Künstliche Intelligenz im Unternehmen Entdecke, was mit KI möglich ist.
Verschaff dir Orientierung: welche KI-Themen es gibt, was sie für dein Unternehmen bedeuten und wo dein Einstieg liegt, von ChatGPT und Copilot bis zur eigenen KI-Lösung. Konkrete Kurse und Termine findest du im Katalog.
Bitte Suchbegriff eingeben.
Seit 1997
4,9/5 Bewertung
490+ KI-Kurse
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Über 20.000 Unternehmen und Behörden vertrauen auf uns
01 Themenwelten
Wähle deinen Einstieg
Jede Themenwelt bündelt für dich die passenden Inhalte, die richtigen Kurse und die nächsten Schritte. Such dir aus, was gerade für dich oder dein Team ansteht.
01
KI-Einstieg
KI-Grundlagen für Einsteiger und Teams: erst verstehen, was KI kann, dann die Werkzeuge wählen.
Zu KI-Einstieg 02Produktiver arbeiten
Im Büroalltag schneller mit ChatGPT, Copilot und Gemini. Routine in Minuten statt Stunden.
Zu Produktiver arbeiten 03KI-Strategie
KI strategisch einführen: Roadmap, ROI und Change. Mit Plan statt planlos ausprobieren.
Zu KI-Strategie 04Prozesse automatisieren
Workflows und wiederkehrende Aufgaben automatisieren. Mit KI-Agenten, n8n und Co.
Zu Prozesse automatisieren 05Daten nutzen
Daten analysieren, recherchieren und datenbasiert entscheiden. Auswertung ohne Data-Science-Team.
Zu Daten nutzen 06Design & Content
Texte, Bilder, Video und Content mit KI erstellen. Kreative Werkzeuge für Marketing und Kommunikation.
Zu Design & Content 07Marketing & Social Media
Content, Kampagnen, SEO/SEA und Social Media mit KI als Verstärker.
Zu Marketing & Social Media 08Sicher & rechtskonform
KI rechtssicher einsetzen: EU AI Act, DSGVO und Governance. Was jetzt geregelt werden muss.
Zu Sicher & rechtskonform 09KI-Lösungen entwickeln
Coding-Assistenten, Cloud-KI und eigene KI-Lösungen. APIs, RAG und LLMs für Devs und Admins.
Zu KI-Lösungen entwickeln 10KI für Führungskräfte
Was Entscheider verstehen und entscheiden müssen, und wie du dein Team durch die Einführung führst.
Zu KI für Führungskräfte 11KI im Vertrieb
Von der Lead-Recherche über personalisierte Ansprache bis zum Forecasting: mehr Abschlüsse mit KI.
Zu KI im Vertrieb 12KI-Agenten
Agentic AI: Was KI-Agenten können, wo sie helfen und wo sie an Grenzen stoßen.
Zu KI-Agenten 02 Nach Tool
Lieber direkt über dein Modell oder Tool?
Du weißt schon, welches Werkzeug du nutzt? Hier geht es direkt zu Einordnung, Praxis und den passenden Kursen je Tool.
ChatGPT Der Allrounder für Texte, Analyse und Ideen. 
Microsoft 365 Copilot KI direkt in Word, Excel, Outlook und Teams. 
Google Gemini Nativ in Google Workspace, großes Kontextfenster. 
Claude Stark bei Reasoning, langen Dokumenten und Code. 
Perplexity KI-Recherche mit Quellenangaben statt Raten. 
Open Source & Self-Hosted Llama, Mistral und Co. on-prem, volle Datensouveränität. 03 Einordnung
Schulung, Beratung,
Umsetzung. Aus einer Hand.
Unser KI-Angebot ist mehr als ein Kurskatalog. Es verbindet drei Dinge, die sonst getrennt laufen: Wir schulen dein Team, beraten dich bei der Einführung und setzen Lösungen um. So wird aus einem Werkzeug ein verlässlicher Prozess.
Die meisten Unternehmen kaufen Lizenzen und hoffen, dass sich daraus schon etwas ergibt. Wir gehen den anderen Weg: erst Kompetenz, dann Werkzeug, dann Prozess. Du startest dort, wo du gerade stehst, und wir begleiten dich Schritt für Schritt. Herstellerunabhängig, anwendungsorientiert und mit Inhalten auf dem aktuellen Stand.
490+
KI-Kurse
Das umfangreichste KI-Schulungsportfolio im deutschsprachigen Raum, in zehn Themenfeldern.
12
Themenwelten
Von Einstieg über Strategie und Automatisierung bis zur Entwicklung eigener KI-Lösungen.
3
Leistungen, ein Center
Schulung, Beratung und Umsetzung greifen ineinander, abgestimmt auf deinen Reifegrad.
Seit 1997
am Markt
Über 25 Jahre Erfahrung in IT-Weiterbildung, jetzt auch rund um KI.
KI ist kein Projekt für irgendwann.
Sie ist ein Weg,
den du heute gehst.
Such dir oben deine Themenwelt, starte mit einem Kurs und baue von dort aus weiter. Schritt für Schritt, im Tempo deines Teams.
04 Themenfelder
Zehn Themenfelder,
über 490 Kurse.
Die Themenwelten oben führen dich über deinen Anwendungsfall. Hier gehst du direkt über den Kurskatalog: Spring ins passende Themenfeld und sieh alle Kurse und Termine darin.
KI fürs Büro & Prompting
Einsteiger, KI-Tools im Arbeitsalltag und Prompt Engineering.
Strategie & Management
KI einführen, Governance, ROI und Führungskräfte.
KI für Fachbereiche
Vertrieb, HR, Finance, Projektmanagement und mehr.
KI Cloud Services
Azure KI, AWS, Google Cloud und OpenAI-Integration.
Marketing & Social Media
KI im Marketing, Social Media, Automatisierung und SEO/SEA.
Big Data & Data Science
Datenanalyse, Machine Learning und Predictive Analytics.
Entwickler & Administratoren
KI-Entwicklung, Chatbots, LLM-Engineering und MLOps.
Automatisierung & KI-Agenten
Prozessautomatisierung, KI-Agenten und Multi-Agent-Systeme.
Cyber Security mit KI
Security Automation, Detection Engineering und KI-Sicherheit.
KI für Design & CAD
Grafik- und Mediendesign, CAD, Produktdesign und Rendering.
Mehr als Schulung
Wenn KI nicht nur Tool, sondern Prozess werden soll.
Je nachdem, wo du stehst: erst in einem kostenlosen Webinar reinschnuppern, dann gemeinsam die Strategie klären und am Ende echte KI-Lösungen umsetzen. Wir begleiten jeden Schritt.
Kostenlos
KI-Webinare
Der einfachste erste Schritt: In kompakten Live-Online-Sessions zeigen dir unsere Fachleute aktuelle KI-Themen, ganz ohne Kosten und mit Raum für deine Fragen.
- Live-Online & kostenlos
- Unter einer Stunde
- Direkt Fragen stellen
KI-Beratung
Strategie und Roadmap, gedacht aus der Umsetzung. Wir wählen mit dir die richtigen Tools für deine Prozesse, setzen Leitlinien und machen KI vom Einzeltool zum Teamstandard, ohne 80-Seiten-Strategiepapier.
- Tool- & Use-Case-Auswahl
- Datenschutz & Leitlinien
- Roadmap mit Prioritäten
KI-Projektumsetzung
Kein eigenes Entwicklerteam? Wir bauen produktive KI-Lösungen, die dein Team danach selbst übernimmt: vom automatisierten Angebotsentwurf bis zum maßgeschneiderten Assistenten für eure Abläufe. Der Code gehört dir.
- Maßgeschneiderte Assistenten
- Automatisierte Workflows
- Code & Wissen bleiben bei dir
05 Nächste Termine
Ein Querschnitt aus
allen KI-Themenfeldern
Die nächsten freien Termine aus dem gesamten KI-Portfolio. Alle Kurse auch als Inhouse-Training buchbar.
4,9/5 Teilnehmerbewertung Seit 1997 am Markt 490+ KI-Kurse Auch als Inhouse-Training
Garantie
23.09.2026
München
Copilot für Excel Training: Willkommen an Bord (More 02)
1 Tag
Kursdetails
Garantie
23.09.2026
Frankfurt am Main
ISO / IEC 42001 Foundation Schulung und Zertifizierung
2 Tage
Kursdetails
Garantie
29.09.2026
München
KI bei der Führungsarbeit: Einsatz von ChatGPT und anderen Tools
2 Tage
Kursdetails
Garantie
30.09.2026
München
Open-Source LLM Fine-Tuning für Entwickler
3 Tage
Kursdetails
Garantie
30.09.2026
München
KI-Videogenerierung Workshop: Clips, die verkaufen
2 Tage
Kursdetails
Garantie
01.10.2026
München
AI-900 Training: Microsoft Azure AI Fundamentals (AI-900T00-A)
1 Tag
Kursdetails
Garantie
05.10.2026
München
KI für CAD: Von Prompt zu Bauteil
2 Tage
Kursdetails
Garantie
05.10.2026
München
KI-Sicherheit in der Cloud Grundkurs
2 Tage
Kursdetails
KI-Integration: Der Leitfaden für Unternehmen
32 Seiten mit Fahrplänen, Kostenrechnungen, Tool-Empfehlungen und Schulungskonzepten, dein roter Faden in die KI-Einführung.
06 Aus der Praxis
Die Fragen, die beim Einführen wirklich aufkommen.
Jede dieser Seiten nimmt sich genau eine Frage vor. Keine Definitionen, die stehen im Glossar, sondern Entscheidungen, Stolperfallen und Abläufe aus dem Betrieb.
Wenn es hakt
- Halluzinationen reduzieren: woher falsche Antworten kommen Ein Sprachmodell sagt das nächste Wort vorher, es schlägt nichts nach. Fehlt ihm eine Information, erzeugt es trotzdem einen flüssigen Satz, und der klingt genauso sicher wie eine richtige Antwort. Deshalb helfen keine Appelle an das Modell, sondern nur Quellenanbindung, feste Prüfschritte und die Regel, dass niemand eine ungeprüfte Ausgabe nach außen gibt.
- Model Drift: wenn ein Modell unbemerkt schlechter wird Ein Modell lernt einmal und bleibt dann stehen, während sich Kundschaft, Sortiment, Preise und Abläufe weiterbewegen. Datendrift heißt, die Eingaben sehen anders aus als im Training. Konzeptdrift heißt, der Zusammenhang zwischen Eingabe und richtiger Antwort hat sich geändert. Beides senkt die Trefferquote, ohne dass irgendetwas abstürzt, und fällt deshalb meist zuerst der Fachabteilung auf, nicht der Überwachung.
- LLM-Kosten senken: wo die Rechnung wirklich entsteht Die Rechnung entsteht fast immer an drei Stellen: zu viele Token pro Aufruf, zu viele Aufrufe und ein zu großes Modell für die Aufgabe. Die wirksamsten Hebel sind deshalb kürzere Kontexte, ein Zwischenspeicher für wiederkehrende Anfragen und eine Aufteilung, bei der einfache Aufgaben an kleinere Modelle gehen. Vorher brauchst du Zahlen je Anwendungsfall, sonst optimierst du an der Stelle, die am lautesten diskutiert wird.
- Vendor Lock-in bei KI: wo die Bindung wirklich entsteht Die Bindung an einen KI-Anbieter entsteht selten dort, wo man sie vermutet. Der Vertrag ist meist kündbar, teuer wird der Ausstieg an den Stellen, in denen Arbeit steckt: Anweisungen, die über Monate auf ein Modell hin geschliffen wurden, Anwendungen, die direkt gegen ein herstellereigenes Entwicklungspaket sprechen, Einbettungen in einer verwalteten Vektordatenbank und feinabgestimmte Modelle, die nur dort laufen. Wechselfähig bleibt, wer diese vier Punkte früh entkoppelt.
- Wenn die KI veraltete Informationen als aktuell ausgibt Ein Sprachmodell hat einen festen Wissensstichtag: Nach dem Ende der Trainingsdaten weiß es nichts Neues, und es merkt das nicht. Statt zu schweigen, gibt es die letzte ihm bekannte Fassung wieder, also nennt es abgelöste Versionen, alte Preise und überholte Rechtsstände in demselben sicheren Ton wie alles andere. Aktuell wird eine Antwort erst, wenn du die aktuellen Informationen mitlieferst, über Websuche, angebundene eigene Dokumente oder die Anfrage selbst.
- Shadow AI: die KI-Nutzung, die niemand freigegeben hat Shadow AI heißt: Beschäftigte erledigen ihre Arbeit mit KI-Werkzeugen, die niemand freigegeben hat, meist über private Zugänge und fast nie in böser Absicht. Der Auslöser ist eine Lücke zwischen dem, was jemand heute braucht, und dem, was eine Freigabe in einigen Wochen liefern soll. Ein Verbot schließt diese Lücke nicht, es verschiebt die Nutzung auf Geräte, die ihr nicht seht.
- Bias im KI-gestützten Bewerbungsprozess erkennen Bias im Bewerbungsprozess entsteht selten im Modell selbst, sondern in dem, was vorher hineingeht: in historischen Einstellungsentscheidungen, in der Sprache der Stellenanzeige und in Kriterien, die mit der eigentlichen Aufgabe wenig zu tun haben. Ein System, das auf den Besetzungen der letzten Jahre trainiert wurde, setzt die Muster dieser Jahre fort, auch die unerwünschten. Entschärfen lässt sich das über vorab festgelegte Kompetenzkriterien, regelmäßige Stichproben auf die Durchlassquoten und eine Ablehnung, die immer an ein benanntes Kriterium gebunden ist.
- Datenqualität für KI: warum gute Modelle daran scheitern Die meisten KI-Vorhaben scheitern nicht am Modell, sondern an Daten, die für einen anderen Zweck erfasst wurden und diesen Zweck auch erfüllen. Ein Feld, das im Tagesgeschäft niemanden stört, weil jeder weiß, wie es gemeint ist, wird zum Problem, sobald ein Modell es wörtlich nimmt. Belastbar werden die Grundlagen durch drei Dinge: verbindliche Zusagen je Datenquelle, automatische Prüfregeln in der Ladestrecke und eine benannte Person je Datenobjekt.
- Wenn Copilot plötzlich zu viele Dateien findet Microsoft 365 Copilot vergibt keine neuen Rechte, es nutzt die vorhandenen. Genau das ist das Problem: Was jemand theoretisch öffnen dürfte, aber nie gefunden hätte, liegt jetzt eine Frage entfernt. Vor den Rollout gehören deshalb eine Bestandsaufnahme der offenen Freigaben, das Aufräumen der breitesten Fälle und eine Vertraulichkeitskennzeichnung für das, was wirklich vertraulich ist.
- Vier Muster, an denen KI-Projekte regelmäßig scheitern KI-Vorhaben scheitern selten an der Technik. Sie scheitern daran, dass niemand einen konkreten Vorgang benannt hat, dass der Zugriff auf die Daten erst nach dem Start geklärt wird, dass kein Mensch namentlich für das Ergebnis geradesteht und dass das Pilotprojekt keinen vorgesehenen Weg in den Regelbetrieb hat. Alle vier Muster zeigen sich schon in den ersten Wochen, wenn man weiß, worauf zu achten ist.
- Personenbezogene Daten aus KI-Systemen löschen Ein Löschverlangen trifft bei KI-Systemen auf vier getrennte Ablagen, und nur bei dreien lässt sich gezielt löschen. Chatverläufe, Protokolle und Suchindizes kannst du durchsuchen und bereinigen, aus den Gewichten eines trainierten Modells lassen sich einzelne Angaben dagegen nicht herausnehmen. Ob eine Anfrage überhaupt erfüllbar ist, entscheidet sich deshalb lange vorher, nämlich dort, wo festgelegt wird, welche Daten in welche Ablage gelangen dürfen.
- KI-Texte erkennen: was Detektoren wirklich messen Detektoren messen, wie erwartbar ein Text formuliert ist, und rechnen daraus einen Wahrscheinlichkeitswert. Das ist kein Nachweis der Herkunft, sondern eine Schätzung: Bei formelhafter Fachsprache und bei Texten von Menschen mit anderer Erstsprache fällt sie zu hoch aus, nach einer Überarbeitungsrunde zu niedrig. Im Betrieb trägt deshalb nicht der Prüfwert, sondern die inhaltliche Kontrolle: ob Quellen, Zahlen und Details stimmen.
- KI-Notetaker und Datenschutz: welche Daten dabei entstehen Ein Notizassistent erzeugt aus einer Besprechung mehrere Datenbestände auf einmal: die Aufzeichnung, ein Transkript mit Sprecherzuordnung, eine Zusammenfassung mit Aufgaben und meist einen durchsuchbaren Index darüber. Jeder Bestand hat einen eigenen Speicherort, eigene Berechtigungen und eine eigene Aufbewahrung. Wer nur die Aufzeichnung löscht, hat den größten Teil noch nicht angefasst.
- Welche Berufe sich durch KI verändern und wie genau Verändert wird selten der Beruf als Ganzes, sondern seine Zusammensetzung aus einzelnen Tätigkeiten. Am stärksten betroffen sind Anteile, die sich klar beschreiben lassen und auf Text, Zahlen oder Code beruhen: Entwürfe, Zusammenfassungen, Standardauskünfte, Vorsortierung. Was in denselben Berufen dazukommt, ist die Verantwortung für Ergebnisse, die eine Maschine vorbereitet hat.
- Nimmt die KI mir den Job, oder nur einzelne Aufgaben? Die ehrliche Antwort lautet: Dein Arbeitsplatz als Ganzes steht selten zur Debatte, einzelne Tätigkeiten daraus schon. Übernommen wird, was sich beschreiben lässt und ohne Kenntnis deines Betriebs auskommt, also Entwürfe, Zusammenfassungen und Standardauskünfte. Was bleibt, ist die Verantwortung für das Ergebnis, und genau daran hängt dein Spielraum.
- Widerstand gegen KI im Team: was wirklich dahintersteckt Widerstand gegen KI ist selten Technikfeindlichkeit. Dahinter stecken meist vier Dinge: die Sorge um den eigenen Arbeitsplatz, eine schlechte erste Erfahrung, fehlende Zeit für die Einarbeitung und unklare Regeln darüber, was überhaupt erlaubt ist. Jeder dieser Gründe verlangt eine andere Antwort, und eine Motivationsrede hilft bei keinem davon.
- Bewerber nutzen KI: was die Auswahl jetzt noch trennt Wenn Unterlagen und Gesprächsantworten mit KI entstehen, verlieren genau die Signale an Wert, auf die klassische Auswahlverfahren gesetzt haben: Formulierung, Struktur und erkennbare Vorbereitung. Aussagekräftig bleibt, was sich nicht vorproduzieren lässt, also Arbeit an einer echten Aufgabe, Rückfragen in die Tiefe und nachprüfbare Angaben. Erkennungssoftware löst das Problem nicht, sie verwandelt es nur in einen Verdacht, den niemand belegen kann.
- Deepfake-Anruf vom Chef: woran du ihn erkennst Ein gefälschter Anruf lebt nicht von der perfekten Stimme, sondern von der Lage, die er herstellt. Wer dich unter Zeitdruck setzt, Verschwiegenheit verlangt und dich am üblichen Freigabeweg vorbeiführt, hat den Betrug bereits aufgebaut, ganz gleich wie vertraut es klingt. Die verlässlichste Prüfung ist deshalb nicht das Hinhören, sondern der Rückruf auf der Nummer, die im Verzeichnis steht.
- KI-Browser im Unternehmen: das Risiko vor der Freigabe Ein KI-Browser surft nicht nur, er handelt. Er liest Seiten, klickt, füllt Formulare aus und tut das in deiner angemeldeten Sitzung, mit allen Rechten, die du gerade hast. Damit trifft ein Sprachmodell auf fremde Inhalte, und fremde Inhalte können Anweisungen enthalten, die es als Auftrag versteht. Bis dieser Unterschied sauber gezogen ist, bleibt ein abgetrennter Zugang die verlässlichere Zwischenlösung.
- KI-Phishing erkennen, wenn die Mail fehlerfrei klingt Sprachliche Fehler waren nie das eigentliche Merkmal, sie waren nur das bequemste. Seit Angreifer ihre Texte erzeugen lassen, fallen sie weg, und übrig bleibt die Frage, die immer schon zählte: Passt der Absender zum Anlass, und passt der Anlass zu dem, was von dir verlangt wird? Diese Prüfung funktioniert unabhängig davon, wie gut der Text geschrieben ist.
- Firmendaten sind in ChatGPT gelandet: was jetzt zählt Das Wichtigste zuerst: Löschen macht die Eingabe nicht ungeschehen, aber die meisten Fälle sind auch kein meldepflichtiger Vorfall. Entscheidend ist, was genau eingegeben wurde, in welchem Konto das geschah und ob personenbezogene Daten dabei waren. Diese drei Fragen beantwortest du zuerst, alles Weitere ergibt sich daraus.
- AI Overviews: warum trotz Platz eins die Klicks fehlen Wenn die Suchergebnisseite eine Frage bereits beantwortet, klicken weniger Menschen weiter, auch bei unveränderter Position. Betroffen sind vor allem kurze Wissensfragen; Anfragen, bei denen jemand kaufen, buchen, vergleichen oder ein Werkzeug benutzen will, verlieren deutlich weniger. Die alten Besucherzahlen kommen für den ersten Teil nicht zurück, aber die verbleibenden Besuche haben eine andere Qualität, und genau die musst du jetzt messen.
- Vibe Coding: was aus dem schnellen Prototyp im Team wird Der Prototyp entsteht an einem Nachmittag, und genau dort fällt die Entscheidung: wegwerfen oder in Betrieb nehmen. Wird er übernommen, tauchen die Kosten später auf, meist als fehlende Berechtigungsprüfungen, Zugangsdaten im Quelltext und Abhängigkeiten, die niemand geprüft hat. Der Ansatz ist deshalb nicht falsch, er braucht nur eine klare Grenze zwischen Skizze und Software, die in Betrieb geht.
- Was eine KI-Einführung im Mittelstand kostet Die Lizenz ist meist der kleinste Posten. Teuer werden die Datenarbeit, die Anbindung an bestehende Systeme, die Qualifizierung der Leute, die damit arbeiten sollen, und der laufende Betrieb mit Auswertung, Fehlerfällen und Nacharbeit beim Modellwechsel. Wer Angebote nur über die Lizenzsumme vergleicht, vergleicht den kleinsten Teil der späteren Rechnung.
- CLOUD Act: US-Zugriff auf Daten in KI-Diensten Ein Rechenzentrum in Frankfurt ändert nichts daran, dass ein US-Unternehmen und seine Töchter nach US-Recht zur Herausgabe von Daten verpflichtet werden können, die sie besitzen, verwahren oder kontrollieren. Der CLOUD Act knüpft an das Unternehmen an, nicht an den Ort der Festplatte. Datenschutzkonformität und Vertraulichkeit gegenüber staatlichen Stellen sind deshalb zwei getrennte Fragen, und die zweite beantwortet kein Angemessenheitsbeschluss.
So geht es Schritt für Schritt
- LLM-Antworten evaluieren statt nach Gefühl zu bewerten Evaluation heißt hier: eine feste Sammlung echter Fragen mit abgestimmten Sollantworten, ein automatischer Durchlauf, der Korrektheit, Quellentreue und Form bewertet, und eine kleine Menge Fälle, die Menschen ansehen. Das Ergebnis ist eine Zahl pro Durchlauf, die du vergleichen kannst, wenn sich Prompt, Modell oder Datenbestand ändern. Ohne diese Zahl bleibt jede Änderung eine Behauptung.
- Ein ML-Modell in Produktion bringen: was dazwischen liegt Ein Modell wird produktiv, wenn es reproduzierbar verpackt, versioniert ausgeliefert, überwacht und im Fehlerfall in Minuten zurückgenommen werden kann. Der Sprung vom Notebook zur Schnittstelle ist dabei nicht der schwierige Teil, schwierig ist alles danach: dieselbe Datenaufbereitung wie im Training, klare Versionen, ein erprobter Weg zurück. Wer diese Punkte nicht geklärt hat, betreibt kein Produktivsystem, sondern einen Prototyp mit fester Adresse.
- Rechnungen und Formulare mit KI auswerten lassen Automatische Dokumentenauswertung besteht aus vier Schritten, die man auseinanderhalten muss: Erfassung, Texterkennung, Feldextraktion und fachliche Prüfung vor der Übergabe ins Zielsystem. Den Nutzen bringt nicht das Erkennen einzelner Felder, sondern die Frage, welcher Anteil eines Belegtyps ohne menschliches Zutun durchläuft. Am schnellsten rechnet sich der Einstieg bei Belegarten mit hohem Volumen und gleichförmigem Aufbau, also bei Eingangsrechnungen, Lieferscheinen und Formularen, bei denen ein Zielsystem die Daten sofort weiterverarbeiten kann.
- KI im Kundenservice: was ein Bot abschließt und was nicht Ein Bot schließt zuverlässig die Anliegen ab, für die es eine eindeutige Antwort oder einen klaren Vorgang gibt: Auskunft zum Status einer Bestellung, Terminverschiebung, Adressänderung, Zusendung eines Dokuments. Alles, was Ermessen, Kulanz oder eine Beschwerde enthält, gehört ins Team, und der Übergang dorthin entscheidet über die Wahrnehmung des ganzen Kanals. Voraussetzung ist keine besondere Sprachfähigkeit, sondern eine gepflegte Wissensbasis und ein Zugriff auf die Systeme, in denen die Antwort steht.
- KI-Agenten überwachen: was im Betrieb sichtbar sein muss Ein Agent, den du nicht Schritt für Schritt nachlesen kannst, ist im Betrieb nicht zu verantworten. Was du brauchst, ist ein Protokoll je Werkzeugaufruf, eine Zählung von Verbrauch und Kosten pro Lauf, harte Grenzen für Schritte und Zeit sowie eine menschliche Freigabe vor jeder Aktion, die sich nicht zurücknehmen lässt. Der Rest ist Auswertung: Welche Läufe brechen ab, welche brauchen einen Eingriff, welche liefern still das Falsche.
- KI-generierten Code prüfen: worauf es im Review ankommt Generierter Code ist nicht schlechter als handgeschriebener, er ist anders falsch. Die Fehler sitzen selten in der Logik des Erfolgspfads, sondern bei Abhängigkeiten, die es nicht gibt, bei Fehlerbehandlung, die fehlt, und bei Tests, die genau das prüfen, was der Code ohnehin tut. Wer das weiß, richtet das Review darauf aus und gibt den Rest an Werkzeuge ab.
- Den ROI eines KI-Projekts belastbar berechnen Der ROI eines KI-Vorhabens ist der Nutzen minus die Kosten, geteilt durch die Kosten, bezogen auf einen festgelegten Zeitraum. Die Formel ist unstrittig, die Arbeit steckt in den Posten: Auf der Nutzenseite zählt nur, was sich in Geld oder tatsächlich freigesetzte Kapazität übersetzt, auf der Kostenseite gehören Einführung, laufender Verbrauch, Pflege und Nachkontrolle dazu. Ohne einen gemessenen Ausgangswert vor dem Start bleibt jede Zahl danach eine Behauptung.
- Kennzeichnungspflicht: wann ein KI-Inhalt einen Hinweis braucht Ein Hinweis ist dort verlangt, wo jemand von außen getäuscht werden könnte: im Dialog mit einem System, bei künstlich erzeugten oder veränderten Bild-, Ton- und Videoinhalten, die echt wirken, und bei veröffentlichten Texten zu Angelegenheiten von öffentlichem Interesse. Wer welchen Teil schuldet, hängt an der Rolle: die maschinenlesbare Markierung und der Dialoghinweis am System sind Anbieterpflichten, die Offenlegung von Deepfakes und veröffentlichten Texten schuldet ihr als Betreiber. Sobald ihr einen Chatbot unter eigenem Namen bereitstellt, rutscht ihr für diesen auch in die Anbieterrolle. Interne Entwürfe, Protokolle und Übersetzungen fallen nicht darunter.
- Müssen KI-generierte Bilder gekennzeichnet werden? Ein Hinweis wird nötig, wenn ein erzeugtes oder verändertes Motiv wie eine echte Aufnahme wirkt, also reale Personen, Orte oder Ereignisse so zeigt, dass jemand es für authentisch halten könnte. Ein sichtbar künstliches Titelbild, eine abstrakte Illustration oder eine Farbkorrektur fallen nicht darunter. Die Grenze verläuft nicht am eingesetzten Werkzeug, sondern an der Frage, ob das Bild Wirklichkeit behauptet.
- Welche KI-Kompetenzen dein Team wirklich braucht Ein Team braucht nicht überall dieselbe Tiefe. Alle brauchen die Grundnutzung, ein Teil braucht die fachliche Bewertung von Ergebnissen, und einige wenige brauchen die Verantwortung für Freigabe, Datenschutz und die Auswahl der Anwendungsfälle. Wer diese drei Stufen auf Rollen verteilt, kommt mit deutlich weniger Schulungstagen aus als bei einer Einheitsveranstaltung für alle. Nebenbei erfüllt ihr damit auch Artikel 4 der KI-Verordnung, der seit dem 2. Februar 2025 Maßnahmen zur KI-Kompetenz verlangt, und zwar für die Belegschaft ebenso wie für Personen, die im Auftrag des Unternehmens mit den Systemen arbeiten.
- Voice Cloning: Abläufe, die den Zahlungsbetrug stoppen Gegen geklonte Stimmen hilft kein besseres Hinhören, sondern ein Ablauf, der die Stimme aus der Entscheidung nimmt. Drei Bausteine reichen dafür: der Rückruf auf der hinterlegten Nummer, ein vorher persönlich vereinbartes Codewort für echte Ausnahmen und die Freigabe durch zwei Personen ab einer festgelegten Summe. Alle drei lassen sich in bestehende Abläufe einhängen, ohne dass Zahlungen dadurch langsamer werden.
- KI im Controlling: wo der Forecast wirklich Zeit spart Der Nutzen entsteht im Controlling selten bei der Prognosezahl selbst, sondern davor und danach: beim Zusammenführen und Prüfen der Daten und beim Erklären der Abweichungen. Das Fortschreiben einer Zeitreihe ist der kleinste Teil der Arbeit, und für viele Planungsrhythmen bleibt das Tabellenblatt dafür völlig ausreichend.
- Was ein Antwortsystem wie ChatGPT als Quelle zitiert Modelle wie ChatGPT oder Perplexity zitieren die Seiten, die ihre Abrufsysteme finden, auswerten und als belegfähig einstufen. Du beeinflusst das über drei Hebel: technische Erreichbarkeit für die Abrufdienste, Passagen, die eine Frage vollständig und überprüfbar beantworten, und Erwähnungen auf Seiten, die diese Systeme ohnehin heranziehen. Eine Platzierung garantiert dir niemand, wohl aber lässt sich die Wahrscheinlichkeit systematisch erhöhen.
- KI-Crawler in der robots.txt blockieren: was wirklich greift In der robots.txt sperrst du nicht „die KI“ aus, sondern einzelne benannte Kennungen, und die haben sehr unterschiedliche Aufgaben. Manche sammeln Material für das Training, andere holen eine Seite in dem Moment, in dem jemand eine Frage stellt, wieder andere sind gar keine Crawler, sondern nur ein Name für eine Nutzungserlaubnis. Wer alles pauschal verbietet, verliert Nennungen in Antworten, ohne das Training sicher zu verhindern.
- KI an das ERP anbinden: vom Beleg bis in die Buchung Der Weg vom Beleg in die Buchung besteht aus vier Teilen: auslesen, gegen Stammdaten prüfen, freigeben und übergeben. Das Auslesen ist der leichteste davon und der einzige, über den viel geredet wird. Die eigentliche Arbeit steckt in den Prüfregeln und in der Frage, mit welchen Rechten und mit welchem Schlüssel das führende System beschrieben wird.
- Barrierefreie Dokumente mit KI vorbereiten Zuverlässig abkürzen lassen sich drei Schritte: erste Entwürfe für Alternativtexte, das Auflösen langer Schachtelsätze und das Aufspüren von Stellen, an denen Überschriften nur fett formatiert statt als Formatvorlage gesetzt sind. Die Entscheidung, ob ein Bild überhaupt beschrieben werden muss und welche Aussage es an dieser Stelle trägt, bleibt beim Menschen. Sie hängt vom Zweck im Text ab und nicht vom Bildinhalt, und genau diesen Zweck sieht das Modell nicht.
- KI-Reifegrad messen: der schwächste Bereich zählt Eine ehrliche Standortbestimmung braucht mehr als eine Stufenzahl. Sie fragt in sechs Bereichen nach Belegen: Wo liegen die Daten und wer darf tatsächlich darauf zugreifen, welche Abläufe sind überhaupt beschrieben, wer kann die Werkzeuge bedienen und Ergebnisse beurteilen, wer entscheidet über Freigaben, wie schnell bekommt jemand einen Zugang, und wer verantwortet die Anwendungsfälle. Der niedrigste dieser Werte bestimmt dein Tempo, nicht der Durchschnitt.
- Eine Prompt-Bibliothek, die das Team auch benutzt Eine gemeinsame Prompt-Sammlung entsteht nicht dadurch, dass alle ihre besten Eingaben in einen Ordner legen. Sie braucht eine feste Struktur je Eintrag, eine zweite Person, die einen neuen Prompt vor der Freigabe mit eigenen Daten nachbaut, und ein sichtbares Datum der letzten Prüfung. Ohne diese drei Dinge sammelt ihr Textbausteine, deren Wirkung nach kurzer Zeit niemand mehr beurteilen kann.
- Erfahrungswissen sichern vor dem Renteneintritt Verloren geht selten das, was im Handbuch steht, sondern das Wissen um Ausnahmen: welcher Kunde eine andere Rechnungsstellung braucht, welche Anlage kalt anders anläuft als warm, welche zugesagte Lieferzeit man besser verdoppelt. KI hilft dabei, dieses Wissen aus Gesprächen und alten Unterlagen herauszuholen, es zu ordnen und durchsuchbar zu machen. Was davon wichtig ist, entscheidet sie nicht, das tun die Person, die geht, und die, die übernimmt.
- Wo KI in der Personalabteilung wirklich entlastet In der Personalabteilung entlastet KI vor allem dort, wo viel Text entsteht und die Fakten bereits vorliegen: Ausschreibungen, Einarbeitungspläne, Standardauskünfte, Zusammenfassungen langer Regelwerke. Sobald ein Ergebnis eine Person bewertet oder eine Auskunft verbindlich klingt, braucht es einen Menschen, der prüft und mit Namen dahintersteht. Und sobald ein System Verhalten oder Leistung erfassen kann, sitzt der Betriebsrat mit am Tisch, bevor es startet.
Regeln und Verantwortung
- KI-Systeme in die richtige Risikoklasse einstufen Die Einstufung läuft in zwei Schritten, und der erste wird oft übersprungen: Klär zuerst, ob ihr für dieses System Anbieter oder Betreiber seid, denn daran hängt, welche Pflichten überhaupt greifen. Erst danach fragst du nach der Risikoklasse, und zwar nicht für KI im Unternehmen, sondern für jede Anwendung einzeln, mit ihrem Zweck, den betroffenen Personen und ihrer Wirkung auf Entscheidungen. Das Ergebnis ist eine schriftlich begründete Einstufung und keine Einschätzung im Kopf.
- KI-Kompetenz nach Artikel 4: was Betriebe leisten müssen Artikel 4 der KI-Verordnung verpflichtet Anbieter und Betreiber, Maßnahmen zu ergreifen, die die KI-Kompetenz ihres Personals und aller Personen fördern, die in ihrem Auftrag mit KI-Systemen arbeiten. Geändert hat das der Digital Omnibus zur KI, die Verordnung (EU) 2026/1744 vom 8. Juli 2026. Seit sie am 27. Juli 2026 in Kraft getreten ist, muss ausdrücklich kein bestimmtes Kompetenzniveau mehr garantiert werden, die Pflicht zu handeln bleibt aber bestehen. Ein Zertifikat, ein vorgeschriebenes Curriculum oder eine Meldung an eine Behörde verlangt der Artikel nicht.
- ISO/IEC 42001: was die Norm vom Betrieb verlangt ISO/IEC 42001 ist die erste Managementsystemnorm für künstliche Intelligenz und beschreibt, wie eine Organisation den Einsatz von KI plant, steuert, überprüft und verbessert. Sie folgt derselben Kapitelstruktur wie ISO/IEC 27001 und ISO 9001, verlangt zusätzlich aber eine Betrachtung der Auswirkungen auf betroffene Personen und Gruppen. Ein Zertifikat belegt ein funktionierendes Managementsystem, es belegt keine Erfüllung der KI-Verordnung.
- Datenschutzfolgenabschätzung für KI-Systeme aufsetzen Eine Datenschutzfolgenabschätzung ist nach Artikel 35 DSGVO immer dann verpflichtend, wenn eine Verarbeitung voraussichtlich ein hohes Risiko für die Rechte und Freiheiten natürlicher Personen mit sich bringt, und der Einsatz neuer Technologien ist dort ausdrücklich als Auslöser genannt. Bei KI-Vorhaben trifft das häufig zu, weil personenbezogene Daten in großem Umfang, in neuer Kombination oder zur Bewertung von Personen verarbeitet werden. Sie ist vor Beginn der Verarbeitung durchzuführen, nicht danach.
- Betriebsvereinbarung zu KI: was wirklich hineingehört Sobald ein KI-Werkzeug objektiv geeignet ist, Verhalten oder Leistung von Beschäftigten zu erfassen, hat der Betriebsrat nach Paragraf 87 Absatz 1 Nummer 6 BetrVG mitzubestimmen, und zwar unabhängig davon, ob das Unternehmen eine Überwachung überhaupt beabsichtigt. Weil nahezu jedes System Eingaben protokolliert und einer Kennung zuordnet, lautet die Antwort in der Praxis fast immer ja. Die Betriebsvereinbarung ist deshalb weniger eine Hürde als der Weg, auf dem der Einsatz zulässig wird.
- Eine KI-Richtlinie, die im Arbeitsalltag auch gelesen wird Eine KI-Richtlinie ist kein Grundsatzpapier, sondern eine Liste von Entscheidungen: welche Werkzeuge freigegeben sind, welche Daten hineindürfen, was vor der Weitergabe geprüft wird und wen man fragt, wenn ein Fall nicht passt. Alles darüber hinaus wird nicht gelesen. Der Umfang, der im Alltag trägt, liegt bei wenigen Seiten mit Beispielen aus der eigenen Arbeit.
- KI-Einsatz dokumentieren: vier Angaben am Ergebnis Nachvollziehbar ist ein KI-gestützter Arbeitsschritt, wenn sich später vier Dinge beantworten lassen: welches Werkzeug beteiligt war, worauf es aufgesetzt hat, wer das Ergebnis geprüft hat und wer es verantwortet. Diese Angaben gehören an das Arbeitsergebnis selbst und nicht in eine zusätzliche Liste. Wie lange sie bleiben, ergibt sich nicht aus dem KI-Einsatz, sondern aus dem Vorgang, an dem sie hängen.
- Digital Omnibus: was sich an der KI-Verordnung ändert Der Digital Omnibus zur KI ist die Verordnung (EU) 2026/1744 vom 8. Juli 2026, in Kraft seit dem 27. Juli 2026. Er ersetzt die KI-Verordnung nicht, sondern ändert sie an vielen Stellen. Zwei dieser Änderungen wirken im Betrieb am stärksten: die verschobenen Geltungsbeginne für Hochrisikosysteme und die entschärfte Formulierung der Pflicht zur KI-Kompetenz. Alles, was seit Februar 2025 und seit dem 2. August 2026 unmittelbar gilt, bleibt davon unberührt.
- KI-Verordnung: welche Pflichten seit August 2026 greifen Seit dem 2. August 2026 ist die KI-Verordnung allgemein anwendbar. Unmittelbar wirken damit vor allem die Transparenzpflichten aus Artikel 50, die an keiner Risikoklasse hängen, und die Zuständigkeit der Marktüberwachung. Die Anforderungen an Hochrisikosysteme greifen dagegen erst später, nach der Übersicht der Kommission ab Dezember 2027 für eigenständige Systeme aus Anhang III und ab August 2028 für KI in bereits regulierten Produkten.
- Deepfakes im Unternehmen: wann die Offenlegung fällig wird Als Deepfake gilt ein erzeugter oder veränderter Bild-, Ton- oder Videoinhalt, der realen Personen, Objekten, Orten oder Ereignissen so ähnelt, dass er fälschlich als echt erscheint. Wer solche Inhalte einsetzt, muss offenlegen, dass sie künstlich sind. Diese Betreiberpflicht aus Artikel 50 Absatz 4 gilt seit dem 2. August 2026 ohne Übergangsfrist. Verwechselt wird sie oft mit der Übergangsregelung bis zum 2. Dezember 2026, die aber nur die maschinenlesbare Markierung durch den Anbieter betrifft und auch nur für Systeme, die vor dem 2. August 2026 auf dem Markt waren.
- Was ein KI-Beauftragter täglich tut und entscheiden darf Der KI-Beauftragte führt das Verzeichnis der eingesetzten Systeme, koordiniert die Einstufungen, hält den Freigabeweg für neue Werkzeuge kurz und ist die Stelle, die Leitung, Betriebsrat, Kundschaft und Aufsicht Auskunft geben kann. Eine Bestellpflicht wie im Datenschutzrecht gibt es dafür nicht. Was die Verordnung sehr wohl verlangt, ist etwas Engeres: Wer ein Hochrisikosystem betreibt, muss die menschliche Aufsicht darüber nach Artikel 26 Absatz 2 namentlich Personen übertragen, die dafür die nötige Kompetenz, Befugnis und Unterstützung haben. Ohne Auskunftsrecht gegenüber den Fachbereichen und ohne direkten Zugang zur Leitung bleibt die Rolle eine Sammelstelle für Papier.
- Wer geradesteht, wenn die KI einen Fehler macht Gegenüber Kundschaft, Behörden und betroffenen Personen haftet das Unternehmen, das die KI eingesetzt hat, nicht der Anbieter des Werkzeugs. Der Anbieter steht für sein Produkt gerade, für die Entscheidung, es in diesem Zusammenhang und für diesen Zweck zu verwenden, stehst du selbst. Und sobald du ein System unter eigenem Namen weitergibst, es wesentlich veränderst oder für einen anderen Zweck einsetzt als vorgesehen, kannst du rechtlich in die Anbieterrolle rutschen.
- Urheberrecht bei KI-Bildern: wem gehört das Motiv? Ein rein von der KI erzeugtes Motiv ist urheberrechtlich nicht geschützt, weil ein Werk eine persönliche geistige Schöpfung eines Menschen voraussetzt. Was du bekommst, ist eine vertragliche Nutzungserlaubnis des Anbieters, und die reicht genau so weit wie seine Bedingungen und dein gebuchter Tarif. Für Kundenprojekte heißt das: Du kannst die Nutzung zusichern, aber keine Ausschließlichkeit, die rechtlich gar nicht entsteht.
- Auftragsverarbeitung bei KI-Tools: der AVV vor der Freigabe Ein KI-Dienst ist nur dann Auftragsverarbeiter, wenn er personenbezogene Daten ausschließlich nach deiner Weisung und ohne eigenen Zweck verarbeitet. Sobald der Anbieter Eingaben zur Verbesserung seiner Modelle nutzt, verlässt er für diesen Teil die Rolle, und ein Vertrag zur Auftragsverarbeitung deckt das nicht mehr ab. Am Anfang steht deshalb nicht die Unterschrift, sondern die Frage, was der Anbieter mit den Daten tatsächlich macht.
- Darf ein Meeting mit KI aufgezeichnet werden? Das nichtöffentlich gesprochene Wort steht unter besonderem Schutz, und wer es ohne Zustimmung der Beteiligten aufnimmt, macht sich strafbar. Für betriebliche Besprechungen heißt das: Die Zustimmung muss vor dem Start vorliegen, sie muss erkennbar freiwillig sein, und sie muss sich später belegen lassen. Weil Freiwilligkeit im Arbeitsverhältnis schwer nachzuweisen ist, tragen eine Betriebsvereinbarung und ein sauberer Ablauf die Sache deutlich besser als ein eingesammeltes Häkchen.
- Mitarbeiterüberwachung durch KI: was erlaubt ist Erlaubt ist die Auswertung von Verhaltens- und Leistungsdaten nur dort, wo eine Rechtsgrundlage sie trägt und der Betriebsrat beteiligt war. Entscheidend ist dabei nicht, ob jemand überwachen will: § 87 Absatz 1 Nummer 6 BetrVG erfasst technische Einrichtungen, die dazu bestimmt sind, und die Rechtsprechung stellt dabei auf die objektive Eignung ab. Damit fallen sehr viele KI-Systeme unter die Mitbestimmung, auch solche, die als reines Hilfsmittel gedacht waren.
- Vertrag mit einem KI-Anbieter: worauf du achten musst Belastbar wird ein Vertrag mit einem KI-Anbieter an fünf Stellen: bei der Zusage, dass eure Eingaben nicht ins Training fließen, bei der Speicherdauer, bei der Frage, wie Modellstände getauscht und angekündigt werden, bei den Unterauftragnehmern und bei den Unterlagen, die ihr für eure eigenen Pflichten braucht. Alles Weitere von der Verfügbarkeit bis zum Ausstieg hängt an diesen Punkten. Wer nur die Preisliste verhandelt, merkt den Rest beim ersten Zwischenfall.
Entscheidungen
- Fine-Tuning oder RAG: welcher Weg passt zu deinem Fall? RAG holt das Wissen zur Laufzeit aus deinen Dokumenten und legt es dem Modell als Kontext vor, Fine-Tuning verändert das Modell selbst und prägt ihm Stil, Format und Fachsprache ein. Für Fragen an aktuelle Firmeninhalte ist RAG in fast allen Fällen der richtige Start, weil sich Inhalte austauschen lassen, ohne das Modell anzufassen. Fine-Tuning lohnt sich, wenn Antworten immer wieder derselben Struktur folgen sollen oder wenn ein kleineres Modell die Arbeit eines großen übernehmen soll.
- Welches LLM passt zu welcher Aufgabe im Unternehmen? Die Frage hat keine einzelne Antwort, weil ein Sprachmodell nicht gut oder schlecht ist, sondern passend zu einer Aufgabe. Für den Entwurf eines Kundenanschreibens zählt die Sprachqualität im Deutschen, für die Einordnung von zehntausend Tickets zählen Kosten und Antwortzeit, und für Personaldaten zählt zuerst, über welchen Vertrag ihr das Modell bezieht. Deshalb landen die meisten Häuser bei zwei oder drei Modellen nebeneinander und nicht bei einem Gewinner.
- KI on-premise betreiben oder aus der Cloud beziehen? Die Antwort hängt an der Datenart und an der Auslastung, nicht an einer Grundsatzhaltung. Cloud-Betrieb ist überall dort im Vorteil, wo die Last schwankt, wo ihr schnell auf neuere Modelle wechseln wollt und wo niemand nachts eine Beschleunigerkarte beaufsichtigen kann. Eigener Betrieb lohnt, wenn Daten das Haus grundsätzlich nicht verlassen dürfen oder wenn eine gleichmäßig hohe Grundlast über Jahre absehbar ist. Die meisten Häuser landen deshalb bei einer Aufteilung nach Schutzklasse.
- RPA oder KI-Agenten: was zu welchem Prozess passt RPA lohnt sich, wenn ein Vorgang immer gleich abläuft und du ihn vollständig als Regel aufschreiben kannst. Ein KI-Agent lohnt sich, wenn der Vorgang Ermessen verlangt oder die Eingaben in dutzenden Varianten hereinkommen. In den meisten Unternehmen ist die richtige Antwort keine Entscheidung zwischen beiden, sondern eine Arbeitsteilung: Der Agent liest und entscheidet, ein fester Ablauf führt aus und protokolliert.
- Wer verantwortet KI, wenn es keine Bestellpflicht gibt? Die KI-Verordnung verlangt keine Bestellung eines KI-Beauftragten, anders als das Datenschutzrecht, das nach Paragraf 38 BDSG einen Datenschutzbeauftragten verlangt, sobald in der Regel mindestens 20 Personen ständig mit automatisierter Verarbeitung befasst sind. Verlangt wird, dass die Pflichten erfüllt und belegt werden, und dass für Hochrisikosysteme nach Artikel 26 Absatz 2 namentlich Personen die menschliche Aufsicht übernehmen. Dafür gibt es drei gangbare Wege: eine eigene Rolle, die Erweiterung einer bestehenden Funktion oder ein Gremium aus mehreren Bereichen. Welcher davon trägt, entscheidet weniger die Unternehmensgröße als die Zahl paralleler Anwendungsfälle und die Frage, wie schnell im Haus entschieden werden muss.
- Förderung für KI-Weiterbildung: welcher Weg offensteht Für die Qualifizierung von Beschäftigten kommen vor allem drei Wege in Frage: das Qualifizierungsgeld nach § 82a SGB III, die Förderung beschäftigter Arbeitnehmerinnen und Arbeitnehmer nach § 82 SGB III und der Bildungsgutschein nach § 81 SGB III. Der entscheidende Unterschied liegt darin, in welcher Lage Betrieb oder Person sind und wer den Antrag stellt. Gemeinsam ist allen drei Wegen, dass die Bewilligung vor dem ersten Kurstag vorliegen muss.
- Wann du ein Reasoning-Modell nutzen solltest Ein Reasoning-Modell erzeugt vor der Antwort zusätzliche Denkschritte, die mitbezahlt werden und die Wartezeit verlängern. Das lohnt sich, wenn eine Aufgabe mehrere voneinander abhängige Zwischenschritte hat, also bei Rechnungen, Fehlersuche, Planung unter Nebenbedingungen und Prüfaufgaben. Bei Umformulieren, Zusammenfassen, Übersetzen und Extrahieren bringt es meist nichts und macht die Arbeit nur langsamer.
- Kleines Sprachmodell auf dem Arbeitsrechner: was läuft wirklich Ein Modell mit sieben bis zwölf Milliarden Parametern läuft in 4-Bit-Quantisierung auf einem Notebook mit 16 Gigabyte Arbeitsspeicher, flüssig wird es ab 32 Gigabyte oder mit einer Grafikkarte, die das Modell komplett aufnimmt. Für Zusammenfassen, Umformulieren, Einordnen und Extrahieren aus einem mitgelieferten Text reicht diese Klasse im Alltag. Für lange Gedankenketten, Code über mehrere Dateien und Faktenfragen ohne beigelegte Quelle bleibt der große Dienst deutlich besser.
- KI-Lösung selbst bauen oder fertig einkaufen? Die Entscheidung hängt an drei Größen: wie standardisiert der Ablauf ist, wie schnell etwas laufen muss und wer die Lösung danach zwei Jahre lang pflegt. Ist der Ablauf in deiner Branche überall gleich, gewinnt der Einkauf fast immer. Ist er genau das, womit du dich unterscheidest, lohnt die Eigenentwicklung, aber du bezahlst sie mit Betrieb, nicht mit der ersten Version.
- Prompts auf Deutsch oder auf Englisch schreiben? Für die meisten Alltagsaufgaben macht die Sprache heute kaum noch einen Unterschied, große Modelle beherrschen Deutsch gut genug für Zusammenfassung, Umformulierung und Gliederung. Merklich wird der Unterschied an zwei Stellen: bei engen Fachthemen, zu denen fast alles Verfügbare auf Englisch geschrieben ist, und umgekehrt bei allem, was an deutsche Regeln, Normen und Behördenpraxis gebunden ist. Die brauchbare Faustregel lautet deshalb nicht „Deutsch oder Englisch“, sondern: in der Sprache des Gegenstands arbeiten und die gewünschte Ausgabesprache ausdrücklich verlangen.
- Souveräne KI in Europa: was der Anspruch wirklich verlangt Souveränität ist keine Eigenschaft, die ein Anbieter hat oder nicht hat, sondern eine Kette aus vier Gliedern: wo die Rechner stehen, wer sie betreibt und zu welchem Konzern dieser Betreiber gehört, woher das Modell stammt und ob seine Gewichte offenliegen. Jedes Glied lässt sich einzeln erfragen, und erst die Kombination beantwortet, welchen Anspruch du damit belegen kannst. Ein europäisches Rechenzentrum allein trägt davon den kleinsten Teil.
Technik verstehen
- Predictive Maintenance: Ausfälle vor dem Stillstand erkennen Predictive Maintenance heißt, aus laufenden Messwerten einer Anlage abzuleiten, dass sich ein Bauteil verändert, und daraus ein Wartungsfenster zu planen, bevor es zum Stillstand kommt. Dafür brauchst du drei Zutaten: Zeitreihen mit ausreichender Auflösung, den Betriebskontext, unter dem sie entstanden sind, und eine Wartungshistorie, die sagt, was wann warum getauscht wurde. Fehlt die Historie, bekommst du Anomalieerkennung ohne Aussage über die verbleibende Zeit, und fehlt die Anbindung an die Instandhaltung, entsteht ein Bildschirm, den nach vier Wochen niemand mehr ansieht.
- Qualitätskontrolle mit Computer Vision: worauf es ankommt Eine optische Prüfstation entscheidet sich an der Beleuchtung, nicht am Modell. Erst wenn der Fehler im Bild sichtbar und der Aufbau von Teil zu Teil gleich ist, wird die Erkennung zur lösbaren Aufgabe, und dann geht es nur noch um zwei Größen: wie viele gute Teile fälschlich aussortiert werden und wie viele fehlerhafte durchrutschen. Beide hängen an derselben Schwelle und lassen sich nur gegeneinander verschieben, nie gleichzeitig verbessern.
- Generative Engine Optimization: wie Inhalte in Antworten kommen Ein KI-System beantwortet eine Frage nicht aus dem Gedächtnis, sondern zerlegt sie in mehrere Suchanfragen, holt sich Kandidaten, wählt daraus einzelne Passagen aus und baut die Antwort daraus zusammen. Zitiert wird, was in diesem Auswahlschritt tatsächlich gebraucht wurde. Deshalb entscheidet nicht die Seite als Ganzes, sondern der einzelne Absatz darüber, ob dein Inhalt in der Antwort auftaucht.
- llms.txt: was die Datei leistet und was nicht llms.txt ist eine Markdown-Datei unter /llms.txt, die einem Sprachmodell in kurzer Form sagt, worum es auf deiner Website geht und welche Seiten die wichtigen sind. Der Vorschlag stammt aus dem Herbst 2024 und ist bis heute ein Vorschlag geblieben: Werkzeuge und Anleitungen dazu gibt es reichlich, eine Zusage der großen Anbieter, die Datei auch abzurufen, gibt es nicht. Sinnvoll ist sie trotzdem, allerdings aus einem anderen Grund als dem, der meist genannt wird.
- Context Engineering: warum der Kontext den Prompt schlägt Ein Sprachmodell sieht bei jeder Anfrage genau ein Fenster aus Text, und dein Prompt ist nur ein kleiner Teil davon. Daneben stehen die Systemanweisung, abgerufene Dokumente, die Beschreibungen aller Werkzeuge, frühere Nachrichten und Werkzeugergebnisse. Ob eine Antwort trägt, entscheidet sich meist daran, was in diesem Fenster steht und in welcher Reihenfolge, und nicht an der Formulierung der Frage.
- Das A2A-Protokoll: wie Agenten Aufträge übergeben Ein gemeinsames Protokoll zwischen Agenten regelt drei Dinge: wie ein Agent beschreibt, was er kann, wie er einen Auftrag entgegennimmt und wie er Zwischenstand und Ergebnis zurückmeldet. Damit kann ein Agent einen anderen beauftragen, ohne dessen Innenleben zu kennen oder dessen Modell zu teilen. Das Modellkontextprotokoll MCP beantwortet die Nachbarfrage, nämlich wie ein einzelner Agent an Werkzeuge und Daten kommt.
- Stromverbrauch pro Prompt: was eine Anfrage wirklich kostet Eine allgemeingültige Zahl für den Stromverbrauch pro Anfrage gibt es nicht, und die kursierenden Angaben unterscheiden sich um Größenordnungen, weil sie unterschiedliche Modelle, Antwortlängen und Rechenzentren voraussetzen. Belastbar ist die Ebene darüber: Die Internationale Energieagentur beziffert den Stromverbrauch der Rechenzentren weltweit für 2025 auf rund 485 Terawattstunden und erwartet bis 2030 etwa eine Verdopplung auf rund 950 Terawattstunden, dann rund drei Prozent des globalen Stromverbrauchs (Stand des Berichts: April 2026). Für das eigene Haus zählt deshalb nicht die Zahl pro Prompt, sondern die Menge an verarbeiteten Tokens und die Frage, wo sie verarbeitet werden.
07 Häufig gestellt
Fragen zu
KI bei cmt
Was bietet cmt rund um KI?
cmt bündelt das gesamte KI-Angebot an einem Ort: Schulung, Beratung und Umsetzung. Du findest hier 490+ KI-Kurse in zehn Themenfeldern, dazu strategische Beratung zur KI-Einführung und die Umsetzung konkreter KI-Lösungen, alles aus einer Hand.
Für wen sind die KI-Angebote geeignet?
Für jedes Unternehmen, das KI systematisch einsetzen will. Vom Team ohne Vorkenntnisse über Fachabteilungen wie Vertrieb, HR oder Marketing bis zur IT, die eigene KI-Lösungen baut. Auf dieser Seite findest du oben zwölf Themenwelten, über die du direkt zum passenden Einstieg gelangst.
Wo soll ich anfangen, wenn mein Team noch ganz am Anfang steht?
Starte beim KI-Einstieg. Dort verstehst du die Grundlagen und lernst die ersten Werkzeuge sicher kennen. Wenn ihr im Büroalltag schneller werden wollt, ist Produktiver arbeiten der richtige Weg. Unsicher? Ruf uns an, wir finden gemeinsam den passenden Pfad.
Bietet ihr neben Schulungen auch Beratung und Umsetzung?
Ja. Weiterbildung ist der eine Teil. Wenn du KI strategisch einführen willst, begleitet dich unsere KI-Beratung mit Roadmap, Werkzeug-Auswahl und Governance. Soll eine konkrete Lösung entstehen, baut sie unsere KI-Projektumsetzung, vom Proof of Value bis zum Betrieb. Code und Doku gehören dir.
Sind Inhouse-Trainings möglich?
Ja, alle KI-Kurse sind als Inhouse-Training verfügbar. Wir passen Inhalte, Übungen und Beispiele an eure Branche, eure Werkzeuge und eure konkreten Anwendungsfälle an. Inhouse lohnt sich ab vier bis fünf Teilnehmern. Inhouse-Anfrage stellen
Was kosten KI-Schulungen?
Offene Kurse starten ab ca. 450 EUR pro Tag und Teilnehmer. Inhouse-Trainings werden pauschal kalkuliert und lohnen sich schnell bei mehreren Teilnehmern. Bei größeren Schulungsprogrammen erstellen wir individuelle Angebote. Sprich uns an.
Wie aktuell sind die Inhalte?
Wir aktualisieren unsere KI-Kurse laufend. Neue Werkzeuge, Updates bei ChatGPT, Copilot oder Gemini und der schrittweise in Kraft tretende EU AI Act fließen zeitnah in die Inhalte ein. Die Pflichten für KI mit allgemeinem Verwendungszweck gelten bereits, weitere Stufen folgen. Du arbeitest immer mit dem aktuellen Stand der Technik und der Regulierung.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs.
Persönlich für dich da
Deine Ansprechpartner
Wir beraten dich persönlich zu Schulung, Werkzeugen, Beratung und Umsetzung. Kostenlos und unverbindlich.
Yves Hoppe
KI-Weiterbildung & Beratung
Begleitet dich von der ersten Orientierung über Schulungen bis zur Umsetzung im Unternehmen.
Norbert Jansen
Beratung & Weiterbildung
Findet mit dir das passende Format, ob offene Schulung, Inhouse oder Beratung.
Kostenlose Erstberatung
Bereit für den
Bereit für den
nächsten Schritt?
Lass uns gemeinsam herausfinden, wo dein Unternehmen am meisten von KI profitiert, und welches Angebot dafür passt. Unverbindlich, am Telefon oder persönlich.
Seit 1997
4,9/5 Bewertung
Antwort in 24h