Steuerung, bei der Verankerung von Cloud-Governance-Strukturen und der Definition von Exit-Strategien zeigen viele Organisationen deutliche Schwächen.«

Im Vergleich zum Vorjahr wollen Unternehmen verstärkt in Managed Cloud-Services, Cybersecurity-Services, Cloud-Migration/Transformation und künstliche Intelligenz investieren, wobei die IT-Verantwortlichen in den Unternehmen Daten systematischer sammeln und über Data-Platforms verarbeiten wollen, »wodurch sich auch neue UseCases für (generative) KI ergeben«. Ohne Hilfe von außen geht es nicht mehr. Entsprechend den zunehmenden Regulierungen und Sicherheitsaspekten ist allerdings auch klar: Die lokalen, nationalen oder europäischen Sicherungs- und Verarbeitungsstrukturen müssen besser werden.

Lassen sich die Hyperscaler zähmen oder kopieren?

Die Cloud wird dabei auch zum Schrittmacher für zukünftige Softwarelösungen.

Laut der 2025 publizierten Lünendonk-Studie »Der Markt für IT-Dienstleistungen in

Entsprechend der zunehmenden Regulierungen und Sicherheitsaspekte ist allerdings auch klar: Die lokalen, nationalen oder europäischen Sicherungs- und Verarbeitungsstrukturen müssen besser werden.

Deutschland« denken 77 Prozent der CIOs und IT-Entscheiderinnen und -entscheider im deutschsprachigen Raum, dass sie »bis zum Jahr 2030 überwiegend Cloud-native Softwarelösungen« einsetzen, »die auf entsprechenden Platform-as-a-Service-Modellen entwickelt werden«. Allerdings bestehe gerade im PaaS-Bereich eine »hohe technologische Abhängigkeit von den US-amerikanischen

Hyperscalern«. Die spannende Frage in dem Zusammenhang: Können die Hyperscaler auch Souveränität anbieten – oder müssen sie so schnell wie möglich kopiert und vergleichbare europäische Strukturen aufgebaut werden?

Auch in der Planung der IT-Verantwortlichkeiten dürfte sich in den Unternehmen zukünftig noch einiges ändern. »Mit der

Unternehmen müssen mehr denn je anderen Unternehmen vertrauen –und entsprechend muss Knowhow über Produkte und Prozesse in beide Richtungen fließen.

zunehmenden Digitalisierung der CustomerJourney und dem Aufbau digitaler Plattformen steigen die Anforderungen an die IT zur serviceübergreifenden Orchestrierung massiv an«, heißt es in der Studie. CIOs benötigten dafür »strategische IT-Dienstleistungspartner, die nicht nur Technologien integrieren, sondern auch Business- und IT-Prozesse entlang des gesamten Lebenszyklus steuern können – von Marketing und Vertrieb bis hin zu Operations und Customer-Service«. Über kurz oder lang werde der »Wechsel von projektzentrierten Modellen hin zu produktzentrierten Teams (z. B. für digitale Services oder Plattformen) neue Formen der Verantwortungsteilung und Lieferfähigkeit« erfordern.

Tatsächlich wird die Cloud zum Dreh- und Angelpunkt eines kontinuierlichen Datenflusses, der nicht nur sicher sein und intelligent genutzt werden soll. »Vor dem Hintergrund der aktuell stattfindenden Marktentwicklungen rund um Cloud-Transformation und AI-Skalierung« planen knapp die Hälfte der befragten IT-Verantwortlichen eine »stärkere Nutzung von Shoring-Regionen (55 Prozent) sowie die Verlagerung des Großteils der IT-Infrastruktur in die Cloud und den gleichzeitigen Bezug von IT-Services aus der Cloud (49 Prozent)«. Weil zunehmend Fachkräfte fehlen, könnten in den kommenden Jahren auch IT-Themen, die bislang noch in den Unternehmen bearbeitet werden, an externe Dienstleister gehen. Womit erneut Managed Services in den Vordergrund rücken, »die sich auf dedizierte Skills und Rollen beziehen, sodass Kunden-Teams durch externe Mitarbeiter unterstützt werden und gleichzeitig die Managed-Service-Provider eine technologische Verantwortung für den jeweiligen Geschäftsprozess haben«. Die Wege von Unternehmen sind keine Einbahnstraßen mehr. Unternehmen müssen mehr denn je anderen Unternehmen vertrauen – und entsprechend muss Know-how über Produkte und Prozesse in beide Richtungen fließen.

Text Rüdiger Schmidt-Sodingen

Unternehmen haben genug Daten: Was fehlt, ist für KI nutzbares und vernetztes Wissen

Julius Hollmann Gründer & Geschäftsführer

Herr Hollmann, vor welchem Problem stehen Entscheider:innen heute – und warum wird es 2026 noch relevanter? Entscheidungen müssen heute schneller getroffen werden, als es für Unternehmen mit traditionellen BI-Methoden möglich wäre. Während sich die Welt in immer kürzeren Zyklen verändert, sind die für Entscheidungen notwendigen Informationen fragmentiert und oft widersprüchlich. Die globale Wirtschaftslage verschärft diese Dynamik – und Unternehmen, die ihr Wissen nicht in einer Form strukturieren, in der künstliche Intelligenz im Entscheidungsprozess unterstützen kann, verlieren weiter an Boden.

Unternehmen investieren massiv in Datenplattformen und KI. Warum führen diese Investitionen häufig nicht zu besseren Entscheidungen? Datenplattformen, Dashboards und generative KI sollten Entscheidungen erleichtern –erzeugen aber oft nur zusätzliche Komplexität. Daten werden getrennt aggregiert, manuell ausgewertet und in statischen Reports bereitgestellt. Beschleunigung durch KI funktioniert meist nur in Demos und taugt bisher nicht als verlässliche Entscheidungsgrundlage.

Was fehlt Unternehmen heute fundamental für die produktive Nutzung von generativer KI? Daten aus einem Prozess oder Produkt sind nicht ohne spezifisches Unternehmenswissen interpretierbar. Dieses Wissen liegt heute vor allem an drei Orten: in IT-Systemen, in Dokumenten und in den Köpfen der Mitarbeitenden. Ohne dieses Wissen kann KI keine verlässlichen Analysen für tragfähige Entscheidungen liefern. Menschen erschließen sich diese Zusammenhänge über Erfahrung und Austausch – KI kann das nicht.

Soll sie künftig Analysen unterstützen oder übernehmen, muss dieses Wissen über einen Knowledge Layer explizit zugänglich gemacht werden.

Sie sprechen von einem fehlenden Knowledge Layer – einer Wissensschicht. Was genau meinen Sie damit und warum ist diese so entscheidend?

Der Knowledge Layer ist die formale Abbildung dessen, was ein Unternehmen wirklich ausmacht: seine Prozesse, Objekte, Regeln und Beziehungen. Man kann ihn als für KI lesbares Betriebssystem verstehen, das die Bedeutung hinter den Daten sichtbar macht. Statt isolierter Informationen entsteht ein zusammenhängendes Wissensnetz, das alle Systeme logisch und technisch miteinander verbindet. Ohne diese Schicht bleibt die KI blind und Analysen fragmentiert.

Warum können bestehende Ansätze wie BI, Data Warehouses, Data Mesh oder Chat­Lösungen dieses Problem nicht lösen?

Weil all diese Ansätze Daten organisieren, aber nicht das Wissen dahinter. BI blickt retrospektiv auf definierte Kennzahlen, Data Warehouses speichern Daten ohne übergreifenden Kontext und Data Mesh verteilt Verantwortung, ohne ein gemeinsames Vokabular zu schaffen. LLMs können Text lesen, aber nicht verstehen, was sich dahinter aus Sicht des Unternehmens verbirgt. Noch schwieriger wird es, wenn dasselbe Objekt in verschiedenen Fachbereichen unterschiedlich benannt wird – eine Kundin ist dann mal »Debitor«, mal »Anforderer«. Ein einfacher KI-Chat-Ansatz kann hier nur scheitern, denn woher soll die KI wissen, welche Begriffe zusammengehören und wann sich hinter dem gleichen Begriff etwas völlig anderes verbirgt?

Was macht digetiers mit d.AP anders als bisherige Lösungen?

Zunächst helfen wir Unternehmen dabei, die fehlende Schicht – den Knowledge Layer –konzeptionell zu entwickeln und aufzubauen. Unsere Knowledge-Layer-Lösung d.AP ermöglicht anschließend die technische Umsetzung, in der Daten aus allen operativen Systemen zu einer für KI lesbaren Wissensschicht, dem Knowledge Graph, verbunden werden. Diese

Kwerden damit in Echtzeit für KI, Analysen und Entscheidungen nutzbar. Gleichzeitig erdet d.AP generative KI in der Realität des Unternehmens und löst drei zentrale Herausforderungen: Antworten sind korrekt (keine Halluzinationen), reproduzierbar und nachvollziehbar.

KI-gestützte Systeme werden zunehmend Mikroentscheidungen übernehmen.

– Julius Hollmann, Gründer & Geschäftsführer

Auf welche Herausforderungen stoßen Unternehmen bei der Umsetzung eines Knowledge Layer?

Zum einen gibt es nur wenige Experten oder Dienstleister, die praktische Erfahrung in der Modellierung und konzeptionellen Umsetzung eines Knowledge Layer haben. Dafür braucht es die richtige Kombination aus methodischem Wissen und Umsetzungserfahrung.

Zum anderen existieren bisher kaum für Industriekunden direkt nutzbare IT-Lösungen. Viele erfordern eine modellierte Wissensschicht in anbieterspezifischer Logik, wodurch das Unternehmenswissen gefangen bleibt, oder sie erfüllen nicht die Anforderungen an Informationssicherheit und Skalierbarkeit.

Was versetzt digetiers in die Lage, Unternehmen bei der Umsetzung zu helfen?

Seit über sechs Jahren entwickeln wir für große Unternehmens-IT-Systeme auf Basis von Knowledge-Graph-Technologie und haben dabei umfangreiche praktische und technische

Erfahrung gesammelt, woraus wir sowohl unser Vorgehen als auch d.AP entwickelt haben.

Was bedeutet d.AP für Entscheider:innen?

d.AP schafft eine daten-basierte Entscheidungsgrundlage, die gleichermaßen Führungskräften wie operativen Teams zugutekommt. Entscheider können ad-hoc, z. B. in einer Besprechung komplexe Fragen in Echtzeit beantworten – faktenbasiert, konsistent und ohne den langwierigen Weg über ein Datenanalyseteam zu gehen. Gleichzeitig reduziert d.AP den Aufwand in den Fachbereichen, weil Informationen aus unterschiedlichsten Quellen nicht mehr manuell zusammengetragen werden müssen. Das Management gewinnt Geschwindigkeit und Sicherheit, Teams gewinnen Klarheit und Autonomie. Das Unternehmen entscheidet insgesamt schneller, präziser und zuverlässiger.

Wie wird sich Entscheidungsfindung in den nächsten Jahren verändern? Die strategische Steuerung bleibt beim Menschen, aber die operative Entscheidungsarbeit wird sich verändern. KI-gestützte Systeme werden Mikroentscheidungen übernehmen, Prozesse steuern und Situationsanalysen in Sekunden liefern. Damit das funktioniert, müssen Menschen und KI auf derselben Wissensgrundlage arbeiten. Genau hier setzt d.AP an, indem Regeln, Begriffe und Zusammenhänge einheitlich verstanden werden. Dadurch wird der Übergang zu einer Organisation möglich, in der Entscheidungsgeschwindigkeit, Präzision und Skalierbarkeit durch eine Mensch-Maschine-Kollaboration erreicht wird.

Weitere Informationen unter: digetiers-dap.com

DeepSkill • Brandreport

Human Skills im Zeitalter der KI

I 2.0 verändert den Arbeitsmarkt grundlegend. Erfolg erfordert heute eine seltene Kombination aus technischer Kompetenz und ausgeprägten menschlichen Fähigkeiten. Diese neue Realität erfordert kontinuierliche Kompetenzentwicklung, um langfristig arbeitsmarktfähig zu bleiben.

Miriam Mertens, Co-Founderin & CEO von DeepSkill, und Dr. Anna Zeis, Direktorin Learning Innovation an der WHU – Otto Beisheim School of Management, beleuchten die Schnittstelle zwischen Menschen und KI.

Wenn KI 2.0 kognitive Routinetätigkeiten automatisiert – was bleibt als nachhaltige Quelle der Wertschöpfung?

Miriam Mertens: Wenn KI lineare, regelbasierte Aufgaben übernimmt, bleiben jene Fähigkeiten einzigartig menschlich, die uns befähigen, mit Widersprüchen, Kontext und Emotionen umzugehen – insbesondere Kreativität, Empathie und adaptives

Problemlösen. Diese Kompetenzen werden zu zentralen Treibern der Wertschöpfung.

Anna Zeis: Die Zukunft der Arbeit gehört denen, die souverän mit KI zusammenarbeiten können –als wäre sie ein reguläres Teammitglied. Das erfordert eine neue Kombination aus Fähigkeiten und Mindset: kontinuierliche Selbstentwicklung, gezielte Weiterbildung im Bereich KI sowie die Fähigkeit, KI-gestützte Lösungen zu gestalten, die unmittelbar für die eigene Arbeit relevant sind.

Müssen Unternehmen also stärker in Menschen als in Technologie investieren? Lässt sich das ökonomisch rechtfertigen?

Anna Zeis: Technologieinvestitionen ohne gleichwertige Investitionen in Menschen sind ökonomisch irrational. Jeder Euro für Technologie verlangt Investitionen in Kompetenzen. Eine lernorientierte, offene Kultur wird damit zum strategischen Hebel – und zum Magneten für leistungsstarke Talente.

Miriam Mertens: Unsere Daten zeigen: Investitionen in Zukunftskompetenzen wie Selbstführung und emotionale Regulation steigern sowohl Mitarbeiterbindung als auch Transformationserfolg. In einem Programm mit einer Großbank steigerten KI-gestützte Engagement-Analysen durch gezielte Maßnahmen die Scores um 24 Prozent. Bei einem internationalen IT-Dienstleister berichteten 80 Prozent der Teilnehmenden nach einer KI-personalisierten DeepSkill Journey von höherer Selbstwirksamkeit.

Wenn diese Fähigkeiten so entscheidend sind – wie lassen sich heutige Studierende bestmöglich auf die Zukunft vorbereiten?

Miriam Mertens: Zukunftsvorbereitung bedeutet weniger stabile Skills, sondern adaptive Fähigkeiten. Zukünftige Führung definiert sich nicht über Wissen, sondern über Urteilsfähigkeit, Verantwortungsübernahme und die Fähigkeit, kontinuierlich zu verlernen und neu zu lernen. Da permanenter Wandel den psychologischen Druck

erhöht, sind Selbstregulation und innere Steuerung zentrale Voraussetzungen für nachhaltige Anpassungsfähigkeit. Studierende vorzubereiten, heißt daher, sie zu befähigen, Denken, Entscheiden und Führen kontinuierlich neu auszurichten.

Anna Zeis: An der WHU wissen wir, wie Kompetenzen tatsächlich entstehen. Verantwortungsvoll zu führen, bedeutet für uns, menschliche und künstliche Intelligenz mit Urteilsvermögen und Sinn zu verbinden. Während KI-Arbeit und Gesellschaft weiter verändert, signalisiert ein Abschluss nicht mehr das Ende der Bildung. Vielmehr markiert er den Beginn lebenslangen Lernens – verankert in kontinuierlichem Upskilling, Anwendung, Anpassung und Re-Skilling.

Weitere Informationen unter: deepskill.com

Agenten im Einsatz

Autonomie statt nur Generierung: Agentic AI plant, entscheidet und handelt eigenständig. Das dürfte einige Geschäftsmodelle durcheinanderwirbeln, aber auch etliche (Zukunfts-)Probleme schneller lösen.

» Der Hype um generative KI ist enorm, aber die wahre Transformation beginnt, wenn diese Modelle lernen, autonom zu agieren und miteinander zu kommunizieren. Genau hier setzt der Trend Agentic AI ein, der die Grenzen dessen verschiebt, was autonome, agentenbasierte KI leisten kann«, schreibt Dr. Julien Siebert in seinem Blogbeitrag für Fraunhofer IESE. »Ein Ansatz zur Strukturierung generativer KI-Anwendungen besteht darin, sie in separate Einheiten, sogenannte Agenten, zu unterteilen. Jedem Agenten werden in der Regel bestimmte Rollen und Aufgaben zugewiesen, sodass er bestimmte Aspekte des Problems bearbeiten kann. Indem diese Agenten als Team zusammenarbeiten (und sich möglicherweise selbst organisieren), lassen sich komplexe Probleme leichter bewältigen.«

In seinem Buch »Agentic AI: Menschliche Stärke neu entfesseln« fasst Marc Zimmermann das Phänomen so zusammen: »Während Large Language Models die Art und Weise revolutionierten, wie wir mit KI interagieren, blieben sie im Kern reaktive Systeme – sie antworteten auf Anfragen, generierten Inhalte auf Aufforderung und führten Anweisungen aus, blieben jedoch fundamentale passive Assistenten.« »Der nächste evolutionäre Sprung in der KI-Entwicklung« markiere nun »den Übergang von diesen passiven Assistenten zu proaktiven, autonomen Agenten – die Geburt der Agentic AI«. Anders als statische KI-Systeme seien

Brandreport • valantic GmbH

Man kann Agentic AI mit einem Wort definieren: Proaktivität.

»moderne Agenten darauf ausgelegt, kontinuierlich zu lernen und sich anzupassen«.

Die verbesserte Lernfähigkeit von KI-Systemen, die nun auch mehrstufige Prozesse begleiten, verstehen und auslösen oder entscheiden können, greift nicht nur in zahlreiche Unternehmensbereiche ein. Es kommen auch Fragen zur Überprüfbarkeit oder Kontrolle dieser Systeme auf: »Die zunehmende Autonomie und Komplexität von KI-Agenten macht ihre Überwachung und Beobachtbarkeit (Monitoring & Observability) zu einem kritischen Faktor für den erfolgreichen und verantwortungsvollen Einsatz in Unternehmen. Während wir Agenten befähigen, eigenständig zu planen, zu entscheiden und zu handeln, müssen wir gleichzeitig sicherstellen, dass wir ihre Aktionen nachvollziehen, ihre Leistung bewerten und potenzielle Probleme frühzeitig erkennen können.«

Evolution statt Programmierung Neben regelmäßig erfassten »Task

Completion-« und »Error Rates« trage eine »kontinuierliche Optimierung der Agentenleistung« dazu bei, Agentic AI finanziell erfolgreich zu nutzen. Allerdings, so Zimmermann, müsse in Unternehmen ein allgemeines Umdenken stattfinden. Denn Agentic AI sei gerade dann erfolgreich und sinnvoll, wenn es nicht wie eine fest programmierte Software eingesetzt werde, sondern sich organisch weiterentwickeln könne, »weg von statischer Programmierung hin zur Gestaltung lernfähiger, datengesteuerter Entitäten«.

Besonders deutlich werde die Macht von Agentic AI im Servicebereich, wo bis dato Chatbots nur bestimmte Anfragen bearbeiten können. »Im Gegensatz zu einfachen regelbasierten Bots«, so Zimmermann, »können die KI-gesteuerten Kundendienstagenten von Agentic AI autonom arbeiten. Sie erkennen nicht nur Schlüsselwörter und geben geskriptete Antworten – sie analysieren die Absicht des Kunden, passen sich an verschiedene Situationen an und ergreifen Maßnahmen zur

Lösung von Anfragen, ohne dass ein Mensch eingreifen muss.« Die Folge: Schnellere Antwortzeiten, geringere Betriebskosten und eine garantierte Wettbewerbsfähigkeit in einem Wirtschaftssystem, das selbst kleinste Bestellungen trackt und 24/7 für Rückfragen oder Reklamationen bereitstehen muss.

Nicht nur in Forschung und Bildung, sondern auch im Unternehmensmanagement könnte Agentic AI wirken, wenn sie »Trends vorhersehen, Chancen frühzeitig erkennen und potenzielle Probleme lösen« kann, bevor sie entstehen. Gleichzeitig könne sich das Management auf zufriedenere Mitarbeitende einstellen, denn wenn Routineaufgaben von KI erledigt werden, können Menschen strategischer, empathischer und kreativer arbeiten – und sich anderen Problemen oder der Zukunftsforschung widmen. Besieht man sich die wirtschaftlichen Probleme der Gegenwart, wird klar, dass besonders in den Schlüsselindustrien zu wenig daran gedacht oder geforscht wurde, welche neuen Trends bereits vor den Unternehmenstoren stehen. Agentic AI könnte Unternehmen also in die Lage versetzen, das nervöse Wirtschaftsleben der Gegenwart in den Griff zu bekommen und gleichzeitig in Ruhe für die nächste Generation zu planen. Oder wie es Enver Cetin 2024 schrieb: »Man kann Agentic AI mit einem Wort definieren: Proaktivität.«

Text Rüdiger Schmidt-Sodingen

»Digitale Souveränität ist heute unerlässlich«

Yavuz Bogazci Managing

Director

Herr Bogazci, das Thema »Digitale Souveränität« hat enorm an Bedeutung gewonnen. Was bedeutet es genau? Vereinfacht gesagt steht »Digitale Souveränität« für die Fähigkeit eines Landes oder einer Organisation, die digitale Infrastruktur sowie Daten selbst zu kontrollieren und zu schützen. Dies beinhaltet die Kontrolle über digitale Dienste, Netzwerke und Technologien. Es geht auch darum, die Abhängigkeit von ausländischen Anbietern und Technologien zu reduzieren, vor allem aus den USA.

Warum ist das so wichtig?

Unter anderem, weil führende US-CloudAnbieter aufgrund des amerikanischen Cloud Acts zur Herausgabe von Daten an US-Behörden verpflichtet sind. Der extraterritoriale Zugriff umfasst auch Daten, die physisch in Europa/Deutschland gespeichert sind. Dies gilt sowohl für US-Unternehmen als auch für deren Tochterfirmen weltweit. Konkret bedeutet dies, dass die US-Regierung Einsicht auf E-Mails, Dateien aller Art, Metadaten sowie Back-ups deutscher Userinnen und User einfordern kann. Dies steht im direkten Widerspruch mit dem EU-Datenschutz und birgt wesentliche Rechts- und Compliance-Risiken für Unternehmen sowie öffentliche Stellen. Wie sich die Abhängigkeit von US-Techriesen negativ manifestieren kann, sah man kürzlich: Nach Trump-Sanktionen blockierte Microsoft das E-Mail-Konto des Chefanklägers des Internationalen Gerichtshofs. Das muss ein Weckruf für die Digitale Souveränität sein.

Wie schafft valantic Digitale Souveränität für seine Kundschaft? Wir unterscheiden verschiedene Dimensionen von Souveränität, darunter Plattformsouveränität (technische Souveränität), Datensouveränität, Modellsouveränität sowie rechtliche und regulatorische Souveränität. Anhand dieser Parameter kreieren wir für unsere Kundschaft eine plattformagnostische, sichere und skalierbare KI-Architektur. Diese zeichnet sich unter anderem durch die Verarbeitung in EU-Clouds oder On-Premise aus, wodurch man die volle Kontrolle über die eigenen Kundendaten behält. Die Anwendung ist End-to-End geschützt und architektonisch so entkoppelt, dass Datenhaltung, Orchestrierung und Modelle unabhängig kontrolliert und ausgetauscht werden können – »Compliance by Design« inklusive. Kurzum: Die Daten bleiben geschützt, nachvollziehbar sowie unter eigener Hoheit in einer sicheren Umgebung.

Welche ersten Schritte empfehlen Sie Unternehmen auf dem Weg zur Digitalen Souveränität? Wir helfen im Rahmen eines Souveränitätschecks, mögliche Blindspots zu identifizieren und anschließend die passenden Maßnahmen auszuformulieren. Generell gilt: Man muss nicht in allen acht Dimensionen souverän sein. Aber man sollte wissen, wo man es bewusst nicht ist. Wir helfen dabei, dies zu eruieren.

Weitere Informationen unter: valantic.com

Der Partner für KI-Projekte, die echten Mehrwert liefern

»We make AI work for you.« Dr. Jaeck erklärt, wie valantic dieses Motto wahr macht und mit Agentic AI sowie datengetriebenen Strategien Effizienz und echte Geschäftsergebnisse schafft.

Dr. Horst-Florian Jaeck Partner & Managing Director

Herr Dr. Jaeck, KI oder AI ist das Thema der Stunde. Wie helfen Sie Ihren Kunden dabei, Hype von echtem Mehrwert zu unterscheiden?

Bei valantic setzen wir hierfür auf datengetriebene Strategien. Konkret begleiten wir Kunden bei der Identifikation und Priorisierung von KI-Anwendungsfällen und entwickeln maßgeschneiderte Lösungen, die sowohl Effizienzsteigerungen als auch konkrete Geschäftsergebnisse fördern. Zudem setzen wir auf Best Practices in Datenarchitektur und Governance, um sicherzustellen, dass KI-Technologien eine nachhaltige Wertschöpfung ermöglichen. Ganz entscheidend ist auch die Berücksichtigung des »menschlichen Faktors«, denn ohne passende Change-and-Communication-Maßnahmen werden KI-Projekte fast immer scheitern.

Zu Beginn galt die generative KI als Hot Topic. Nun spricht alle Welt von »Agentic AI«. Was versteht man genau darunter?

»Agentic AI« ist der nächste Schritt in der KI-Entwicklung: autonome Agenten, die

Die Chancen liegen in der Steigerung der Effizienz, der Optimierung von Wertschöpfungsketten und der intelligenten Entscheidungshilfe.

datenbasiert agieren, sich dynamisch anpassen und komplexe Prozesse orchestrieren können. Bei valantic kombinieren wir diesen Ansatz mit robusten Datenplattformen und GovernanceStrukturen, die eine sichere und effiziente Implementierung ermöglichen. Die Chancen liegen in der Steigerung der Effizienz, der Optimierung von Wertschöpfungsketten und der intelligenten Entscheidungshilfe. Wir nutzen die Technologie auch selbst sehr intensiv über unsere eigene agentische KI-Plattform »vallyverse«.

Wie hilft valantic seinen Kunden dabei, Agentic AI sinnvoll einzusetzen –und welche Voraussetzungen müssen gegeben sein?

Wir bieten eine End-to-End-Begleitung, die mit der Analyse der Datenlage beginnt und robuste Datenplattformen sowie GovernanceRahmenwerke etabliert. Dies schafft die Basis für die Implementierung von modularen

KI-Systemen, die individuell auf Geschäftsprozesse abgestimmt sind. Mit unseren ManagedDataOps-Services reduzieren wir die Zugriffszeit auf Daten und optimieren den Datenfluss, was die Grundlage für eine erfolgreiche AgenticAI-Anwendung bildet. Zudem unterstützen wir Unternehmen dabei, die richtigen Anwendungsfälle zu identifizieren und umzusetzen, sowie in der Entwicklung und Umsetzung von Maßnahmen im Bereich »Change & Communications«.

Ist die Implementierung teuer? Sie erfordert eine initiale Investition in Dateninfrastruktur und KI-Lösungen. Doch dank valantics standardisierten Ansätzen und Best Practices können erste Ergebnisse wie Effizienzsteigerungen von bis zu 33 Prozent oft innerhalb von sechs bis zwölf Monaten erzielt werden. Dies hängt jedoch maßgeblich von der Datenqualität und den Unternehmenszielen ab und davon, ob auch die Mitarbeitenden in den Unternehmen ausreichend

befähigt werden. Berücksichtigt man dies und realisiert durch einen pragmatischen MVP-Ansatz, fokussiert auf besonders aussichtsreiche Use-Cases einen geschäftlichen Mehrwert, können sich Projektinvestitionen sehr schnell amortisieren.

Welche Technologien und Trends werden Ihres Erachtens mittelfristig für Ihre Kundschaft relevant werden? Mittelfristig werden regulatorische Anforderungen wie der »Data & AI Act« sowie Technologien wie GenAI, datenbasierte Governance-Modelle und branchenspezifische KI-Anwendungen im Fokus stehen. valantic unterstützt Unternehmen dabei, sich frühzeitig auf diese Trends vorzubereiten, schnell praktische Anwendungen zu realisieren und am Puls der technologischen Entwicklung zu sein. Ein weiterer Schwerpunkt wird die Integration von Partner-Ökosystemen sein, um Skalierbarkeit und Effizienz langfristig zu sichern.

Weitere Informationen unter: valantic.com

KI mit Datenschutz – eigene Systeme statt fremder Cloud

Fabian Rimpl Geschäftsführer

Immer mehr Unternehmen wollen die Chancen von KI nutzen, stoßen in der Praxis aber schnell an Grenzen –etwa bei Datenschutz und Compliance. Fabian Rimpl, Geschäftsführer des Augsburger Softwareentwicklers makandra, über lokale KI-Modelle, welche Bereiche schon heute besonders profitieren und wie sich mit überschaubarem Aufwand konkrete Mehrwerte erzielen lassen.

Herr Rimpl, sie sprechen über lokale KI. Warum nicht einfach ChatGPT und Co. nutzen? Viele Unternehmen experimentieren heute mit Cloud-Angeboten wie ChatGPT. Das macht auch Sinn und ist ein guter Einstieg. Sobald es aber um produktive Anwendungen geht, stellen sich Fragen nach Datenschutz, Geschäftsgeheimnissen und regulatorischen Anforderungen. Gerade in sensiblen Branchen dürfen interne Dokumente, Entwicklungsdaten oder Kundendaten nicht in externe Cloud-Systeme gelangen. Lokale KI bedeutet: Die Daten bleiben im eigenen Unternehmen und damit auch die Kontrolle über das eigene Wissen.

Was heißt »lokale KI« eigentlich praktisch? Wo läuft sie, wer hat Zugriff, was ist anders?

»Lokale KI« bedeutet, dass KI-Modelle in einer abgeschotteten Umgebung betrieben werden – etwa »On-Premise« im eigenen Rechenzentrum oder in einer privaten Cloud mit Standort in Deutschland. Zugriff erhalten ausschließlich autorisierte Mitarbeitende, vergleichbar mit anderen kritischen IT-Systemen. Der entscheidende Unterschied: Unternehmensdaten verlassen das eigene Netzwerk nicht und werden nicht zu Trainingszwecken an Dritte weitergegeben. Zudem behalten Unternehmen die volle Kontrolle über Zugriffsrechte, Protokollierung sowie die Integration in bestehende Prozesse und Systeme.

Welche Prozesse profitieren heute schon am stärksten von lokalen KI-Modellen?

Besonders groß ist der Nutzen überall dort, wo Unternehmen mit komplexem internen Wissen und sensiblen Dokumenten arbeiten – etwa in der technischen Dokumentation, im Qualitätsmanagement, bei Compliance-Fragen oder in Wissensdatenbanken. Lokale KI unterstützt Mitarbeitende dabei, Informationen schneller zu finden, Berichte zu erstellen oder wiederkehrende Kommunikation zu automatisieren. In der Praxis entwickeln wir bereits heute sehr konkrete Anwendungen, zum Beispiel für die Analyse von Wareneingangsscheinen, die automatisierte Beantwortung von Kundenanfragen oder die Plausibilitätsprüfung von Rechnungen.

Lokale KI bedeutet: Die Daten bleiben im eigenen Unternehmen und damit auch die Kontrolle über das eigene Wissen.

Warum liegt Ihr Industrie­Fokus gerade auf Medizin/Pharma und Luft­ und Raumfahrt?

Diese Branchen stehen unter besonders hohem Innovations- und gleichzeitig starkem Regulierungsdruck. In der Medizin- und Pharmaindustrie geht es um hochsensible Forschungsdaten, klinische Dokumentation und strenge Compliance-Anforderungen. In der Luft- und Raumfahrt spielen Sicherheit, Zertifizierungsprozesse und der Schutz geistigen Eigentums eine zentrale Rolle. Lokale KI ermöglicht es, moderne Assistenzsysteme einzusetzen, ohne Kompromisse bei Vertraulichkeit, Kontrolle und Nachvollziehbarkeit einzugehen. Gerade für kleine und mittelständische Unternehmen entsteht dadurch die Chance, bereits mit

überschaubarem Budget konkrete Effizienzund Wettbewerbsvorteile zu realisieren.

Was ist ein sinnvoller erster Schritt für Unternehmen, die lokale KI ausprobieren wollen?

Der Einstieg muss nicht kompliziert sein. Oft empfiehlt sich ein klar abgegrenzter Pilotprozess, etwa in der Dokumentenanalyse, im Wissensmanagement oder bei der Automatisierung wiederkehrender Anfragen. Entscheidend ist, mit einem Anwendungsfall zu starten, der auf einer soliden Datengrundlage aufbaut und einen klaren Mehrwert verspricht. KI sollte nicht um ihrer selbst willen eingesetzt werden, sondern dort, wo sie Prozesse spürbar verbessert. So können Unternehmen schnell erste Erfahrungen sammeln und lokale KI-Anwendungen Schritt für Schritt in die eigene Infrastruktur integrieren – ohne sofort große Investitionen oder ein umfassendes Transformationsprojekt anstoßen zu müssen.

Interview Rüdiger Schmidt-Sodingen

Weitere Informationen unter: makandra.de/goto/ki

makandra GmbH • Brandreport

Der Partner, der KI-Hürden abbaut

Bharath Vasudevan Vice President of Product und GTM

»KI scheitert nicht an Algorithmen, sondern an Daten« – Bharath Vasudevan von Quest Software räumt im Gespräch mit der unbequemen Wahrheit hinter stockenden KI-Initiativen auf und erläutert, warum vertrauenswürdige Daten und sichere Identitäten das neue Fundament der Wirtschaft bilden.

Herr Vasudevan, KI ist heute sowohl als Technologie als auch als Thema omnipräsent. Mit welchen Fragen, Herausforderungen oder Erwartungen treten die Kunden von Quest an Sie heran, wenn es um die Anpassung an das KI-Zeitalter geht? Jedes Unternehmen bewegt sich in seinem eigenen Tempo – das ist ein entscheidender Punkt. Aus der Datenperspektive kämpfen viele Organisationen mit fragmentierten, isolierten und unzureichend genutzten Daten. Damit können sie die kritischen Anforderungen von KI nicht erfüllen, nämlich vertrauenswürdige Daten in hoher Geschwindigkeit und Skalierbarkeit zu liefern. Der Erfolg von KI steht und fällt also mit der Qualität und Integrität der zugrunde liegenden Daten.

Brandreport • Dataiku GmbH

Der wertvollste Teil meiner Arbeit ist daher der direkte Austausch – sei es in User-Groups, auf Messen oder in persönlichen Gesprächen.

Welches sind die wichtigsten Dienstleistungen und Produkte, mit denen Quest seine Kunden bei der KI-Reise unterstützt?

Da KI die Art und Weise verändert, wie Unternehmen Daten verwalten, Zugriffe sichern und Abläufe skalieren, konzentriert sich Quest auf drei strategische Prioritäten. Die erste lautet »Trusted AI-Ready Data«: Quest ist das einzige Unternehmen mit einer echten konvergenten Datenplattform, die Datenprodukte vom Modell bis zum Marktplatz liefert. Unser umfassender »Model First«-Ansatz macht uns einzigartig. Wir haben diese Fähigkeiten über Jahrzehnte verfeinert; Tausende Kunden weltweit vertrauen auf unsere Modellierungsstärke. Wir sind fest davon überzeugt, dass Modellierung der Anker für Vertrauen und die Basis für KI-Erfolg ist. Das zweite Feld ist »Secure

Identities«: Unsere Identitätslösungen schützen die kritischsten Assets in Active Directory und Entra ID. Wir bieten Unternehmen eine enorme Resilienz: Die automatisierte Wiederherstellung erfolgt bis zu 90 Prozent schneller, was Millionenbeträge an Ausfallkosten spart. Die Kombination aus Identitäts- und Datenmanagement ist der »Generalschlüssel« zu den Kronjuwelen eines Unternehmens.

Und wie lautet die dritte strategische Priorität?

»Platform Modernization«: Wir sind Marktführer bei Cloud-Migrationen und waren das erste Unternehmen mit einer Microsoft365-Zertifizierung für Migrationsfunktionen. In 25 Jahren haben wir über 200 Petabyte (ein Petabyte entspricht 1000 Terabyte) an Daten bewegt. Unternehmen, die unsere Datenmanagement-Plattform nutzen,

verzeichnen eine um 54 Prozent schnellere Bereitstellung vertrauenswürdiger Datenprodukte bei gleichzeitiger Kostensenkung.

Technologie ist ein treibender Faktor, aber auch im KI-Zeitalter bleibt der Mensch essenziell. Wie berät Quest seine Kundinnen und Kunden und wie sehen die Customer­Journey sowie der Onboarding­Prozess aus? Wir betreuen weltweit über 45 000 Firmenkunden, darunter mehr als 90 Prozent der Fortune 500. Diese Unternehmen könnten unseren Produkten nicht vertrauen, wenn sie unseren Mitarbeitenden nicht vollends vertrauen würden. Der wertvollste Teil meiner Arbeit ist daher der direkte Austausch – sei es in User-Groups, auf Messen oder in persönlichen Gesprächen. Das größte Lob gilt unseren Teams – für ihr tiefes Fachwissen, den erstklassigen Service und die Art und Weise, wie wir zuhören und reagieren.

Dieses Interview ist nur ein Auszug aus dem gesamten Fachinterview. Mehr unter: quest.com

»Raus aus der Hype-Falle: Wie KI-Investitionen endlich echte Rendite bringen«

Maximilian Harms Senior Director Business Transformation Advisory

Generative künstliche Intelligenz dominiert die Schlagzeilen, doch viele Unternehmen stehen noch immer vor einer zentralen Frage: Wie schafft man damit echten Mehrwert? Maximilian Harms, Sr. Director Business Transformation Advisory bei Dataiku, gibt Aufschluss darüber.

Herr Harms, Generative KI ist derzeit das alles beherrschende Thema. Wie unterstützt Dataiku seine Kundinnen und Kunden dabei, Hype von echtem, nachhaltigem Mehrwert zu unterscheiden? Tatsächlich nimmt der Hype stetig zu, befeuert durch die rasanten Entwicklungen bei den KIAgenten. Doch am Ende des Tages sagen wir unserer Kundschaft heute genau das Gleiche, was wir schon vor zehn Jahren betont haben, als Machine Learning und Advanced Analytics ihren Einzug hielten: Die Einführung neuer Technologien benötigt zwingend ein klares Zielbild. Es muss also ein konkretes Geschäftsproblem existieren, das gelöst werden soll, oder eine spezifische Verbesserungsidee vorhanden

sein, die man anstrebt. Ohne diesen Fokus läuft man Gefahr, Ressourcen in Projekte zu investieren, die zwar technologisch beeindruckend sind, aber keinen geschäftlichen Impact haben.

Welche konkreten Wünsche tragen Ihre Kunden in diesem Zusammenhang an Sie heran? Das ist stark branchenabhängig. Wenn ein Unternehmen aus dem ManufacturingSektor zu uns kommt, geht es meist um konkrete Prozessoptimierungen, wie etwa die Effizienz der eingesetzten Materialien oder die Reduktion der Wartungskosten. Im Retail-Marketing hingegen geht es oft um die Optimierung von »Conversion Rates« und »Customer Lifetime Value«. In allen Branchen ist es essenziell, den Business-Case fortlaufend im Blick zu behalten. Bei unseren Kunden steht zunächst fast immer der Effizienzgewinn im Vordergrund, wobei wir zwei wesentliche Dimensionen unterscheiden.

Könnten Sie diese beiden Dimensionen erläutern?

Auf der einen Seite stehen die Nutzerinnen und Nutzer unserer »Universal AI Platform«. Dataiku erlaubt es Unternehmen praktisch aller Branchen und Größen, eigene KI-Anwendungen und -Agenten zu entwickeln. Die Vorteile liegen auf der Hand: ein schnellerer Zugang zu Daten, akkuratere Modellierungen und damit bessere Insights. Hier kommt die zweite Dimension ins Spiel: Am Ende müssen immer messbare Mehrwerte entstehen, die sich in der Regel in die Bereiche

Nur wer den Prozess versteht, kann auch einen validen Use-Case formulieren.

Umsatzsteigerung, Kostenreduktion oder Risikominimierung einordnen lassen.

Wie funktioniert die »Universal AI Platform« von Dataiku konkret im betrieblichen Alltag? Im Kern geht es darum, die richtigen Leute zu involvieren. Mit unserer Plattform bringen wir diejenigen, die nah am Business sind – also Menschen aus den Fachbereichen, welche die Prozesse in- und auswendig kennen – mit Datenexperten zusammen. Nur wer den Prozess versteht, kann auch einen validen Use-Case formulieren. Unsere Plattform fungiert hier als Bindeglied für die Kollaboration. Auf diese Weise können

Fachbereiche gemeinsam mit Expertinnen und Experten Anwendungsfälle bauen, wie zum Beispiel spezialisierte KI-Agenten.

Haben Sie ein konkretes Beispiel für einen solchen Einsatz?

Über 100 Kunden entwickeln bereits Agenten-Use-Cases mit Dataiku. Ein besonders spannender Fall stammt vom Pharmakonzern Roche aus der Schweiz. Dort haben die Patentanwälte selbstständig einen Agenten gebaut. Dieser unterstützt sie dabei, Patentanmeldungen zu screenen, Beschreibungen eigener Medikamente abzuklären und Gerichtsentscheidungen zu scannen. Diese Informationen werden genutzt, um Nachfragen oder Klagen effizienter zu handhaben. Das Ergebnis? Eine Ersparnis von bis zu 475 000 US-Dollar pro Jahr.

Dieser Text ist nur ein Auszug des vollen Fachinterviews. Den ganzen Text mit weiteren Beispielen und Anregungen unter: dataiku.com

Hypatos GmbH • Brandreport 11

KI-Agenten als Co-Worker für die Finanz- und Geschäftsprozesse der Zukunft

Zentrale Geschäftsprozesse wie Einkauf, Rechnungswesen oder IT-Services werden in großen Unternehmen häufig in spezialisierte Einheiten gebündelt und standardisiert. Effizienz, Skalierbarkeit und Wissenstransfer hängen dabei entscheidend von standardisierten Abläufen ab. KI-Agenten übernehmen komplexe Aufgaben, beispielsweise von der Rechnungserfassung bis zur Auftragsbearbeitung, während Menschen die Prozesse gestalten, optimieren und ihre Expertise einbringen. Das Ergebnis: schnellere, skalierbare Abläufe, hohe Prozessqualität und gesichertes Unternehmenswissen.

Dr. Uli Erxleben Gründer & CEO

Herr Dr. Erxleben, Sie sagen, KI ersetzt Menschen nicht, sondern setzt sie in Führungsrollen ein. Wie verändert sich das Rollenbild in den Finanz­ und Geschäftsprozessen?

Menschen werden zu Orchestratoren der KIAgenten, die komplette End-to-End-Supportprozesse übernehmen – als digitale Co-Worker, nicht als bloße Tools. KI-Agenten bearbeiten Geschäftsvorfälle wie Rechnungen oder Bestellungen autonom und lernen aus Feedback. Menschen konzentrieren sich auf Ausnahmen, Spezialfälle und strategische Entscheidungen. Für Unternehmen bedeutet das: weniger manuelle Arbeit, dafür mehr Prozessarchitekten, Agenten-Coaches und datengetriebene Steuerungskompetenz. Das Ergebnis ist ein skalierbares Agenten-Ökosystem, das über Kernprozesse

hinweg wirkt – vom Einkauf über Rechnungswesen bis zu Personalprozessen und IT-Services. Praxisbeispiel: In standardisierten Szenarien kann der Einsatz von KI die Dokumentenbearbeitung pro Mitarbeiter deutlich steigern. Der genaue Faktor hängt stark von Prozessqualität, Datenstruktur und Implementierung ab, realistische Steigerungen liegen häufig im Bereich von mehreren Hundert Dokumenten pro Tag.

Wer sollte mit KI arbeiten?

Alle! Führungskräfte und Mitarbeitende sollten KI täglich einsetzen – nicht nur für Routineaufgaben, sondern als Denk-, Analyse- und Innovationspartner. Jede Rolle im Unternehmen kann und sollte von KI-Unterstützung profitieren. Zentral ist, dass Mitarbeitende befähigt werden, eigene KI-Agenten für wiederkehrende Aufgaben einzusetzen oder zu konfigurieren. KI-Kompetenz ist inzwischen keine optionale Zusatzqualifikation mehr, sondern Teil moderner Arbeitsfähigkeit – jedoch angepasst an die jeweilige Rolle.

Warum ist End­to­End­Denken in Finanz­ und Business­SupportProzessen entscheidend?

Nur klar definierte Prozesse lassen sich vollständig automatisieren. Beispiel

Rechnungswesen: Ein KI-Agent kann den gesamten Prozess von Rechnungseingang über Bestellabgleich, Datenprüfung bis zur Buchung selbstständig erledigen. Fehlen Informationen oder sind Daten fehlerhaft, meldet der Agent den Grund –Unternehmen sehen sofort Prozesslücken und können diese gezielt verbessern. Viele messen KI-Erfolg an Automatisierungsraten. Reicht das? Automatisierungsraten allein geben nur begrenzt Aufschluss über den tatsächlichen Erfolg. Entscheidend ist der geschäftliche Nutzen: integrierte Prozesse, qualitativ hochwertige Daten und bereitgestelltes Wissen. KI-Agenten können beispielsweise den gesamten Einkaufs- und Rechnungswesen-Prozess steuern – effizient, fehlerarm und skalierbar. Voraussetzung dafür ist, dass Mitarbeitende ihr Expertenwissen strukturiert dokumentieren und den Agenten bereitstellen. Durch klare Anweisungen und kontinuierliches Feedback entsteht eine lernende Wissensbasis. So verbindet nachhaltiger KI-Erfolg Technologie mit menschlicher Expertise und liefert echten geschäftlichen Mehrwert.

Löst Agentic AI die Softwarelösungen von gestern ab?

In einer Agentic-AI-Welt werden starre, vordefinierte Workflow-Tools weniger entscheidend, weil intelligente Agenten sowohl Aufgaben übernehmen als auch die benötigten Schnittstellen und Interaktionen dynamisch anpassen können. Kernsysteme wie ERP bleiben weiterhin zentral, doch Unternehmen können durch Agenten individuellere, schnellere und intuitivere Arbeitsabläufe gestalten – maßgeschneidert für die tatsächliche Art zu arbeiten, statt starr an Vorgaben klassischer Systeme gebunden zu sein.

Interview Rüdiger Schmidt-Sodingen

Weitere Informationen unter: hypatos.ai

Zendesk GmbH • Brandreport

Schluss mit Warteschleifen: Wie KI-Agenten den Kundenservice revolutionieren

Matthias Göhler Chief Technology Officer

KI-Agenten können nicht nur komplexe Probleme lösen, sondern lassen sich auch kontinuierlich verbessern. Wie Unternehmen sofort starten und eine Kostensenkung von 30 Prozent erreichen können, erklärt Matthias Göhler, CTO (Chief Technology Officer) von Zendesk.

Herr Göhler, wie können Unternehmen praktisch sofort mit generativer KI starten? Die Zeiten, in denen Unternehmen aufwendig eigene Sprachmodelle trainieren mussten, sind zum Glück vorbei. Zum praktischen Start empfehle ich drei Schritte:

Suchen Sie nicht das größte Problem, sondern das häufigste. Beginnen Sie dort, wo Ihre Mitarbeitenden die meiste Zeit mit Routineaufgaben verlieren. Das ist meistens der First-Level-Support. Mit modernen KIAgenten können Sie innerhalb von Stunden eine Wissensdatenbank anbinden, die sofort beginnt, Standardanfragen autonom zu lösen.

Nutzen

Sie Plattformen, die bereits auf

Milliarden von relevanten Interaktionen trainiert sind. Der Schlüssel zum Erfolg ist, dass die KI nicht rät (halluziniert), sondern auf Basis Ihrer echten Unternehmensdaten antwortet. Das sorgt für Sicherheit und sofortiges Vertrauen bei Ihren Kunden.

– Befähigen Sie Ihre Mitarbeitenden, statt sie zu ersetzen, damit sie den Mehrwert von KI erkennen. Geben Sie Ihren Servicemitarbeitenden KI-Tools an die Hand, die lange E-Mails zusammenfassen, die Tonalität anpassen oder Antwortvorschläge generieren. Das steigert die Produktivität ab der ersten Minute, ohne dass Sie einen einzigen Kundenprozess ändern müssen.

Welche Bereiche sind für Ihre KI-Agenten besonders geeignet?

KI-Agenten sind dort am effektivsten, wo hohes Volumen auf strukturierte Daten trifft, ohne dabei aus den Augen zu verlieren, dass bestimmte Situationen an einen Menschen eskaliert werden müssen. Unsere KI-Agenten eignen sich hervorragend für den Kundenservice, können aber ebenso gut intern im Unternehmen eingesetzt werden, um Abläufe zu verbessern. Beispiel Warteschleifen: Die »High Volume Frontline« ist der klassische Bereich für sofortige Erfolge, also alles, was mit Statusabfragen zu tun hat: »Wo ist meine Bestellung?« oder »Wie ändere ich mein Passwort?«. Diese Anfragen machen oft 40 bis 60 Prozent des Volumens aus. KI-Agenten lösen diese Themen autonom, präzise und in Millisekunden, was die Wartezeit für die Kundschaft auf null reduziert. Das

spart Service-Teams eine Menge Zeit, um sich stärker auf strategische Themen zu fokussieren. Ein Beispiel: Als führendes Fintech-Unternehmen nutzt Best Egg die Zendesk KI, um in einem streng regulierten Umfeld schnell zu skalieren, ohne die Qualität oder Compliance zu gefährden. Die Ergebnisse sind wegweisend: Best Egg konnte bis zu 80 Prozent der Chatanfragen vollständig automatisieren und damit jährlich über 420 000 Euro einsparen.

Sind für den Einsatz technische Vorkenntnisse notwendig? Das wichtigste Wissen ist nicht mehr eine Programmiersprache, sondern ein tiefes Verständnis für die Bedürfnisse der Kundschaft. Früher musste man in der Tat komplexe Entscheidungsbäume programmieren. Aufgrund von No-Code-Konfiguration können KI-Agenten über eine intuitive Benutzeroberfläche konfiguriert werden. Wir erleben gerade den Wechsel von der klassischen Automatisierung hin zur Agentic AI: Früher mussten Experten aufwendige, starre Flow-Diagramme zeichnen, um jeden Prozessschritt vorab festzulegen. Heute nutzen wir sogenannte »Procedures«: Sie beschreiben den Prozess einfach in natürlicher Sprache. Die KI versteht das Ziel und setzt den Weg dorthin selbstständig um. Das bedeutet: Wer einen Prozess erklären kann, kann ihn jetzt auch automatisieren.

Wie wird sich der Kundenservice zukünftig verändern?

In naher Zukunft wird die Interaktion nicht mehr primär zwischen einem Menschen

und einer Maschine stattfinden, sondern zwischen zwei KI-Agenten. Das hat massive Auswirkungen auf die Customer-Experience (CX) und die Employee-Experience (EX):

–

KI-Agenten: Wenn der persönliche KI-Agent einer Kundin oder eines Kunden (»Consumer Agent«) mit dem Agenten einer Marke (»Brand Agent»«) verhandelt, muss die Customer-Experience neu gedacht werden.

– Die neue Rolle des Menschen: Sowohl extern als auch intern wird die Kommunikation zwischen Agenten zunehmen. Menschen rücken in die Rolle des Strategen und Referees.

– Interne Effizienz: Auch intern wird diese Agent-to-Agent-Kommunikation zum Standard.

– Proaktiver Support in der Zukunft: Durch proaktiven Support wird die KI zum »Sensor«. Wenn unsere KI-Agenten zum Beispiel ein Muster bei Log-in-Fehlern erkennen, warten sie nicht auf den 100. Anruf. Sie triggern sofort eine Benachrichtigung an alle betroffenen Kundinnen und Kunden.

Interview Rüdiger Schmidt-Sodingen

Prof. Dr. Vanessa Just

»Europäische KI-Souveränität erreichen wir nur, wenn wir Regulierung und Innovation konsequent zusammendenken«

KI wird mehr und mehr Teil des Alltags und Wirtschaftslebens, sowohl vor als auch hinter den Kulissen. Prof. Dr. Vanessa Just ist stellvertretende Geschäftsführerin des KIBundesverbands, in dem sich mittlerweile über 600 Unternehmen und Einzelpersonen zusammengefunden haben. Just, die auch Gründerin und CEO des Beratungsunternehmens juS.TECH und Professorin Wirtschaftsinformatik an der FOM Hochschule für Ökonomie und Management in Hamburg ist, spricht über die KI-Lage in Deutschland.

Interview Rüdiger Schmidt-Sodingen Bild zVg

Frau Prof. Just, die zweite KI-Welle rollt – und immer mehr Unternehmen setzen KI ein oder trainieren bereits eigene KI-Systeme. Wo sehen Sie hierzulande die Herausforderungen? Derzeit lassen sich grob drei Gruppen von Unternehmen beobachten. Ein Teil gehört zu den Vorreitern. Diese Unternehmen nutzen KI bereits produktiv, integrieren sie in Kernprozesse oder trainieren eigene Modelle. Dort ist KI kein Experiment mehr, sondern ein fester Bestandteil von Entscheidungen, Wertschöpfung und Organisation. Diese Unternehmen lernen schnell – und ihr Vorsprung wächst. Daneben gibt es eine große Gruppe von Mitläufern. Viele Organisationen setzen KI punktuell ein: einzelne Tools, einzelne Abteilungen, oft ohne klare Gesamtstrategie. KI ist präsent, aber noch nicht wirksam. Sie erzeugt Effizienzgewinne, führt jedoch bislang kaum zu strukturellen Veränderungen. Diese Gruppe läuft Gefahr, den Anschluss zu verlieren, ohne es sofort zu merken. Und schließlich gibt es Unternehmen, bei denen KI faktisch noch nicht angekommen ist. Nicht aus Ignoranz, sondern aus Überforderung: Ressourcen oder Priorisierung fehlen, es herrschen Unsicherheit und regulatorische Sorgen. Hier wird KI häufig noch als Zukunftsthema betrachtet, obwohl sie längst Gegenwart ist. Entscheidend dabei ist, wie lernfähig Organisationen sind. KI verbreitet sich nicht gleichmäßig wie eine neue Software-Version. Sie verstärkt Unterschiede. Wer früh lernt, lernt schneller. Wer wartet, fällt relativ zurück. Deshalb erleben wir weniger eine einheitliche KI-Welle als vielmehr eine zunehmende Spreizung: zwischen Unternehmen, Branchen und sogar Teams innerhalb derselben Organisation. Genau diese Ungleichzeitigkeit wird in den kommenden Jahren zu einem entscheidenden Wettbewerbsfaktor.

Gibt es »Knackpunkte«, an denen Unternehmen in der Anwendung noch scheitern oder bei denen sie nicht weiterkommen?

Ja, es gibt mehrere Knackpunkte und sie wiederholen sich erstaunlich konstant, unabhängig von Branche oder Unternehmensgröße. Auffällig ist, dass sie selten technischer Natur sind. Ein zentraler Knackpunkt ist die strategische Einbettung von KI. Häufig wird KI noch als isoliertes IT-Projekt behandelt. Viele Unternehmen identifizieren Use-Cases, bleiben aber im Pilotstadium stecken, weil der Übergang zur Entscheidung fehlt, ob KI Teil des Kerngeschäfts wird. Hinzu kommen offene Fragen zu Verantwortung und Haftung. Solange nicht geklärt ist, wer entscheidet und Verantwortung trägt, bleibt KI oft auf unverbindliche Assistenz beschränkt. Ein weiterer Engpass ist die Datenrealität: fragmentierte, historisch gewachsene Datenlandschaften und fehlende Priorisierung von Datenqualität. Verstärkt wird das durch ein Kompetenzgefälle in den Organisationen und eine Kultur, die KI entweder über- oder unterschätzt. Kurz gesagt scheitern Unternehmen selten daran, KI zu starten, sondern daran, sie zur eigenen Sache zu machen. Der eigentliche

Engpass liegt nicht in der Technologie, sondern in Entscheidungsfähigkeit, Verantwortungsübernahme und Lernbereitschaft.

Sie wollen als Verband auch die nachhaltigen und ethischen Aspekte des KI-Einsatzes nicht ausblenden. Nachhaltigkeit und Ethik sind keine Gegensätze zur Innovation, sondern ihre Voraussetzung. KI kann die Integration erneuerbarer Energien verbessern, Netze stabilisieren und Emissionen senken. Entscheidend ist, Green-AI-Prinzipien von Beginn an mitzudenken: energieeffiziente Modelle, transparente Nutzung von Rechenressourcen und nachhaltige digitale Infrastrukturen. Gleichzeitig setzen wir uns dafür ein, dass insbesondere Start-ups und KMU Zugang zu Daten, Infrastruktur und Förderinstrumenten erhalten, um nachhaltige KI-Lösungen in die Praxis zu bringen. Ebenso braucht es ein allgemeines Bewusstsein in Bezug auf den Wasser- und Stromverbrauch von KI, trotzdem wird dieser Ressourcenverbrauch in vielen Unternehmen bislang kaum systematisch mitgedacht.

Viele Politikerinnen, Politiker und auch Unternehmen mahnen eine europäische Souveränität im KI-Bereich an. Wie lässt sich die gemeinsam mit allen Akteuren erreichen?

Europäische KI-Souveränität erreichen wir nur, wenn wir Regulierung und Innovation konsequent zusammendenken. Als Verband sehen wir unsere Rolle darin, diese

Perspektiven aus der Wirtschaft systematisch in die politische Gestaltung einzubringen und so einen konstruktiven Beitrag zu leisten. Mit dem AI Act hat Europa vorerst einen wichtigen Ordnungsrahmen geschaffen, entscheidend ist nun, wie dieser in der Praxis umgesetzt wird: Er muss Innovation ermöglichen und gleichzeitig Unternehmen die nötige Rechts- und Planungssicherheit geben. Genau hier setzt der aktuelle Digital-Omnibus-Entwurf der Europäischen Kommission an. Er adressiert strukturelle Schwächen im bestehenden EU-Rechtsrahmen, in dem zentrale Begriffe und Pflichten heute je nach Gesetz unterschiedlich geregelt sind.

Gehören KI-Förderung und KI-Regulierung für Sie zusammen? Ja, Förderung und Regulierung gehören untrennbar zusammen, aber nur, wenn sie strategisch aufeinander abgestimmt sind. KI-Förderung ohne Regulierung führt zu Geschwindigkeit ohne Richtung. KI-Regulierung ohne Förderung führt zu Sicherheit ohne Wirkung. Beides greift zu kurz. Regulierung setzt den Rahmen dessen, was gesellschaftlich akzeptabel ist, Förderung ermöglicht Bewegung innerhalb dieses Rahmens. Ohne gezielte Unterstützung bleibt Regulierung insbesondere für Mittelstand und Verwaltung abstrakt. Gleichzeitig kann gute Regulierung selbst ein Innovationsfaktor sein, wenn sie Orientierung schafft, Unsicherheit reduziert und Investitionen erleichtert. Der kritische Punkt ist die Umsetzung: Unternehmen brauchen Unterstützung, um Regulierung in konkrete Prozesse

zu übersetzen – etwa durch Sandboxes, AI-Voucher oder klare Anlaufstellen für KICompliance, wie wir sie schon länger fordern.

In Ihrem Verband finden sich viele unterschiedliche Menschen und Unternehmen. Was sind Fragestellungen, die Sie derzeit besonders beschäftigen?

Der KI-Bundesverband bringt sehr unterschiedliche Akteure zusammen, von Start-ups und mittelständischen Unternehmen über Industrie und Forschung bis hin zu KIExpertinnen und -Experten. Entsprechend breit sind auch die Themen, mit denen wir uns beschäftigen. Im Kern geht es jedoch um eine übergeordnete Aufgabe: die Zukunfts- und Wettbewerbsfähigkeit des Wirtschaftsstandorts Deutschland. Dabei spielt die Frage eine zentrale Rolle, welchen Beitrag KI insgesamt leisten kann und welche Rolle insbesondere deutsche KI-Unternehmen dabei einnehmen. Bereits vor Jahren, als die Digitalisierung so langsam losging, mahnten Expertinnen und Experten mehr Kooperationsbereitschaft seitens der Unternehmen an. Kooperationsbereitschaft war lange Zeit tatsächlich eine Schwachstelle, gerade im deutschen Mittelstand, der stark auf Eigenlösungen und gewachsene Strukturen setzt. KI wurde vielfach als schwer kontrollierbar und rechtlich riskant wahrgenommen. Diese Haltung verändert sich nach unseren Beobachtungen derzeit spürbar. Auch im Mittelstand wächst die Einsicht, dass der Erfolg von KI maßgeblich von der Stärke des Ökosystems abhängt. Die Kooperationsbereitschaft ist heute höher als früher, bleibt aber selektiv und fragil. Unternehmen haben gelernt, dass sie KI nicht allein stemmen können. Daten, Talente, Infrastruktur und regulatorische Fragen sind zu komplex. Kooperation ist damit kein Nice-to-have mehr, sondern häufig Voraussetzung, um überhaupt handlungsfähig zu werden. Wie sehr müssen oder sollten die einzelnen Entwicklungsstufen von KI transparenter gemacht werden – auch um Ängste abzubauen oder frühzeitig kritische Entwicklungen zu erkennen? Transparenz im KI-Bereich ist ein Schlüssel für Vertrauen, darf aber nicht undifferenziert eingesetzt werden. Nutzerinnen und Nutzer müssen verstehen, wofür KI eingesetzt wird, welche Auswirkungen diese für den eigenen Arbeitsplatz oder das eigene Geschäftsmodell hat und welche Risiken bestehen, gleichzeitig müssen Geschäftsgeheimnisse und Innovationsfähigkeit geschützt bleiben. Der richtige Ansatz ist eine risikobasierte Transparenz: Je größer der potenzielle Einfluss eines KI-Systems auf Menschen und Gesellschaft, desto höher sind die Anforderungen. Transparenz heißt dabei nicht, dass alles offengelegt wird, sondern dass die jeweils relevanten Akteure die Informationen erhalten, die sie für Verantwortung und Kontrolle benötigen. So lassen sich Vertrauen schaffen, Innovation ermöglichen und unbegründete Ängste abbauen.

Vier- bis fünfmal höherer Wertbeitrag durch Agentic AI im Einkauf

Michael Pleuger Gründer und Geschäftsführer

Einkaufsteams benötigen tiefes Wissen aus allen Bereichen des Unternehmens. Michael Pleuger, Gründer und Geschäftsführer von akirolabs, über KI-gestützte Beschaffungsstrategien, die den Einkauf zur »strategischen Entscheidungsinstanz« weiterentwickeln.

Herr Pleuger, sind Tempo und Nachhaltigkeit in der Beschaffung überhaupt vereinbar?

Überhaupt kein Problem – im Gegenteil: Durch technologische Innovation oder einen Local-Sourcing-Ansatz können beide Zieldimensionen ganz einfach zeitgleich adressiert werden. Leider ist die Realität viel komplexer und die möglichen Zieldimensionen deutlich vielfältiger: Preis, Qualität, Innovation, Geschwindigkeit, Nachhaltigkeit, Resilienz, Agilität, regulatorische Compliance usw. müssen bestmöglich abgestimmt sein. Das bedeutet nicht »von allem ein bisschen«, sondern ganz klare Entscheidungen für einzelne oder mehrere Must-haves, ggf.

zulasten anderer Ziele. Und die Prioritäten können je nach Geschäftsbereich, Geografie, Marktsegment oder Funktionsbereich variieren.

Warum blieb strategischer Einkauf lange resistent gegenüber digitalem Enablement?

Welche dieser Zieldimensionen am wichtigsten sind, ergibt sich nicht aus historischen Kennzahlen wie Einkaufsvolumen oder Preisen. Gute Warengruppenstrategien ergeben sich aus den Zielen der verschiedenen Stakeholder-Gruppen im Unternehmen. Es ist also wichtig, zu verstehen, auf welche dieser Ziele der Einkauf einzahlen soll und welche Einflüsse die Zielerreichung beeinflussen: Intern können das die Produkt- oder Operations-Roadmap sein oder interne Abläufe, extern können das bestimmte Marktentwicklungen sein. Die Kernaussage ist, dass es sich wesentlich um umstrukturierte Informationen handelt. Klassische Data-&-Analytics-Ansätze reichen da nicht aus. Vielmehr ist die Nutzung unstrukturierter Daten erst durch den Einsatz von KI skalierbar möglich geworden. Es war also keine Resistenz, sondern eher fehlende technische Kompetenz im Sinne von KI. Da kommt akiro als KI-Plattform ins Spiel.

Wie funktioniert Ihre akiroPlattform – und welche Rolle spielt dabei Ihr Co­Pilot akiroAssist?

Unsere Plattform modelliert und bewertet

Wissen

Das Zitat »Wenn Siemens wüsste, was Siemens weiß, dann wären unsere Zahlen noch besser« stammt vom ehemaligen Siemens-Vorstandsvorsitzenden Heinrich von Pierer aus dem Jahr 1995. Es ist ein Klassiker des Wissensmanagements, der darauf hinweist, dass in Unternehmen viel Wissen ungenutzt bleibt, da es nicht zentral vernetzt und verfügbar ist. Genau da können Large Language Models (LLMs) wie ChatGPT ansetzen. Wissen liegt oft in unstrukturierter Form, also in Dokumenten vor und ist dabei noch über viel Einzeldokumente verteilt. In den letzten Jahren haben sich zentrale Architekturen wie Dokumentenmanagementsysteme etabliert, die Dokumente verfügbar machen. Doch die Daten und Informationen darin sind damit noch nicht für eine Weiternutzung optimiert und schwer durchsuchbar.

Die Unternehmensgruppe Theo Müller verfolgte das Ziel, den internen Suchprozess ihrer Mitarbeitenden nach technischem Wissen zu Produktionsprozessen deutlich intuitiver und effizienter zu gestalten. Das relevante Know-how war bislang in circa 16 000 Dokumenten verteilt, die mit den Metadaten (Tags) in ein bestehendes Dokumentenmanagementsystem mit SharePoint-Integration einbettet waren. Als international agierender Konzern mit Produktionsstandorten in zehn Ländern und Export in insgesamt 80 Länder lagen diese Dokumente naturgemäß nicht einheitlich vor, sondern in vier verschiedenen Sprachen. Auf Basis dieser heterogenen Informationslandschaft wurde innerhalb

Beschaffungsszenarien. Ziel ist die bestmögliche Unterstützung der übergeordneten Geschäftsstrategien, abgebildet in den o. g. Zieldimensionen. Zur Erreichung dieser Ziele, stehen in akirolabs mehr als 100 Wertehebel zur Verfügung. KI-Agenten unterstützen die Priorisierung der am besten geeigneten Hebel. Es stehen insgesamt 18 Prozessschritte oder Analysen zur Verfügung, mit Hunderten von Parametern, die die Relevanz bestimmter Wertehebel bewerten. Der Kostenstrukturanalyse-Agent erstellt beispielsweise eine Gegenüberstellung aktueller und zukünftiger Kostentreiber. Der Risiko-Management-Agent identifiziert und bewertet Risiken und schlägt Mitigationen vor. Akiro modelliert bestmögliche Szenarien aus Tausenden von Optionen. Es entsteht strategische Entscheidungskompetenz, die unsere Kunden nutzen, um schnell auf sich verändernde Rahmenbedingen antworten zu können. Wir nennen das »Decision Data Flywheel«.

Was ist denn in der heutigen Zeit eine gute oder sogar optimale Beschaffungsstrategie?

Eine optimale Beschaffungs- oder Warengruppenstrategie zahlt bestmöglich auf die übergeordneten Ziele ein, im Einklang mit den Geschäftszielen.

Wie wichtig ist es, Wissen aus verschiedenen Bereichen des

Unternehmens für die Beschaffung zu sammeln und in Szenarien auszuwerten? Die relevanten unstrukturierten, internen Daten finden sich in vielen Bereichen des Unternehmens. Sales & Marketing, Operations, Finanzen etc. Entsprechend wichtig ist Kollaboration. Diese findet in der Regel auch statt, historisch allerdings sehr freihändig, d. h. in verschiedensten Kommunikationskanälen und mit verschiedenen Datenquellen. Als System of Record konsolidiert akirolabs alle Kommunikation und Daten und vereinfacht den Strategieprozess deutlich. Es entstehen signifikante Effizienzen im CategoryManagement. Wichtiger ist jedoch, dass die KI-unterstützte Szenario-Modellierung einen insgesamt vier- bis fünfmal höheren Wertbeitrag leistet gegenüber traditionellen Ansätzen.

Interview Rüdiger Schmidt-Sodingen

Weitere Informationen unter: akirolabs.com

Marmeladenbaum GmbH • Brandreport

verfügbar werden lassen!

Weitere Informationen unter: marmeladenbaum.de

Insgesamt findet eine Entlastung der Wissensträger im Unternehmen statt, aber auch Kopfmonopole werden aufgelöst, da beispielsweise Einarbeitungszeiten in diverse Aufgaben nun nicht mehr nur mit persönlicher Unterstützung möglich sind.

von wenigen Tagen Projektarbeit gemeinsam mit der Marmeladenbaum GmbH ein Chatbot entwickelt, der auf Microsoft Copilot basiert und das bestehende Wissen wieder leicht zugänglich macht. Die dazu erforderliche Systemarchitektur lässt sich grundsätzlich in drei Schichten gliedern:

Die Wissensgrundlage, also die Dokumente im Dokumentenmanagementsystem SharePoint,

– Eine Automatisierungsschicht mit Copilot, einer graph-basierten API und Power Automate und

– eine Interaktionsschicht, in der der oder die Nutzer:in mit Chatbot und Agent interagiert.

Die Erfahrungen zeigen nach einem Jahr, dass diese KI-gestützte Anwendung sehr gut angenommen und intensiv eingesetzt wird. Insgesamt findet eine Entlastung der Wissensträger im Unternehmen statt, aber auch Kopfmonopole werden aufgelöst, da beispielsweise Einarbeitungszeiten in diverse Aufgaben nun nicht mehr nur mit persönlicher Unterstützung möglich sind. Auch die Motivation zur Dokumentation steigt, da Mitarbeitende unmittelbar erleben, wie sehr sie sich durch gut gepflegte Inhalte künftig selbst entlasten können. Zugleich bildet das entwickelte Konzept eine skalierbare Grundlage, die sich ohne hohen zusätzlichen Entwicklungsaufwand problemlos auf weitere Unternehmensbereiche übertragen lässt. Es besteht ein großes Potenzial, weitere Effizienzgewinne zu erzielen.

Über die Marmeladenbaum GmbH Die Marmeladenbaum GmbH ist ein inhabergeführtes Beratungshaus und bringt neben der methodischen Kompetenz im Bereich Business Intelligence und Analytics/KI anwendungsbereites und aktuelles Fach- und Technologiewissen in ihre Projekte ein. Sie begleitet Kunden skalierbar auf ihrem Weg zur eigenen analytischen Kompetenz. Im Jahr 2025 ist sie auch in der BARC Service Provider Umfrage bewertet worden und stolz, in 16 von 18 Disziplinen den ersten Platz bei der Umfrage erreicht zu haben. Durch sowohl diese Fokussierung auf Mehrwerte durch Daten als auch ISO-9001-zertifizierte Prozesse, sichert sie eine hohe Unterstützungsqualität für ihre Kunden.

KI im Arbeitsalltag: Ein Guide für Fach- und Führungskräfte

Künstliche Intelligenz (KI) krempelt die Arbeitswelt um – und das schneller, als viele erwartet haben. Was vor einigen Jahren noch nach Zukunftsmusik klang, ist heute Realität: Fach- und Führungskräfte nutzen KI-Tools, um Berichte zu erstellen, Daten auszuwerten oder kreative Konzepte zu entwickeln. Wer KI klug einsetzt, verschafft sich einen Vorteil. Wer sie ignoriert, läuft Gefahr, den Anschluss zu verlieren. Doch wie gelingt der Einstieg, ohne in Überforderung zu verfallen?

1. Die eigenen Aufgaben unter die Lupe nehmen

Der erste Schritt ist überraschend einfach: beobachten, wie man arbeitet. Welche Tätigkeiten wiederholen sich ständig? Wo kostet das Sammeln oder die Auswertung von Informationen viel Zeit? Und wo könnten kreative Impulse von außen helfen? Diese Analyse zeigt, an welchen Stellen KI echten Mehrwert bringt – und auch wo sie keine Rolle spielt.

Tipp

Klare Ziele setzen: Vorab klar definieren, was KI verbessern soll (Zeit, Qualität, Kosten).

2. Tools mit Bedacht auswählen

Der Markt ist riesig, die Versuchung groß. Doch nicht jedes Tool passt zu jedem Job. Hilfreich ist eine klare Frage: Welches Problem soll gelöst werden? Wer Antworten sucht, findet schnell passende Kategorien – Sprachmodelle für Texte, Automatisierungstools für Routineaufgaben, Analysesoftware für Daten. Entscheidend bleibt: Datenschutz und Sicherheit prüfen, Testphasen einplanen und nicht zu viel auf einmal umstellen.

Tipp

Klein anfangen: Erst ein Tool testen, bevor mehrere gleichzeitig integriert werden.

3. Die eigene Kompetenz erweitern

Die KI-Nutzung verlangt meist kein Informatikstudium. Aber wer die Technologie versteht, kann sie besser nutzen. Das beginnt beim sogenannten »Prompting« – also der Kunst, Fragen und Aufgaben so zu formulieren,

KI zwingt dazu, Kontrolle abzugeben und Ergebnisse anders zu bewerten.

dass die Ergebnisse präzise sind. Genauso wichtig ist die Fähigkeit, Resultate kritisch zu bewerten. Viele Unternehmen bieten inzwischen auch Workshops oder E-Learning an.

Tipp

Prompting üben: Präzise Anweisungen geben, um bessere Ergebnisse zu erhalten.

4. Mensch und Maschine kombinieren KI ersetzt keine Fachkraft, sondern erweitert deren Möglichkeiten. Das zeigt sich in drei Bereichen besonders deutlich:

– Routine entlasten: Standardberichte oder erste Entwürfe lassen sich automatisieren.

– Entscheidungen beschleunigen: Datenanalysen liefern schneller ein solides Fundament.

– Kreativität anregen: KI kann Ideen vorschlagen, die man selbst vielleicht übersehen hätte.

Die eigentliche Verantwortung bleibt

beim Menschen – für Kontext, Ethik und finale Entscheidungen.

Tipp

Die menschliche Stärke nutzen: Kreativität, Empathie und kritisches Denken bleiben entscheidend.

5. Klein anfangen, groß denken Der Einstieg gelingt am besten in Pilotprojekten. Ein Beispiel: Ein Team setzt sich das Ziel, 20 Prozent weniger Zeit für Reportings aufzuwenden. Es testet ein Tool, misst die Ergebnisse und entscheidet dann, ob es sich für die gesamte Abteilung lohnt. So wächst die Erfahrung – und das Vertrauen in die Technologie.

Tipp

Langfristig denken: KI-Integration ist ein Prozess, kein einmaliges Projekt.

6. Verantwortung klären KI wirft Fragen auf, die über Technik hinausgehen: Welche Daten dürfen genutzt werden? Wie transparent muss der Einsatz

nach außen kommuniziert werden? Viele Unternehmen entwickeln derzeit Leitlinien, um Orientierung zu schaffen. Fach- und Führungskräfte können diese Diskussion aktiv mitgestalten – und so Standards setzen, die langfristig Bestand haben.

Tipp

Datenschutz beachten: Keine sensiblen Daten ohne Freigabe eingeben.

Branchen im Wandel

Die Integration von KI verläuft nicht überall gleich schnell. In der Finanzbranche etwa analysieren Algorithmen riesige Datenmengen in Sekunden und helfen, Risiken präziser zu bewerten. Marketingabteilungen nutzen KI-gestützte Tools, um Zielgruppen besser zu verstehen und Inhalte passgenau auszuspielen. Selbst in traditionell analogen Bereichen wie im Bauwesen kommen vermehrt KI-Tools zum Einsatz – etwa um Materialbedarfe vorherzusagen oder Baupläne zu optimieren. Diese Beispiele zeigen: KI ist kein Nischenthema, sondern wird zum Standardwerkzeug quer durch die Sektoren. Wer wartet, muss später doppelt aufholen.

Eine neue Haltung zur Arbeit entwickeln

Technologie ist nur die eine Seite der Transformation, die andere ist kulturell.

Technologie ist nur die eine Seite der Transformation, die andere ist kulturell. Fach- und Führungskräfte stehen vor der Aufgabe, nicht nur neue Tools zu lernen, sondern auch ihre Einstellung zur Arbeit zu überdenken. KI zwingt dazu, Kontrolle abzugeben und Ergebnisse anders zu bewerten: nicht danach, wer sie erstellt hat, sondern wie gut sie sind. Das bedeutet auch, den eigenen Wert neu zu definieren. Anstatt Wissen nur zu verwalten, rückt die Fähigkeit in den Fokus, Wissen zu interpretieren, kritisch einzuordnen und kreativ weiterzuentwickeln. Wer diese Haltung annimmt, wird KI nicht als Bedrohung, sondern als Partner und Hilfsmittel sehen und gewinnt dadurch nicht nur Effizienz, sondern auch neue Freiräume für strategisches und kreatives Denken.

Text Aaliyah Daidi

KI im Dialog: Wie Voice AI messbaren Mehrwert im Kundenservice schafft

Hakob Astabatsyan Co-Founder & CEO

Herr Astabatsyan, viele Unternehmen betrachten den LiveKundenservice noch immer primär als Kostenstelle. Warum ändert sich diese Sichtweise gerade jetzt? Über lange Zeit hinweg skalierte der LiveSupport linear mit dem Personalbestand. Mehr Anrufe bedeuteten mehr Agents, höhere Kosten und steigende operative Komplexität. Automatisierung bedeutete meist Call-Deflection oder intelligentes Routing – jedoch selten echte Falllösung.

Was sich verändert hat, ist nicht nur die Qualität von Voice AI. Large Language Models und moderne Sprachtechnologien sind inzwischen breit verfügbar. Der eigentliche Wandel liegt in den Erwartungen. Unternehmen fragen nicht mehr, was KI theoretisch leisten kann – sondern ob sie in der Praxis messbaren Mehrwert liefert.

Wenn Voice AI nachweislich die Kosten pro Interaktion senkt, wiederholbare Workflows automatisiert und steigendes Volumen ohne zusätzliche Einstellungen bewältigt, ist Support nicht länger nur eine Kostenstelle. Er wird zur operativen Infrastruktur – und muss sich wie jedes andere Enterprise-System wirtschaftlich rechtfertigen.

Was unterscheidet moderne Voice AI von früheren Automatisierungsansätzen? Frühere Automatisierung war überwiegend regelbasiert. Systeme folgten vordefinierten Entscheidungsbäumen und stießen an ihre Grenzen, sobald Gespräche vom erwarteten Pfad abwichen. Moderne Voice AI ist LLM-nativ und kontextsensitiv.

Doch reine Gesprächsfähigkeit ist heute kein Differenzierungsmerkmal mehr. Viele Anbieter können beeindruckend natürliche Dialoge demonstrieren.

Der entscheidende Unterschied liegt darin, ob das System zuverlässig in Enterprise-Workflows operieren kann. Bei Synthflow liegt der Fokus nicht nur darauf, wie natürlich ein Agent spricht, sondern ob er Aufgaben vollständig abschließen kann. Das bedeutet: Anfragen End-to-End lösen, Backend-Aktionen während des Gesprächs ausführen und bei Bedarf mit vollständigem Gesprächskontext an menschliche Mitarbeitende eskalieren.

Der Wandel geht von reiner Konversationsfähigkeit hin zu operativer Ausführung.

Welche Rolle spielen BackendIntegrationen in dieser Entwicklung?

Sie sind essenziell. Voice AI schafft nur dann greifbaren Mehrwert, wenn sie handeln kann – nicht nur antworten.

Durch direkte Integrationen in Kalender, CRM-Systeme, Order-Management-Tools und andere Backend-Plattformen werden KI-Agents in operative Prozesse eingebettet. Sie können Termine buchen, Datensätze aktualisieren, Informationen abrufen und Follow-up-Workflows in Echtzeit auslösen.

Dadurch entwickelt sich Voice AI von einer

Datenschutz und Datensouveränität sind insbesondere in Europa zentral. Wie werden diese Anforderungen erfüllt?

Voice AI schafft nur dann greifbaren Mehrwert, wenn sie handeln kann – nicht nur antworten.

reinen Konversationsschnittstelle zu einer Execution Layer im Enterprise-Stack. Erst dann wird sie messbar und mit anderen Softwaresystemen hinsichtlich Kosteneinsparungen und Produktivitätsgewinnen vergleichbar.

Sie betonen, dass Voice AI menschliche Teams ergänzt und nicht ersetzt. Warum ist diese Differenzierung wichtig?

Die Ersetzungsnarrative greift zu kurz und entspricht nicht der Realität in Unternehmen.

In der Praxis übernehmen KI-Agents repetitive, volumenstarke Interaktionen wie Terminvereinbarungen, Statusabfragen oder einfache Qualifizierungen. Menschliche Teams konzentrieren sich auf komplexe Fälle, Eskalationen und Interaktionen, die Urteilsvermögen oder Empathie erfordern.

Gleichzeitig entstehen neue operative Rollen –etwa AI Operations Manager oder Supervisorinnen und -visoren, die Performance und Qualität der KI-Agents überwachen und optimieren. Die Art der Arbeit verändert sich, aber sie verschwindet nicht. Ziel ist höhere Produktivität und Resilienz, nicht bloße Substitution.

Wie verändert das die Ökonomie des Live­Kundenservice?

Historisch war Live-Support schwer prognostizierbar und teuer zu skalieren, da die Kosten proportional zum Anrufvolumen stiegen.

Wenn Voice AI als Infrastruktur fungiert, sinken die Grenzkosten pro Interaktion, während die Verfügbarkeit steigt. Noch wichtiger: Ergebnisse werden messbar. Unternehmen können Performance anhand eingesparter Stunden, automatisierter Interaktionen und realisierter Kostensenkungen bewerten.

Sobald KI-Leistung in diesen Kennzahlen quantifizierbar wird, wandelt sie sich von experimenteller Innovation zu einer operativen Investition.

– Hakob Astabatsyan, Co-Founder & CEO

Wo sehen Sie aktuell die größte strategische Chance für Unternehmen? Die strategische Chance liegt in der Integration von KI in volumenstarke, wiederholbare Prozesse, bei denen sich der Impact klar messen lässt.

Branchen wie Contact Center, BPO-Dienstleister, Healthcare Scheduling oder Retail setzen Voice AI bereits aus diesem Grund ein. Der Wettbewerbsvorteil entsteht jedoch nicht allein durch den Einsatz von KI – die Technologie wird zunehmend zugänglich. Entscheidend ist die Implementierung so, dass konsistent operativer Mehrwert entsteht.

In diesem Sinne ist KI nicht mehr der Differenzierungsfaktor. Entscheidend sind Execution und messbare Ergebnisse.

Enterprise­KI-Projekte galten lange als langwierig in der Implementierung. Gilt das auch hier? Diese Herausforderung ist real. Viele KIInitiativen entwickeln sich zu komplexen Integrationsprojekten, die Monate benötigen, bevor sie greifbare Resultate liefern.

Voice AI birgt dasselbe Risiko, wenn sie als isoliertes Experiment statt als operative Infrastruktur betrachtet wird. Die Komplexität liegt meist nicht in der Erstellung des Agents selbst, sondern in der Integration in bestehende Telefonsysteme, Backend-Plattformen und Compliance-Frameworks.

Bei Synthflow reduzieren wir diese Reibung durch No-Code-Konfiguration in Kombination mit strukturiertem Enterprise-Support. Implementierungen können in Wochen statt Monaten erfolgen. Für größere Kunden stellen wir zudem Forward-deployed Engineers bereit, die eng mit internen Teams zusammenarbeiten, um eine nahtlose Integration sicherzustellen. Ziel ist nicht nur Geschwindigkeit, sondern eine kurze Time-toValue – konkret: schnelle, messbare Ergebnisse.

Vertrauen ist die Grundlage für Enterprise-Adoption.

Synthflow ist SOC 2-, HIPAA- und DSGVO-konform und bietet Hosting innerhalb der EU für europäische Kunden. Kundendaten bleiben vollständig im Besitz des Unternehmens und werden nicht zum Training von Foundation Models verwendet.

Lösungen können vollständig innerhalb der Europäischen Union betrieben werden und erfüllen ISO-27001-Standards. Für viele europäische Entscheidungsträger sind diese Kriterien ausschlaggebend bei der Auswahl eines Voice-AI-Partners.

Gerade in regulierten Branchen sind Security-Posture und Data-Governance ebenso wichtig wie Modellperformance. Voice AI muss diese Standards erfüllen, um als echte Enterprise-Infrastruktur zu funktionieren.

Abschließend: Wie wird Voice AI die Live­Kundeninteraktion in den kommenden Jahren prägen? Live-Support wird sich zunehmend von einer isolierten Funktion zu einer integrierten operativen Ebene im Unternehmen entwickeln.

Mit zunehmender Reife der Technologie verschiebt sich der Fokus weiter weg vom Neuheitswert hin zum messbaren Impact. Unternehmen bewerten Voice AI nicht danach, wie innovativ sie wirkt oder wie menschlich sie klingt, sondern danach, wie zuverlässig sie Arbeit automatisiert, Kosten senkt und Servicekonsistenz verbessert.

In diesem Umfeld wird Voice AI weniger zu einem Feature und mehr zu einem fundamentalen System moderner Service-Operations.

Weitere Informationen unter: synthflow.ai

Bild iStockphoto/FreshSplash

Cybersicherheit in Deutschland: kein Grund zur Entwarnung

Die IT-Sicherheitslage in Deutschland bleibt auf angespanntem Niveau. Dies belegt der Bericht des Bundesamtes für Sicherheit in der Informationstechnik (BSI), der Cybersicherheitsbehörde des Landes. Warum ist das der Fall – und welche Folgen hat dies für Userinnen und User sowie Unternehmen?

Der aktuelle Sicherheitsbericht des BSI fokussiert sich auf den Zeitraum von Sommer 2024 bis Sommer 2025. Die Ergebnisse fallen ernüchternd aus: Viele Behörden, Unternehmen und andere Organisationen machten es Angreifer:innen aus der digitalen Sphäre nach wie vor zu leicht, sodass diese mit vergleichsweise geringem Aufwand und einfachen Mitteln weiterhin großen Schaden anrichten konnten. Denn die Angreifenden gingen vermehrt den Weg des geringsten Widerstandes und suchten sich jene Ziele aus, die am leichtesten angreifbar waren, das heißt, deren Angriffsflächen das niedrigste Schutzniveau aufwiesen. Das betraf insbesondere kleine und mittlere Unternehmen sowie Institutionen des politischen und vorpolitischen Raums, deren Web-Angriffsflächen nicht ausreichend geschützt waren. Das ist deshalb bedenklich, weil gemäß BSI-Bericht das Kosten-Nutzen-Kalkül cyberkrimineller Angreifer:innen keine per se »uninteressanten« Ziele mehr kennt, bei denen vermeintlich »nichts zu holen« wäre. Vielmehr sei jede im Internet erreichbare Institution oder Person prinzipiell bedroht, jede und jeder stelle ein interessantes Ziel dar. Im aktuellen Berichtszeitraum führte dies unter anderem dazu, dass Schwachstellen zunehmend ausgenutzt (Exploitation) und mehr Daten exfiltriert und veröffentlicht wurden (Datenleaks). Eine gesamtgesellschaftliche Steigerung der Präventionsfähigkeiten durch ein wirksames Angriffsflächenmanagement aufseiten der Verteidiger ist daher das Gebot der Stunde.

Bedrohungslage: Stabilisierung auf hohem Niveau

Im Cybercrime-Bereich führten internationale Strafverfolgungsmaßnahmen zu einer Stabilisierung der Bedrohungslage. Zwei vormals sehr aktive Angreifergruppen haben ihre Aktivitäten nahezu vollständig eingestellt. Demgegenüber war im Kontext geopolitischer Konflikte eine Zunahme an Aktivitäten in den betreffenden Regionen zu verzeichnen. Zudem wurden im aktuellen Berichtszeitraum neue Angriffsinfrastrukturen bekannt. Insbesondere zwei neue, große IoT-Botnetze

Die Resilienz der kritischen Infrastrukturen wächst langsam, aber stetig.

fielen durch Schadsoftware auf, die bereits im Produktionsprozess auf die Geräte gelangt war. Da die Geräte bereits vorinfiziert in den Handel kamen und auch nicht nachträglich bereinigt werden konnten, gab es für Nutzende keine wirksamen Gegenmaßnahmen. Betroffen waren rund 40 000 IoT-Geräte.

Mehr Daten geleakt

Die Zahl der angezeigten RansomwareAngriffe blieb nach Erkenntnissen des Bundeskriminalamts mit 950 weitgehend unverändert. Cyberkriminelle setzten dabei erfolgreiche Angriffsstrategien der letzten Jahre fort. So wurden nicht nur immer mehr kleine und mittlere Unternehmen angegriffen (80 Prozent der angezeigten Angriffe). Die Angriffe führten in den meisten Fällen auch zu Datenleaks (bzw. deren Androhung), gegen die es aufseiten der Geschädigten keine Bewältigungsstrategien gibt. Back-ups bleiben essenziell gegen Ransomware, helfen aber nicht gegen Datenleaks. Zudem erpressen Angreifer:innen auch immer häufiger mit Daten, die sie

aus unzureichend gesicherten Datenbanken oder aus schwachstellenbehafteten Systemen im Internet exfiltrieren. Auch hier helfen nur wirksame Präventivmaßnahmen im Rahmen eines strukturierten Angriffsflächenmanagements. Angriffe per E-Mail gingen hingegen spürbar zurück. Hintergrund dürfte unter anderem die weitere Verlagerung von digitaler Kommunikation auf andere Kanäle wie etwa Social Media oder Messenger sein, die Angreifer:innen ebenfalls seit Jahren zunehmend für die Verteilung von Malware- oder Phishingmails nutzen. Das Angriffsflächenmanagement vielfältiger digitaler Kommunikationswege stellt eine besondere Herausforderung dar.

Digitale Sorglosigkeit verbreitet sich »Passwort« oder »123456«. Wer heutzutage noch mit solchen Passwörtern den Zutritt zum eigenen System »schützt«, sollte schnell umdenken. Wie der BSI-Bericht leider aufzeigt, sind die Verwendung und das Management von sicheren Passwörtern in Deutschland noch immer verbesserungsfähig.

Vielen mangelt es nicht nur an Wissen und Fähigkeiten zur IT-Sicherheit, sondern bereits an der grundlegenden Einsicht, dass sie sehr wohl ein lohnendes Ziel für Cyberangriffe darstellen.

Um dieser Entwicklung entgegenzuwirken, empfiehlt das BSI den Einsatz von Passkeys, sprich »kryptografischen Schlüsselpaaren«, die zum Beispiel unkompliziert mittels Fingerabdrucks freigegeben werden können.

Immerhin: Die Resilienz der kritischen Infrastrukturen wächst langsam, aber stetig. Immer mehr Betreiber erfüllen inzwischen die Mindestanforderungen (Reifegrad 3), es zeigen sich jedoch noch deutliche Abstufungen zwischen den Präventions-, Verteidigungs- und Bewältigungsfähigkeiten. Während rund 80 Prozent der Betreiber bereits ein Informationssicherheitsmanagementsystem (ISMS) mit einem Reifegrad von mindestens 3 führten, lag der Anteil bei Business-Continuity-Management-Systemen mit knapp zwei Dritteln deutlich darunter.

Viele KMU nicht ausreichend sicher Gemäß BSI bleibt vor allem die flächendeckende Resilienz der kleinen und mittleren Unternehmen (KMU) in Deutschland eine große Herausforderung. Vielen mangelt es nicht nur an Wissen und Fähigkeiten zur IT-Sicherheit, sondern bereits an der grundlegenden Einsicht, dass sie sehr wohl ein lohnendes Ziel für Cyberangriffe darstellen. Hintergrund dürfte eine grundlegende Fehleinschätzung der Bedrohungs- und Gefährdungslage sein: Für cyberkriminelle Angreifer:innen sind weder Umsatz noch Branche ausschlaggebende Kriterien der Zielauswahl, sondern der Aufwand für den Angriff muss in einem günstigen Verhältnis zum erwarteten Nutzen stehen. Und dieser Aufwand steigt, je besser potenzielle Ziele geschützt sind. Angreifer:innen suchen daher gezielt nach den verwundbarsten Angriffsflächen, denn auch Angriffe gerade auf kleine und Kleinstunternehmen lohnen sich, wenn der Aufwand vergleichsweise gering ist. Ziel für alle KMU muss es also sein, sich durch möglichst gut geschützte Angriffsflächen unattraktiv für Cyberkriminelle zu machen. Einen Einstieg in die Verbesserung der Cyberresilienz für KMU bietet der CyberRisikoCheck auf Basis der eigens entwickelten DIN SPEC 27076.

AI 2.0: Werte heben, ohne den Betrieb zu stören

Viele Unternehmen haben in den vergangenen Monaten in generative künstliche Intelligenz (KI) investiert: Sie haben Pilotprojekte gestartet, Tools getestet und erste Erfolge gesehen. Und doch bleibt der wirtschaftliche Effekt oft überschaubar. Meist liegt das weniger an der Modellqualität, sondern an der Realität gewachsener Organisationen: Daten liegen in Silos, Prozesse enden an Systemgrenzen, Verantwortlichkeiten sind nicht durchgängig geklärt. KI wird dann zum Add-on statt zur Fähigkeit, die das Tagesgeschäft messbar besser macht.

AI 2.0 entscheidet sich deshalb im Betrieb. Wer Wert heben will, ohne das Unternehmen zu destabilisieren, braucht keinen radikalen »Big Bang«. Entscheidend ist vielmehr, Reibung zwischen Systemen zu reduzieren, Datenflüsse zu ordnen und Governance von Anfang an mitzudenken. Nur so lässt sich KI sicher, nachvollziehbar und skalierbar einsetzen. Nur dann bleibt sie kein Experiment, sondern wird ein verlässlicher Teil der Wertschöpfung.

Nicht der spektakulärste Pilot entscheidet, sondern die Fähigkeit, KI zuverlässig in die Organisation zu integrieren, damit sie ein natürlicher Bestandteil der Unternehmens-IT sein kann.

Strategie schlägt

Einzelanwendung

Der Unterschied zeigt sich dort, wo Unternehmen nicht mit einem Tool starten, sondern mit der Frage nach dem Hebel: Welche Abläufe kosten überproportional Zeit? Wo entstehen Fehler, Nacharbeit oder unnötige Schleifen?

Wo geht Wissen verloren, etwa in Übergaben zwischen Service, Vertrieb und Operations? Aus dieser Perspektive entstehen Anwendungsfälle, die sich messen und priorisieren lassen.

Parallel braucht es einen skalierbaren Kern statt vieler Insellösungen: eine konsistente Datenbasis, klare Zugriffs- und Sicherheitsmodelle sowie ein Betriebs- und Verantwortungsmodell, das Business und IT eng verzahnt.

Mindestens so wichtig wie Produktivität ist der Wachstumspfad von AI 2.0: KI macht aus einzelnen Produkten wiederkehrende Erlöse. Internationale Wettbewerber beweisen, dass

die Kombination von Produkt und Service zu Wachstum führt. Denn wer Maschinendaten, Servicehistorie und Expertenwissen zusammenführt, kann Verfügbarkeit verkaufen statt nur Technik. Mit intelligenter Software sind klare Service-Level-Zusagen, nutzungsbasierte Modelle oder ergebnisorientierte Verträge möglich. Der Effekt ist dann auch betriebswirtschaftlich greifbar: Durch weniger ungeplante Stillstände beim Kunden, effizientere Serviceeinsätze und eine höhere Bindung erzielen Unternehmen planbarere Umsätze.

Daten müssen fließen können Damit solche digitalen Services nicht an Schnittstellen scheitern, braucht es ein Prinzip, das Datenflüsse, Zugriffsrechte und Prozessintegration über Systemgrenzen hinweg zusammendenkt. Ein Prinzip, das im Arbeitsalltag funktioniert. Nagarro fasst

diesen Ansatz als »Fluidic Intelligence« zusammen: Informationen fließen dorthin, wo Entscheidungen getroffen werden, und das sicher gesteuert, eingebettet in Prozesse, mit klaren Verantwortlichkeiten.

Solange KI nicht vollständig in die Systeme eingebettet ist, bleibt ihr Effekt punktuell. AI 2.0 wird dort zur Wertquelle, wo Unternehmen die Grundlagen schaffen und dann konsequent operationalisieren: wenige, relevante Hebel wählen, Daten und Prozesse verbindlich integrieren, Governance und Betrieb mitplanen und daraus wiederholbare neue Anwendungen und Services bauen. Nicht der spektakulärste Pilot entscheidet, sondern die Fähigkeit, KI zuverlässig in die Organisation zu integrieren, damit sie ein natürlicher Bestandteil der Unternehmens-IT sein kann.

Text Stefan Bär, CTO und Leiter Global Business Unit Hidden Champions bei Nagarro

Weitere Informationen unter: nagarro.com

Mehr erfahren auf

Stefan Bär

CTO und Leiter Global Business Unit Hidden Champions

Wenn Cyberkriminelle aufrüsten und Unternehmen kontern

KI verändert die Spielregeln in der Cybersicherheit. Doch wer spielt das Spiel besser – Angreifer oder Verteidiger? Ein Einblick in ein Wettrennen, bei dem der Einsatz täglich steigt. Eines ist klar: KI definiert das ewige Katz-und-Maus-Spiel in der Cybersicherheit neu.

In der digitalen Welt hat sich künstliche Intelligenz (KI) zu einem wahren Chamäleon entwickelt: Mal tritt sie als Retterin in der Not auf, mal als listige Komplizin der Cyberkriminellen. Während Unternehmen KI nutzen, um ihre digitalen Festungen zu sichern, setzen Hacker:innen dieselbe Technologie ein, um genau diese Mauern zu durchbrechen. Ein modernes Wettrüsten, bei dem beide Seiten ihre Strategien ständig anpassen müssen.

Wenn Hacker:innen aufrüsten und die Unternehmen nachziehen, wird es riskant. Eine falsche Entscheidung kann zu erheblichen wirtschaftlichen Folgen führen. Etwa dann, wenn man eine gefälschte E-Mail von der »Chefin« anklickt. Perfektes Deutsch, keine Rechtschreibfehler, das Logo korrekt platziert. Der Buchhalter klickt – und schwupps, 70 000 Euro landen auf einem ausländischen Konto. Der Trick: Künstliche Intelligenz hatte den Erpresser:innen beim Texten geholfen. Deepfake pur – willkommen im Jahr 2025.

KI – das neue Multitool der Cyberkriminalität

Die Angreifenden werden raffinierter. Nicht nur, weil sie es können, sondern weil sie es sich leisten können. KI ist heute kein Werkzeug mehr, das nur in Forschungslabors existiert. Generative Modelle – früher hauptsächlich für Bilder und Texte gefeiert – lassen sich längst zweckentfremden. Und zwar mit erschreckender Effizienz. Deepfakes, stimmlich kaum von echten Menschen zu unterscheiden, führen mittlerweile sogar zu gefälschten Videokonferenzen. Der »Chef« ruft selbst an – zumindest scheint es so.

Dr. Ralf Wintergerst, Präsident des Digitalverbands Bitkom, warnt: »Die Bedrohungslage für die deutsche Wirtschaft verschärft sich. Die Unternehmen müssen ihre Schutzmaßnahmen weiter hochfahren.« Und Sinan Selen, Vizepräsident des Bundesamts für Verfassungsschutz, ergänzt diese Aussage. »Die Angriffsvektoren auf die deutsche Wirtschaft haben sich verschoben. Die Verzahnung von Cyberspionage und Cybercrime hat weiter zugenommen.«

Deepfakes, stimmlich kaum von echten Menschen zu unterscheiden, führen mittlerweile sogar zu gefälschten Videokonferenzen.

Und die Wirtschaft? Reagiert –wenn auch etwas verschlafen

Eine aktuelle Bitkom-Studie zeigt: 69 Prozent der Unternehmen erwarten, dass KI-basierte Angriffe in den kommenden Jahren stark zunehmen werden. Viele investieren inzwischen in eigene KI-Systeme, die verdächtige Muster in Daten erkennen oder ungewöhnliches Verhalten automatisch melden. Trotzdem: »Täglich werden etwa 250 000 neue Schadprogramme entwickelt. Die deutsche Wirtschaft hat in den letzten zwölf Monaten rund 180 Milliarden Euro Schaden durch Cyberangriffe

erlitten«, sagt Arne Schönbohm, Präsident der Bundesakademie für öffentliche Verwaltung, in einem Interview Ende des letzten Jahres.

Ransomware bleibt das Sorgenkind Ransomware-Angriffe sind die Einbrecher mit digitaler Skimaske. Sie verschlüsseln Daten und verlangen Lösegeld – nicht selten Millionenbeträge. Laut Bitkom wurden 2024 über 53 Prozent der deutschen Unternehmen Opfer solcher Attacken, Tendenz steigend. Und ja, die Angreifer:innen setzen auch hier vermehrt auf KI: Sie analysieren

Die Angriffsvektoren auf die deutsche Wirtschaft haben sich verschoben. Die Verzahnung von Cyberspionage und Cybercrime hat weiter zugenommen.

– Dr. Ralf Wintergerst, Präsident Digitalverband Bitkom

zuerst Unternehmensdaten, um herauszufinden, wie hoch ein Lösegeld realistisch erscheint – psychologische Kriegsführung im Hochleistungsmodus. Nicht zu unterschätzen ist auch das Einfallstor »Internet der Dinge«. Smarte Türklingeln, Überwachungskameras, Sensoren in der Produktion – sie alle sind Teil eines gewaltigen Netzwerks. Praktisch, aber oft schlecht geschützt. Updates? Fehlanzeige. Passwörter? Meist noch »admin123«. Hacker:innen brauchen nur Sekunden, um Zugriff zu erlangen. Einmal drin, machen sie es sich gemütlich – wie ein Gast, der unbemerkt den Kühlschrank leert.

Verteidigung mit KI, aber bitte mit Fingerspitzengefühl Natürlich schläft auch die Gegenseite nicht. Unternehmen nutzen KI längst zur Abwehr. Moderne Systeme analysieren verdächtige Log-ins, erkennen auffällige Datenbewegungen – und schlagen im Ernstfall automatisch Alarm. Doch Vorsicht: Wer glaubt, dass KI die menschliche Intuition ersetzt, irrt. Prof. Dr. Jens Krüger, Cybersecurity-Experte an der TU Hamburg, formuliert es so: »KI ist der Assistenzarzt, nicht der Chefarzt. Die Diagnose trifft am Ende der Mensch.«

Vertrauen ist gut, Trainingsdaten sind besser. Wir stehen am Anfang eines Jahrzehnts, in dem Vertrauen in digitale Kommunikation neu verhandelt wird. War früher eine Mail mit schlechtem Deutsch verdächtig, muss man heute genau hinsehen – oder besser: hinhören. Unternehmen sind gut beraten, nicht nur in Technik, sondern auch in Schulung zu investieren. Denn jeder Klick kann teuer werden. Und für unvorsichtige Menschen, die zu schnell E-Mails öffnen? Dort hat man mittlerweile eine KI-Lösung eingeführt – eine, die verdächtige E-Mails erkennt, bevor sie gelesen werden. Einfach die Vorgesetzten anrufen, falls man mal wieder eine Mail von ihnen bekommt. Nur zur Sicherheit.

Text Thomas Soltau

Mehr erfahren auf

fokus.swiss

Mehr erfahren auf

fokus.swiss