Neue Erkenntnisse¶
Diese Seite zeigt, wann der KI Business Kompass fachlich gewachsen ist. Sie ist keine Liste technischer Änderungen, sondern eine kurze Chronik neuer Orientierung für Entscheider:innen.
Neue Einträge stehen oben. Wenn an einem Tag mehrere Quellen eingearbeitet werden, werden sie in einem gemeinsamen Tagesabschnitt gebündelt.
Das vollständige Quellenverzeichnis steht unter Quellen.
11. Oktober 2026¶
Was neu ist¶
KI-Sichtbarkeit in der Suche prüfen und verbessern (neue Seite)
Die neue Entscheidungshilfe ersetzt die verkürzte Rankingfrage durch vier getrennte Signale: Bekanntheit und Fakten, Auffindbarkeit bei offenen Käuferfragen, ausdrückliche Empfehlung sowie verwendete Quellen. Marketing und Vertrieb erhalten damit einen wiederholbaren Diagnosezyklus, der Testbedingungen und Antwortvariabilität dokumentiert, wiederkehrende Informationslücken priorisiert und Sichtbarkeit neben qualifizierten Anfragen misst. Einzelantworten, Erwähnungen und Zitate werden ausdrücklich nicht als Marktanteil, Empfehlung oder Wirkungsnachweis behandelt (Zwingmann und Stratta 2026).
→ KI-Sichtbarkeit in der Suche prüfen und verbessern
Quelle dieser Ergänzung: Zwingmann und Stratta 2026, Showing Up in AI Search
25. August 2026¶
Was neu ist¶
Prozess- und Systemgestaltung auf bestehenden Entscheidungsseiten (erheblich erweitert)
Die Workflow-Seite führt jetzt von Ziel und Prozessgrenze über Vereinfachung und prüfbare Spezifikation zur passenden Ausführungsform und zum kontrollierten Betrieb. KI-gestützte Use-Case-Discovery wird ausdrücklich als Hypothesengenerator eingeordnet; arbeitsnahe Quick Wins und strategische Value Cases erhalten getrennte Umsetzungspfade. Die Basisarchitektur verbindet menschenlesbare Prozessbeschreibungen und ausführbare Skills, Workflows oder Agentenanweisungen über eine gemeinsame versionierte fachliche Quelle. Feedback verändert produktive Regeln erst nach Ursachenprüfung, Test und Freigabe – nicht automatisch (Schlenther 2026; Mansar und Reijers 2005; NIST 2024).
→ KI-Workflows augmentieren oder neu gestalten? · KI-Use-Cases priorisieren und Roadmap bauen · KI-Basisarchitektur für Unternehmen
KI-Basisarchitektur für Unternehmen (neue Seite)
Die neue Architekturlandkarte zeigt, wie Unternehmen ihre gewachsenen Daten, Dokumente und Erfahrungsbestände mit Modellen, kontrolliertem Kontext, wiederverwendbaren Fähigkeiten und unterschiedlichen Ausführungsformen verbinden können. Sie trennt Unternehmensdaten ausdrücklich von aufgabenbezogenem Kontext, behandelt persönliche Arbeit, Geschäftsprozesse sowie Produkte und Services als parallele Wertschöpfungsfelder und ordnet Governance, Souveränität, Qualität und Lernen als durchgängige Führungsaufgaben ein. Die Metapher „KI-Betriebssystem“ bleibt als Praxisrahmen sichtbar, wird aber nicht als etablierte technische Produktkategorie übernommen (Schlenther 2026; Scherer 2026; Rohnfelder 2026).
→ KI-Basisarchitektur für Unternehmen
KI-Adoption im Unternehmen systematisch verankern (neue Seite)
Die neue Adoptionslandkarte trennt Einführung, Nutzung, organisatorische Verankerung und Wirkung. Sie zeigt, wie Unternehmen Zielbild, rollenbezogene Kompetenz, reale Arbeitsroutinen, klar mandatierte KI-Enabler sowie technische und organisatorische Voraussetzungen verbinden können. Aktivität, Verankerung, Wirkung und Nebenwirkungen werden getrennt gemessen, damit Führungskräfte Hindernisse diagnostizieren statt bloß Nutzungsquoten zu optimieren. Anbieterkennzahlen und feste Programmvorgaben aus der AI-FIRST-Serie dienen dabei nicht als allgemeine Benchmarks (Schlenther 2026; OECD 2025; Blume et al. 2010; Miech et al. 2018).
→ KI-Adoption im Unternehmen systematisch verankern
23. August 2026¶
Was neu ist¶
KI-gestützte Analysen kontrolliert automatisieren (neue Seite)
Die neue Entscheidungshilfe trennt spontane Datenabfragen von wiederkehrenden, entscheidungskritischen Analyseworkflows. Führungskräfte können jetzt Bedeutung, Vorgehen und Nachweis als drei getrennte Kontrollebenen prüfen: Fachbereiche verantworten Kennzahlendefinitionen, die KI arbeitet nur innerhalb dokumentierter Methoden und jede Aussage behält eine überprüfbare Daten-, Annahmen- und Versionsspur. Anbieterseitig berichtete Genauigkeitswerte dienen ausdrücklich nicht als Benchmark; stille plausible Fehler, Datenzugriff und reale Reviewkapazität bleiben als Grenzen sichtbar. → KI-gestützte Analysen kontrolliert automatisieren
Quellen dieser Ergänzung: Zwingmann 2026, Agentic Analytics, Cherry et al. 2026 und NIST 2024
16. August 2026¶
Was neu ist¶
Chatbot, Assistent, Automatisierung oder Agent? (Einschätzung revidiert)
Das Integration-Automation-Framework wird nicht mehr als Weg mit Agents als Zielpunkt gelesen. Die aktualisierte Entscheidungshilfe verbindet Automatisierung und Integration mit Ergebnisverantwortung, Betriebsaufwand und Geschäftsnutzen: Unternehmen wählen die einfachste Architektur, die das gewünschte Ergebnis zuverlässig erreicht und organisatorisch betrieben werden kann. → Chatbot, Assistent, Automatisierung oder Agent?
Quelle dieser Aktualisierung: Zwingmann 2026, The Integration-Automation AI Framework (2026 Update)
13. August 2026¶
Was neu ist¶
KI-Workflows augmentieren oder neu gestalten? (neue Seite)
Die neue Entscheidungshilfe schließt die Lücke zwischen einzelnen KI-unterstützten Aufgaben und einem neuen Operating Model. Führungskräfte können jetzt unterscheiden, ob ein tragfähiger Arbeitsschritt lokal unterstützt, ein Workflow schrittweise umgebaut oder der Weg zum Ergebnis end-to-end neu gestaltet werden sollte. Jede Eingriffstiefe erhält passende Ziele, Erfolgsmaße und Verantwortungsfragen; Produktivitätsstudien werden ausdrücklich nur für die untersuchten Aufgaben und Nutzergruppen eingeordnet. → KI-Workflows augmentieren oder neu gestalten?
Quellen dieser Ergänzung: Zwingmann 2025, Faster Horses vs. Teleporters, Zwingmann 2024, Principles of Effective Workflow Augmentation, Dell’Acqua et al. 2023, Brynjolfsson, Li und Raymond 2025 und Raisch und Krakowski 2021
Chatbot, Assistent, Automatisierung oder Agent? (erheblich erweitert)
Die Architekturentscheidung trennt jetzt KI beim Bauen von KI im laufenden Betrieb. Führungskräfte können dadurch einen bisher übersehenen Fall erkennen: Fachregeln sind vorhanden, ihre Übersetzung in eine wartbare Automation war aber bislang zu teuer oder aufwendig. KI darf einen prüfbaren Implementierungsentwurf beschleunigen; die freigegebene Logik kann danach deterministisch, ohne laufenden Modellaufruf, arbeiten. Fachliche Freigabe, Grenzfalltests, Versionierung und ein benannter Owner bleiben erforderlich. → Chatbot, Assistent, Automatisierung oder Agent?
Quelle dieser Ergänzung: Zwingmann 2026, Cheap Codification
5. August 2026¶
Was neu ist¶
Ergänzung: Strategisches KI-Mandat, First AI und Skalierungsorganisation¶
KI-Strategie und Wandel gestalten (erheblich erweitert)
Vor Roadmap und Projektstart wird nun das tatsächliche Führungsmandat geklärt: kurzfristige Ergebniswirkung, wettbewerbliche Mindestfähigkeit oder strategische Kategorienführerschaft. Die drei Mandate verlangen unterschiedliche Erfolgsmaße, Zeithorizonte und Ressourcen; grundlegende Risiko-, Budget- und Richtungsentscheidungen bleiben bei der Leitung. → KI-Strategie und Wandel gestalten
KI-Use-Cases priorisieren und Roadmap bauen (Einschätzung revidiert)
Die Roadmap-Logik berücksichtigt jetzt Zwingmanns post-book Korrektur „First AI“: Ein begrenzter produktiver Workflow soll reale Wirkung und Lernfähigkeit belegen, bevor eine breite Transformation vollständig festgelegt wird. Das ersetzt Strategie nicht. Zusätzlich zeigt der „erste Stockwerk“-Test, ob eine Kleinlösung Daten, Schnittstellen oder Betriebsfähigkeiten für den nächsten Schritt schafft oder als isolierte Einzellösung endet. → KI-Use-Cases priorisieren und Roadmap bauen
KI vom Pilot zur skalierbaren Unternehmenswirkung (erheblich erweitert)
Die Skalierungsseite unterscheidet AI Factory, Product-and-Platform-Modell und unternehmensweit agile Struktur als mögliche Organisationsformen, ohne sie als universelle Reifeleiter auszugeben. Ein explizites Skalierungs-Gate verbindet zentralen Anschub mit der späteren Übergabe von Produkt-, Ergebnis- und Budgetverantwortung an den Fachbereich. → KI vom Pilot zur skalierbaren Unternehmenswirkung
Quellen dieser Ergänzung: Zwingmann 2026, The AI Job You Actually Have, Zwingmann 2025, My 2025 Retrospective, Zwingmann 2026, Start Simple, Stupid, Zwingmann und Tammer 2025, The Profitable AI Organization und NIST 2023, AI RMF 1.0
KI-gestützte Datenbereinigung kontrolliert einsetzen (neue Seite)
Die neue Praxisentscheidung trennt fachliche Gleichheitsregeln, sichere Standardisierung, Referenzabgleich, Ähnlichkeitskandidaten und KI-gestützte Grenzfallprüfung. False Merges und False Splits werden getrennt gemessen; Rohwert, Vorschlag, Freigabe und Rückschreibung bleiben nachvollziehbar und reversibel. → KI-gestützte Datenbereinigung kontrolliert einsetzen
Freitext und Umfragen mit KI analysieren (neue Seite)
Offene Antworten werden nicht bloß zusammengefasst. Die Seite führt von Geschäftsfrage und Erhebungskontext über eine versionierte, handlungsorientierte Taxonomie zu Mehrfachlabels, Häufigkeiten nach Segment und Zeitraum sowie fachlich geprüften Original- und Gegenbeispielen. Damit bleiben Stichprobenverzerrung und interpretative Verantwortung sichtbar. → Freitext und Umfragen mit KI analysieren
Dokumente mit KI strukturiert verarbeiten (neue Seite)
Die Entscheidungshilfe grenzt OCR, Layoutanalyse und semantische multimodale Extraktion ab. Ein prüfbarer Workflow verbindet Dokumenteingang, Feldprovenienz, Schema- und Geschäftsregeln, risikobasierte Human Review, Rückweg und End-to-end-Monitoring, statt extrahierte Werte ungeprüft in Fachsysteme zu schreiben. → Dokumente mit KI strukturiert verarbeiten
Quellen dieser Ergänzung: Zwingmann 2025, From Ugly Data To Profitable Insights, How We Cleaned 50,000+ Records in Less Than a Day with AI, AI for Data Management, Analyzing 4,000+ Survey Responses, Analyzing Customer Feedback with AI, Beyond OCR, Zwingmann 2023, Augmenting a Reporting Workflow from PDF Files with AI, Narayan et al. 2022, Gilardi et al. 2023, Braun und Clarke 2006, Microsoft, Document Intelligence, NIST 2024 und EU 2016, DSGVO
KI im Kundenservice: sinnvoll starten und sicher skalieren (neue Seite)
Die neue Entscheidungshilfe startet bewusst nicht beim Chatbot. Sie führt von interner Klassifikation, Zusammenfassung und Antwortassistenz über kundenseitige Auskunft bis zu begrenzten Aktionen. Baseline, Anfragecluster, Wissensverantwortung, Regressionstests, menschliche Übergabe, Service-KPIs und die Transparenzpflicht nach Artikel 50 des EU AI Act werden zu einem kontrollierbaren Ausbaupfad verbunden. → KI im Kundenservice: sinnvoll starten und sicher skalieren
KI in Excel und Tabellenkalkulationen sinnvoll einsetzen (neue Seite)
Tabellen-KI wird nicht als Sammlung kurzlebiger Produktfunktionen behandelt, sondern als Führungs- und Arbeitsfrage: Welche Logik darf KI erzeugen oder verändern, welche Datenform erleichtert verlässliche Analyse, und welche unabhängige Prüfung braucht das Ergebnis? Eine aufgabenspezifische Prüfspur reicht von Formeln und Transformationen bis zu Interpretation und automatisierten Arbeitsabläufen. → KI in Excel und Tabellenkalkulationen sinnvoll einsetzen
Datenqualität und Drift bei KI (aktualisiert)
Die Seite trennt jetzt Datenqualität von Datenform. Eine fachlich korrekte Berichtstabelle kann für programmatische Analyse schlecht strukturiert sein; eine sauber geformte Tabelle kann umgekehrt falsche Inhalte enthalten. Diese Unterscheidung verhindert, dass Teams Promptprobleme, Strukturprobleme und Qualitätsprobleme miteinander verwechseln. → Datenqualität und Drift bei KI
Quellen eingearbeitet: Zwingmann 2026, The AI Customer Support Chatbot Reality Check, The $37K Email Summary, Zwingmann und Casari 2025, Beyond Chatbots, Zwingmann 2024, A Simple Template for Evaluating AI Chatbots, Zwingmann und Mount 2025, AI in Excel, Zwingmann 2025, How to Make Data Analysis in ChatGPT Actually Work, NIST 2024, Generative AI Profile, EU 2024, AI Act, Wickham 2014, Tidy Data und Microsoft, Copilot in Excel tips
Ergänzung: Use-Case-Discovery und frühe Validierung¶
KI-Use-Cases priorisieren und Roadmap bauen (erheblich erweitert)
Die Use-Case-Suche startet jetzt nicht mehr zwingend beim bestehenden Prozess. Führungskräfte können vom gewünschten Geschäftsergebnis ausgehen, Outputs von werttragenden Outcomes trennen und ähnliche Ideen nach Problem, Fähigkeit und Wertstrom bündeln. Zusätzlich wird klarer, warum eine gute Opportunity Map nur dann Wirkung erzeugt, wenn sie zu einem wertrelevanten, lieferbaren und klar verantworteten ersten Vorhaben führt. → KI-Use-Cases priorisieren und Roadmap bauen
KI-Machbarkeit vor der Integration testen (neue Seite)
Die neue Entscheidungsseite trennt Daten-Machbarkeit, fachlichen KI-Beweis, produktionsnahen Pilot und Skalierung. Führungskräfte erhalten ein minimales Testpaket mit repräsentativen Fällen, geschäftlich relevanten Fehlertypen, vorab vereinbarten Qualitätsschwellen und einer klaren Entscheidung über Integration, Anpassung, engeren Umfang oder Stopp. → KI-Machbarkeit vor der Integration testen
KI-Projekte richtig aufsetzen (aktualisiert)
Das Projektsetup grenzt jetzt den frühen fachlichen Leistungsnachweis klar vom produktionsnahen Pilot ab und führt zur neuen Machbarkeitsseite weiter. Damit bleibt die allgemeine Projektseite kompakt, während die Test-first-Entscheidung einen eigenen, handlungsfähigen Rahmen erhält. → KI-Projekte richtig aufsetzen
KI-Portfolio und Kostenkontrolle (erheblich erweitert)
Portfoliosteuerung berücksichtigt nun auch Managementaufmerksamkeit sowie Qualitäts-, Kosten- und Aktionsrisiken. Der neue Downside-Control-Rahmen zeigt, wie Unternehmen ambitionierte KI-Chancen innerhalb enger Daten-, Budget- und Handlungsgrenzen testen können, ohne das mögliche Wertpotenzial vorschnell kleinzuregeln. → KI-Portfolio und Kostenkontrolle
KI-Strategie und Wandel gestalten (aktualisiert)
Eine KI-Strategie benennt jetzt ausdrücklich, welche Initiativen gebündelt, zurückgestellt oder vorerst nicht verfolgt werden. Neben der Gesamtkarte braucht es ein erstes Vorhaben mit klarer Ergebnis- und Budgetverantwortung, damit strategische Orientierung nicht in immer neuen Abstimmungen stecken bleibt. → KI-Strategie und Wandel gestalten
Quellen eingearbeitet: Zwingmann 2026, Outcome-Driven AI Discovery, Proof before you Plumb, The Art of Saying No to AI, Downside Control, AI Use Case Prioritization, How to Find $30K in 60 Minutes und When 1 AI Opportunity Beats a $1M Roadmap
Ergänzung: ROI und Kosten¶
ROI von KI-Projekten berechnen (Einschätzung revidiert)
Die Seite unterscheidet jetzt ausdrücklich zwischen einer einmaligen Investitionsgrenze und einem periodischen Run-Cost-Cap. Damit wird eine begriffliche Verschiebung transparent: Das Buch zählte Entwicklung und interne Ressourcen noch in den Cost Cap, der spätere Blogbeitrag verwendet ihn nur für den laufenden Betrieb. Ein Vorhaben braucht deshalb sowohl einen operativen Wirtschaftlichkeitskorridor als auch eine separate Amortisationsrechnung. → ROI von KI-Projekten berechnen
KI-Nutzen planen und messen (erheblich erweitert)
Productivity AI wird nun als Befähigungs-, Lern- und Discovery-Spur eingeordnet, nicht als automatisch finanzwirksamer Produktivitätshebel. Wiederkehrende Aufgaben und Hürden aus der täglichen Assistentennutzung können gezielt in messbare, prozessintegrierte KI-Vorhaben überführt werden, ohne Beschäftigte für eine künstliche ROI-Baseline engmaschig zu überwachen. → KI-Nutzen planen und messen
KI-Kompetenz und interne Guidelines (erheblich erweitert)
Ein gestufter Rollout verbindet reale Arbeitsaufgaben, gemeinsame Lernschleifen und klare Qualitätsrisiken. Die Erfahrungen jeder Nutzerwelle helfen der nächsten und liefern zugleich verwertbare Signale für die KI-Roadmap. → KI-Kompetenz und interne Guidelines
KI-Portfolio und Kostenkontrolle sowie KPI-Monitoring (aktualisiert)
Portfolio und Monitoring führen Investitionsgate, periodischen Mindestwert, laufenden Cost Cap und eine benannte Reaktion bei Grenzverletzungen zusammen. So werden Optimieren, Verkleinern, Pausieren oder Stoppen zu vorab vereinbarten Managemententscheidungen. → KI-Portfolio und Kostenkontrolle · KPIs und Monitoring für KI-Projekte
Quellen eingearbeitet: Zwingmann 2026, No Baseline, No ROI, Zwingmann 2025, The Cost Cap Model, Zwingmann 2026, The Limits of Productivity AI und Yotzov et al. 2026, Firm Data on AI
Ergänzung: Kompetenz, Beschaffung und Souveränität¶
KI-Kompetenz und interne Guidelines (erheblich erweitert)
Kompetenzprogramme unterscheiden nun drei Ausgangslagen: regelmäßige Nutzung ohne ausreichend kalibrierte Prüfung, viel Wissen ohne praktische Anwendung und noch fehlenden Zugang zum Thema. Damit können Unternehmen statt eines einheitlichen Einführungskurses gezielt Urteilsfähigkeit, geschützte Praxislabore oder glaubwürdige interne Anwendungsimpulse anbieten. → KI-Kompetenz und interne Guidelines
KI-Anbieter und Modellwahl (erheblich erweitert)
Die Make-or-Buy-Entscheidung richtet Investitionen stärker auf den eigenen Prozess-Wrapper: Basistechnologie zunächst beziehen und mit echten Fällen testen; Datenzugriffe, Fachregeln, Integration, Evaluation, Monitoring und Verantwortung gezielt selbst gestalten; mehr Eigenbetrieb oder Spezialisierung erst bei belegtem Wert und strategischem Bedarf aufbauen. → KI-Anbieter und Modellwahl strukturiert vergleichen
LLM-Deployment: Cloud, Hybrid oder On-prem? (erheblich erweitert)
Der Deploymentort und der Offenheitsgrad eines Modells werden nun als zwei getrennte Achsen behandelt. Die Seite zeigt zusätzlich, warum lokaler Betrieb weder automatisch Open Source noch kostenlos oder vollständig abgeschottet ist und unter welchen Qualitäts-, Volumen-, Schutz- und Betriebsbedingungen eine lokale Option tatsächlich prüfenswert wird. → LLM-Deployment: Cloud, Hybrid oder On-prem?
Open Source und digitale Souveränität (aktualisiert)
Die Seite grenzt Open Source AI nach der OSI-Definition von bloß verfügbaren Modellgewichten ab. Für souveräne Beschaffung werden Deploymentort, Datenfluss, Lizenzrechte, verfügbare Artefakte und dauerhafte Betriebsfähigkeit getrennt geprüft. → Open Source und digitale Souveränität
Quellen eingearbeitet: Zwingmann 2026, Confidence Calibration, AI Make or Buy in 2026, Local AI FAQs, Open Source Initiative 2024, Open Source AI Definition 1.0 und Lee et al. 2025, The Impact of Generative AI on Critical Thinking
Ergänzung: Agenten und Workflow-Architektur¶
Chatbot, Assistent, Automatisierung oder Agent? (erheblich erweitert)
Die Architekturwahl unterscheidet nun fünf Muster: klassischen Workflow, festen KI-Workflow, Agent in einem begrenzten Workflow, einzelnen Agenten und Multi-Agent-System. Entscheidend ist nicht das Anbieteretikett, sondern wer den Lösungsweg festlegt. Die robuste Standardregel lautet, die einfachste Architektur zu wählen, die das gewünschte Ergebnis nachweisbar zuverlässig erreicht. → Chatbot, Assistent, Automatisierung oder Agent?
Agenten-Architektur: Muster und Bausteine (erheblich erweitert)
Fähigkeit und Schadensradius werden als getrennte Architekturhebel behandelt. Deterministische Systeme können Daten und Kontext aufbereiten, während ein Agent nur in einer Sandbox analysiert und plant. Kritische Rechte wie Versenden, Löschen oder Bezahlen werden nicht bloß im Prompt verboten, sondern technisch gar nicht bereitgestellt. → Agenten-Architektur: Muster und Bausteine
KI-Agenten sicher einführen und skalieren (erheblich erweitert)
Vor produktivem Aktionszugriff muss ein Agent drei Bedingungen erfüllen: Das Betriebsteam kann seine Aktionen nachvollziehen, eine benannte Rolle verantwortet das Ergebnis, und Fehler lassen sich korrigieren, vor Ausführung abfangen oder in ihren Folgen begrenzen. Neue Evidenz aus realen Deployments wird zugleich vorsichtig eingeordnet: Die untersuchten Systeme arbeiten überwiegend enger und stärker beaufsichtigt, als das Bild einer autonomen digitalen Belegschaft nahelegt. → KI-Agenten sicher einführen und skalieren
KI-Agenten im Betrieb (aktualisiert)
Fehlerbehandlung bewertet Aktionen jetzt ausdrücklich nach Wiederherstellbarkeit. Je irreversibler Versand, Veröffentlichung, Zahlung, Vertragszusage oder Löschung sind, desto wichtiger werden vorgelagerte technische Grenzen, menschliche Freigaben oder ein reiner Vorbereitungsmodus. → KI-Agenten im Betrieb: Monitoring, Kosten und Fehlerbehandlung
Quellen eingearbeitet: Zwingmann 2025, AI Workflows vs. AI Agents vs. Everything in between, Zwingmann 2026, Agents Are Ready, AI Agents are Dogs, The AI Mailroom, Pan et al. 2025, Measuring Agents in Production und Anthropic 2024, Building effective agents
15. Juli 2026¶
Was neu ist¶
KI-gestützte Wissensarbeit: automatisieren oder augmentieren? (neue Seite)
Die neue Entscheidungshilfe trennt nicht pauschal nach Berufen, sondern nach Tätigkeiten: Stabile Informationsarbeit lässt sich stärker automatisieren, während offene Problemklärung, Bewertung und Verantwortung menschliches Urteil brauchen. Führungskräfte erhalten damit einen Praxisrahmen, um Routinegewinn und Denkunterstützung in demselben Arbeitsprozess bewusst zu kombinieren. → KI-gestützte Wissensarbeit: automatisieren oder augmentieren?
KI-Kompetenz und interne Guidelines (erheblich erweitert)
Kompetenzaufbau wird jetzt um vier werkzeugübergreifende Fähigkeiten ergänzt: Arbeit zwischen Mensch und KI sinnvoll aufteilen, Kontext verständlich beschreiben, Ergebnisse kritisch beurteilen und die Nutzung sorgfältig verantworten. Daraus lässt sich ein praxisnahes Trainingsformat an echten Arbeitsvorhaben ableiten, das über Prompt-Sammlungen hinausgeht. → KI-Kompetenz und interne Guidelines
Quellen eingearbeitet: Lindner 2026, KI-gestützte Wissensarbeit (KIWA) und Anthropic, AI Fluency: Framework & Foundations
14. Juli 2026¶
Was neu ist¶
KI im Projektmanagement Office (neue Seite) Das Wiki zeigt jetzt klarer, dass KI im Projektmanagement nicht nur einzelne Projektleitungen produktiver macht. Für Führungskräfte wird sichtbar, wie das PMO zur Stelle für Toolauswahl, Datenqualität, Governance, Schulung, Change und kritische Überwachung von KI-Systemen werden kann. → KI im Projektmanagement Office
Klassisch oder agil bei KI-Projekten? (erheblich erweitert) Die Entscheidung über KI-Autonomie wird jetzt stärker an Projektcharakteristik gebunden. Neben technischer Unklarheit zählt auch soziale Komplexität: Je mehr Stakeholderkonflikte, Ambiguität und offene Lösungswege ein Projekt prägen, desto weniger sollte KI agierend steuern und desto stärker bleibt menschliche Projektführung nötig. → Klassisch oder agil bei KI-Projekten?
KI-Kompetenz und interne Guidelines (erheblich erweitert) Kompetenzaufbau wird jetzt rollenbezogener beschrieben. Das 6C-Modell macht sichtbar, dass KI-Kompetenz im Projektmanagement Datenverständnis, Entscheidungsfähigkeit, Zusammenarbeit, Design Thinking, Qualitätssicherung und Fehleranalyse umfasst — nicht nur Prompting. → KI-Kompetenz und interne Guidelines
Quelle eingearbeitet: Bernert, Scheurer und Wehnes 2024, KI in der Projektwirtschaft (sources.md#bernert-2024-ki-projektwirtschaft)
Verwandte Seiten aktualisiert: Open Source und digitale Souveränität
25. Juni 2026¶
Was neu ist¶
KI-Agenten in Unternehmen: Überblick und Entscheidungsrahmen (neue Seite)
Die Agenten-Themenlinie bündelt jetzt die Führungsfragen vor dem produktiven Einsatz: Wann ist ein Agent sinnvoll, wann reicht Automatisierung, und welche Daten-, Rechte- und Kontrollvoraussetzungen müssen vor dem Start geklärt sein? Damit wird Agentic AI stärker als Organisations- und Betriebsfrage eingeordnet.
→ KI-Agenten in Unternehmen: organization/ki-agenten-in-unternehmen.md
Agenten-Architektur: Muster und Bausteine (neue Seite)
Die Architekturseite übersetzt Agentic Design Patterns in einen businessorientierten Baukasten. Führungskräfte können damit erkennen, welche Muster für Aufgabenstrukturierung, Kontext, Toolzugriff, Zusammenarbeit, Absicherung und Betrieb wirklich benötigt werden.
→ Agenten-Architektur: organization/agenten-architektur-muster-und-bausteine.md
KI-Agenten im Betrieb: Monitoring, Kosten und Fehlerbehandlung (neue Seite)
Produktive Agenten werden als laufende Systeme mit Kennzahlen, Fallbacks, Audit Trails und Kostenkontrolle beschrieben. Das schärft die Grenze zwischen Demo-Agent und verantwortbarem Betrieb.
→ KI-Agenten im Betrieb: organization/ki-agenten-im-betrieb-monitoring-kosten-fehlerbehandlung.md
Quelle eingearbeitet: Gullí 2025, Agentic Design Patterns (sources.md#gulli-2025-agentic-design-patterns)
Verwandte Seiten aktualisiert: Agentische KI für Unternehmen (concepts/agentische-ki-fuer-unternehmen.md), KI-Agenten sicher einführen und skalieren (organization/ki-agenten-sicher-einfuehren-und-skalieren.md)
24. Juni 2026¶
Was neu ist¶
Retrieval-Augmented Generation (RAG) (erheblich erweitert) Die RAG-Seite zeigt jetzt klarer, warum verlässliche KI-Agenten nicht nur ein gutes Sprachmodell brauchen. Für Führungskräfte wird sichtbar, welche Qualitätsentscheidungen vor der Antwort fallen: sinnvolles Chunking, Metadaten, hybride Suche, Reranking, Kontextauswahl und Evaluation von Faktentreue, Kosten, Latenz und Zitaten. → Retrieval-Augmented Generation (RAG)
Quelle eingearbeitet: AI agents don't break at the LLM. They break at the RAG pipeline
18. Juni 2026¶
Was neu ist¶
Training, Inferenz und Kontextfenster (aktualisiert) Der Kompass zeigt jetzt klarer, warum schlechte KI-Antworten in Unternehmen häufig vor dem eigentlichen Modellaufruf entstehen. Für Führungskräfte wird sichtbarer, dass Modellwahl allein nicht reicht: Anfrageverständnis, Kontextbeschaffung, Auswahl, Verdichtung und Übergabe an das LLM brauchen eine eigene Kontextstrategie. → Training, Inferenz und Kontextfenster
Praxisgrafik ergänzt: Kontextpipeline vor der LLM-Antwort
Verwandte Seiten aktualisiert: Retrieval-Augmented Generation (RAG), Datenqualität und Drift bei KI
15. Juni 2026¶
Was neu ist¶
KI-native Arbeitsorganisation (neue Seite) Der Kompass macht jetzt klarer, dass KI-Transformation nicht bei schnelleren Aufgaben stehen bleibt. Für Führungskräfte rückt die Frage in den Vordergrund, welche Ergebnisse kleine Teams mit KI-Unterstützung end-to-end verantworten können und wo menschliches Urteil, Vertrauen, Betriebssicherheit und Compliance bewusst abgesichert bleiben müssen. → KI-native Arbeitsorganisation
Quelle eingearbeitet: How to Organize Work in the Age of AI
Verwandte Seiten aktualisiert: KI-Strategie und Wandel gestalten
3. Juni 2026¶
Was neu ist¶
Fehler und Halluzinationen bei KI-Antworten (neue Seite) Der Kompass macht jetzt klarer, warum plausibel formulierte KI-Antworten nicht automatisch belastbare Fakten sind. Besonders hilfreich für Entscheidungen ist die neue Prüflogik nach Risikostufen: Entwurf, Fakten, Berechnungen sowie rechtliche oder externe Nutzung brauchen jeweils andere Kontrollmechanismen. → Fehler und Halluzinationen bei KI-Antworten
Quelle eingearbeitet: KI Funktionsweise von Wahrscheinlichkeiten zu Ergebnissen, Berechnungen mit der KI: Eine Geschichte von Fehlern und Fügungen
Verwandte Seiten aktualisiert: Sprachmodelle und generative KI, KI-Kompetenz und interne Guidelines
Strategiequalität und Marktpositionierung für KI-Roadmaps (aktualisiert) Die Strategieseiten unterscheiden jetzt klarer zwischen KI als Tool-Sammlung und KI als strategischer Entscheidungsvorlage. Zusätzlich ergänzt die Blue-Ocean-Perspektive einen nützlichen Filter: KI-Ideen sollen nicht nur bestehende Abläufe effizienter machen, sondern auch neue Nachfrage, besseren Kundennutzen oder weniger umkämpfte Leistungsangebote eröffnen können. → KI-Strategie und Wandel gestalten → KI-Use-Cases priorisieren und Roadmap bauen
Quelle eingearbeitet: Richtig gute Strategien: 7 Kriterien für die erfolgreiche Strategieentwicklung, What is Blue Ocean Strategy?
Verwandte Seiten aktualisiert: KI-Strategie und Wandel gestalten, KI-Use-Cases priorisieren und Roadmap bauen
2. Juni 2026¶
Was neu ist¶
KI-Portfolio und Kostenkontrolle (neue Seite) Die wirtschaftliche KI-Steuerung rückt eine Stufe weiter: Nicht nur einzelne Business Cases zählen, sondern die laufende Kontrolle von Modellnutzung, Tokenkosten, Budgetgrenzen und belegbarem Wertbeitrag. Dadurch wird klarer, warum erfolgreiche KI-Nutzung ohne Finance-Rigor selbst zum Risiko werden kann. → KI-Portfolio und Kostenkontrolle
Quelle eingearbeitet: Why 95% of AI no longer fails. Middle management is out. Finance rigor is in
Verwandte Seiten aktualisiert: KI-Nutzen planen und messen, KPIs und Monitoring für KI-Projekte, KI-Projektaufwand und Rollen planen, KI-Anbieter und Modellwahl strukturiert vergleichen
31. Mai 2026¶
Was neu ist¶
KI vom Pilot zur skalierbaren Unternehmenswirkung (neue Seite) Die Skalierungsfrage wird stärker als Führungs- und Betriebsproblem sichtbar: Nicht mehr Modelle oder mehr Piloten entscheiden, sondern klare Business Ownership, messbare Zielwerte, Datenqualität, Plattformfähigkeit und Integration in Wertströme. Dadurch lässt sich besser erkennen, wann ein KI-Vorhaben produktionsreif ist und wann es nur ein isoliertes Experiment bleibt. → KI vom Pilot zur skalierbaren Unternehmenswirkung
Quelle eingearbeitet: D2A2 Executive Roundtable Report – Toronto Edition
Verwandte Seiten aktualisiert: Datenqualität und Drift bei KI, KI-Use-Cases priorisieren und Roadmap bauen, KI-Nutzen planen und messen, KPIs und Monitoring für KI-Projekte
29. Mai 2026¶
Was neu ist¶
Deepfakes, KI-Stimmen und Persönlichkeitsrechte (neue Seite) Realistische KI-Bilder, Stimmen und Videos bekommen eine eigene Prüflogik für österreichische Unternehmen. Damit wird klarer, wann Datenschutz, Bildnisschutz, Persönlichkeitsschutz, Transparenz und interne Freigabe gemeinsam betrachtet werden müssen. → Deepfakes, KI-Stimmen und Persönlichkeitsrechte
KI im Marketing rechtssicher einsetzen (neue Seite) Marketingteams erhalten eine österreichisch ausgerichtete Orientierung für Newsletter, Kampagnen, Personalisierung und KI-generierte Werbeinhalte. Der Fokus liegt auf Einwilligung, DSGVO, TKG, UWG, Human Review und dokumentierter Freigabe statt auf deutschen Spezialregeln. → KI im Marketing rechtssicher einsetzen
Quelle eingearbeitet: KI und Recht, ergänzt durch österreichische Primär- und Praxisquellen zu Datenschutz, Bildnisschutz, elektronischer Werbung, UWG und KI-Guidelines.
Verwandte Seiten aktualisiert: EU AI Act für Unternehmen, DSGVO und KI-Projekte, Urheberrecht und Geschäftsgeheimnisse bei KI, Haftung bei KI-Fehlern, KI-Kompetenz und interne Guidelines
21. Mai 2026¶
Was neu ist¶
Agentische KI für Unternehmen (neue Seite)
Der Begriff „Agent“ ist jetzt klarer von Chatbot, Assistent und Automatisierung abgegrenzt. Die neue Seite hilft, Agenten nicht als Hype-Wort zu behandeln, sondern nach Handlungsspielraum, Reasoning, Memory, Autonomiegrad und Kontrollbedarf zu bewerten.
→ Agentische KI für Unternehmen
KI-Agenten sicher einführen und skalieren (neue Seite)
Für Führungskräfte wird konkreter, wie aus agentischer KI ein verantwortbares Transformationsvorhaben wird: Use Cases auswählen, Agentenrollen begrenzen, Human-in-the-loop einbauen, Monitoring definieren und Autonomie schrittweise erhöhen. Dadurch rückt nicht der modernste Agent in den Vordergrund, sondern die passende Grenze zwischen Automatisierung und menschlicher Verantwortung.
→ KI-Agenten sicher einführen und skalieren
Quelle eingearbeitet: Agentic Artificial Intelligence
Verwandte Seiten aktualisiert: Chatbot, Assistent, Automatisierung oder Agent?
20. Mai 2026¶
Was neu ist¶
Open Source und digitale Souveränität (neue Seite)
Die strategische KI-Architektur lässt sich jetzt klarer nach Souveränität, Portabilität und Anbieterabhängigkeit bewerten. Die Seite hilft, Open Source nicht als Ideologie oder Gratissoftware zu behandeln, sondern als Managementfrage: Welche Daten, Modelle, Schnittstellen und Kompetenzen müssen kontrollierbar bleiben?
→ Open Source und digitale Souveränität
Quelle eingearbeitet: Open-Source – Österreichs Weg zu Souveränität und Wettbewerbsfähigkeit, Datensouveränität ist Voraussetzung für Europas Handlungsfähigkeit im digitalen Zeitalter, Open Source: Strategie zur digitalen Selbstbestimmung
Verwandte Seiten aktualisiert: LLM-Deployment: Cloud, Hybrid oder On-prem?, KI-Anbieter und Modellwahl strukturiert vergleichen
15. Mai 2026¶
Was neu ist¶
AI Act Checkliste für KMU (neue Seite)
Für KMU wird schneller sichtbar, welche KI-Nutzungen im Unternehmen rechtlich und organisatorisch Aufmerksamkeit brauchen. Die Seite übersetzt AI Act, DSGVO, Urheberrecht, Haftung, Tool-Lizenzen und interne Guidelines in eine handhabbare Prüflogik.
→ AI Act Checkliste für KMU
Quelle eingearbeitet: AI Act: Erklärt für KMUs
Verwandte Seiten aktualisiert: EU AI Act für Unternehmen, DSGVO und KI-Projekte, Urheberrecht und Geschäftsgeheimnisse bei KI, Haftung bei KI-Fehlern, KI-Kompetenz und interne Guidelines
Internationaler Datenverkehr bei KI-Projekten (neue Seite)
Die Datenschutzprüfung endet nicht bei der Tool-Funktion: Anbieterstruktur, Datenflüsse, Verträge und Transfergrundlage entscheiden mit. Dadurch lässt sich klarer einschätzen, wann KI-Tools, Cloud-Modelle oder internationale Anbieter eine Drittlandübermittlung auslösen.
→ Internationaler Datenverkehr bei KI-Projekten
Quelle eingearbeitet: Internationaler Datenverkehr DSGVO: Drittstaaten
Verwandte Seiten aktualisiert: DSGVO und KI-Projekte
12. Mai 2026¶
Was neu ist¶
KI-Use-Cases priorisieren und Roadmap bauen (neue Seite)
KI-Ideen lassen sich damit stärker nach Nutzen, Aufwand und Umsetzbarkeit ordnen — statt nach Bauchgefühl oder Tool-Begeisterung. Die Seite zeigt, wie Integrationsgrad, Automatisierungspotenzial und Roadmap-Reihenfolge zusammenhängen.
→ KI-Use-Cases priorisieren und Roadmap bauen
Quelle eingearbeitet: The Profitable AI Advantage
Verwandte Seiten aktualisiert: KI-Nutzen planen und messen, ROI von KI-Projekten berechnen, KPIs und Monitoring für KI-Projekte, KI-Projekte richtig aufsetzen, KI-Anbieter und Modellwahl strukturiert vergleichen, Chatbot, Assistent, Automatisierung oder Agent?