Quellenverzeichnis — KI Business Kompass

Diese Seite nennt zentrale Quellen, Studien, Leitfäden, Fachbeiträge und Praxisunterlagen, auf denen der KI Business Kompass aufbaut. Sie dient Leser:innen zur Einordnung und zum Weiterrecherchieren — nicht als Downloadbereich für interne Arbeitsmaterialien.

Die Quellenangaben sind bewusst knapp gehalten: Neben der bibliografischen Angabe finden Sie jeweils eine kurze Einordnung, wofür die Quelle im Wiki relevant ist. Wenn eine Quelle öffentlich verfügbar ist, ist der entsprechende Link angegeben.

Quellen

kutzias-2023-leitfaden-ki-projekte

Kutzias, D., Dukino, C. und Leuteritz, J.-P. (2023) Leitfaden zur Durchführung von KI-Projekten: Menschenzentrierung von der Idee bis zur Anwendung. Fraunhofer IAO. DOI: 10.24406/publica-1637. Verfügbar unter: https://publica.fraunhofer.de/entities/publication/6a6aebb1-5ec0-4e9c-a110-c08d41b58678 (Zugriff: 2026-05-10).

• Quellentyp: Studie / Leitfaden / Vorgehensmodell
• Relevanz: Beschreibt ein menschenzentriertes Vorgehensmodell für KI-Projekte mit Phasen von Zielklärung und Anforderungen über Projektstart und Entwicklung bis Deployment, Qualifikation und Prozessveränderung.
• Stand: 2023

braun-2023-leitfaden-strategie-wandel-ki

Braun, M., Leuteritz, J.-P., Link, M., Zaiser, H. und Kutzias, D. (2023) Leitfaden zu Strategie und Wandel für den KI-Einsatz: Menschenzentrierte Erschließung der Potenziale Künstlicher Intelligenz. Fraunhofer IAO. DOI: 10.24406/publica-1636. Verfügbar unter: https://publica.fraunhofer.de/entities/publication/2dbc4ed9-a772-43b2-a888-9cb8b336f695 (Zugriff: 2026-05-10).

• Quellentyp: Studie / Leitfaden / Strategie- und Change-Management
• Relevanz: Ordnet KI als strategische Transformationsaufgabe ein und beschreibt Handlungsfelder wie KI-Strategie, Change-Management, menschenzentrierte Arbeitsgestaltung, Organisationskultur, Kompetenzentwicklung, Datenschutz, Recht und Datenstrategie.
• Stand: 2023

niessner-2025-in-6-stufen-zum-ki-erfolg

Niessner, H. (2025) In 6 Stufen zum KI-Erfolg: Die Reise zum profitablen Einsatz von Künstlicher Intelligenz in Ihrem Unternehmen. Praxisunterlage, 17. September. Vom Autor bereitgestellt (Zugriff: 2026-05-02).

• Quellentyp: Praxisframework / Autorunterlage
• Relevanz: Beschreibt sechs Reifegrade der KI-Nutzung im Unternehmen und nennt übergreifende Voraussetzungen wie Strategie, Governance, Datenqualität, Kompetenzen, Recht, Sicherheit, KPIs und Infrastruktur.
• Stand: 17. September 2025

zwingmann-2025-two-tracks-ai-roi

Zwingmann, T. (2025) ‘The Two Tracks of AI ROI’. Profitable AI Newsletter, 5 December. Verfügbar unter: https://blog.tobiaszwingmann.com/p/two-tracks-of-ai-roi (Zugriff: 2026-05-02).

• Quellentyp: Blogartikel / Praxisframework
• Relevanz: Unterscheidet zwischen Productivity AI und Engineered AI und schlägt unterschiedliche Erfolgskennzahlen für breite KI-Nutzung und finanzwirksame KI-Projekte vor.
• Stand: 5. Dezember 2025

zwingmann-2025-profitable-ai-advantage

Zwingmann, T. (2025) The Profitable AI Advantage. Birmingham: Packt Publishing.

• Quellentyp: Fachbuch / Praxisframework
• Relevanz: Liefert ein praxisorientiertes Framework für profitable KI-Einführung: Roadmapping, Pain Points und Bottlenecks, $10K-Wertfilter, KI-Use-Case-Design, Integration-Automation-Framework, Priorisierungsmatrix, Synergien und Roadmap-Sequenzierung.
• Stand: 2025

zwingmann-2025-integration-automation-ai-framework

Zwingmann, T. (2026) ‘The Integration-Automation AI Framework (2026 Update)’. Profitable AI Newsletter, 15. August. Verfügbar unter: https://blog.tobiaszwingmann.com/p/integration-automation-ai-framework (Zugriff: 2026-08-16). Aktualisierte Fassung des erstmals 2023 veröffentlichten Frameworks.

• Quellentyp: Blogartikel / aktualisiertes Praxisframework / revidierte Einschätzung
• Relevanz: Ordnet KI-Anwendungen nach Automatisierung und Integration. Die Aktualisierung löst sich von Agents als allgemeinem Zielbild und verbindet die Architekturwahl mit Geschäftsnutzen und organisatorischer Betriebsreife.
• Stand: 15. August 2026

zwingmann-2026-outcome-driven-ai-discovery

Zwingmann, T. (2026) ‘Outcome-Driven AI Discovery’. Profitable AI Newsletter, 20. Juni. Verfügbar unter: https://blog.tobiaszwingmann.com/p/outcome-driven-ai-discovery (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisframework / Use-Case-Discovery
• Relevanz: Entwickelt die prozess- und problemorientierte Discovery aus dem Buch weiter: Führungskräfte starten beim gewünschten Geschäftsergebnis, zerlegen es in Teilergebnisse und suchen erst danach passende KI-Hebel.
• Stand: 20. Juni 2026

zwingmann-2026-proof-before-you-plumb

Zwingmann, T. (2026) ‘Proof before you Plumb’. Profitable AI Newsletter, 9. Mai. Verfügbar unter: https://blog.tobiaszwingmann.com/p/proof-before-you-plumb (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisframework / frühe Validierung
• Relevanz: Trennt die unsichere Prüfung der KI-Leistung von der planbareren Systemintegration und empfiehlt, Akzeptanzkriterien zuerst mit repräsentativen Beispieldaten zu testen.
• Stand: 9. Mai 2026

zwingmann-2026-art-of-saying-no-to-ai

Zwingmann, T. (2026) ‘The Art of Saying No to AI’. Profitable AI Newsletter, 25. Juli. Verfügbar unter: https://blog.tobiaszwingmann.com/p/the-art-of-saying-no-to-ai (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisframework / Portfoliosteuerung
• Relevanz: Behandelt Managementaufmerksamkeit als knappe Portfolioressource und zeigt, wie Unternehmen fragmentierte Use Cases nach zugrunde liegendem Problem bündeln, bewusst zurückstellen und einem verantwortlichen Sponsor zuordnen können.
• Stand: 25. Juli 2026

zwingmann-2026-downside-control

Zwingmann, T. (2026) ‘Downside Control’. Profitable AI Newsletter, 18. Juli. Verfügbar unter: https://blog.tobiaszwingmann.com/p/downside-control (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisframework / Risiko- und Portfoliosteuerung
• Relevanz: Verbindet ambitionierte KI-Chancen mit begrenztem Qualitäts-, Kosten- und Aktionsrisiko. Der Ansatz behandelt kontrollierbare Fehlschläge als Voraussetzung für mutigere Experimente.
• Stand: 18. Juli 2026

zwingmann-2026-ai-use-case-prioritization

Zwingmann, T. (2026) ‘AI Use Case Prioritization’. Profitable AI Newsletter, 16. Mai. Verfügbar unter: https://blog.tobiaszwingmann.com/p/ai-use-case-prioritization (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisframework / Portfoliodesign
• Relevanz: Ergänzt die Impact-Machbarkeit-Matrix um gemeinsame Fähigkeiten und Wertströme, große Ankerchancen in werttragenden Ausbaustufen sowie kumulierende Quick Wins.
• Stand: 16. Mai 2026

zwingmann-2026-find-30k-60-minutes

Zwingmann, T. (2026) ‘How to Find $30K in 60 Minutes’. Profitable AI Newsletter, 27. Juni. Verfügbar unter: https://blog.tobiaszwingmann.com/p/how-to-find-30k-in-60-minutes (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisbeispiel / werblicher Workshopbericht
• Relevanz: Veranschaulicht eine outcome-orientierte Opportunity-Discovery mit Wertschwelle, Kostenobergrenze und anschließendem Lösungskonzept. Zeit- und Wertversprechen dienen nicht als belastbare Benchmarks.
• Stand: 27. Juni 2026

zwingmann-2026-one-opportunity-beats-roadmap

Zwingmann, T. (2026) ‘When 1 AI Opportunity Beats a $1M Roadmap’. Profitable AI Newsletter, 13. Juni. Verfügbar unter: https://blog.tobiaszwingmann.com/p/when-1-ai-opportunity-beats-a-1m-roadmap (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / anonymisiertes Praxisbeispiel / Portfoliosteuerung
• Relevanz: Zeigt die Grenze breiter Opportunity Maps und leitet Kriterien für ein erstes produktionsnahes Vorhaben ab: relevant, begrenzt, klar verantwortet und anschlussfähig für weitere Schritte.
• Stand: 13. Juni 2026

zwingmann-2026-no-baseline-no-roi

Zwingmann, T. (2026) ‘No Baseline, No ROI’. Profitable AI Newsletter, 11. April. Verfügbar unter: https://blog.tobiaszwingmann.com/p/no-baseline-no-roi (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisframework / Nutzenmessung
• Relevanz: Ordnet fehlende Ausgangswerte als Designproblem ein und grenzt systemisch messbare Prozesswirkung von personenbezogener Produktivitätsüberwachung ab.
• Stand: 11. April 2026

zwingmann-2025-cost-cap-model

Zwingmann, T. (2025) ‘The Cost Cap Model’. Profitable AI Newsletter, 12. Dezember. Verfügbar unter: https://blog.tobiaszwingmann.com/p/cost-cap-model (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisframework / Kostensteuerung
• Relevanz: Verengt den Cost Cap gegenüber dem früheren Buch auf wiederkehrende Betriebskosten und verbindet ihn mit einem periodischen Mindestnutzen und ausdrücklichen Optimierungs- oder Stoppentscheidungen.
• Stand: 12. Dezember 2025

zwingmann-2026-limits-productivity-ai

Zwingmann, T. (2026) ‘The Limits of Productivity AI’. Profitable AI Newsletter, 14. März. Verfügbar unter: https://blog.tobiaszwingmann.com/p/the-limits-of-productivity-ai (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxiseinschätzung / Adoption und Arbeitsgestaltung
• Relevanz: Behandelt breite KI-Assistentennutzung als begrenzten Produktivitätshebel, kontrollierten Lernraum und Discovery-Kanal für stärker prozessintegrierte KI-Vorhaben.
• Stand: 14. März 2026

yotzov-et-al-2026-firm-data-ai

Yotzov, I., Barrero, J. M., Bloom, N. et al. (2026) ‘Firm Data on AI’. NBER Working Paper 34836, Februar, revidiert März. DOI: https://doi.org/10.3386/w34836. Verfügbar unter: https://www.nber.org/papers/w34836 (Zugriff: 2026-08-05).

• Quellentyp: Internationale Unternehmensbefragung / Working Paper
• Relevanz: Vergleicht KI-Nutzung und selbst berichtete Wirkungen auf Produktivität, Beschäftigung und Output bei knapp 6.000 Unternehmen in vier Ländern.
• Stand: März 2026

zwingmann-2026-local-ai-faqs

Zwingmann, T. (2026) ‘Local AI FAQs’. Profitable AI Newsletter, 1. August. Verfügbar unter: https://blog.tobiaszwingmann.com/p/local-ai-faqs (Zugriff: 2026-08-05).

• Typ: Praxisartikel / Entscheidungshilfe
• Relevanz: Trennt lokalen Betrieb vom Offenheitsgrad eines Modells und ordnet lokale KI nach Kontrolle, Kostenstruktur, Betriebsfähigkeit und geeigneten Workflow-Typen ein.
• Stand: 1. August 2026

zwingmann-2026-confidence-calibration

Zwingmann, T. (2026) ‘Confidence Calibration: How I look at AI upskilling in 2026 and beyond’. Profitable AI Newsletter, 11. Juli. Verfügbar unter: https://blog.tobiaszwingmann.com/p/confidence-calibration-ai-upskilling (Zugriff: 2026-08-05).

• Typ: Praxisartikel / Kompetenzmodell
• Relevanz: Unterscheidet drei Vertrauens- und Anwendungslagen in der Belegschaft und leitet daraus unterschiedliche Lerninterventionen für kalibriertes KI-Vertrauen ab.
• Stand: 11. Juli 2026

zwingmann-2026-ai-make-or-buy

Zwingmann, T. (2026) ‘AI Make or Buy in 2026: How to buy the tech and build the process around it’. Profitable AI Newsletter, 7. März. Verfügbar unter: https://blog.tobiaszwingmann.com/p/ai-make-or-buy-2026 (Zugriff: 2026-08-05).

• Typ: Praxisartikel / Beschaffungsrahmen
• Relevanz: Schärft die Make-or-Buy-Logik des Buchs: Basistechnologie zunächst beziehen und Wert prüfen; differenzierende Daten-, Prozess-, Integrations-, Evaluations- und Governance-Schichten gezielt selbst aufbauen.
• Stand: 7. März 2026

osi-2024-open-source-ai-definition

Open Source Initiative (2024) The Open Source AI Definition – 1.0. Verfügbar unter: https://opensource.org/ai/open-source-ai-definition (Zugriff: 2026-08-05).

• Typ: Primärquelle / Definition
• Relevanz: Definiert Open Source AI über Nutzungs-, Prüf-, Änderungs- und Weitergabefreiheiten sowie den erforderlichen Zugang zu Dateninformationen, Code und Modellparametern.
• Stand: Version 1.0

lee-et-al-2025-critical-thinking-genai

Lee, H.-P. et al. (2025) ‘The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers’. CHI 2025. DOI: https://doi.org/10.1145/3706598.3713778. Projektseite: https://www.microsoft.com/en-us/research/publication/the-impact-of-generative-ai-on-critical-thinking-self-reported-reductions-in-cognitive-effort-and-confidence-effects-from-a-survey-of-knowledge-workers/ (Zugriff: 2026-08-05).

• Typ: Konferenzpaper / Primärstudie
• Relevanz: Untersucht anhand von 319 Wissensarbeiter:innen und 936 berichteten Arbeitssituationen, wie Vertrauen in GenAI und eigenes Aufgabenvertrauen mit kritischer Prüfung zusammenhängen.
• Stand: April 2025

zwingmann-2026-agents-ready

Zwingmann, T. (2026) ‘Agents Are Ready (Your Org Probably Isn’t)’. Profitable AI Newsletter, 25. April. Verfügbar unter: https://blog.tobiaszwingmann.com/p/agents-are-ready-your-org-probably-isn-t (Zugriff: 2026-08-05).

• Typ: Praxisartikel / Produktionsreife
• Relevanz: Bündelt die organisatorische Agentenreife in Nachvollziehbarkeit, Verantwortlichkeit und Wiederherstellbarkeit und grenzt Agenten über Ziel, Werkzeuge und eigenständige Wahl des Lösungswegs von festen Workflows ab.
• Stand: 25. April 2026

zwingmann-2026-ai-agents-dogs

Zwingmann, T. (2026) ‘AI Agents are Dogs: The middle ground between humans and robots’. Profitable AI Newsletter, 23. Mai. Verfügbar unter: https://blog.tobiaszwingmann.com/p/ai-agents-are-dogs (Zugriff: 2026-08-05).

• Typ: Praxisartikel / Organisationsmetapher
• Relevanz: Stützt dauerhafte Managementregeln zu benannter Ownership, engem Einsatzbereich, stufenweise verdientem Vertrauen und begrenzter menschlicher Aufsichtskapazität.
• Stand: 23. Mai 2026

zwingmann-2025-ai-workflows-vs-agents

Zwingmann, T. (2025) ‘AI Workflows vs. AI Agents vs. Everything in between’. Profitable AI Newsletter, 14. November. Verfügbar unter: https://blog.tobiaszwingmann.com/p/ai-workflows-vs-ai-agents-vs-everything-in-between (Zugriff: 2026-08-05).

• Typ: Management-Framework / Architekturentscheidung
• Relevanz: Unterscheidet klassische Automation, feste KI-Workflows, einzelne Agenten, Agenten innerhalb fester Workflows und Multi-Agent-Systeme und priorisiert die einfachste ausreichend zuverlässige Architektur.
• Stand: 14. November 2025

zwingmann-2026-ai-mailroom

Zwingmann, T. (2026) ‘The AI Mailroom: How I manage 40,000+ emails a year in under 10 minutes a day’. Profitable AI Newsletter, 30. Mai. Verfügbar unter: https://blog.tobiaszwingmann.com/p/the-ai-mailroom (Zugriff: 2026-08-05).

• Typ: Praxisfall / Agentenarchitektur
• Relevanz: Zeigt die Trennung einer deterministischen Kontextschicht von agentischer Bewertung in einer Sandbox und behandelt Fähigkeit und Schadensradius als getrennte Architekturentscheidungen.
• Stand: 30. Mai 2026

pan-et-al-2025-measuring-agents-production

Pan, M. Z. et al. (2025) ‘Measuring Agents in Production’. arXiv, 2. Dezember. Verfügbar unter: https://arxiv.org/abs/2512.04123 (Zugriff: 2026-08-05).

• Typ: Preprint / Befragung und Fallstudien
• Relevanz: Untersucht 306 Praktiker:innen und 20 vertiefende Fälle; die Hauptauswertung fokussiert 86 gemeldete Produktions- oder Pilotsysteme und zeigt die Bedeutung begrenzter Schritte, menschlicher Intervention und kontrollierbarer Architekturen.
• Stand: arXiv v1, 2. Dezember 2025

anthropic-2024-building-effective-agents

Anthropic (2024) ‘Building effective agents’. Engineering at Anthropic, 19. Dezember. Verfügbar unter: https://www.anthropic.com/engineering/building-effective-agents (Zugriff: 2026-08-05).

• Typ: Anbieterleitfaden / Architekturpraxis
• Relevanz: Trennt feste Workflows von dynamisch entscheidenden Agenten und empfiehlt die einfachste ausreichende Architektur, Sandbox-Tests, Stopbedingungen und menschliche Kontrollpunkte.
• Stand: 19. Dezember 2024

zwingmann-2026-agentic-analytics

Zwingmann, T. (2026) ‘Agentic Analytics’. Profitable AI Newsletter, 22. August. Verfügbar unter: https://blog.tobiaszwingmann.com/p/agentic-analytics (Zugriff: 2026-08-23).

• Quellentyp: Blogartikel / autoreneigene Praxisheuristik / KI-gestützte Analysen
• Relevanz: Trennt spontane Datenabfragen von kontrollierten Analyseworkflows und bündelt Geschäftsdefinitionen, Verfahrensanweisungen und prüfbare Artefakte in einem „analytischen Vertrag“. Das Modell wird als Praxisheuristik und nicht als validierter Standard eingeordnet.
• Stand: 22. August 2026

zwingmann-2026-dashboards-vs-ai-vs-data-analysts

Zwingmann, T. (2026) ‘Dashboards vs. AI vs. Data Analysts’. Profitable AI Newsletter, 19. September. Verfügbar unter: https://blog.tobiaszwingmann.com/p/dashboards-vs-ai-vs-data-analysts (Zugriff: 2026-09-20).

• Quellentyp: Blogartikel / autoreneigene Praxisheuristik / Datenanalyse
• Relevanz: Ordnet Analyseaufgaben nach der Stabilität von Frage, Daten und Methode einem Dashboard, einer KI-gestützten Analyse oder verantwortlichen Fachanalyst:innen zu. Die Dreiteilung wird als Praxisheuristik und nicht als validierter Standard eingeordnet.
• Stand: 19. September 2026

anthropic-2026-self-service-data-analytics

Cherry, J., Peng, C., Jiao, J., Leder, J. und Chang, C. (2026) ‘How Anthropic enables self-service data analytics with Claude’. Claude Blog, 3. Juni. Verfügbar unter: https://claude.com/blog/how-anthropic-enables-self-service-data-analytics-with-claude (Zugriff: 2026-08-23).

• Quellentyp: Anbieter-Praxisbericht / internes Analysesystem / Self-Service Analytics
• Relevanz: Konkretisiert Datenfundament, kanonische Definitionen, domänenspezifische Verfahrensanweisungen, Offline-Tests, Provenienz und laufende Korrektursignale. Alle Leistungswerte sind anbieterseitig selbst berichtet und werden nicht als Benchmark übernommen.
• Stand: 3. Juni 2026

niessner-2026-ausbildung-ki-manager

Niessner, H. (2026) Ausbildung zum zertifizierten KI-Manager. Viermodulige Ausbildung, April. Foliensätze, Vortragstranskripte und Praxisnotizen vom Autor bereitgestellt (Zugriff: 2026-05-07).

• Quellentyp: Ausbildungsmaterial / Praxisframework / Autorunterlage
• Relevanz: Zentrale Praxisquelle des Wikis für KI-Grundlagen, KI-Implementierung, KI-Projektmanagement sowie ethische und rechtliche Grundlagen aus Sicht österreichischer Entscheider:innen und KI-Manager:innen.
• Stand: April 2026

illibauer-2026-ai-act-kmu-webinar

Illibauer, U. (2026) AI Act: Erklärt für KMUs. Webinar der AI Factory Austria / ASC events in Kooperation mit der Wirtschaftskammer Österreich, 12. Mai. Verfügbar unter: https://events.asc.ac.at/event/283/ (Zugriff: 2026-05-15).

• Quellentyp: Webinar / Präsentationsfolien / Transkript
• Relevanz: Liefert eine KMU-orientierte Checkliste für KI-Nutzung unter AI Act, DSGVO, Urheberrecht, Haftung, internen Guidelines, Tool-Lizenzen, Human-in-the-Loop, Bias- und Faktenprüfung.
• Stand: 12. Mai 2026

wko-oj-internationaler-datenverkehr

Wirtschaftskammer Österreich (o. J.) Internationaler Datenverkehr DSGVO: Drittstaaten. Verfügbar unter: https://www.wko.at/datenschutz/eu-dsgvo-internationaler-datenverkehr (Zugriff: 2026-05-15).

• Quellentyp: Praxisinformation / Datenschutzrecht
• Relevanz: Erklärt die Voraussetzungen für Datenübermittlungen in Drittländer oder an internationale Organisationen, insbesondere Angemessenheitsbeschlüsse, EU-US Data Privacy Framework, Standarddatenschutzklauseln, Binding Corporate Rules, Ausnahmen und Geldstrafen.
• Stand: Ohne Datum; Abruf 15. Mai 2026

ossbig-2025-policy

OSSBIG Austria (2025) Open-Source – Österreichs Weg zu Souveränität und Wettbewerbsfähigkeit. Positionspapier, 10. Juli. Verfügbar unter: https://www.ossbig.at/wp-content/uploads/2025/09/OSSBIG-Policy-2025-08-17.pdf (Zugriff: 2026-05-20).

• Quellentyp: Positionspapier / Open-Source- und Souveränitätsstrategie
• Relevanz: Ordnet Open Source als Hebel für europäische und österreichische digitale Souveränität, Wettbewerbsfähigkeit, resiliente Infrastruktur, regionale Wertschöpfung und öffentliche Beschaffung ein.
• Stand: 10. Juli 2025

ossbig-2025-datensouveraenitaet-argumentation

OSSBIG Austria (2025) Datensouveränität ist Voraussetzung für Europas Handlungsfähigkeit im digitalen Zeitalter. Argumentation, 28. August. Verfügbar unter: https://www.ossbig.at/wp-content/uploads/2025/09/Datensouveraenitaet-OSSBIG-Argumentation-20250828.pdf (Zugriff: 2026-05-20).

• Quellentyp: Argumentationspapier / digitale Souveränität / Datenstrategie
• Relevanz: Verbindet Datensouveränität mit politischer Handlungsfähigkeit, Wettbewerbsfähigkeit, Bürger:innenrechten, Sicherheit, europäischer Datenstrategie, offenen Standards und souveränen Datenräumen.
• Stand: 28. August 2025

ossbig-2023-oss-strategie

Hahn, G. und Jäger, W. / OSSBIG Austria (2023) Open Source: Strategie zur digitalen Selbstbestimmung. Blue Print. Version 2.2. Verfügbar unter: https://www.ossbig.at/wp-content/uploads/2023/08/OSS-Strategie-2023-V2.2.pdf (Zugriff: 2026-05-20).

• Quellentyp: Strategie-Blueprint / Open-Source-Governance
• Relevanz: Beschreibt Ziele, Governance, Lizenz-Compliance, Kompetenzaufbau, Kollaborationskultur, Open Source Program Offices, Reifegrade und Maßnahmencluster für eine Open-Source-Strategie.
• Stand: August 2023

bornet-2025-agentic-artificial-intelligence

Bornet, P., Wirtz, J., Davenport, T. H., De Cremer, D., Evergreen, B., Fersht, P., Gohel, R. und Khiyara, S. (2025) Agentic Artificial Intelligence. Full Ebook, March. Vom Nutzer bereitgestellt (Zugriff: 2026-05-21).

• Quellentyp: Fachbuch / Praxisframework / Agentic AI
• Relevanz: Erklärt KI-Agenten als Verbindung von generativer KI, Handlungskompetenz, Reasoning und Memory; liefert Reifegrade, Use-Case-Bewertung, Governance-, Trust- und Skalierungsmodelle sowie Beispiele aus Unternehmensfunktionen.
• Stand: März 2025

gulli-2025-agentic-design-patterns

Gullí, A. (2025) Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems. Cham: Springer Nature Switzerland. DOI: https://doi.org/10.1007/978-3-032-01402-3. Vom Nutzer als eBook bereitgestellt (Zugriff: 2026-06-25).

• Quellentyp: Fachbuch / Design-Patterns / Agentic AI
• Relevanz: Liefert einen strukturierten Baukasten für KI-Agenten: Prompt Chaining, Routing, Tool Use, Planning, Multi-Agent Collaboration, Memory, RAG, Human-in-the-loop, Guardrails, Evaluation, Monitoring und Fehlerbehandlung. Für das Wiki dient die Quelle als Architektur- und Governance-Rahmen, nicht als Entwickleranleitung.
• Stand: 2025

rohrlich-2025-ki-und-recht

Rohrlich, M. (2025) KI und Recht: Der Leitfaden für rechtliche Herausforderungen beim Einsatz von KI-Anwendungen. 1. Auflage. München: Carl Hanser Verlag. Vom Nutzer als eBook bereitgestellt (Zugriff: 2026-05-29).

• Quellentyp: Fachbuch / rechtliche Orientierung / KI-Compliance
• Relevanz: Dient als Themenlandkarte für rechtliche KI-Risiken in Unternehmen. Inhalte mit Deutschland-Bezug wurden nicht direkt übernommen, sondern österreichisch und EU-rechtlich eingeordnet.
• Stand: 2025

wko-oj-ki-guidelines-kmu

Wirtschaftskammer Österreich (o. J.) KI-Guidelines für KMU. Verfügbar unter: https://www.wko.at/digitalisierung/ki-guidelines-fuer-kmu (Zugriff: 2026-05-29).

• Quellentyp: Praxisinformation / Muster-Guidelines
• Relevanz: Österreichische Orientierung für interne KI-Guidelines in KMU, insbesondere für erlaubte Nutzung, Verantwortlichkeiten, Datenschutz, Urheberrecht, Transparenz und Schulung.
• Stand: Ohne Datum; Abruf 29. Mai 2026

wko-oj-email-telefonwerbung-tkg

Wirtschaftskammer Österreich (o. J.) E-Mail- und Telefonwerbung nach dem Telekommunikationsgesetz. Verfügbar unter: https://www.wko.at/internetrecht/e-mail-fax-telefonwerbung-telekommunikationsgesetz-detail (Zugriff: 2026-05-29).

• Quellentyp: Praxisinformation / Werberecht / Telekommunikationsrecht
• Relevanz: Erklärt die österreichischen Anforderungen an elektronische Werbung, insbesondere E-Mail-Werbung und Newsletter, als Grundlage für KI-gestütztes Marketing.
• Stand: Ohne Datum; Abruf 29. Mai 2026

ris-2021-tkg-174-elektronische-werbung

Republik Österreich (2021) Telekommunikationsgesetz 2021, § 174: Unerbetene Nachrichten. Rechtsinformationssystem des Bundes. Verfügbar unter: https://ris.bka.gv.at/eli/bgbl/i/2021/190/P174/NOR40238632 (Zugriff: 2026-05-29).

• Quellentyp: Gesetzestext / Telekommunikationsrecht
• Relevanz: Zentrale österreichische Norm für elektronische Werbung und damit für KI-gestützte Newsletter, Kampagnen und ähnliche elektronische Marketingkommunikation.
• Stand: Konsolidierter Gesetzestext; Abruf 29. Mai 2026

ris-1936-urhg-78-bildnisschutz

Republik Österreich (1936) Urheberrechtsgesetz, § 78: Bildnisschutz. Rechtsinformationssystem des Bundes. Verfügbar unter: https://ris.bka.gv.at/eli/bgbl/1936/111/P78/NOR12024485 (Zugriff: 2026-05-29).

• Quellentyp: Gesetzestext / Urheber- und Persönlichkeitsschutz
• Relevanz: Österreichische Grundlage für die Einordnung von Personenbildern, KI-generierten Bildnissen und Deepfake-Veröffentlichungen.
• Stand: Konsolidierter Gesetzestext; Abruf 29. Mai 2026

ris-1811-abgb-16-persoenlichkeitsrechte

Republik Österreich (1811) Allgemeines bürgerliches Gesetzbuch, § 16. Rechtsinformationssystem des Bundes. Verfügbar unter: https://www.ris.bka.gv.at/Ergebnis.wxe?Abfrage=Bundesnormen&Titel=ABGB&VonParagraf=16&SkipToDocumentPage=true (Zugriff: 2026-05-29).

• Quellentyp: Gesetzestext / allgemeiner Persönlichkeitsschutz
• Relevanz: Ausgangspunkt für die österreichische Einordnung von Persönlichkeitsrechten bei KI-Stimmen, Deepfakes und realitätsnahen synthetischen Personeninhalten.
• Stand: Konsolidierter Gesetzestext; Abruf 29. Mai 2026

ris-1984-uwg-1-unlauterer-wettbewerb

Republik Österreich (1984) Bundesgesetz gegen den unlauteren Wettbewerb, § 1. Rechtsinformationssystem des Bundes. Verfügbar unter: https://www.ris.bka.gv.at/eli/bgbl/1984/448/P1/NOR40091886 (Zugriff: 2026-05-29).

• Quellentyp: Gesetzestext / Wettbewerbsrecht
• Relevanz: Grundlage für die Prüfung irreführender oder unlauterer KI-generierter Werbeaussagen im Marketing.
• Stand: Konsolidierter Gesetzestext; Abruf 29. Mai 2026

dsb-oj-ki-datenschutz

Österreichische Datenschutzbehörde (o. J.) Künstliche Intelligenz & Datenschutz. Verfügbar unter: https://dsb.gv.at/kuenstlichebrintelligenz/kuenstliche-intelligenz-datenschutz (Zugriff: 2026-05-29).

• Quellentyp: Behördeninformation / Datenschutz und KI
• Relevanz: Österreichische Datenschutzorientierung für KI-Anwendungen, insbesondere Rechtmäßigkeit, Transparenz, Datenminimierung, Verantwortlichkeit und Risikosteuerung.
• Stand: Ohne Datum; Abruf 29. Mai 2026

bernert-2024-ki-projektwirtschaft

Bernert, C., Scheurer, S. und Wehnes, H. (Hrsg.) (2024) KI in der Projektwirtschaft: Was verändert sich durch KI im Projektmanagement? München: UVK Verlag. DOI: https://doi.org/10.24053/9783381111329. Vom Nutzer als eBook bereitgestellt (Zugriff: 2026-07-14).

• Quellentyp: Fachbuch / Sammelband / KI im Projektmanagement
• Relevanz: Liefert praxisnahe Einordnung für KI-Einsatzpotenziale nach Projektcharakteristik, PMO-Rollen im KI-Einsatz, KI-Kompetenzmodelle, Change-Management, digitale Souveränität und ethische Projektsteuerung.
• Stand: 2024

d2a2-oj-toronto-scaling-data

Southekal, P. und Zwingmann, T. (o. J.) D2A2 Executive Roundtable Report – Toronto Edition: Scaling Data, Analytics, and AI for Enterprise Value. D2A2. Vom Nutzer bereitgestellt (Zugriff: 2026-05-31).

• Quellentyp: Executive-Roundtable-Report / Data, Analytics und AI Scaling
• Relevanz: Verdichtet Erfahrungen von 13 Data-, Analytics- und AI-Führungskräften aus Toronto zu Skalierungsbarrieren und Führungsprinzipien: messbarer Business Value, klare Ownership, Datenqualität, hybride Operating Models sowie Product- und Platform-Mindset für produktive KI.
• Stand: Ohne Datum; Abruf 31. Mai 2026

zwingmann-2026-organize-work-age-ai

Zwingmann, T. (2026) ‘How to Organize Work in the Age of AI’. Profitable AI Newsletter, 6. Juni. Verfügbar unter: https://blog.tobiaszwingmann.com/p/how-to-organize-work-in-the-age-of-ai (Zugriff: 2026-06-15).

• Quellentyp: Blogartikel / Praxisframework / Organisationsdesign
• Relevanz: Beschreibt KI-native Arbeitsorganisation als Verschiebung von Aufgaben- und Funktionslogik zu outcome-orientierten Verantwortungsbereichen kleiner Pods mit Builder-, Operator- und Communicator-Perspektiven.
• Stand: 6. Juni 2026

sokolov-2026-ai-no-longer-fails

Sokolov, K. I. (2026) ‘Why 95% of AI no longer fails. Middle management is out. Finance rigor is in’. Reasonable Intelligence, 31. Mai. Verfügbar unter: https://karlivo.substack.com/p/why-95-of-ai-no-longer-fails-middle (Zugriff: 2026-06-02).

• Quellentyp: Fachartikel / Managementkommentar / KI-Portfoliosteuerung
• Relevanz: Ordnet die 95-Prozent-Failure-Debatte neu ein, beschreibt den Übergang von reiner KI-Experimentierlogik zu finance-grade Governance und warnt vor unkontrollierten Tokenkosten, fehlenden Nutzungsdashboards und schwacher Wertzurechnung.
• Stand: 31. Mai 2026

ec-2025-commission-work-programme

Europäische Kommission (2025) Commission work programme 2025. Verfügbar unter: https://commission.europa.eu/strategy-and-policy/strategy-documents/commission-work-programme/commission-work-programme-2025_en (Zugriff: 2026-05-29).

• Quellentyp: EU-Arbeitsprogramm / Regulierungsstand
• Relevanz: Dient zur Aktualisierung des Stands der geplanten KI-Haftungsrichtlinie, die im Arbeitsprogramm 2025 zur Rücknahme vorgesehen wurde.
• Stand: 2025

techwanderer-2026-ki-funktionsweise

Glöckner, A. (2026) ‘KI Funktionsweise von Wahrscheinlichkeiten zu Ergebnissen’. Techwanderer, 30. Jänner. Verfügbar unter: https://www.techwanderer.de/ki-funktionsweise-verstehen/ (Zugriff: 2026-06-03).

• Quellentyp: Blogartikel / KI-Grundlagen / Praxisorientierung
• Relevanz: Erklärt generative KI als probabilistische Token-Erzeugung und leitet daraus klare Führungs-, Prompting- und Prüfschritte für verlässliche Ergebnisse ab.
• Stand: 30. Jänner 2026; aktualisiert 23. März 2026

uintent-2024-ai-calculations-hallucinations

Uintent (2024) ‘Berechnungen mit der KI: Eine Geschichte von Fehlern und Fügungen’. Uintent, 28. November. Verfügbar unter: https://www.uintent.com/de/case-studies-und-blog/ai-calculations-hallucinations-and-sources-of-error (Zugriff: 2026-06-03).

• Quellentyp: Blogartikel / Praxisbeispiel / Halluzinationen und Fehlerquellen
• Relevanz: Nutzt einfache Fehlerbeispiele wie Buchstabenzählen, erfundene Quellen und scheinbar genaue Risikowerte, um Halluzinationen, Kontextfehler und Grenzen bei Berechnungen zu erklären.
• Stand: 28. November 2024

schmidt-2024-qualitaet-strategie

Schmidt, F. (2024) ‘Richtig gute Strategien: 7 Kriterien für die erfolgreiche Strategieentwicklung’. Felix Schmidt, 18. Jänner. Verfügbar unter: https://fxschmidt.com/guides/qualitaet-strategie/ (Zugriff: 2026-06-03).

• Quellentyp: Strategie-Ratgeber / Qualitätskriterien
• Relevanz: Beschreibt Strategie als Entscheidungsvorlage und nennt sieben Qualitätskriterien: Zielführung, Kohärenz, Stringenz, Transparenz, Replizierbarkeit, Messbarkeit und Adaptierbarkeit.
• Stand: 18. Jänner 2024

kim-mauborgne-oj-blue-ocean-strategy

Kim, W. C. und Mauborgne, R. (o. J.) ‘What is Blue Ocean Strategy?’. Blue Ocean Strategy. Verfügbar unter: https://www.blueoceanstrategy.com/what-is-blue-ocean-strategy/ (Zugriff: 2026-06-03).

• Quellentyp: Strategie-Framework / Marktpositionierung
• Relevanz: Erklärt Blue Ocean Strategy als gleichzeitige Suche nach Differenzierung und niedrigen Kosten, um neue Nachfrage und weniger umkämpfte Markträume zu schaffen.
• Stand: Ohne Datum; Abruf 3. Juni 2026

gohel-2026-rag-pipeline-linkedin

Gohel, R. (2026) ‘AI agents don't break at the LLM. They break at the RAG pipeline’. LinkedIn, 23. Juni. Verfügbar unter: https://www.linkedin.com/posts/rakeshgohel01_aiagents-rag-generativeai-activity-7475164462518329345-Prti/ (Zugriff: 2026-06-24).

• Quellentyp: LinkedIn-Fachbeitrag / RAG-Pipeline-Infografik
• Relevanz: Verdichtet RAG als mehrstufige Qualitätskette aus Ingestion, Indexing, Retrieval, Generation und Evaluation und macht typische Fehlerquellen wie schlechtes Chunking, fehlende Metadaten, schwaches Retrieval und fehlende Evaluation sichtbar.
• Stand: 23. Juni 2026

lindner-2026-kiwa-wissensarbeit

Lindner, M. (2026) ‘KI-gestützte Wissensarbeit (KIWA): Jetzt müssen wir lernen, auf neue Art zu denken und zu arbeiten’. LinkedIn, 12. Juli. Verfügbar unter: https://www.linkedin.com/pulse/ki-gest%C3%BCtzte-wissensarbeit-kiwa-jetzt-m%C3%BCssen-wir-lernen-lindner-emktf/ (Zugriff: 2026-07-15).

• Quellentyp: LinkedIn-Fachartikel / Praxisframework / Wissensarbeit
• Relevanz: Unterscheidet standardisierbare Informationsarbeit von offener Wissensarbeit und beschreibt einen vierphasigen Praxisrahmen aus Kontextöffnung, Exploration, quellengebundener Verdichtung und Wissenssicherung.
• Stand: 12. Juli 2026

anthropic-oj-ai-fluency-4d

Anthropic (o. J.) AI Fluency: Framework & Foundations. Entwickelt mit Rick Dakan, Ringling College of Art and Design, und Joseph Feller, University College Cork. Verfügbar unter: https://anthropic.skilljar.com/ai-fluency-framework-foundations (Zugriff: 2026-07-15).

• Quellentyp: Offener Onlinekurs / Kompetenzframework / Mensch-KI-Zusammenarbeit
• Relevanz: Beschreibt mit Delegation, Description, Discernment und Diligence vier miteinander verbundene Kompetenzen für effektive, effiziente, ethische und sichere Zusammenarbeit mit KI-Systemen.
• Stand: Ohne Datum; Abruf 15. Juli 2026

zwingmann-2026-ai-customer-support-chatbot-reality-check

Zwingmann, T. (2026) ‘The AI Customer Support Chatbot Reality Check’. Profitable AI Newsletter, 28. Februar. Verfügbar unter: https://blog.tobiaszwingmann.com/p/ai-customer-support-chatbot-check (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxiserfahrung / KI im Kundenservice
• Relevanz: Strukturiert Kundenservice-KI von einfacher Wissensauskunft über Lern- und Loggingfunktionen bis zu transaktionalen Systemen und betont Baseline, Wissensqualität, Ownership und stufenweisen Ausbau.
• Stand: 28. Februar 2026

zwingmann-2025-beyond-chatbots-customer-service

Zwingmann, T. und Casari, C. (2025) ‘Beyond Chatbots: A Case Study for AI In Customer Service’. Profitable AI Newsletter, 17. Jänner. Verfügbar unter: https://blog.tobiaszwingmann.com/p/beyond-chatbots-a-case-study-for-ai-in-customer-service (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Anbieterfallstudie / Kundenservice-Workflows
• Relevanz: Zeigt Klassifikation, Zusammenfassung und Priorisierung als interne, kundenseitig unsichtbare Einstiegsfelder; die berichteten Leistungswerte sind nicht unabhängig verifiziert und werden nicht verallgemeinert.
• Stand: 17. Jänner 2025

zwingmann-2026-37k-email-summary

Zwingmann, T. (2026) ‘The $37K Email Summary’. Profitable AI Newsletter, 21. März. Verfügbar unter: https://blog.tobiaszwingmann.com/p/the-37k-email-summary (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / konstruiertes Praxisbeispiel / Business Case
• Relevanz: Trennt theoretische Zeitersparnis von realisierbarem Wert und verschiebt den Kundendienst-Business-Case auf messbare Servicequalität, Reaktionsfähigkeit, Spitzenlast und laufende Kosten.
• Stand: 21. März 2026

zwingmann-2024-evaluating-ai-chatbots

Zwingmann, T. (2024) ‘A Simple Template for Evaluating AI Chatbots’. Profitable AI Newsletter, 12. Jänner. Verfügbar unter: https://blog.tobiaszwingmann.com/p/ai-chatbot-evaluation-simple-template (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Evaluationsvorlage / Chatbots
• Relevanz: Liefert einen einfachen Einstieg in End-to-end-Regressionstests mit Fragekategorien, Referenzantworten, Formulierungsvarianten und kategorieweiser Fehleranalyse.
• Stand: 12. Jänner 2024

zwingmann-2025-ai-in-excel

Zwingmann, T. und Mount, G. (2025) ‘AI in Excel: How To Rethink Spreadsheet Work’. Profitable AI Newsletter, 24. Oktober. Verfügbar unter: https://blog.tobiaszwingmann.com/p/ai-in-excel-how-to-rethink-spreadsheet-work (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxiseinordnung / Tabellenkalkulation
• Relevanz: Beschreibt den Kompetenzwechsel von Funktionswissen zu Problemstrukturierung, Datenverständnis, Code-Lesefähigkeit und fachlicher Ergebnisprüfung; kurzlebige Produktfunktionen werden nicht als dauerhaftes Wiki-Wissen übernommen.
• Stand: 24. Oktober 2025

zwingmann-2025-chatgpt-data-analysis

Zwingmann, T. (2025) ‘How to Make Data Analysis in ChatGPT Actually Work’. Profitable AI Newsletter, 15. August. Verfügbar unter: https://blog.tobiaszwingmann.com/p/how-to-make-data-analysis-in-chatgpt-actually-work (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisleitfaden / Datenanalyse
• Relevanz: Unterscheidet visuell aufbereitete Berichtstabellen von programmatisch gut analysierbaren Daten und überträgt Tidy-Data-Prinzipien auf KI-gestützte Tabellenanalyse.
• Stand: 15. August 2025

nist-2024-generative-ai-profile

Autio, C., Schwartz, R., Dunietz, J., Jain, S., Stanley, M., Tabassi, E., Hall, P. und Roberts, K. (2024) Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600-1. DOI: https://doi.org/10.6028/NIST.AI.600-1 (Zugriff: 2026-08-05).

• Quellentyp: Behördenstandard / Risikomanagementprofil / generative KI
• Relevanz: Verbindet Vorabtests, menschliche Aufsicht, klar definierte Verantwortlichkeiten, laufendes Monitoring und Incident-Prozesse für generative KI-Systeme.
• Stand: 26. Juli 2024; NIST-Seite aktualisiert 8. April 2026

eu-2024-ai-act

Europäische Union (2024) Verordnung (EU) 2024/1689 über künstliche Intelligenz (Artificial Intelligence Act). Verfügbar unter: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A32024R1689 (Zugriff: 2026-08-05).

• Quellentyp: EU-Verordnung / Primärrechtsquelle
• Relevanz: Artikel 50 verlangt grundsätzlich, dass natürliche Personen spätestens bei der ersten Interaktion klar erkennen können, wenn sie direkt mit einem KI-System interagieren; Ausnahmen und weitere Transparenzpflichten sind im Einzelfall zu prüfen.
• Stand: Verordnung vom 13. Juni 2024; konsolidierte Fassung vom 27. Juli 2026

wickham-2014-tidy-data

Wickham, H. (2014) ‘Tidy Data’. Journal of Statistical Software, 59(10), 1–23. DOI: https://doi.org/10.18637/jss.v059.i10 (Zugriff: 2026-08-05).

• Quellentyp: Wissenschaftlicher Fachartikel / Datenstruktur
• Relevanz: Definiert Tidy Data als konsistente Struktur, in der jede Variable eine Spalte, jede Beobachtung eine Zeile und jede Art von Beobachtungseinheit eine Tabelle bildet.
• Stand: 2014

microsoft-oj-copilot-excel-tips

Microsoft (o. J.) Copilot in Excel tips. Microsoft Support. Verfügbar unter: https://support.microsoft.com/en-us/excel/copilot/copilot-in-excel-tips (Zugriff: 2026-08-05).

• Quellentyp: Offizielle Produktdokumentation / Tabellenkalkulation
• Relevanz: Empfiehlt präzise benannte Spalten und Bereiche und weist darauf hin, dass KI direkte Änderungen an Arbeitsmappen vornehmen kann; Rückgängig-Funktion und Versionsverlauf bleiben daher wichtige Kontrollmechanismen.
• Stand: Ohne Datum; Abruf 5. August 2026

zwingmann-2025-ugly-data-profitable-insights

Zwingmann, T. (2025) ‘From Ugly Data To Profitable Insights’. Profitable AI Newsletter, 5. September. Verfügbar unter: https://blog.tobiaszwingmann.com/p/from-ugly-data-to-profitable-insights (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisprozess / unstrukturierte Daten
• Relevanz: Liefert einen fünfstufigen Analyseprozess aus Geschäftsfrage, arbeitsfähiger Datenform, Exploration, KI-gestützter Analyse und fachlicher Validierung; Kosten- und Zeitangaben bleiben nicht unabhängig verifizierte Projekterfahrung.
• Stand: 5. September 2025

zwingmann-2025-ai-data-cleaning-50000-records

Zwingmann, T. (2025) ‘How We Cleaned 50,000+ Records in Less Than a Day with AI’. Profitable AI Newsletter, 4. Juli. Verfügbar unter: https://blog.tobiaszwingmann.com/p/how-we-cleaned-50-000-records-in-less-than-a-day-with-ai (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / anonymisierte Fallstudie / Datenbereinigung
• Relevanz: Kombiniert externe Referenzen, deterministische Ähnlichkeitssuche und KI nur für vorausgewählte Grenzfälle. Die berichteten Mengen-, Zeit-, Genauigkeits- und Einsparungswerte werden nicht als allgemeine Benchmarks verwendet.
• Stand: 4. Juli 2025

zwingmann-2025-ai-data-management

Zwingmann, T. (2025) ‘AI for Data Management’. Profitable AI Newsletter, 29. August. Verfügbar unter: https://blog.tobiaszwingmann.com/p/ai-for-data-management (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxiseinordnung / Datenmanagement
• Relevanz: Trennt technische Erkennung widersprüchlicher Kennzahlendefinitionen von der fachlichen Entscheidung, welche Definition in welchem Geschäftskontext gelten soll.
• Stand: 29. August 2025

zwingmann-2025-survey-responses-category-mapper

Zwingmann, T. (2025) ‘Analyzing 4,000+ Survey Responses in 20 Minutes for $20 in AI Cost’. Profitable AI Newsletter, 12. September. Verfügbar unter: https://blog.tobiaszwingmann.com/p/analyzing-4-000-survey-responses-in-20-minutes-for-20-in-ai-cost (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / anonymisierte Fallstudie / Textklassifikation
• Relevanz: Beschreibt einen Category Mapper aus Kategorienfindung, Mehrfachzuordnung und analysierbarer Ausgabe bei unveränderten Originalantworten. Preis-, Dauer- und Einsparungswerte bleiben fallspezifische Selbstauskunft.
• Stand: 12. September 2025

zwingmann-2025-customer-feedback-analysis

Zwingmann, T. (2025) ‘Analyzing Customer Feedback with AI’. Profitable AI Newsletter, 2. Mai. Verfügbar unter: https://blog.tobiaszwingmann.com/p/analyzing-customer-feedback-with-ai (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisframework / Kundenfeedback
• Relevanz: Verbindet prüfbare Geschäftshypothesen, handlungsorientierte Taxonomien, Häufigkeiten, Segmente, Zeitverläufe und fehlende Signale zu einem kontrollierbaren Feedbackprozess.
• Stand: 2. Mai 2025

zwingmann-2025-beyond-ocr-multimodal-documents

Zwingmann, T. (2025) ‘Beyond OCR: Using Multimodal AI to Extract Clean Data from Messy Docs’. Profitable AI Newsletter, 16. Mai. Verfügbar unter: https://blog.tobiaszwingmann.com/p/beyond-ocr-using-multimodal-ai-to-extract-clean-data-from-messy-docs (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / technische Praxiseinordnung / Dokumentenextraktion
• Relevanz: Grenzt OCR, Layoutanalyse und semantische multimodale Extraktion ab und betont Provenienz, Eingabestabilität, Kosten, Datenschutz sowie mehrstufige Validierung statt eines pauschalen OCR-Ersatzes.
• Stand: 16. Mai 2025

zwingmann-2023-pdf-reporting-workflow

Zwingmann, T. (2023) ‘Use Case Breakdown: Augmenting a Reporting Workflow from PDF Files with AI’. Profitable AI Newsletter, 23. Juni. Verfügbar unter: https://blog.tobiaszwingmann.com/p/augmenting-a-reporting-workflow-from-pdf-files-with-ai (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / frühe Referenzarchitektur / PDF-Verarbeitung
• Relevanz: Trennt Dokumentaufnahme, Extraktion, strukturierte Ausgabe und Fachoberfläche und fordert Eingangsprüfungen, Fehlerprotokoll, menschliche Korrektur und iteratives Lernen. Produktnamen und Architekturdetails von 2023 werden nicht als heutige Empfehlung übernommen.
• Stand: 23. Juni 2023

narayan-et-al-2022-foundation-models-data-wrangling

Narayan, A., Chami, I., Orr, L., Arora, S. und Ré, C. (2022) ‘Can Foundation Models Wrangle Your Data?’. arXiv:2205.09911v2. DOI: https://doi.org/10.48550/arXiv.2205.09911 (Zugriff: 2026-08-05).

• Quellentyp: Wissenschaftliches Preprint / Datenbereinigung und Datenintegration
• Relevanz: Evaluiert Foundation Models als Proof of Concept für fünf klassische Bereinigungs- und Integrationsaufgaben. Die Studie weist zugleich auf Grenzen bei privaten und domänenspezifischen Daten hin und liefert keinen pauschalen Produktionsnachweis.
• Stand: Fassung vom 24. Dezember 2022

gilardi-et-al-2023-chatgpt-text-annotation

Gilardi, F., Alizadeh, M. und Kubli, M. (2023) ‘ChatGPT outperforms crowd workers for text-annotation tasks’. Proceedings of the National Academy of Sciences, 120(30). DOI: https://doi.org/10.1073/pnas.2305016120 (Zugriff: 2026-08-05).

• Quellentyp: Peer-reviewter Fachartikel / Textannotation
• Relevanz: Zeigt für die untersuchten politischen Textklassifikationen konkurrenzfähige Annotation durch ChatGPT. Der enge Aufgaben- und Datenkontext belegt weder allgemeine Umfragevalidität noch repräsentative Geschäftserkenntnisse.
• Stand: 18. Juli 2023

braun-clarke-2006-thematic-analysis

Braun, V. und Clarke, V. (2006) ‘Using thematic analysis in psychology’. Qualitative Research in Psychology, 3(2), 77–101. DOI: https://doi.org/10.1191/1478088706qp063oa (Zugriff: 2026-08-05).

• Quellentyp: Peer-reviewter Methodenartikel / qualitative Analyse
• Relevanz: Beschreibt thematische Analyse als nachvollziehbaren Prozess aus Vertrautwerden mit den Daten, Kodierung, Themenbildung, Prüfung, Benennung und Bericht. Automatische Labels ersetzen die interpretative Verantwortung nicht.
• Stand: 2006

microsoft-oj-document-intelligence

Microsoft (o. J.) What is Azure Document Intelligence in Foundry Tools? Microsoft Learn. Verfügbar unter: https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/overview?view=doc-intel-4.0.0 (Zugriff: 2026-08-05).

• Quellentyp: Offizielle technische Dokumentation / Dokumentenanalyse
• Relevanz: Trennt Texterkennung, Layout- und Tabellenextraktion, vortrainierte Dokumentmodelle und LLM-gestützte Analyse komplexer unstrukturierter Inhalte.
• Stand: Dokumentation für API-Version 2024-11-30 (GA); Abruf 5. August 2026

microsoft-oj-document-intelligence-confidence

Microsoft (o. J.) Interpret and improve accuracy and confidence scores. Microsoft Learn. Verfügbar unter: https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/concept/accuracy-confidence?view=doc-intel-4.0.0 (Zugriff: 2026-08-05).

• Quellentyp: Offizielle technische Dokumentation / Konfidenz und Human Review
• Relevanz: Erklärt Konfidenzwerte auf Dokument-, Feld- und Wortebene und empfiehlt, kritische oder unsichere Extraktionen für menschliche Prüfung auszusteuern. Anbieter-Schwellenwerte sind keine universellen Geschäftsgrenzen.
• Stand: Dokumentation für API-Version 2024-11-30 (GA); Abruf 5. August 2026

eu-2016-gdpr

Europäische Union (2016) Verordnung (EU) 2016/679 zum Schutz natürlicher Personen bei der Verarbeitung personenbezogener Daten (Datenschutz-Grundverordnung). Verfügbar unter: https://eur-lex.europa.eu/eli/reg/2016/679/oj (Zugriff: 2026-08-05).

• Quellentyp: EU-Verordnung / Primärrechtsquelle
• Relevanz: Verankert unter anderem Zweckbindung, Datenminimierung, Richtigkeit, Speicherbegrenzung und Schutz besonderer Kategorien personenbezogener Daten. Die konkrete Rechtsgrundlage und Schutzmaßnahmen müssen Unternehmen je Verarbeitung prüfen.
• Stand: Verordnung vom 27. April 2016

zwingmann-2026-ai-job-you-actually-have

Zwingmann, T. (2026) ‘The AI Job You Actually Have’. Profitable AI Newsletter, 7. Februar. Verfügbar unter: https://blog.tobiaszwingmann.com/p/the-ai-job-you-actually-have (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / autoreneigene Führungsheuristik / KI-Mandat
• Relevanz: Unterscheidet drei mögliche Managementmandate für KI – kurzfristige Ergebniswirkung, wettbewerbliche Mindestfähigkeit und strategische Kategorienführerschaft – und fordert, Erfolgsmaß, Zeithorizont und Ressourcen vor Roadmap und Umsetzung abzugleichen.
• Stand: 7. Februar 2026

zwingmann-2025-my-2025-retrospective

Zwingmann, T. (2025) ‘My 2025 Retrospective’. Profitable AI Newsletter, 27. Dezember. Verfügbar unter: https://blog.tobiaszwingmann.com/p/my-2025-retrospective (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Retrospektive / post-book Praxiseinschätzung
• Relevanz: Verschiebt nach eigener Projekterfahrung den Einstieg von einer früh umfassenden „AI First“-Transformation zu „First AI“: ein begrenzter produktiver Workflow soll Wert, Lernfähigkeit und interne Glaubwürdigkeit belegen. Umsatz-, Kunden- und Erfolgsangaben bleiben Selbstauskunft und werden nicht als Evidenz übernommen.
• Stand: 27. Dezember 2025

zwingmann-2026-start-simple-stupid

Zwingmann, T. (2026) ‘Start Simple, Stupid’. Profitable AI Newsletter, 21. Februar. Verfügbar unter: https://blog.tobiaszwingmann.com/p/start-simple-stupid (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisheuristik / anschlussfähige KI-Einstiege
• Relevanz: Unterscheidet isolierte Kleinlösungen von einem strategisch anschlussfähigen „ersten Stockwerk“, das Daten, Schnittstellen, Lernsignale oder wiederverwendbare Fähigkeiten für den nächsten Ausbauschritt erzeugt.
• Stand: 21. Februar 2026

zwingmann-tammer-2025-profitable-ai-organization

Zwingmann, T. und Tammer, P. (2025) ‘The Profitable AI Organization’. Profitable AI Newsletter, 17. Oktober, aktualisiert 24. Oktober. Verfügbar unter: https://blog.tobiaszwingmann.com/p/the-profitable-ai-organization (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / autoreneigenes Operating-Model / Skalierungsorganisation
• Relevanz: Beschreibt AI Factory, Product-and-Platform-Modell und unternehmensweit agile Struktur als mögliche Entwicklungsfolge. Eigenständig relevant sind die Hub-und-Linie-Verantwortung sowie der Finanzierungsübergang vom zentralen Anschub zur fachlichen Ergebnisverantwortung; Fallzahlen und Erfolgswerte werden nicht als Benchmarks verwendet.
• Stand: 17. Oktober 2025; aktualisiert 24. Oktober 2025

nist-2023-ai-rmf-1-0

Tabassi, E. (2023) Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1. DOI: https://doi.org/10.6028/NIST.AI.100-1 (Zugriff: 2026-08-05).

• Quellentyp: Behördenstandard / organisationsweites KI-Risikomanagement
• Relevanz: Verlangt klar dokumentierte Rollen und Kommunikationswege, Verantwortung der obersten Leitung für KI-Risikoentscheidungen sowie geplantes laufendes Monitoring. Der Rahmen schreibt kein bestimmtes AI-Factory- oder Plattformmodell vor.
• Stand: 26. Jänner 2023

zwingmann-2025-faster-horses-teleporters

Zwingmann, T. (2025) ‘Faster Horses vs. Teleporters’. Profitable AI Newsletter, 19. September. Verfügbar unter: https://blog.tobiaszwingmann.com/p/faster-horses-vs-teleporters (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisheuristik / Workflow-Redesign
• Relevanz: Trennt lokale Produktivitätsunterstützung von einer Neugestaltung des Wegs zum Geschäftsergebnis und fordert dafür unterschiedliche Steuerung, Zeithorizonte und Erfolgsmaße. Die „Faster Horses/Teleporters“-Metapher wird nicht als validierte Taxonomie behandelt.
• Stand: 19. September 2025

zwingmann-2024-workflow-augmentation-principles

Zwingmann, T. (2024) ‘Principles of Effective Workflow Augmentation’. Profitable AI Newsletter, 12. Juli, aktualisiert 15. April 2025. Verfügbar unter: https://blog.tobiaszwingmann.com/p/principles-of-effective-workflow-augmentation (Zugriff: 2026-08-05).

• Quellentyp: Blogartikel / Praxisframework / Arbeitsgestaltung
• Relevanz: Erläutert TRICUS als Praxisrahmen für rechtzeitige, relevante, erkenntnisreiche, glaubwürdige, unaufdringliche und spezifische Unterstützung. Spekulationen über die konkrete technische Umsetzung des Apple-Beispiels werden nicht übernommen.
• Stand: 12. Juli 2024; aktualisiert 15. April 2025

dellacqua-et-al-2023-jagged-frontier

Dell’Acqua, F., McFowland, E. III, Mollick, E. et al. (2023) ‘Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality’. Harvard Business School Working Paper 24-013, September. Verfügbar unter: https://www.hbs.edu/faculty/Pages/item.aspx?num=64700; DOI der SSRN-Fassung: https://doi.org/10.2139/ssrn.4573321 (Zugriff: 2026-08-13).

• Quellentyp: Präregistriertes Experiment / Working Paper / Wissensarbeit
• Relevanz: Zeigt bei 758 Beratungsfachkräften sowohl Leistungsgewinne innerhalb der getesteten KI-Fähigkeitsgrenze als auch eine geringere Lösungsrichtigkeit bei einer Aufgabe außerhalb dieser Grenze. Die Ergebnisse stützen aufgabenspezifische Tests statt pauschaler Produktivitätsannahmen.
• Stand: September 2023; laut HBS zur Veröffentlichung in Organization Science vorgesehen

brynjolfsson-et-al-2025-generative-ai-at-work

Brynjolfsson, E., Li, D. und Raymond, L. R. (2025) ‘Generative AI at Work’. The Quarterly Journal of Economics, 140(2), S. 889–942. DOI: https://doi.org/10.1093/qje/qjae044 (Zugriff: 2026-08-13).

• Quellentyp: Peer-reviewte betriebliche Einführungsstudie / Kundenservice
• Relevanz: Analysiert einen generativen Echtzeit-Assistenten bei 5.172 Kundenservice-Beschäftigten. Die Wirkung unterscheidet sich stark nach Erfahrung und Leistung; die Studie belegt keinen universellen Produktivitätseffekt für andere Aufgaben oder Organisationen.
• Stand: Februar 2025

raisch-krakowski-2021-automation-augmentation-paradox

Raisch, S. und Krakowski, S. (2021) ‘Artificial Intelligence and Management: The Automation–Augmentation Paradox’. Academy of Management Review, 46(1), S. 192–210. DOI: https://doi.org/10.5465/amr.2018.0072 (Zugriff: 2026-08-13).

• Quellentyp: Peer-reviewter theoretischer Integrationsbeitrag / Management- und Organisationsforschung
• Relevanz: Zeigt, dass Automatisierung und Augmentierung über Zeit und Organisationsebenen voneinander abhängen. Die Quelle stützt keine quantitative Wirkung, sondern die Führungsregel, veränderte menschliche Aufgaben, Kompetenzen und Kontrollen gemeinsam mit automatisierten Schritten zu gestalten.
• Stand: Jänner 2021

zwingmann-2026-cheap-codification

Zwingmann, T. (2026) ‘Cheap Codification: How AI changes the economics of business automations’. Profitable AI Newsletter, 8. August. Verfügbar unter: https://blog.tobiaszwingmann.com/p/cheap-codification (Zugriff: 2026-08-13).

• Quellentyp: Blogartikel / Praxisheuristik / Architektur- und Wirtschaftlichkeitsentscheidung
• Relevanz: Trennt KI als Entwurfswerkzeug von KI im laufenden Ausführungspfad. Dauerhaft übernommen werden die Build-time/runtime-Unterscheidung und die Prüfung, ob klare, aber bisher zu aufwendig kodifizierbare Regeln nach fachlicher Freigabe deterministisch ausgeführt werden können. Produktlisten und unbelegte Kostenbehauptungen dienen nicht als Evidenz.
• Raw Source: raw/articles/zwingmann-2026-cheap-codification.md
• Stand: 8. August 2026

zwingmann-2026-always-on-agents

Zwingmann, T. (2026) ‘Always-On Agents: What they are and 3 questions to ask if you need them’. Profitable AI Newsletter, 3. Oktober. Verfügbar unter: https://blog.tobiaszwingmann.com/p/always-on-agents (Zugriff: 2026-10-04).

• Quellentyp: Blogartikel / Praxisheuristik / Agenten- und Betriebsentscheidung
• Relevanz: Ergänzt die Wahl der einfachsten tragfähigen Architektur um den Verantwortungshorizont: Wiederkehrende Arbeit allein rechtfertigt keinen dauerhaft aktiven Agenten; entscheidend sind eine fehlende natürliche Endbedingung und laufend neu zu bewertende Ausnahmen oder Abhängigkeiten. Die Dreistufung ist keine validierte Architekturklasse. Produkt- und Marktbehauptungen sowie der angeführte Einzelfall dienen nicht als Evidenz.
• Raw Source: raw/articles/zwingmann-2026-always-on-agents.md
• Stand: 3. Oktober 2026

zwingmann-stratta-2026-showing-up-in-ai-search

Zwingmann, T. und Stratta, M. (2026) ‘Showing Up in AI Search: What to measure, where to look, and what to improve first’. Profitable AI Newsletter, 10. Oktober. Verfügbar unter: https://blog.tobiaszwingmann.com/p/showing-up-in-ai-search (Zugriff: 2026-10-11).

• Quellentyp: Blogartikel / gemeinsame Praxisheuristik / Marketing- und Vertriebsdiagnose
• Relevanz: Trennt Bekanntheit, Auffindbarkeit, Empfehlung und Quellen als unterschiedliche Signale und schlägt einen wiederholbaren Test für konkrete Käuferfragen vor. Das Verfahren ist kein standardisierter Sichtbarkeitsindex und belegt keine kausale Wirkung einzelner Inhaltsänderungen; die angeführten Arcalea-Daten dienen nicht als allgemeiner Branchenbenchmark.
• Raw Source: raw/articles/zwingmann-stratta-2026-showing-up-in-ai-search.md
• Stand: 10. Oktober 2026

schlenther-2026-ki-ist-betriebssystem

Schlenther, F. (2026) ‘KI ist ein Betriebssystem’. AI FIRST Insights, 22. Februar. Verfügbar unter: https://ai-first.ai/insights/ki-ist-ein-betriebssystem (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / autoreneigene Metapher / systemisches Denken
• Relevanz: Rahmt KI als vernetzte, lernende Unternehmensbasis statt als Sammlung isolierter Tools oder Rollen. Das Betriebssystembild wird als Praxis-Metapher behandelt, nicht als etablierte technische Produktkategorie.
• Stand: 22. Februar 2026

schlenther-2026-acht-wochen-ki-betriebssystem

Schlenther, F. (2026) ‘8 Wochen KI-Betriebssystem’. AI FIRST Insights, 1. März. Verfügbar unter: https://ai-first.ai/insights/ki-als-betriebssystem-8-wochen-die-unsere-arbeit-veraendert-haben (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / interner Praxisbericht / Architekturmodell
• Relevanz: Beschreibt die Ablösung vieler fest konfigurierter Agenten durch gemeinsame Fähigkeiten, Daten, Regeln und Tool-Zugriffe. Interne Skill-Zahlen, Modellurteile und Selbstverbesserungsversprechen dienen nicht als allgemeine Benchmarks.
• Stand: 1. März 2026

schlenther-2026-fuenf-bausteine-ki-betriebssystem

Schlenther, F. (2026) ‘Die 5 Bausteine unseres KI-Betriebssystems’. AI FIRST Insights, 8. März. Verfügbar unter: https://ai-first.ai/insights/die-5-bausteine-unseres-ki-betriebssystems (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / autoreneigenes Praxisframework / Unternehmensarchitektur
• Relevanz: Verbindet Skills, Kontext, Governance, Ausführung und Feedback in einer gemeinsamen Betriebslogik. Das Wiki erweitert dieses Modell ausdrücklich um strukturierte und unstrukturierte Unternehmensdaten, Integration, Betrieb und Souveränität.
• Stand: 8. März 2026

schlenther-2026-skill-playbook

Schlenther, F. (2026) ‘Das KI-Skill-Playbook’. AI FIRST Insights, 15. März. Verfügbar unter: https://ai-first.ai/insights/das-skill-playbook (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / Praxisframework / ausführbare Arbeitsanweisungen
• Relevanz: Beschreibt Skills als wiederverwendbare Arbeitsanweisungen mit Ablauf, Kontextreferenzen, Governance, Inputs, Outputs und Qualitätskriterien. Der Ansatz wird als Organisationsartefakt synthetisiert, nicht als produktspezifische Prompttechnik.
• Stand: 15. März 2026

schlenther-2026-agentic-layer

Schlenther, F. (2026) ‘Der Agentic-Layer’. AI FIRST Insights, 22. März. Verfügbar unter: https://ai-first.ai/insights/der-agentic-layer (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / Praxisframework / Agentenarchitektur
• Relevanz: Trennt persönliche Assistenz, ereignisgetriebene Agenten-Pipelines und eng begrenzte Spezialagenten als unterschiedliche Ausführungsformen gemeinsamer Skills, Kontextquellen und Regeln.
• Stand: 22. März 2026

schlenther-2026-kontext-layer

Schlenther, F. (2026) ‘Der Kontext-Layer im KI-Betriebssystem’. AI FIRST Insights, 29. März. Verfügbar unter: https://ai-first.ai/insights/der-kontext-layer (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / Praxisframework / Wissens- und Kontextarchitektur
• Relevanz: Beschreibt ein kuratiertes Quellenregister, aufgabenspezifisches Laden und das Referenzieren lebender Quellen statt kopierter Informationsstände. Die Quelle behandelt Kontext vor allem als dokumentiertes Organisationswissen und deckt strukturierte operative Daten nur unzureichend ab.
• Stand: 29. März 2026

schlenther-2026-governance-ki-betriebssystem

Schlenther, F. (2026) ‘Governance im KI-Betriebssystem’. AI FIRST Insights, 5. April. Verfügbar unter: https://ai-first.ai/insights/governance-im-ki-betriebssystem (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / Praxisframework / maschinenlesbare Governance
• Relevanz: Überträgt Regeln, Rechte, Reviewpunkte und Quellenhierarchien auf ausführbare Skills. Die Ampellogik wird im Wiki in risikobasierte Freigaben, Least Privilege und technische Begrenzung des Schadensradius übersetzt.
• Stand: 5. April 2026

schlenther-2026-lernschleife-ki-betriebssystem

Schlenther, F. (2026) ‘Die Lernschleife im KI-Betriebssystem’. AI FIRST Insights, 12. April. Verfügbar unter: https://ai-first.ai/insights/die-lernschleife-im-ki-betriebssystem (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / Praxisframework / Feedback und Verbesserung
• Relevanz: Behandelt Fehler, neuen Kontext, Ergebnisse und Verbesserungsvorschläge als strukturierte Rückkopplung. Das Wiki ergänzt kontrollierte Änderungsentscheidungen, Versionierung, Regressionstests und Rollback.
• Stand: 12. April 2026

schlenther-2026-fragen-ki-betriebssystem

Schlenther, F. (2026) ‘Eure Fragen zum KI-Betriebssystem’. AI FIRST Insights, 19. April. Verfügbar unter: https://ai-first.ai/insights/eure-fragen-zum-ki-betriebssystem (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / FAQ / Einführungsheuristik
• Relevanz: Ergänzt die Serie um schrittweisen Aufbau, Owner-Rollen und die Priorität von Prozess- und Datenqualität. Konkrete Plattformurteile werden nicht als dauerhafte Empfehlung übernommen.
• Stand: 19. April 2026

scherer-2026-chefs-von-ki-agenten

Scherer, K. (2026) ‘Wie eine Horde Praktikanten: So verändert sich die Arbeit, wenn wir alle Chefs von KI-Agenten werden’. t3n Magazin, Nr. 85, S. 14–19, 12. August. Verfügbar unter: https://t3n.de/news/wie-eine-horde-praktikanten-so-veraendert-sich-die-arbeit-wenn-wir-alle-chefs-von-ki-agenten-werden-2-1756916/ (Zugriff: 2026-08-25).

• Quellentyp: Magazinbeitrag / journalistische Einordnung / Praxisfälle
• Relevanz: Vergleicht Augmentation, agentische Prozessketten, menschenähnlich organisierte Multi-Agenten-Teams und das zentrale AI-FIRST-Modell. Der Beitrag macht die begrenzte Übertragbarkeit junger Kleinstunternehmen auf etablierte Organisationen mit gewachsenen Daten, Prozessen und Systemen sichtbar.
• Stand: 12. August 2026

rohnfelder-2026-sidekicks-solisten

Rohnfelder, A. (2026) ‘Sidekicks für den Solisten’. t3n Magazin, Nr. 85, S. 20–21. Ausgabe verfügbar unter: https://epaper.t3n.de/de/profiles/37b1dd48b38a/editions/763967018f0be233ba66 (Zugriff: 2026-08-25).

• Quellentyp: Magazinbeitrag / persönlicher Praxisbericht / Selbstständigkeit
• Relevanz: Ergänzt die Unternehmensarchitektur um persönliche Arbeit und unterscheidet Chats, Projekte, Skills und Agenten nach Aufgabenart und Kontextgrenze. Honorar-, Zeit- und Produktivitätswirkungen bleiben Selbstauskunft ohne Messdesign.
• Stand: August 2026

schlenther-2026-adoption-messen

Schlenther, F. (2026) ‘Mehr als Nutzung: KI-Adoption richtig messen’. AI FIRST Insights, 14. Juni. Verfügbar unter: https://ai-first.ai/insights/mehr-als-nutzung-ki-adoption-richtig-messen (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / autoreneigenes Praxisframework / Adoptionsmessung
• Relevanz: Schlägt die Messlogik Aktivität, Verankerung und Wirkung vor. Das Wiki übernimmt sie als diagnostische Praxisheuristik, ergänzt Risiken und Nebenwirkungen und behandelt die vorgeschlagenen Diagnosemuster nicht als kausal validierte Regeln.
• Stand: 14. Juni 2026

schlenther-2026-ki-kompetenz

Schlenther, F. (2026) ‘KI-Kompetenz statt Alibi-Training’. AI FIRST Insights, 22. Mai. Verfügbar unter: https://ai-first.ai/insights/ki-kompetenz-statt-alibi-training (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / autoreneigenes Kompetenzmodell / Trainingspraxis
• Relevanz: Unterscheidet Verstehen, Nutzen, Umsetzen und Transformieren als unterschiedliche Kompetenzziele. Anbieterkennzahlen, feste Trainingsformate und Erfolgsanekdoten dienen nicht als Benchmarks.
• Stand: 22. Mai 2026

schlenther-2026-vom-wissen-ins-tun

Schlenther, F. (2026) ‘Vom Wissen ins Tun’. AI FIRST Insights, 31. Mai. Verfügbar unter: https://ai-first.ai/insights/vom-wissen-ins-tun (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / Verhaltensdesign / Praxisformate
• Relevanz: Überträgt Verhaltensmodelle auf konkrete KI-Routinen, Auslöser und Teamformate. Das Wiki behandelt diese Formate als testbare Optionen und setzt angemessene, wert- und risikobewusste Nutzung an die Stelle maximaler Nutzung.
• Stand: 31. Mai 2026

schlenther-2026-ki-champion-illusion

Schlenther, F. (2026) ‘Die KI-Champion-Illusion’. AI FIRST Insights, 15. Mai. Verfügbar unter: https://ai-first.ai/insights/die-ki-champion-illusion (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / autoreneigenes Rollenmodell / dezentrale Umsetzung
• Relevanz: Konkretisiert dezentrale KI-Enabler über Mandat, Auswahl, Kompetenz und Unterstützungssystem. Starre Zeitbudgets, Outputvorgaben und Anbietererfahrungen werden nicht als allgemeine Erfolgsbedingungen übernommen.
• Stand: 15. Mai 2026

schlenther-2026-zielbild-ki-adoption

Schlenther, F. (2026) ‘Das Zielbild für KI-Adoption’. AI FIRST Insights, 10. Mai. Verfügbar unter: https://ai-first.ai/insights/das-zielbild-fuer-ki-adoption (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / autoreneigenes Zielbild-Canvas / Adoptionsstrategie
• Relevanz: Verbindet Ziele, horizontale und vertikale KI-Hebel, Organisationsänderung, Voraussetzungen und Messgrößen. Das Wiki neutralisiert Plattformvorgaben und ergänzt Beteiligung, Least Privilege sowie laufende Governance.
• Stand: 10. Mai 2026

schlenther-2026-todsuenden-ki-adoption

Schlenther, F. (2026) ‘Die 5 Todsünden der KI-Adoption’. AI FIRST Insights, 3. Mai. Verfügbar unter: https://ai-first.ai/insights/die-5-todsuenden-der-ki-adoption (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / Fehlermuster / Anbieter-Playbook
• Relevanz: Bündelt Tool-Reflex, Alibi-Training, unklare Multiplikatorenrollen, isolierte Ideensammlung und eine vermeintliche Rollout-Endstation als Praxiswarnungen. Unbelegte Nutzungs- und Zeitersparniswerte werden nicht übernommen.
• Stand: 3. Mai 2026

oecd-2025-adoption-ai-firms

OECD (2025) The Adoption of Artificial Intelligence in Firms: New Evidence for Policymaking. OECD Publishing. DOI: https://doi.org/10.1787/f9ef33c3-en (Zugriff: 2026-08-25).

• Quellentyp: Offizieller OECD-Bericht / Unternehmensbefragungen und Interviews
• Relevanz: Zeigt KI-Adoption als Zusammenspiel von Datenreife, Infrastruktur, Managementkompetenz, Humankapital und organisatorischer Veränderung. Praxisnahe Trainings mit realen Projekten und betrieblichen Daten werden als wichtiger Unterstützungsansatz beschrieben.
• Stand: 2025; Erhebungen überwiegend 2022–2023

oecd-2023-impact-ai-workplace

Lane, M., Williams, M. und Broecke, S. (2023) The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers. OECD Social, Employment and Migration Working Papers, Nr. 288. DOI: https://doi.org/10.1787/ea0a0fe1-en (Zugriff: 2026-08-25).

• Quellentyp: OECD Working Paper / Beschäftigten- und Unternehmensbefragung
• Relevanz: Arbeitgeberfinanziertes Training und die Konsultation von Beschäftigten bei der KI-Einführung gingen in den untersuchten Branchen mit günstigeren berichteten Ergebnissen einher. Die Querschnittsdaten belegen keine Kausalität.
• Stand: 2023; Feldphase Anfang 2022

blume-et-al-2010-training-transfer

Blume, B. D., Ford, J. K., Baldwin, T. T. und Huang, J. L. (2010) ‘Transfer of Training: A Meta-Analytic Review’. Journal of Management, 36(4), S. 1065–1105. DOI: https://doi.org/10.1177/0149206309352880 (Zugriff: 2026-08-25).

• Quellentyp: Peer-reviewte Meta-Analyse / Trainingstransfer
• Relevanz: Trennt Lernerfolg von der Anwendung und Aufrechterhaltung im Arbeitsalltag. Motivation und ein unterstützendes Arbeitsumfeld hängen positiv mit Transfer zusammen; die nicht KI-spezifische Literatur liefert keine Garantie für ein bestimmtes Trainingsformat.
• Stand: 2010

miech-et-al-2018-champions

Miech, E. J., Rattray, N. A., Flanagan, M. E., Damschroder, L., Schmid, A. A. und Damush, T. M. (2018) ‘Inside help: An integrative review of champions in healthcare-related implementation’. SAGE Open Medicine, 6. DOI: https://doi.org/10.1177/2050312118773261 (Zugriff: 2026-08-25).

• Quellentyp: Peer-reviewte integrative Literaturübersicht / Implementierungsforschung
• Relevanz: Champions können Implementierung unterstützen, reichen allein aber nicht aus. Die Evidenz stammt überwiegend aus dem Gesundheitswesen und erlaubt keine universelle Erfolgsquote oder fixe Rollenbemessung.
• Stand: 2018

edmondson-1999-psychological-safety

Edmondson, A. (1999) ‘Psychological Safety and Learning Behavior in Work Teams’. Administrative Science Quarterly, 44(2), S. 350–383. DOI: https://doi.org/10.2307/2666999 (Zugriff: 2026-08-25).

• Quellentyp: Peer-reviewte multimethodische Feldstudie / Teamlernen
• Relevanz: Verbindet psychologische Sicherheit mit Lernverhalten in Teams. Die Studie untersucht keine KI-Einführung, stützt aber die vorsichtige Organisationsregel, Unsicherheiten und problematische Ergebnisse ohne Sanktionierungsangst ansprechbar zu machen.
• Stand: 1999

schlenther-2026-neu-denken

Schlenther, F. (2026) ‘Was „neu denken“ wirklich heißt’. AI FIRST Insights, 12. Juli. Verfügbar unter: https://ai-first.ai/insights/was-neu-denken-wirklich-heisst (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / autoreneigene Praxisheuristik / Prozess- und Systemdenken
• Relevanz: Regt dazu an, Symptome vom Kernproblem zu trennen, gewachsene Strukturen zu zerlegen und notwendige Bausteine zweckorientiert neu zusammenzusetzen. Interne Agenten-, Skill- und Tempoangaben sowie die Metapher eines KI-Betriebssystems dienen nicht als Benchmark oder Standard.
• Stand: 12. Juli 2026

schlenther-2026-system-arbeit-macht

Schlenther, F. (2026) ‘Ein System, das die Arbeit macht’. AI FIRST Insights, 19. Juli. Verfügbar unter: https://ai-first.ai/insights/ein-system-das-die-arbeit-macht (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / internes Praxisbeispiel / autoreneigene Systemcheckliste
• Relevanz: Verbindet Zweck, Elemente, Übergaben, gemeinsamen Zustand, Regeln, Human Gates und Rückkopplung in einem Softwareentwicklungsfall. Das Wiki übernimmt die Systemfragen als Praxisimpuls, nicht die Behauptung automatischer oder stetiger Selbstverbesserung.
• Stand: 19. Juli 2026

schlenther-2026-prozessbibliothek-workflow

Schlenther, F. (2026) ‘Von der Prozessbibliothek zum KI-Workflow’. AI FIRST Insights, 18. Jänner. Verfügbar unter: https://ai-first.ai/insights/von-der-prozessbibliothek-zum-ki-workflow (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / Praxisworkflow / Prozessdokumentation und Automatisierung
• Relevanz: Beschreibt Reifeprüfung, Eliminieren und Vereinfachen vor Automatisierung sowie menschen- und maschinenlesbare Prozessdarstellungen. Angaben zu Wachstum, 80–90 Prozent Workflow-Fertigstellung und der generellen Überlegenheit von Text oder JSON gegenüber BPMN werden nicht übernommen.
• Stand: 18. Jänner 2026

schlenther-2026-use-cases-zwei-stunden

Schlenther, F. (2026) ‘In 2 Stunden 15 umsetzbare KI Use Cases finden’. AI FIRST Insights, 7. Juni. Verfügbar unter: https://ai-first.ai/insights/in-2-stunden-15-umsetzbare-ki-use-cases-finden (Zugriff: 2026-08-25).

• Quellentyp: Blogartikel / autoreneigene Discovery-Heuristik / Anbieterangebot
• Relevanz: Trennt arbeitsnahe Quick Wins von strategischen Value Cases und startet die Suche bei Aufgaben, Inputs, Outputs und Prozessschritten. Titelversprechen, Use-Case-Mengen, Umsetzungsgrade und „ohne IT-Ticket“ dienen nicht als allgemeine Erwartungswerte.
• Stand: 7. Juni 2026

mansar-reijers-2005-business-process-redesign

Mansar, S. L. und Reijers, H. A. (2005) ‘Best practices in business process redesign: validation of a redesign framework’. Computers in Industry, 56(5), S. 457–471. DOI: https://doi.org/10.1016/j.compind.2005.01.001 (Zugriff: 2026-08-25).

• Quellentyp: Peer-reviewter Forschungsartikel / Business Process Redesign
• Relevanz: Behandelt Prozessneugestaltung mehrdimensional über Kund:innen, Produkte, Informationsfluss, operative Abläufe und Verhalten. Zwei Fallanwendungen und eine begrenzte Praktikerbefragung belegen weder eine universelle Reihenfolge noch KI-spezifische Produktivitätswerte.
• Stand: 2005

baxter-sommerville-2011-socio-technical-systems

Baxter, G. und Sommerville, I. (2011) ‘Socio-technical systems: From design methods to systems engineering’. Interacting with Computers, 23(1), S. 4–17. DOI: https://doi.org/10.1016/j.intcom.2010.07.003 (Zugriff: 2026-08-25).

• Quellentyp: Peer-reviewter Forschungsartikel / soziotechnisches Systemdesign
• Relevanz: Verbindet menschliche, soziale, organisatorische und technische Faktoren über Spezifikation, Design, Test, Betrieb und Weiterentwicklung. Der konzeptionelle Rahmen ist nicht GenAI-spezifisch und keine kontrollierte Wirkungsstudie.
• Stand: 2011

omg-2014-bpmn-2-0-2

Object Management Group (2014) Business Process Model and Notation (BPMN), Version 2.0.2. Verfügbar unter: https://www.omg.org/spec/BPMN/2.0.2 (Zugriff: 2026-08-25).

• Quellentyp: Formale Prozessmodellierungs- und Austauschspezifikation
• Relevanz: Definiert eine implementierungsneutrale Notation für Ereignisse, Aktivitäten, Entscheidungen, Nachrichtenflüsse und Verantwortungsbereiche. Der Standard belegt nicht, dass ein modellierter Prozess fachlich sinnvoll, sicher oder automatisierbar ist.
• Stand: Jänner 2014

van-der-aalst-et-al-2012-process-mining-manifesto

van der Aalst, W. M. P. et al. (2012) ‘Process Mining Manifesto’. In: Daniel, F., Barkaoui, K. und Dustdar, S. (Hrsg.), Business Process Management Workshops. Lecture Notes in Business Information Processing, 99, S. 169–194. DOI: https://doi.org/10.1007/978-3-642-28108-2_19 (Zugriff: 2026-08-25).

• Quellentyp: Peer-reviewter Orientierungsbeitrag / IEEE Task Force on Process Mining
• Relevanz: Ordnet Ereignisprotokolle als Grundlage ein, um Prozesse zu entdecken, zu überwachen und zu verbessern. Logs bilden nur digital erfasste Ereignisse ab und erklären Ursachen, informelle Arbeit oder normative Erwünschtheit nicht automatisch.
• Stand: 2012

doshi-hauser-2024-generative-ai-creativity-diversity

Doshi, A. R. und Hauser, O. P. (2024) ‘Generative AI enhances individual creativity but reduces the collective diversity of novel content’. Science Advances, 10(28). DOI: https://doi.org/10.1126/sciadv.adn5290 (Zugriff: 2026-08-25).

• Quellentyp: Peer-reviewtes präregistriertes Online-Experiment / GenAI-Ideation
• Relevanz: Zeigt im untersuchten Kurzgeschichten-Experiment einen möglichen Zielkonflikt zwischen höher bewerteten Einzeloutputs und geringerer Vielfalt des Gesamtportfolios. Die Ergebnisse validieren keinen betrieblichen Use-Case-Workshop und keine bestimmte Discovery-Methode.
• Stand: Juli 2024

gmyrek-et-al-2025-generative-ai-jobs

Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K. und Troszyński, M. (2025) Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. DOI: https://doi.org/10.54394/HETP0387 (Zugriff: 2026-08-25).

• Quellentyp: ILO Working Paper / aufgabenbasierte Expositionsanalyse
• Relevanz: Bewertet GenAI-Exposition auf Aufgabenebene und zeigt, warum Berufsbezeichnungen für Automatisierungsentscheidungen zu grob sind. Exposition ist nicht mit realisierter Automatisierung, Produktivität, Rentabilität oder Beschäftigungswirkung gleichzusetzen.
• Stand: Mai 2025