KI News

Quelle: ai.hamburg

Liebe Leserinnen und Leser, 
In dieser Ausgabe des WEEKLY AI UPDATE stehen zwei Entwicklungen im Mittelpunkt,
die zeigen, wie sich die KI-Debatte weiter verschiebt: Bundesdigitalminister
Karsten Wildberger wirbt nach der KI-Enzyklika von Papst Leo XIV. für eine
ethisch verantwortliche KI aus Deutschland und Europa – und verbindet damit
KI-Ethik ausdrücklich mit digitaler Souveränität. Gleichzeitig erwartet Gartner
für 2026 weltweite KI-Ausgaben von 2,59 Billionen US-Dollar. Der anhaltende
Infrastrukturboom zeigt, dass Rechenleistung, Cloud-Kapazitäten und
Plattformstrategien zu zentralen Voraussetzungen für die nächste Phase der
KI-Nutzung werden.
Im AI News Radar geht es diese Woche um den Übergang von Pilotprojekten zur
breiten Enterprise-KI, neue Marktbewegungen rund um KI-Clouds, Rechenzentren und
Modellpreise sowie um wachsende Anforderungen an Sicherheit, Regulierung und
Governance – von KI-gestützten Cyberrisiken bis zur Absicherung von
Software-Lieferketten.
Lesen Sie im Folgenden, welche Entwicklungen diese Woche besonders relevant sind
– und was sie konkret für Unternehmen bedeuten.
NACH KI-ENZYKLIKA: WILDBERGER WIRBT FÜR EUROPÄISCHE KI NACH EIGENEN WERTEN
Bundesdigitalminister Karsten Wildberger hat nach der KI-Enzyklika von Papst Leo
XIV. für eine ethisch verantwortliche KI aus Deutschland und Europa geworben.
Der Papst hatte in seinem Lehrschreiben davor gewarnt, KI als moralisch neutrale
Technologie zu betrachten, und auf Risiken wie Intransparenz, neue
Abhängigkeiten, Manipulation und Machtkonzentration hingewiesen. Wildberger
greift diese Einschätzung auf und verbindet sie mit der Frage digitaler
Souveränität: Eine KI, die mit fremden Daten, nach fremden Werten und auf
Grundlage fremder Geschäftsmodelle trainiert werde, könne neue Abhängigkeiten
schaffen und müsse nicht dem entsprechen, was Europa selbst für richtig hält. 
Seine zentrale Botschaft lautet: Wenn Technologie dem Menschen dienen soll,
müsse sie nicht nur reguliert, sondern auch entwickelt, geprägt und verantwortet
werden. Ethische KI aus Deutschland und Europa sei aus Wildbergers Sicht eine
Voraussetzung für demokratische Selbstbestimmung im digitalen Zeitalter. Damit
verschiebt sich die Debatte von einer rein regulatorischen Perspektive hin zu
der Frage, wie Europa eigene KI-Kompetenz, eigene Anwendungen und eigene
technologische Standards aufbauen kann [].
Wildbergers Aussage zeigt, dass sich die politische KI-Debatte in Deutschland
weiterentwickelt. Neben Risikobegrenzung, Regulierung und Compliance rücken
Aufbau, Anwendung und eigene Wertschöpfung stärker in den Vordergrund. Für
europäische Unternehmen kann daraus zusätzliche Nachfrage nach
vertrauenswürdigen, souverän betriebenen oder europäischen KI-Lösungen
entstehen. Gleichzeitig wird es wichtiger, KI nicht nur passiv über globale
Plattformen zu nutzen, sondern eigene Daten, Prozesse und Anwendungsfälle so
aufzubauen, dass Unternehmen technologisch handlungsfähig bleiben.
WELTWEITE KI-AUSGABEN STEIGEN AUF 2,59 BILLIONEN DOLLAR: DER INFRASTRUKTURBOOM
HÄLT AN
Die weltweiten Ausgaben für künstliche Intelligenz steigen 2026 voraussichtlich
stärker als bislang angenommen. Gartner rechnet laut WirtschaftsWoche mit einem
Plus von 47 Prozent auf 2,59 Billionen US-Dollar. Im Januar lag die Prognose
noch bei rund 2,5 Billionen US-Dollar. Getrieben wird das Wachstum vor allem
durch den steigenden Bedarf an Rechenleistung: Laut Gartner sollen sich die
Ausgaben für KI-optimierte Server in den kommenden fünf Jahren verdreifachen.
Cloud-Anbieter wie Amazon Web Services, Google und Microsoft reagieren damit auf
die wachsende Nachfrage nach Infrastruktur für KI-Anwendungen.
Künstliche Intelligenz breitet sich zunehmend außerhalb der Technologiebranche
aus. Unternehmen aus anderen Sektoren nutzen KI bislang häufig punktuell,
während klassische Unternehmenssoftware zunehmend um KI-Funktionen erweitert
wird. Mit der Verbreitung von KI-Agenten verschiebt sich der Markt damit von
einzelnen Anwendungen hin zu einer breiteren Infrastruktur- und Plattformlogik
[].
Der KI-Markt wird in den kommenden Jahren stark von Infrastruktur, Kosten und
Zugang zu Rechenleistung geprägt sein. Leistungsfähigere Modelle, neue
Agentenfunktionen und KI-gestützte Unternehmenssoftware können nicht unabhängig
von Cloud-Kapazitäten, Servern und Energiebedarf entstehen, sondern setzen genau
diese Investitionen voraus. Die KI-Roadmaps in Unternehmen sollten nicht nur
einzelne Tools betrachten, sondern auch die zugrunde liegende Plattform- und
Infrastrukturstrategie. Relevant wird dabei, welche Anbieter langfristig
ausreichende Kapazität, stabile Kostenmodelle, Datenschutzkonformität und
Integrationsfähigkeit bieten können.
AI IN DER UNTERNEHMENSPRAXIS
* Capgemini sieht Enterprise-KI auf dem Weg in die breite Umsetzung: Der
IT-Dienstleister beschreibt KI zunehmend als operative Transformation statt
als reines IT-Thema; laut Reuters umfasst die Pipeline für entsprechende
Projekte bereits mehr als 12 Milliarden US-Dollar. []
* Novo Nordisk beschleunigt Medikamenten-Launches mit KI: Der Pharmakonzern
nutzt KI unter anderem für regulatorische Dokumente, Sicherheitsdatenanalysen
und kommerzielle Planung und will damit die Zeit bis zur Markteinführung
neuer Medikamente deutlich verkürzen. []
* GenAI im Mittelstand braucht mehr als erste Pilotprojekte: Deloitte sieht
großes Potenzial für Effizienzgewinne und neue Geschäftsmodelle, betont aber,
dass viele Mittelständler und Familienunternehmen bei Governance, Strategie,
Technologie, Datenzugang und KI-Kompetenzen noch nicht ausreichend
vorbereitet sind. []
* Wall Street zahlt hohe Tagessätze für KI-Schulungen: Zwei ehemalige
SoftBank-Manager zeigen Bankern und Investoren, wie sie generative KI in
Analyse, Due Diligence und Portfolioüberwachung einsetzen können; laut
manager magazin verlangen sie dafür bis zu 25.000 US-Dollar pro Tag. []
* KI-gestütztes Programmieren auch ohne Vorkenntnisse möglich: WIRED testet in
einem Selbstversuch, wie weit Nutzer ohne klassische Programmierkenntnisse
mit Vibe Coding und Claude bei einem eigenen Softwareprojekt kommen []
* Wie verändern sich Führungsrollen durch KI? Im Handelsblatt-Interview
diskutiert KI-Forscher Stuart Russell, dass leistungsfähigere Systeme künftig
zunehmend Managementaufgaben übernehmen könnten, insbesondere dort, wo
Informationen ausgewertet, Entscheidungen vorbereitet und viele Aktivitäten
parallel gesteuert werden. []
AI STRATEGIE & MARKTBEWEGUNGEN
* Bund vergibt KI-Cloud-Auftrag an T-Systems und SAP: Das
Bundesdigitalministerium lässt eine zentrale KI-Plattform für die öffentliche
Verwaltung aufbauen; ein Telekom-Konsortium mit T-Systems und SAP erhält den
größten Teil des knapp 250 Millionen Euro schweren Auftrags, ein weiteres
Konsortium um SVA den kleineren Anteil. []
* Französisches Konsortium plant Milliardenprojekt für KI-Rechenzentren: Das
AION-Konsortium aus Technologie-, Telekommunikations-, Infrastruktur- und
Energieunternehmen will sich um EU-Fördermittel für ein geplantes
KI-Rechenzentrum in Frankreich bewerben; das Projekt könnte rund 10
Milliarden Euro kosten und Europas KI-Infrastruktur stärken. []
* Mistral stärkt Industrie-KI mit Übernahme von Emmi AI: Das französische
KI-Unternehmen übernimmt für €300M das österreichische Start-up Emmi AI, das
Modelle für physikalische Simulationen etwa zu Luftströmen, Wärmeübertragung
und Materialbelastung entwickelt; damit baut Mistral sein Angebot für
europäische Industrie- und Fertigungskunden aus. [, ]
* DeepSeek erhöht Preisdruck im Modellmarkt: Das chinesische KI-Unternehmen
senkt die API-Preise für sein Flaggschiffmodell V4-Pro dauerhaft um 75
Prozent und positioniert sich damit als besonders günstiger Anbieter im
Wettbewerb mit westlichen Modellanbietern wie OpenAI und Anthropic. []
* Exa sammelt 250 Millionen Dollar für KI-gestützte Suche ein: Das
Such-Start-up wurde nach einer Series-C-Finanzierung mit 2,2 Milliarden
Dollar bewertet und positioniert sich als Infrastruktur für KI-Agenten, die
Informationen schneller und kontextreicher abrufen sollen als klassische
Suchsysteme. []
* 700 Millionen Dollar für KI-Interface jenseits klassischer Chatbots: Das noch
weitgehend geheim arbeitende Start-up Hark entwickelt Modelle und Hardware
für einen persönlichen KI-Assistenten. []
REGULIERUNG, SICHERHEIT & GOVERNANCE
* EZB warnt Banken vor KI-gestützten Cyberrisiken: Die Europäische Zentralbank
fordert Banken im Euroraum zu höheren Cybersecurity-Investitionen auf, weil
leistungsfähige KI-Modelle Schwachstellen in veralteten IT-Systemen schneller
erkennen und damit neue Risiken für die operative Resilienz schaffen können.
[]
* KI erweitert die Angriffsfläche in Software-Lieferketten: Der aktuelle
JFrog-Report warnt, dass Unternehmen nicht mehr nur klassischen Code, sondern
auch KI-Modelle, Entwickler-Tools und „AI agent skills“ absichern müssen;
besonders kritisch wird das, wenn externe Pakete, Modelle oder Agenten
ungeprüft in Entwicklungsprozesse eingebunden werden. []
* KI-generierter Code erhöht den Sicherheitsdruck in Unternehmen: Ein
Checkmarx-Bericht warnt, dass KI-generierter und unzureichend geprüfter Code
bestehende Sicherheitsprozesse überfordern kann. []
* Trump verschiebt Sicherheitsprüfung neuer KI-Modelle: Eine geplante
US-Verordnung hätte Bundesbehörden erlaubt, neue KI-Modelle vor ihrer
Veröffentlichung auf mögliche Cyberrisiken zu prüfen; Trump vertagte die
Unterzeichnung vorerst und verwies auf mögliche Nachteile im internationalen
KI-Wettbewerb. []
* BNP Paribas baut KI-Cyberabwehr mit Mistral aus: Die französische Bank
vertieft ihre Partnerschaft mit Mistral, um schneller auf KI-gestützte
Sicherheitsrisiken reagieren zu können; zugleich entwickelt Mistral
branchenspezifische Benchmarks und Anwendungen für regulierte Finanzprozesse.
[]
* YouTube macht KI-Kennzeichnungen sichtbarer: Die Plattform verlegt Hinweise
auf photorealistische oder deutlich KI-bearbeitete Inhalte direkt unter den
Videoplayer beziehungsweise als Overlay in Shorts und will solche Inhalte
künftig auch automatisiert erkennen; damit werden Herkunft und Bearbeitung
synthetischer Medien für Nutzer leichter sichtbar. []
* KI-Monitoring rückt Arbeitnehmerrechte in den Fokus: Bei der New York Times
kritisiert die Tech-Gewerkschaft den Einsatz interner KI-Tools zur Messung
von Leistung und Aktivität und fordert mehr Informationen über geplante
KI-Nutzung und mögliche Auswirkungen auf Jobs und Workflows. []
Damit endet unser Weekly AI Update der KW 22.
Die Entwicklungen dieser Woche zeigen, dass KI zunehmend gleichzeitig als
Werte-, Infrastruktur- und Sicherheitsfrage diskutiert wird. Während Europa
stärker über eigene technologische Gestaltungskraft spricht, wächst weltweit der
Investitionsdruck rund um Rechenleistung, Plattformen und sichere Anwendungen.
Wir wünschen Ihnen einen guten Start ins Wochenende und freuen uns, Sie nächste
Woche wieder mit relevanten AI News für Unternehmen zu versorgen.
Bis nächste Woche
Ihr Team der AI.GROUP

Quelle: www.zukunftszentrum-ki.nrw

28. Mai 2026
Zusammenarbeit, Netzwerke und Partner:innen haben für Unternehmen schon immer
eine große Rolle gespielt. In einer globalisierten Welt gewinnt Vernetzung nun
zusätzlich an Bedeutung. Denn kein Unternehmen kann die Herausforderungen der
Zukunft allein bewältigen. Digitalisierung, Fachkräftemangel, Transformation und
der Einsatz von Künstlicher Intelligenz betreffen heute nahezu jede Branche –
sind aber vielfach neu für die Unternehmen und kommen zu den Anforderungen des
Betriebsalltags hinzu. Zwar gibt es eine Vielzahl von Ansprechpartner:innen,
Förderangeboten und Unterstützungsstrukturen, um Orientierung zu bekommen,
allerdings sind diese Angebote häufig kaum zu überschauen oder sehr spezifisch.
--------------------------------------------------------------------------------
REGIONALE ZUSAMMENARBEIT ALS ERFOLGSFAKTOR
Der entscheidende Erfolgsfaktor liegt deshalb nicht nur in einzelnen Angeboten,
sondern vor allem in der Zusammenarbeit der Akteur:innen – besonders hier in der
Region. Das Zukunftszentrum KI NRW steht beispielhaft für die Vernetzung
verschiedener Partner:innen, wie Regionalagenturen, Wirtschaftsförderungen,
Kammern, Arbeitgeberverbände und Projekte rund um das Thema KI. Als landesweites
Förderprojekt arbeiten wir gezielt mit regionalen Akteur:innen in ganz
Nordrhein-Westfalen zusammen.
--------------------------------------------------------------------------------
Die agentur mark GmbH – eine der Konsortialpartnerinnen des Zukunftszentrums KI
NRW – kooperiert als in Hagen ansässiges Unternehmen eng mit den relevanten
regionalen Akteur:innen, hält aber beispielsweise auch enge Kontakte zu
Unternehmen in der Stadt und der Region. Über die Regionalagentur Märkische
Region, ebenfalls angesiedelt bei der agentur mark, ist sie u. a. eng verbunden
mit den anderen fünfzehn Regionalagenturen in NRW. Sie schafft damit den Zugang
zu den einzelnen Arbeitsmarktregionen mit ihren unterschiedlichen regionalen
Akteur:innen.
Wenn Kammern, Wirtschaftsförderungen, Regionalagenturen, Förderprojekte ihre
Kompetenzen bündeln, entstehen starke Netzwerke mit einem gemeinsamen Ziel:
Unternehmen schnell, praxisnah und passgenau zu unterstützen. 
--------------------------------------------------------------------------------
FAZIT: TRANSFORMATION GELINGT GEMEINSAM
Vernetzung schafft klare Vorteile für Unternehmen:
* schnellere Orientierung bei Förder- und Unterstützungsangeboten
* direkte Kontakte zu passenden Ansprechpartner:innen
* regionale, praxisnahe Qualifizierungen und Workshops
* schnell zugängliche Beratungsangebote
* Zugang zu regionalen und landesweiten Netzwerken
Erfolgreiche Transformation gelingt am besten gemeinsam – durch Vernetzung,
Zusammenarbeit und starke Partnerschaften vor Ort.
--------------------------------------------------------------------------------

Quelle: novoai.de

PLUG-AND-PLAY SENSORIK: DIE SMARTE LÖSUNG FÜR SOFORTIGE PRODUKTIONSTRANSPARENZ
PLUG-AND-PLAY SENSORIK: DIE LEISTUNGSSTARKE LÖSUNG FÜR SOFORTIGE
PRODUKTIONSTRANSPARENZ
Was wäre, wenn Sie exakt sehen könnten, warum eine Maschine gestoppt hat, ganz
ohne Raten oder Papierprotokolle? Plug-and-Play Sensorik verwandelt unsichtbare
Muster in sichtbare, verwertbare Produktionsdaten. In vielen Fabriken gehen
weiterhin Stunden durch unerklärte Stillstände und Energie-Exzesse verloren; der
Unterschied zwischen Vermutung und Wissen entscheidet sich häufig daran, ob Sie
einen Sensor in Minuten montieren und innerhalb weniger Stunden Ergebnisse sehen
können. Das Fokus-Keyword "Plug-and-Play Sensorik" erscheint hier bewusst, weil
diese Technologie für viele Mittelständler der pragmatische Einstieg in
datenbasierte Produktionsüberwachung ist.
WARUM SICHTBARKEIT ZÄHLT
Als Produktionsverantwortliche jonglieren Sie mit Schichtplänen,
Wartungsfenstern und schwankenden Aufträgen. Ohne verlässliche, maschinennahe
Daten bleiben Entscheidungen vorsichtig und teuer. Plug-and-Play Sensorik
liefert Transparenz für Taktzeiten, Mikro-Stops und Energieverbrauch und wandelt
reaktives Löschen von Bränden in gezielte Verbesserungen. Eine
IndustryWeek-Analyse aus 2024 zeigt, dass viele Unternehmen damit begonnen
haben, digitale Tools auf Altbestand zu schichten und Sensorik als ersten
Schritt zu höherer OEE und vorausschauender Instandhaltung zu priorisieren.
Plug-and-Play Sensorik bildet genau diese erste Schicht: maßgeschneiderte
Messmodule ohne Maschinenumbau oder monatelange IT-Projekte.
WAS IST PLUG-AND-PLAY SENSORIK?
Plug-and-Play Sensorik bezeichnet Sensorbausteine, die für schnelle Montage,
einfache Anbindung und sofortige Dashboard-Integration ausgelegt sind. Solche
Module erfassen Vibration, Leistungsaufnahme, Betriebszustand und
Umgebungsdaten. Sie eignen sich besonders für die Nachrüstung älterer Maschinen
ohne moderne Schnittstellen. Moderne Lösungen wie die WatchMen-Plattform von
Novo AI nutzen leichte AVA-Sensor-Module, um Maschinensignale lokal zu erfassen
und auszuwerten und so sichere Echtzeit-Überwachung direkt in der Produktion
bereitzustellen.
WESENTLICHE EFFEKTE DER SICHTBARKEIT
Liefern Maschinen konsistente Daten, passieren drei Dinge: Ausfallzeiten sinken,
Prozesse werden standardisiert und Energieverschwendung wird sichtbar. Ein
mittelständischer Metallbetrieb, der 12 Maschinen mit Plug-and-Play Sensoren
nachgerüstet hat, meldete messbare Rückgänge ungeplanter Stillstände, weil sich
Stromspitzen im Motor eindeutig mit Werkzeugverschleiß korrelieren ließen.
Branchenzahlen zeigen: Frühe Anwender von Retrofit-Sensorik sehen
OEE-Steigerungen von etwa 30 % auf bis zu 60 % innerhalb weniger Monate, wenn
Monitoring mit Ursachenanalyse kombiniert wird. Diese Werte bestätigen mehrere
SME-Fallstudien, in denen kostengünstige Nachrüstungen schnell produktive
Effekte brachten.
WARUM PLUG-AND-PLAY SENSORIK FUNKTIONIERT
Plug-and-Play Sensorik reduziert Reibung in der Einführung digitaler
Produktionsdaten: geringe Installationsaufwände, eingeschränkte IT-Abhängigkeit
und sofortige Einsicht in Maschinenzustände. Mittelständische Betriebe kämpfen
oft mit langen Projekten, die Maschinenausfälle erfordern;
Plug-and-Play-Sensorik vermeidet das durch Stromzangen, magnetische
Vibrationshalter und drahtlose Gateways. Die einfache Handhabung verändert
Entscheidungen: Hypothesen lassen sich schnell testen und auf Basis von Fakten
statt Intuition handeln.
WARUM PLUG-AND-PLAY SENSORIK FUNKTIONIERT 1: SCHNELLE AMORTISATION
Ein Grund, warum Plug-and-Play Sensorik für den Mittelstand attraktiv ist, ist
die kurze Amortisationszeit. Die Montage dauert meist unter einem Tag pro
Maschine und erfordert geringe IT-Anpassungen. Der MHP Industry 4.0 Barometer
2024 zeigt, dass der Anteil der Unternehmen mit sensorbasierter Überwachung
zwischen 2022 und 2024 deutlich gewachsen ist. Geringere Einstiegshürden und
klarere ROI-Erwartungen ermöglichen die schnelle Ausweitung vom Pilotprojekt zur
gesamten Produktionslinie.
WARUM PLUG-AND-PLAY SENSORIK FUNKTIONIERT 2: NICHT-INVASIVES RETROFIT
Nicht jede Fabrik kann neue CNC-Maschinen oder Linien anschaffen. Nachrüstung
mit Sensorik erlaubt schrittweise Modernisierung. Sensoren werden an Stromkabeln
geklemmt oder an Gehäusen befestigt, um Vibration und Betriebszustand zu messen,
ohne Garantieansprüche zu gefährden oder Maschinen lange stillzulegen. Plug and
Play Sensorik macht diese nicht-invasive Modernisierung besonders einfach, was
für KMU entscheidend ist, die inkrementelle Digitalisierungsmaßnahmen statt
großer Investitionen bevorzugen.
WARUM PLUG-AND-PLAY SENSORIK FUNKTIONIERT 3: LOKALER DATENSCHUTZ
Datensouveränität ist ein zentrales Thema für deutsche Hersteller. Plug-and-Play
Sensorik kombiniert mit Plattformen, die lokale Verarbeitung unterstützen,
stellt sicher, dass sensible Maschinendaten das Werk nicht verlassen, sofern
nicht autorisiert. Novo AI setzt in WatchMen auf sichere,
On-Premise-Verarbeitung, was besonders für Betriebe attraktiv ist, die
Cloud-Only-Ansätze skeptisch sehen. Lokale Analytik reduziert zudem Latenzen für
Echtzeit-Alarme.
DER KONKRETE NUTZEN
Welche Kennzahlen bewegen sich, wenn Sie Plug-and-Play Sensorik einführen? Drei
Metriken reagieren schnell: Verfügbarkeit, Leistung und Qualität. Die
Verfügbarkeit steigt, wenn ungeplante Stopps erkannt und klassifiziert werden.
Die Leistung verbessert sich, wenn Taktzeiten und Minor-Stops erfasst und
optimiert werden. Die Qualität profitiert, wenn Prozessabweichungen frühzeitig
anhand von Vibrations- oder Stromsignaturen entdeckt werden.
Unabhängige Berichte und Anwenderbefragungen zeigen, dass Investitionen in
Analytik und Sensornetzwerke steigen. Der Deloitte-Ausblick 2025 betont, dass
eine Mehrheit der Hersteller gezielte Investitionen in Analytik und
Sensornetzwerke plant, um Produktivitätspotenziale zu heben. IndustryWeek
dokumentierte 2024 mehrere Initiativen, bei denen Fabriken Sensoren einsetzten,
um die fehlende „letzte Meile“ an Maschinendaten für Analytik und
Personalentscheidungen zu liefern.
3 WEGE ZUR OEE-VERBESSERUNG
1. Mikro‑Stops erkennen
Mikro‑Stops — kurze Unterbrechungen unter einer Minute — bleiben in aggregierten
Produktionsdaten oft unsichtbar, sind aber mit Sensorik deutlich erkennbar. Ihre
Erkennung und Priorisierung von Ursachen spart erhebliche Taktzeit.
2. Energie pro Teil messen
Die Überwachung des Energieverbrauchs auf Maschinentniveau offenbart
ineffiziente Prozessparameter oder Leerlauf. Ein pragmatisches Programm misst
kWh pro produziertem Teil über Schichten hinweg und identifiziert Ausreißer zur
gezielten Verbesserung.
3. Werkzeugzustand überwachen
Vibrations‑ und Stromsignaturen detektieren Werkzeugverschleiß. In Kombination
mit historischen Baselines können Sensoren vorhersagen, wann ein Werkzeug
gewartet werden muss, bevor die Qualität leidet. Das reduziert Ausschuss und
Nacharbeit.
PRAXISBEISPIEL: METALLBETRIEB (KMU)
Denkbar ist ein 120‑köpfiger Metallbetrieb in Süddeutschland, der mit häufigen
Minor‑Stops und schwankendem Energieverbrauch kämpft. Das Unternehmen rüstete
seine kritischen Drehmaschinen und Pressen mit Plug‑and‑Play Sensoren nach.
Innerhalb von acht Wochen zeigte sich ein Muster: Eine Presse zog nachmittags 18
% mehr Leistung, korreliert mit Kühlproblemen und einem verschlissenen Lager.
Nach Austausch des Lagers und Optimierung der Kühlung sank der Energiebedarf der
Presse um 14 % und der häufigste Mikro‑Stop verschwand. Die OEE der
nachgerüsteten Maschinen stieg innerhalb von drei Monaten von etwa 38 % auf 56 %
— ein Ergebnis, das mit veröffentlichten SME‑Fallstudien übereinstimmt, in denen
einfache Sensor‑Kits schnelle Verbesserungen ermöglichten.
Zusätzlich nutzte der Betrieb die Sensortimelines, um Schichtübergabeverfahren
zu ändern. Operatoren führten eine kurze Checkliste ein, die durch
Dashboard‑Alarme ausgelöst wurde. Das verbesserte die Einsatzbereitschaft der
Frühschicht und halbierte die Anzahl der morgendlichen Mikro‑Stops. Dieses
Beispiel zeigt: Daten plus einfache Prozessanpassungen multiplizieren den Nutzen
der Sensorik.
PRAXISBEISPIEL: AUTOMOBILZULIEFERER
Ein Tier‑1‑Zulieferer überwachte eine mittel‑schnelle Stanzpresse, die
gelegentlich angeflanschte Abweichungen produzierte. Sensoren zeichneten
Vibrationsstöße und Stromspitzen auf, die jeweils vor einem Fehler auftraten.
Die Korrelation dieser Signaturen mit Chargen erlaubte den Ingenieuren, ein
Fütterungs‑Fehlstellenmuster nach einem bestimmten Werkzeugwechsel zu isolieren.
Nach Ausrichtung der Zuführung und Einführung einer kurzen Validierungsprüfung
nach Werkzeugwechseln verringerte sich der Nacharbeitsaufwand deutlich und die
Abnahmezeiten beschleunigten sich. Der Zulieferer profitierte von klareren
Planungen und weniger Notfallreparaturen — ein Beispiel dafür, wie punktuelle
Überwachung teure Folgeprüfungen vermeiden kann.
IMPLEMENTIERUNGSCHECKLISTE
* Identifizieren Sie 3–5 Engpass‑Maschinen für die Pilot‑Nachrüstung.
* Wählen Sie nicht‑invasive Sensoren für Status, Leistung und Vibration.
* Richten Sie lokale Verarbeitung und Dashboards für sofortige Alarme ein.
* Führen Sie einen 8–12‑wöchigen Verbesserungszyklus durch: messen,
analysieren, handeln, wiederholen.
* Skalieren Sie die Nachrüstung, sobald der ROI für die Pilotmaschinen
nachgewiesen ist.
HERAUSFORDERUNGEN UND ABWÄGUNGEN
Sensor‑Kits sind kein Allheilmittel. Signalqualität, Platzierung der Sensoren
und die korrekte Baseline‑Erstellung bestimmen den Nutzen. Kritiker bemängeln,
dass günstige Sensoren ohne robuste Analytik und Prozesswissen zu Rauschen und
Fehlalarmen führen können. Daher ist die Kombination aus Hardware und
Plattformen mit historischer Analytik und Anomalieerkennung — etwa WatchMen —
wichtig.
Ein weiterer Kompromiss ist das Datenvolumen. Hochfrequente Vibrations‑ oder
Stromaufnahmedaten erzeugen große Datensätze. Hersteller müssen Abtastraten
gegen Speicher‑ und Verarbeitungskosten abwägen und häufig Edge‑Analytik oder
Downsampling einsetzen, um Merkmale statt Rohsignale zu übertragen.
GEGENMASSNAHMEN
* Kalibrieren Sie Sensoren im Pilot und planen Sie regelmäßige Prüfungen gegen
Drift.
* Nutzen Sie Feature‑Extraktion am Edge, um Rohdatenübertragung zu reduzieren.
* Beginnen Sie mit niederfrequenten Kennzahlen und erhöhen Sie die Samplingrate
bei Problemmaschinen.
* Schulen Sie Bedien‑ und Instandhaltungspersonal im Lesen von Dashboards und
Reagieren auf Alarme.
* Dokumentieren Sie Baseline‑Verhalten und passen Sie Schwellenwerte mit
Betreiber‑Feedback an.
Für die Wirtschaftlichkeitsrechnung sollten Sie drei Elemente berechnen:
Stundenersparnis durch verringerte Ausfallzeiten, Energieeinsparungen pro
eingesparter kWh und qualitätsbedingte Einsparungen durch weniger Ausschuss und
Nacharbeit. Verfolgen Sie diese Kennzahlen monatlich, um Amortisation und
Skalierungsentscheidung zu belegen.
EXTRA‑TIPPS
Beginnen Sie klein und messen Sie konkrete KPIs: Ziel für den Pilot könnte eine
Reduktion der Mikro‑Stops um 10–20 % oder eine Senkung des Energieverbrauchs pro
Teil um 5–10 % sein. Binden Sie Bediener ein: ihr stilles Wissen beschleunigt
die Diagnose. Dokumentieren Sie Erfolge sichtbar – nachweisbare Verbesserungen
schaffen Akzeptanz und rechtfertigen weitere Digitalisierungsinvestitionen.
DER WEG NACH VORN
Plug-and-Play Sensorik ist kein Selbstzweck, sondern ein praktischer Einstieg in
datenbasierte Produktionsverbesserung. Starten Sie mit einem engen Pilot,
belegen Sie messbare Gewinne und erweitern Sie systematisch. Arbeiten Sie in
kurzen Zyklen: wöchentlich messen, zweiwöchentlich handeln und monatlich
überprüfen, um Momentum zu halten.
Moderne Lösungen wie die WatchMen-Plattform von Novo AI können die Lücke
zwischen Rohsignalen und klaren Entscheidungen schließen, indem sie sichere,
lokale Analytik und intuitive Dashboards bereitstellen, die Operatoren und
Manager ohne lange Schulungen nutzen können. Wenn Sie für Produktionsleistung
verantwortlich sind, fragen Sie sich: Welche drei Maschinen würden Ihre
täglichen Entscheidungen ändern, wenn sie sichtbar wären? Beginnen Sie genau
dort.
REFERENZEN
1. - Überblick zu Digitalisierungsstrategien im Maschinen‑ und Anlagenbau
(Zugriff: 2026-04-15)
2. - Fachartikel zu Plug‑and‑Play und smarten Sensoren (Zugriff: 2026-04-15)
3. - Praxisfokus auf lokale Intelligenz und OPC‑UA (Zugriff: 2026-04-15)
4. - Technische Anwendungen und Praxiserfahrungen (Zugriff: 2026-04-15)
5. - Studie zu Digitalisierungsadoption in deutschen Unternehmen (Zugriff:
2026-04-15)
6. - Fachbeiträge, Praxisbeispiele und Analysen zu Produktionsmonitoring,
Retrofit-Sensorik und Industrie 4.0 im Mittelstand (Zugriff am: 2026-04-15)
Dimitrij Lewin ist Co-Founder von Novo AI und treibt industrielle Innovation mit
KI-gestützten Retrofit-Lösungen voran. Seine Leidenschaft gilt der digitalen
Transformation und der Effizienzsteigerung in der Produktion durch
Echtzeitdaten.

Quelle: www.bigdata-insider.de

GEO-STUDIE B2B MITTELSTAND 2026 UNSICHTBAR FÜR KI, UNSICHTBAR IM B2B-EINKAUF
28.05.2026 Ein Gastbeitrag von Tobias Ackermann* 5 min Lesedauer
In 93 Prozent der getesteten KI-Abfragen blieben die geprüften
B2B-Mittelständler unerwähnt. Die GEO-Studie DACH 2026 zeigt, warum Marktstärke
nicht vor Unsichtbarkeit im Einkauf schützt und Unternehmen so Aufträge
verlieren, ohne es zu merken.
Ein Drehteilhersteller aus Baden-Württemberg, 90 Jahre Marktpräsenz,
IATF-16949-zertifiziert, mehrere DAX-Konzerne unter den Referenzkunden. In den
Tests der GEO-Studie DACH-Mittelstand 2026 erreicht das Unternehmen bei einen
Sichtbarkeits-Score von null Prozent. Bei , Perplexity und Copilot zeigt sich
dasselbe Bild.
Auf Google rankt das Unternehmen für seine Kernbegriffe sauber, die Website ist
gepflegt, der Vertrieb läuft. Wenn allerdings ein Einkäufer eine fragt, welche
deutschen Hersteller für Präzisionsdrehteile mit IATF-Zertifizierung in Frage
kommen, taucht das Unternehmen in keinem der getesteten Systeme auf.
Solche Befunde sind in der Studie kein Einzelfall, sondern eher die Regel. Sie
zeigen eine Lücke, die im B2B-Vertrieb der meisten Mittelständler bisher gar
nicht erkannt wurde.
DIE DATENBASIS: 960 EINZELABFRAGEN AUS DEM B2B-EINKAUF
Für die GEO-Studie DACH-Mittelstand 2026 wurden 24 produzierende Mittelständler
aus Branchen wie Maschinenbau, Präzisionsfertigung und Automotive systematisch
geprüft. Jedes Unternehmen wurde mit zehn typischen Einkäufer-Prompts in vier
KI-Systemen abgefragt: , Advanced, Perplexity und Microsoft Copilot. In Summe
ergaben sich 960 Einzelabfragen.
Die 24 Unternehmen wurden so ausgewählt, dass sie die Bandbreite des
produzierenden DACH-Mittelstands abbilden: Industriebetriebe aus verschiedenen
Branchen, in unterschiedlichen Größenklassen (Mitarbeiterzahl, Umsatz) und mit
verschiedenen Zielmärkten, von regional über deutschlandweit bis DACH. Die
Stichprobe ist damit nicht statistisch repräsentativ, sondern als typologische
Auswahl angelegt.
Aus B2B Vertriebssicht sind die Ergebnisse ernüchternd. In 93 Prozent der
Abfragen tauchten die jeweils geprüften Unternehmen überhaupt nicht auf. 42
Prozent ohne eine einzige Nennung. Für die getesteten Anfragen waren sie damit
faktisch unsichtbar.
Auffällig: Unter den nicht gefundenen Anbietern befinden sich Betriebe mit bis
zu 90 Jahren Marktpräsenz, einschlägigen Zertifizierungen und DAX-Konzernen als
Referenzkunden. Klassische Bonitätsmerkmale wie Unternehmensgröße, Auditierungen
oder Google-Ranking zeigten in der Stichprobe keine belastbare Korrelation mit
dem Auftauchen in KI-Antworten. Wer im Markt einen Namen hat, hat ihn in den
Sprachmodellen nicht zwangsläufig auch.
WARUM KLASSISCHE SEO-LOGIK NICHT GREIFT
-Systeme funktionieren technisch anders als Suchmaschinen. ChatGPT und Gemini
kombinieren Trainingswissen mit unterschiedlich gewichtetem Web-Zugriff. Wann
und in welchem Umfang einzelne Inhalte in die Antworten einfließen, ist von
außen nur begrenzt nachvollziehbar. Perplexity setzt stark auf Live-Suche,
Copilot zieht Bing-Ergebnisse heran. Jedes System bringt eigene Auswahllogiken
mit. Damit hat es auch eigene blinde Flecken.
Wie stark sich das auswirkt, zeigt besonders ein Fall aus der Studie: Ein
Maschinenbauer erreicht bei Gemini 80 Prozent, bei Copilot null. Identische
Website, identische Prompts. Die Differenz entsteht nicht durch den Content,
sondern durch die Architektur der Systeme. Für den B2B-Vertrieb folgt daraus:
Sichtbarkeit muss pro System geprüft werden, eine pauschale KI-Sichtbarkeit gibt
es nicht.
DER BLINDE FLECK IM B2B-VERTRIEBSTRICHTER
Das eigentliche Problem ist nicht die Unsichtbarkeit, sondern dass Unternehmen
sie nicht bemerken. Es gibt kein für eine Anfrage, die nie gestellt wurde. Wer
in der KI-Empfehlung fehlt, sieht das nicht in seinen . Der Einkäufer erhält
drei Empfehlungen und kontaktiert diese. Die übrigen Anbieter erfahren von dem
Vorgang nichts.
Für den B2B-Vertrieb verlagert sich damit ein Teil der ersten Stufe des
Kaufprozesses, die Lieferantenrecherche, in KI-Systeme. Wer dort nicht vorkommt,
fällt aus dem Trichter, bevor er überhaupt erfasst wird. GEO ist damit weniger
eine Marketing- als eine Vertriebsfrage. Es geht nicht um Reichweite, sondern um
konkrete Anfragen, die nie ankommen.
WAS DIE SICHTBAREN B2B-UNTERNEHMEN UNTERSCHEIDET
Der Best Case der Studie erreicht einen GEO-Score von 48 Prozent, das 6,9-Fache
des Durchschnitts. Bei näherer Prüfung lassen sich drei Muster erkennen, die
dieses und einige andere besser auffindbare Unternehmen gemeinsam haben.
Erstens arbeiten sie mit zitierfähigen Aussagen statt mit Marketing-Sprache. Wer
auf seiner Website von innovativen Lösungen und partnerschaftlicher
Zusammenarbeit spricht, liefert einer KI keinen verwertbaren Satz. Konkrete
Angaben zu Fertigungsverfahren, Materialien, Toleranzen, Kapazitäten und
Zertifizierungen lassen sich dagegen direkt als Beleg in eine KI-Antwort
einbetten.
JETZT NEWSLETTER ABONNIEREN
TÄGLICH DIE WICHTIGSTEN INFOS ZU BIG DATA, ANALYTICS & AI
Geschäftliche E-Mail
Bitte geben Sie eine gültige E-Mailadresse ein.
Abonnieren
Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und
Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details)
einverstanden und akzeptiere die . Weitere Informationen finde ich in unserer .
Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von
redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu
Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).
Aufklappen für Details zu Ihrer Einwilligung
Stand: 08.12.2025
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit
Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von
Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden
Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer .
EINWILLIGUNG IN DIE VERWENDUNG VON DATEN ZU WERBEZWECKEN
Ich bin damit einverstanden, dass die Vogel IT-Medien GmbH,
Max-Josef-Metzger-Straße 21, 86157 Augsburg, einschließlich aller mit ihr im
Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel
Communications Group) meine E-Mail-Adresse für die Zusendung von Newslettern und
Werbung nutzt. Auflistungen der jeweils zugehörigen Unternehmen
können  abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen
aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und
Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und
Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere
(redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im
Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote.
Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die
Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der
vorgenannten Unternehmen und Marktforschung genutzt werden.
Meine Einwilligung umfasst zudem die Verarbeitung meiner E-Mail-Adresse und
Telefonnummer für den Datenabgleich zu Marketingzwecken mit ausgewählten
Werbepartnern wie z.B. LinkedIN, Google und Meta. Hierfür darf die Vogel
Communications Group die genannten Daten gehasht an Werbepartner übermitteln,
die diese Daten dann nutzen, um feststellen zu können, ob ich ebenfalls Mitglied
auf den besagten Werbepartnerportalen bin. Die Vogel Communications Group nutzt
diese Funktion zu Zwecken des Retargeting (Upselling, Crossselling und
Kundenbindung), der Generierung von sog. Lookalike Audiences zur
Neukundengewinnung und als Ausschlussgrundlage für laufende Werbekampagnen.
Weitere Informationen kann ich dem Abschnitt „“ in der Datenschutzerklärung
entnehmen.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich
deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte
Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen
Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu
redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die
hier genannten Zwecke verwendet werden. Dies gilt nicht für den Datenabgleich zu
Marketingzwecken.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft
widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund
meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um
meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter  abrufbare
Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht
mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters
eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem
Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde
ich in der .
Zweitens stimmt die Content-Architektur. Strukturierte Daten über Schema.org,
also maschinenlesbare Auszeichnungen der Website-Inhalte, allein reichen nicht,
können aber unterstützen. Entscheidender ist, dass die Website klar
kommuniziert, was hergestellt wird, für welche Branchen und mit welchen
Qualifikationen. Fehlt diese Zuordnung in der Seitenstruktur, hat ein
Sprachmodell wenig, woran es sich orientieren kann.
Drittens existieren externe Belege. KI-Systeme trainieren nicht nur auf der
eigenen Website, sondern auch auf Fachartikeln, Branchenportalen,
Lieferantenverzeichnissen und teilweise auf Wikipedia. Unternehmen, die dort
durchgängig auftauchen, werden eher als relevanter Anbieter eingeordnet. Wer
extern wenig Spuren hinterlässt, hat es schwerer, in einer Empfehlung zu landen.
FÜNF ANSÄTZE FÜR B2B-VERTRIEBSVERANTWORTLICHE
Aus den Studienergebnissen lassen sich fünf konkrete Ansätze ableiten, die
Vertriebsverantwortliche in B2B Industrieunternehmen kurzfristig umsetzen
können.
* 1. Eigene Sichtbarkeit testen. Die wichtigsten Einkäufer-Anfragen in ChatGPT,
Gemini, Perplexity und Copilot stellen, mit den Prompts, die ein
Einkaufsverantwortlicher tatsächlich benutzen würde. Die Ergebnisse fallen
für viele Unternehmen ernüchternd aus.
* 2. In Einkäufer-Prompts denken. Welche Frage stellt jemand, der einen
Lieferanten wie das eigene Unternehmen sucht? Wer liefert Bauteil X mit
Zertifizierung Y in Region Z? Diese Prompts definieren das Suchfeld, in dem
Sichtbarkeit überhaupt entstehen kann.
* 3. Kernkompetenzen zitierfähig formulieren. Statt von maßgeschneiderten
Lösungen zu sprechen, besser konkret werden: Präzisionsdrehteile von 0,5 bis
65 mm Durchmesser, Serien bis 100.000 Stück, IATF 16949. Solche Sätze finden
den Weg in eine KI-Antwort.
* 4. Externe Präsenz aufbauen. Fachartikel, Verzeichnis-Einträge, Fallstudien
bei Kunden, Erwähnungen in Branchenmedien. Diese Inhalte bilden das Material,
aus dem KI-Systeme ihre Empfehlungen ableiten.
* 5. GEO als Vertriebskennzahl führen. Wie oft taucht das Unternehmen in
welchem Kontext in welchen Systemen auf? Diese Kennzahl regelmäßig zu
erheben, ist aktuell noch unüblich. In den nächsten Jahren dürfte sie ähnlich
selbstverständlich werden wie das Tracking von Conversion Rates.
KONSEQUENZ FÜR DEN B2B-VERTRIEB
Jeder Tag, an dem ein Unternehmen für diese Systeme unsichtbar bleibt, ist ein
Tag mit potenziell verlorenen Anfragen.
*Tobias Ackermann verantwortet als Head of GEO Operations & AI Visibility bei
der in Braunschweig den Bereich KI-Sichtbarkeit. Er ist Autor der GEO-Studie
DACH-Mittelstand 2026.
Dieser Artikel stammt von unserem Partnerportal .
(ID:50856419)

Quelle: www.bigdata-insider.de

BROWSER-EXTENSION GEGEN UNKONTROLLIERTEN DATENABFLUSS AN KI-DIENSTE EYE SECURITY
VERÖFFENTLICHT AI LEAK BLOCK
28.05.2026 Von 2 min Lesedauer
Anbieter zum Thema
Wenn Mitarbeiter Unternehmensdaten in private ChatGPT- oder Claude-Accounts
kopieren, entsteht ein Datenabfluss, den klassische Sicherheitslösungen oft
nicht erfassen. Die kostenlose Browser-Extension AI Leak Block von Eye Security
setzt direkt im Browser an: Sie erkennt, ob ein Nutzer mit einem privaten oder
geschäftlichen KI-Account arbeitet, und blockiert bei Bedarf die Übertragung,
bevor Daten das Unternehmen verlassen.
Immer mehr Beschäftigte nutzen -Tools ohne Freigabe der IT-Abteilung. unter 604
Unternehmen berichten acht Prozent von weit verbreiteter Schatten-KI, doppelt so
viele wie im Vorjahr. 17 Prozent melden Einzelfälle, weitere 17 Prozent vermuten
die Nutzung, können sie aber nicht belegen. Die tatsächliche Dunkelziffer dürfte
höher liegen. Das Ergebnis: sensible Inhalte wie Kundendaten, Quellcode oder
interne Dokumente , deren Speicher- und Trainingspraktiken für das Unternehmen
intransparent bleiben.
Klassische DLP- oder Proxy-Lösungen analysieren Datenströme zentral, erfassen
aber nicht zuverlässig, ob ein Mitarbeiter gerade einen genehmigten
Business-Account oder sein privates Konto nutzt. Genau an dieser Stelle will AI
Leak Block ansetzen.
WIE AI LEAK BLOCK FUNKTIONIERT
Die verfügbar und überwacht ausgehende Anfragen an zwölf unterstützte
KI-Dienste, darunter , Claude, Copilot und . Dabei fängt sie Prompts,
Datei-Uploads und -Verbindungen ab, bevor diese den Browser verlassen.
Der entscheidende Schritt ist die Unterscheidung zwischen privaten und
geschäftlichen Accounts. Dafür wertet die Extension je nach Anbieter
unterschiedliche Signale aus:
* Request-Payloads: Metadaten wie Organisationstypen in API-Anfragen
* Client-seitige Zustände: Informationen in localStorage
* DOM-Elemente: Hinweise auf Team- oder Enterprise-Workspaces
* Domain-Struktur: Trennung zwischen privaten und Business-Instanzen
Erkennt AI Leak Block, dass eine Anfrage über ein persönliches Konto erfolgt,
hält sie die Übertragung an. Ein Hinweisfenster fordert den Nutzer auf, in den
freigegebenen Unternehmens-Workspace zu wechseln.
LOKALE VERARBEITUNG, KEIN MONITORING
Die gesamte Erkennung soll lokal im Browser laufen. Weder Nutzereingaben noch
Erkennungsdaten würden an Eye Security oder andere externe Server übertragen.
Normales Browsing und die Nutzung genehmigter Unternehmensaccounts blieben
unberührt. Damit unterscheide sich der Ansatz von zentralen DLP-Systemen, die
Datenströme serverseitig analysieren und protokollieren.
NUDGING STATT HARTER BLOCK
Die Intervention ist allerdings reversibel. Nutzer können den Hinweis in nicht
kritischen Szenarien übergehen und die Aktion fortsetzen. AI Leak Block wirkt
damit eher als Governance-Schicht, die Mitarbeiter im richtigen Moment an
geltende Unternehmensregeln erinnert, als ein striktes Sperrsystem. Für
Unternehmen, die eine harte Durchsetzung bevorzugen, könnte das ein
Limitierungsfaktor sein.
(ID:50846833)

Quelle: www.bigdata-insider.de

AGENTIC AI READINESS INDEX 2026 DATEN BREMSEN KI-AGENTEN AUS
28.05.2026 Von 2 min Lesedauer
Anbieter zum Thema
Laut dem „Agentic AI Readiness Index 2026“ von Fivetran sind nur 15 Prozent der
Unternehmen vollständig auf den produktiven Einsatz agentenbasierter KI
vorbereitet. 41 Prozent setzen sie dennoch bereits ein. Als häufigste Hürde
nennen die 400 befragten Datenexperten mangelnde Datenqualität und fehlende
Datenherkunft. Die Lücke zwischen Investition und Datenreife wächst.
Fast 60 Prozent der Unternehmen investieren nach eigenen Angaben ein- bis
zweistellige Millionenbeträge in agentenbasierte KI. Der tatsächliche Reifegrad
ihrer Dateninfrastruktur hält damit nicht Schritt. Das zeigt der , den der
Datenintegrationsanbieter Fivetran veröffentlicht hat.
READINESS-SCORE BEI 61 BIS 62 PROZENT
Der Index* bewertet die Datenbasis entlang von vier Dimensionen:
Datenaktualität, Datenherkunft, Governance und Interoperabilität. Der
durchschnittliche Reifegrad liegt laut Studie bei 61 bis 62 Prozent. Nur 15
Prozent der Befragten stufen ihr Unternehmen als vollständig vorbereitet ein.
Die Ergebnisse im Überblick:
* Datenqualität und -herkunft sind mit 42 Prozent die am häufigsten genannte
Hürde für Agentic-AI-Projekte.
* Regulatorische Anforderungen und Datensouveränität folgen mit 39 Prozent.
* Sicherheits- und Datenschutzrisiken nennen ebenfalls 39 Prozent.
* 86 Prozent der Befragten halten Plattform-Interoperabilität für wichtig oder
kritisch. Gleichzeitig sehen sich viele durch fragmentierte
Systemlandschaften und Vendor Lock-in eingeschränkt.
Datenintegrationsplattformen gelten dabei als größte Quelle für
Lock-in-Risiken.
NUTZUNG ÜBERHOLT VORBEREITUNG
41 Prozent der Unternehmen setzen agentenbasierte bereits produktiv ein, obwohl
gravierende Lücken bei Datenzuverlässigkeit und Governance bestehen. „Die
meisten Unternehmen scheitern bei KI nicht an den Modellen, sondern daran, dass
ihre Daten nicht bereit sind“, sagt George Fraser, CEO von Fivetran.
Die Zahlen decken sich mit einer Gartner-Prognose, wonach mehr als 40 Prozent
aller . Als Hauptgründe nennt Gartner unter anderem hohe Kosten, unklaren ROI
und unzureichende .
WER BEREIT IST, PROFITIERT DEUTLICH
Der Unterschied zwischen vorbereiteten und unvorbereiteten Unternehmen fällt
laut Studie markant aus. Wer sich als vollständig vorbereitet einstuft, betreibe
häufiger vollautomatisierte Datenpipelines, setze End-to-End-Lineage sowie
Governance-Regeln ein und standardisiere auf interoperable Architekturen. Diese
Unternehmen könnten agentenbasierte KI breiter nutzen und seien deutlich
zuversichtlicher, aus ihren KI-Investitionen einen messbaren ROI zu erzielen.
VIER VORAUSSETZUNGEN FÜR AGENTIC AI
Der Report definiert vier zentrale Anforderungen an eine KI-fähige
Dateninfrastruktur:
* 1. Aktuelle, verlässliche Daten aus automatisierten Pipelines
* 2. Transparente Datenherkunft für Nachvollziehbarkeit von Entstehung und
Transformation
* 3. Starke Governance-Kontrollen für Sicherheit und Compliance
* 4. Offene Interoperabilität zwischen Systemen, um Lock-in zu vermeiden
* Der Index basiert auf einer Umfrage unter 400 Datenexperten in den USA,
Großbritannien, der EMEA-Region und dem asiatisch-pazifischen Raum. Befragt
wurden Data Architects, Data Engineers und Analytik-Führungskräfte aus
Unternehmen mit mindestens 2.000 Mitarbeitern (USA und EMEA) beziehungsweise 500
Mitarbeitern (Japan, Australien, Singapur). Die Umfrage führte Redpoint Ventures
durch, ein Investor von Fivetran.
(ID:50846117)