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..

Von Dr. Jörg Schumacher

„Der Industrie kommt eine zentrale Rolle bei der Transformation der Wirtschaft mit Blick auf Klimaschutz und Digitalisierung zu“ – der Koalitionsvertrag der Bundesregierung macht deutlich, von wie großer Bedeutung die fortschreitende digitale Transformation der hiesigen Industrie ist. Zugleich hat sich die Ampelkoalition damit aber auch ein hohes Ziel gesteckt. Schließlich ist die digitale Transformation bei Weitem noch nicht in der Breite angekommen.

Insbesondere viele kleinere und mittlere Unternehmen hinken bei der Digitalisierung im Vergleich zu größeren Konzernen nach wie vor massiv hinterher. Wie das ifo Institut erst Ende vergangenen Jahres festgestellt hat, hapert es demnach massiv an der digitalen Innovationsfähigkeit zahlreicher Betriebe. Soll die Industrie hierzulande langfristig international wettbewerbsfähig bleiben, ist daher dringend Handlungsbedarf erforderlich.

Digitale Technologien ganzheitlich integrieren

Bevor jedoch die Gründe für das Hinterherhinken sowie mögliche Lösungsansätze dargelegt werden können, ist es zunächst entscheidend, einen Schritt zurückzumachen. Konkret geht es vorab nämlich um die Frage: Was genau sieht eine digitale Unternehmenstransformation vor? Obwohl das Wort „Digitalisierung“ in aller Munde ist, scheinen viele kleinere und mittlere Betriebe deren Bedeutung häufig zu unterschätzen. Womöglich, weil sie sich kein umfassendes Bild von den Chancen machen, die die Transformation bietet, und stattdessen eher die damit einhergehenden Aufgaben mit Skepsis betrachten.

Eine recht eingängige Definition liefert beispielsweise SAP, Europas größter Softwarehersteller. Digitale Transformation bedeutet demnach, „digitale Technologien und Lösungen in alle Bereiche eines Unternehmens zu integrieren. Der Wandel ist dabei nicht nur technologischer, sondern auch kultureller Natur.“ Es wird also ersichtlich: Die Digitalisierung ist keineswegs ein Prozess, der sich von heute auf morgen erledigen lässt. Vielmehr handelt es sich um ein äußerst vielschichtiges und komplexes Unterfangen, das umgekehrt jedoch ein großes Wachstumspotenzial birgt.

Unternehmen, die digitalen Innovationen offen gegenüberstehen, haben etwa die Möglichkeit, neue Geschäftsmodelle zu entwickeln, auf diese Weise neue Kunden zu gewinnen oder bereits bestehende Stammkunden noch enger an sich zu binden. Somit stärken entsprechend digital aufgestellte Betriebe ihre Wettbewerbsfähigkeit gegenüber der Konkurrenz und sind letztlich dazu in der Lage, Zeit und Kosten aufgrund einer äußerst effizienten Arbeitsweise einzusparen.

Mangelnde personelle und finanzielle Ressourcen

Neben dem Faktor der unterschätzten Bedeutung dieses Wandels spielen jedoch noch viele weitere Gründe eine wichtige Rolle für den digitalen Rückstand. Zahlreiche Unternehmen leiten die Digitalisierung oftmals sehr inkonsequent ein – beispielsweise, weil sie sich hinsichtlich einer strategischen Herangehensweise schlichtweg nicht ausreichend auskennen, aber auch, weil es ihnen an personellen und finanziellen Ressourcen mangelt. Hinzu kommt die mit dem hohen Tempo digitaler Innovationen einhergehende Problematik. Fortlaufend werden neue Technologien entwickelt, die den Betrieben ein hohes Maß an Flexibilität abverlangen – eine Anforderung, der im Arbeitsalltag nicht immer nachzukommen ist.

Angesichts dieser Herausforderungen stellt sich entsprechend die Frage: Wie können es gerade KMU schaffen, sich innerhalb dieses fluktuierenden Marktumfeldes langfristig zu behaupten? Abhilfe kann hier der Einsatz eines externen Interim Managers schaffen, der im Idealfall gemeinsam mit einem erfahrenen und direkt arbeitsfähigen Team auftritt. Ein sicherlich berechtigter Einwand mag hierbei zwar zunächst sein, dass auch bei diesem Vorgehen initiale Kosten entstehen. Dieser Mehraufwand kann jedoch dank eines wesentlich effizienter und somit auch nachhaltigeren Transformationsprozesses ausgeglichen werden.

Doch der Reihe nach – worauf kommt es bei der digitalen Transformation an, unabhängig vom Einsatz eines sogenannten „CDO auf Zeit“? Als eine der absoluten Grundvoraussetzungen für den langfristigen Erfolg gilt dabei zunächst das einhellige Commitment der Führungsebene. Der Wandel betrifft wie eingangs geschildert sämtliche Bereiche eines Unternehmens – von der Produktion über den Vertrieb bis hin zur Logistik. Nur, wenn die Top-Ebene eines Betriebes hierbei eine einheitliche Sprache spricht, lassen sich später auch sämtliche Mitarbeiterinnen und Mitarbeiter in den Prozess einbinden.

Digitale Transformation – ein Fulltime-Job

Darüber hinaus sind eine strukturierte Vorarbeit sowie die Implementierung eines steten digitalen Optimierungsprozesses unabdingbar. Dazu gilt es, zunächst den digitalen Status quo eines Unternehmens mit Hilfe einer Ist-Analyse zu untersuchen. Das Ergebnis kann dann wiederum mit State-of-the-Art-Lösungen verglichen werden. Die Differenz gibt schließlich einen guten Anhaltspunkt für den notwendigen Handlungsbedarf und ermöglicht zudem eine Priorisierung der anzugehenden Tätigkeitsfelder.

Ausgehend davon sollten bei der konkreten Maßnahmenplanung stets auch Zeit-, Kosten- und Nutzeneffekte berücksichtigt werden. Dies verhindert mögliche böse Überraschungen während des später fortlaufenden Digitalisierungsprozesses. Geht es dann um die konkrete Personalplanung, ist der Einsatz eines Digitalisierungsteams ungemein wichtig. Die digitale Transformation kann nicht „nebenbei“ durchgeführt werden, sie stellt vielmehr einen querschneidenden Belang dar, der entsprechend professionell bearbeitet werden will.

Das Team wird später die gesamte Umsetzung betreuen, regelmäßige Abgleiche mit den eingangs gesteckten Zielen machen und die Partner- und Lieferantenstrategie im Blick behalten. Anhand dessen wird deutlich, wie zeitintensiv der gesamte Prozess letztlich ist – und worin wiederum der Vorteil eines eingesetzten externen CDO mit Team besteht.

Denn: Dank dieses interimistischen Beratungsansatzes lässt sich die Digitalisierung nicht nur autonom vorantreiben. KMU schonen auf diese Weise insbesondere ihre Ressourcen und Mitarbeiterinnen und Mitarbeiter. Zudem können die digitalen Strukturen bereits parallel zum Einsatz des CDO-Teams aufgebaut werden – das spart Zeit und somit letztlich auch Geld. Schließlich gilt es, allein aufgrund der angestrebten Wettbewerbsfähigkeit die Unternehmensabläufe auch während des digitalen Wandels niemals zu stören und die vollumfängliche Handlungsfähigkeit eines Betriebes jederzeit zu bewahren.

Über den Autor:

Jörg Schumacher ist seit 2011 Partner bei der Unternehmensberatung Haselhorst Associates. Herr Schumacher hat langjährige Erfahrungen in der Beratung des Top-Managements und begleitete international als interner Berater und als Manager in Linienfunktionen zahlreiche Projekte zum Thema Organisation. 

Für Haselhorst Associates hat er bereits mehrere Restrukturierungen in Dax-Konzernen mit großem Erfolg geleitet, darunter Reorganisationen in Frankreich, Portugal und Italien. Darüber hinaus hat Herr Schumacher beim Starnberger Unternehmen den Bereich Digitalisierung aufgebaut und verantwortet hier umfassende Digitalisierungsinitiativen bei global agierenden Großkunden.

Der Beitrag Digitalisierung im Mittelstand erfolgreich umsetzen erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Weltweit zeigen Unternehmen eine sehr hohe Bereitschaft, in die Digitalisierung ihres Geschäfts zu investieren. Um die aktuelle digitale Reife von Unternehmen zu ermitteln, wurden 750 Entscheider in 16 Ländern – auch in Deutschland – zum Stand der Digitalisierung befragt.

Demzufolge gaben rund neun von zehn Unternehmen (Deutschland: 93 Prozent) an, die Investitionen in die digitale Transformation des eigenen Betriebs seien „angemessen“ beziehungsweise „förderlich“. Lediglich sechs Prozent (Deutschland: zwei Prozent) der Befragten mussten einräumen, ihre für den digitalen Wandel aufgewendeten Mittel seien unzureichend.

Wo die meisten Investitionen getätigt werden: Analytics, ERP und IoT

Als die Top-Drei-Investitionsbereiche identifizierten die Studienteilnehmer weltweit Big Data & Analytics (47 Prozent), Enterprise Resource Planning (ERP) mit 38 Prozent sowie das Internet of Things (IoT) mit 36 Prozent der Nennungen. Auf den weiteren Plätzen folgen Themen wie Software as a Service (SaaS) und Künstliche Intelligenz (KI) mit jeweils 20 Prozent sowie Infrastructure as a Service (24 Prozent), mobile Anwendungen (24 Prozent) sowie Robotik & Automation (23 Prozent). Dagegen spielen Themen wie Drohnen Augmented und Virtual Reality (AR/VR) sowie der 3D-Druck mit jeweils fünf Prozent der Nennungen in den Digitalisierungsstrategien offenbar nur eine untergeordnete Rolle.

Die disruptivsten Technologien sehen die gesamten Studienteilnehmer vor allem in Big Data, Automation und IoT. Auf einer Skala von eins bis zehn wurde ihr disruptives Potenzial mit Durchschnittswerten von 7,2, 7,0 beziehungsweise 6,6 eingestuft.

Es geht um mehr Effizienz, Innovation steht noch nicht im Fokus

Auf die Frage nach den Haupttreibern der Digitalisierung nannte sowohl weltweit (43 Prozent) wie auch in Deutschland (42 Prozent) die Mehrheit der befragten Unternehmen Effizienzverbesserungen bei den internen Prozessen. Auf den Plätzen zwei und drei unterscheiden sich die Ergebnisse allerdings. Liegen hier weltweit die Beschleunigung von Innovationen (29 Prozent) und Wachstumschancen in neuen Märkten (28 Prozent) vorne, sind es in Deutschland Kostenersparnisse (33 Prozent) und Produktivitätssteigerungen (31 Prozent).

Obwohl Innovationen als wichtiger Faktor im Zuge der Digitalisierung genannt wird, spielt die Einführung von neuen Produkten beziehungsweise Dienstleistungen mit acht Prozent der Nennungen (Deutschland: 12 Prozent) dagegen nur eine geringe Rolle.

Experten fehlen nicht nur in Deutschland

Auch wenn die befragten Unternehmen die digitale Transformation als wichtigen Trend für die Weiterentwicklung ihres Business identifiziert haben, läuft längst nicht alles rund. Als großes Problem erweist sich demnach der offenkundige Mangel an qualifiziertem Personal. Weltweit fühlen sich 34 Prozent der Unternehmen wegen dieses Defizits entweder „etwas“ oder „völlig“ unvorbereitet, die digitale Transformation erfolgreich umzusetzen. In Deutschland sind es mit 35 Prozent sogar noch etwas mehr. Den größten Mangel an qualifiziertem Personal haben die Unternehmen insgesamt gesehen auf den Gebieten Business Intelligence (40 Prozent), Cyber Security (39 Prozent), Künstliche Intelligenz und Robotik (30 Prozent), Big Data & Analytics (24 Prozent) sowie Cloud Computing (21 Prozent).

Als größte Hindernisse auf dem Weg des digitalen Wandels stufen die Unternehmen weltweit die Aversion von Mitarbeitern gegen Veränderungen (42 Prozent), Sicherheitsbedenken (39 Prozent) sowie fehlende Organisations- und Führungsmodelle (38 Prozent) ein.

Um den Status quo der digitalen Transformation zu ermitteln, wurden die Studienteilnehmer darüber hinaus gebeten, die digitale Reife ihres Unternehmens auf einer Skala von eins bis fünf einzustufen. Das Ergebnis: Weltweit sieht sich ein knappes Drittel (31 Prozent), in Deutschland ein Drittel (33 Prozent) der Unternehmen auf den beiden höchsten Stufen dieser Skala. Im Detail stufte sich etwa ein Viertel der Befragten als „fortgeschritten“ ein (weltweit 24 Prozent, in Deutschland 25 Prozent). Sieben beziehungsweise acht Prozent (Deutschland) gaben an, ihr Unternehmen sei bereits digital „optimiert“.

Erst der Anfang einer langen Reise

Das bedeutet aber auch, dass viele Unternehmen erst am Anfang ihrer Digitalisierungsreise stehen. Die Hälfte der befragten Unternehmen stufte sich als „umsetzungsbereit“ ein. 18 beziehungsweise 17 Prozent (Deutschland) charakterisierten ihren Digitalisierungsstatus als auslotend. Immerhin stufte sich kaum ein Unternehmen – weltweit ein Prozent, in Deutschland null – als Digitalisierungsanfänger ein.

„Unsere Studie zeigt, dass Unternehmen weltweit die Dringlichkeit der Digitalisierung bewusst ist“, sagte Antony Bourne, Vice President Global Industry Solutions bei IFS. „Technologien wie Big Data, Enterprise Resource Planning und das Internet of Things spielen dabei eine wichtige Rolle.“ Unternehmen müssten diese Technologien jedoch mit ihrer Branchenexpertise kombinieren, um sich Wettbewerbsvorteile zu verschaffen, mahnt der IFS-Manager. Erst durch diese Kombination könne die digitale Transformation ihre volle Stärke entfalten.“

Hintergrund der Studie

Für die Digital-Change-Studie befragte das Unternehmen Raconteur Custom Publishing im Auftrag von IFS weltweit 750 Entscheider aus den Branchen Industrielle Fertigung, Anlagen- und Maschinenbau, Öl und Gas, Luftfahrt und Dienstleistung. Die Befragten stammen aus den USA, Kanada, Großbritannien, Deutschland, Frankreich, Schweden, Norwegen, Dänemark, den Niederlanden, Spanien, Polen, Australien, China, Japan, dem Mittleren Osten und Indien.

Der Beitrag Internationale Studie zum Fortschritt und den Schwerpunkten der digitalen Transformation erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Große Unternehmen gründeten gerne separate Einheiten, die sich mit der Entwicklung digitaler Prozesse beschäftigen. Dort werde meist an vielen verschiedenen Lösungen getüftelt, um sich für die vielversprechendste Anwendung zu entscheiden und sie erst dann ins laufende Geschäft zu überführen. Das sei für viele Mittelständler nicht sinnvoll. Statt in einem eigenen Stab sei die digitale Strategie dort oft direkt beim Geschäftsführer angesiedelt und somit Chefsache. Außerdem müssten die Mittelständler die jeweiligen Schritte in die Digitalisierung so sorgfältig vorbereiten, dass sie unmittelbar ins laufende Geschäft integrierbar sei.

Weitere Informationen und Links auf zusätzliche Tools erhalten Sie direkt in dem Blogbeitrag.

Der Beitrag Verschläft der Mittelstand wirklich die digitale Transformation? erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Für Vereinsmitglieder wird im Juli ein Beitrag zu diesem Thema unter den Best Practice Beispielen im Mitgliederbereich zum Download zur Verfügung stehen.

Hier eine Leseprobe

„Die steigende Komplexität und Veränderungsgeschwindigkeit scheint den Bedarf für agile Methoden zur Umsetzung von Veränderungen zu begünstigen. Die stark steigende Nachfrage und Anwendung von agilen Ansätzen belegt das eindrucksvoll.

Doch es zeigt sich, dass das Verstehen von agilen Methoden nicht ausreicht um diese auch erfolgreich einzuführen. Agilität unterliegt einem Widerspruch, denn sie erfordert auch ein hohes Maß an Veränderungsbereitschaft, die sie gleichermaßen erst schaffen soll.

Zusätzlich stellt sich die Frage wie es gelingen kann, dass auf dezentrale Organisation und Verantwortung angelegte Strukturen erfolgreicher sein können als hierarchische Strukturen deren Vorteil gemeinhin in einer besonderen Effizienz gesehen wird?

Die Antwort ist wohl darin zu suchen, dass Effizienz in Zeiten einer hohen Komplexität nicht alleine die richtigen Antworten auf die Richtung und Gestaltung von grundsätzlichen Veränderungen geben kann.

Diese Fragen werden Ihnen im folgenden Kapitel beantwortet:

• Wann ist es sinnvoll agile Methoden einsetzen und wann sind klassische Methoden überlegen?
• Wie können die erfolgreichen agilen Ansätze im Projektmanagement auch auf Linienorganisationen übertragen werden?
• Warum haben agile Methoden oft sehr genaue Zeitpläne und Rituale für Meetings, obwohl sie doch kreative Freiräume zur Entwicklung von Ideen und Lösungen bieten sollen?
• Wie kann die Einführung von Agilität gelingen und was ist dabei besonders zu beachten?
• Was sind die besonderen Anforderungen an das Management und die Mitarbeiter um agil erfolgreich zu sein?

Grundelemente von Agilität

Wenn große Veränderungen in schwierige Fahrwasser geraten lautet ein Ergebnis der Ursachenanalyse meist: „Es wurde zu wenig kommuniziert”. Wie aber können die zentralen Mitarbeiter noch mehr kommunizieren, wenn endlose Meetings bereits ganze Arbeitstage auslasten?

Das richtige Ergebnis der Ursachenanalyse müsste wohl besser lauten: „Es muss mehr zielgerichtet und lösungsorientiert sowie nicht nur zwischen Schlüsselpersonen kommuniziert werden”. Denn Veränderungen in einem komplexen Kontext entziehen sich, das wurde bereits erläutert (vgl. Kapitel 2), einer analytischen Planung. Eine stabile, rationale Planung ist nur möglich, wenn das notwendige Wissen vorab vorliegt, in dynamischen Märkten, Unternehmen oder Projekten entspricht das jedoch meist nicht der Realität.

Deswegen müssen Organisationen, die neue Wege gehen, lernfähig sein und das erlernte Wissen schnell teilen und anwenden. Hierfür ist ausreichend zielgerichtete Kommunikation und das teilen von Wissen in kurzen Abständen notwendig. Gleich einem Menschen, der sich im Dunkeln auf unbekannten Territorium bewegt, müssen auch bei Veränderungen mit ausgestreckten Händen kleine Schritte gemacht werden um rechtzeitig zu steuern bevor der Kopf gegen einen harten Widerstand stößt.

Das ist im Kern der Rahmen für agiles Projektmanagement oder auch für agile Strukturen in Unternehmen: Es werden schnell Erfahrungen gemacht und mit anderen geteilt um durch schnelle, abgestimmte Anpassungen größere Schäden zu vermeiden. Aufgrund der bereits beschriebenen Veränderungen und der Veränderungsgeschwindigkeit stehen agile Vorgehensweisen heute bei Unternehmen zur Vermeidung schwerwiegende Unfälle auf neuen Wegen hoch im Kurs.

Wirtschaften unter stabilen und planbaren Rahmenumständen lebt von den Vorzügen der tayloristischen[1] Organisation, die auf Arbeitsteilung, Spezialisierung und Massenproduktion basiert. Dadurch sind immense Effizienzvorteile möglich, die die Grenzkosten von vielen Produkten gegen Null tendieren lassen. Deshalb verwundert es auch nicht, wenn das Erfolgsmuster Effizienz für viele Verantwortliche starke Anziehungskraft besitzt. In Zeiten von großen Veränderungen und vielen Unbekannten gibt es jedoch weitere Notwendigkeiten: Nicht die Effizienz (machen wir die Dinge richtig und besser als die Konkurrenz?), sondern die Effektivität (machen wir die richtigen Dinge und vor der Konkurrenz?) rückt in den Vordergrund.

Dieser organisatorische Paradigmenwechsel – der selbstverständlich ganz im Sinne der Ambidextrie mit der Effizienz für bereits bewährte Verfahren kombiniert werden kann – fällt vielen Unternehmen schwer, da über lange Jahre bestehende Erfolgsmuster geändert oder ergänzt werden müssen um neue Lösungen zu (er-)finden. Das grundsätzliche Verständnis für die Notwendigkeit und Ausprägung der agilen Elemente ist dabei meist nicht die größte Hürde, es ist das Einüben und Leben der Agilität, das den herkömmlichen Mustern in vielen Teilen widerspricht[2]. Bestehende Muster geben uns Sicherheit, neue Muster erlernen bedeutet immer ein gewisses Maß an Verunsicherung und Verlust von (sicher geglaubter) Kompetenz. Das Ausbrechen aus bestehenden Mustern erfordert Mut und Zuversicht, ein Grund warum oftmals von einer agilen Haltung oder Kultur und nicht von agilen Methoden gesprochen wird. Für den Erfolg ist es mindestens ebenso notwendig, den Schraubenschlüssel richtig anwenden zu können wie das richtige Werkzeug in der Hand zu halten. In diesem Kapitel gehe ich deshalb sowohl auf die Auswahl des richtigen Werkzeugs, als auch auf dessen sachgemäßen Gebrauch, ein.

(…)

[1] Nach Frederick Winslow Taylor (1856–1915) dessen Ziel die Steigerung der Produktivität menschlicher Arbeit ist. Dies geschieht durch die Teilung der Arbeit in kleinste Einheiten, zu deren Bewältigung einfache Denkvorgänge zu leisten und die aufgrund des geringen Umfangs bzw. Arbeitsinhalts schnell und repetitiv zu wiederholen sind.

[2] In der englischsprachigen Literatur findet man oft die Formulierung „agility is easy to understand but difficult to master“ (Agilität ist leicht zu verstehen, aber schwierig zu meistern).

Der Beitrag Buchbeitrag zur Agilität in Unternehmen mit Scrum und OKR erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..

Die Satzung des Vereins steht als Download allen Interessierten zur Verfügung. Der Vereinsvorstand und die Kassenprüfer wurden gewählt. Die jährliche Mitgliedsgebühr für Einzelpersonen und Unternehmen bis 100 Mitarbeiter wurde auf 100 € festgelegt.

Der Verein wird nun im Vereinsregister eingetragen um den Zusatz e.V. zu erhalten.

Der Beitrag Gründung des »Vereins zur Unterstützung der digitalen Transformation« erschien zuerst auf Verein zur Unterstützung der digitalen Transformation e.V..