Die auf Suchmaschinenmarketing spezialisierte Online-Marketing-Agentur eology zeigt in ihrem Whitepaper „KI-Texte und Google-Rankings: Wie gut ranken KI-Inhalte?“, wie KI-Inhalte auf Google ranken, welche Herausforderungen sie mit sich bringen und welche Schritte erforderlich sind, um sie rankingfähig zu machen. Zudem wird auch auf spezifische technische, strategische und kreative Aspekte eingegangen, die für die Erstellung hochwertiger Inhalte entscheidend sind.

Gewusst wie: rankingfähige KI-Teste

Was zweifelsfrei erwiesen ist: Nach dem SEO-Qualitätsstandard erstellte KI-Texte sind rankingfähig und können die Sichtbarkeit einer Domain genauso unterstützen wie menschliche Inhalte. Allerdings ist die Erstellung solcher Texte nicht damit getan, einfach einen Prompt einzugeben und das Ergebnis online zu stellen. Es bedarf menschlicher Zuarbeit und Kontrolle.

Di Expert*innen von eology haben aus ihrer Studie heraus Best Practices ermittelt, um zu rankingfähigen Texten zu kommen. In fünf Schritten kannst du das auch:

1. Schritt: Chatbot briefen

Bei ChatGPT einen CustomGPT anlegen mit allen notwendigen Projektinstruktionen. Auf diese greift die KI immer zurück, ihr müsst sie daher nicht immer wieder neu eingeben. Das spart Zeit und sorgt langfristig für besseren Output. Bei Claude geht das nicht. Hier kopiert ihr die Projektinstruktionen einfach in den Chat. Die KI meldet dann, dass sie die Aufgabe verstanden hat und fasst diese noch einmal zusammen.

Folgende Instruktionen sind wichtig:

• Keywordset

• Infos zur Verwendung der Keywords (Verteilung, Häufigkeit, Positionierung im Text)

• Textlänge

• Zielgruppe und Leseransprache

• Stil, Tonalität und weitere Infos zum Wording

• Formaler Textaufbau (Überschriften, Aufzählungen, Tabellen)

• Inhaltlicher Textaufbau, ggf. Gliederung

2. Schritt: Chatbot testen

Prompt erstellen mit allen für den einzelnen Text relevanten Informationen (Thema, Keywordset). Da ihr alle Projektinstruktionen bereits an den Chatbot übermittelt habt, braucht ihr in den Prompt nur noch die Infos für den einzelnen Text reinschreiben. Er lautet dann: „Hallo GPT, erstellst Du mir bitte einen Text zum Thema „XY“ mit diesen Keywords: Hauptkeyword=Thema: [Hauptkeyword] Nebenkeywords: [Nebenkeywords] W-Fragen: [W-Fragen]. Danke.“

3. Schritt: Output prüfen

Output prüfen auf alle Projektanforderungen: SEO, Keywords, Wording, Rechtschreibung sowie Inhalt.

4. Schritt: Anpassungen vornehmen

Wenn der Output nicht passt, gebt der KI Anweisungen für Änderungen, passt die Projektinstruktionen an oder optimiert den Prompt. Ladet Beispieltexte hoch mit eurem gewünschten Stil, lasst die KI den Stil beschreiben und packt die Stilbeschreibung in die Projektinstruktionen. Wenn der Chatbot wiederholt zu wenig Text liefert, kann es Sinn machen, dass ihr diese Information doch in den Prompt eingeben müsst, selbst wenn diese in den Instruktionen steht. Insbesondere ChatGPT neigt dazu, zu wenig Text zu liefern und muss immer wieder daran erinnert werden.

5. Schritt: Bilder generieren 

Instruktionen für die Bilderstellung in den Projektinstruktionen hinterlegen. Bei einem CustomGPT hinterlegt ihr auch den Stil für die Bilder, denn dann habt ihr eine Chance auf einen einheitlichen Stil. Allerdings ist ChatGPT mit der Schnittstelle zu DALL-E nicht die beste Bild-KI. Daher funktioniert nicht alles reibungs- los. Für eine hochwertige und professionelle Bildgenerierung nutzt besser eine spezielle Bild-KI wie Midjourney.

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.

Die Welt steht vor einigen Herausforderungen: Klimawandel, soziale Ungleichheit und wirtschaftliche Unsicherheiten sind nur einige der Themen in der aktuellen Zeit. Und genau hier setzen Social Entrepreneur*innen an: von ihnen werden innovative Geschäftsmodelle entwickelt, die nicht nur finanziell erfolgreich sind, sondern auch Lösungen für Probleme in Gesellschaft und Umwelt anbieten.

Doch was macht Social Entrepreneurship 2025 aus? Welche Chancen und Trends ergeben sich und welche Hürden gilt es für Gründer*innen und Unternehmer*innen zu meisten? Antworten liefern uns die Expert*innen vom Gründungszentrum Enterprise in Potsdam, die innovative, soziale und nachhaltige Gründungsprojekte im Land Brandenburg von der ersten Idee bis zur Umsetzung begleiten.

I. Die wichtigsten Trends im Social Entrepreneurship 2025

1. Social Impact Investing revolutioniert die Finanzierung

Lange war die Finanzierung sozialer Innovationen herausfordernd. Doch 2025 etabliert sich Social Impact Investing als eine der inetressantesten Formen, das soziale Vorhaben zu finanzieren. Hierbei suchen Investor*innen nicht mehr nur nach Rendite, sondern fordern auch messbare soziale und ökologische Ergebnisse ein. Besonders profitabel sind Projekte in den Bereichen GreenTech, CleanTech und soziale Inklusion.

Ein gutes Beispiel für die Förderung sozialer Unternehmen ist das 12-Milliarden-Euro-Start-up-Paket, das von der Bundesregierung gemeinsam mit der Wirtschaft auf den Weg gebracht wurde. Es bietet Gründungen Zugang zu dringend benötigtem Kapital, unterstützt die Skalierung von Projekten und schafft Anreize für Innovationen. Social Entrepreneur*innen, die ihre Wirkung authentisch nach außen tragen, können von diesem Wandel profitieren und einfacher an Investor*innen gelangen, die gemeinsame Ziele und Werte haben.

2. Teamarbeit und Zusammenarbeit über Branchen hinweg

Interdisziplinäre Teams sind die Zukunft. Social Entrepreneur*innen erkennen, dass Vielfalt und geteilte Verantwortung zu nachhaltigeren und innovativeren Lösungen führen, und setzen daher vermehrt auf Kollaborationen. Ein spannender Trend hierbei sind Cross-Industrie-Kollaborationen: Hier bündeln Unternehmen aus unterschiedlichen Branchen ihr Fachwissen und entwickeln so innovative und kreative Lösungen. So können neue Märkte erschlossen, Kosten gesenkt und zeitgleich starke und nachhaltige Netzwerke aufgebaut werden.

Ein weiterer aufstrebender Trend sind Genossenschaften. Diese demokratischen Organisationsformen verbinden ganz im Sinne des sozialen Unternehmertums wirtschaftliche Stabilität mit gemeinschaftlicher Verantwortung. So werden regionale Wirtschaftskreisläufe gefördert und nachhaltige, langfristige Perspektiven kreiert.

3. Digitalisierung und KI als Treiber von Innovation

Mit künstlicher Intelligenz (KI) und Digitalisierungen können Social Entrepreneur*innen Prozesse effizienter gestalten und ihre Wirkung maximieren. KI-gestützte Tools ermöglichen eine neue Präzision in der Datenanalyse und Automatisierung von Abläufen und machen Projekte skalierbarer. Besonders hervorzuheben sind die Vorteile im Marketing durch KI, wodurch Unterstützer*innen gezielt und personalisierter angesprochen werden können.

Digitale Plattformen überwinden geografische und wirtschaftliche Grenzen, was Social Entrepreneur*innen ermöglicht, global zu agieren, Zielgruppen bewusst anzusprechen und Investor*innen für die eigene Idee zu gewinnen. Soziale Projekte können durch Digitalisierung langfristig skaliert und sinnvoll verbreitet werden.

II: Zentrale Branchen und gesellschaftliche Relevanz

1. Green Economy: Nachhaltigkeit als Wachstumstreiber

Die Green Economy ist ein relevanter Bestandteil der Social Entrepreneurship. Start-ups in diesem Bereich entwickeln bahnbrechende Lösungen wie erneuerbare Energien, Konzepte der Kreislaufwirtschaft und umweltfreundliche Technologien. Sie fördern zum einen wirtschaftliches Wachstum, zum anderen sind sie Maßstab für globale Veränderungen, Innovationen und eine zukunftsfähige Wirtschaft.

2. Regionale Entwicklung: Chancen für ländliche Räume

Gerade in ländlichen Regionen sind Abwanderung, schwache Infrastruktur und wirtschaftliche Stagnation häufig drohende Herausforderungen. Soziale Unternehmen können hier positiv wirken: von der Schaffung neuer Arbeitsplätze, der Stärkung regionaler Wirtschaft bis hin zum Angebot digitaler Lösungen im Bereich der Gesundheitsförderung und Bildung. Positiver Nebeneffekt ist zudem eine Förderung des sozialen Zusammenhalts direkt vor Ort.

3. Diversität und Inklusion: Innovation durch Vielfalt

Diversität ist kein kurzfristiger Trend, sondern ein entscheidender Faktor, wenn es um den Erfolg von Unternehmen im Allgemeinen geht. Studien belegen, dass diverse Teams nachhaltigere Entscheidungen treffen und kreativer sind. Social Entrepreneur*innen setzen auf inklusive Geschäftsmodelle, die Chancengleichheit fördern, Barrieren abbauen und Produkte oder Dienstleistungen entwickeln, die für alle zugänglich sind.

III. Herausforderungen und Risiken

Trotz vielversprechender Entwicklungen und Trends, stehen sozialer Unternehmer*innen auch vor Herausforderungen. Mangelnde Finanzierungsmöglichkeiten durch komplexe Kommunikation mit Investor*innen, bürokratische Anforderungen erhöhten den internen Aufwand und der zunehmende Marktdruck erschweren oft den Einstieg.

Aber auch veränderte Konsumtrends, bei denen Verbraucher*innen den Preis über Nachhaltigkeit stellen, erfordern Flexibilität in Lösungsfindung und strategischen Ausrichtung. Hier liegt wiederum das Potential bei sozialen Unternehmungen, die mit ihren Projekten bereits Themen der Zukunft transparent und messbar behandeln.

Ein Weg in die Zukunft

Aktuell vereint Social Entrepreneurship Innovation, Nachhaltigkeit und gesellschaftlichen Wandel wie nie zuvor. Neue Finanzierungsmöglichkeiten, technologische Fortschritte oder starke Kooperationen und Kollaborationen bringen neue Chancen und eröffnen erfolgreiche Strategien, sich gegen mögliche Herausforderungen zu stellen. Wer mutig ist und bereit, kann unternehmerisch die Welt zu einem Besseren verändern.

Mit den Bundestagswahlen 2025 steht Deutschland vor wegweisenden Entscheidungen. Fördermittel, ein zentrales Instrument für Innovation, Nachhaltigkeit und Unternehmensentwicklung, stehen im Fokus der Parteiprogramme. Doch wie gestalten die Parteien die Zukunft der Förderpolitik, und welche Schwerpunkte setzen sie?

Auf Basis jahrzehntelanger medizinischer Forschung an der Universität Göttingen, bietet MyriaMeat nachhaltige und ethisch verantwortbare Alternativen zu herkömmlichem Fleisch. Ziel ist der Aufbau einer Plattform, die die Produktion von hochwertigem und reinen Fleisch, sowie einer Vielzahl anderer fleischhaltiger Produkte ermöglicht und das Unternehmen zum relevanten Partner für die Entwicklung innovativer Lebensmittel mit alternativen Proteinen macht.

Das von MyriaMeat entwickelte Cultivated Meat bietet dabei nicht nur ökologische Vorteile, sondern ermöglicht auch eine erhebliche Verbesserung des Tierwohls, da so für die Herstellung von Fleisch keine Tiere mehr geschlachtet werden müssen. Mit seiner bahnbrechenden Forschung setzt MyriaMeat neue Standards für die Zukunft der Ernährung.

Wegweisender Durchbruch in der Cultivated Meat-Branche

Jetzt hat das als Spin-off eines Forscherteams der Universität Göttingen gegründete und von Florian Hüttner (Geschäftsführer) und Dr. Malte Tiburcy (CSO) geführte Start-up einen wegweisenden Durchbruch in der Cultivated Meat-Branche erzielt: Zum ersten Mal weltweit wurde echter Schweinemuskel aus pluripotenten Stammzellen (iPS) entwickelt, der natürliche, ungetriggerte Kontraktionen zeigt – ein lebendiges Zucken, das die funktionelle Fähigkeit echten Muskelgewebes widerspiegelt.

Laut MyriaMeat beweist dieser Erfolg, dass echtes Schweinefleisch vollständig außerhalb eines lebenden Tieres produziert werden kann. Damit rückt kultiviertes Fleisch noch näher an herkömmliches Fleisch heran, das durch Schlachtung gewonnen wird. Das Start-up verfolgt das Ziel, eine exakte 1:1-Kopie von Schweinefleisch herzustellen – kein Ersatzprodukt, sondern echtes Fleisch.

Durch diesen Ansatz soll auch die Akzeptanz bei Fleischkonsumenten steigen, die bislang keine pflanzlichen Alternativen in Betracht ziehen. Insgesamt ist kultiviertes Fleisch geeignet, viele der Probleme, die mit der Massentierhaltung einher gehen, zu lösen.

Meilenstein für nachhaltige Ernährung und Ethik

„Zum ersten Mal zeigt ein tierischer Muskel – in diesem Fall vom Schwein – aus pluripotenten Stammzellen nicht nur die Eigenschaften echten Gewebes, sondern auch spontane Kontraktionen eines Muskels. Das ist der wissenschaftliche Beweis, dass wir echtes Schweinefleisch außerhalb eines lebenden Organismus herstellen können“, erklärt Dr. Malte Tiburcy.

Mit seinem bahnbrechenden Erfolg hebt MyriaMeat die Cultivated Meat-Branche auf ein neues Niveau. Während viele Unternehmen Zellkulturen nutzen, um fleischähnliche Produkte herzustellen, hat MyriaMeat als erstes weltweit aus pluripotenten Stammzellen echten Muskel geformt, der sowohl funktionell als auch strukturell mit natürlichem Schweinegewebe vergleichbar ist.

Einladung zur Partnerschaft

MyriaMeat richtet sich aktiv an Investoren und Unternehmen der Fleischindustrie, die daran interessiert sind, diese zukunftsweisende Technologie in Deutschland und weltweit weiterzuentwickeln. Interessierte Partner sind herzlich eingeladen, sich direkt mit dem Unternehmen in Verbindung zu setzen, um gemeinsam an einer nachhaltigeren Zukunft der Fleischproduktion zu arbeiten.

„Unser Ziel ist es, strategischer Partner der Fleischindustrie zu werden und eine umweltfreundlichere, tierleidfreie sowie ressourcenschonende Alternative für echtes Schweinefleisch und andere Fleischarten zu schaffen“, erklärt Geschäftsführer Florian Hüttner. „Dieser Erfolg zeigt, dass echtes Fleisch auch ohne lebende Tiere produziert werden kann.“

„Wir sehen uns daher nicht als Konkurrenten der Fleischindustrie, sondern als deren Partner. Die Fleischindustrie verfügt über etablierte Vertriebsstrukturen, umfangreiches Know-how und Zugang zu politischen Netzwerken. Unsere Vision ist es daher, gemeinsam mit der Fleischindustrie Produkte zu entwickeln, die bestehende Produktionsmethoden nutzen und die Einführung von kultiviertem Fleisch erleichtern. Auch für die Landwirtschaft könnten sich zukünftig Wege ergeben, von den neuen Produktionsmethoden für Fleisch zu profitieren”, ist sich Hüttner sicher.

Hüttner betont zudem die Bedeutung solcher alternativen Produktionsmethoden vor dem Hintergrund aktueller Herausforderungen wie der Bedrohung durch Maul- und Klauenseuche (MKS). „Kultiviertes Fleisch bietet durch seine Herstellung im Labor nicht nur eine Lösung für ethische und ökologische Probleme, sondern reduziert auch die Angriffsfläche für Krankheiten, denen lebende Tiere ausgesetzt sind – und das ohne Genmanipulation.“

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.

Das neue Jahr hat begonnen und noch sind alle Fragen offen: Welche neuen Chancen und Herausforderungen wird KI 2025 für die Digitalwirtschaft bereithalten? Wie geht es weiter rund um Cookies und Datenschutz? Und welche Auswirkungen werden die politischen Umwälzungen in Deutschland und den USA auf die Strategien und Erfolgsaussichten von Advertisern und Publishern haben? Hier fünf Thesen, welche Entwicklungen die Branche in diesem Jahr bewegen werden.

1. Mehrwert: KI geht 2025 endgültig über die Generierung von Creatives hinaus

Generative KI für die Erstellung von Creatives zu nutzen, hat sich fest etabliert und spart Zeit und Geld. Sowohl Advertiser als auch Publisher erkennen aber zunehmend, welche Möglichkeiten sich ihnen darüber hinaus eröffnen. Datengetriebene Ansätze, fundierte Analysen und die Prognose der Performance einzelner Kampagnen sind dabei nur die ersten Schritte. Zunehmend sind KI-Tools verfügbar, die nahezu das komplette Kampagnen-Management und den Media-Einkauf automatisieren und dadurch wesentlich schneller, kostengünstiger und effizienter gestalten. Gerade auch speziell für kleinere Brands werden sich – etwa im Bereich programmatischer Kampagnen – durch KI Möglichkeiten bieten, die bislang als zu komplex galten.

2. Turbulenzen: Politik bestimmt das erste Quartal

Der Amtsantritt von Donald Trump in den USA, Neuwahlen in Deutschland: 2025 beginnt politisch äußerst turbulent. Davon wird auch die Werbebranche nicht unberührt bleiben. Vorstellbar ist, dass Konsumenten angesichts unklarer Zukunftsaussichten erst einmal zurückhaltend agieren. Branding-Kampagnen könnten vor diesem Hintergrund von Kürzungen betroffen sein, während die Budgets für Performance-Kampagnen tendenziell stabiler bleiben dürften. Für Advertiser kann dies bedeuten, sich noch stärker auf eine exakte Zielgruppenauswahl zu konzentrieren und Ergebnisse genau zu evaluieren, um ihre Budgets optimal zu nutzen. In Deutschland könnten Verschiebungen im politischen Spektrum zudem dazu führen, dass rechtskonservative Medien und Narrative – von vielen Brands bislang strikt gemieden – höhere Akzeptanz finden. Dadurch können sich zwar zusätzliche Möglichkeiten ergeben, für Advertiser kann sich dies 2025 allerdings auch zu einer Frage der Moral entwickeln.

3. KI-Schattenseiten: Noch mehr Fake News, noch mehr Made-for-Advertising-Seiten

Neben den vielen Vorteilen der KI wird diese 2025 leider auch negative Trends weiter befeuern. So ist davon auszugehen, dass die Zahl so genannter MFA-Seiten – „Made for Advertising“, also dubiose, rein für Werbeschaltungen konzipierte Websites mit niedriger inhaltlicher Qualität – nochmals steigen wird. Gleiches gilt für die Verbreitung von Fake News. Der Grund dahinter ist simpel: Per KI lassen sich komplette MFA-Seiten, die zumindest auf den ersten Blick kaum noch von seriösen, legitimen Publishern zu unterscheiden sind, abstruseste Fake News und Verschwörungstheorien noch schneller und einfacher erstellen und monetarisieren. Ein Qualitätsproblem, dem sich auch in diesem Jahr die gesamte Werbebranche stellen muss.

4. Monetarisierung: Publisher müssen sich noch breiter aufstellen

Die Zeiten, in denen sich Publisher auf einige wenige Einnahmequellen beschränken konnten, sind definitiv vorbei. 2025 wird vielfach von einer weiteren Diversifizierung geprägt sein. Hier können beispielsweise Optionen wie direkte Partnerschaften, Abo-Modelle oder auch native Ads für viele Publisher eine stärkere Rolle spielen. Dies sorgt nicht nur für mehr Sicherheit und Stabilität, sondern kann gleichzeitig auch dazu beitragen, die Abhängigkeit von einzelnen großen Playern wie Google oder Facebook zu verringern. Selbst plötzliche Änderungen an Algorithmen oder der Infrastruktur dieser BigTech-Giganten treffen gut aufgestellte Publisher nicht so hart.

5. Cookies & Co.: Flexibilität ist Trumpf, First-Party-Daten stehen im Fokus

Das Hin und Her beim „Cookie-Aus“ wird vermutlich auch 2025 erst einmal weitergehen. Brands ziehen daraus jedoch zunehmend ihre Konsequenzen und setzen vermehrt auf einen Mix aus Cookie-basierten und Cookie-losen Strategien. Dadurch bleiben sie einerseits flexibel und tragen andererseits dem Datenschutz Rechnung, der noch weiter an Bedeutung gewinnen wird. Für Publisher steht weiter das Thema First-Party-Daten im Fokus. Sie müssen sich damit beschäftigen, ihre Daten auf clevere Weise zu sammeln, aufzubereiten und gewinnbringend zu nutzen. Positiver Nebeneffekt: Auf diese Weise können sie gleichzeitig engere Verbindungen zu ihren Partnern auf Advertiser-Seite aufbauen.

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

Personalführung und Human Ressources müssen konstant weitergedacht werden. Gründe dafür gibt es genug – ob Digitalisierung und KI oder demografischer Wandel und Fachkräftemangel. Die HR-Verantwortlichen von ToolTime, Ella Media, Kenjo, Family Office 360grad AG und Mashup Communications zeigen, welche Trends Fach- und Führungskräfte 2025 erwarten.

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.

Schnell kam Jasmin die Geschäftsidee, Kunden in ganz Deutschland anzusprechen und einen Onlineshop zu eröffnen, in dem sie erfolgreich Backmischungen für Brot und Kuchen, Müsli, Marmelade, Mehl, Snacks und vieles mehr verkauft. Alle Produkte enthalten weder Getreide noch herkömmlichen Zucker und haben einen niedrigen Kohlenhydrat-Anteil.

Ende 2014 ging Jasmin dann eine Vertriebskooperation mit dem selbständigen Nürnberger Rewe-Partner Pascal Kneuer ein. Die Sortimentserweiterung um zucker- und glutenfreie handgefertigte Low-Carb-Lebensmittel made in Nürnberg zahlt sich für Pascal Kneuer aus. Er hebt sich damit von der Konkurrenz ab und spricht mit dem Angebot ganz neue Zielgruppen an. In Süddeutschland folgten bereits einige Rewe-Märkte seinem Beispiel.