Künstliche Intelligenz / Robotic

Automatisierte Produktionsabläufe mit Künstlicher Intelligenz, schnellere Fertigung durch 3D-Druck oder humanoide Roboter, die gefährliche Schweißarbeiten übernehmen - Deutschlands Fabriken werden digitaler. Die deutsche Industrie bewertet den Einsatz digitaler Technologien in der Produktion weit überwiegend positiv: 81 Prozent der deutschen Industrieunternehmen sehen Industrie 4.0 als Chance, nur 16 Prozent sehen darin ein Risiko. Gleichzeitig ist Industrie 4.0 ein Wettbewerbsfaktor. Für fast alle deutschen Industrieunternehmen (94 Prozent) ist Industrie 4.0 sehr wichtig oder gar unverzichtbar, um im internationalen Wettbewerb zu bestehen (unverzichtbar: 30 Prozent; sehr wichtig: 64 Prozent). Nur knapp 4 Prozent halten Industrie 4.0 hingegen für unwichtig. Das sind Ergebnisse einer repräsentativen Befragung im Auftrag des Digitalverbands Bitkom, die anlässlich der Hannover Messe unter 555 Industrieunternehmen des verarbeitenden Gewerbes ab 100 Beschäftigten in Deutschland durchgeführt wurde.

Die Cloud gilt als Kerntechnologie für die Digitalisierung. Doch viele Unternehmen sind sich noch unsicher, wie sie die Transformation angehen sollen. Die Wahl des ersten Hyperscalers will gut überlegt sein, denn sie schafft die technische Grundlage für die künftige Geschäftsentwicklung.

Die Migration in die Cloud sollte eigentlich eine Einbahnstraße sein. Für die meisten Unternehmen ist sie das offenbar nicht. Eine aktuelle Studie zeigt, dass viele von ihnen der Cloud zwar nicht den Rücken kehren, aber angesichts von höheren Kosten und zunehmenden Anforderungen an die Datensouveränität ihre Workload-Aufteilung neu ausrichten.​

Die digitale Transformation fordert ein völlig verändertes Kompetenzprofil von Mitarbeitenden. KI-Souveränität, Data-Science-Kompetenzen und agile Selbstorganisation werden in einer volatilen Arbeitswelt zu Basisanforderungen. Starre Hierarchien der Vergangenheit werden mit flexiblen Arbeitsformen kontrastiert, die eine Grundlage bieten, wie Unternehmen den Spagat zwischen technologischem Anspruch und der Berücksichtigung menschlicher Bedürfnisse meistern können. Ein Fokus liegt dabei auf der Eigenverantwortung beim Wissenserwerb als Schlüssel zum langfristigen Erfolg in einer vernetzten Welt.

In diesem Jahr erreicht der Hype-Zyklus von KI seinen ersten Tiefpunkt und wir erleben eine Welle von eingestellten Projekten. Viele Unternehmen müssen erkennen, dass sie KI ohne ganzheitliche Strategie eingesetzt haben. Folgerichtig wird es eine deutliche Verlagerung von taktischen Maßnahmen hin zu strategischen Ansätzen geben. In den nächsten Monatn gehören diejenigen zu den Gewinnern, die diszipliniert und methodisch mit KI umgehen. Als wichtigste Faktoren dafür schälen sich erstens eine robuste Strategie und zweitens eine klare Zielvorstellung heraus. Unternehmen, die KI in strukturierte Arbeitsabläufe mit transparenter Governance und klar definierten menschlichen Kontrollpunkten einbetten, werden sich als die Gewinner der Post-Hype-Ära herausstellen - die Zeit der reinen Jubler dagegen ist vorbei. Umso wichtiger wird es sein, die Voraussetzungen dafür zu schaffen, die enormen Möglichkeiten von KI organisatorisch richtig umzusetzen. Agentenbasierte KI ist dabei nur ein Teil des Puzzles. Es geht um weit mehr als nur Automatisierungsoptionen. Wichtig sind Risikokontrolle, Governance und ein klares Verständnis dafür, wo und wie der Mensch sinnvoll eingebunden werden kann.

Viele KI-Projekte scheitern nicht an der Technologie selbst, sondern an fehlender Wertlogik, isolierten Pilotansätzen und mangelnder Integration in reale Prozesse, Entscheidungen und Systemlandschaften. Weil Technologie alleine nicht ausreicht, um Prozesse, Geschäftsmodelle und Entscheidungslogiken nachhaltig zu verändern, gilt es, die fünf entscheidenden Prinzipien einer wirklich erfolgreichen KI-Transformation zu berücksichtigen.

Der Einsatz KI-gestützter Chatbots nimmt in Organisationen kontinuierlich zu. Trotz technologischer Fortschritte bleibt die tatsächliche Nutzung jedoch häufig hinter den Erwartungen zurück. Ein wesentlicher Grund dafür liegt in fehlendem Vertrauen in die Verlässlichkeit der Systeme und enttäuschten Nutzungserwartungen. Entscheidend für ihre Akzeptanz sind daher neben wahrgenommener Nützlichkeit und Benutzerfreundlichkeit insbesondere transparente Systemgrenzen, eine verlässliche Wissensbasis sowie geeignete Mechanismen zur Vermeidung von Fehlinformationen. Diese Erkenntnisse ergeben sich aus der Entwicklung des Studienberatungs-Chatbots "Helia" an der Hochschule Burgenland. Das Projekt zeigt, welche technischen und organisatorischen Maßnahmen dazu beitragen können, Vertrauen in KI-gestützte Chatbots aufzubauen und ihre nachhaltige Nutzung zu fördern.

In vielen Industrieunternehmen verzögern sich Abläufe immer noch durch manuelle Routinetätigkeiten. Das Prüfen von Kundenaufträgen, das Überwachen von Lagerbeständen oder die Materialbeschaffung binden Mitarbeitende und ziehen Prozesse in die Länge. Dabei könnten all diese Aufgaben längst sicher und zuverlässig automatisiert erledigt werden. Doch wie kann der "Kollege KI" den Alltag erleichtern und für mehr Effizienz sorgen?

Eine neue globale Befragung von 3.700 Business- und IT-Entscheidern, davon 200 in Deutschland, ergab, dass 70 Prozent der Entscheider in Deutschland (67 Prozent weltweit) bereits unter Druck standen, KI-Projekte trotz Sicherheitsbedenken zu genehmigen. 17 Prozent von ihnen (14 Prozent global) bezeichneten diese Bedenken sogar als "extrem", wurden aber dennoch übergangen, um mit Wettbewerbern und internen Anforderungen Schritt zu halten. Das ist eines der zentralen Forschungsergebnisse von TrendAI™, einem Geschäftsbereich des KI-Sicherheitsexperten Trend Micro.

Generative KI verspricht erhebliche Produktivitätsgewinne in der Wissensarbeit: Texte, Analysen, Konzepte oder Codes können in kürzester Zeit erstellt werden. In vielen Organisationen wird KI daher primär als Effizienzwerkzeug eingeführt - mit messbaren kurzfristigen Erfolgen. Eine aktuelle PwC-Studie beziffert das Produktivitätswachstum im Zeitraum 2018 - 2024 in den Branchen, die am stärksten von KI betroffen sind, mit 27 Prozent und sagt bis 2040 eine Steigerung der Arbeitsproduktivität in Deutschland durch KI um 30 Prozent voraus. Doch was, wenn der Preis dieser Produktivitätsgewinne nicht monetär, sondern kognitiv ist? Die langfristige Nebenwirkung der Nutzung von generativer KI im Sinne einer schleichenden Erosion individueller und organisationaler Lern- und Urteilskompetenz erhält bislang weniger Aufmerksamkeit. Möglicherweise könnte sich der Verlust von Lernfähigkeit - und nicht der Verlust von Arbeitsplätzen - als das größere Risiko der KI-Nutzung erweisen.

Künstliche Intelligenz verändert das Wissensmanagement grundlegend. An die Stelle strukturierter Dokumentenablage treten zunehmend produktive Assistenzsysteme. Nur durch ein solches KI-gestützte Upgrade bleibt das organisationale Wissensmanagement langfristig wettbewerbsfähig. Im Gespräch mit "wissensmanagement - Das Magazin für Digitalisierung, Vernetzung & Collaboration" erklärt Volker Braun, warum KI kein Zusatztool (mehr) ist, sondern einen Paradigmenwechsel im Wissensmanagement einläutet: weg von der Suche nach Informationen, hin zu kontextbezogenen Antworten im Workflow. KI- und Wissensmanagement-Experte Volker Braun spricht über Disruption, Governance, implizites Wissen - und darüber, warum Wissensmanagement ohne KI künftig nicht mehr als ein Archiv ist.

Generative KI verändert, wie Unternehmen arbeiten - und sie schafft eine neue Anforderung: Wissen muss nicht nur für Menschen, sondern auch für KI-Assistenten und KI-Agenten zuverlässig nutzbar sein. Denn Agenten erledigen Aufgaben nicht „im Chat“, sondern greifen auf Informationen zu, folgen Regeln und Prozessen und liefern Ergebnisse - idealerweise mit Quellen und Nachvollziehbarkeit. Der Alltag zeigt jedoch: Wissen ist vorhanden, aber verteilt. Dateien liegen in M365, auf Fileservern, in Confluence, Jira, DMS, CRM-Notizen oder E-Mails. Und obwohl Teams längst digital arbeiten, gehen weiterhin Stunden pro Woche verloren, weil Informationen gesucht oder doppelt erstellt werden. (APQC beziffert diesen Aufwand im Schnitt auf mehrere Stunden pro Woche je Wissensarbeiter.)

Immer mehr KI-Tools unterstützen dabei, Lernangebote zu konzipieren, Inhalte aufzubereiten oder Trainingsmethoden weiterzuentwickeln. Von der Recherche über die Erstellung didaktischer Materialien bis hin zur Visualisierung von Präsentationen eröffnen sich neue Möglichkeiten, Lernprozesse effizienter und zugleich abwechslungsreicher zu gestalten. Doch welche Anwendungen sind im Arbeitsalltag tatsächlich hilfreich? Und wie lassen sich KI-Tools so einsetzen, dass sie die eigene Expertise sinnvoll ergänzen, statt sie zu ersetzen? Learning Professinal Sabine Prohaska stellt ihre persönlichen KI-Favoriten vor.

Aus den Augen, aus dem Sinn - so geht es vermutlich vielen Leuten beim Thema Abfall. Für die Münchner MARTIN GmbH geht der Job dann aber erst los. Seit über 100 Jahren baut das Unternehmen thermische Abfallbehandlungsanlagen zur Energiegewinnung. Und neuerdings auch mit hochmoderner IoT-Datenauswertung. Um etwa den Zustand der Anlagen oder die Ausschüttung von Emissionen zu überprüfen, kommt mittlerwile eine Data Platform zum Einsatz.

Neue Technologien bringen stets zusätzliche Risiken mit sich, die verstärkte Investitionen in die IT-Sicherheit erfordern. Das ist bei KI nicht anders. Allerdings birgt sie gleichzeitig auch enormes Potenzial für neue, ausgefeilte Abwehrmechanismen mit hohem Automatisierungsgrad.

In der heutigen digitalisierten Wirtschaft unterstützt Technologie nicht nur das Geschäft - sie ist das Geschäft. Die Aufgaben des Chief Information Officers (CIO) haben sich daher vom Management von Systemen und Infrastrukturen hin zur Gestaltung von Strategien und zur Förderung der Transformation von Unternehmen entwickelt. Jedes Unternehmen ist heute auf digitale Fähigkeiten angewiesen, um zu arbeiten, innovativ zu sein und zu wachsen. Der CIO ist damit einer der wichtigsten strategischen Führungskräfte in der Geschäftsleitung. Seine Aufgabe besteht nicht mehr nur darin, die Systeme am Laufen zu halten, sondern Technologie als Katalysator für Wachstum, Effizienz und Widerstandsfähigkeit zu nutzen. Dies ist das Zeitalter des strategischen CIO - einer Führungskraft, die Technologie mit Zielen und Geschäftsergebnissen verbindet.

Künstliche Intelligenz verändert Geschäftsmodelle, Prozesse und Wertschöpfungsketten grundlegend. Doch während Algorithmen, Modelle und Use Cases viel Aufmerksamkeit erhalten, bleibt ein zentraler Erfolgsfaktor häufig im Hintergrund: die Daten- und Speicherinfrastruktur. Sie entscheidet darüber, ob KI-Projekte skalierbar, wirtschaftlich und dauerhaft erfolgreich umgesetzt werden können. Darüber hat die Zeitschrift "wissensmanagement" mit Sascha Uhl, Senior Solutions Architect bei Cloudian, gesprochen. Demnach zeigt sich: Erst eine leistungsfähige, flexible und sichere Speicherbasis ermöglicht es Unternehmen, die wachsenden Datenmengen aus KI-Anwendungen effizient zu nutzen, Innovationen zu beschleunigen und zugleich Kosten, Sicherheit und Souveränität im Griff zu behalten.

Auch wenn Künstliche Intelligenz auf jeder Agenda steht, bleiben viele der angestoßenen Initiativen hinter ihren Erwartungen zurück. Der Grund ist selten technischer Natur, die Probleme liegen vielmehr in einem Vorgehen, das KI als isolierte Projekte und Einzelmaßnahmen versteht. Ein vierstufiges Framework zeigt, wie sich mit einem AI-First-Ansatz erste Experimente zu einem tragenden Element der Infrastruktur transformieren lassen

Künstliche Intelligenz findet vor allem in der Cloud statt. Die Sprachmodelle generativer KI werden dort gehostet, der Zugang erfolgt in der Regel über Cloud-Services. Dieses Konzept stößt allerdings da an seine Grenzen, wo strenge Governance- und Compliance-Richtlinien ins Spiel kommen. Die professionelle Nutzung von KI muss daher eingebettet sein in ein Gesamtkonzept, das Sicherheit und Rechtskonformität ebenso sicherstellt wie den Cloud-Betrieb selbst.

Die 6. jährliche Horváth-Studie "CxO Priorities" zeigt, dass die Neuordnung der Weltwirtschaft auch die deutsche Industrie maßgeblich verändert. Sie hat unter anderem gravierende Folgen für die Verteilung von Investitionen, bei denen Unternehmen zunehmend die operative Exzellenz in den Mittelpunkt stellen. Doch wie lässt sich die operative Exzellenz nachhaltig steigern? Die größten Stellhebel liegen in der Prozessanalyse und -optimierung sowie dem gezielten Einsatz von KI.

Wenn erfahrene Teammitglieder das Unternehmen verlassen - altersbedingt oder durch einen Jobwechsel -, droht erfolgsentscheidendes Fachwissen verloren zu gehen. Eine geeignete, KI-basierte Wissensstrategie bietet Organisationen die Chance, Spezialkenntnisse systematisch zu erfassen, kontextbezogen verfügbar zu machen und Mitarbeitenden wertvolle Unterstützung an die Hand zu geben.

Immer mehr Unternehmen setzen künstliche Intelligenz ein. Laut einer Umfrage des Digitalverbandes Bitkom nutzt etwa jedes dritte deutsche Unternehmen (36 Prozent) bereits KI-Anwendungen. Zudem plant oder diskutiert fast jeder zweite Betrieb (47 Prozent) den KI-Einsatz. Doch die Nutzung ist derzeit noch sehr punktuell und fällt vor allem in die Bereiche Kundenkontakt (88 Prozent) sowie Marketing und Kommunikation (75 Prozent). In anderen Geschäftsbereichen kommen intelligente Anwendungen seltener zum Einsatz, beispielsweise im Controlling und Rechnungswesen (17 Prozent), in der Personalabteilung (14 Prozent) oder beim internen Wissensmanagement (11 Prozent). Doch KI kann den Arbeitsalltag in vielerlei Hinsicht noch stärker erleichtern und vor allem Mitarbeiter bei Routineaufgaben in Verwaltungsprozessen entlasten. Damit die Anwendungen jedoch ganzheitlich zur Prozessautomatisierung beitragen, müssen Unternehmen zunächst einmal ihre Digitalisierung vorantreiben, um überhaupt mit dem Einsatz von KI beginnen zu können - etwa im Dokumenten-, E-Mail- oder Wissensmanagement. Hier ist eine schnelle Arbeitsentlastung möglich, und das schafft Vertrauen für zukünftige KI-Lösungen bei Mitarbeitern und im Management.

Generative KI, Agentic AI und Physical AI bringen frischen Wind in die Industrie. Während klassische KI längst für Predictive Maintenance und Qualitätskontrolle eingesetzt wird, eröffnen diese Technologien ganz neue Möglichkeiten entlang des gesamten Fertigungsprozesses - von der Konstruktion über den laufenden Betrieb bis hin zur Mensch-Roboter-Interaktion. Doch welche Einsatzszenarien sind für den Fertigungsprozess am wichtigsten?

Studierende nutzen KI längst. Laut Umfragen greifen über 86 Prozent während ihres Studiums regelmäßig auf KI-Tools zurück. Während viele Hochschulen noch über Verbote oder Detektion diskutieren, zeigt die Realität: KI ist Teil des Studienalltags. Die Frage ist nicht mehr, ob Studierende KI nutzen, sondern wie. Kontrolle führt dabei in eine Sackgasse, der Aufbau von Kompetenzen weist hingegen den Weg nach vorn.

Ob im Feedbackgespräch, beim Konfliktmanagement oder bei schwierigen Zielvereinbarungen: Führungskräfte stehen zunehmend unter Druck, in kritischen Gesprächssituationen souverän zu agieren. Doch wie lassen sich diese Soft Skills effizient und praxisnah schulen, insbesondere in global agierenden Unternehmen? Der Automatisierungsspezialist Festo setzt auf eine KI-gestützte Lösung, die realistische Dialoge simuliert.

KI ist mittlerweile in den meisten Unternehmen angekommen. Doch obwohl sie Tools schnell einführen, bleiben klare Regeln, Sicherheitskonzepte und Verantwortlichkeiten oft auf der Strecke. So kommt es, dass hiesige Organisationen auch 2026 noch weit weg vom Status "AI Ready" sind.

Trendberichte gibt es viele. Doch was nützt ein globaler Hype, wenn er sich nicht auf den eigenen Unternehmensalltag übertragen lässt? In der aktuellen Ausgabe von "wissensmanagement – Das Magazin für Digitalisierung, Vernetzung & Collaboration" stellen wir daher nicht nur die wichtigsten Entwicklungen rund um Digitalisierung, Künstliche Intelligenz & Co. vor – wir zeigen vor allem: Was davon lässt sich konkret umsetzen? Und wie?

Ein neuer Kollege tritt seinen ersten Arbeitstag an. Laptop, Zugänge, erste Aufgaben - alles scheint vorbereitet. Doch als er versucht, sich in die Prozesse einzuarbeiten, beginnt das eigentliche Rätselraten: Wo ist die aktuelle Anleitung? Welche Version gilt? Und woher bekommt er die Hintergrundinformationen, die sein Vorgänger "irgendwo" abgelegt hat? Was folgt, ist ein typisches Ritual in vielen Organisationen: suchen, klicken, filtern, nachfragen. Die vorhandenen Informationen sind da - aber verstreut, redundant oder schwer zugänglich. Wissen existiert, doch es ist unsichtbar. In solchen Momenten zeigt sich: Wissen zu haben genügt nicht - es muss auch verfügbar sein. Nur wenn Informationen gezielt auffindbar und im Arbeitskontext nutzbar sind, entfalten sie ihren Wert.

Digitale Zwillinge gelten inzwischen als eines der zentralen Konzepte der industriellen Digitalisierung und eröffnen vielfältige Anwendungsmöglichkeiten. Diese Möglichkeiten ergeben sich aus der Verbindung physischer und digitaler Komponenten, aus denen der digitale Zwilling entsteht. Zudem können sie Informationen aus unterschiedlichen Quellen zusammenführen. So werden etwa Fehler frühzeitig erkannt und Produkte dank digitaler Repräsentationen präziser entwickelt

Künstliche Intelligenz (KI) ist ein mächtiges Hilfsmittel beim Führen. Doch sie kann menschliche Führung nicht ersetzen - unter anderem, weil sie keine Verantwortung übernehmen kann und über kein Gewissen und Bauchgefühl verfügt.

AI Distillation ist kein neues Thema, aber es gibt aktuelle Trends, die die KI-Landschaft nachhaltig verändern. Dazu zählen die White-Box-Destillation für firmeninterne Entwicklungen, die Gray-Box-Destillation in Open-Source-Ökosystemen und die Black-Box-Destillation zur Kostenreduzierung. Die Techniken werden zur weiteren Demokratisierung von KI beitragen, wobei der Fokus auf spezialisierten, kosteneffizienten Lösungen liegt.

In der industriellen Produktentwicklung entsteht und zirkuliert ein enormes Maß an Wissen - über Materialien, Baugruppen, Berechnungsverfahren und funktionale Abhängigkeiten zwischen Komponenten. Dieses Wissen bildet den eigentlichen Wertschöpfungskern technischer Entwicklung, bleibt jedoch häufig in fragmentierter Form erhalten: In individuellen Erfahrungsbeständen, in Tabellen, in unstrukturierten Dokumenten oder in isolierten Softwaretools. Wer versucht, bestehende Produktvarianten gezielt wiederzuverwenden oder auf neue Anforderungen anzupassen, stößt daher schnell an systemische Grenzen. Relevante Daten sind schwer auffindbar, Zusammenhänge zwischen Konstruktionsmerkmalen bleiben implizit, und der Aufwand, bestehende Lösungen zu identifizieren und zu bewerten, übersteigt oft den Nutzen. In der Praxis führt dies nicht selten dazu, dass Produkte trotz vorhandener Ähnlichkeiten vollständig neu konstruiert werden. Ein Vorgehen, das zeitaufwendig, kostenintensiv und im Kontext der Digitalisierung ineffizient ist. Das am Fraunhofer IPK entwickelte methodische Vorgehen adressiert genau diese Herausforderung. Es zielt darauf ab, Entwicklungswissen so zu formalisieren, dass es sowohl für Maschinen als auch für Fachkräfte in Konstruktion, Simulation oder Angebotserstellung verständlich und wiederverwendbar ist. Die zentrale Grundlage bildet dabei eine Ontologie: ein semantisches Informationsmodell, das die Begriffe, Beziehungen und Regeln eines technischen Domänenwissens strukturiert beschreibt und damit eine gemeinsame Sprache zwischen Menschen und Maschinen schafft.

Künstliche Intelligenz hat der Prozessautomatisierung in den Unternehmen einen enormen Schub verliehen. Indem sie agentenbasierte Planung und Selbstoptimierung von Abläufen ermöglicht, kommen wir dem Ideal des Autonomous Enterprise einen Riesenschritt näher.

Künstliche Intelligenz verändert den Umgang mit Wissen radikaler als jede Technologie zuvor. Nicht, weil sie nur schneller sucht, sondern weil sie Wissen dialogfähig macht: Wir "befragen" unser kollektives Gedächtnis, und anstatt bloße Treffer zu erhalten, bekommen wir Kontexte. Aus Archiv wird Gespräch, aus Ablage wird Aktivierung. Das ist die technische Revolution, die die aktuelle KI-Welle verspricht. Die stille, weitaus schwierigere Revolution findet jedoch in unseren Köpfen statt: Wissenskultur muss sich neu sortieren, weg vom Besitz hin zur individeuellen Beziehung mit Wissen.

Wofür lässt sich die Künstliche Intelligenz nutzen? Inwieweit wird sie unser Leben und die Arbeitswelt verändern? Das ist zurzeit noch weitgehend unklar! Entsprechend viele Projekte finden aktuell in den Unternehmen statt, um dies auszuloten.

Stellen Sie sich vor, Ihr Unternehmen arbeitet wie ein Sternekoch - aber der "Kühlschrank" ist vollgestopft, unübersichtlich und niemand weiß genau, was wirklich drin ist. Genau so geht es vielen Organisationen: Daten sind im Überfluss vorhanden, doch der effiziente Zugriff auf die richtigen Informationen bleibt die größte Hürde. Die Folge: stockende Entscheidungen, langsame Prozesse, steigende Kosten.

Während Unternehmen quer über den Globus Milliarden in KI investieren und für die Zukunft technologisch aufrüsten, übersehen sie schnell einen nach wie vor entscheidenden Faktor für den wirklich lohnenden Einsatz: den Menschen. Dabei ist es gerade dessen KI-Kompetenz, die darüber entscheidet, ob Technologie Wert schafft oder Investitionen einfach verpuffen.

Die disruptive Einführung generativer Künstlicher Intelligenz - allen voran durch Dienste wie ChatGPT - hat die IT- und Cybersicherheitslandschaft in den vergangenen zwei Jahren grundlegend verändert. Was zunächst als experimentelles Tool begann, ist heute ein strategischer Bestandteil moderner Sicherheitsarchitekturen. Gleichzeitig hat die stetig wachsende digitale Komplexität in Unternehmen einen kritischen Punkt erreicht: Die Vielzahl unterschiedlicher Security-Tools führt zu Intransparenz, Mehraufwand und erheblichen Risiken. 2026 markiert einen Wendepunkt. Die IT-Branche bewegt sich auf einen fundamentalen Paradigmenwechsel zu. Automatisierung wird vom Nice-to-have zum entscheidenden Wettbewerbsfaktor, und der klassische Perimeter tritt endgültig in den Hintergrund. Stattdessen gewinnt ein identitäts- und workloadbasierter Zero-Trust-Ansatz an zentraler Bedeutung. Insgessamt fünf Trends werden das Jahr 2026 prägen.

Sprach-zu-Text-Systeme halten Einzug in den Kundenservice, doch ihr Einsatz ist rechtlich alles andere als trivial. Unternehmen, die Gespräche aufzeichnen und automatisiert transkribieren lassen, bewegen sich im Spannungsfeld zwischen Digitalisierung und Datenschutz. Dabei sind die Regeln der Datenschutz-Grundverordnung (DSGVO), des Telekommunikations-Digitaldienstegesetzes (TDDDG) sowie die Persönlichkeitsrechte der Mitarbeitenden zu berücksichtigen.

Die Arbeitswelt verändert sich - sowohl für Personalmanager als auch für die Belegschaft. Während sich vor wenigen Jahren die Arbeitnehmer in einer starken Verhandlungsposition befanden, schlägt das Pendel jetzt immer stärker zugunsten der Unternehmen aus. Das eröffnet ihnen die Chance, die Arbeitswelt mehr nach ihren Vorstellungen zu gestalten, um ihren Unternehmenserfolg zu sichern. Gleichzeitig tragen sie auch die große Verantwortung, das Arbeitsumfeld ihrer Mitarbeitenden kontinuierlich zu verbessern, das Engagement zu fördern und die Rolle der KI für die kommenden Jahre mit Weitblick und Sorgfalt auszubalancieren. Welche Auswirkungen hat das für die Arbeitswelt im nächsten Jahr?

Der neue Report "State of Intelligent Automation: "GenAI Disillusionment" beleuchtet die Herausforderungen, mit denen Unternehmen bei der Einführung generativer KI konfrontiert sind. Dazu zählen insbesondere das Traning von KI-Modellen, die Integration in bestehende Geschäftsprozesse und fehlende Governance-Strukturen. Grundlage ist eine internationale Umfrage, die von Opinium Research im Auftrag von ABBYY durchgeführt wurde. Die Ergebnisse zeigen, dass viele Unternehmen zusätzliche KI-Tools einsetzen müssen, um bessere Resultate zu erzielen.

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

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

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

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

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

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

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

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

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