KI News
Di., 10. März 2026
Unternehmen treiben den Einsatz von KI-Agenten voran: NVIDIA plant eine Open-Source-Plattform und Meta erwirbt ein Netzwerk für KI-Agenten. Zugleich zeigen Berichte, dass KI auch für modulare Cyberangriffe genutzt wird, während Amazon strengere Regeln für KI-generierten Code einführt.
Quelle: the-decoder.de
Das Landgericht Frankfurt hat entschieden, dass ein von einer Person
geschriebener Liedtext urheberrechtlich geschützt bleibt, auch wenn die
zugehörige Musik per KI (SunoAI) erzeugt wurde.
Eine Klägerin hatte den Text im April 2025 verfasst und einem Produzenten
übergeben, der daraus mit KI ein Lied erstellte. Laut Urteil hatte die Klägerin
dabei auch während des KI-Einsatzes weiter am Text mitgewirkt und Änderungen
selbst vorgenommen.
Eine andere Künstlerin fragte nach den Rechten am Text, erhielt keine
Zustimmung, übernahm aber dennoch wesentliche Textteile für ein eigenes Lied,
das über Spotify und andere Dienste vertrieben wurde. Auf Twitch räumte sie ein,
mit einem Song auf Tour zu gehen, der ihr nicht gehöre. Auf Instagram bewarb sie
das Lied mit den Worten "Kommt alleee rein bevor der Song gesperrt wird".
Anzeige
GEGENSEITE: TEXT SEI KI-GENERIERT UND DAHER NICHT GESCHÜTZT
Im Verfahren argumentierte die Gegenseite, der Text sei vollständig
KI-generiert, was ein Musiksachverständiger in einem Gutachten belegt habe. Der
Gutachter verwies auf logische Brüche, formelhafte Satzkonstruktionen und
mangelnde Poesie als Indizien für ein maschinelles Produkt. Daher bestehe kein
Urheberrecht und die Klägerin könne keine Rechte geltend machen.
Anzeige
DEC_D_Incontent-1
Das Gericht stellte dazu klar: Wer konkrete Anhaltspunkte für einen KI-Output
vorbringe, verpflichte die Gegenseite zwar zur genauen Darlegung des
Schaffensprozesses. Die Klägerin habe aber per eidesstattlicher Versicherung
glaubhaft gemacht, den Text selbst geschrieben zu haben. Das Gericht betonte,
dass gerade bei Liedtexten stilistische Brüche Ausdruck künstlerischer Freiheit
sein könnten. Das Gutachten konnte das Gericht nicht vom Gegenteil überzeugen.
eine einstweilige Verfügung gegen die Vertriebsfirma und untersagte die
Verbreitung und Bewerbung des Liedes. Die Entscheidung ist anfechtbar.
Anzeige
Für den Alltag heißt das: Wer Inhalte mit Verweis auf mangelndes Copyright
übernehmen will, weil sie angeblich KI-generiert seien, muss das gut nachweisen
können. Umgekehrt kann eine Dokumentation des eigenen Schaffensprozesses vor
Gericht helfen.
Anzeige
DEC_D_Incontent-2
geschriebener Liedtext urheberrechtlich geschützt bleibt, auch wenn die
zugehörige Musik per KI (SunoAI) erzeugt wurde.
Eine Klägerin hatte den Text im April 2025 verfasst und einem Produzenten
übergeben, der daraus mit KI ein Lied erstellte. Laut Urteil hatte die Klägerin
dabei auch während des KI-Einsatzes weiter am Text mitgewirkt und Änderungen
selbst vorgenommen.
Eine andere Künstlerin fragte nach den Rechten am Text, erhielt keine
Zustimmung, übernahm aber dennoch wesentliche Textteile für ein eigenes Lied,
das über Spotify und andere Dienste vertrieben wurde. Auf Twitch räumte sie ein,
mit einem Song auf Tour zu gehen, der ihr nicht gehöre. Auf Instagram bewarb sie
das Lied mit den Worten "Kommt alleee rein bevor der Song gesperrt wird".
Anzeige
GEGENSEITE: TEXT SEI KI-GENERIERT UND DAHER NICHT GESCHÜTZT
Im Verfahren argumentierte die Gegenseite, der Text sei vollständig
KI-generiert, was ein Musiksachverständiger in einem Gutachten belegt habe. Der
Gutachter verwies auf logische Brüche, formelhafte Satzkonstruktionen und
mangelnde Poesie als Indizien für ein maschinelles Produkt. Daher bestehe kein
Urheberrecht und die Klägerin könne keine Rechte geltend machen.
Anzeige
DEC_D_Incontent-1
Das Gericht stellte dazu klar: Wer konkrete Anhaltspunkte für einen KI-Output
vorbringe, verpflichte die Gegenseite zwar zur genauen Darlegung des
Schaffensprozesses. Die Klägerin habe aber per eidesstattlicher Versicherung
glaubhaft gemacht, den Text selbst geschrieben zu haben. Das Gericht betonte,
dass gerade bei Liedtexten stilistische Brüche Ausdruck künstlerischer Freiheit
sein könnten. Das Gutachten konnte das Gericht nicht vom Gegenteil überzeugen.
eine einstweilige Verfügung gegen die Vertriebsfirma und untersagte die
Verbreitung und Bewerbung des Liedes. Die Entscheidung ist anfechtbar.
Anzeige
Für den Alltag heißt das: Wer Inhalte mit Verweis auf mangelndes Copyright
übernehmen will, weil sie angeblich KI-generiert seien, muss das gut nachweisen
können. Umgekehrt kann eine Dokumentation des eigenen Schaffensprozesses vor
Gericht helfen.
Anzeige
DEC_D_Incontent-2
Quelle: the-decoder.de
Nach einer Serie von mutmaßlich KI-verursachten Ausfällen macht Amazon seine
Senior Engineers zum menschlichen Filter für KI-generierten Code.
"Leute, wie ihr wahrscheinlich wisst, war die Verfügbarkeit der Seite und der
zugehörigen Infrastruktur in letzter Zeit nicht gut", schreibt Dave Treadwell,
Senior Vice President bei Amazon, in einer internen E-Mail, die der Financial
Times vorliegt. Ein Briefing benennt einen "Trend von Vorfällen" mit "hoher
Reichweite", verknüpft mit "GenAI-gestützten Änderungen". Zuletzt gab es
Berichte, dass Amazons KI-Coding-Tools auch .
Die Konsequenz: Junior- und Mid-Level-Ingenieure benötigen ab sofort die
Freigabe eines Senior-Engineers für alle KI-gestützten Codeänderungen.
Standard-Code-Reviews gab es bei Amazon schon immer, doch eine eigene
Freigabepflicht speziell für KI-generierten Output ist neu. Erfahrene Entwickler
werden damit de facto zu menschlichen Qualitätsfiltern für maschinell erzeugten
Code. Ihre Rolle verschiebt sich damit ein Stück: weg vom Bauen, .
Anzeige
Als Ursache nennt das interne Briefing unter anderem "neuartige GenAI-Nutzung,
für die Best Practices und Schutzmaßnahmen noch nicht vollständig etabliert
sind."
Anzeige
DEC_D_Incontent-1
Senior Engineers zum menschlichen Filter für KI-generierten Code.
"Leute, wie ihr wahrscheinlich wisst, war die Verfügbarkeit der Seite und der
zugehörigen Infrastruktur in letzter Zeit nicht gut", schreibt Dave Treadwell,
Senior Vice President bei Amazon, in einer internen E-Mail, die der Financial
Times vorliegt. Ein Briefing benennt einen "Trend von Vorfällen" mit "hoher
Reichweite", verknüpft mit "GenAI-gestützten Änderungen". Zuletzt gab es
Berichte, dass Amazons KI-Coding-Tools auch .
Die Konsequenz: Junior- und Mid-Level-Ingenieure benötigen ab sofort die
Freigabe eines Senior-Engineers für alle KI-gestützten Codeänderungen.
Standard-Code-Reviews gab es bei Amazon schon immer, doch eine eigene
Freigabepflicht speziell für KI-generierten Output ist neu. Erfahrene Entwickler
werden damit de facto zu menschlichen Qualitätsfiltern für maschinell erzeugten
Code. Ihre Rolle verschiebt sich damit ein Stück: weg vom Bauen, .
Anzeige
Als Ursache nennt das interne Briefing unter anderem "neuartige GenAI-Nutzung,
für die Best Practices und Schutzmaßnahmen noch nicht vollständig etabliert
sind."
Anzeige
DEC_D_Incontent-1
Quelle: the-decoder.de
Nvidia und Thinking Machines Lab, das KI-Startup von Ex-OpenAI-Managerin Mira
Murati, gehen eine langfristige Partnerschaft ein. Thinking Machines erhält
mindestens ein Gigawatt an Rechenleistung durch Nvidias neue Vera Rubin-Systeme,
um eigene KI-Modelle zu trainieren. Die Bereitstellung soll Anfang nächsten
Jahres starten.
Nvidia hat sich zudem finanziell an Thinking Machines beteiligt – die genaue
Summe wurde nicht genannt. Das Startup hatte bereits rund 2 Milliarden Dollar in
einer von Andreessen Horowitz geführten Seed-Runde eingesammelt, bei einer
Bewertung von 12 Milliarden Dollar. Nvidia war damals ebenfalls Investor.
Zuletzt soll Thinking Machines eine weitere Finanzierungsrunde anstreben.
Allerdings hat das Startup auch Abgänge zu verzeichnen: Mitgründer .
Gemeinsam wollen beide Unternehmen Trainings- und Bereitstellungssysteme für
Nvidia-Hardware entwickeln und Frontier-KI-Modelle für Unternehmen und Forschung
zugänglich machen. Murati hatte OpenAI 2024 verlassen und Thinking Machines Lab
mitgegründet.
Anzeige
DEC_D_Incontent-1
Anzeige
Murati, gehen eine langfristige Partnerschaft ein. Thinking Machines erhält
mindestens ein Gigawatt an Rechenleistung durch Nvidias neue Vera Rubin-Systeme,
um eigene KI-Modelle zu trainieren. Die Bereitstellung soll Anfang nächsten
Jahres starten.
Nvidia hat sich zudem finanziell an Thinking Machines beteiligt – die genaue
Summe wurde nicht genannt. Das Startup hatte bereits rund 2 Milliarden Dollar in
einer von Andreessen Horowitz geführten Seed-Runde eingesammelt, bei einer
Bewertung von 12 Milliarden Dollar. Nvidia war damals ebenfalls Investor.
Zuletzt soll Thinking Machines eine weitere Finanzierungsrunde anstreben.
Allerdings hat das Startup auch Abgänge zu verzeichnen: Mitgründer .
Gemeinsam wollen beide Unternehmen Trainings- und Bereitstellungssysteme für
Nvidia-Hardware entwickeln und Frontier-KI-Modelle für Unternehmen und Forschung
zugänglich machen. Murati hatte OpenAI 2024 verlassen und Thinking Machines Lab
mitgegründet.
Anzeige
DEC_D_Incontent-1
Anzeige
Quelle: the-decoder.de
Meta hat Moltbook übernommen. Moltbook ist eine Art Reddit, das speziell für
KI-Agenten entwickelt wurde. Die Gründer Matt Schlicht und Ben Parr wechseln
laut Axios zu (MSL), geleitet von Ex-Scale-AI-Chef Alexandr Wang. Der Kaufpreis
wurde nicht genannt, der Abschluss wird für Mitte März erwartet.
wurde Ende Januar als experimenteller Raum gestartet, in dem KI-Agenten ihre
Identität verifizieren, sich vernetzen und Aufgaben koordinieren können.
Schlicht baute die Plattform großteils mit Hilfe seines eigenen KI-Assistenten.
Metas Vishal Shah erklärte in einem Axios vorliegenden Blogpost, bestehende
Moltbook-Kunden könnten die Plattform vorerst weiter nutzen – allerdings nur
vorübergehend. Zuvor hatte , den Entwickler des verwandten Agenten-Frameworks
OpenClaw, eingestellt.
Anzeige
DEC_D_Incontent-1
Anzeige
KI-Agenten entwickelt wurde. Die Gründer Matt Schlicht und Ben Parr wechseln
laut Axios zu (MSL), geleitet von Ex-Scale-AI-Chef Alexandr Wang. Der Kaufpreis
wurde nicht genannt, der Abschluss wird für Mitte März erwartet.
wurde Ende Januar als experimenteller Raum gestartet, in dem KI-Agenten ihre
Identität verifizieren, sich vernetzen und Aufgaben koordinieren können.
Schlicht baute die Plattform großteils mit Hilfe seines eigenen KI-Assistenten.
Metas Vishal Shah erklärte in einem Axios vorliegenden Blogpost, bestehende
Moltbook-Kunden könnten die Plattform vorerst weiter nutzen – allerdings nur
vorübergehend. Zuvor hatte , den Entwickler des verwandten Agenten-Frameworks
OpenClaw, eingestellt.
Anzeige
DEC_D_Incontent-1
Anzeige
Quelle: the-decoder.de
Das Startup Eon Systems hat laut Mitgründer Alex Wissner-Gross erstmals eine
vollständige Gehirn-Emulation in einem simulierten Körper zum Laufen gebracht,
die mehrere Verhaltensweisen zeigt. Konkret wurde das Gehirn einer Fruchtfliege
mit über 125.000 Neuronen und 50 Millionen Synapsen in der Physiksimulation mit
einem virtuellen Fliegenkörper verbunden. Die neuronale Verdrahtung stammt aus
Elektronenmikroskopie-Daten.
Bisherige Projekte wie OpenWorm (302 Neuronen) nutzten entweder viel kleinere
Nervensysteme oder maschinelles Lernen wie Reinforcement Learning statt echter
Gehirndaten. Eons Ansatz unterscheidet sich grundlegend: Statt KI zu etnwickeln,
will das Startup echte Gehirne Neuron für Neuron digital kopieren und
simulieren. Die Fliege ist dabei nur der erste Schritt – innerhalb von zwei
Jahren will Eon ein Mäusegehirn mit 70 Millionen Neuronen emulieren, langfristig
ein menschliches Gehirn.
Den Code für das Gehirn-Modell hat Eon auf veröffentlicht, er basiert allerdings
auf dem bereits 2024 in Nature erschienenen Paper von Philip Shiu et al. Den
eigentlich neuen Teil – die Verbindung von Gehirn und simuliertem Körper – hat
Eon bisher nicht veröffentlicht.
Anzeige
DEC_D_Incontent-1
Anzeige
vollständige Gehirn-Emulation in einem simulierten Körper zum Laufen gebracht,
die mehrere Verhaltensweisen zeigt. Konkret wurde das Gehirn einer Fruchtfliege
mit über 125.000 Neuronen und 50 Millionen Synapsen in der Physiksimulation mit
einem virtuellen Fliegenkörper verbunden. Die neuronale Verdrahtung stammt aus
Elektronenmikroskopie-Daten.
Bisherige Projekte wie OpenWorm (302 Neuronen) nutzten entweder viel kleinere
Nervensysteme oder maschinelles Lernen wie Reinforcement Learning statt echter
Gehirndaten. Eons Ansatz unterscheidet sich grundlegend: Statt KI zu etnwickeln,
will das Startup echte Gehirne Neuron für Neuron digital kopieren und
simulieren. Die Fliege ist dabei nur der erste Schritt – innerhalb von zwei
Jahren will Eon ein Mäusegehirn mit 70 Millionen Neuronen emulieren, langfristig
ein menschliches Gehirn.
Den Code für das Gehirn-Modell hat Eon auf veröffentlicht, er basiert allerdings
auf dem bereits 2024 in Nature erschienenen Paper von Philip Shiu et al. Den
eigentlich neuen Teil – die Verbindung von Gehirn und simuliertem Körper – hat
Eon bisher nicht veröffentlicht.
Anzeige
DEC_D_Incontent-1
Anzeige
Quelle: the-decoder.de
Yann LeCun, ehemaliger Chef-KI-Wissenschaftler bei Meta und Turing-Preisträger,
hat mit seinem neuen Start-up Advanced Machine Intelligence Labs (AMI Labs) über
eine Milliarde Dollar in Europas größter Seed-Finanzierungsrunde eingesammelt.
Zu den Investoren gehören Nvidia, Bezos Expeditions, Singapurs Temasek und
Frankreichs Cathay Innovation.
Die Bewertung des Unternehmens lag vor der Finanzierungsrunde bei 3,5 Milliarden
Dollar. CEO ist Alexandre LeBrun, ehemaliger Chef des französischen Start-ups
Nabla. LeCun wird als Vorstandsvorsitzender fungieren. Das Unternehmen startet
mit rund einem Dutzend Mitarbeitern in Paris, New York, Singapur und Montreal.
will sogenannte Weltmodelle entwickeln, die die physische Umgebung verstehen –
etwa für Robotik und Transport. Laut LeCun und LeBrun seien heutige
Sprachmodelle dafür nicht geeignet. Meta ist kein Investor, soll aber eingehen.
Anzeige
DEC_D_Incontent-1
Anzeige
hat mit seinem neuen Start-up Advanced Machine Intelligence Labs (AMI Labs) über
eine Milliarde Dollar in Europas größter Seed-Finanzierungsrunde eingesammelt.
Zu den Investoren gehören Nvidia, Bezos Expeditions, Singapurs Temasek und
Frankreichs Cathay Innovation.
Die Bewertung des Unternehmens lag vor der Finanzierungsrunde bei 3,5 Milliarden
Dollar. CEO ist Alexandre LeBrun, ehemaliger Chef des französischen Start-ups
Nabla. LeCun wird als Vorstandsvorsitzender fungieren. Das Unternehmen startet
mit rund einem Dutzend Mitarbeitern in Paris, New York, Singapur und Montreal.
will sogenannte Weltmodelle entwickeln, die die physische Umgebung verstehen –
etwa für Robotik und Transport. Laut LeCun und LeBrun seien heutige
Sprachmodelle dafür nicht geeignet. Meta ist kein Investor, soll aber eingehen.
Anzeige
DEC_D_Incontent-1
Anzeige
Quelle: www.bigdata-insider.de
STUDIE KLARHEIT BEIM EINSATZ VON KI-AGENTEN IN UNTERNEHMEN
10.03.2026 Quelle: Fraunhofer-Institut für Arbeitswirtschaft und Organisation
IAO 1 min Lesedauer
Anbieter zum Thema
Wie können Unternehmen Künstliche Intelligenz (KI) richtig einsetzen? Und ab
wann gilt ein System überhaupt als „intelligent“? Eine Studie soll darüber nun
Klarheit verschaffen.
Eine neue Studie des Fraunhofer Forschungs- und Innovationszentrums für hybride
hat Unternehmen eine klare Orientierung für den Einsatz von KI-Agenten gegeben.
Laut einer Mitteilung führt die Untersuchung mit dem sogenannten „Agentic Level“
erstmals ein Bewertungsraster ein, mit dem sich bestimmen lässt, ob ein
KI-System als Agent gilt und welche Chancen sowie Risiken damit verbunden sind.
Die Studie „KI-Agenten verstehen und anwenden“, an der das Fraunhofer-Institut
für Arbeitswirtschaft und Organisation IAO und das Fraunhofer-Institut für
Intelligente Analyse- und Informationssysteme IAIS beteiligt waren, schafft
zunächst begriffliche Klarheit in einem stark gehypten Themenfeld. Als KI-Agent
gelten Systeme, die ein definiertes Ziel verfolgen, ihre Umwelt wahrnehmen,
eigenständig Entscheidungen treffen und mit Menschen oder anderen Systemen
kooperieren können. Das Agentic Level hilft Unternehmen dabei, diese
Eigenschaften systematisch zu bewerten und fundierte Entscheidungen über den
Einsatz zu treffen.
Die möglichen Anwendungsfelder sind vielfältig und reichen vom Kundensupport und
Vertrieb über Planung und Notfallmanagement bis hin zur Robotiksteuerung.
Gleichzeitig betonen die Autoren die Bedeutung eines schrittweisen Vorgehens:
Unternehmen sollten zunächst Pilotprojekte in kontrollierten Umgebungen starten
und diese auf Basis gewonnener Erfahrungen erweitern.
Neben technischen Aspekten hebt die Studie auch organisatorische Faktoren
hervor, etwa die frühzeitige Einbindung von Mitarbeitenden, die Sicherstellung
hochwertiger Daten sowie klare Governance-Strukturen.
Dieser Artikel stammt von unserem Partnerportal .
(ID:50762346)
10.03.2026 Quelle: Fraunhofer-Institut für Arbeitswirtschaft und Organisation
IAO 1 min Lesedauer
Anbieter zum Thema
Wie können Unternehmen Künstliche Intelligenz (KI) richtig einsetzen? Und ab
wann gilt ein System überhaupt als „intelligent“? Eine Studie soll darüber nun
Klarheit verschaffen.
Eine neue Studie des Fraunhofer Forschungs- und Innovationszentrums für hybride
hat Unternehmen eine klare Orientierung für den Einsatz von KI-Agenten gegeben.
Laut einer Mitteilung führt die Untersuchung mit dem sogenannten „Agentic Level“
erstmals ein Bewertungsraster ein, mit dem sich bestimmen lässt, ob ein
KI-System als Agent gilt und welche Chancen sowie Risiken damit verbunden sind.
Die Studie „KI-Agenten verstehen und anwenden“, an der das Fraunhofer-Institut
für Arbeitswirtschaft und Organisation IAO und das Fraunhofer-Institut für
Intelligente Analyse- und Informationssysteme IAIS beteiligt waren, schafft
zunächst begriffliche Klarheit in einem stark gehypten Themenfeld. Als KI-Agent
gelten Systeme, die ein definiertes Ziel verfolgen, ihre Umwelt wahrnehmen,
eigenständig Entscheidungen treffen und mit Menschen oder anderen Systemen
kooperieren können. Das Agentic Level hilft Unternehmen dabei, diese
Eigenschaften systematisch zu bewerten und fundierte Entscheidungen über den
Einsatz zu treffen.
Die möglichen Anwendungsfelder sind vielfältig und reichen vom Kundensupport und
Vertrieb über Planung und Notfallmanagement bis hin zur Robotiksteuerung.
Gleichzeitig betonen die Autoren die Bedeutung eines schrittweisen Vorgehens:
Unternehmen sollten zunächst Pilotprojekte in kontrollierten Umgebungen starten
und diese auf Basis gewonnener Erfahrungen erweitern.
Neben technischen Aspekten hebt die Studie auch organisatorische Faktoren
hervor, etwa die frühzeitige Einbindung von Mitarbeitenden, die Sicherstellung
hochwertiger Daten sowie klare Governance-Strukturen.
Dieser Artikel stammt von unserem Partnerportal .
(ID:50762346)
Quelle: novoai.de
ENERGIEVERBRAUCH VON MASCHINEN MESSEN: VERSTECKTE LEERLAUFKOSTEN ENDLICH STOPPEN
ENERGIEVERBRAUCH VON MASCHINEN MESSEN: SO REDUZIEREN SIE LEERLAUF- UND
STANDBY-KOSTEN
Was, wenn wenige Minuten Leerlaufzeit in Ihrer Fertigung still und leise jedes
Jahr tausende Euro kosten? Den Energieverbrauch von Maschinen zu messen deckt
auf, was klassische Dashboards übersehen: nicht nur die Leistungsaufnahme
während des Produktionszyklus, sondern auch der stetige Tropfen von Leerlauf-
und Standby-Verbräuchen, die die Stromrechnung aufblähen und Effizienzen
verbergen. Die Fokussierung auf Maschinenenergieverbrauch hilft
Produktionsleitern, technische Kennzahlen in echte Kosten- und CO2-Reduktionen
zu übersetzen.
DER REALE EFFEKT: ENERGIEVERBRAUCH PRODUKTION
Energieverbrauch betrifft nicht nur aktive Produktionszyklen. Der
Energieverbrauch Produktion wird häufig unterschätzt, weil viele Verluste
außerhalb der eigentlichen Bearbeitungszeit entstehen. Für viele kleine und
mittelständische Hersteller stellen die versteckten Kosten von idlen Maschinen —
Aufheizzyklen, dauerhaft laufende Steuerungen, periphere Pumpen und Lüfter —
einen spürbaren Anteil der monatlichen Stromkosten dar. Eurostat weist aus, dass
der Industriesektor im Jahr 2023 24,6 % des Endenergieverbrauchs in der EU
ausmachte und verdeutlicht damit, warum Sie über Produktionsstunden hinaus auf
die Anlagen- und Werks-Effizienz schauen müssen (Quelle: Eurostat).
Den Maschinenenergieverbrauch akkurat zu erfassen ist der erste Schritt, um
Standby-Kosten zu reduzieren. Moderne Lösungen wie die WatchMen-Plattform von
Novo AI ermöglichen die Überwachung auf Geräteebene ohne aufwändige Eingriffe,
sammeln historische Daten und identifizieren wiederkehrende Leerlaufmuster.
WARUM ENERGIEVERBRAUCH VON MASCHINEN ENTSCHEIDEND IST
Leerlaufverbrauch summiert sich bei vielen Maschinen und komplexen Schichtplänen
schnell. Das Umweltbundesamt verzeichnet für Deutschland einen Energieverbrauch
in der verarbeitenden Industrie von rund 3.407 PJ im Jahr 2023, was zeigt, dass
sektorweite Reduktionen nur mit Maßnahmen auf Maschinenebene erreichbar sind.
Der Energieverbrauch von Maschinen wird damit zum zentralen Hebel für Effizienz
und Wettbewerbsfähigkeit. Transparenz über den Energieverbrauch von Maschinen
schafft die Grundlage für gezielte Optimierungsmaßnahmen statt pauschaler
Sparvorgaben.
1. Basislinie erfassen
Beginnen Sie mit kontinuierlicher Messung. Befestigen Sie nicht-invasive
Sensoren oder nutzen Sie nachrüstbare Module, die drei Zustände erfassen:
aktiver Bearbeitungslauf, bereit (idle-ready, Maschine einsatzbereit, aber nicht
arbeitend) und Standby/Schlafmodus. Historische Analysen zeigen Muster: welche
Maschinen am häufigsten idlen, welche Schichten über Nacht Standby-Verbräuche
aufrechterhalten und wie Wartungs- oder Rüstabläufe beitragen. Beispielsweise
werden bei einer Aufzeichnung mit 1-Hz-Auflösung über zwei Wochen meist
wiederkehrende nächtliche Standby-Lasten und kurze Leerlaufspitzen während
Rüstungen sichtbar.
2. Verluste beziffern
Übersetzen Sie Energie-Messwerte in Euro und CO2. Zieht eine Maschine einen
kleinen, aber kontinuierlichen Leerlaufstrom, entsteht daraus ein vorhersehbares
monatliches Leck. Verwenden Sie lokale Tarife und die gemessene kW-Leistung der
Maschine, um Geschäftsentscheidungen für Abschaltregeln oder Automatisierung zu
begründen. Für die CO2-Bilanz verknüpfen Sie gemessene kWh mit dem lokalen
Netz-Emissionsfaktor; die deutsche Netz-CO2-Intensität schwankt stundenweise und
wird zunehmend dekarbonisiert, sodass das Verlegen von Lasten in saubere
Zeitfenster ökologisch sinnvoller wird (Fraunhofer ISE).
3 WEGE, DEN ENERGIEVERBRAUCH VON MASCHINEN ZU SENKEN
Nach der Messung greifen in der Praxis drei Hebel: betriebliche Maßnahmen,
technische Eingriffe und KI-gestützte Planung. Ziel dieser Maßnahmen ist es, den
Energieverbrauch von Maschinen systematisch zu reduzieren und versteckte
Verluste dauerhaft zu vermeiden.
3 WEGE, DEN ENERGIEVERBRAUCH VON MASCHINEN ZU SENKEN 1: BETRIEBLICHE MASSNAHMEN
Einfache Verhaltensregeln wirken oft schnell. Schulen Sie Bediener darin, nicht
notwendige Peripherie am Schichtende abzuschalten, Rüstvorgänge zu bündeln, um
häufige Aufheizzyklen zu vermeiden, und nutzen Sie digitale Checklisten, die an
Maschinenzustände gekoppelt sind. Transparenz über den Energieverbrauch von
Maschinen macht diese Effekte unmittelbar sichtbar und verstärkt die Motivation
zur Umsetzung. Dokumentierte Einsparungen bei Mittelständlern kommen meist aus
der Kombination von Policy und Messbarkeit: wenn Teams tagtäglich sehen, wie
viel Geld sie einsparen, ändert sich das Verhalten dauerhaft. Beispiel: Ein
Metallbetrieb reduzierte Leerlaufstunden, indem er Rüstvorgänge in ein separates
Vorbereitungsfenster verschob und damit Aufheizzyklen um etwa 30 % verringerte.
3 WEGE, DEN ENERGIEVERBRAUCH VON MASCHINEN ZU SENKEN 2: TECHNISCHE EINGRIFFE
Technische Maßnahmen umfassen den Austausch alter Steuerungen gegen
energieoptimierte SPS, das Nachrüsten von schaltbaren Relais für Peripherie und
die Implementierung von Niedrigenergie-Standby-Modi. Solche Eingriffe zielen
direkt darauf ab, den Energieverbrauch von Maschinen strukturell zu senken und
unnötige Dauerlasten zu eliminieren. Ein Fraunhofer ISE-Überblick aus 2024
zeigt, dass der steigende Anteil erneuerbarer Erzeugung die Wirtschaftlichkeit
zeitlicher Verschiebung energieintensiver Prozesse verändert und damit
Maschinenflexibilität auf Anlagenebene wichtiger macht. Das Nachrüsten von
Pumpen und Lüftern mit Schützsteuerungen, die bei echtem Leerlauf abschalten,
ist oft eine günstige Maßnahme mit typischer Amortisation innerhalb eines
Jahres.
3 WEGE, DEN ENERGIEVERBRAUCH VON MASCHINEN ZU SENKEN 3: KÜNSTLICHE INTELLIGENZ
PLANEN
KI kann die Basisdaten verwenden, um Planungslogik umzusetzen: Aufgaben in
Zeitfenster mit niedriger Netz-CO2-Intensität verschieben, kurze Aufträge
bündeln, um wiederholte Aufheizzyklen zu vermeiden, und Maschinenzyklen
staffeln, um Leistungsspitzen zu glätten. Auf dieser Grundlage lässt sich der
Energieverbrauch von Maschinen nicht nur messen, sondern aktiv steuern und
optimieren. Wissenschaftliche Publikationen zeigen, dass auf Leerlaufenergie
optimierte Planung Energiekosten bei gleichbleibender Durchsatzleistung senken
kann. Beispiel: Ein KI-Planer fasst fünf kurze Aufträge zu einem
kontinuierlichen Lauf zusammen, reduziert damit fünf Aufheizvorgänge auf einen
und senkt so den kumulierten Leerlaufverbrauch.
PRAXISBEISPIELE UND BELEGE: ENERGIEEFFIZIENZ FERTIGUNG
Praxisbeispiele belegen den Effekt. Kundenberichte von Novo AI dokumentieren
eine OEE-Verbesserung von 30 % auf 60 % nach Nachrüstung und Analyse — ein Teil
dieses Erfolgs resultierte aus reduzierten nicht-produktiven Laufzeiten und
optimierten Maschinenzyklen.olche Maßnahmen verbessern gleichzeitig die
Energieeffizienz Fertigung, weil unnötige Leerlaufzeiten und ineffiziente
Betriebszustände reduziert werden. Ein zentraler Faktor dabei ist die
Transparenz über den Energieverbrauch von Maschinen, die ineffiziente
Betriebszustände sichtbar macht.
Studien stützen gezielte Maßnahmen. Der „European Electricity Review 2024“ von
Ember zeigt, dass die industrielle Nachfrage in der EU zwischen 2021 und 2023 um
etwa 6,4 % sank; Hersteller, die auf Maschinenebene messen und reagieren, können
sowohl Kosten sparen als auch Netzflexibilität bereitstellen.
BEISPIEL: KLEINER BETRIEB: STANDBY-VERBRAUCH MASCHINEN
Stellen Sie sich einen kleinen Betrieb mit zehn CNC-Maschinen vor, die täglich
oft zwei Stunden im ready-Status stehen.Der Standby-Verbrauch Maschinen fällt
dabei oft kaum auf, summiert sich jedoch über Wochen zu erheblichen
Stromkosten. Mit messtechnischer Erfassung entdeckte der Produktionsleiter, dass
ein Nachtarbeiter drei Maschinen über Nacht im Bereitzustand beließ. Das
Anpassen des Verhaltens und das Automatisieren von Abschaltungen senkte den
monatlichen Verbrauch deutlich. Die Transparenz über den Energieverbrauch von
Maschinen machte dabei erstmals sichtbar, welche Gewohnheiten unnötige Kosten
verursachten. Der wiederholbare Prozess lautet: messen, identifizieren, handeln,
verifizieren. Nach einem dreimonatigen Pilot verzeichnete die Fertigung eine
Reduktion des Stromverbrauchs um 12 % auf den überwachten Linien.
WIE MASCHINENENERGIEVERBRAUCH GENAU MESSEN
Genauigkeit ist wichtig, denn falsche Annahmen führen zu schlechten
Entscheidungen. Der Maschinenenergieverbrauch lässt sich nur dann zuverlässig
bewerten, wenn Messung und Zustandsdaten präzise kombiniert werden. Nutzen Sie
diese Vorgehensweise:
* Sensorwahl: Bevorzugen Sie Rogowski-/Stromzangen oder nachrüstbare Module,
die Effektivwerte (RMS) von Strom und Spannung protokollieren.
* Zustandskennzeichnung: Kombinieren Sie Leistungsdaten mit Maschinen-Signalen
oder akustischen/vibrationsbasierten Sensoren, um Zustände zu etikettieren
(aktiv, idle, standby).
* Lokale Verarbeitung: Verarbeiten Sie sensible Daten lokal, um
Sicherheitsanforderungen zu erfüllen und Latenz zu minimieren.
Hochauflösende Messungen trennen kurze Laufereignisse vom stabilen
Standby-Verbrauch. Wenn möglich, synchronisieren Sie Leistungsdaten mit
MES-Ereignissen, um zu prüfen, ob Energie während wertschöpfender Arbeit oder im
Leerlauf verbraucht wurde. Nur so lässt sich der tatsächliche Energieverbrauch
von Maschinen belastbar analysieren und in konkrete Maßnahmen übersetzen.
Forschungsarbeiten zur Energiebilanz von Werkzeugmaschinen empfehlen, die
Grundlast (Steuerungselektronik, Pumpen) von der Prozessenergie (Spindel,
Motoren) zu trennen, um die größten Einsparpotenziale zu erkennen. Ein Überblick
aus 2025 betont, dass Werkzeugmaschinen einen großen Anteil am elektrischen
Verbrauch der Fertigung haben — ein weiterer Grund für gezielte
Maschinenmessungen.
PRAKTISCHE UMSETZUNGSSCHRITTE
Folgen Sie einer klaren Roadmap: messen, analysieren, handeln, wiederholen.
Konkrete Schritte sind:
1. Pilotieren Sie eine Linie oder eine Auswahl kritischer Maschinen mit
Sensorik für 4–6 Wochen.
2. Betreiben Sie OEE- und Energie-Dashboards parallel, um Stillstandszeiten mit
Leerlaufbezug zu korrelieren.
3. Implementieren Sie Richtlinien: automatische Abschaltfenster,
Bedienerschulung, technische Sperren.
4. Überwachen Sie die Wirkung und skalieren Sie bei dokumentierter Amortisation
auf weitere Linien.
Governance und KPIs
Verfolgen Sie KPIs: kWh pro Teil, Leerlauf-kWh und Energiekosten pro Schicht.
Wöchentliche Berichte binden Produktion, Instandhaltung und Energiemanagement
ein. Change Management ist entscheidend: Stellen Sie Daten als
Verbesserungschance dar, nicht als Schuldzuweisung. Transparenz über den
Energieverbrauch von Maschinen schafft dabei eine objektive Grundlage für
bereichsübergreifende Entscheidungen.
ROI-Beispiel
Zur Geschäftsfallrechnung übersetzen Sie kW in Euro. Als illustratives Beispiel
nimmt man an, eine Maschine zieht im Leerlauf 0,6 kW und steht an 8 Stunden pro
Werktag im Leerlauf. Das ergibt 0,6 kW × 8 h × 22 Tage ≈ 105,6 kWh/Monat. Bei
einem industriellen Strompreis von etwa 0,20 €/kWh sind das ≈ 21,12 €/Monat pro
Maschine. Multipliziert mit zehn Maschinen und zwölf Monaten ergibt das rund
2.534 €/Jahr. Das Automatisieren von Abschaltungen oder das Reduzieren des
Leerlaufs um 50 % führt zu spürbaren Einsparungen im Verhältnis zu Sensor- und
Softwareinvestitionen. Verwenden Sie Ihre gemessenen Tarife und tatsächlichen
Leerlaufwerte zur genauen ROI-Berechnung.
INDUSTRIELLE FLEXIBILITÄT
Abgesehen von Einsparungen ermöglichen messbare und steuerbare Maschinen die
Teilnahme an Demand-Response- oder Flexibilitätsprogrammen. Voraussetzung dafür
ist eine transparente Erfassung des Energieverbrauchs von Maschinen, um
Lastverschiebungen präzise zu steuern und nachzuweisen. Studien zeigen, dass
Betriebe mit Messung und Automatisierung Lasten verschieben, Zahlungen erhalten
oder Verbrauch während Preis-Hochphasen reduzieren können. Auch wenn direkte
Erlöse je nach Programm variieren, kann die Kombination aus vermiedenen Kosten
und Verdiensten die Amortisation von Monitoringprojekten verkürzen.
MESS-HERAUSFORDERUNGEN UND ABWÄGUNGEN
Nicht jede Abschaltung ist sinnvoll. Literatur zur Energiebilanz von
Werkzeugmaschinen vergleicht die Energiekosten wiederholter Aufheizzyklen mit
dem stetigen Leerlaufverbrauch und zeigt Abwägungen. Das wiederholte Abschalten
komplexer thermischer Prozesse kann Verschleiß und Ausschussrisiken erhöhen.
Daher muss Messung mit technischem Urteil kombiniert werden: Modellieren Sie
Aufheizenergien, schätzen Sie Stillstandsverteilungen und simulieren Sie
Szenarien, bevor Sie automatische Abschaltungen erzwingen. Eine präzise Analyse
des Energieverbrauchs von Maschinen hilft dabei, wirtschaftliche Einsparungen
und technische Risiken realistisch gegeneinander abzuwägen. Praktisch führt die
Kombination aus gemessener Aufheizenergie und Ausfallraten zu sicheren
Automatisierungsregeln.
SCHNELLE SPARMASSNAHMEN
* Identifizieren Sie die Top‑10‑Maschinen nach Leerlauf‑kWh und priorisieren
Sie diese.
* Schalten Sie periphere Relais automatisch ab, wenn Leerlauf detektiert wird.
* Planen Sie so, dass kurze Aufträge gebündelt werden, um mehrfaches Hochfahren
zu vermeiden.
* Führen Sie einen vierwöchigen Pilot durch und berichten Sie wöchentlich über
Einsparungen im Produktionsteam.
DER WEG NACH VORN
Den Energieverbrauch von Maschinen zu messen ist für Hersteller, die Kosten
senken und nachhaltiger werden wollen, unverzichtbar. Mit
Maschinen‑level‑Sensorik, historischen Analysen und gezielten Maßnahmen können
Sie den schleichenden Verlust durch Standby‑Verbrauch stoppen und zusätzlich
operative Vorteile wie höhere OEE und die Teilnahme an Flexibilitätsmärkten
erzielen.
Wenn Sie einen erprobten Weg suchen, starten Sie mit einem Pilot, der
nicht-invasive Sensoren und eine Analyseplattform nutzt, die lokale Verarbeitung
und maschinenunabhängige Nachrüstungen unterstützt. Moderne Lösungen wie die
WatchMen-Plattform von Novo AI machen einen solchen Pilot für
Mittelstandsunternehmen praktikabel: schnelle Installation, Trendauswertung und
aussagekräftige Alerts.
REFERENCES
1. - Endenergieverbrauch in der Industrie (Zugriff am: 2026-03-03)
2. - Energieverbrauch in der verarbeitenden Industrie Deutschland (Zugriff am:
2026-03-03)
3. - Studien und Publikationen zur Energieeffizienz im Maschinenbau (Zugriff
am: 2026-03-03)
4. - Pressemitteilung zur Stromerzeugung 2023 und Netzintensität (Zugriff am:
2026-03-03)
5. - Elektrische Kenngrößen von Maschinen und Anlagen messen (Zugriff am:
2026-03-03)
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.
ENERGIEVERBRAUCH VON MASCHINEN MESSEN: SO REDUZIEREN SIE LEERLAUF- UND
STANDBY-KOSTEN
Was, wenn wenige Minuten Leerlaufzeit in Ihrer Fertigung still und leise jedes
Jahr tausende Euro kosten? Den Energieverbrauch von Maschinen zu messen deckt
auf, was klassische Dashboards übersehen: nicht nur die Leistungsaufnahme
während des Produktionszyklus, sondern auch der stetige Tropfen von Leerlauf-
und Standby-Verbräuchen, die die Stromrechnung aufblähen und Effizienzen
verbergen. Die Fokussierung auf Maschinenenergieverbrauch hilft
Produktionsleitern, technische Kennzahlen in echte Kosten- und CO2-Reduktionen
zu übersetzen.
DER REALE EFFEKT: ENERGIEVERBRAUCH PRODUKTION
Energieverbrauch betrifft nicht nur aktive Produktionszyklen. Der
Energieverbrauch Produktion wird häufig unterschätzt, weil viele Verluste
außerhalb der eigentlichen Bearbeitungszeit entstehen. Für viele kleine und
mittelständische Hersteller stellen die versteckten Kosten von idlen Maschinen —
Aufheizzyklen, dauerhaft laufende Steuerungen, periphere Pumpen und Lüfter —
einen spürbaren Anteil der monatlichen Stromkosten dar. Eurostat weist aus, dass
der Industriesektor im Jahr 2023 24,6 % des Endenergieverbrauchs in der EU
ausmachte und verdeutlicht damit, warum Sie über Produktionsstunden hinaus auf
die Anlagen- und Werks-Effizienz schauen müssen (Quelle: Eurostat).
Den Maschinenenergieverbrauch akkurat zu erfassen ist der erste Schritt, um
Standby-Kosten zu reduzieren. Moderne Lösungen wie die WatchMen-Plattform von
Novo AI ermöglichen die Überwachung auf Geräteebene ohne aufwändige Eingriffe,
sammeln historische Daten und identifizieren wiederkehrende Leerlaufmuster.
WARUM ENERGIEVERBRAUCH VON MASCHINEN ENTSCHEIDEND IST
Leerlaufverbrauch summiert sich bei vielen Maschinen und komplexen Schichtplänen
schnell. Das Umweltbundesamt verzeichnet für Deutschland einen Energieverbrauch
in der verarbeitenden Industrie von rund 3.407 PJ im Jahr 2023, was zeigt, dass
sektorweite Reduktionen nur mit Maßnahmen auf Maschinenebene erreichbar sind.
Der Energieverbrauch von Maschinen wird damit zum zentralen Hebel für Effizienz
und Wettbewerbsfähigkeit. Transparenz über den Energieverbrauch von Maschinen
schafft die Grundlage für gezielte Optimierungsmaßnahmen statt pauschaler
Sparvorgaben.
1. Basislinie erfassen
Beginnen Sie mit kontinuierlicher Messung. Befestigen Sie nicht-invasive
Sensoren oder nutzen Sie nachrüstbare Module, die drei Zustände erfassen:
aktiver Bearbeitungslauf, bereit (idle-ready, Maschine einsatzbereit, aber nicht
arbeitend) und Standby/Schlafmodus. Historische Analysen zeigen Muster: welche
Maschinen am häufigsten idlen, welche Schichten über Nacht Standby-Verbräuche
aufrechterhalten und wie Wartungs- oder Rüstabläufe beitragen. Beispielsweise
werden bei einer Aufzeichnung mit 1-Hz-Auflösung über zwei Wochen meist
wiederkehrende nächtliche Standby-Lasten und kurze Leerlaufspitzen während
Rüstungen sichtbar.
2. Verluste beziffern
Übersetzen Sie Energie-Messwerte in Euro und CO2. Zieht eine Maschine einen
kleinen, aber kontinuierlichen Leerlaufstrom, entsteht daraus ein vorhersehbares
monatliches Leck. Verwenden Sie lokale Tarife und die gemessene kW-Leistung der
Maschine, um Geschäftsentscheidungen für Abschaltregeln oder Automatisierung zu
begründen. Für die CO2-Bilanz verknüpfen Sie gemessene kWh mit dem lokalen
Netz-Emissionsfaktor; die deutsche Netz-CO2-Intensität schwankt stundenweise und
wird zunehmend dekarbonisiert, sodass das Verlegen von Lasten in saubere
Zeitfenster ökologisch sinnvoller wird (Fraunhofer ISE).
3 WEGE, DEN ENERGIEVERBRAUCH VON MASCHINEN ZU SENKEN
Nach der Messung greifen in der Praxis drei Hebel: betriebliche Maßnahmen,
technische Eingriffe und KI-gestützte Planung. Ziel dieser Maßnahmen ist es, den
Energieverbrauch von Maschinen systematisch zu reduzieren und versteckte
Verluste dauerhaft zu vermeiden.
3 WEGE, DEN ENERGIEVERBRAUCH VON MASCHINEN ZU SENKEN 1: BETRIEBLICHE MASSNAHMEN
Einfache Verhaltensregeln wirken oft schnell. Schulen Sie Bediener darin, nicht
notwendige Peripherie am Schichtende abzuschalten, Rüstvorgänge zu bündeln, um
häufige Aufheizzyklen zu vermeiden, und nutzen Sie digitale Checklisten, die an
Maschinenzustände gekoppelt sind. Transparenz über den Energieverbrauch von
Maschinen macht diese Effekte unmittelbar sichtbar und verstärkt die Motivation
zur Umsetzung. Dokumentierte Einsparungen bei Mittelständlern kommen meist aus
der Kombination von Policy und Messbarkeit: wenn Teams tagtäglich sehen, wie
viel Geld sie einsparen, ändert sich das Verhalten dauerhaft. Beispiel: Ein
Metallbetrieb reduzierte Leerlaufstunden, indem er Rüstvorgänge in ein separates
Vorbereitungsfenster verschob und damit Aufheizzyklen um etwa 30 % verringerte.
3 WEGE, DEN ENERGIEVERBRAUCH VON MASCHINEN ZU SENKEN 2: TECHNISCHE EINGRIFFE
Technische Maßnahmen umfassen den Austausch alter Steuerungen gegen
energieoptimierte SPS, das Nachrüsten von schaltbaren Relais für Peripherie und
die Implementierung von Niedrigenergie-Standby-Modi. Solche Eingriffe zielen
direkt darauf ab, den Energieverbrauch von Maschinen strukturell zu senken und
unnötige Dauerlasten zu eliminieren. Ein Fraunhofer ISE-Überblick aus 2024
zeigt, dass der steigende Anteil erneuerbarer Erzeugung die Wirtschaftlichkeit
zeitlicher Verschiebung energieintensiver Prozesse verändert und damit
Maschinenflexibilität auf Anlagenebene wichtiger macht. Das Nachrüsten von
Pumpen und Lüftern mit Schützsteuerungen, die bei echtem Leerlauf abschalten,
ist oft eine günstige Maßnahme mit typischer Amortisation innerhalb eines
Jahres.
3 WEGE, DEN ENERGIEVERBRAUCH VON MASCHINEN ZU SENKEN 3: KÜNSTLICHE INTELLIGENZ
PLANEN
KI kann die Basisdaten verwenden, um Planungslogik umzusetzen: Aufgaben in
Zeitfenster mit niedriger Netz-CO2-Intensität verschieben, kurze Aufträge
bündeln, um wiederholte Aufheizzyklen zu vermeiden, und Maschinenzyklen
staffeln, um Leistungsspitzen zu glätten. Auf dieser Grundlage lässt sich der
Energieverbrauch von Maschinen nicht nur messen, sondern aktiv steuern und
optimieren. Wissenschaftliche Publikationen zeigen, dass auf Leerlaufenergie
optimierte Planung Energiekosten bei gleichbleibender Durchsatzleistung senken
kann. Beispiel: Ein KI-Planer fasst fünf kurze Aufträge zu einem
kontinuierlichen Lauf zusammen, reduziert damit fünf Aufheizvorgänge auf einen
und senkt so den kumulierten Leerlaufverbrauch.
PRAXISBEISPIELE UND BELEGE: ENERGIEEFFIZIENZ FERTIGUNG
Praxisbeispiele belegen den Effekt. Kundenberichte von Novo AI dokumentieren
eine OEE-Verbesserung von 30 % auf 60 % nach Nachrüstung und Analyse — ein Teil
dieses Erfolgs resultierte aus reduzierten nicht-produktiven Laufzeiten und
optimierten Maschinenzyklen.olche Maßnahmen verbessern gleichzeitig die
Energieeffizienz Fertigung, weil unnötige Leerlaufzeiten und ineffiziente
Betriebszustände reduziert werden. Ein zentraler Faktor dabei ist die
Transparenz über den Energieverbrauch von Maschinen, die ineffiziente
Betriebszustände sichtbar macht.
Studien stützen gezielte Maßnahmen. Der „European Electricity Review 2024“ von
Ember zeigt, dass die industrielle Nachfrage in der EU zwischen 2021 und 2023 um
etwa 6,4 % sank; Hersteller, die auf Maschinenebene messen und reagieren, können
sowohl Kosten sparen als auch Netzflexibilität bereitstellen.
BEISPIEL: KLEINER BETRIEB: STANDBY-VERBRAUCH MASCHINEN
Stellen Sie sich einen kleinen Betrieb mit zehn CNC-Maschinen vor, die täglich
oft zwei Stunden im ready-Status stehen.Der Standby-Verbrauch Maschinen fällt
dabei oft kaum auf, summiert sich jedoch über Wochen zu erheblichen
Stromkosten. Mit messtechnischer Erfassung entdeckte der Produktionsleiter, dass
ein Nachtarbeiter drei Maschinen über Nacht im Bereitzustand beließ. Das
Anpassen des Verhaltens und das Automatisieren von Abschaltungen senkte den
monatlichen Verbrauch deutlich. Die Transparenz über den Energieverbrauch von
Maschinen machte dabei erstmals sichtbar, welche Gewohnheiten unnötige Kosten
verursachten. Der wiederholbare Prozess lautet: messen, identifizieren, handeln,
verifizieren. Nach einem dreimonatigen Pilot verzeichnete die Fertigung eine
Reduktion des Stromverbrauchs um 12 % auf den überwachten Linien.
WIE MASCHINENENERGIEVERBRAUCH GENAU MESSEN
Genauigkeit ist wichtig, denn falsche Annahmen führen zu schlechten
Entscheidungen. Der Maschinenenergieverbrauch lässt sich nur dann zuverlässig
bewerten, wenn Messung und Zustandsdaten präzise kombiniert werden. Nutzen Sie
diese Vorgehensweise:
* Sensorwahl: Bevorzugen Sie Rogowski-/Stromzangen oder nachrüstbare Module,
die Effektivwerte (RMS) von Strom und Spannung protokollieren.
* Zustandskennzeichnung: Kombinieren Sie Leistungsdaten mit Maschinen-Signalen
oder akustischen/vibrationsbasierten Sensoren, um Zustände zu etikettieren
(aktiv, idle, standby).
* Lokale Verarbeitung: Verarbeiten Sie sensible Daten lokal, um
Sicherheitsanforderungen zu erfüllen und Latenz zu minimieren.
Hochauflösende Messungen trennen kurze Laufereignisse vom stabilen
Standby-Verbrauch. Wenn möglich, synchronisieren Sie Leistungsdaten mit
MES-Ereignissen, um zu prüfen, ob Energie während wertschöpfender Arbeit oder im
Leerlauf verbraucht wurde. Nur so lässt sich der tatsächliche Energieverbrauch
von Maschinen belastbar analysieren und in konkrete Maßnahmen übersetzen.
Forschungsarbeiten zur Energiebilanz von Werkzeugmaschinen empfehlen, die
Grundlast (Steuerungselektronik, Pumpen) von der Prozessenergie (Spindel,
Motoren) zu trennen, um die größten Einsparpotenziale zu erkennen. Ein Überblick
aus 2025 betont, dass Werkzeugmaschinen einen großen Anteil am elektrischen
Verbrauch der Fertigung haben — ein weiterer Grund für gezielte
Maschinenmessungen.
PRAKTISCHE UMSETZUNGSSCHRITTE
Folgen Sie einer klaren Roadmap: messen, analysieren, handeln, wiederholen.
Konkrete Schritte sind:
1. Pilotieren Sie eine Linie oder eine Auswahl kritischer Maschinen mit
Sensorik für 4–6 Wochen.
2. Betreiben Sie OEE- und Energie-Dashboards parallel, um Stillstandszeiten mit
Leerlaufbezug zu korrelieren.
3. Implementieren Sie Richtlinien: automatische Abschaltfenster,
Bedienerschulung, technische Sperren.
4. Überwachen Sie die Wirkung und skalieren Sie bei dokumentierter Amortisation
auf weitere Linien.
Governance und KPIs
Verfolgen Sie KPIs: kWh pro Teil, Leerlauf-kWh und Energiekosten pro Schicht.
Wöchentliche Berichte binden Produktion, Instandhaltung und Energiemanagement
ein. Change Management ist entscheidend: Stellen Sie Daten als
Verbesserungschance dar, nicht als Schuldzuweisung. Transparenz über den
Energieverbrauch von Maschinen schafft dabei eine objektive Grundlage für
bereichsübergreifende Entscheidungen.
ROI-Beispiel
Zur Geschäftsfallrechnung übersetzen Sie kW in Euro. Als illustratives Beispiel
nimmt man an, eine Maschine zieht im Leerlauf 0,6 kW und steht an 8 Stunden pro
Werktag im Leerlauf. Das ergibt 0,6 kW × 8 h × 22 Tage ≈ 105,6 kWh/Monat. Bei
einem industriellen Strompreis von etwa 0,20 €/kWh sind das ≈ 21,12 €/Monat pro
Maschine. Multipliziert mit zehn Maschinen und zwölf Monaten ergibt das rund
2.534 €/Jahr. Das Automatisieren von Abschaltungen oder das Reduzieren des
Leerlaufs um 50 % führt zu spürbaren Einsparungen im Verhältnis zu Sensor- und
Softwareinvestitionen. Verwenden Sie Ihre gemessenen Tarife und tatsächlichen
Leerlaufwerte zur genauen ROI-Berechnung.
INDUSTRIELLE FLEXIBILITÄT
Abgesehen von Einsparungen ermöglichen messbare und steuerbare Maschinen die
Teilnahme an Demand-Response- oder Flexibilitätsprogrammen. Voraussetzung dafür
ist eine transparente Erfassung des Energieverbrauchs von Maschinen, um
Lastverschiebungen präzise zu steuern und nachzuweisen. Studien zeigen, dass
Betriebe mit Messung und Automatisierung Lasten verschieben, Zahlungen erhalten
oder Verbrauch während Preis-Hochphasen reduzieren können. Auch wenn direkte
Erlöse je nach Programm variieren, kann die Kombination aus vermiedenen Kosten
und Verdiensten die Amortisation von Monitoringprojekten verkürzen.
MESS-HERAUSFORDERUNGEN UND ABWÄGUNGEN
Nicht jede Abschaltung ist sinnvoll. Literatur zur Energiebilanz von
Werkzeugmaschinen vergleicht die Energiekosten wiederholter Aufheizzyklen mit
dem stetigen Leerlaufverbrauch und zeigt Abwägungen. Das wiederholte Abschalten
komplexer thermischer Prozesse kann Verschleiß und Ausschussrisiken erhöhen.
Daher muss Messung mit technischem Urteil kombiniert werden: Modellieren Sie
Aufheizenergien, schätzen Sie Stillstandsverteilungen und simulieren Sie
Szenarien, bevor Sie automatische Abschaltungen erzwingen. Eine präzise Analyse
des Energieverbrauchs von Maschinen hilft dabei, wirtschaftliche Einsparungen
und technische Risiken realistisch gegeneinander abzuwägen. Praktisch führt die
Kombination aus gemessener Aufheizenergie und Ausfallraten zu sicheren
Automatisierungsregeln.
SCHNELLE SPARMASSNAHMEN
* Identifizieren Sie die Top‑10‑Maschinen nach Leerlauf‑kWh und priorisieren
Sie diese.
* Schalten Sie periphere Relais automatisch ab, wenn Leerlauf detektiert wird.
* Planen Sie so, dass kurze Aufträge gebündelt werden, um mehrfaches Hochfahren
zu vermeiden.
* Führen Sie einen vierwöchigen Pilot durch und berichten Sie wöchentlich über
Einsparungen im Produktionsteam.
DER WEG NACH VORN
Den Energieverbrauch von Maschinen zu messen ist für Hersteller, die Kosten
senken und nachhaltiger werden wollen, unverzichtbar. Mit
Maschinen‑level‑Sensorik, historischen Analysen und gezielten Maßnahmen können
Sie den schleichenden Verlust durch Standby‑Verbrauch stoppen und zusätzlich
operative Vorteile wie höhere OEE und die Teilnahme an Flexibilitätsmärkten
erzielen.
Wenn Sie einen erprobten Weg suchen, starten Sie mit einem Pilot, der
nicht-invasive Sensoren und eine Analyseplattform nutzt, die lokale Verarbeitung
und maschinenunabhängige Nachrüstungen unterstützt. Moderne Lösungen wie die
WatchMen-Plattform von Novo AI machen einen solchen Pilot für
Mittelstandsunternehmen praktikabel: schnelle Installation, Trendauswertung und
aussagekräftige Alerts.
REFERENCES
1. - Endenergieverbrauch in der Industrie (Zugriff am: 2026-03-03)
2. - Energieverbrauch in der verarbeitenden Industrie Deutschland (Zugriff am:
2026-03-03)
3. - Studien und Publikationen zur Energieeffizienz im Maschinenbau (Zugriff
am: 2026-03-03)
4. - Pressemitteilung zur Stromerzeugung 2023 und Netzintensität (Zugriff am:
2026-03-03)
5. - Elektrische Kenngrößen von Maschinen und Anlagen messen (Zugriff am:
2026-03-03)
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: the-decoder.de
Claude Code kann ab sofort automatisch Code-Änderungen auf Fehler prüfen, bevor
sie in ein Projekt einfließen. Mehrere KI-Agenten suchen dabei parallel nach
Bugs, Sicherheitslücken und Regressionen. Das System ist als Research Preview
für Team- und Enterprise-Kunden verfügbar. Anthropic nutzt es intern bereits
seit Monaten. ist der Code-Ausstoß pro Entwickler im letzten Jahr um 200 Prozent
gestiegen, was die manuelle Prüfung zum Engpass macht.
Vor dem Einsatz erhielten 16 Prozent der Änderungen inhaltliche Kommentare,
jetzt sind es 54 Prozent. Bei großen Änderungen über 1.000 Zeilen findet das
System in 84 Prozent der Fälle Probleme, im Schnitt 7,5 pro Änderung. Insgesamt
werden weniger als ein Prozent aller Funde als falsch markiert. Das System
genehmigt keine Änderungen – das bleibt Aufgabe der Entwickler. Die Kosten
werden nach Token-Verbrauch abgerechnet und liegen im Durchschnitt bei 15 bis 25
Dollar pro Review, abhängig von Größe und Komplexität. Admins können ein
monatliches Ausgabenlimit setzen.
Anthropic baut Claude Code in diesem Jahr massiv aus. Zuletzt kamen unter
anderem , eine , eine und ein für geplante Aufgaben hinzu.
Anzeige
DEC_D_Incontent-1
Anzeige
sie in ein Projekt einfließen. Mehrere KI-Agenten suchen dabei parallel nach
Bugs, Sicherheitslücken und Regressionen. Das System ist als Research Preview
für Team- und Enterprise-Kunden verfügbar. Anthropic nutzt es intern bereits
seit Monaten. ist der Code-Ausstoß pro Entwickler im letzten Jahr um 200 Prozent
gestiegen, was die manuelle Prüfung zum Engpass macht.
Vor dem Einsatz erhielten 16 Prozent der Änderungen inhaltliche Kommentare,
jetzt sind es 54 Prozent. Bei großen Änderungen über 1.000 Zeilen findet das
System in 84 Prozent der Fälle Probleme, im Schnitt 7,5 pro Änderung. Insgesamt
werden weniger als ein Prozent aller Funde als falsch markiert. Das System
genehmigt keine Änderungen – das bleibt Aufgabe der Entwickler. Die Kosten
werden nach Token-Verbrauch abgerechnet und liegen im Durchschnitt bei 15 bis 25
Dollar pro Review, abhängig von Größe und Komplexität. Admins können ein
monatliches Ausgabenlimit setzen.
Anthropic baut Claude Code in diesem Jahr massiv aus. Zuletzt kamen unter
anderem , eine , eine und ein für geplante Aufgaben hinzu.
Anzeige
DEC_D_Incontent-1
Anzeige
Quelle: www.bigdata-insider.de
KOMMENTAR VON MARCUS WORBS, PWC GEO – SO WERDEN UNTERNEHMEN IN LLM-CHATS
SICHTBAR
10.03.2026 Von Marcus Worbs 6 min Lesedauer
Anbieter zum Thema
Künstliche Intelligenz (KI) verändert den digitalen Raum und das Suchverhalten
im Netz grundlegend. Sichtbarkeit im Internet entsteht heute unter neuen
Vorzeichen. Generative Engine Optimization (GEO) ist die Antwort auf diesen
Wandel. So machen Unternehmen ihre Daten für LLMs sichtbar.
Treibende Kraft des Wandels sind LLM-basierte Assistenten wie , Bing Chat oder
Google , die fundamental verändern, wie wir online nach Informationen suchen und
mit Content von Unternehmen interagieren. Als Antwort darauf etabliert sich eine
neue Disziplin: die Generative Engine Optimization (GEO). Sie bezeichnet die
Optimierung der gesamten digitalen Präsenz in -gestützten Suchanfragen.
Wie wichtig diese ist, belegen aktuelle Zahlen: Laut einer Bitkom-Studie . Bei
den 16- bis 29-Jährigen sind es bereits 66 Prozent.
Globale Studien bestätigen diesen Trend: Rund die Hälfte der Konsumenten ist
offen dafür, Produktempfehlungen von KI-Assistenten zu erhalten. Wie der
US-Anbieter TTMS ermittelte, , doch sie teilen ihre Suchen gezielt auf. Einzelne
Suchbegriffe und einfache Fragen gehen an die Suchmaschine, komplexe Anliegen an
die KI. Wer als Unternehmen morgen in digitalen Kanälen relevant bleiben will,
muss heute die Weichen stellen.
KLASSISCHE SUCHMASCHINE VS. LLM-CHAT: VON LINKLISTEN ZU KURATIERTEN EMPFEHLUNGEN
Traditionelle Suchmaschinen präsentieren Listen von Links, die Nutzer
durchklicken müssen. Sie suchen nach konkreten Begriffen und filtern selbst.
-Chats funktionieren nach einer anderen Logik: Nutzer formulieren ihre Absichten
im Dialog. Zum Beispiel: „Was ist ein guter Fernseher unter 600 Euro mit 55
Zoll, der sich zum Gaming eignet?" Die KI antwortet mit kuratierten
Produktvorschlägen inklusive Kontext zu den Vor- und Nachteilen oder den
Eigenschaften des Produkts.
Auch für offene, inspirierende Recherchen eignen sich LLM-Chats. Sie ermöglichen
es Nutzern, Dinge zu entdecken, an die sie vorher nicht gedacht hatten –
vergleichbar mit dem Stöbern auf Online-Plattformen, nur dialogorientiert in
einem einzigen Chat.
Für die Daten- und Content-Strategie von Unternehmen ist das ein
Paradigmenwechsel. Die bisherige Dominanz von Google als „Gatekeeper“ der wankt,
in Form von und KI-Assistenten stoßen neue Player hinzu. Die Auffindbarkeit im
Netz hängt nicht mehr von klassischem Keyword-SEO ab, sondern von der Fähigkeit,
Geschäfts- und Produktdaten so zu strukturieren, dass sie für eine KI
interpretierbar und relevant sind.
NUTZUNG UND PROGNOSEN: DER KIPPPUNKT ZU GEO RÜCKT NÄHER
Wie schnell vollzieht sich dieser Wandel und welche kommerziellen Implikationen
sind bereits sichtbar? Der Trend geht zu „Zero-Click-Searches“. 60 bis 70
Prozent der Suchanfragen enden heute, ohne dass Nutzer eine externe Website
besuchen – befeuert durch KI-gestützte Antworten – direkt in den Ergebnislisten.
Die Auswirkungen auf den Web-Traffic sind messbar: Eine Studie des Pew Research
Centers belegt, .
Die Prognosen von Marktanalysten untermauern die Dringlichkeit: Bis 2026
erwarten Experten einen Rückgang des klassischen Suchvolumens um 25 Prozent. In
den späten 2020er-Jahren könnte der „Kipppunkt“ erreicht sein, an dem über die
Hälfte aller Suchen dialogbasiert stattfindet. Dies bedeutet jedoch nicht das
Ende von Google & Co. – klassische Suchmaschinen transformieren sich vielmehr zu
hybriden KI-Plattformen.
Parallel dazu löst sich die Grenze zwischen Suche und Transaktion auf. Durch
„Agentic Commerce“ werden KI-Plattformen zu direkten Point-of-Sale-Systemen.
Google treibt dies mit dem „Universal Commerce Protocol“ (UCP) voran, das
Partnern wie Walmart oder Wayfair bereits direkte Verkäufe innerhalb der Suche
ermöglicht.
Auch ChatGPT integriert über eine Kooperation Stripe-Checkout-Prozesse, an die
bald über eine Million Shopify-Stores angebunden sein sollen. Für Unternehmen
bedeutet das: Sichtbarkeit in KI-Systemen ist nicht mehr nur eine
Marketing-Aufgabe, sondern wird zur kritischen Komponente der Vertriebs- und
Dateninfrastruktur.
DREI ERFOLGSFAKTOREN FÜR KI-SICHTBARKEIT
Um in KI-Assistenten präsenter zu sein, sollten Unternehmen ihre Marken und
Produktangebote in drei Bereiche optimieren:
* 1. Sichtbarkeit an relevanten Stellen: Produkt- und Unternehmensinformationen
müssen in den Datenquellen auftauchen, aus denen KI ihre Antworten speist.
Eine Studie zeigt: Bei vielen KI-Antworten stammen nur fünf bis zehn Prozent
der Quellen direkt von Unternehmenswebsites – der Großteil sind Drittquellen
wie Testberichte, Foren, Blogs und Vergleichsportale. Das bedeutet:
Unternehmen sollten ihr Content-Marketing und Community-Management über die
eigenen Kanäle hinaus intensivieren, etwa durch Gastbeiträge oder Tutorials
auf Branchenportalen und Kooperationen mit Influencern oder Expertenblogs.
* 2. Datenaufbereitung für KI-Verständlichkeit: GEO unterscheidet sich von
klassischem SEO. Statt Keywords und Backlinks zählen semantische Relevanz und
Vertrauenssignale. LLMs filtern vage oder marketing-lastige Inhalte aus.
Detaillierte Spezifikationen, klare Sprache und ein FAQ-Stil erhöhen die
Chance, in LLM-Chats zitiert zu werden. Der veröffentlichte Content sollte
Nutzerfragen beantworten und auf ihre Intention ausgerichtet sein. Zudem
sollte er übersichtlich strukturiert sein und aktuell bleiben.
* 3. Technische Zugriffsmöglichkeit: LLMs verwenden und Parser, die auf
HTML-Text-Strukturen und strukturierte Daten achten. Komplexe
JavaScript-Lösungen oder Log-in-geschützte Inhalte ignorieren KI-Crawler
häufig. Unternehmen und Händler sollten ihre Seiten und Webshops so
optimieren, dass wesentliche Produktinformationen auch ohne JavaScript
abrufbar sind. Außerdem werden strukturierte Daten (Schema.org-Markup) noch
wichtiger: Angaben zu Preis, Lagerbestand, Bewertungen und technischen
Merkmalen helfen der KI, Produkte korrekt zu identifizieren. Produkt-Feeds
und APIs gewinnen an Bedeutung – direkte Schnittstellen, über die
KI-Assistenten den aktuellen Lagerbestand und Preise abrufen können.
DIE ZUKUNFT VON SEO UND SEA: EVOLUTION STATT REVOLUTION
Wird die traditionelle Suchmaschinenoptimierung also obsolet? Die Antwort
lautet: Nein, aber ihre Rolle wandelt sich. SEO wird von der Zieldisziplin zur
unverzichtbaren Grundlage für GEO. Technische Exzellenz wie schnelle Ladezeiten,
eine saubere Seitenarchitektur sowie eine hohe Vertrauenswürdigkeit – belegt
durch hochwertige Backlinks – sind keine reinen Rankingfaktoren mehr. Sie sind
vielmehr die technische Eintrittskarte dafür, dass die eigenen Informationen und
Produkte von KI-Systemen überhaupt erst als qualitativ hochwertig eingestuft und
verarbeitet werden.
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 .
Die eigentliche strategische Neuausrichtung liegt woanders: Bisher konzentrierte
sich SEO auf die Optimierung für den Google-Algorithmus. GEO erfordert hingegen
eine plattformübergreifende Orchestrierung. Unternehmen müssen berücksichtigen,
dass die Wissensquellen von ChatGPT (), Gemini (Google) und Copilot (Microsoft)
variieren können. Eine für Google optimierte Seite funktioniert nicht
automatisch auch in anderen LLMs. Zukünftig wird es darum gehen, Inhalte
plattformspezifisch aufzubereiten – ähnlich wie heute bereits separat für die
Amazon- oder YouTube-Suche optimiert wird.
Diese Fragmentierung hat auch direkte Auswirkungen auf die Suchmaschinenwerbung
(Search Engine Advertising, SEA). Wenn weniger Nutzer klassische
Suchergebnisseiten durchstöbern, verlieren traditionelle Anzeigenplätze an Wert.
Neue Werbeformate wie gesponserte KI-Antworten oder kuratierte Empfehlungen
direkt im Chat-Dialog werden sich etablieren. Unternehmen sollten daher
experimentierfreudig bleiben: die Investitionen in die SEO-Basis als Fundament
beibehalten und parallel dazu strategische Kompetenzen für KI-optimierten
Content und die neuen Werbeformen aufbauen.
GEO GEHÖRT JETZT AUF DIE UNTERNEHMENSAGENDA
Die User Journey wird sich in den nächsten ein bis zwei Jahren weiter
transformieren: LLMs werden nicht nur leistungsfähiger und multimodal durch die
Integration von Bildern, Videos und Augmented Reality, sondern auch
transaktionaler. Durch die Zunahme von KI-Agenten werden sich ganze
Transaktionsprozesse direkt in den Chat-Dialog verlagern.
Für Unternehmen, die in dieser neuen Ära nicht nur sichtbar, sondern auch
wettbewerbsfähig bleiben wollen, ist Warten keine Option. Der frühzeitige Aufbau
von GEO-Kompetenz wird zum Wettbewerbsvorteil. Dies erfordert ein konzertiertes
Vorgehen auf drei Ebenen:
* 1. Strategie: Es bedarf einer neuen Content-Strategie, die über die eigene
Website hinausdenkt und die Orchestrierung des gesamten digitalen Ökosystems
in den Mittelpunkt stellt.
* 2. Technologie: Die IT-Infrastruktur muss von einer reinen Web-Architektur zu
einem „Machine-First“-Ansatz weiterentwickelt werden, bei dem APIs und
strukturierte Daten strategische Priorität haben.
* 3. Organisation: Es müssen GEO-kompatible Prozesse und neue KPIs etabliert
werden. Von der KI-gestützten Content-Erstellung über ein angepasstes
Erfolgs-Monitoring bis zum Aufbau interdisziplinärer Teams.
7 TIPPS: SO MACHEN UNTERNEHMEN IHREN CONTENT GEO-FÄHIG
• Klare Markenbotschaften überzeugen menschliche und Künstliche Intelligenz
• Regelmäßige Content-Audits vermeiden veraltete oder widersprüchliche
Informationen
• Automatisierte Prüfmechanismen wie strukturierte Datenvalidatoren,
Broken-Link-Checker oder Metadaten-Checks ins Content-Management-System
integrieren
• Semantische Auszeichnungen wie Schema.org und strukturierte Datenformate auf
wichtigen Seiten einsetzen
• Multimediainhalte maschinenlesbar einbinden: prägnante Bildtitel und
Videobeschreibungen
• Moderne CMS und Analyse-Tools für effiziente Steuerung von Datenstrukturen
nutzen
• Interdisziplinäre Teams und Weiterbildungen zu GEO und KI-Themen aufbauen
ARTIKELFILES UND ARTIKELLINKS
Link:
(ID:50767104)
SICHTBAR
10.03.2026 Von Marcus Worbs 6 min Lesedauer
Anbieter zum Thema
Künstliche Intelligenz (KI) verändert den digitalen Raum und das Suchverhalten
im Netz grundlegend. Sichtbarkeit im Internet entsteht heute unter neuen
Vorzeichen. Generative Engine Optimization (GEO) ist die Antwort auf diesen
Wandel. So machen Unternehmen ihre Daten für LLMs sichtbar.
Treibende Kraft des Wandels sind LLM-basierte Assistenten wie , Bing Chat oder
Google , die fundamental verändern, wie wir online nach Informationen suchen und
mit Content von Unternehmen interagieren. Als Antwort darauf etabliert sich eine
neue Disziplin: die Generative Engine Optimization (GEO). Sie bezeichnet die
Optimierung der gesamten digitalen Präsenz in -gestützten Suchanfragen.
Wie wichtig diese ist, belegen aktuelle Zahlen: Laut einer Bitkom-Studie . Bei
den 16- bis 29-Jährigen sind es bereits 66 Prozent.
Globale Studien bestätigen diesen Trend: Rund die Hälfte der Konsumenten ist
offen dafür, Produktempfehlungen von KI-Assistenten zu erhalten. Wie der
US-Anbieter TTMS ermittelte, , doch sie teilen ihre Suchen gezielt auf. Einzelne
Suchbegriffe und einfache Fragen gehen an die Suchmaschine, komplexe Anliegen an
die KI. Wer als Unternehmen morgen in digitalen Kanälen relevant bleiben will,
muss heute die Weichen stellen.
KLASSISCHE SUCHMASCHINE VS. LLM-CHAT: VON LINKLISTEN ZU KURATIERTEN EMPFEHLUNGEN
Traditionelle Suchmaschinen präsentieren Listen von Links, die Nutzer
durchklicken müssen. Sie suchen nach konkreten Begriffen und filtern selbst.
-Chats funktionieren nach einer anderen Logik: Nutzer formulieren ihre Absichten
im Dialog. Zum Beispiel: „Was ist ein guter Fernseher unter 600 Euro mit 55
Zoll, der sich zum Gaming eignet?" Die KI antwortet mit kuratierten
Produktvorschlägen inklusive Kontext zu den Vor- und Nachteilen oder den
Eigenschaften des Produkts.
Auch für offene, inspirierende Recherchen eignen sich LLM-Chats. Sie ermöglichen
es Nutzern, Dinge zu entdecken, an die sie vorher nicht gedacht hatten –
vergleichbar mit dem Stöbern auf Online-Plattformen, nur dialogorientiert in
einem einzigen Chat.
Für die Daten- und Content-Strategie von Unternehmen ist das ein
Paradigmenwechsel. Die bisherige Dominanz von Google als „Gatekeeper“ der wankt,
in Form von und KI-Assistenten stoßen neue Player hinzu. Die Auffindbarkeit im
Netz hängt nicht mehr von klassischem Keyword-SEO ab, sondern von der Fähigkeit,
Geschäfts- und Produktdaten so zu strukturieren, dass sie für eine KI
interpretierbar und relevant sind.
NUTZUNG UND PROGNOSEN: DER KIPPPUNKT ZU GEO RÜCKT NÄHER
Wie schnell vollzieht sich dieser Wandel und welche kommerziellen Implikationen
sind bereits sichtbar? Der Trend geht zu „Zero-Click-Searches“. 60 bis 70
Prozent der Suchanfragen enden heute, ohne dass Nutzer eine externe Website
besuchen – befeuert durch KI-gestützte Antworten – direkt in den Ergebnislisten.
Die Auswirkungen auf den Web-Traffic sind messbar: Eine Studie des Pew Research
Centers belegt, .
Die Prognosen von Marktanalysten untermauern die Dringlichkeit: Bis 2026
erwarten Experten einen Rückgang des klassischen Suchvolumens um 25 Prozent. In
den späten 2020er-Jahren könnte der „Kipppunkt“ erreicht sein, an dem über die
Hälfte aller Suchen dialogbasiert stattfindet. Dies bedeutet jedoch nicht das
Ende von Google & Co. – klassische Suchmaschinen transformieren sich vielmehr zu
hybriden KI-Plattformen.
Parallel dazu löst sich die Grenze zwischen Suche und Transaktion auf. Durch
„Agentic Commerce“ werden KI-Plattformen zu direkten Point-of-Sale-Systemen.
Google treibt dies mit dem „Universal Commerce Protocol“ (UCP) voran, das
Partnern wie Walmart oder Wayfair bereits direkte Verkäufe innerhalb der Suche
ermöglicht.
Auch ChatGPT integriert über eine Kooperation Stripe-Checkout-Prozesse, an die
bald über eine Million Shopify-Stores angebunden sein sollen. Für Unternehmen
bedeutet das: Sichtbarkeit in KI-Systemen ist nicht mehr nur eine
Marketing-Aufgabe, sondern wird zur kritischen Komponente der Vertriebs- und
Dateninfrastruktur.
DREI ERFOLGSFAKTOREN FÜR KI-SICHTBARKEIT
Um in KI-Assistenten präsenter zu sein, sollten Unternehmen ihre Marken und
Produktangebote in drei Bereiche optimieren:
* 1. Sichtbarkeit an relevanten Stellen: Produkt- und Unternehmensinformationen
müssen in den Datenquellen auftauchen, aus denen KI ihre Antworten speist.
Eine Studie zeigt: Bei vielen KI-Antworten stammen nur fünf bis zehn Prozent
der Quellen direkt von Unternehmenswebsites – der Großteil sind Drittquellen
wie Testberichte, Foren, Blogs und Vergleichsportale. Das bedeutet:
Unternehmen sollten ihr Content-Marketing und Community-Management über die
eigenen Kanäle hinaus intensivieren, etwa durch Gastbeiträge oder Tutorials
auf Branchenportalen und Kooperationen mit Influencern oder Expertenblogs.
* 2. Datenaufbereitung für KI-Verständlichkeit: GEO unterscheidet sich von
klassischem SEO. Statt Keywords und Backlinks zählen semantische Relevanz und
Vertrauenssignale. LLMs filtern vage oder marketing-lastige Inhalte aus.
Detaillierte Spezifikationen, klare Sprache und ein FAQ-Stil erhöhen die
Chance, in LLM-Chats zitiert zu werden. Der veröffentlichte Content sollte
Nutzerfragen beantworten und auf ihre Intention ausgerichtet sein. Zudem
sollte er übersichtlich strukturiert sein und aktuell bleiben.
* 3. Technische Zugriffsmöglichkeit: LLMs verwenden und Parser, die auf
HTML-Text-Strukturen und strukturierte Daten achten. Komplexe
JavaScript-Lösungen oder Log-in-geschützte Inhalte ignorieren KI-Crawler
häufig. Unternehmen und Händler sollten ihre Seiten und Webshops so
optimieren, dass wesentliche Produktinformationen auch ohne JavaScript
abrufbar sind. Außerdem werden strukturierte Daten (Schema.org-Markup) noch
wichtiger: Angaben zu Preis, Lagerbestand, Bewertungen und technischen
Merkmalen helfen der KI, Produkte korrekt zu identifizieren. Produkt-Feeds
und APIs gewinnen an Bedeutung – direkte Schnittstellen, über die
KI-Assistenten den aktuellen Lagerbestand und Preise abrufen können.
DIE ZUKUNFT VON SEO UND SEA: EVOLUTION STATT REVOLUTION
Wird die traditionelle Suchmaschinenoptimierung also obsolet? Die Antwort
lautet: Nein, aber ihre Rolle wandelt sich. SEO wird von der Zieldisziplin zur
unverzichtbaren Grundlage für GEO. Technische Exzellenz wie schnelle Ladezeiten,
eine saubere Seitenarchitektur sowie eine hohe Vertrauenswürdigkeit – belegt
durch hochwertige Backlinks – sind keine reinen Rankingfaktoren mehr. Sie sind
vielmehr die technische Eintrittskarte dafür, dass die eigenen Informationen und
Produkte von KI-Systemen überhaupt erst als qualitativ hochwertig eingestuft und
verarbeitet werden.
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 .
Die eigentliche strategische Neuausrichtung liegt woanders: Bisher konzentrierte
sich SEO auf die Optimierung für den Google-Algorithmus. GEO erfordert hingegen
eine plattformübergreifende Orchestrierung. Unternehmen müssen berücksichtigen,
dass die Wissensquellen von ChatGPT (), Gemini (Google) und Copilot (Microsoft)
variieren können. Eine für Google optimierte Seite funktioniert nicht
automatisch auch in anderen LLMs. Zukünftig wird es darum gehen, Inhalte
plattformspezifisch aufzubereiten – ähnlich wie heute bereits separat für die
Amazon- oder YouTube-Suche optimiert wird.
Diese Fragmentierung hat auch direkte Auswirkungen auf die Suchmaschinenwerbung
(Search Engine Advertising, SEA). Wenn weniger Nutzer klassische
Suchergebnisseiten durchstöbern, verlieren traditionelle Anzeigenplätze an Wert.
Neue Werbeformate wie gesponserte KI-Antworten oder kuratierte Empfehlungen
direkt im Chat-Dialog werden sich etablieren. Unternehmen sollten daher
experimentierfreudig bleiben: die Investitionen in die SEO-Basis als Fundament
beibehalten und parallel dazu strategische Kompetenzen für KI-optimierten
Content und die neuen Werbeformen aufbauen.
GEO GEHÖRT JETZT AUF DIE UNTERNEHMENSAGENDA
Die User Journey wird sich in den nächsten ein bis zwei Jahren weiter
transformieren: LLMs werden nicht nur leistungsfähiger und multimodal durch die
Integration von Bildern, Videos und Augmented Reality, sondern auch
transaktionaler. Durch die Zunahme von KI-Agenten werden sich ganze
Transaktionsprozesse direkt in den Chat-Dialog verlagern.
Für Unternehmen, die in dieser neuen Ära nicht nur sichtbar, sondern auch
wettbewerbsfähig bleiben wollen, ist Warten keine Option. Der frühzeitige Aufbau
von GEO-Kompetenz wird zum Wettbewerbsvorteil. Dies erfordert ein konzertiertes
Vorgehen auf drei Ebenen:
* 1. Strategie: Es bedarf einer neuen Content-Strategie, die über die eigene
Website hinausdenkt und die Orchestrierung des gesamten digitalen Ökosystems
in den Mittelpunkt stellt.
* 2. Technologie: Die IT-Infrastruktur muss von einer reinen Web-Architektur zu
einem „Machine-First“-Ansatz weiterentwickelt werden, bei dem APIs und
strukturierte Daten strategische Priorität haben.
* 3. Organisation: Es müssen GEO-kompatible Prozesse und neue KPIs etabliert
werden. Von der KI-gestützten Content-Erstellung über ein angepasstes
Erfolgs-Monitoring bis zum Aufbau interdisziplinärer Teams.
7 TIPPS: SO MACHEN UNTERNEHMEN IHREN CONTENT GEO-FÄHIG
• Klare Markenbotschaften überzeugen menschliche und Künstliche Intelligenz
• Regelmäßige Content-Audits vermeiden veraltete oder widersprüchliche
Informationen
• Automatisierte Prüfmechanismen wie strukturierte Datenvalidatoren,
Broken-Link-Checker oder Metadaten-Checks ins Content-Management-System
integrieren
• Semantische Auszeichnungen wie Schema.org und strukturierte Datenformate auf
wichtigen Seiten einsetzen
• Multimediainhalte maschinenlesbar einbinden: prägnante Bildtitel und
Videobeschreibungen
• Moderne CMS und Analyse-Tools für effiziente Steuerung von Datenstrukturen
nutzen
• Interdisziplinäre Teams und Weiterbildungen zu GEO und KI-Themen aufbauen
ARTIKELFILES UND ARTIKELLINKS
Link:
(ID:50767104)
Quelle: www.bigdata-insider.de
HP WOLF SECURITY THREAT REPORT SCHNELL STATT AUSGEFEILT: KI MACHT CYBERANGRIFFE
ZUR MASSENWARE
10.03.2026 Von Berk Kutsal 2 min Lesedauer
Anbieter zum Thema
Angreifer nutzen Künstliche Intelligenz (KI) zunehmend als
Automatisierungswerkzeug. Laut aktuellem Threat Insights Report von HP Wolf
Security entstehen Malware-Kampagnen immer häufiger aus modularen Bausteinen,
die sich schnell kombinieren und anpassen lassen. Qualität spielt dabei eine
untergeordnete Rolle. Entscheidend seien Geschwindigkeit und Skalierbarkeit.
Cyberkriminelle setzen verstärkt ein, um Angriffe schneller zu erstellen und zu
verbreiten. Das zeigt der aktuelle für das vierte Quartal 2025. Demnach
verschiebt sich der Fokus vieler Angreifer: Statt technisch besonders
ausgefeilter Schadsoftware dominieren kostengünstige, modular aufgebaute
Kampagnen, die sich schnell anpassen und skalieren lassen.
Ein häufig beobachtetes Muster ist laut HP der Einsatz modularer
Angriffskomponenten. Angreifer kombinieren einzelne Skripte, Loader und
Malware-Payloads zu vollständigen Infektionsketten. Diese Bausteine werden
häufig über Untergrundforen gehandelt und lassen sich mit minimalen Änderungen
erneut verwenden. In mehreren Kampagnen nutzten unterschiedliche
Angreifergruppen identische Zwischenschritte innerhalb der Infektionskette,
obwohl sich Köder und finale Malware unterschieden.
Eine typische Angriffskette beginnt mit archivierten Dateien oder Dokumenten,
die scheinbar legitime Inhalte enthalten. Dahinter verbirgt sich jedoch ein
stark verschleiertes Skript, das eine PowerShell-Routine startet. Diese lädt
anschließend ein Bild von externen Plattformen wie archive.org herunter, in dem
Schadcode versteckt ist. Erst nach dem Entschlüsseln dieses Codes wird ein
.NET-Loader ausgeführt, der schließlich die eigentliche Malware installiert.
Als finale Payloads identifizierten die Forscher unter anderem die Infostealer
DarkCloud, AsyncRAT, Formbook und XWorm. Diese Programme können Zugangsdaten aus
Browsern auslesen, Systeminformationen sammeln und den Angreifern Fernzugriff
auf kompromittierte Geräte verschaffen.
KI HILFT BEIM SCHREIBEN DER ANGRIFFSSKRIPTE
In mehreren Fällen fanden die Forscher Hinweise darauf, dass Teile der
Malware-Skripte mithilfe von KI-Tools erstellt wurden. Auffällig seien etwa
ungewöhnlich ausführliche Kommentare und klar strukturierte Code-Vorlagen, die
Angreifern zeigen, an welchen Stellen Parameter oder Payload-URLs angepasst
werden müssen. Dieses Muster erinnert an automatisierte Programmierhilfen und
ermöglicht es auch weniger erfahrenen Angreifern, Malware-Ketten schnell
zusammenzustellen.
Neben diesen sogenannten „Vibe-Hacking“-Skripten beobachteten die Forscher auch
Kampagnen mit manipulierten Software-Downloads. In einem Fall imitierten
Angreifer eine Microsoft-Teams-Downloadseite und verbreiteten ein
Installationspaket, das sowohl den legitimen Teams-Installer als auch
zusätzliche Programme enthielt. Über eine Technik namens DLL-Sideloading wurde
dabei eine manipulierte Bibliothek geladen, die die Backdoor-Malware
OysterLoader installierte. Diese dient häufig als Einstiegspunkt für weitere
Schadsoftware, etwa Ransomware.
Der Report basiert auf von Millionen Endgeräten mit aktivierter
HP-Wolf-Security-Isolationstechnologie. Die Analyse zeigt, dass klassische
Verbreitungswege weiterhin dominieren: E-Mails waren in Q4 2025 mit 58 Prozent
der häufigste Angriffsvektor, gefolgt von Web-Downloads mit 23 Prozent.
Mindestens 14 Prozent der per E-Mail zugestellten Bedrohungen konnten zudem
einen oder mehrere Gateway-Scanner umgehen.
Die Ergebnisse deuten darauf hin, dass KI derzeit vor allem als Beschleuniger
für bestehende Angriffsmethoden eingesetzt wird. Anstatt komplexere Malware zu
entwickeln, automatisieren Angreifer bekannte Infektionsketten und erhöhen so
Tempo und Reichweite ihrer Kampagnen.
(ID:50773163)
ZUR MASSENWARE
10.03.2026 Von Berk Kutsal 2 min Lesedauer
Anbieter zum Thema
Angreifer nutzen Künstliche Intelligenz (KI) zunehmend als
Automatisierungswerkzeug. Laut aktuellem Threat Insights Report von HP Wolf
Security entstehen Malware-Kampagnen immer häufiger aus modularen Bausteinen,
die sich schnell kombinieren und anpassen lassen. Qualität spielt dabei eine
untergeordnete Rolle. Entscheidend seien Geschwindigkeit und Skalierbarkeit.
Cyberkriminelle setzen verstärkt ein, um Angriffe schneller zu erstellen und zu
verbreiten. Das zeigt der aktuelle für das vierte Quartal 2025. Demnach
verschiebt sich der Fokus vieler Angreifer: Statt technisch besonders
ausgefeilter Schadsoftware dominieren kostengünstige, modular aufgebaute
Kampagnen, die sich schnell anpassen und skalieren lassen.
Ein häufig beobachtetes Muster ist laut HP der Einsatz modularer
Angriffskomponenten. Angreifer kombinieren einzelne Skripte, Loader und
Malware-Payloads zu vollständigen Infektionsketten. Diese Bausteine werden
häufig über Untergrundforen gehandelt und lassen sich mit minimalen Änderungen
erneut verwenden. In mehreren Kampagnen nutzten unterschiedliche
Angreifergruppen identische Zwischenschritte innerhalb der Infektionskette,
obwohl sich Köder und finale Malware unterschieden.
Eine typische Angriffskette beginnt mit archivierten Dateien oder Dokumenten,
die scheinbar legitime Inhalte enthalten. Dahinter verbirgt sich jedoch ein
stark verschleiertes Skript, das eine PowerShell-Routine startet. Diese lädt
anschließend ein Bild von externen Plattformen wie archive.org herunter, in dem
Schadcode versteckt ist. Erst nach dem Entschlüsseln dieses Codes wird ein
.NET-Loader ausgeführt, der schließlich die eigentliche Malware installiert.
Als finale Payloads identifizierten die Forscher unter anderem die Infostealer
DarkCloud, AsyncRAT, Formbook und XWorm. Diese Programme können Zugangsdaten aus
Browsern auslesen, Systeminformationen sammeln und den Angreifern Fernzugriff
auf kompromittierte Geräte verschaffen.
KI HILFT BEIM SCHREIBEN DER ANGRIFFSSKRIPTE
In mehreren Fällen fanden die Forscher Hinweise darauf, dass Teile der
Malware-Skripte mithilfe von KI-Tools erstellt wurden. Auffällig seien etwa
ungewöhnlich ausführliche Kommentare und klar strukturierte Code-Vorlagen, die
Angreifern zeigen, an welchen Stellen Parameter oder Payload-URLs angepasst
werden müssen. Dieses Muster erinnert an automatisierte Programmierhilfen und
ermöglicht es auch weniger erfahrenen Angreifern, Malware-Ketten schnell
zusammenzustellen.
Neben diesen sogenannten „Vibe-Hacking“-Skripten beobachteten die Forscher auch
Kampagnen mit manipulierten Software-Downloads. In einem Fall imitierten
Angreifer eine Microsoft-Teams-Downloadseite und verbreiteten ein
Installationspaket, das sowohl den legitimen Teams-Installer als auch
zusätzliche Programme enthielt. Über eine Technik namens DLL-Sideloading wurde
dabei eine manipulierte Bibliothek geladen, die die Backdoor-Malware
OysterLoader installierte. Diese dient häufig als Einstiegspunkt für weitere
Schadsoftware, etwa Ransomware.
Der Report basiert auf von Millionen Endgeräten mit aktivierter
HP-Wolf-Security-Isolationstechnologie. Die Analyse zeigt, dass klassische
Verbreitungswege weiterhin dominieren: E-Mails waren in Q4 2025 mit 58 Prozent
der häufigste Angriffsvektor, gefolgt von Web-Downloads mit 23 Prozent.
Mindestens 14 Prozent der per E-Mail zugestellten Bedrohungen konnten zudem
einen oder mehrere Gateway-Scanner umgehen.
Die Ergebnisse deuten darauf hin, dass KI derzeit vor allem als Beschleuniger
für bestehende Angriffsmethoden eingesetzt wird. Anstatt komplexere Malware zu
entwickeln, automatisieren Angreifer bekannte Infektionsketten und erhöhen so
Tempo und Reichweite ihrer Kampagnen.
(ID:50773163)
Quelle: www.it-boltwise.de
SAN JOSE / LONDON (IT BOLTWISE) – bereitet sich darauf vor, eine
Open-Source-Plattform für KI-Agenten zu starten, die Unternehmen die Möglichkeit
bietet, autonome Aufgaben durchzuführen. Diese Initiative zielt darauf ab, die
Nutzung von KI in Unternehmensumgebungen zu revolutionieren und gleichzeitig
Sicherheits- und aspekte zu berücksichtigen.
˗ˋˏ$ˎˊ˗
--------------------------------------------------------------------------------
* präsentiert von !
* Unsere täglichen KI-News von IT Boltwise® bei abonnieren!
* KI-Meldungen bequem via oder per erhalten!
* IT Boltwise® bei oder als Fan markieren und abonnieren!
* AI Morning Podcast bei / / verfolgen!
* von IT Boltwise® für KI-News speichern!
--------------------------------------------------------------------------------
, bekannt für seine führende Rolle im Bereich der Grafikprozessoren, plant die
Einführung einer Open-Source-Plattform namens NemoClaw, die speziell für
KI-Agenten entwickelt wurde. Diese Plattform soll es Unternehmen ermöglichen,
KI-Agenten zur Automatisierung von Aufgaben innerhalb ihrer Belegschaft
einzusetzen. Interessanterweise wird die Plattform unabhängig von der Hardware
von nutzbar sein, was eine breite Akzeptanz fördern könnte.
Die Ankündigung erfolgt im Vorfeld der jährlichen Entwicklerkonferenz von in San
Jose, wo das Unternehmen seine neuesten Innovationen präsentiert. hat bereits
Gespräche mit großen Unternehmen wie Salesforce, Cisco, , Adobe und CrowdStrike
geführt, um mögliche Partnerschaften für die neue Plattform zu erkunden. Obwohl
noch keine offiziellen Partnerschaften bekannt gegeben wurden, könnte die
Open-Source-Natur der Plattform dazu führen, dass Partner frühzeitig Zugang
erhalten, um zur Weiterentwicklung beizutragen.
STELLENANGEBOTE
Die Einführung von NemoClaw ist Teil von s Strategie, seine Dominanz im Bereich
der KI-Infrastruktur zu festigen, insbesondere in einer Zeit, in der führende
KI-Labore eigene spezialisierte Chips entwickeln. Die Plattform wird mit
Sicherheits- und tools ausgestattet sein, um den Einsatz von KI-Agenten in
Unternehmensumgebungen sicherer zu gestalten. Dies ist besonders wichtig, da der
Einsatz solcher Agenten in der Vergangenheit aufgrund von Sicherheitsbedenken
und unvorhersehbarem Verhalten umstritten war.
Mit der Einführung von NemoClaw könnte nicht nur seine Marktposition stärken,
sondern auch neue Maßstäbe für die Integration von KI-Agenten in
Unternehmensprozesse setzen. Die Plattform könnte Unternehmen helfen,
effizienter zu arbeiten und gleichzeitig die Risiken zu minimieren, die mit dem
Einsatz von KI-Technologien verbunden sind. Dies könnte einen bedeutenden
Einfluss auf die Art und Weise haben, wie Unternehmen KI in ihren täglichen
Betrieb integrieren.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und
Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen
Emotionen, Bewegungen und interaktiven Funktionen.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 8 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------
Open-Source-Plattform für KI-Agenten zu starten, die Unternehmen die Möglichkeit
bietet, autonome Aufgaben durchzuführen. Diese Initiative zielt darauf ab, die
Nutzung von KI in Unternehmensumgebungen zu revolutionieren und gleichzeitig
Sicherheits- und aspekte zu berücksichtigen.
˗ˋˏ$ˎˊ˗
--------------------------------------------------------------------------------
* präsentiert von !
* Unsere täglichen KI-News von IT Boltwise® bei abonnieren!
* KI-Meldungen bequem via oder per erhalten!
* IT Boltwise® bei oder als Fan markieren und abonnieren!
* AI Morning Podcast bei / / verfolgen!
* von IT Boltwise® für KI-News speichern!
--------------------------------------------------------------------------------
, bekannt für seine führende Rolle im Bereich der Grafikprozessoren, plant die
Einführung einer Open-Source-Plattform namens NemoClaw, die speziell für
KI-Agenten entwickelt wurde. Diese Plattform soll es Unternehmen ermöglichen,
KI-Agenten zur Automatisierung von Aufgaben innerhalb ihrer Belegschaft
einzusetzen. Interessanterweise wird die Plattform unabhängig von der Hardware
von nutzbar sein, was eine breite Akzeptanz fördern könnte.
Die Ankündigung erfolgt im Vorfeld der jährlichen Entwicklerkonferenz von in San
Jose, wo das Unternehmen seine neuesten Innovationen präsentiert. hat bereits
Gespräche mit großen Unternehmen wie Salesforce, Cisco, , Adobe und CrowdStrike
geführt, um mögliche Partnerschaften für die neue Plattform zu erkunden. Obwohl
noch keine offiziellen Partnerschaften bekannt gegeben wurden, könnte die
Open-Source-Natur der Plattform dazu führen, dass Partner frühzeitig Zugang
erhalten, um zur Weiterentwicklung beizutragen.
STELLENANGEBOTE
Die Einführung von NemoClaw ist Teil von s Strategie, seine Dominanz im Bereich
der KI-Infrastruktur zu festigen, insbesondere in einer Zeit, in der führende
KI-Labore eigene spezialisierte Chips entwickeln. Die Plattform wird mit
Sicherheits- und tools ausgestattet sein, um den Einsatz von KI-Agenten in
Unternehmensumgebungen sicherer zu gestalten. Dies ist besonders wichtig, da der
Einsatz solcher Agenten in der Vergangenheit aufgrund von Sicherheitsbedenken
und unvorhersehbarem Verhalten umstritten war.
Mit der Einführung von NemoClaw könnte nicht nur seine Marktposition stärken,
sondern auch neue Maßstäbe für die Integration von KI-Agenten in
Unternehmensprozesse setzen. Die Plattform könnte Unternehmen helfen,
effizienter zu arbeiten und gleichzeitig die Risiken zu minimieren, die mit dem
Einsatz von KI-Technologien verbunden sind. Dies könnte einen bedeutenden
Einfluss auf die Art und Weise haben, wie Unternehmen KI in ihren täglichen
Betrieb integrieren.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und
Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen
Emotionen, Bewegungen und interaktiven Funktionen.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 8 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------
Di., 10. März 2026 17:48