Die Luftfahrtbranche steht vor einer Vielzahl von Herausforderungen, sowohl auf Kund*innenseite als auch in geschäftlichen Prozessen. Innovation spielt eine entscheidende Rolle bei der Bewältigung dieser Herausforderungen, indem sie Möglichkeiten zur Digitalisierung, Automatisierung, Optimierung und Neuerfindung schafft.

Vor diesem Hintergrund haben der Lufthansa Innovation Hub, die Berliner Innovationseinheit der Lufthansa Group, und die Terminal 2 Gesellschaft des Flughafens München eine Absichtserklärung (MoU) unterzeichnet. Mit der Unterzeichnung bekunden beide ihre Absicht, durch gemeinsame Initiativen die Innovation in der Luftfahrtbranche voranzutreiben.

“Innovation in der Reiseindustrie ist eine gemeinschaftliche Aufgabe, die dem gesamten Ökosystem zukommt”, sagt Dr. Stefan Nothelfer, Senior Director und Leiter Corporate Venturing & Strategic Growth beim Lufthansa Innovation Hub. “Wir freuen uns darauf, mit der Terminal 2 Gesellschaft des Flughafens München zusammenzuarbeiten, um das Kundenerlebnis gemeinsam zu verbessern und den gesamten Reiseprozess zu optimieren.”

Robotik-Einsatz im Terminal 2 des Flughafens München

Ein konkretes Beispiel für das Vorantreiben von Innovation im Flughafenbetrieb durch Pilotprojekte ist die Zusammenarbeit mit dem Robotik-Start-up Ottonomy.

Seit dieser Woche sind zwei autonome Service-Roboter in den Bereichen der Gates und Gepäckausgabe im Terminal 2 des Flughafens München im Einsatz. Die Roboter sind darauf ausgelegt, verschiedene Aufgaben zu übernehmen, um reibungslose Kund*inneninteraktionen zu ermöglichen. Sie unterstützen Passagier*innen mit Informationen und bewerben die Dienstleistungen von Lufthansa Airlines.

Durch das Scannen eines QR-Codes auf dem Roboter mit ihrem Smartphone gelangen Reisende zu Chat-Assistenten für Self-Service-Optionen. Dort können sie Fluginformationen abrufen und Prozesse wie Umbuchungen oder Erstattungen eigenständig verwalten. Die Roboter liefern zudem wichtige Informationen zu flughafenbezogenen Themen wie Tax Refund und Lost and Found. Dank integrierter Behälter können die Roboter auch für den Warentransport eingesetzt werden – etwa künftig für die Verteilung von Wasserflaschen an Passagier*innen.

“Unser Ziel ist es, unseren Gästen das beste Reiseerlebnis in Europa zu bieten”, sagt Marcus Schnabel, Vice President Ground Operations Hub Munich. “Die Nutzung digitaler Lösungen ist für dieses Vorhaben von entscheidender Bedeutung, und wir freuen uns, als Pilotstandort für wegweisende Innovationen zu dienen.”

Ottonomy setzt seine Roboter weltweit an Flughäfen, in Krankenhäusern und für Auslieferungen auf der letzten Strecke zum/zur Kund*in ein. “Unsere Roboter, die mit Contextual AI arbeiten, ermöglichen es Unternehmenskunden, Innovationen voranzutreiben, bessere Kundenerlebnisse zu schaffen und die betriebliche Effizienz in der Luftfahrt zu steigern“, sagte Ritukar Vijay, CEO von Ottonomy. „Eine Partnerschaft mit zukunftsorientierten Branchengrößen wie der Lufthansa bringt diese Vision der Realität ein großes Stück näher.“

Das Pilotprojekt mit Ottonomy entstand im Rahmen von Startup Gate, der Venture-Clienting-Initiative der Lufthansa Group. Startup Gate verbindet Teams der Lufthansa Group mit hochmodernen Start-ups, um deren Technologien schnell zu adaptieren und schlanke sowie kosteneffiziente Kooperationen zu ermöglichen.

Obwohl das Online Glücksspiel seit Jahren streng reguliert wird, wächst der Markt in Deutschland und in der Schweiz munter weiter. So haben die lizenzierten Anbieter in Deutschland im Jahr 2023 Bruttospielerträge von 4,2 Milliarden Euro erzielt. Im selben Jahr lagen die Umsätze aus Lotterien und Sportwetten in der Schweiz bei 3,76 Milliarden Schweizer Franken. Setzt Deutschland auf strenge Einzahlungslimits und geringe Maximaleinsätze, so reguliert die Schweiz den Markt durch Lizenzbeschränkungen und Netzsperren, wenn es sich um einen nicht genehmigten Anbieter handelt. Die Regeln sind also in beiden Ländern klar, aber sie sind unterschiedlich, doch am Ende lukrativ für beide.

Glücksspiel unterliegt in beiden Ländern strikten Regeln

Es gibt strikte Regeln, die bestimmen, wer in Deutschland und in der Schweiz das Online Glücksspiel anbieten darf.

In Deutschland bildet der deutsche Glücksspielstaatsvertrag die Grundlage. Dieser ist seit dem Jahr 2021 in Kraft und sorgt für eine einheitliche Regulierung, mit der auch klare Grenzen gesetzt werden. Die Konzessionen sind begrenzt, zudem sind die Anforderungen sehr hoch. Jeder Anbieter muss zudem eine Lizenz der Gemeinsamen Glücksspielbehörde der Länder - GGL - vorweisen können. Der Markt wird zudem durch strenge Vorschriften geprägt: monatliches Einzahlungslimit, geringer Maximaleinsatz, 5 Sekunden-Regel, Verbot von Live Casino, keine Kryptowährungen als Einzahlungsmethode.

Wer auf der Suche nach den Top Online Casinos für Schweizer Spieler ist, wird überrascht sein, dass nur landbasierte Casinos eine Online Konzession beantragen würden, weil es kein offenes Lizenzierungsmodell für internationale Betreiber gibt. Der Markt ist somit geschlossen und schützt daher staatliche Einnahmen und reguliert den Wettbewerb. Ein Anbieter, der keine Genehmigung hat, kann seine Dienste nicht anbieten - Netzsperren blockieren unlizenzierte Plattformen.

Während also Deutschland privaten Betreibern aus den unterschiedlichsten Bereichen Lizenzen erteilt, sind in der Schweiz nur schon etablierte Casinohäuser in der Lage bzw. berechtigt, eine Lizenz zu bekommen. Das mag zwar in Deutschland für mehr Vielfalt sorgen, jedoch auch für schärfere Kontrollen. In der Schweiz hingegen bleibt das Glücksspielgeschäft in der Hand weniger Unternehmen.

Wie sieht es bei den Sportwetten aus?

In der Schweiz und in Deutschland wird das Spielangebot von gesetzlichen Vorgaben bestimmt, was natürlich einen direkten Einfluss auf die Vielfalt und auch auf die Zugangsmöglichkeiten hat. In beiden Ländern finden sich regulierte Plattformen, damit das Glück am Online Spielautomat getestet werden kann. Jedoch finden sich verschiedene Einschränkungen:

In Deutschland sind viele Anbieter lizenziert, die aber strenge Vorschriften zu den Einsatzlimits sowie Spielmechaniken beachten müssen. In der Schweiz bleibt das Angebot vorwiegend den landbasierten Casinos mit Online Lizenz vorbehalten, sodass nur eine begrenzte Auswahl geboten wird.

Ein vergleichbares Bild lässt sich mit Blick auf die Sportwetten erkennen: Sind in Deutschland nur private Wettanbieter aktiv, die strikte Werbe- und Einsatzlimits befolgen müssen, bleibt der Bereich in der Schweiz aber unter staatlicher Kontrolle. Der private Betreiber erhält hier gar keinen Marktzugang.

Beide Glücksspielmärkte werden durch technologische Entwicklungen geprägt, weil internationale Entwickler moderne Slots mit neuen Mechaniken liefern. Jedoch können in der Schweiz nur lizenzierte Casinos auf diese Innovationen zugreifen. In Deutschland hingegen besteht ein regulierter Markt, wobei hier jedoch strengere Vorgaben zu erfüllen sind.

Sicherheitsmechanismen stehen im Vordergrund

Ein Schweizer Casino setzt auf kontrollierte Abläufe sowie auf geprüfte Anbieter, damit dem Spieler ein sicheres Spielerlebnis geboten werden kann. Gesetzliche Vorgaben bestimmen den Rahmen, innerhalb dessen dann die Spielplattform operieren darf. Damit die unbefugten Nutzer keinen Zugang erhalten, müssen im Vorfeld Identitätsprüfungen durchgeführt werden. Des Weiteren müssen die Betreiber auch Maßnahmen ergreifen, damit ein problematisches Spielverhalten frühzeitig erkannt und gegebenenfalls eingedämmt werden kann.

In beiden Ländern spielen Sicherheitsmechanismen eine große Rolle: In Deutschland gibt es etwa ein festes Einzahlungslimit von 1.000 Euro pro Monat (plattformübergreifend) sowie einen Maximaleinsatz von 1 Euro pro Runde. In der Schweiz gibt es keine einheitliche Einzahlungsgrenze, aber die lizenzierten Anbieter setzen hier auf individuelle Schutzmaßnahmen, sodass das verantwortungsbewusste Spiel gefördert werden kann.

In Deutschland dürfen die Glücksspielanbieter nicht uneingeschränkt werben, sondern nur zu bestimmten Zeiten. In der Schweiz wird eine vergleichbare Strategie angewendet: Die Werbung darf nur legale Angebote enthalten, während Anreize für das übermäßige Spiel untersagt sind.

Beide Länder gehen auch unterschiedlich vor, wenn es um unregulierte Plattformen geht: Deutschland setzt auf Überwachung und Sanktionen, während die Schweiz hingegen Anbieter, die keine Schweizer Lizenz haben, per Netzsperren ausgeschlossen werden.

Wie handhaben Deutschland und die Schweiz Poker?

In der Schweiz und in Deutschland ist Poker ein Sonderfall: Auch hier vergibt Deutschland Lizenzen für private Anbieter, während die Schweizer ebenfalls nur staatlich konzessionierten Casinos erlaubt, Online Poker anbieten zu dürfen. Mit dieser Herangehensweise wird nicht nur das Spielangebot geprägt, sondern auch die Möglichkeiten für Cash Games, internationale Wettbewerbe und Turniere.

In Deutschland ist Online Poker erlaubt, jedoch gibt es klar definierte Regeln: Der lizenzierte Anbieter muss sich an feste Einzahlungslimits halten, zudem gibt es Turniere und Cash Games nur unter sehr strengen Auflagen. Die Anbieter werden von der GGL überwacht und greift sofort bei Verstößen ein. In der Schweiz unterliegt das Pokerspiel noch engeren Regulierungen: Cash Games und Turniere gibt es nur über lizenzierte landbasierte Casinos, die eine Online Konzession haben. Der private Anbieter hat keinen Zugang zum Markt.

Das deutsche KI-Startup-Ökosystem befindet sich 2025 weiter im Gründungsboom. Nie gab es mehr KI-Gründer in Deutschland und alleine im vergangenen Jahr wuchs die Zahl der KI-Startups um 35 Prozent. Auch für Investoren bleibt KI eines der vielversprechendsten Themen. Sie investierten 2024 fast 200 Millionen mehr in deutsche KI-Jungunternehmen als im Vorjahr. Vor allem deutsche KI-Startups im B2B-Bereich mit branchenspezifischen Lösungen für die Fertigung, Logistik und das Gesundheitswesen haben aktuell ausgezeichnete Wachstumschancen. Sie können von einer engen Vernetzung mit dem Mittelstand und führenden Forschungseinrichtungen in Deutschland profitieren. Typische KI-Anwendungsfelder von aufstrebenden deutschen Startups wie BlueAvenir, PlanA, Smart Reporting oder nnamu liegen dabei u.a. in der Softwareentwicklung, Sprach- und Bilderkennung oder datenbasierten Analyseverfahren zur Entscheidungsunterstützung.

KI-Chancen und die häufigsten Hürden

Während die Gesamtfinanzierung für KI-Projekte wächst, scheitern in der Praxis vielversprechende Ideen von Startups aber auch immer wieder am konkreten Business Case. Langfristig können sich insbesondere unterschätzte Kosten und eine schwache Performance der Anwendungen wie ein Bremsklotz auswirken. Die Nutzung von Sprachmodellen ist dank API-basierten Diensten sehr einfach geworden, dennoch können sich hier bei großen Volumina und ungeschickter Modell-Wahl schnell höhere Kosten aufsummieren. Gleichzeitig spielt die Performance des KI-Systems eine wichtige Rolle für eine langfristige Profitabilität. So führen besonders hohe Latenzzeiten bei der Model-Inference zu trägeren Systemen, die Nutzeranfragen nicht schnell genug verbreiten und die Attraktivität der Anwendung erheblich mindern.

Gerade Startups setzen oft auf die Cloud, da sie unabhängig vom technischen Hintergrund einfachen Zugang zu KI und die nötige Flexibilität ermöglicht. Drei innovative Methoden erweisen sich in der Cloud als besonders hilfreich, um eine optimale Balance zwischen Leistungsfähigkeit, Kosten und Nutzerfreundlichkeit für die Umsetzung des eigenen KI-Anwendungsfalls zu finden. So kann jeder Gründer seine KI-Ideen schnell, kosteneffizient und sicher umsetzen.

KI-Modellauswahl: Kleiner, aber schneller

Für Startups ist es entscheidend, das richtige KI-Modell für ihren Anwendungsfall zu wählen, um Kosten und Leistung optimal auszubalancieren. Anbieter wie Anthropic, AI21 Labs, Meta, Cohere, Mistral und Amazon bieten Modelle in verschiedenen Größen an – kleinere Varianten sind oft günstiger und reagieren mit kürzerer Antwortzeit. Nach einer ersten Validierung mit einem leistungsstarken Modell können Startups Tools wie Amazon Bedrock Evaluations nutzen, um herauszufinden, welches Modell in welcher Größe ähnliche Ergebnisse bei geringeren Kosten oder höherer Geschwindigkeit liefert. Diese Evaluierungen helfen dabei, die Leistungsfähigkeit und Effizienz zu beurteilen, indem Metriken wie semantische Robustheit und Genauigkeit bei der Informationsabfrage analysiert werden. Durch eine Kombination aus automatisierten Bewertungen mit Large Language Models (LLMs) und menschlicher Prüfung können Startups die beste Balance zwischen Leistung, Kosten und Geschwindigkeit für ihre individuellen Bedürfnisse finden.

Prompt Caching: Zwischenspeicherung für wiederkehrende Anfragen

Eine weitere smarte Methode, um die Antwortzeiten von KI-Modellen zu verkürzen und Kosten zu senken, ist das Prompt-Caching. Wenn ein digitaler Assistent sich bei jeder Frage immer wieder die gleichen Grundinformationen durchlesen müsste, dann wäre das extrem ineffizient. Genau hier setzt das Prompt-Caching an und speichert feste Teile des Prompts, wie grundlegende Anweisungen für das LLM, direkt in der Inferenz-Hardware zwischen. Nur die variablen, nutzerspezifischen Daten, die sich von Aufruf zu Aufruf verändern, werden bei jeder Anfrage neu übermittelt. Das spart nicht nur Rechenleistung, sondern sorgt auch für schnellere Antworten – ideal für Anwendungen wie Chatbots oder personalisierte KI-Assistenten, die häufig wiederkehrende Anfragen verarbeiten. Mit Amazon Bedrock lässt sich diese Technik einfach nutzen, indem das Caching und das Setzen von Cache-Checkpoints automatisch verwaltet werden können. Sobald das Caching aktiviert ist, übernimmt der Service das gesamte Cache-Management automatisch. So lassen sich bis zu 90 Prozent kosteneffiziente KI-Anwendungen mit minimalem Konfigurationsaufwand realisieren.

Model Distillation: KI-Wissen auf das Wesentliche fokussieren

Eine dritte bewährte Option ist Model Distillation. Das Prinzip ist einfach und kann vereinfacht als ein intelligenter Wissenstransfer in der Welt der KI beschrieben werden. Also so, als ob ein erfahrener Lehrer (ein großes, leistungsstarkes KI-Modell) seinem Schüler (einem kleineren, schnelleren Modell) die wichtigsten Konzepte beibringt. Dabei nutzt dieser Prozess synthetische Trainingsdaten, die auf realen Anwendungsbeispielen basieren. Das Ergebnis ist ein kompakteres Modell, das für einen spezifischen Anwendungsfall ähnlich gute Ergebnisse liefert wie das größere Modell, dabei aber deutlich schneller und kostengünstiger arbeitet. Destillierte Modelle in Amazon Bedrock können bis zu fünfmal schneller arbeiten und die Kosten um bis zu 75 Prozent senken im Vergleich zu den Originalmodellen – bei Genauigkeitsverlust von weniger als zwei Prozent.

Fazit

Erfolgreiche KI-Lösungen können mit der Cloud kosteneffizienter und performanter umgesetzt werden. Das erfordert zwar ein wenig technisches Know-how, aber die Cloud reduziert die Einstiegshürden erheblich und ermöglicht es auch kleineren Unternehmen, mit drei bewährten Methoden das KI-Potenzial effektiver auszuschöpfen. Startups haben mit der Cloud die maximale Flexibilität, um entweder von den leistungsfähigsten vortrainierten LLMs zu profitieren oder alternativ eigene LLMs mit maßgeschneiderter Infrastruktur zu entwickeln bzw. auf fertige Dienste mit integrierter generativer KI zuzugreifen.

Der Autor Constantin Gonzalez ist Principal Solutions Architect bei Amazon Web Services (AWS) in München.
Die Autorin Jennifer Grün ist Senior Specialist - Machine Learning bei AWS in München.

Werte als strategischer Erfolgsfaktor. Studien belegen, dass Unternehmen, die ihre Werte konsequent leben, von höherer Mitarbeitendenbindung, gesteigerter Innovationskraft und langfristigem wirtschaftlichem Erfolg profitieren. In der Praxis zeigt sich jedoch häufig eine Diskrepanz zwischen kommunizierten Werten und der tatsächlichen Wahrnehmung.

„Unternehmenswerte sind mehr als bloße Worte – sie sind das Fundament nachhaltigen Erfolgs. Entscheidend ist jedoch, ihre Authentizität zu gewährleisten“, erklärt Sarah Brauns, Mitgründerin von heart job. „Viele Unternehmen verlassen sich auf ihr Bauchgefühl. Eine objektive Analyse gibt ihnen nun erstmals eine klare Grundlage, um zu erkennen, wie ihre Werte tatsächlich wahrgenommen werden.“

Mitgründer Simon Rutar ergänzt: „Unsere KI-Technologie liefert innerhalb von 48 Stunden eine datenbasierte Auswertung der Unternehmenswerte. Damit unterstützen wir Unternehmen dabei, ihre Werte nicht nur sichtbar zu machen, sondern gezielt für strategische Ziele wie Mitarbeiterbindung, Kundenbeziehungen und wirtschaftliches Wachstum einzusetzen.“

KI für mehr Transparenz und Authentizität

Die KI von heart job wertet öffentlich zugängliche Quellen wie soziale Medien, Foren, Blogs und Presseberichte aus und gibt Unternehmen eine datenbasierte Einschätzung darüber, mit welchen Werten sie in der öffentlichen Wahrnehmung assoziiert werden. Diese Analyse kann durch direktes Feedback von Mitarbeitenden, Kund*innen und Geschäftspartner*innen ergänzt werden. Online-Umfragen erfassen zusätzlich die interne Wahrnehmung, sodass Stärken und Verbesserungspotenziale identifiziert werden können. „Unsere Lösung kombiniert externe Wahrnehmung mit optionaler interner Werteanalyse und schafft damit eine fundierte Grundlage für strategische Entscheidungen“, so Brauns.

In Zeiten, in denen Authentizität und klare Werteorientierung immer wichtiger werden, bietet das Start-up Unternehmen präzise Analysen und konkrete Handlungsempfehlungen. Führungskräfte erhalten damit ein strategisches Instrument, um ihre Unternehmenskultur nachhaltig zu stärken. „Unsere Berichte gehen über reine Datenanalysen hinaus – sie sind ein strategischer Leitfaden für die Zukunft“, betont Rutar. „Wir helfen Unternehmen nicht nur, ihre Werte zu verstehen, sondern sie auch aktiv für Wachstum und Innovation einzusetzen.“

Erfolgreiche Testphase und DACH-Marktstart

Die Technologie von heart job wurde in einer Testphase mit Unternehmen unterschiedlicher Größen erprobt. Dabei trat in vielen Fällen ein deutlicher Kontrast zwischen internen Unternehmenswerten und der öffentlichen Wahrnehmung zutage. Erste Kund*innen nutzen die gewonnenen Erkenntnisse bereits, um ihre Werte gezielt zu schärfen und ihre Kommunikation zu optimieren. Mit dem offiziellen Marktstart ist die KI-gestützte Analyse von heart job nun für Unternehmen in Deutschland, Österreich und der Schweiz verfügbar.

Das eSIM-Phänomen: Geschichte und Herausforderungen

Im Jahr 2025 verblüffen eingebettete SIMs durch ihre Funktionalität. Nutzer können zwischen einer Ein-Länder-Verbindung, einem Pay-As-You-Go-eSIM-Datenplan mit mobilen Daten aus 140 Ländern, unbegrenzten Verbindungsoptionen, kostenlosem VPN und vielen weiteren Zusatzfunktionen wählen. Ständige Herausforderungen stehen hinter dem aktuellen Trend.

2010er: Das Konzept taucht auf

In den 2010er Jahren war das Konzept der eSIM mit dem Bereich des Internets der Dinge verbunden. Die Idee war einfach: „Was wäre, wenn wir SIM-Chips direkt in Geräte einbauen könnten, anstatt SIM-Karten zu kaufen?“

In der Tat ist eine eingebettete SIM-Karte ein winziger Chip, der in das Gerät eingesetzt wird und wie herkömmliche SIM-Karten eine Verbindung zu den Mobilfunkmasten herstellen kann. Die Idee wurde vom Global System for Mobile Communications genehmigt.

2011-2015: Die ersten Implementierungen

Bekannt ist, dass eSIM als Technologie für Industriegeräte begann. Auto-Telematik und Industriegeräte nutzten bereits eSIM-Chips für eine einfachere Internetverbindung und Datenüberwachung. Die Öffentlichkeit war jedoch nicht so sehr an dem Konzept interessiert.

2017: Das erste eSIM-Smartphone

2017 brachte Google das Google Pixel 2 heraus — das erste Smartphone mit eSIM-Kompatibilität. Google als innovativer Hersteller bemühte sich darum, der erste Hersteller mit einer revolutionären Verbindungsmethode zu sein.

2018 und folgende Jahre: Breitere Implementierung

Im Jahr 2018 veröffentlichte Apple die iPhones XR und XS — die ersten iOS-Geräte mit eSIM-Unterstützung. Seitdem haben sich eingebettete SIMs zu einem weltweiten Trend entwickelt und die Öffentlichkeit angezogen. Seitdem und seit 2025 wird die Technologie erweitert und bietet immer mehr Funktionen.

Was können wir von der eSIM-Branche in den nächsten Jahren erwarten?

Es wird erwartet, dass der weltweite eSIM-Markt im Jahr 2032 ein Volumen von 6,2 Milliarden USD erreichen wird. Nordamerika ist zwar die größte Industrieregion, aber auch in der Europäischen Union werden eingebettete SIMs immer beliebter. Sehen wir uns die weiteren Prognosen und zu erwartenden Merkmale an.

Der wachsende Markt für internationale eSIMs

Virtuelle SIM-Karten für ein einzelnes Land sind zweifelsohne bequemer als herkömmliche SIM-Karten. Dennoch schöpfen sie nicht das gesamte Potenzial der Technologie aus.

Der globale Anbieter Yesim hat bereits 10 regionale und 5 globale eSIM-Pläne eingeführt. Diese eingebetteten SIM-Karten können automatisch zwischen Mobilfunkanbietern in mehreren Regionen (bis zu 148 Ländern) wechseln. Der Nutzer kauft und aktiviert den Tarif einmal, und der Anbieter stellt die Internetverbindung in allen ausgewählten Ländern her. Dieser Ansatz ist kostengünstig und viel bequemer, da die Nutzer nicht zwischen den eSIM-Tarifen wechseln müssen.

Die Beliebtheit des „Pay-as-You-Go“-Formats

Ein weiterer Ansatz, der sich bei allen Anbietern durchsetzt, ist das Preismodell „Pay-as-You-Go“. Anstelle von Prepaid-Tarifen mit einem bestimmten Datenvolumen funktioniert dieses Format ständig und verbindet die Nutzer in mehreren Regionen mit dem Internet. Im Grunde lädt der Kunde sein Guthaben auf, und der Anbieter schaltet das Internet im Ausland entsprechend dem lokalen Preis frei. Auf diese Weise zahlen die Kunden nur für das, was sie nutzen.

Die Technologie ist noch nicht so weit verbreitet, da ihre Umsetzung kompliziert ist. Dennoch setzen mehrere Anbieter sie bereits 2025 ein.

Vorherrschaft der eSIM gegenüber herkömmlichen Verbindungsformen

Eingebettete SIMs ersetzen schon jetzt herkömmliche SIM-Karten und der Trend wird immer größer. Studien aus Nordamerika zeigen, dass sich die Zahl der Geräte mit eSIM-Anschluss von 2023 bis 2024 fast verdoppelt hat (310 Millionen auf 598 Millionen). SIM-Karten werden zweifelsohne auch 2025 die wichtigste Verbindungsmethode bleiben. Gewohnheit und Beliebtheit sind die Hauptgründe dafür, wobei es Menschen gibt, die sich generell nicht sehr für Technik interessieren, und deshalb finden sie das Thema eSIM oft kompliziert.

Der Anstieg der eSIM-Nutzer zeigt jedoch, dass sich die Situation ändert. In den 2030er Jahren könnten virtuelle SIM-Karten die Hauptmethode der Datennutzung in Mobiltelefonen werden.

Eingebettete SIMs im IoT

Im Jahr 2025 sind eingebettete SIM-Karten nicht nur auf Smartphones und Tablets beschränkt. Smartwatches, die nach 2020 hergestellt werden, unterstützen diese Technologie bereits. Außerdem unterstützen mehrere Autos, darunter die Audi A- (3, 4, 5) und Q- (2 und 7) Serien, virtuelle SIMs.

Dies deutet auf eine breitere Nutzung der Technologie hin. Höchstwahrscheinlich wird die eSIM ein primäres Mittel zur Verwaltung von intelligenten Haushalten und Geräten, städtischen Technologien und Industrieanlagen sein.

Zunehmender Wettbewerb

Da die Zahl der Anbieter steigt, brauchen die Unternehmen dauerhafte Weiterentwicklungen und Innovationen. Das Angebot von Prepaid-eSIMs reicht nicht aus, um im Wettbewerb zu bleiben. Viele Anbieter wie Yesim bieten mehrere Funktionen an:

• unbegrenztes Internet
• kostenloser VPN-Zugang für Kunden
• Treueprogramme
• regionale und globale SIM-Karten
• Datensparende Browser und Anwendungen
• virtuelle Nummern auf Anfrage
• automatische eSIM-Aktivierung in Anwendungen

Dies ist nur ein Teil der zusätzlichen Funktionen, die von modernen Anbietern angeboten werden. Der Wettbewerb ist ein positives Merkmal, da die Branche dank der eSIM-Unternehmen expandiert.

Fazit

Der beste Weg, alle Möglichkeiten zu erkunden, ist, die Technologie selbst auszuprobieren. Mit einem Schnuppertarif für 0,50 € können Sie bereits jetzt 500 MB für internationale Verbindungen nutzen. Entscheiden Sie sich für eSIM bei Ihrer nächste Reise ins Ausland und halten Sie sich über die neuesten Trends in der virtuellen SIM-Branche auf dem Laufenden.

1. „Agentic AI“ für Legal Workflows

Künstliche Intelligenz (KI) ist das Herzstück der LegalTech-Zukunft. Anwendungen unterstützen schon heute Kanzleien und Unternehmen dabei, Dokumente zu analysieren und komplexe rechtliche Fragestellungen mit automatischer Prüfung von Gerichtsurteilen zu bearbeiten. KI ist dabei jedoch nur ein einzelnes Feature einer ganzheitlichen Legal-Workflow-Plattform. Aber ein wichtiges. Mit KI werden zeitintensive Aufgaben automatisiert, sodass Anwält*innen mehr Zeit für strategische Tätigkeiten haben und Legal Assistants von administrativen Aufgaben entlastet werden.

Gleichzeitig entstehen durch KI neue Herausforderungen. Digitale Souveränität, Datenschutz, Bias in Algorithmen und die Qualität der automatisierten Entscheidungsprozesse sind Themen, die sowohl Kanzleien, Rechtsabteilungen als auch Gesetzgeber beschäftigen werden. Da Datenschutz und Privacy i.d.R. bei europäischen und deutschen LegalTech-Anbieter*innen ein stärkerer Teil der Software-Anbieter DNA sind, haben sie einen Vorteil gegenüber US-amerikanischen Hersteller*innen.

2. Unified Contract Management & Enterprise Legal Management

Beim Contract & Matter Management zeichnet sich eine große Veränderung ab – hin zu modernen, flexiblen, cloudbasierten Contract- und Matter-Management-Tools. Durch höhere Anforderungen der Fachbereiche hinsichtlich der Geschwindigkeit bei der Bearbeitung von Rechtsfällen, nimmt die Bedeutung von Unternehmensjuristen weiter zu. Während sie früher primär als Berater agierten, übernehmen sie mittlerweile eine zunehmend strategische Rolle. Hierbei helfen ihnen ganzheitliche Enterprise Legal Management Software Lösungen die sowohl bei der Anfrage, Annahme und effizienten Durchführung von Rechtsfällen unterstützen. Die neue Rolle der Inhouse-Jurist*innen erfordert nicht nur technologische Kompetenz, sondern auch betriebswirtschaftliches Verständnis und die Fähigkeit, mit anderen Unternehmensbereichen zusammenzuarbeiten.

3. Legal Front-Door & Self-Service Legal Tools

In der IT wird seit vielen Jahren das „Shift to left“ Prinzip verfolgt. Jetzt wird es verstärkt auch in Legal Prozessen genutzt. Das Prinzip zielt darauf ab, die Effizienz über Self-Service Möglichkeiten zu steigern, Reaktionszeiten zu verkürzen und Kosten zu senken, indem Probleme näher an ihrer Quelle – also dem Mandanten, Anwender bzw. dem Fachbereich gelöst werden. Eine Legal Front Door ist im Grunde eine digitale Rezeption, eine zentrale Plattform, die es den Mitarbeitenden eines Unternehmens oder Mandant*innen einer Kanzlei ermöglicht, auf rechtliche, standardisierte Dienstleistungen wie NDA-Erstellung, Digitale Mandatsannahme, Compliance Anleitungen und Legal Ressourcen zuzugreifen.

4. Compliance Analytics: Risiken in rechtlichen Dokumenten erkennen und beheben

Die Analyse von Verträgen und Schriftgut ist zentraler Bestandteil der modernen Rechtspraxis. Compliance Analytics ermöglicht es Jurist*innen Risiken in Verträgen und Dokumenten zu analysieren, vorherzusagen und Verstöße proaktiv und automatisiert zu korrigieren. Durch datenbasierte Analysen können potenzielle Verstöße gegenüber Unternehmensrichtlinien wie Haftungsgrenzen, AGB-Compliance identifiziert und über automatisierbare Workflows angepasst bzw. Compliance-Verstöße automatisch behoben werden. Diese präventive Herangehensweise bietet nicht nur einen finanziellen Mehrwert, sondern reduziert auch Haftungsrisiken und stärkt die Wettbewerbsfähigkeit von Kanzleien und Rechtsabteilungen.

5. Von der/vom Jurist*in zum/zur LegalTech-Expert*in

Die Automatisierung repetitiver Aufgaben, wie die Überprüfung von Dokumenten oder Durchführen von Recherchen, hat tiefgreifende Auswirkungen auf die Arbeitsweise von Jurist*innen. Während Junior-Anwält*innen früher oft mit derartigen Tätigkeiten betraut wurden, können sie sich heute dank moderner Technologien auf strategischere Aufgaben konzentrieren. Das beschleunigt ihre berufliche Entwicklung und verändert traditionelle Karrieremodelle. Dabei sollte jedoch sichergestellt sein, dass die notwendigen praktischen Erfahrungen gesammelt werden können, denn nur so lässt sich eine fundierte Expertise aufbauen. Zwar bleibt das juristische Wissen weiterhin wichtig, aber die Fähigkeit die richtigen juristischen Fragen zu entwickeln und zu stellen wird in Zukunft wichtiger sein als „nur“ juristisches Wissen and geeignete Antworten zu haben. Auch die juristische Ausbildung verändert sich, inkl. der Nutzung moderner KI-basierten LegalTech-Tools zur Recherche, Analyse und Erstellung von Dokumenten. Universitäten und Kanzleien passen ihre Ausbildungsprogramme an, um die nächste Generation von Jurist*innen auf die Anforderungen des digitalen Zeitalters vorzubereiten.

6. Investitionen in LegalTech

Laut einer aktuellen Umfrage von JP Morgan unter Unternehmensjurist*innen haben bei 71 Prozent der Rechtsabteilungen die Investition in LegalTech-Tools eine hohe bis sehr hohe Bedeutung. Aber nur 32 Prozent der Rechtsabteilungen haben LegalTech-Tools in ihren Budgets berücksichtigt. 80 Prozent gaben an, KI-LegalTech-Tools im laufenden Jahr einführen zu wollen – wollen dafür aber nur durchschnittlich 13 Prozent des gesamten Legal Budget ausgeben. Das belegt, dass die Investitionen in LegalTech-Tools zwar weiter zunehmen, die Diskrepanz zwischen KI-Ambitionen und Finanzierung jedoch bleibt. Die Legal-Innovationsfähigkeit ist also abhängig von der Legal-Investitionsfähigkeit.

Fazit

Die LegalTech-Trends zeigen, wie Technologie die juristische Arbeit verändert. Da generative KI trotz heutiger multi-modaler Fähigkeiten wie Text, Bild und Audio vor allem die Analyse und Erstellung von Text hervorragend beherrscht, hat der Legal-Bereich quasi eine Pionierstellung in der modernen KI-Bewegung. Der Rechtsmarkt ist eine „Text First“-Industrie und hervorragend geeignet, um die Innovationen von generativer KI zu beschleunigen. Von KI-gestützter Effizienzsteigerung über datenbasierte Risikoanalysen bis hin zur Automatisierung von Routineaufgaben: Der Legal-Markt wird nicht nur digitaler, sondern auch dynamischer. Für Kanzleien und Unternehmensjurist*innen bringt das einerseits neue Möglichkeiten mit sich, andererseits aber auch die Notwendigkeit, sich weiterzuentwickeln. Die Herausforderungen sind vielfältig, doch eines steht fest: Die Zukunft des Rechtsmarkts gehört denen, die technologische Innovationen nicht nur akzeptieren, sondern aktiv mitgestalten.

Der Autor Oliver Bendig ist CEO des LegalTech-Anbieters stp.one

Die Initiative "KI für Deutschland" wurde Ende 2024 von privaten Akteur*innen aus dem KI-Ökosystem ins Leben gerufen. Ziel ist es, einen praxisnahen und unternehmerisch getriebenen Impuls zu setzen, um in dieser Phase der politischen und gesellschaftlichen Neuorientierung Eckpfeiler zu definieren, wie KI zum Wohle und unter Beteiligung aller in Deutschland, effektiv genutzt werden kann.

Zu den Initiator*innen von "KI für Deutschland" gehören maßgeblich die AI.GROUP, der AI.FUND, sowie die Rise of AI Conference - insbesondere die Unternehmer*innen und KI-Expert*innen Dr. Hauke Hansen, Fabian Westerheide, Ragnar Kruse, Petra Vorsteher, Dr. John Lange und Ingo Hoffmann. Unterstützt wird die Initiative von namhaften Institutionen wie dem KI-Bundesverband.

Die Initiative ist deutschlandweit, interdisziplinär und holistisch ausgerichtet. Sie ist offen für den Input und die Unterstützung aller relevanten gesellschaftlichen Gruppen und Persönlichkeiten.

Aufbruchssignal in Zeiten des Umbruchs

Mitinitiator Dr. Hauke Hansen: “Die Initiative KI für Deutschland ist ein Aufbruchssignal in Zeiten des Umbruchs. Mit unseren 11 Impulsen machen wir greifbare und umsetzbare Vorschläge, wie Deutschland die KI nutzen kann, um den gesellschaftlichen Stillstand zu durchbrechen und Wege aus der wirtschaftlichen Rezession zu finden. Wir richten uns damit an alle gesellschaftlichen Akteure, die Wirtschaft ebenso wie die Politik. Wir brauchen eine zukunftsweisende und konsequente Industriepolitik und unternehmerisches Handeln, um die KI am Standort Deutschland zur Chefsache zu machen und damit das Bruttosozialprodukt nachhaltig zu steigern. Stellen wir gemeinsam die Weichen für innovatives und wirtschaftlich erfolgreiches Deutschland von morgen.”

Diese elf Impulse will die Initiative "KI für Deutschland" zur Nutzung künstlicher Intelligenz in Deutschland in Form eines KI-Aktionsplans setzen:

Impuls 1: Einrichtung eines Digitalministeriums auf Bundesebene

Die Digitalisierung in Deutschland hat wirtschaftliche und politische Priorität. Um eine konsequente Digitalisierung der Gesellschaft, Wirtschaft und Verwaltung zu erreichen, ist ein dediziertes Bundesministerium für Digitales mit dem Schwerpunkt KI notwendig.

Impuls 2: Förderung von KI-Forschung und -Innovationen

Deutschland muss die jährlichen Investitionen in KI-Forschung und -Entwicklung bis 2030 auf mindestens 5,0 Mrd. € pro Jahr aufstocken, um international wettbewerbsfähig zu bleiben.

Impuls 3: Bereitstellung von KI-Wagniskapital für KI-Start-ups und -Innovationen

Deutschland benötigt ein KI-Wagniskapitalprogramm ausgestattet mit 10 Mrd. € über 5 Jahre, um KI-Startups zu fördern. Staatliche Fund-of-Funds sollten dazu genutzt werden, Mittel zielgenau und effektiv zu platzieren.

Impuls 4: Aufbau von KI-Clustern zur Förderung von Innovationen und Exzellenz in regionalen Ökosystemen

Deutschland sollte regionale KI-Cluster fördern, die räumliche Nähe mit technischer und wirtschaftlicher Exzellenz verbinden, um Innovationskraft zu maximieren und international Talente anzuziehen.

Impuls 5: Aufbau einer leistungsfähigen und souveränen digitalen Infrastruktur zur Stärkung der KI

Eine flächendeckende digitale Infrastruktur ist essenziell, um KI für Bürger und Unternehmen in der Breite nutzbar zu machen. Wir setzen uns dafür ein, GPU-Megacluster für Forschung und Industrie in Deutschland zu etablieren.

Impuls 6: Förderung der Anwendung von KI in Unternehmen

Bis 2030 sollten mindestens 80% aller deutschen Unternehmen KI-Anwendungen aktiv nutzen, um ihre Geschäfte zu optimieren und auszubauen.

Impuls 7: KI für den öffentlichen Sektor – Effizienzsteigerung und weniger Bürokratie

Bis 2029 sollte der Einsatz von KI in allen wesentlichen Behörden auf Bundes-, Landes- und Regionalebene etabliert werden, um Prozesse zu optimieren, Bürokratie abzubauen und Bürgerdienste zu verbessern.

Impuls 8: KI und Nachhaltigkeit – erschwingliche und saubere Energie für Deutschland

Deutschland sollte KI gezielt einsetzen, um die Energiewende zu unterstützen und die CO₂-Emissionen im Energiesektor bis 2035 um mehr als 15% zu senken. Unser Land braucht eine sichere und bezahlbare Energieversorgung als Grundlage für technologiebasiertes Wachstum.

Impuls 9: Eine KI-Bildungsinitiative als Grundlage einer zukunftsfähigen Gesellschaft

Bis 2030 sollten mehr als 80% der Arbeitskräfte in Deutschland grundlegende KI-Kompetenzen besitzen, um den digitalen Wandel aktiv mitzugestalten.

Impuls 10: Ein klarer und sicherer rechtlicher Rahmen für KI und ein KI-Gütesiegel

Deutschland sollte bis 2026 einen flexiblen Rechtsrahmen für KI schaffen, der Innovation fördert, aber Missbrauch verhindert, und ein KI-Gütesiegel zur Förderung ethischer und transparenter KI einführen.

Impuls 11: Schaffung eines europaweiten KI-Ökosystems mit Deutschland als Schrittmacher

Deutschland sollte eine gestaltende Rolle beim Aufbau eines europäischen KI-Ökosystems übernehmen, um eine wettbewerbsfähige Alternative zu den USA und China zu etablieren.

Hier gibt’s mehr Infos zur Initiative "KI für Deutschland"

Immer häufiger wird in den Medien über erfolgreiche KI-gestützte Deep-Fake-Attacken berichtet. Die Folge: Das Vertrauen der Verbraucher*innen in digitale Medien und Kanäle nimmt zusehends Schaden – und damit auch die betreffenden Online-Anbieter*innen. Bei nicht wenigen von ihnen wird das Phänomen KI-gestützter Angriffe über kurz oder lang zu massivem Imageverlust und Umsatzeinbußen führen.

Diskrepanz zwischen Sensibilisierung und Handeln

Vor diesem Hintergrund stimmt es nachdenklich, dass bislang nur 22 Prozent der Unternehmen Maßnahmen zur Verhinderung von KI-gestütztem Identitätsbetrug ergriffen haben. Der aktuelle Signicat-Report "The Battle Against AI-driven Identity Fraud" zeigt eine Kluft zwischen Bewusstsein und Handeln auf. Während über 76 Prozent der Entscheidungsträger*innen die wachsende Bedrohung durch KI bei Betrug erkennen, haben, wie erwähnt, nur 22 Prozent der Unternehmen damit begonnen, KI-gesteuerte Maßnahmen zur Betrugsprävention zu implementieren.

Für die Studie wurden über 1.200 Entscheidungsträger*innen aus Banken, FinTechs, Zahlungsanbietenden und Versicherungsunternehmen in Europa befragt. In dem Bericht wird hervorgehoben, dass sich die Unternehmen des Problems durchaus bewusst sind, aber Schwierigkeiten haben, die erforderlichen Schutzmaßnahmen zu ergreifen, und zwar aus folgenden Gründen:

• Mangelndes Fachwissen: 76 Prozent der Entscheidungsträger*innen im Bereich Betrugsbekämpfung geben unzureichende Kenntnisse als Haupthindernis an.
• Zeitmangel: 74 Prozent geben zu, dass sie nicht die Zeit haben, das Problem mit der erforderlichen Dringlichkeit anzugehen.
• Fehlendes Budget: 76 Prozent geben an, dass nicht genügend Mittel zur Verfügung stehen, um robuste Technologien zur Betrugsprävention einzusetzen. 

 2025: das Jahr des KI-Betrugs

Im Hinblick auf die aktuellen Herausforderungen warnt der Bericht davor, dass Betrüger*innen KI in einem noch nie dagewesenen Ausmaß nutzen werden Deepfake-Angriffe, die laut Signicat-Daten in den letzten drei Jahren um 2137 Prozent zugenommen haben, sind nur ein Beispiel dafür, wie schnell sich KI-gesteuerte Betrugstechniken weiterentwickeln.

Um den Betrüger*innen einen Schritt voraus zu sein, sollten die Unternehmen schnell handeln: Empfohlen wird ein mehrschichtiger Verteidigungsansatz – von der frühzeitigen Risikobewertung über robuste Identitätsüberprüfungs- und Authentifizierungstools in Kombination mit Datenanreicherung bis hin zur laufenden Überwachung für einen umfassenden Ansatz, der die wichtigsten Angriffsflächen abdeckt:

• Investitionen in KI-gesteuerte Betrugsprävention: Innovative Technologien bieten Echtzeit-Betrugserkennung, einschließlich der Erkennung von Dokumentenmanipulationen und Imitationen, einschließlich Deepfakes, und bekämpfen KI mit KI.
• Aufbau eines internen Bewusstseins und Zusammenarbeit mit vertrauenswürdigen Anbietenden: Ein proaktiver Ansatz für Mitarbeitendenschulungen und externe Zusammenarbeit ist der Schlüssel zum Umgang mit dieser sich entwickelnden Bedrohungslandschaft.

Mark Zuckerberg verkündete erst vor Kurzem, dass Meta in Zukunft ohne Fact-Checking auskommen soll. Stattdessen werden schon bald die Nutzer*innen über den Wahrheitsgehalt der Inhalte bestimmen – in einem Zeitalter von Bots und KI ist allerdings schon jetzt abzusehen, dass das nicht funktionieren wird und vermutlich auch gar nicht funktionieren soll. Die Instanzen, die bisher die Echtheit der Aussagen geprüft haben, seien nach Auffassung des Facebook-Gründers jedoch politisch nicht neutral. Fast zur selben Zeit von Zuckerbergs Ankündigung, führte ein politisch motivierter und unberechenbarer Milliardär auf seiner eigenen Plattform X ein Live-Interview mit der AfD-Vorsitzenden Alice Weidel, die in dem Gespräch zahlreiche Falschbehauptungen machte.

Diese Entwicklungen zwingen Medienschaffende sowie Leser*innen, sich 2025 ernsthaft mit den Alternativen zu Social Media zu befassen. Denn die gibt es!

1. Fakten statt Fame – Echtzeit Nachrichten durch Live-Blogs

Das schwindende Vertrauen in die klassischen Medien sorgte in der Vergangenheit dafür, dass sich Leser*innen über Facebook, Twitter und Co. informierten. Doch die zunehmende Verbreitung von Fake News in den sozialen Netzwerken fordert andere Kanäle, die genauso schnell und persönlich informieren, aber gleichzeitig den Wahrheitsgehalt sicherstellen. Live-Blogs sind für Journalist*innen ein ebenso unmittelbarer Weg zu ihrer Zielgruppe. Hier können sie sich transparent und menschlich präsentieren, indem sie ihr Publikum näher in den Entstehungsprozess der Geschichten hinter den Schlagzeilen einbeziehen. Durch Dialoge und Engagement können sie eine Bindung zur Leserschaft aufbauen. Videos, die ihre Arbeit zeigen, machen sie nahbarer und vertrauenswürdiger. Transparenz, etwa durch Erklärungen zur Quellenprüfung oder zur Verifizierung von Informationen, baut Glaubwürdigkeit auf, bekämpft Desinformation und stärkt das Verhältnis zwischen Medien und Öffentlichkeit – und gerade das wird in 2025 entscheidend sein.

2. Entertainment im Micro-Content für Macro-Erfolg

Kurzvideos sind nicht erst seit der Einführung von TikTok beliebt, doch die Plattform hat den Trend weiter angefacht und ihre Popularität ist ungebrochen. Nachrichtenportale müssen in 2025 verstärkt auf dieses Format setzen, um insbesondere junge Leser*innen als treue Konsument*innen zu gewinnen. Allerdings können Medienschaffende noch einen Schritt weiter denken, hin zu interaktiven Mikro-Inhalten, die den Bedürfnissen nach Inspiration, Ablenkung und Verbindung gerecht werden. Dynamische Live-Blog-Formate wie Q&As, Umfragen, Kommentare und Reaktionen ermöglichen Echtzeit-Interaktionen. Sie können mit Live-Updates kombiniert und in den sozialen Netzwerken geteilt werden. Dadurch gewinnen Nachrichtenorganisationen die Aufmerksamkeit der Nutzer*innen und bleiben im Wettbewerb mit Social Media konkurrenzfähig.

3. Video Killed the Radio Star und Mobile das TV!

Fernsehen ist so 90er-Jahre! Die Mehrheit der Konsument*innen liest ihre Nachrichten über das Smartphone. Eine Ausrichtung auf mobile, responsive Designs ist also auch in 2025 entscheidend. Wer darüber hinaus ein „Second-Screen-Erlebnis“ ermöglicht, bietet durch Echtzeit-Statistiken, Analysen oder Hintergrundberichte ein immersives Erlebnis für Nutzer*innen und damit einen Mehrwert für ihr Seherlebnis. Gerade für Nachrichtenformate, Event- und Sportberichterstattung wird dieses Feature immer wichtiger.

4. KI im Newsroom: Zwischen Skepsis und Effizienz

Das Thema künstliche Intelligenz (KI) ist noch lange nicht erledigt, doch gerade Journalist*innen haben Bedenken hinsichtlich der Nutzung. Während KI-generierte Inhalte für viele Medienschaffende und ihr Publikum noch außerhalb der Komfortzone liegen, wird die Technologie zunehmend in Bereichen wie Übersetzungen, Überschriften- und Social-Media-Zusammenfassungen sowie Datenanalysen eingesetzt. Denn sie kann Lücken in Geschichten identifizieren, Verbesserungen vorschlagen, Texte korrekturlesen und den Tonfall an verschiedene Zielgruppen anpassen. In Kombination mit Tracking-Funktionen kann KI zudem den optimalen Veröffentlichungszeitpunkt und relevante Themen oder Formate bestimmen. Damit wird sie die Arbeitsprozesse in Nachrichtenredaktionen effizienter gestalten und Redakteur*innen den Freiraum geben, sich auf die Erstellung authentischer, leserzentrierter Inhalte zu fokussieren.

5. Näher dran durch hyperlokale Inhalte

In einem wettbewerbsintensiven Umfeld ist das Verständnis für die eigene Zielgruppe essenziell. Durch maßgeschneiderte Inhalte können Medienorganisationen stärkere Bindungen aufbauen und gleichzeitig ihre Reichweite vergrößern. Lokale Zeitungen haben es in der digitalen Ära schwer, da sie Werbekunden an Plattformen wie Google oder Facebook verlieren und ihr Publikum zunehmend auf Nischenangebote umsteigt. Dennoch wird die Nachfrage nach hyperlokalen Inhalten weiter wachsen, da die Meldungen die Menschen vor Ort einbeziehen und dem Publikum das Gefühl geben, gesehen zu werden. Insbesondere die Sportberichterstattung ist ein strategisches Asset für Medienschaffende, da sie die starke Verbindung der Fans zu heimischen Teams nutzt, um persönliche Beziehungen zu Leser*innen aufzubauen. Die so geschaffenen Inhalte können das Vertrauen der Leserschaft zurückgewinnen und lokale Bindungen stärken. Dieser Ansatz gilt allerdings nicht nur für Sport. Medien, die gezielt kleinere, spezifische Gruppen ansprechen und deren Leben sowie Begeisterung widerspiegeln, können ihre Reichweite erhöhen und Abonnementmodelle fördern. Während aktuelle Nachrichten ein breites Publikum anziehen, sorgen Nischeninhalte für langfristiges Interesse.

Die Nachrichten der Zukunft sind transparent

In einer Zeit, in der Falschinformationen auf Social Media den Diskurs prägen, gewinnen alternative Nachrichtenformate an Bedeutung. Live-Blogs sind schon lange, aber insbesondere in 2025, eine Alternative, um Echtzeit-News mit Transparenz und Nähe zu verbinden. Sie ermöglichen es Journalist*innen, authentisch zu berichten, den Entstehungsprozess ihrer Inhalte nachvollziehbar zu machen und ihre Leserschaft aktiv einzubeziehen. Durch Dialog und Interaktion können Medienhäuser ihre Glaubwürdigkeit stärken und Loyalität aufbauen. Statt Likes und viralen Trends stehen hier Fakten, Vertrauen und die Nähe zum Publikum im Mittelpunkt – und genau das braucht ein moderner Journalismus.

Die Autorin Naomi Owusu ist CEO und Co-Founder von Tickaroo, eine Live Blog-Plattform für Text- und Multimedia-Inhalte. Seit der Gründung 2011 setzt sich die studierte Psychologin mit ihrem Team für den Ausbau des Produktportfolios und die Optimierung des Live-Content-Tools ein.

Künstliche Intelligenz (KI) ist längst Teil unseres Alltags und hält in Unternehmen auch zunehmend Einzug. Ob beim Erstellen von Texten, in der Datenanalyse oder bei der Automatisierung von Routine­aufgaben – KI ist ein starkes Werkzeug, das Unternehmen viele Vorteile bieten kann. Doch mit diesen Vorteilen kommen auch Verantwortung und Risiken, die eine klare und durchdachte KI-Policy erfordern.

Diese Einleitung zu einem Artikel über KI-Policies ist KI-generiert. Es ist so schön bequem und schnell gemacht: eines der gängigen LLM-Systeme online aufrufen, beispielsweise ChatGPT, und binnen Sekunden ist der Artikel fertig.

Ihr kennt das im Privaten, vor allem aber auch im Arbeitsumfeld. KI-Tools sind aus der Arbeitswelt nicht mehr wegzudenken. Die Nutzung von KI – insbesondere für berufliche Aufgaben – birgt jedoch Risiken. Manche KI neigt, falsch trainiert, zu diskriminierenden Entscheidungen, was z.B. im HR-Bereich gefährlich ist. Unbedacht erstellte Prompts können den Schutz von Geschäftsgeheimnissen aufs Spiel setzen. Die Datenschutzgrundsätze sind wie immer einzuhalten.

Generative KI schert sich, wenn wir als Nutzer*innen nicht da­rauf Acht geben, nicht um die Urheberrechte derer, deren Werke wir – ob bewusst oder unbewusst – verwenden oder verletzen. Zudem ist seit August 2024 die KI-Verordnung in der EU in Kraft und stellt an Unternehmen, die KI-Systeme und -Modelle entwickeln, anbieten oder betreiben, umfangreiche Anforderungen. Auch die mit KI einhergehenden Risiken sind nicht außer Acht zu lassen.

Seid ihr als Gründer*innen oder in sonst verantwortlicher Position in einem Unternehmen mit mehreren Mitarbeiter*innen tätig, müsst ihr euch Gedanken darüber machen, wie solche Risiken zu fassen und zu begrenzen sind. Tut ihr das nicht, drohen aus diversen Rechtsgrundlagen z.B. Schadensersatzforderungen, Bußgelder oder der Verlust an Assets – Dinge, die allerspätestens bei der nächsten Finanzierungsrunde negativ bewertet werden. In Bezug auf eure Belegschaft müsst ihr also Awareness für diese Themen schaffen und konkrete Vorgaben machen.

Denn eines ist klar: KI wird in eurem Unternehmen genutzt werden, ob mit oder ohne euer Wissen. Und bevor die Mitarbeiter*innen auf privaten Geräten sensible berufliche Aufgaben nicht reglementiert mittels ChatGPT & Co. lösen, beschreibt lieber beizeiten Dos and Don’ts, um sicherstellen, dass KI verantwortungsvoll, sicher und rechtskonform im Unternehmen eingesetzt wird.

Dazu dient eine die Belegschaft informierende und verpflichtende KI-Policy. Im Folgenden findest du einen Überblick darüber, welche Aspekte in eine solche Policy gehören.

1. Richtlinien für den Einsatz generativer KI am Arbeitsplatz

Generative KI-Modelle wie ChatGPT, DALL-E und andere erstellen Inhalte nach Maßgabe der Eingaben der Nutzenden. Bei diesen Prompts und bei der Verwendung der generierten Ergebnisse ist auf Folgendes zu achten:

• Schutz sensibler Daten: Die Eingabe vertraulicher Informationen in KI-Modelle stellt ein erhebliches Risiko dar, da generative KI-Systeme auf großen Datenmengen trainiert sind und Informationen potenziell unkontrolliert verarbeiten und speichern. Die KI-Policy sollte explizit verbieten, sensible oder vertrauliche Informationen in generative KI-Systeme einzugeben, insbesondere, wenn diese extern betrieben werden. Die Policy sollte beschreiben wie mit sensiblen Daten umzugehen ist und welche Daten für die Verarbeitung durch KI-Systeme ungeeignet sind.
• Einhaltung des Datenschutzes: Die KI-Policy sollte klarstellen, dass der Einsatz generativer KI-Tools den Anforderungen der Datenschutzgesetze (DSGVO, BDSG) entsprechen muss. Dazu gehören Vorgaben, wie personenbezogene Daten rechtssicher zu handhaben sind und welche dieser Daten überhaupt für den Einsatz von KI-Modellen geeignet sind. Zudem bedarf es Vorgaben zur Anonymisierung und Pseudonymisierung der Daten, daneben Transparenzvorgaben, um betroffene Personen über die Nutzung ihrer Daten zu informieren. Personenbezogene Daten in öffentlichen KI-Systemen einzusetzen, sollte möglichst untersagt werden.
• Umgang mit geistigem Eigentum: Die Nutzung generativer KI-Modelle kann zu Problemen führen, wenn die KI auf geschütztem Material trainiert wurde, von dem/der Nutzenden urheberrechtlich geschützte Werke in den Prompt einbezogen werden oder die KI Werke erstellt, die bestehende Urheber- oder sonstige Schutzrechte verletzen. Die KI-Policy sollte ein Verbot der Verwendung von Werken enthalten, an denen nicht die für die Bearbeitung erforderlichen Rechte bestehen. Und sie kann Regelungen zur Überprüfung und Genehmigung von KI-erstellten Inhalten festlegen, etwa durch eine Rechtsabteilung oder eine speziell dafür zuständige Stelle.
• Transparenz und Kennzeichnung: Die KI-Policy sollte festlegen, dass Inhalte, die mithilfe von generativer KI erstellt wurden, transparent gekennzeichnet werden. Dies trägt dazu bei, Missverständnisse zu vermeiden und sicherzustellen, dass die Herkunft von Texten und Bildern klar erkennbar ist. Diese Kennzeichnungspflicht sollte insbesondere dann gelten, wenn KI-generierte Inhalte veröffentlicht werden, aber auch im internen Gebrauch.
• Positivliste erlaubter KI-Systeme: Um die Mitarbeiter*innen mit der Anwendung dieser Vorgaben auf einzelne am Markt angebotene KI-Systeme nicht allein zu lassen, kann eine KI-Policy auch eine Auflistung der vom Unternehmen freigegebenen Systeme enthalten. Voraussetzung ist dafür natürlich, dass diese Systeme vorab entsprechend fachlich geprüft wurden. Das kann schwierig sein, weil sich Anbieter*innen meist nicht in die Karten schauen lassen.

2. Richtlinien für die Entwicklung und Implementierung von KI

Auch wenn ihr in eurem Unternehmen KI-Systeme entwickeln oder implementieren wollt, sind ethische, rechtliche und technische Anforderungen in einer KI-Policy zu adressieren.

• Fairness, Transparenz und Nichtdiskriminierung: KI-Systeme können, wenn sie auf verzerrten Datensätzen trainiert werden, Diskriminierung oder Vorurteile reproduzieren. Eine KI-Policy sollte deshalb klare ethische Richtlinien fest­legen, die sicherstellen, dass die entwickelten Modelle fair, transparent und frei von Diskriminierung sind. Ein mögliches Vorgehen ist, regelmäßige Audits und Bias-Tests durchzuführen und in der Policy verpflichtend vorzusehen, um Verzerrungen frühzeitig zu erkennen und zu beheben.
• Datenschutz und Datensicherheit: Der verantwortungsvolle Umgang mit Nutzer*innendaten ist eine der wichtigsten Anforderungen in der KI-Entwicklung. Die KI-Policy sollte festlegen, dass bei der Verarbeitung personenbezogener Daten durch die KI strenge Schutzanforderungen, am besten strenge Begrenzungen, gelten. Rein automatisierte Entscheidungen sind schon laut DSGVO verboten. Es sollten nur die für die jeweilige Anwendung notwendigen Daten erhoben und verarbeitet werden, und diese Daten sollten weitestgehend anonymisiert oder pseudonymisiert werden. Regelungen für den Zugang zu diesen Daten sowie Maßnahmen zur Datensicherheit (wie Verschlüsselung und Zugriffskontrollen) sollten ebenfalls Bestandteil der Policy sein.
• Überprüfung auf Halluzinationen und Fehlinterpretationen: Generative KI-Modelle neigen dazu, Informationen zu „halluzinieren“, also falsche oder ungenaue Inhalte zu erstellen. In der KI-Policy sollte festgelegt sein, dass entwickelte KI-Modelle regelmäßig auf ihre Genauigkeit und Zuverlässigkeit überprüft werden. Dies kann durch vorgeschriebene Tests und Simulationen geschehen, bei denen die KI in verschiedenen Szenarien eingesetzt und auf ihre Fähigkeit, korrekte Ergebnisse zu liefern, geprüft wird. Es sollten auch definiert werden, wie Fehler erkannt und behoben werden können.
• Erklärbarkeit und Nutzer*infreundlichkeit: Komplexe KI-Modelle sind oft schwer verständlich und wirken wie eine Black Box, deren Entscheidungen für Außenstehende kaum nachvollziehbar sind. Die KI-Policy sollte daher sicherstellen, dass die KI so gestaltet ist, dass ihre Funktionsweise für Nutzer*innen transparent und nachvollziehbar ist. Dies ist insbesondere dort wichtig, wo KI-Entscheidungen schwerwiegende Auswirkungen haben können. Ihr solltet sicherstellen, dass für Nutzer*innen eine verständliche Erläuterung darüber bereitgestellt wird, wie und warum die KI zu einem bestimmten Ergebnis gelangt ist. Das ist Voraussetzung für Kontrolle und rechtskonformen Betrieb der KI.
• Gesetzeskonformität gemäß KI-Verordnung: Nicht zuletzt hat die Europäische Union die KI-Verordnung in Kraft gesetzt, die strenge Anforderungen an die Entwicklung und Nutzung von KI stellt. Die KI-Verordnung dient der Produktsicherheit und verlangt zunächst eine Risikoeinschätzung für die KI-Systeme. Die Maßgaben für eine solche Einschätzung sollten in der Policy angerissen und No-Gos für die Entwicklung von Funktionalitäten, die zu den laut KI-Verordnung verbotenen KI-Anwendungen gehören, ausgesprochen werden. Für sogenannte Hochrisiko-­KI-Systeme gelten besondere Anforderungen, die bei einer Entwicklung mitgedacht werden müssen, wofür eine KI-Policy zumindest sensibilisieren sollte. Die im Einzelfall geforderte Überprüfung und Einstufung des jeweiligen Systems oder Modells kann eine Policy nicht leisten. Die initialen und regelmäßigen Überprüfungen sowie Risikobewertungen sollte sie aber fordern.
• Regelmäßige Überwachung und Wartung der KI-Modelle: KI-Modelle entwickeln sich weiter und benötigen regelmäßige Überwachung und Wartung, um die Leistung zu optimieren und mögliche Fehler zu minimieren. Die KI-Policy sollte eine solche sich wiederholende Maintenance festlegen, etwa die schon erwähnten regelmäßigen Aktualisierungen, Fehler­behebungen und Performance-Überprüfungen, damit die KI-Systeme immer den aktuellen Standards und Anforderungen entsprechen.

3. Übergreifende Ziele und Vorgaben einer KI-Policy

Eine KI-Policy sollte nicht nur detaillierte Vorgaben zur Nutzung und Entwicklung von KI enthalten, sondern auch allgemeine Leitlinien und Prinzipien für den Einsatz von KI im Unternehmen, um ein Bewusstsein für die Potenziale und Risiken der Technologie zu schaffen.

• Regelmäßige Überprüfung und Anpassung: Da sich KI-Technologien und gesetzliche Anforderungen stetig weiterentwickeln, sollte auch die KI-Policy regelmäßig überprüft und aktualisiert werden. Dies hilft sicherzustellen, dass das Unternehmen stets auf dem neuesten Stand ist und seine KI-Systeme konform mit den aktuellen gesetzlichen, ethischen und technischen Standards sind. Es ist empfehlenswert, regelmäßige Audits durchzuführen und die Policy an neue Entwicklungen in der KI-Forschung und Gesetzgebung sowie an die Marktanforderungen anzupassen.
• Unternehmenskultur in Bezug auf KI: Eine KI-Policy sollte dazu dienen, den transparenten und offenen Umgang mit KI in allen Unternehmensbereichen und damit die Akzeptanz für KI-Systeme sowohl innerhalb des Unternehmens als auch bei Kund*innen und Partner*innen zu fördern. Dazu gehört auch, dass das Unternehmen offenlegt, in welchen Bereichen KI eingesetzt wird und welche Entscheidungen die Technologie beeinflusst. Letztendlich ist die KI-Policy ein Ins­trument zur Förderung einer verantwortungsvollen und ethischen Unternehmenskultur in Bezug auf KI. Das schützt letztlich auch die Integrität und die Werte des Unternehmens.
• Schulungen und Sensibilisierungsmaßnahmen: Um einen solchen kompetenten und verantwortungsvollen Umgang mit KI zu erreichen, sind regelmäßige Schulungen und Sensibilisierungsmaßnahmen für die Mitarbeiter*innen zu den hier genannten Aspekten vorzusehen.

Fazit

Dieser Artikel kann nur einen groben Überblick und Rahmen geben. Die konkreten Inhalte einer auf eure Belange und Nutzungsformen passenden Policy müsst ihr in Anschauung der Spezifika der eingesetzten oder zu entwickelnden KI-Systeme erarbeiten. Das kann auch schlecht an KI delegiert werden: Der Rest des eingangs erwähnten KI-generierten Artikels war nicht wirklich brauchbar, ebenso die testweise mit KI erstellten Policies. Dafür braucht es professionelle Unterstützung.

Der Autor Dr. Daniel Michel, LL.M. ist seit 2004 als Rechtsanwalt im Bereich IT/IP/Technologie tätig. Nach Stationen in spezialisierten und Großkanzleien betreibt er seit 2018 seine eigene Rechtsberatung im Raum München, www.datalawcounsel.com

Angesichts des steigenden Fachkräftemangels werben Unternehmen immer stärker um gut ausgebildete, motivierte Mitarbeitende. Sie bieten attraktive Gehälter, zusätzliche Benefits und investieren viel in ihre Arbeitgebermarken. Zahlreiche Jobplattformen und Dienstleister*innen versprechen, dass sie das ideale Match zwischen Bewerber*innen und Unternehmen herstellen können. Doch die Realität sieht häufig anders aus. Beschäftige sind unzufrieden mit ihrem Job, sie wechseln auf gut Glück den Arbeitgebenden oder kündigen innerlich. Für Unternehmen bedeuten unzufriedene Mitarbeitende und Fehlbesetzungen Reibungsverluste und finanzielle Einbußen.

„In Deutschland stehen wir vor dem Problem, dass die Beschäftigung steigt, gleichzeitig jedoch die Produktivität sinkt“, sagt Dr. Annika von Mutius, Mitgründerin und CEO des Berliner HR-Start-ups Empion. Das Phänomen lasse sich durch den falschen Einsatz der Kompetenzen erklären: „Menschen sind besonders leistungsbereit und zufrieden, wenn sie einen Job machen, in dem sie wirklich gut und produktiv sind“, so Annika, und dazu müsse man die richtigen Skills mit den richtigen Aufgaben zusammenbringen.

Wertebasiertes, KI-gestütztes Matching von Kandidat*innen und Jobs

Idealerweise werden die Persönlichkeit und die Anforderungen einer Stelle schon im Bewerbungsprozess umfassend berücksichtigt. Dazu zählen insbesondere auch weiche Faktoren wie individuelle Werte, Unternehmenskultur, Wertschätzung und Respekt, die für Mitarbeitendenzufriedenheit entscheidend sind. Genau das ermöglicht Empion. Kandidat*innen und Unternehmen werden beim Onboarding eingehend befragt und charakterisiert. „Wir betrachten sowohl Persönlichkeitselemente und kulturelle Präferenzen als auch harte Kriterien wie Ausbildung, Berufserfahrung und Mitarbeiterbenefits“, sagt Annika. „So ermöglichen wir Arbeitnehmern und Unternehmen, das entsprechend ideale Match zu finden.“ Das Ziel ist eine maximale Mitarbeitendenzufriedenheit, die sich in einer entsprechend hohen Produktivität und langjähriger Betriebszugehörigkeit widerspiegelt.

Kandidat*innen, die sich für Jobangebote interessieren, können sich bei Empion kostenlos registrieren. „Wir sprechen hier besonders den passiven Bewerbermarkt an“, so Annika, „also diejenigen Menschen, die grundsätzlich offen für neue Chancen und somit wechselbereit sind, die aber nicht unbedingt bereits aktiv suchen.“ Unternehmen schreiben auf der Plattform ihre offenen Positionen aus. Die Bewerber*innenprofile und Stellen werden entlang der zahlreichen Faktoren mit KI-Unterstützung abgeglichen, auf Korrelation geprüft und vorqualifiziert. Die Unternehmen erhalten die voraussichtlich am besten passenden Kandidat*innen als Vorschläge und können in den persönlichen Austausch einsteigen.

Durch die Vorauswahl sparen Unternehmen viel Zeit und bis zu 60 Prozent an Recruitingkosten. Mit der Genauigkeit des Matchings seien die Kund*innen zufrieden, und auch die Mitarbeitendenbindung sei höher als bei Kandidat*innen, die über andere Kanäle rekrutiert werden, so Annika. „Da wir erst knapp drei Jahre als Unternehmen existieren, können wir natürlich noch keine Langzeitwerte liefern und müssen hier einschränken, doch die Erfolge in der Mitarbeitersuche und den ökonomischen Mehrwert von Empion sehen unsere Kunden bereits heute.“

Von der Doktorarbeit zum Start-up

Annika, die in dritter Generation einer Unternehmerfamilie entstammt, entschied sich während ihrer Dissertation in Mathematik für die Gründung. Ihre Mitgründerin Dr. Larissa Leitner lernte sie während einer Konferenz kennen. Larissa schrieb damals ihre Doktorarbeit zur Unternehmenskultur im Mittelstand. Über den Verteiler der Universität erfuhr Annika von Larissas erfolgreicher Dissertation und gratulierte. So begannen sie, sich regelmäßig zu schreiben. Während eines Arbeitsaufenthalts im Silicon Valley trainierte Annika dann Datenmodelle für den pharmazeutischen Markt, um Medikamente zu individualisieren. Als sie nach Deutschland zurückkehrte, traf sie Larissa für ein Wochenende in ihrer Heimat Südtirol. „Da wir beide damals in engem Austausch mit dem Mittelstand standen, kannten wir die Herausforderungen in der Mitarbeitersuche“, so Annika. Mittelständler*innen können bei Bewerber*innen nicht mit den größten Gehältern oder den schönsten Locations punkten, stattdessen aber durch Faktoren wie Teamwork und Unternehmenskultur. „Wir wussten, dass diese Vorzüge im Recruiting kaum eingesetzt werden.“

Sie begannen, mathematische Modelle für das Matching von Unternehmen und Kandidat*innen mit Daten aus Larissas Promotion zu füttern. Die Ergebnisse waren vielversprechend. „Es war ein klassischer Forschungstransfer“, erinnert sich Annika. Der Fokus lag zunächst auf den kulturellen Faktoren. Doch bald stellten sie fest, dass sich die Mitarbeiter*innensuche nicht allein über die Kultur lösen lässt, und sie erweiterten den Ansatz um zusätzliche Persönlichkeitsmerkmale.

Marketing und Kommunikation müssen konstant weitergedacht werden. Gründe dafür gibt es genug – ob Digitalisierung und KI oder ein zunehmender Wettbewerb in wirtschaftlich unsicheren Zeiten. Gründer*innen, CEOs und Kommunikationsprofis von ToolTime, kollex, Creditsafe, good healthcare group, puzzleYOU und Mashup Communications zeigen, welche Trends Fach- und Führungskräfte 2025 erwarten.