Künstliche Intelligenz / Robotic

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.

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

In vielen Unternehmen sind Informationen verstreut: Projekte laufen in Jira, Dokumentation liegt in Confluence, Support-Tickets leben in JSM, während Dateien und Diskussionen irgendwo in SharePoint oder Microsoft Teams verschwinden. Das Ergebnis: eine fragmentierte Informationslandschaft, in der Wissen schwer auffindbar ist. Moderne Wissensarbeit braucht jedoch etwas anderes: eine strukturierte, durchsuchbare und kontextreiche Grundlage für alle Arbeitsinhalte. Atlassian schafft mit dem Teamwork Graph genau das: eine vernetzte Datenbasis für Menschen, Prozesse und KI.

Mit AI Distillation ist die IT-Welt um ein Buzzword reicher. Kein Wunder, denn diese Technik im Bereich der KI-Modelle hat sich zu einer echten Erfolgsformel entwickelt. Aber was steckt eigentlich dahinter, wo liegen die Vorteile - und wo die Nachteile? 

Ohne echte Qualitätssicherung für die Nutzung generativer KI steht der Menschheit eine Dystopie ins Haus. Solange sie nicht existiert, sind die Nutzer in der Pflicht, die Gefahren von GenAI zu kennen und die Technologie verantwortungsvoll einzusetzen. Die Münchner Kommunikationsagentur PR-COM, die auf High-tech-Themen spezialisiert ist, sorgt für Aufklärung und nennt die vier gefährlichsten Qualitätskiller im beginnenden KI-Zeitalter.

Viele Branchen haben das Potenzial von KI erkannt, sei es beim Schreiben von Code oder im Bereich humanoider Roboter. Es gibt bereits KI-generierte Bilder, Videos und Musik. Mathematische Tools erweisen sich als vielversprechend, um Lösungen für Probleme zu finden, die selbst die fähigsten Köpfe seit langem beschäftigen. Sprachmodelle könnten in der Lage sein, die komplexen Strukturen der Biologie zu entschlüsseln.

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

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

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

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

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

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

Die Anwendung von künstlicher Intelligenz (KI) in der Finanzbranche hat eine lange Historie - vom algorithmischen Handel in den 1980er Jahren bis zu heutigen Anwendungen in der Betrugserkennung oder Kundensegmentierung. Mit generativer KI beginnt nun eine neue Phase. Für viele Banken stellt sich dabei nicht mehr die Frage, ob KI genutzt werden sollte, sondern wie sie sicher und wirksam integriert werden kann. In Zeiten des Wettbewerbs um Talente, steigender Kundenerwartungen und des Drucks auf der Regulatorik- und Kostenseite, kann generative KI zu einer zentralen strategischen Säule in der digitalen Transformation für Banken werden. Kurzfristig als Co-Pilot für mehr Automatisierung, Prozessoptimierung und Personalisierung, langfristig als Motor für adaptive Betriebsmodelle hin zu mehr organisatorischer Resilienz, schnellerer Entscheidungsfähigkeit und konsequenter Datenorientierung. Doch wie strategisch muss die Integration von generativer KI geplant werden? Und was bedeutet das konkret für Banken? Zumal sich die Implementierung von KI für Banken in einem stark regulierten Umfeld deutlich herausfordernder gestaltet als in vielen anderen Branchen.

Die digitale Transformation verändert nicht nur Technologien, sondern auch das Selbstverständnis von Führung. Klassische Modelle stoßen an ihre Grenzen - nicht zuletzt, weil digitale Tools und insbesondere KI den Führungsalltag zunehmend verändern. Führungskräfte stehen heute vor der Aufgabe, technologische Möglichkeiten mit menschlichem Potenzial zu verbinden und damit die Grundlagen moderner Führung neu zu definieren.

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

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

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

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

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

Künstliche Intelligenz (KI) hat das Potenzial, die Medizin grundlegend zu transformieren. Von der Präzisionsdiagnostik über personalisierte Therapieansätze bis hin zur Optimierung administrativer Prozesse - KI verspricht eine effizientere und patientenzentriertere Gesundheitsversorgung. Doch neben diesen Möglichkeiten gibt es auch klare Grenzen: Regulatorische Hürden, ethische Fragestellungen und technische Herausforderungen müssen bewältigt werden, um KI erfolgreich und nachhaltig in das Gesundheitssystem zu integrieren.

Seit August 2024 ist der EU AI Act teilweise in Kraft. Die neue Verordnung bringt weitreichende Anforderungen mit sich - angefangen bei der Risikoklassifizierung bis hin zur Pflicht zur Mitarbeiterschulung. Für Unternehmen ergibt sich daraus eine doppelte Aufgabe: Sie müssen regulatorischen Vorgaben gerecht werden und gleichzeitig den Mehrwert von Künstlicher Intelligenz (KI) effizient erschließen. KI gilt branchenübergreifend als Hebel für Effizienz, Innovation und Wettbewerbsfähigkeit....

Es gibt endlich eine Lösung für den Fachkräftemangel -und sie heißt KI. Dabei geht es nicht darum, neue KI Modelle zu entwickeln, sondern diese passgenau einzusetzen. Moderne GenAI-Modelle erlauben es, wertvolles Mitarbeiter-Wissen auf einfache Art zu konservieren, und das ohne wirklichen Mehraufwand für die Mitarbeitenden. Allerdings hindern Missverständnisse über die Möglichkeiten und die Integration von KI viele Unternehmen daran, bereits bestehende technische Lösungen für ihre Herausforderungen zu erkennen. In Deutschland wird der Einsatz von KI im Produktionsumfeld häufig als teuer, komplex und nur für Experten umsetzbar betrachtet - ein Vorurteil, das den Blick auf ihre Potenziale verengt und Unternehmen daran hindert, wettbewerbsfähig zu bleiben. Connected-Worker-Plattformen bieten eine praktikable Alternative! Unternehmen wie Porsche, Siemens, ThyssenKrupp und der niederländische Fahrradhersteller Gazelle machen nutzen sie bereits - und profitieren auf mehreren Ebenen gleichzeitig.

Wissen ist Macht. Die wenigsten Unternehmen setzen diese Macht allerdings gezielt ein. Im Gegenteil: Nützliche Information schlummern in irgendwelchen Silo-Lösungen und sind für die breite Mehrheit der Mitarbeiter nicht zugänglich. In der heutigen Zeit ist das fatal oder anders formuliert: geschäftsschädigend. KI-Agenten versprechen Abhilfe.

Online-Self-Services haben unser Leben erobert: Chatbots, automatisierte Terminbuchungen und smarte Produktempfehlungen erleichtern unseren Alltag. Doch während KI vieles schneller und effizienter macht, bleibt eines oft auf der Strecke - der menschliche Kontakt. Und genau der wird zunehmend zum Luxusgut.

KI-Technologien schaffen langfristige Kundenbeziehungen durch personalisierte Erfahrungen bei jeder Interaktion. Hier lesen Sie vier konkrete Ansätze für Ambient Intelligent Experiences, die Kundenbedürfnisse mit KI-Unterstützung vorausschauend erkennen und kontextsensitiv bedienen.

Von der Produktentwicklung bis zum Customer Service: Künstliche Intelligenz (KI) transformiert zunehmend Unternehmensprozesse und eröffnet neue Möglichkeiten der Wertschöpfung. Dabei ist es entscheidend, KI-Technologien gezielt und praxisorientiert einzusetzen. Verschiedene KI-Ansätze - von analytischen und prädiktiven Methoden bis hin zu den neuen generativen KI-Modellen (GenAI) - bieten unterschiedliche Vorteile für spezifische Anwendungsfälle.

Neben den vielen Anwendungsbereichen von GenAI untersuchte die Studie "Von der Fertigungshalle ins KI-Zeitalter: Haben Sie einen Masterplan oder Nachholbedarf?" auch die Herausforderungen, denen sich das produzierende Gewerbe gegenübersieht. Im Fokus standen in erster Linie Hürden im Bereich Personal, Infrastruktur und ethischer Rahmenbedingungen.

Der Hype rund um Agentic AI ist riesig – und berechtigt. Denn wir haben es mit nicht weniger als einer neuen Qualität Künstlicher Intelligenz zu tun. Mit Agentic AI verliert KI zunehmend ihren Werkzeugcharakter und entwickelt sich vielmehr zu einem eigenständig agierenden System. Wie weit Agentic AI bereits praktisch gediehen ist, zeigen ihre verschiedenen Ausprägungen und Varianten. Eines der wichtigsten Unterscheidungsmerkmale ist dabei der Grad der Autonomie.

Weltweit sehen sich Unternehmen mit einer Zunahme von Betrugsfällen konfrontiert, auch weil gewiefte Kriminelle zunehmend KI einsetzen. Deren Funktionalitäten nutzen etwa Deepfake-Software, automatisierte Phishing-Systeme, Chatbots und fortschrittliche Datenanalysen, die Betrugsversuche vereinfachen.

Zu den Kernthemen fast aller Unternehmen gehört derzeit die Nachhaltigkeit - gerade im Hinblick auf die erforderliche Umsetzung von ESG-Programmen. Ein effizientes Hilfsmittel sind dabei Digitale Zwillinge. Sie können die Etablierung nachhaltiger Prozesse unterstützen und damit den ökologischen Fußabdruck eines Unternehmens entscheidend verringern.

Ob Künstliche Intelligenz, hybride Cloud-Lösungen oder nachhaltige IT: In den nächsten Monaten dürften einige Trends, die sich bereits länger am Horizont abzeichnen, an Fahrt aufnehmen. Unternehmen müssen sich damit beschäftigen, wollen sie nicht vom Wettbewerb abgehängt werden. Doch welche Entwicklungen sind zu erwarten? Und welche Maßnahmen sollten Unternehmen in Sachen Digitalisierung im Auge behalten und ggf. auch umsetzen?

Neue Technologien, allen voran die vielbesagte - zugleich beschworene und gefürchtete - KI scheinen dem Menschen in vielen Bereichen den Platz streitig zu machen. Doch etwas darf dabei nicht übersehen werden: Soft Skills bleiben fest in unserer Hand! Immer noch entscheiden zwischenmenschliche Fähigkeiten über Nichterfolg oder Erfolg. Denn: Unternehmen und Projekte bestehen nicht nur aus Zahlen, Terminen und Budgets, sondern auch aus Emotionen, Empathie und Vertrauen. In Technik und entsprechende Trainings zu investieren, damit Mitarbeitende moderne KI-Anwendungen beherrschen, ist absolut notwendig. Ebenso sinnvoll ist es allerdings, Soft Skills, wie wertschätzende Kommunikation, menschenzentrierte Führung oder effektive Konfliktlösung zu schulen.

In der Diskussion um die Nutzung von generativer KI wird immer wieder ein Zielkonflikt zwischen Innovation und Regulierung thematisiert, die sich angeblich gegenseitig behindern. Aber ist das tatsächlich so? Auf den ersten Blick mag das stimmen, aber letztlich ist die rechtskonforme Entwicklung von KI vor allem eine Frage des richtigen Managements. Compliance-Bedenken dürfen daher keine Ausrede dafür sein, KI nur auf Sparflamme zu nutzen und damit auf Wettbewerbsvorteile zu verzichten.

KI als neues Element in der Arbeitswelt tangiert als lernendes System bestehende Prozesse und Aufgaben. Im Unterschied zu klassischen analogen und digitalen Werkzeugen kann KI kognitive, repetitive Aufgaben übernehmen, in einem gewissen Rahmen datenbasiert Entscheidungen treffen und kommunizieren. In Folge lassen sich immer mehr KI-Anwendungen als Assistenz- und Kommunikationstool in vielen Einsatzbereichen nutzen. Die Grenzen zwischen reiner Nutzung, wie wir es auch von klassischen Werkzeugen wie z.B. einem Hammer oder einem PC kennen, und Interaktion sind dabei fließend. So ist KI beispielsweise in der Lage, große Datenmengen zu analysieren, Muster und Trends zu erkunden, zu recherchieren oder Zusammenfassungen zu erstellen. Viele kognitive Aufgaben lassen sich dadurch substituieren oder mit Unterstützung der KI anders durchführen. Gleichzeitig lässt sich KI als eine Art Dialogpartner einsetzen, um sich beispielsweise für Gespräche mit Kunden oder Mitarbeitenden vorzubereiten, über bestimmte Sachverhalte im Dialog zu informieren oder zu lernen.

Enterprise Search ist ihrem ursprünglichen Einsatzzweck längst entwachsen. Mit modernster Technologie inklusive generativer KI ermöglicht sie zahlreiche Anwendungen jenseits der klassischen Suche: von Data Discovery über Vollständigkeitsprüfungen bis hin zu Chatbots.

Ein digitaler Klon ist ein neuer, innovativer Kommunikationskanal. Er eröffnet heute schon die Möglichkeit einer zusätzlichen virtuellen Interaktion mit (potenziellen) Kunden, Partnern und Mitarbeitenden. Für Fach- und Führungskräfte aus den Bereichen Wissensmanagement, Personalentwicklung, Organisation, Informationstechnologie, Support, Qualitätsmanagement, Dokumentation und Kommunikation ergeben sich damit ganz neue Chancen. Der Einsatz von digitalen Klonen hat auf längere Sicht sogar das Potenzial, die Nutzung von anderen Kommunikationskanälen stark zu verändern. Denn anders als bei einem simplen Chatbot sind die Antworten beim digitalen Klon nicht vorprogrammiert - er antwortet den Menschen ad hoc.

Montagmorgen, kurz vor dem Jour fixe. Die KI-Anwendung soll heute zum ersten Mal im Fachbereich getestet werden - theo­retisch ist alles vorbereitet: Infrastruktur, Datenzugang, Trainings­material. Und doch: Im Projektteam herrscht Verunsicherung. Wer übernimmt die Verantwortung für Ergebnisse? Sind alle ausreichend qualifiziert? Was passiert mit sensiblen Daten? Und vor allem: Wird die neue Lösung wirklich genutzt - oder verläuft auch dieses Vorhaben im Sand?

Künstliche Intelligenz hat das Potenzial, Projektmanagement, wie wir es heute kennen und täglich anwenden, zu revolutionieren. Unternehmen, die KI als Chance zur Automatisierung und Verbesserung sowie wertvolle Ergänzung erkennen, können von vielfältigen Anwendungen profitieren. Voraussetzung ist eine intensive und gezielte Vorbereitung. Führungskräfte und Mitarbeitende müssen zunächst das Wissen haben, um baldmöglichst eigene Erfahrungen zu sammeln. Indem sie ihre Teams entsprechend schulen und eine Kultur der Innovation fördern, können Unternehmen die Vorteile von KI voll ausschöpfen und eine erfolgreiche Zukunft gestalten. KI ist keine Bedrohung, sondern eine Möglichkeit, die es zu nutzen gilt, um die globale Wettbewerbsfähigkeit zu stärken und die Herausforderungen der modernen Geschäftswelt zu meistern.

Die Bedeutung von Wissensmanagement in der Industrie hat in den letzten Jahren enorm zugenommen. Insbesondere im Maschinenbau, der stark auf Präzision und Effizienz angewiesen ist, spielen optimierte Datenströme und Prozessautomatisierung eine zentrale Rolle. Dabei kann der Maschinenbau von der Telekommunikationsbranche lernen, wie eine durchdachte Struktur für den Umgang mit Daten aussehen sollte. Denn was bereits in vielen Telekommunikationsunternehmen eine feste Institution ist, lässt sich auch auf Fertigungsbetriebe übertragen - die Schaffung einer durchgängigen und flexiblen Infrastruktur. Allein dadurch ist ein Effizienzgewinn erreichbar, der selbst angeschlagene Unternehmen wieder zukunftsfähig machen kann.

Komplexe Innovationsvorhaben, wie die digitale Transformation oder die Implementierung Künstlicher Intelligenz (KI), stellen viele Unternehmen, insbesondere kleine und mittlere, vor Herausforderungen, die sie nicht alleine bewältigen können. Die Komplexität der Aufgabe erfordert neben der technischen Expertise ein vorausschauendes Antizipieren von künftigen Aufgaben und Kompetenzen von Beschäftigten, ein Denken in Szenarien und eine vernetzte, interdisziplinäre Vorgehensweise. Um beispielsweise effektive, praxistaugliche KI-Anwendungen zu implementieren, die neben der Technik auch organisatorische Veränderungen und die Weiterbildung von Mitarbeitenden berücksichtigen, sollten relevante interne (Führungskräfte, Mitarbeitende, Betriebsrat etc.) und externe (Hochschulen, Forschungsinstitute, Verbände etc.) Akteure an der Gestaltung beteiligt werden. Man braucht dafür offene, dynamische Lernökosysteme, die interdisziplinäre Problemlösungen fördern und ein gemeinsames, arbeitsintegriertes Lernen ermöglichen.

Die KI bietet Personen, die im Weiterbildungsbereich tätig sind, schon heute viele Möglichkeiten, ihre Arbeit effektiver, zeitgemäßer und adressatengerechter zu gestalten. Wie und mit welchen Tools ihnen dies gelingt, erläutert die Lernkultur-Beraterin und Trainerausbilderin Sabine Prohaska, Wien, im Fachgespräch mit Christoph Wirl. Er ist Chefredakteur des in Österreich erscheinenden Magazins TRAiNiNG.