KI am Arbeitsplatz: Was die Daten wirklich zeigen – und was deutsche Unternehmen jetzt tun müssen

Der Beitrag KI am Arbeitsplatz: Anekdote oder Betriebsmodell? erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

KI-Einführung 2026: Was die Zahlen wirklich sagen

Die KI-Diskussion ist im Jahr 2026 endgültig aus der „Trend-Ecke“ herausgewachsen. Aktuelle Erhebungen zeigen eine deutlich steigende Nutzung – gleichzeitig aber auch eine spürbare Kluft zwischen großen Unternehmen und dem Mittelstand. Während KI in vielen Großunternehmen bereits produktiv eingesetzt wird, bleibt sie im Mittelstand häufig auf einzelne Use Cases begrenzt.

Für Berater und Unternehmer ist genau dieser Unterschied entscheidend: Nicht die Frage „Nutzen wir KI?“ trennt Gewinner von Nachzüglern – sondern die Fähigkeit, gezielt zu entscheiden,

• wo KI den höchsten Nutzen stiftet,
• welche Hemmnisse real sind (und welche vorgeschoben),
• und wie man vom Piloten zur skalierbaren, organisatorisch tragfähigen Einführung kommt.

Die 10 häufigsten KI-Use Cases: Was Unternehmen in Deutschland tatsächlich einsetzen

Unsere Studie verdichtet mehrere Perspektiven (amtliche Technologie-Erhebung, Mittelstands-Anwendungsfelder, Zielperspektive, Produktivitätsperspektive) zu einer belastbaren Top-10-Liste.

Top-10-Use-Cases (kompakt)

Diese Liste ist für Entscheider hilfreich, weil sie zwei Dinge trennt:
(1) „Weit verbreitet“ (z. B. Textanalyse, Spracherkennung, Textgenerierung) und (2) „hoher Werthebel“ (z. B. Produktion/Qualität, Predictive Maintenance) – die oft mehr Integration und bessere Datenbasis erfordern.

Warum viele Mittelständler noch nicht starten – oder nicht skalieren

Die Studie zeigt: Die Hemmnisse sind kein „Ein-Grund-Problem“, sondern ein Bündel, das sich gegenseitig verstärkt. Besonders relevant ist das für die Beratungspraxis: Viele KI-Initiativen scheitern nicht am Modell, sondern an Wissen, Governance, Datenfähigkeit und Akzeptanz.

Die 10 größten Hemmnisse (verdichtet aus den zitierten Erhebungen)

Entscheidend: Die Hemmnisse sind steuerbar, wenn man sie systematisch angeht – nicht mit isolierten Tool-Einführungen, sondern als strukturierter Veränderungsprozess.

Wo KI im Mittelstand am lohnenswertesten ist

Die Studie zeigt besonders klare Erfolgsfelder dort, wo Unternehmen messbare Produktivitäts- oder Qualitätsgewinne realisieren können – typischerweise in Bereichen mit hohem Volumen, klaren KPIs und wiederholbaren Prozessen.

Erfolgsfelder (für Entscheidungen und Priorisierung)

Das zentrale Muster:

• Schneller Einstieg gelingt meist in Wissens- und Prozessarbeit (Dokumente, Service, Marketing, Admin).
• Größere strategische Werthebel entstehen in Produktion/Service-Innovation – benötigen aber Datenbasis, Schnittstellen und Governance.

Was Berater und Unternehmer daraus ableiten können

1) Entscheidungen werden besser, wenn „Use Case“ und „Organisationsfähigkeit“ getrennt bewertet werden

Viele Unternehmen bewerten nur den Use Case („klingt gut“), aber nicht die Umsetzungsfähigkeit (Daten, Rollen, Compliance, Change). Genau diese Lücke verursacht Pilotitis.

2) Erfolgreiche KI-Einführung ist ein Portfolio-Thema

Die Studie zeigt deutlich: Punktuelle Insellösungen reichen nicht. Wer KI als Werkzeugkasten ohne Roadmap nutzt, unterschätzt Aufwand, Risiken und Potenziale.

3) Governance ist kein Bremsklotz, sondern Beschleuniger

Rechtliche Unsicherheit ist eines der größten Hemmnisse. Wer früh Klarheit schafft (Rollen, Risikoklassen, Datenschutz-Leitplanken, Dokumentation), skaliert schneller und sicherer.

Wie die KI-Toolsuite dabei konkret hilft

Die KI-Toolsuite ist dafür gebaut, genau diese Entscheidungen zu strukturieren:

• Readiness-Assessment: Standortbestimmung entlang der entscheidenden Dimensionen (Strategie, Daten, Organisation, Technologie, Umsetzung, Compliance).
• Use-Case-Bewertung: Priorisierung nach Business Impact, Umsetzungsaufwand, Datenreife, Risiken und Skalierbarkeit.
• Umsetzungs-Dashboard: Von Erkenntnis zu Maßnahmenplan – mit klaren Arbeitspaketen und Fortschrittslogik.

Kurz: Die Toolsuite reduziert Komplexität, macht Entscheidungen nachvollziehbar und hilft, den Schritt vom „KI-Pilot“ zur steuerbaren Transformation zu gehen. Kommen Sie zu einer Live-Produktpräsentation.

Kostenloser Download der Studie (ohne Formular)

Sie möchten die Zahlen, Tabellen und Quellen im Original nutzen – z. B. für Management-Briefings, Strategie-Workshops oder die Priorisierung Ihrer Roadmap?

Studie: „KI in Deutschland – Status quo, Hemmnisse und Erfolgsfaktoren im Mittelstand (Stand: Februar 2026)“

Download: Studie kostenlos herunterladen (PDF)

Hinweis: Der Download ist bewusst ohne E-Mail-Gate, damit Sie die Inhalte unmittelbar weiterverwenden können.

Der Beitrag KI im deutschen Mittelstand 2026: Status quo, Hemmnisse, Erfolgsfelder erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Als Ende 2022 ChatGPT öffentlich zugänglich wurde, geschah etwas Seltenes: Eine Technologie verließ den Expertenkreis und trat unmittelbar in den Alltag von Millionen Menschen ein. Innerhalb weniger Wochen wurde aus einer Forschungsdisziplin ein globales Gesprächsthema. Menschen unterhielten sich mit Maschinen, Maschinen antworteten in natürlicher Sprache – flüssig, höflich, scheinbar kompetent. Was zuvor als „künstliche Intelligenz“ eher abstrakt blieb, bekam plötzlich eine Stimme.

Medien, Technologieunternehmen und Investoren reagierten euphorisch. Kaum ein Vorstand, der sich dem Eindruck entziehen konnte, hier entstehe gerade etwas grundsätzlich Neues – möglicherweise sogar eine Technologie, die menschliche Wissensarbeit in weiten Teilen ersetzen würde. In diesem Klima entstand ein Narrativ, das den Diskurs über Jahre prägen sollte: KI als universelles Werkzeug, als Produktivitätsmaschine, als Abkürzung zu Wachstum, Effizienz und Erkenntnis.

Der Artikel „The great AI hype correction of 2025“ aus der MIT Technology Review beschreibt nun den Moment, in dem diese Erzählung an ihre Grenzen stößt. Nicht, weil KI gescheitert wäre – sondern weil die Erwartungen an sie die Realität überholt haben.

Vom Fortschrittsrausch zur Ernüchterung

Die Dynamik der Jahre 2023 und 2024 war geprägt von Überbietungswettbewerben. Jedes neue Modell versprach mehr: bessere Sprache, Bilder, Video, „Reasoning“, Autonomie. CEOs erklärten öffentlich, dass ganze Berufsgruppen verschwinden würden. Forschungsergebnisse wurden in Produktversprechen übersetzt, lange bevor klar war, ob sie sich stabil in reale Arbeitskontexte übertragen lassen.

Besonders sichtbar wurde dieser Mechanismus beim Launch von GPT-5. Sam Altman hatte das Modell im Vorfeld als „PhD-level expert in anything“ angekündigt – eine Formulierung, die weniger technisch als symbolisch wirkte. Sie suggerierte einen qualitativen Sprung, eine neue Stufe maschineller Intelligenz.

Als GPT-5 dann veröffentlicht wurde, war die Reaktion auffällig verhalten. Das Modell war besser – aber nicht fundamental anders. Die erhoffte Zeitenwende blieb aus. Für viele Beobachter war das kein technisches Problem, sondern ein psychologisches: Zum ersten Mal seit Jahren wich der Eindruck, dass „alles exponentiell besser wird“, einer nüchternen Frage: War das schon alles?

An dieser Stelle vollzog sich der Stimmungsumschwung, den der Artikel als „Hype Correction“ beschreibt. Vergleichbar mit der Smartphone-Industrie, in der neue Geräte zwar leistungsfähiger, aber kaum noch revolutionär wirken, schien auch generative KI in eine Phase inkrementeller Verbesserungen einzutreten.

Warum LLMs nicht „die KI“ sind

Ein zentraler Punkt der Analyse ist die begriffliche Verengung, die der Hype mit sich brachte. In der öffentlichen Wahrnehmung wurde KI nahezu vollständig mit Large Language Models gleichgesetzt. Dabei handelt es sich um eine sehr spezielle Klasse von Systemen, die statistische Muster in Sprache extrem gut reproduzieren können – aber nicht notwendigerweise verstehen, was sie tun.

Selbst führende Forscher wie Ilya Sutskever, Mitbegründer von OpenAI, betonen inzwischen offen die Grenzen dieser Modelle. LLMs können tausende konkrete Aufgaben lösen, aber sie lernen nicht die dahinterliegenden Prinzipien. Sie generalisieren schlechter als Menschen, insbesondere außerhalb der Trainingsverteilung.

Das Problem liegt weniger in der Technik als in unserer Wahrnehmung. Sprache ist für uns ein starkes Signal von Intelligenz. Wenn ein System überzeugend formuliert, erklären wir es intuitiv für kompetent – auch dort, wo es lediglich wahrscheinlich klingende Antworten erzeugt. Marketing und mediale Überhöhung haben diesen Effekt verstärkt.

Die Hype-Korrektur ist daher auch eine begriffliche Korrektur: LLMs sind leistungsfähige Werkzeuge, aber kein Synonym für allgemeine Intelligenz.

FOMO: Wenn Angst Strategie ersetzt

In diesem Umfeld reagierten viele Unternehmen nicht strategisch, sondern reflexhaft. Der Artikel beschreibt ein Phänomen, das aus der Konsumpsychologie stammt, aber im Managementkontext besonders folgenreich ist: FOMO – Fear of Missing Out, die Angst, eine entscheidende Entwicklung zu verpassen.

FOMO bedeutete in der Praxis:
Vorstände hatten das Gefühl, handeln zu müssen – sofort und sichtbar. Nicht, weil klar war, welches Problem gelöst werden sollte, sondern weil Wettbewerber KI-Initiativen ankündigten, Investoren danach fragten oder Medien Druck erzeugten. Bestehende Digitalisierungsprogramme wurden gestoppt oder überlagert, Budgets umgeschichtet, Innovationslabore gegründet, Pilotprojekte gestartet.

Viele dieser Initiativen hatten einen symbolischen Charakter. Ein Chatbot hier, ein „AI Taskforce“-Label dort. Die Hoffnung war, dass sich der Nutzen schon einstellen würde. Studien aus dem Jahr 2025 zeigen jedoch ein anderes Bild: Die Mehrheit dieser Projekte blieb im Pilotstatus stecken, ohne messbaren Beitrag zur Wertschöpfung.

Interessant ist dabei ein Detail, das oft übersehen wird: Während offizielle KI-Programme scheiterten, nutzten Mitarbeitende KI längst informell. Eine Art Schattenökonomie entstand – unkoordiniert, aber oft produktiver als die formalen Projekte. Der Unterschied lag nicht in der Technologie, sondern im Kontext: Menschen setzten KI dort ein, wo sie ihre eigene Arbeit tatsächlich unterstützte.

Warum KI (noch) keine Jobs ersetzt

Ein weiterer Kernpunkt des Artikels ist die Diskrepanz zwischen Ankündigung und Wirkung. Die vielfach beschworene Ablösung von Wissensarbeit blieb aus. Studien zeigten, dass autonome KI-Agenten selbst einfache Aufgaben nur unzuverlässig erledigten – zumindest ohne menschliche Begleitung.

Das bedeutet nicht, dass KI wirkungslos ist. Vielmehr zeigt sich ein Muster: KI hebt das Leistungsniveau von Nicht-Experten, erreicht aber selten die Qualität erfahrener Fachkräfte. Für Konsumenten ist das enorm wertvoll – für Organisationen mit spezialisierten Rollen jedoch weniger disruptiv als erwartet.

Produktivität entsteht dort, wo KI in bestehende Arbeitsabläufe eingebettet wird, nicht dort, wo man versucht, Menschen vollständig zu ersetzen. Dieser Unterschied ist strategisch entscheidend – und wurde im Hype häufig ignoriert.

Blase oder Infrastrukturaufbau?

Bleibt die Frage: Handelt es sich um eine gefährliche Blase? Der Artikel vermeidet einfache Antworten. Einerseits sind die Investitionen enorm, Geschäftsmodelle teilweise unklar, Energie- und Ressourcenverbrauch real. Andererseits entsteht gerade eine Infrastruktur, die unabhängig vom kurzfristigen Erfolg einzelner Anbieter Bestand haben wird – vergleichbar mit der Dot-Com-Zeit.

Einige Anwendungen, die zunächst wie Randphänomene wirkten, entwickeln sich plötzlich zu tragfähigen Märkten. Das zeigt: Wert entsteht oft nicht dort, wo man ihn erwartet, sondern dort, wo reale Bedürfnisse adressiert werden.

Schatten und Licht

Etwas vereinfacht kann man zusammenfassen: Die Enttäuschungen entstanden dort, wo KI als Ersatz, Abkürzung oder Heilsversprechen verstanden wurde. Die positiven Überraschungen entstanden dort, wo KI als Werkzeug zur Verstärkung menschlicher Fähigkeiten eingesetzt wurde.

1. Konkrete Enttäuschungen der KI-Welle 2023–2025

1. Autonome KI-Agenten im Unternehmensalltag
   Die Erwartung, dass KI-Agenten eigenständig Aufgabenketten übernehmen (Recherche → Entscheidung → Umsetzung), hat sich nicht erfüllt. In realen Arbeitsumgebungen scheitern sie häufig an Kontextwechseln, unklaren Zieldefinitionen und implizitem Fachwissen.
2. „Plug-and-Play“-Produktivität durch LLMs
   Die Hoffnung, bestehende Prozesse allein durch den Einsatz eines Chatbots signifikant effizienter zu machen, erwies sich als naiv. Ohne Prozessanpassung, Rollenklärung und Qualitätskontrollen bleibt der Effekt marginal.
3. Kurzfristiger, messbarer ROI in Kernprozessen
   Viele Unternehmen erwarteten innerhalb weniger Monate harte betriebswirtschaftliche Effekte. Laut den im Artikel zitierten Studien blieben diese in der Mehrheit der formalen KI-Pilotprojekte aus.
4. Ersatz von Wissensarbeit
   Die These, KI könne kurzfristig Fachkräfte ersetzen (Juristen, Entwickler, Analysten), hat sich nicht bewahrheitet. KI unterstützt – sie ersetzt nicht. Insbesondere dort nicht, wo Erfahrung, Verantwortung und Kontextwissen zählen.
5. Große Modellgenerationen als Quantensprung
   Der Launch neuer Modellgenerationen (z. B. GPT-5) brachte spürbare, aber keine revolutionären Verbesserungen. Die Erwartung „AGI-naher“ Fähigkeiten wurde enttäuscht.
6. Generalisierungsfähigkeit von LLMs
   Sprachlich überzeugende Antworten verdeckten lange Zeit, dass LLMs strukturell schlechter generalisieren als Menschen – ein Punkt, den selbst führende KI-Forscher inzwischen offen benennen.
7. Formale KI-Programme in Unternehmen
   Offizielle KI-Initiativen waren häufig weniger erfolgreich als informelle, individuelle Nutzung durch Mitarbeitende. Governance-Strukturen erwiesen sich teils als Innovationsbremse.
8. Universelle Einsetzbarkeit einer Technologieklasse
   Die Vorstellung, LLMs seien der „Schlüssel zu allem“, hat sich als Fehlannahme erwiesen. Viele Probleme lassen sich besser mit klassischen Algorithmen, Automatisierung oder Prozessdesign lösen.

2. Reife, wertschöpfende und positiv überraschende KI-Anwendungen

1. KI-gestützte Assistenz für Wissensarbeit (Copilot-Paradigma)
   Als persönlicher Arbeitsassistent – für Entwürfe, Strukturierung, Zusammenfassungen, Variantenbildung – entfaltet KI erheblichen Nutzen, insbesondere für Nicht-Experten oder in zeitkritischen Situationen.
2. Code-Unterstützung in der Softwareentwicklung
   KI-Tools zur Code-Erstellung, -Analyse und -Refaktorierung haben sich als äußerst produktiv erwiesen. Nicht als Ersatz für Entwickler, sondern als Beschleuniger und Qualitätsverstärker.
3. Medien- und Content-Produktion (Text, Bild, Video)
   Besonders im Marketing, in Schulung und interner Kommunikation haben generative Modelle den Aufwand drastisch reduziert. Anwendungen wie KI-Avatare oder Video-Generierung entwickelten sich schneller und wirtschaftlicher als erwartet.
4. Wissensmanagement und interne Suche (RAG-Ansätze)
   KI-gestützte Suche in internen Dokumenten, Richtlinien und Wissensbeständen liefert realen Mehrwert – vor allem dort, wo Informationen vorhanden, aber schwer zugänglich sind.
5. Sprach- und Texttransformation
   Übersetzung, Transkription, Zusammenfassung und Vereinfachung von Texten funktionieren zuverlässig und skalierbar – mit unmittelbarem Nutzen in internationalen, regulierten oder wissensintensiven Organisationen.
6. Unterstützung operativer Entscheidungen
   KI als „zweite Meinung“ bei Angeboten, Planungen oder Bewertungen erhöht Entscheidungsqualität, ohne Verantwortung zu delegieren. Der Nutzen liegt in Perspektivvielfalt, nicht in Autorität.
7. Automatisierung einfacher, klar abgegrenzter Teilaufgaben
   Dort, wo Aufgaben klar definiert, datengetrieben und regelarm sind (z. B. Klassifikation, Vorqualifizierung, Priorisierung), arbeitet KI stabil und effizient.
8. Individuelle Kompetenzverstärkung
   Eine der größten positiven Überraschungen: Der Produktivitätsgewinn entsteht oft nicht auf Organisationsebene, sondern auf individueller Ebene – bei Mitarbeitenden, die KI bewusst und reflektiert einsetzen.
9. Nischenanwendungen mit klarem Nutzenversprechen
   Anwendungen, die zunächst wie Randthemen wirkten (z. B. Avatar-basierte Trainingsvideos), entwickelten sich zu skalierbaren Geschäftsmodellen mit hoher Zahlungsbereitschaft.

Einordnung im Gartner-Hype-Cycle

Sie visualisiert genau diesen Übergang: vom Gipfel überzogener Erwartungen, über das Tal der Enttäuschung hin zu einer Phase realistischer Nutzung. Der Artikel argumentiert klar: Wir befinden uns nicht am Ende der KI-Entwicklung, sondern am Ende eines naiven Narrativs.

Eine risikoarme Alternative zum direkten KI-Einsatz: Capability Assessment mit KI-Unterstützung

Die Ernüchterung, die der Artikel im Anschluss an den Gartner Hype Cycle beschreibt, hat eine klare Ursache: In vielen Unternehmen wurde versucht, künstliche Intelligenz direkt operativ einzusetzen, bevor Klarheit darüber bestand, welche Fähigkeiten (Capabilities) eigentlich verbessert werden sollen und wo die größten Wertschöpfungshebel liegen. Genau hier setzt ein alternativer Ansatz an, der bewusst nicht mit Tools, Modellen oder Automatisierung beginnt, sondern mit der systematischen Verbesserung der organisationalen Leistungsfähigkeit.

Statt KI unmittelbar in Prozesse, Produkte oder Kundeninteraktionen zu integrieren, wird sie indirekt eingesetzt – als Analyse-, Vergleichs- und Erkenntnisinstrument zur gezielten Weiterentwicklung der entscheidenden Capabilities eines Unternehmens. Dieser Ansatz wird bei Project Management Partners als KI-unterstützte Verbesserung der Capabilities bzw. AI-Driven Capability Enhancement (AIDCE) bezeichnet.

Der grundlegende Gedanke ist ebenso einfach wie wirkungsvoll:
Nicht jede Organisation scheitert an fehlender Technologie – die meisten scheitern an unklaren Prioritäten, diffusen Zielbildern, historisch gewachsenen Prozessen und fehlender Transparenz darüber, wo Verbesserungen tatsächlich Wirkung entfalten würden. KI kann genau hier ihre größten Stärken ausspielen, ohne die typischen Risiken des direkten KI-Einsatzes zu erzeugen.

Wie KI im Capability Assessment wirkt – ohne operative Risiken

Im Capability-basierten Vorgehen wird künstliche Intelligenz nicht als Automatisierer eingesetzt, sondern als hochskalierbare Analyse- und Syntheseinstanz. Sie verarbeitet große Mengen an wissenschaftlichen Studien, Branchenbenchmarks, Projekterfahrungen und Best Practices und verdichtet diese zu klaren Erfolgsfaktoren für einzelne Capabilities – etwa Angebotsgeschwindigkeit, Servicequalität, Produktionssteuerung oder Entscheidungsfähigkeit im Management KI-unterstützte Verbesserung de….

Diese extern gewonnenen Erkenntnisse werden anschließend mit dem Ist-Zustand im Unternehmen abgeglichen. Über strukturierte Selbstbewertungen und KI-gestützte Auswertungen entstehen präzise Gap-Analysen: Wo liegen reale Leistungsdefizite? Welche Stellhebel sind nachweislich wirksam? Welche Maßnahmen versprechen mit geringem Eingriff eine hohe Wirkung?

Der entscheidende Unterschied zum klassischen KI-Projekt liegt darin, dass keine produktiven KI-Systeme betrieben werden müssen. Es gibt:

• keine sensiblen Datenanbindungen,
• keine Compliance- oder Haftungsfragen,
• keine Integrationsprojekte in ERP, CRM oder Kernsysteme,
• keinen Schulungsaufwand für neue Tools.

Und dennoch wird KI in ihrer ganzen Stärke genutzt: zur Bewältigung von Komplexität, zur schnellen Auswertung großer Informationsmengen und zur evidenzbasierten Entscheidungsunterstützung.

Vergleich: Klassischer KI-Einsatz vs. KI-gestütztes Capability Assessment

Der Vorteil dieses Ansatzes wird besonders deutlich im direkten Vergleich:

Beim klassischen KI-Einsatz versucht das Unternehmen, ein konkretes Tool oder Modell produktiv einzusetzen. Das erzeugt sofort hohe Anforderungen an Datenqualität, Governance, Akzeptanz, IT-Sicherheit und Change-Management. Der Nutzen stellt sich oft verzögert ein – wenn überhaupt.

Beim Capability Assessment mit KI-Unterstützung hingegen:

• entsteht Wertschöpfung vor der Technologie,
• werden Fähigkeiten gezielt verbessert, die bereits heute geschäftskritisch sind,
• bleiben Eingriffe minimalinvasiv,
• sind Effekte schneller messbar,
• und die Organisation gewinnt Klarheit und Kompetenz für spätere KI-Initiativen.

Oder anders formuliert:
KI wirkt hier nicht als Risikohebel, sondern als Erkenntnisbeschleuniger.

Zeitrahmen, Risiko und Wirkung

Ein weiterer zentraler Punkt – gerade im Lichte der im Artikel beschriebenen Enttäuschungen – ist der Zeithorizont. Während klassische KI-Programme häufig viele Monate benötigen, um überhaupt belastbare Ergebnisse zu liefern, ist ein KI-gestütztes Capability Assessment typischerweise in wenigen Wochen abgeschlossen. Bereits nach sechs bis acht Wochen liegen:

• priorisierte Capabilities,
• konkrete, umsetzbare Maßnahmen,
• klare Verantwortlichkeiten,
• sowie erste messbare Verbesserungen im Tagesgeschäft vor Hans-Jörg-Einstieg-KI-Projekte-….

Das Risiko ist dabei bewusst gering gehalten: Es werden keine irreversiblen Technologieentscheidungen getroffen, keine langfristigen Lizenzbindungen eingegangen und keine Organisationseinheiten überfordert. Gleichzeitig entstehen genau jene Voraussetzungen – Zielklarheit, Prozessverständnis, Datenbewusstsein und Governance-Disziplin –, die im Artikel als fehlend bei vielen gescheiterten KI-Pilotprojekten identifiziert wurden.

Strategische Einordnung

Vor dem Hintergrund der „Hype Correction“ lässt sich dieser Ansatz als Brückentechnologie verstehen:
Er ermöglicht es Unternehmen, die Vorteile von KI sofort zu nutzen, ohne sich den Enttäuschungen auszusetzen, die aus überhastetem operativem Einsatz resultieren. Gleichzeitig bereitet er die Organisation systematisch auf spätere, nachhaltige KI-Implementierungen vor.

Project Management Partners begleiten Unternehmen dabei sowohl methodisch als auch inhaltlich – von der Definition der relevanten Capabilities über die KI-gestützte Analyse bis zur Ableitung und Umsetzung wirksamer Maßnahmen. Der Fokus liegt dabei nicht auf Technologieverliebtheit, sondern auf messbarer Wertschöpfung und organisatorischer Lernfähigkeit.

>> Produktseite KI-unterstützte Verbesserung der Capabilities bzw. AI-Driven Capability Enhancement (AIDCE)
>> Terminvereinbarung zu einem persönlichen Gespräch (30 Minuten)

Zusammenfassung: Was bleibt – und was jetzt zu tun ist

Die vielleicht wichtigste Erkenntnis des Artikels ist: Der Hype war notwendig, um Kapital, Talente und Aufmerksamkeit zu mobilisieren. Die Ernüchterung ist notwendig, um aus Technologie die dringend notwendige Produktivitätsverbesserung Wertschöpfung zu machen.

KI verschwindet nicht. Aber sie verlangt jetzt etwas, das im Rausch der letzten Jahre zu kurz kam: Verständnis, Integration, Geduld.

Zehn Regeln für Berater und Manager

1. Beginne nie mit der Technologie, sondern mit der Fähigkeit, die im Unternehmen fehlt oder gestärkt werden soll.
2. Ersetze FOMO durch Analyse: Kein KI-Projekt ohne klar benanntes Geschäftsproblem.
3. Plane KI immer als Mensch-Maschine-System, nicht als autonome Lösung.
4. Messe Erfolg an Kompetenzgewinnen, nicht an Modell-Benchmarks.
5. Akzeptiere Lernphasen: Pilotprojekte sind kein Scheitern, sondern Erkenntnisarbeit.
6. Integriere KI in Prozesse, nicht in PowerPoint-Strategien.
7. Investiere zuerst in Datenqualität, Governance und Qualifizierung, nicht in das „neueste Modell“.
8. Mache informelle KI-Nutzung sichtbar und sicher, statt sie zu verbieten.
9. Trenne Marketing-Narrative von operativer Realität.
10. Denke in Jahren, nicht in Quartalen, wenn du nachhaltige KI-Wertschöpfung willst.

Quelle:

MIT-Technology Review: “The great AI hype correction of 2025, Four ways to think about this year’s reckoning”, abgerufen am 02.01.2026 unter https://www.technologyreview.com/2025/12/15/1129174/the-great-ai-hype-correction-of-2025/

Der Beitrag Die große KI-Ernüchterung? erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Künstliche Intelligenz (KI) verändert die Spielregeln – das merken wir jeden Tag. Doch KI ist nach einer Benchmark-Studie der OECD bezüglich neun menschentypischen Capability-Indikatoren (z. B. Sprache, Problemlösen, Kreativität, Metakognition) nur mittelmäßig. Manager, die nach einem Grund für ein „Weiter So“ suchen, muss ich dennoch enttäuschen: Strategisches Denken und Investieren ist das Gebot der Stunde.

Während die mediale Aufregung von Superintelligenz, Massenentlassungen oder grenzenloser Automatisierung spricht, fehlt es in den Unternehmen oft an einem klaren, faktenbasierten Verständnis darüber, wo KI heute wirklich steht, welche Kosten und welcher Nutzen zu erwarten ist – und wie man sinnvoll darauf reagieren sollte.

Mit den „OECD AI Capability Indicators“ liegt nun erstmals ein wissenschaftlich fundiertes, praxisrelevantes Rahmenwerk vor, das uns hilft die Fähigkeiten der KI besser einschätzen zu können. Es zeigt (wenig überraschend): Wir stehen nicht am Ende, sondern am Anfang der KI-Revolution – und Unternehmen haben jetzt die Chance, sich strategisch zu positionieren, statt blind zu investieren oder – vielleicht noch schlimmer – passiv zu bleiben.

Was misst die OECD – und warum ist das relevant für Unternehmen?

Die OECD vergleicht KI nicht anhand technischer Benchmarks oder Output-Metriken, sondern stellt die Frage: Wie weit sind KI-Systeme in zentralen menschlichen Fähigkeiten? Untersucht werden unter anderem:

• Sprachverständnis und -produktion
• Soziale Interaktion
• Problemlösen und logisches Denken
• Kreativität
• Metakognition und kritisches Urteilsvermögen
• Lernen und Gedächtnis
• Visuelle und motorische Fähigkeiten
• Robotische Intelligenz

Alle Fähigkeiten werden auf einer Skala von 1 (elementar) bis 5 (menschliche Äquivalenz) eingeordnet. Und das Ergebnis ist aufschlussreich: Selbst die besten KI-Systeme, wie etwa GPT-4o (Stand Herbst 2024!), erreichen lediglich maximal Level 3 – oft sogar nur Level 2. In vielen Bereichen sind sie schnell, aber nicht verlässlich, sprachgewandt, aber nicht kritisch, lernfähig, aber nicht anpassungsfähig.

Wo KI dem Menschen weit überlegen ist – und warum genau dort ihr Einsatz besonders lohnt

Trotz aller berechtigten Einschränkungen und Unschärfen zeigt die OECD-Analyse auch sehr deutlich: In bestimmten Teilbereichen übertrifft KI den Menschen heute bereits deutlich – mit klar messbarem Nutzen für Unternehmen. Besonders stark ist KI in folgenden Fähigkeiten:

1. Verarbeitung großer Datenmengen in Echtzeit

KI-Systeme – insbesondere Machine-Learning-Modelle und moderne Large Language Models – können in Sekundenschnelle Millionen von Datensätzen analysieren, klassifizieren und auf Muster prüfen, die ein Mensch weder erkennen noch in sinnvoller Zeit auswerten könnte.

Typische Einsatzfelder:

• Anomalieerkennung in Produktionsdaten (z. B. Predictive Maintenance)
• Echtzeit-Analyse von Markt- oder Preisdaten
• Auswertung großer Textmengen (Verträge, Gutachten, Support-Anfragen)

Nutzen:

• Frühzeitige Risikoerkennung
• Schnellere Entscheidungsfindung
• Reduzierung manueller Analysearbeit

2. Automatisierung repetitiver, regelbasierter Aufgaben

KI ist bei streng definierten, sich häufig wiederholenden Tätigkeiten schneller, fehlerfreier und kostengünstiger als Menschen – insbesondere dann, wenn diese Tätigkeiten auf digital vorliegenden Informationen beruhen.

Typische Einsatzfelder:

• Rechnungseingang und Belegverarbeitung
• E-Mail-Kategorisierung und Beantwortung
• Dokumentensuche, Klassifizierung, Verschlagwortung

Nutzen:

• Einsparung von Personalressourcen für monotone Aufgaben
• Erhöhung der Prozessqualität
• Entlastung qualifizierter Fachkräfte für wertschöpfende Tätigkeiten

3. Mustererkennung und Vorhersage in komplexen Zusammenhängen

Gerade in Bereichen mit nicht-linearen Zusammenhängen oder vielen Variablen zeigt KI ihre Stärken: Durch das Erkennen latenter Muster, Zusammenhänge und Wahrscheinlichkeiten können Entscheidungen besser unterstützt oder automatisiert werden.

Typische Einsatzfelder:

• Nachfrageprognosen im Handel
• Churn-Analysen im Kundenservice
• Supply-Chain-Optimierung

Nutzen:

• Verbesserung der Planungsgenauigkeit
• Früherkennung von Trends und Risiken
• Optimierung von Beständen und Ressourcen

4. Verfügbarkeit rund um die Uhr – bei gleichbleibender Leistung

Im Gegensatz zum Menschen kennt KI keine Pausen, Müdigkeit oder Motivationsprobleme. Das macht sie besonders attraktiv für 24/7-Aufgaben, etwa im Kundenservice oder Monitoring.

Typische Einsatzfelder:

• Chatbots und Sprachassistenten
• IT-Systemüberwachung
• Automatisierte Berichterstellung

Nutzen:

• Verbesserte Erreichbarkeit und Reaktionszeit
• Gleichbleibende Qualität
• Reduktion von Nachtschicht- oder Bereitschaftskosten

Fazit: KI ist kein Ersatz für menschliche Intelligenz – aber ein starker Partner in spezifischen Disziplinen

Dort, wo Geschwindigkeit, Umfang, Präzision oder Verfügbarkeit gefragt sind, ist KI dem Menschen bereits heute nicht nur ebenbürtig, sondern weit überlegen. Genau dort liegt der wirtschaftlich sinnvollste Einstiegspunkt:

Nicht, um Menschen zu ersetzen – sondern um sie gezielt zu entlasten und zu ergänzen.

Die Herausforderung besteht also nicht darin, überall KI einzuführen, sondern sie genau dort einzusetzen, wo ihre Stärken mit den Anforderungen der Organisation übereinstimmen. Wer diese Disziplin beherrscht, erzielt sichtbaren Mehrwert bei geringem Risiko – und legt die Grundlage für skalierbare Effizienzgewinne und strategische Differenzierung.

Was heißt das konkret für Entscheider in Unternehmen?

Es bedeutet vor allem eines: KI kann bereits viel – aber nicht alles. Und sie kann schon heute massiven Nutzen stiften, wenn man sie klug einsetzt. Aber sie erfordert auch gezielte Entscheidungen:

• Wo lohnt sich der KI-Einsatz tatsächlich – heute, mit dem derzeitigen Reifegrad?
• Wo sind menschliche Fähigkeiten unersetzbar – und sollten gezielt gestärkt werden?
• Welche Investitionen bringen kurzfristigen Impact – und welche sind risikobehaftet oder verfrüht?

Wer diese Fragen beantworten kann, vermeidet Fehlinvestitionen und positioniert sich als adaptives Unternehmen, das Chancen nutzt, ohne in technische Sackgassen zu geraten.

Ein Beispiel für KMU bis 1.500 Mitarbeiter

Nehmen wir an, ein produzierendes Unternehmen mit 800 Mitarbeitenden möchte KI strategisch einsetzen. Wie kann man das Risiko begrenzen und dennoch sinnvoll in KI investieren?

Was jetzt nützlich ist: Strukturierter Einstieg mit begrenztem Risiko und hohem strategischem Wert

Die Einführung von Künstlicher Intelligenz ist kein Technologieprojekt – sie ist ein Organisationsentwicklungsprozess. Der unten gezeigte Ansatz veranschaulicht exemplarisch wie mittelständische Unternehmen durch klare Strukturen, überschaubare Einstiegsinvestitionen und schrittweises Lernen wirksam, verantwortungsvoll und zukunftsfähig KI einführen können. Jeder der folgenden Schritte zahlt dabei direkt auf organisationales Lernen, digitale Reife und zukünftige Skalierbarkeit ein.

1. Regelmäßige extern moderierte „Potenzialanalyse-Workshops“ (PA)

Der Ausgangspunkt jeder erfolgreichen KI-Initiative sollte ein präzises Verständnis der eigenen Potenziale und Prioritäten sein. In professionell moderierten Workshops werden interne Prozesse, Datenquellen und Problembereiche strukturiert analysiert. Ziel ist es, sogenannte „niedrig hängende Früchte“ zu identifizieren: also Use Cases mit hohem Nutzen, geringem Reifegradbedarf und schneller Umsetzbarkeit.

Nutzen:

• Frühzeitiger sichtbarer Mehrwert schafft interne Akzeptanz.
• Vermeidung unnötiger Investitionen in komplexe oder unreife Anwendungsfelder.
• Grundlage für eine strategisch gesteuerte KI-Einführung statt blindem Aktionismus.

2. Etablierung einer KI-Governance

Parallel zur Potenzialanalyse beginnt der Aufbau von Strukturen, Prozessen und Verantwortlichkeiten für den Umgang mit KI im Unternehmen. Das betrifft u. a. die Definition von Entscheidungspfaden, die Bewertung von Chancen und Risiken, ethische Leitplanken sowie die Kontrolle über Modellentscheidungen.

Nutzen:

• Schafft Sicherheit im Umgang mit neuen Technologien.
• Verhindert Wildwuchs und schafft Klarheit bei Zuständigkeiten.
• Ermöglicht es, interne Prozesse mit regulatorischen Anforderungen (z. B. AI Act, Datenschutz) zu harmonisieren.

3. Begleitung des Kulturwandels

Technologische Veränderung gelingt nur, wenn sie von kulturellem Wandel begleitet wird. Es braucht Kommunikation, Transparenz und Beteiligung. Mitarbeitende müssen verstehen, wofür KI genutzt wird – und wofür nicht. Schulungen, interne Kampagnen und Dialogformate fördern Offenheit, reduzieren Unsicherheiten und stärken das Vertrauen in den Prozess.

Nutzen:

• Reduziert interne Widerstände und Ängste.
• Aktiviert verborgene Innovationspotenziale in Fachbereichen.
• Unterstützt eine lernende Organisation, in der Experimente erlaubt und Fehler akzeptiert sind.

4. Schrittweise Umsetzung lohnenswerter Use Cases

Die aus der Potenzialanalyse hervorgehenden Anwendungsfälle werden in einer iterativen Roadmap priorisiert und umgesetzt. Der Fokus liegt auf praxisnahen Piloten, die rasch Ergebnisse liefern, aber skalierbar sind. Erfolgreiche Projekte dienen als Referenz und motivieren zur Ausweitung auf andere Bereiche.

Nutzen:

• Klarer Return-on-Investment auf operativer Ebene.
• Praktisches Erfahrungslernen innerhalb der Organisation.
• Frühzeitiger Aufbau domänenspezifischer KI-Kompetenz.

5. Laufende Analyse des weiteren Bedarfs

KI-Einführung ist kein einmaliges Projekt, sondern ein dynamischer Entwicklungsprozess. Die kontinuierliche Beobachtung von Entwicklungen im Unternehmen, am Markt und in der Technologie ermöglicht es, neue Potenziale frühzeitig zu erkennen und zu integrieren.

Nutzen:

• Sicherstellung langfristiger Relevanz der KI-Strategie.
• Vermeidung blinder Flecken und sich entwickelnder Schatten-IT.
• Ermöglicht eine agile Weiterentwicklung der gesamten KI-Landschaft.

6. Aufbau der Dateninfrastruktur

Parallel zur Use-Case-Entwicklung muss eine solide technische Basis geschaffen werden. Dazu zählen sichere Datenräume, standardisierte Schnittstellen, strukturierte Datenhaltung und geeignete Governance-Strukturen für Zugriff und Nutzung. Der Fokus liegt auf Skalierbarkeit, Sicherheit und Effizienz – nicht auf Großinvestitionen in Datenplattformen ohne konkreten Nutzungsplan.

Nutzen:

• Reduziert Komplexität und fördert Wiederverwendbarkeit.
• Ermöglicht schnelle Integration neuer Anwendungsfälle.
• Schafft Vertrauen bei Stakeholdern (Datenschutz, Auditierung, Nachvollziehbarkeit).

7. Entwickeln von Partnerschaften

Gerade mittelständische Unternehmen profitieren enorm von strategischen Partnerschaften mit Technologieanbietern, Universitäten, Startups oder Beratungen. Der gezielte Zugang zu externem Wissen und Innovationen hilft, Ressourcen zu schonen und gleichzeitig auf dem neuesten Stand zu bleiben.

Nutzen:

• Schnellere Realisierung mit geringerem Ressourcenaufwand.
• Zugang zu Best Practices und neuesten Entwicklungen.
• Aufbau eines nachhaltigen Ökosystems für digitale Innovation.

Wovon eher abzuraten ist: Investitionen mit zu hoher Abstraktion oder unklarem Reifegrad

• Automatisierung komplexer Entscheidungsprozesse, etwa im HR- oder Rechtssystem, wo ethische Fragen und Kontextverständnis entscheidend sind.
• Großprojekte zur vollständigen Prozessautomatisierung, bevor überhaupt klar ist, ob sich der Prozess für KI eignet.
• Investitionen in robotische Systeme mit adaptivem Greifen oder Navigation, wenn die Umgebungsbedingungen nicht ausreichend standardisiert sind – die OECD-Indikatoren zeigen klar, dass KI in diesen Bereichen noch nicht zuverlässig ist.

Die eigentliche Botschaft: Nicht abwarten – sondern gezielt in Fähigkeiten investieren

Die OECD-Studie ist kein Grund zur Resignation, sondern ein Plädoyer für kluge, evidenzbasierte Entscheidungen. Unternehmen, die jetzt:

• ihre Prozesse strukturiert analysieren,
• ihre Mitarbeitenden befähigen, mit KI zu arbeiten,
• und KI nicht als Ersatz, sondern als Verstärker menschlicher Fähigkeiten begreifen,

werden mittel- und langfristig einen deutlichen Wettbewerbsvorteil haben – sowohl durch Produktivitätsgewinne als auch durch Innovationskraft und Arbeitgeberattraktivität.

Fazit: Strategie schlägt Geschwindigkeit

Wer heute hektisch investiert, läuft Gefahr, morgen nachzurüsten. Wer aber gezielt Capabilities entwickelt – technologisch wie menschlich – kann mit jedem KI-Fortschritt wachsen.

KI ist kein Zauberstab. Aber sie ist auch keine ferne Zukunft. Sie ist ein Werkzeug, das gerade gelernt hat zu laufen – und nun zeigt sich: Wer es führen kann, führt auch den Wandel.

Zum Stand der Daten der OECD Studie

• Die Expertenbewertungen und Einordnungen in den 5-stufigen Skalen basieren auf einer umfassenden Literatur- und Benchmarkanalyse, die bis Ende 2024 durchgeführt wurde.
• Berücksichtigt wurden aktuelle Systeme wie GPT-4o, DeepSeek R1 V3, AlphaZero und autonome Roboter, wie sie zu diesem Zeitpunkt dokumentiert, getestet und publiziert waren.
• Die Indikatoren wurden von über 50 führenden Expertinnen und Experten aus den Bereichen KI, Psychologie, Robotik und Bildungsforschung gemeinsam erarbeitet und durch einen strukturierten Peer-Review-Prozess im Spätherbst 2024 validiert.

Der Beitrag OECD prüft Leistungsindikatoren von KI – Strategie für KMU erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Die Digitalisierung in deutschen Unternehmen ist trotz zahlreicher Herausforderungen – von langwierigen Prozessen bis zu unzureichender öffentlicher Infrastruktur – ungebrochen im Fokus. Die DIHK-Digitalisierungsumfrage 2025 zeigt, dass Unternehmen zwar weiterhin digitale Projekte vorantreiben, aber in einigen Bereichen wie Breitbandausbau und öffentlicher Verwaltung erhebliche Hemmnisse bestehen. Im Folgenden fassen wir die zentralen Ergebnisse zusammen, analysieren Fortschritte und Defizite und geben konkrete Handlungsempfehlungen für Manager und Eigentümer mittelgroßer sowie größerer Unternehmen.

1. Status Quo der Digitalisierung in deutschen Unternehmen

Aktueller Digitalisierungsstand:
Die Befragung zeigt, dass Unternehmen ihren eigenen Digitalisierungsgrad im Durchschnitt mit einer Note von ca. 2,8 bewerten – vergleichbar mit dem Vorjahr. Im Börsenjargon würde man von einer „Seitwärtsbewegung“ sprechen, Klartext heißt das jedoch: Hier hat sich in einem Jahr nichts Messbares verbessert!
Branchenübergreifend dominieren Effizienzsteigerung, Qualitätsverbesserung und Kostensenkungen als Hauptmotive. In vielen Betrieben wird der Einsatz von Künstlicher Intelligenz (KI) zunehmend als strategischer Erfolgsfaktor erkannt.

Grafik 1: Bewertung des Digitalisierungsstandes in Schulnoten
Quelle: DIHK-Digitalisierungsumfrage 2025 ​

2. Fortschritte in der Digitalisierung

Positive Entwicklungen:

• Steigende KI-Nutzung:
  Die Nutzung von KI-Technologien in Unternehmen hat in den letzten Jahren einen deutlichen Anstieg verzeichnet – von 12% im Jahr 2020 auf prognostizierte 38% im Jahr 2024. Dies unterstreicht den Trend, dass KI zunehmend als integraler Bestandteil digitaler Transformationsprozesse verstanden wird, insgesamt sind die Zahlen aber auch hier enttäuschend niedrig.

Grafik 2: Entwicklung der KI-Anwendungen im Unternehmen
Quelle: DIHK-Digitalisierungsumfrage 2025 ​

• Hauptmotive für Digitalisierung:
  Unternehmen setzen verstärkt auf Digitalisierung, um Kosten zu senken, flexibel zu arbeiten und die Produkt- sowie Servicequalität zu verbessern. In den Befragungen wurden Qualitätsverbesserung (63 %), Kostenreduktion (65 %) und Flexibilisierung des Arbeitens (65 %) als zentrale Treiber benannt.

3. Herausforderungen und stagnierende Entwicklungen

Als zentrale Herausforderungen gelten lt. der Befragung:

• Zeit und Komplexität:
  Mit 60 % bzw. 54 % der Befragten wird die Komplexität und der Zeitaufwand als größte Hürde für Digitalisierungsprojekte genannt.
• Rechtliche Unsicherheiten:
  Rund 31 % der Unternehmen geben an, dass rechtliche Fragestellungen und Unsicherheiten die digitale Transformation bremsen.
• Fachkräftemangel und IT-Kompetenzen:
  Fehlende IT-Fachkräfte (32 %) und ein unzureichender interner Know-how-Aufbau erschweren den reibungslosen Rollout neuer digitaler Technologien.
• Breitbandausbau und öffentliche Verwaltung:
  Der aktuelle Stand der Internetinfrastruktur entspricht in nur etwa 73–75 % der Unternehmensbedarfe. Zudem wird die Digitalisierung der öffentlichen Verwaltung mit einer durchschnittlichen Bewertung von 4,29 als deutlich schlechter eingeschätzt als der Digitalisierungsgrad der eigenen Unternehmen (2,85).
• Cybersicherheit:
  Obwohl das Sicherheitsbewusstsein zunimmt und bereits zahlreiche Maßnahmen umgesetzt werden, zeigt die Umfrage, dass gerade größere Unternehmen vermehrt von Cyberangriffen betroffen sind. Bemerkenswerte 50% aller großen Unternehmen wurden im Betrachtungszeitraum von von mindestens einem erheblichen Cybersicherheitsvorfall betroffen.

Grafik 3: Herausforderungen bei Digitalisierungsprojekten
Quelle: DIHK-Digitalisierungsumfrage 2025 ​

4. Handlungsempfehlungen für Manager und Eigentümer

Basierend auf den Umfrageergebnissen und ergänzenden Branchenanalysen lassen sich folgende konkrete Maßnahmen ableiten um erforderliche Kompetenzen zu steigern und die Digitalisierung strategisch weiterzuentwickeln:

a) Ausbau interner Kompetenzen und Weiterbildung

• Gezielte Schulungen und Workshops:
  Investieren Sie in regelmäßige Weiterbildungsprogramme – insbesondere im Bereich Digitalisierung und KI. Dies kann in Form von internen Schulungen oder Kooperationen mit externen Bildungsanbietern erfolgen.
• Talentförderung:
  Setzen Sie auf die Rekrutierung und Förderung von IT-Fachkräften sowie auf die gezielte Weiterbildung vorhandener Mitarbeiter, um interne Know-how-Lücken zu schließen.

b) Optimierung der IT-Infrastruktur

• Investitionen in Netzwerktechnologien:
  Angesichts der Herausforderungen beim Breitbandausbau sollten Unternehmen in leistungsfähige IT-Infrastrukturen investieren, um Engpässe zu vermeiden und den digitalen Betrieb sicherzustellen.
• Cybersecurity:
  Erhöhen Sie die Sicherheitsstandards, indem Sie regelmäßige Risikoanalysen, Penetrationstests und Mitarbeiterschulungen implementieren. Eine externe Überprüfung der IT-Sicherheit kann zusätzliche Sicherheit bieten.

c) Kooperationen und strategische Partnerschaften

• Zusammenarbeit mit Technologiepartnern:
  Durch strategische Allianzen mit spezialisierten Dienstleistern und Technologiefirmen können Unternehmen von externem Fachwissen profitieren und ihre digitale Transformation beschleunigen.
• Öffentlich-private Partnerschaften:
  Engere Kooperationen mit Behörden und öffentlichen Einrichtungen können helfen, bürokratische Hürden zu überwinden und gemeinsam den Ausbau der digitalen Infrastruktur voranzutreiben.

d) Förderung einer digitalen Unternehmenskultur

• Agile Arbeitsmethoden:
  Etablieren Sie agile Prozesse und flexible Arbeitsmodelle, die den digitalen Wandel unterstützen und Innovationen fördern.
• Kulturwandel initiieren:
  Fördern Sie eine unternehmensweite Kultur, in der digitale Innovation als Chance begriffen wird. Dies kann durch Change-Management-Programme und gezielte Kommunikation von Erfolgen geschehen.

5. Ausblick

Die Ergebnisse der DIHK-Umfrage 2025 machen deutlich: Die digitale Transformation in Deutschland befindet sich in einem Spannungsfeld zwischen mäßigen Fortschritten – wie der zunehmenden Nutzung von KI – und hartnäckigen Hemmnissen, die vor auch durch rechtliche, infrastrukturelle und personelle Engpässe bedingt sind.

Manager und Eigentümer von KMU und großer Unternehmen müssen deshalb den digitalen Wandel als fortlaufenden Prozess verstehen, der kontinuierliche Investitionen in Technologie, Personal und Kooperationen erfordert.

Der Beitrag Digitalisierung in Deutschland: Zwischen Effizienz und Bürokratie erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Die Digitalisierung ist ein allgegenwärtiger Trend, der nahezu alle Lebens- und Arbeitsbereiche beeinflusst. In den letzten Jahren sind zahlreiche Bücher erschienen, die sich mit der digitalen Transformation, den technologischen Entwicklungen und deren Auswirkungen auf Wirtschaft und Gesellschaft befassen. Die wichtigsten Themen, die in den unten aufgeführten Büchern behandelt werden, sind:

1. Technologische Innovationen und ihre Anwendung
   In vielen Büchern wird der Fokus auf technologische Innovationen wie Künstliche Intelligenz (KI), das Internet der Dinge (IoT), Blockchain und maschinelles Lernen gelegt. Diese Technologien revolutionieren die Art und Weise, wie Unternehmen operieren und wie der Alltag von Konsumenten gestaltet wird.
2. Digitale Transformation in Unternehmen
   Wie Unternehmen sich erfolgreich an die digitale Welt anpassen, ist ein zentrales Thema. Bücher zu diesem Thema behandeln Strategien zur Implementierung neuer Technologien, Veränderungsmanagement und die Auswirkungen der Digitalisierung auf die Unternehmenskultur.
3. Datenanalyse und Big Data
   Die Verarbeitung und Analyse großer Datenmengen ist ein weiteres zentrales Thema. Unternehmen können durch Big Data wertvolle Erkenntnisse gewinnen, die die Grundlage für innovative Geschäftsmodelle und verbesserte Kundenbeziehungen bieten.
4. Cybersecurity und Datenschutz
   Mit der zunehmenden Digitalisierung wachsen auch die Bedrohungen aus dem Netz. Datenschutz und Cybersecurity sind daher ein wiederkehrendes Thema in der Literatur, wobei praktische Lösungsansätze und Strategien zur Sicherung digitaler Systeme diskutiert werden.
5. Und natürlich: Künstliche Intelligenz und ihre Auswirkungen auf Unternehmen und Gesellschaft
   Künstliche Intelligenz (KI) ist eines der zentralen Themen der digitalen Ära und hat tiefgreifende Auswirkungen auf Unternehmen und Gesellschaft. Sie verändert nicht nur Geschäftsprozesse und Entscheidungsfindungen in Unternehmen, sondern hat auch das Potenzial, die Gesellschaft grundlegend zu transformieren. In der Literatur wird untersucht, wie KI in Bereichen wie Automatisierung, personalisierte Kundenansprache und Data Analytics zur Effizienzsteigerung beiträgt, während gleichzeitig ethische Fragen und gesellschaftliche Herausforderungen wie Arbeitsplatzverlust, Datenschutz und die Schaffung von KI-Governance thematisiert werden.
6. Auswirkungen auf Gesellschaft und Arbeitswelt
   Die Digitalisierung verändert nicht nur die Wirtschaft, sondern auch die Gesellschaft und die Arbeitswelt. Bücher zu diesem Thema beschäftigen sich mit den Auswirkungen auf den Arbeitsmarkt, die Bildung und die sozialen Strukturen.

Abbildung: Voller Bücherschrank (natürlich mit KI erstellt)

Bücher zu diesen Themen

1. Technologische Innovationen

• Titel (DE): Das nächste Zeitalter der Innovation
  Autor: Christoph Keese | Jahr: 2020 | ISBN: 978-3548064105
  Beschreibung: Untersucht Zukunftstechnologien wie KI, Quantencomputing und Biotech. Zeigt, wie diese Branchen revolutionieren und gleichzeitig ethische Fragen aufwerfen. Für Entscheider und Technikinteressierte.
• Titel (DE): Künstliche Intelligenz: Was sie kann & was uns erwartet
  Autor: Manuela Lenzen | Jahr: 2021 | ISBN: 978-3406766678
  Beschreibung: Erklärt KI-Grundlagen, von Algorithmen bis zu Deep Learning. Diskutiert Chancen (Medizin, Klima) und Risiken (Jobverlust, Manipulation) für die Gesellschaft.
• Titel (EN): The Future of Technology
  Autor: Tom Standage | Jahr: 2023 | ISBN: 978-1419764362
  Beschreibung: Explores AI, robotics, and green tech innovations. Focuses on sustainability and how governments can regulate disruptive technologies.
• Titel (EN): Exponential Organizations 2.0
  Autoren: Salim Ismail et al. | Jahr: 2023 | ISBN: 978-1637743608
  Beschreibung: Analyzes how companies like SpaceX leverage exponential tech (AI, blockchain) to scale rapidly and disrupt traditional industries.
• Titel (DE): Innovationsmanagement 4.0
  Autoren: Oliver Gassmann, Philipp Sutter | Jahr: 2022 | ISBN: 978-3800659379
  Beschreibung: Praktische Methoden für die Entwicklung disruptiver Geschäftsmodelle, mit Fallbeispielen aus der Automobilbranche und Medizintechnik.

2. Digitale Transformation

• Titel (DE): Die vernetzte Welt
  Autor: Tim Cole | Jahr: 2021 | ISBN: 978-3593514490
  Beschreibung: Zeigt, wie IoT, Cloud-Computing und 5G Unternehmen vernetzen. Betont die Bedeutung von Datenstrategien für den Mittelstand.
• Titel (EN): Leading Digital: Turning Technology into Business Transformation
  Autoren: George Westerman et al. | Jahr: 2018 | ISBN: 978-1625272478
  Beschreibung: Case studies from Nike and Starbucks on leveraging digital tools to optimize supply chains and customer experiences.
• Titel (DE): Digitale Disruption
  Autor: Karin Frick | Jahr: 2020 | ISBN: 978-3800557989
  Beschreibung: Analysiert, wie Start-ups etablierte Märkte herausfordern. Gibt Handlungsempfehlungen für traditionelle Unternehmen zur Anpassung an digitale Trends.
• Titel (EN): Driving Digital Strategy
  Autor: Sunil Gupta | Jahr: 2018 | ISBN: 978-1633692688
  Beschreibung: Explains how to align IT, marketing, and leadership to build customer-centric digital ecosystems. Includes frameworks for legacy companies.
• Titel (DE): Agile Unternehmen
  Autor: Frank Habermann | Jahr: 2022 | ISBN: 978-3869369520
  Beschreibung: Beschreibt agile Methoden (Scrum, Kanban) für die digitale Transformation, mit Praxisbeispielen aus der Finanzbranche.

3. Datenanalyse

• Titel (DE): Data Science für Entscheider
  Autor: Christoph Schütte | Jahr: 2022 | ISBN: 978-3864908529
  Beschreibung: Vermittelt Data-Science-Grundlagen für Führungskräfte: Von der Datenerhebung bis zur Umsetzung in Marketing und Logistik.
• Titel (EN): Data Science for Business
  Autoren: Foster Provost & Tom Fawcett | Jahr: 2020 | ISBN: 978-1449361327
  Beschreibung: Teilt Methoden zur datengetriebenen Entscheidungsfindung, z. B. Predictive Analytics und A/B-Testing. Ideal für Manager ohne Coding-Kenntnisse.
• Titel (DE): Datenkompetenz
  Autor: Thomas Ramge | Jahr: 2022 | ISBN: 978-3593516111
  Beschreibung: Zeigt, wie Unternehmen Daten nutzen können, um Prozesse zu optimieren – von der Kundenanalyse bis zur Fehlerreduktion in Produktionsketten.
• Titel (EN): Naked Statistics
  Autor: Charles Wheelan | Jahr: 2019 | ISBN: 978-0393347777
  Beschreibung: Demystifies statistical concepts like regression analysis and big data. Uses real-world examples from sports to healthcare.
• Titel (EN): Weapons of Math Destruction
  Autor: Cathy O’Neil | Jahr: 2019 | ISBN: 978-0553418835
  Beschreibung: Critiques algorithmic bias in hiring, policing, and finance. Advocates for ethical AI and transparent data practices.

4. Cybersecurity

• Titel (DE): Cyber Security: Bedrohungen und Schutzmaßnahmen
  Autor: Tobias Fiebig | Jahr: 2023 | ISBN: 978-3864909878
  Beschreibung: Erläutert aktuelle Angriffsmethoden (Ransomware, Phishing) und Schutzstrategien für KMUs. Mit Checklisten für Notfallpläne.
• Titel (EN): This Is How They Tell Me the World Ends
  Autor: Nicole Perlroth | Jahr: 2021 | ISBN: 978-1635766058
  Beschreibung: Investigative report on zero-day exploits and the shadowy market for hacking tools. Highlights risks to critical infrastructure.
• Titel (DE): Hacking für Manager
  Autor: Tobias Schrödel | Jahr: 2021 | ISBN: 978-3869369520
  Beschreibung: Erklärt technische Grundlagen (Firewalls, Verschlüsselung) und menschliche Schwachstellen (Social Engineering). Für Führungskräfte in digitalisierten Branchen.
• Titel (EN): Sandworm
  Autor: Andy Greenberg | Jahr: 2019 | ISBN: 978-0385544405
  Beschreibung: Chronicles Russian cyberattacks on Ukraine’s power grid and global implications. A wake-up call for governments and corporations.
• Titel (EN): Click Here to Kill Everybody
  Autor: Bruce Schneier | Jahr: 2018 | ISBN: 978-0393608885
  Beschreibung: Warns about IoT vulnerabilities and argues for stricter regulations to prevent cyber-physical disasters (e.g., hacked cars).

5. Künstliche Intelligenz

• Titel (DE): Künstliche Intelligenz und Verantwortung
  Autor: Petra Grimm | Jahr: 2022 | ISBN: 978-3662647586
  Beschreibung: Analysiert ethische Dilemmata der KI (z. B. autonome Waffen, Deepfakes) und zeigt Lösungsansätze für verantwortungsvolle Technologieentwicklung. Für Ethiker, Entwickler und Politiker.
• Titel (DE): Mensch und Maschine: Wie Künstliche Intelligenz unser Leben verändert
  Autor: Manuela Lenzen | Jahr: 2023 | ISBN: 978-3406766685
  Beschreibung: Erklärt, wie KI-Systeme Emotionen erkennen, kreativ arbeiten und Medizin revolutionieren. Diskutiert aber auch Risiken wie Jobverlust und Überwachung.
• Titel (EN): AI Ethics
  Autor: Mark Coeckelbergh | Jahr: 2020 | ISBN: 978-0262538190
  Beschreibung: Explores philosophical questions around AI: Can machines be moral? How to prevent bias in algorithms? Essential for policymakers and tech leaders.
• Titel (EN): Life 3.0: Being Human in the Age of Artificial Intelligence
  Autor: Max Tegmark | Jahr: 2018 | ISBN: 978-1101970317
  Beschreibung: Debates AI’s long-term impact: Will superintelligence save or destroy humanity? Covers scenarios from utopian to dystopian. Groundbreaking for futurists.
• Titel (DE): Maschinelles Lernen kompakt
  Autoren: Andreas Holzinger, Heimo Müller | Jahr: 2021 | ISBN: 978-3825252982
  Beschreibung: Praxisnahe Einführung in ML-Methoden (Neuronale Netze, NLP) für Entwickler. Mit Code-Beispielen und Anwendungsfällen aus der Medizin und Robotik.
• Beschreibung: Investigates how AI systems often conflict with human ethics. Offers strategies to align algorithms with fairness, transparency, and societal goals.
• Titel (DE): Handbuch Künstliche Intelligenz
  Herausgeber: Deutsche Gesellschaft für Informatik | Jahr: 2023 | ISBN: 978-3658430017
  Beschreibung: Umfassender Überblick zu KI-Technologien, Forschungstrends und Anwendungsfeldern. Inklusive Interviews mit Pionieren wie Jürgen Schmidhuber.
• Titel (EN): AI 2041: Ten Visions for Our Future
  Autoren: Kai-Fu Lee & Chen Qiufan | Jahr: 2021 | ISBN: 978-0593238295
  Beschreibung: Combines sci-fi stories with expert analysis to predict AI’s role in education, healthcare, and climate change by 2041.

6. Auswirkungen auf Gesellschaft und Arbeitswelt

• Titel (DE): Arbeitswelt 4.0
  Autor: Sarah J. Becker | Jahr: 2023 | ISBN: 978-3864913455
  Beschreibung: Diskutiert Folgen der Digitalisierung: Remote Work, KI-gesteuerte Personalentscheidungen und die Rolle von Gewerkschaften in der Tech-Ära.
• Titel (EN): The Age of Surveillance Capitalism
  Autor: Shoshana Zuboff | Jahr: 2019 | ISBN: 978-1610395694
  Beschreibung: Exposes how tech giants monetize personal data. Calls for democratic control over digital infrastructures.
• Titel (DE): Digitaler Humanismus
  Autor: Julian Nida-Rümelin | Jahr: 2018 | ISBN: 978-3406735339
  Beschreibung: Plädiert für eine ethische Digitalisierung, die Menschlichkeit priorisiert – von Algorithmen-Tests bis zur Regulierung von Social Media.
• Titel (EN): Futureproof
  Autor: Kevin Roose | Jahr: 2021 | ISBN: 978-0593133348
  Beschreibung: Offers rules to thrive in an automated world: Cultivate creativity, build analog skills, and avoid „robot-proof“ careers.
• Titel (DE): Die granulare Gesellschaft
  Autor: Christoph Kucklick | Jahr: 2022 | ISBN: 978-3593514490
  Beschreibung: Untersucht, wie Big Data soziale Unterschiede verstärkt und warum Datenschutz zur Frage der sozialen Gerechtigkeit wird.

Ré­su­mé

Insgesamt spiegeln diese Themen und Bücher die tiefgreifende Veränderung wider, die die Digitalisierung sowohl für Unternehmen als auch für die Gesellschaft mit sich bringt. Sie sind nicht nur eine technische, sondern auch eine kulturelle und gesellschaftliche Herausforderung, die Menschen und Unternehmen dazu zwingt, innovative Lösungen zu finden, um im digitalen Zeitalter erfolgreich zu bestehen und gleichzeitig ethische und soziale Verantwortung zu übernehmen.

Der Beitrag Die fünf wichtigsten Themen in Büchern zur Digitalisierung erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Was beschreibt EMMA:

Sie arbeitet wie eine „digitale Assistenz“, mit der sich jegliche Arten von Bildschirm-/Arbeitsplatz-Prozessen automatisieren lassen, die man einer anderen Person erklären kann.

EMMA ist eine kognitive künstliche Intelligenz, d.h. eine Software, die kognitive Fähigkeiten besitzt (wahrnehmen, sehen, lesen, verstehen, entscheiden, handeln), die genau das ausführt, was Sie ihr beigebracht haben.

EMMA aus dem Grund genau in der Form zum Einsatz gebracht werden, wie es Unternehmen am zielgerichtetsten umsetzen möchten.

Was zeichnet EMMA aus:

• Einsatzspektrum: Sehr breites Anwendungsspektrum, da alles, was auf einem Bildschirm abgebildet ist, von EMMA bedient werden kann (EMMA braucht keine Schnittstellen).
• Geschwindigkeit: EMMA ist einfach aufgesetzt und man kann mit ihr schnell Prozesse automatisieren (Faktor 10 mal schneller im Vergleich zu RPA (Robotic Process Automation) -Lösungen)
• Stabilität: Mit EMMA automatisierte Prozesse laufen stabil (Robustheit; keine XPath-Abhängigkeit)
• Entlastung: Für die Automatisierung mit EMMA sind keine IT-/Programmier-Kenntnisse notwendig, somit kann grundsätzlich jede Person Prozesse automatisieren.
• Datenschutz: EMMA arbeitet zu 100% in Ihrem Netzwerk („on-prem“) und ist als deutsche Lösung revisionssicher und audit-compliant

Was kann die Kognitive KI EMMA, nachdem man es ihr beigebracht hat:

   Rechnungen, Angebote, Berichte und andere Dokumente erstellen
   Buchhaltungsaufgaben übernehmen
   Konten öffnen und schließen
   Den Vertrieb über den Aufbau von Netzwerken in sozialen Medien unterstützen
   Sich um Krankmeldungen und Urlaubstage der Mitarbeiter kümmern
   Jede Sprache lesen
   24 Stunden / 7 Tage pro Woche fehlerfreier als wir Menschen arbeiten
   Die Maus und Tastatur wie ein Mensch bedienen
   Entscheidungen für Folgeschritte basierend auf erlerntem treffen

Ein reales Einsatz-Beispiel aus der Praxis:

Prozess Rechnungserstellung bei kleinem EVU (Energieversorgungsunternehmen)

• Bisheriger Manueller Aufwand (Zeit): 350 Rechnungen/ Monat * 5 min * 12 Monate = 21.000 min  = 350 h / Jahr 30 €/h * 350 h = 10.500 € / Jahr
• Zeitaufwand der Automatisierung : 8 h (einmalig)
• D.h. es wurden durch 8 Stunden Zeiteinsatz 350 Stunden Zeit eingespart!
• EMMA braucht pro Rechnung nur 3 min, d.h. 220 Stunden/Jahr
• EMMA hat pro Jahr 365 * 24 = 8760 Stunden Zeit zur Verfügung
• Auslastung von EMMA für diesen Prozess: 220 h /8760 h = 2,5 %
• D.h. schon bei einer Auslastung von nur 2,5% hat EMMA hier bereits 10.500 € eingespart. Da die Lizenzkosten weniger als 10.500 € betragen ist die Investition bereits nach einem Jahr amortisiert.

Eine renommierte Unternehmens- und Steuerberatung hat in einer unabhängigen Studie die Vorteile der deutschen EMMA KI gegenüber Lösungen aus USA erarbeitet. Details sind auf Anforderung erhältlich.

Die EMMA KI ist die digitale Antwort auf die unternehmerischen Herausforderungen der heutigen Zeit. Sie dient den Menschen – nicht umgekehrt.

>> Produktflyer EMMA

Der Beitrag Kann Arbeiten mit KI wirklich einfach sein? erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Die schwächelnde Produktivität müsse wieder stärker steigen – nicht nur für wenige, sondern in der Breite. Damit könne Deutschland wettbewerbsfähig bleiben und „Wachstum für alle“ wieder gelingen.

Armando Garcia Schmidt von der Bertelsmann-Stiftung, warnt, dass vor allem kleinere und mittlere Unternehmen abgehängt werden könnten: „Wir laufen in eine doppelte Produktivitätskrise hinein“. Die Arbeitsproduktivität je Erwerbstätigen sei im zurückliegenden Jahrzehnt um durchschnittlich weniger als ein Prozent pro Jahr gestiegen. Das sei problematisch, wenn angesichts des demografischen Wandels künftig weniger Erwerbstätige Wohlstand und Renten erwirtschaften müssen (=> Wie wir aus weniger mehr für alle machen).

Kurzum: Deutschland brauche eine Agenda für Produktivität und Teilhabe – wirtschaftspolitische Maßnahmen, die auf Produktivitätssteigerungen in der Breite und somit Wachstum und Teilhabe zugleich einzahlten. Das Projekt setzt das Produktivitätswachstum auf die wirtschaftspolitische Agenda und erarbeitet Handlungsoptionen, die Produktivität und Teilhabe gleichermaßen erhöhen. Die Empfehlungen der Bertelsmann-Stiftung konzentrieren sich auf drei Bereiche, in denen Handlungsbedarf besteht:

– Wettbewerbspolitik: Die zunehmende Unternehmenskonzentration hemmt die gesamtwirtschaftliche Produktivität – viele Firmen, Branchen und Regionen halten im digitalen Wettbewerb nicht mehr mit. Wirtschaftspolitik kann hier einen modernen und gleichzeitig wettbewerbsfördernden Rahmen schaffen, der Anreize für mehr Produktivitätswachstum setzen kann.

– Investitionspolitik: Veraltete Anlagen und Lücken in der (digitalen) Infrastruktur gefährden Wachstum und Teilhabe. Vor allem der deutsche Mittelstand investiert nicht ausreichend in sogenanntes „Wissenskapital“, einem zentralen Treiber der Produktivität. Es braucht Strategien und Instrumente für mehr öffentliche und private Investitionen, die Teilhabe und Produktivität steigern.

– Innovationspolitik: Produktivitätswachstum braucht Innovationen in der Breite. Die Verzahnung von Unternehmen, Forschung und Gründern konzentriert sich jedoch auf einige Zentren; in strukturschwachen Regionen und vielen Branchen liegt das Innovationssystem brach. Ein wirtschaftspolitischer Kurswechsel kann Deutschland zu einem starken Innovationsstandort machen – und alle Beschäftigten, Firmen und Regionen dabei besser einbinden.

Produktivität sei für die Bewältigung der schlechten Entwicklung die zentrale Kenngröße. Die deutsche Wirtschaft ist in den vergangenen Jahren insgesamt kaum produktiver geworden. Doch das ist nicht das einzige Problem. Denn das Wachstum der Produktivität schwächelt nicht nur, es verteilt sich auch zunehmend ungleich: Große Unternehmen hängen kleine und mittlere Unternehmen ab, dynamische Regionen lassen weniger starke Regionen immer weiter hinter sich zurück. Haupttriebkraft ist die Digitalisierung: Anders als bei vielen der technologischen Entwicklungen der vergangenen 100 Jahre, sind die Anforderungen der Digitalisierung für viele, vor allem kleinere Unternehmen, so hoch, dass sie nicht mehr mitkommen. Sie investieren nicht, oder kaum mehr in ihr Wissenskapital, ziehen sich aus dem Innovationsgeschehen zurück und adaptieren auch keine neuen (digitalen) Technologien in ihre Prozesse und Geschäftsmodelle. Produktivität wächst unter diesen Voraussetzungen nicht mehr.  Produktivität muss wieder stärker steigen – vor allem im Bezug auf unseren Ressourceneinsatz und nicht nur bei wenigen Spitzenunternehmen in Großstädten.

Was der Wirtschaftsstandort Deutschland braucht, ist tatsächlich ein Aufbruch, der die deutsche Wirtschaft produktiver werden lässt und zugleich auf ein inklusives Wachstum abzielt. Produktivität muss vor allem wieder in der Breite wachsen – in der Breite der Unternehmenslandschaft und in allen Teilen des Landes. So werden Teilhabe- und Beteiligungschancen, so wird Wohlstand gesichert. Nur auf dieser Grundlage kann aber auch ein echtes Umsteuern in Richtung eines nachhaltigeren Wirtschaftsmodells gelingen, das uns auch ein Höchstmaß von Produktivität im Umgang mit den natürlichen Ressourcen abverlangen wird.

Wo genau angesetzt werden kann und wie es funktionieren kann, Produktivitätswachstum inklusiv zu gestalten – die „Agenda für Produktivität und Teilhabe“ liefert Antworten in acht Handlungsfeldern.

Der Beitrag Der Mittelstand kommt bei der Digitalisierung nicht hinterher erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

1. Der Podcast „Digitalisierung ist…“ versorgt seine Hörer monatlich mit Erfahrungsberichten und Insights rund um das Thema Digitalisierung.
   Zu Wort kommen nach Auskunft seiner Macher Vordenker, Experten und Entscheider, die ihre ganz persönliche Sicht auf die aktuellen Entwicklungen, Chancen und Herausforderungen der Digitalisierung mit uns teilen. Mit ihnen sprechen wir über digitale Strategien, den Einsatz von Zukunftstechnologien und die Arbeitswelt von morgen.
   Dieser Podcast ist eine Produktion des KPMG Digital Hub.
   >> Podcast Klardenker
2. Vor welchen Herausforderungen stehen Familienunternehmen und welche Erfahrungen sammeln sie bei der digitalen Transformation? Diese Fragen klärt der Podcast „Alles neu…? Aus dem Maschinenraum“, ein Interview-Podcast für den deutschen Mittelstand. Tobias Rappers, Geschäftsführer des Maschinenraum, und Nils Kreimeier, leitender Redakteur beim Wirtschaftsmagazin Capital, sprechen mit Vordenkerinnen und Macherinnen aus dem Herzen der deutschen Wirtschaft und richten den Blick auf die Persönlichkeiten und ihre Motivation.
   >> Podcast Initiative Maschinenraum
3. Antworten auf Fragen des Mittelstands möchte der Podcast „Digital genial“ geben
   >> Podcast „digital genial“
4. Mit digital.dean haben sich Jasmin und Dominik zur persönlichen Aufgabe gemacht, alles Wissenswerte rund um das Thema Digitalisierung auf eine einfache, unterhaltsame und spannende Art zu vermitteln. Sie präsentieren die Inhalte prägnant in einer verständlichen Sprache, betrachten aktuelle Konzepte und Entwicklungen, interviewen Experten aus führenden Unternehmen und liefern praktische Hilfestellungen bei der Gestaltung der digitalen Transformation. Ihre Mission: Sie sind die digitalen Guides im Dschungel der Buzzwords!
   >> digital.dean
5. Im t3n Podcast diskutiert t3n-Chefredakteur Luca Caracciolo mit prominenten Gästen über die spannendsten digitalen Themen unserer Zeit. Ob innovative Führungskonzepte, die Digitalisierung der Gesellschaft, smarte Gadgets, neue Mobilität oder Zukunftstechnologien.
   >> t3n-Podcast
   

Der Beitrag Podcasts zur Digitalisierung erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Initiative Maschinenraum

Wie das etwa für die Entwicklung neuer, digitaler Geschäftsmodelle funktionieren kann, zeigt die Initiative Maschinenraum, die auf Initiative von Maximilian Viessmann größere Mittelständler mit gemeinsamen Zielen zusammenbringt:

• Erleben & Vernetzen
• Teilen & Lernen sowie
• Umsetzen & Kollaborieren

Das Handelsblatt hat sich den Maschinenraum angeschaut und resümiert: „Soll man ein Start-up kaufen, mit einem kooperieren oder ein eigenes hochziehen? Oder ist vielleicht eine Kooperation mit anderen Mittelständlern die beste Lösung? All diese Fragen lassen sich aber in jedem Fall besser beantworten, wenn man sich vorher mit anderen Mittelständlern ausgetauscht hat. Der ‚Maschinenraum‘ will auch dabei helfen, die Ergebnisse der jeweiligen Überlegungen systematisch aufzuarbeiten.„

Digitale Geschäftsmodelle

Der langfristige Nutzen von reinen Effizienzsteigerungen im meist niedrigen, einstelligen Bereich ist angesichts großer Veränderungen wenig hilfreich. Neue und digitale Geschäftsmodelle gelten heute als die Königsdisziplin, versprechen sie neue Umsätze mit hohen Margen durch Innovation und neue Kunden.
In einer groß angelegten Studie von Familienunternehmen der WHU Otto Beisheim School of Management unter der Leitung von Prof. Dr. Nadine Kammerlander und mit Unterstützung der Beratungsgesellschaft ANDERSCH wurde untersucht, wie der aktuelle Status der Digitalen Transformation heute in diesem Unternehmenssegment zu bewerten ist. Für die Studie wurden 1.727 Top-Entscheider aus 1.444 Unternehmen befragt, davon 689 Unternehmen in mehrheitlichem Familienbesitz und 755 im Nicht-Familienbesitz. Demnach erkennen 87 Prozent der befragten Unternehmen Neues, aber nur 43 Prozent sagen, dass sie auch in der Lage sind, dies adäquat zu nutzen.

Die Leiterin der Studie resümiert: „Die Schlussfolgerungen, die diese Daten ermöglichen, sind besonders für diese (Corona) Krise ernüchternd. Schon zuvor war eine Fokussierung auf die Verbesserung von Effizienz kritisch zu hinterfragen. (…) Um aus dieser Krise zu kommen, bedarf es für viele nicht nur schmerzhafter Einschnitte im Jetzt – sondern vor allem viel Mut und Selbstvertrauen in der Zukunft. Dazu reicht es nicht aus, Neuerungen zu erkennen. Sondern Unternehmen müssen jetzt die strukturellen und prozessualen Möglichkeiten schaffen, diese Innovationen dann auch konsequent in Richtung Markt umzusetzen.“

Ein wichtiger Schritt in die Zukunftsfähigkeit und eine klare Empfehlung der Forscherin ist die Kooperation mit anderen Unternehmen, vor allem mit Start-ups, deren Lebenszweck es sei, bahnbrechende Innovationen zu erzeugen. Kammerlander ist daher der Ansicht: „Wer nicht kooperiert, stirbt.“ Dies sei eine Überlebensfrage. Schließlich sei auch die Corona-Krise eine bahnbrechende Veränderung: „Es ist ein tieferer Einschnitt mit unklarem Verlauf“.

Daher werde es, so Kammerlander, in den kommenden Jahren sehr viel mehr „Varianz“ bei den Familienunternehmen geben. Also mehr solche, denen es gut gehen und mehr solche, denen es schlecht gehen werde. Dabei hält Nadine Kammerlander auch das Konzept, ausschließlich als Hidden Champion im verborgenen B2B-Geschäft zu glänzen für langfristig „gefährlich“. Wer innovative Mitarbeiter und Kooperationspartner anziehen wolle, müsse visibler werden, ist sie überzeugt. Sie habe durchaus in ihren Studien gesehen, wie innovativ Familienunternehmen bislang waren. Aber auch, dass die manchmal jahrhundertelange Geschichte von Familienunternehmen trotzdem „kein Indiz fürs Überleben“ sei. Den Weckruf durch die Corona-Krise sei nicht zu überhören. Und dabei helfe sicherlich etwas, wofür Familienunternehmen durchaus bekannt sind: Erfahrung und schnelle Entscheidungswege.

Die Studie nennt folgende Voraussetzungen für eine erfolgreiche Umsetzung

• Unternehmen benötigen Fähigkeiten zur Einschätzung von Risiko und Veränderungsbereitschaft sowie Kapazitäten zur Implementierung neuer digitaler Initiativen.
• Trotz ausreichend vorhandener unternehmerischer Fähigkeiten können sich interne Barrieren ergeben, bspw. durch ein starres Festhalten an bestehenden Strukturen. Der gezielte Einsatz von „Enablern“, wie einer klaren Digitalisierungsstrategie, hilft Barrieren zu überwinden und trägt zu einer erfolgreichen Transformation bei.
• Stetige Weiterentwicklungen stehen im Zentrum der erfolgreichen Transformation. Daher sind Lernprozesse im Unternehmen unabdinglich.
• Die Förderung von Innovationen muss sich übergreifend auf Prozesse, Produkte, Dienstleistungen und das Geschäftsmodell richten, um so eine erfolgreiche Positionierung für die Zukunft zu schaffen.
• Zur stetigen Weiterentwicklung zählt auch die zunehmende Einbindung von Zukunftstechnologien, wie Lösungen, die auf künstlicher Intelligenz beruhen oder Applikationen basierend auf virtuellen Realitäten. Diese werden sich verstärkt auf verschiedene Geschäftsbereiche auswirken.

Die Studie der WHU kann hier kostenlos als PDF heruntergeladen werden.

Der Beitrag Kooperation muss sein – besonders im Mittelstand erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..