Die Leistung und die Zuverlässigkeit von KI-Assistenten nehmen gefühlt weiter zu. Doch wer in den letzten Wochen intensives Prompting bei ChatGPT, Perplexity und Co. betrieben und die Ergebnisse eingehend analysiert hat, fühlte sich in diesem Gefühl nicht bestätigt. Im Gegenteil: Die Qualität der generierten Antworten lässt neuerdings öfter zu wünschen übrig. Auf YouTube gibt es zahlreiche Videos zu diesem Phänomen, das sich offenbar auch die Herstellenden nicht so ganz erklären können, aber auch klassische Medien berichten darüber. In Anbetracht der Tatsache, wie abhängig sich viele Menschen im Berufsleben schon heute von GenAI-Tools gemacht haben, ist dieser Trend erschreckend und ernüchternd. Ein blindes Vertrauen in die digitalen Helfer aus der Familie generativer KI birgt zudem großes Schadenspotenzial, etwa dann, wenn sich Ärzt*innen bei der Diagnose auf sie stützen oder Entwickler*innen von der KI vorgeschlagene Frameworks ohne Sicherheitscheck implementieren.

Völliges Vertrauen in GenAI ist also, zurückhaltend formuliert, mindestens gewagt. Die Situation ist ernst und erfordert von GenAI-Anbietenden ein Mindestmaß an Qualitätssicherung – offenbar kein einfaches Unterfangen. Bis dahin ist es wichtig, eigene Maßnahmen zu ergreifen, um nicht in die Falle der folgenden vier Qualitätskiller zu geraten.

1. Halluzinationen

KI-Assistenten wie ChatGPT und Co. wurde die Aufgabe erteilt, Antworten zu liefern – koste es, was es wolle. Wenn die Wissensbibliothek nicht ausreicht, um komplexe Sachverhalte zu beantworten, fängt generative KI an, sich etwas auszudenken. Die von solchen Halluzinationen ausgehende Gefahr ist bekannt. Umso bedrückender ist die Tatsache, dass laut einer aktuellen Studie nur rund ein Viertel (27 %) der Menschen in Deutschland die Ergebnisse, die KI für sie generiert, auf Korrektheit prüfen. Das sind zwar immerhin sieben Prozentpunkte mehr als bei gewöhnlichen Inhalten aus dem Internet, wie eine Studie des PR-COM Re­search Lab belegt, aber noch immer viel zu wenige.

Gegenmaßnahmen: Wer GenAI nutzt, sollte ausnahmslos alle von ihr produzierten Inhalte überprüfen. Dazu sollten User*innen insbesondere die von der KI verwendeten Primärquellen checken oder – wenn möglich – Expert*innen zur Prüfung der Korrektheit der Antworten zurate ziehen.

2. Bias

Die Anbieter*innen aktueller KI-Assistenten haben sehr viel Arbeit in ihre Produkte gesteckt, um den Bias, also die Voreingenommenheit ihrer Modelle auszumerzen und sie zur Vorurteilsfreiheit zu erziehen.

Verlassen sollten sich User*innen auf die moralische und ethische Unantastbarkeit ihrer Modelle dennoch nicht. Zwar ist es unwahrscheinlich, dass Produkte großer Hersteller*innen noch rassistische, sexistische oder sonstige ethisch fragwürdige Ansichten vertreten, aber komplett ausgeschlossen ist es eben nicht. Noch relativ hoch ist die Gefahr zudem bei der Nutzung von kostenlosen GenAI-Assistenten oder Nischen-Tools.

Gegenmaßnahmen: Auch im Zusammenhang mit Bias gilt es, die Ergebnisse einer KI-Befragung immer genauestens zu checken und mit geltenden Gesetzen und den vorherrschenden Wertevorstellungen unserer Gesellschaft abzugleichen. Wer dubiose KI-Tools meidet, kann sich zudem viel Ärger ersparen.

3. Content-Kannibalisierung

Immer mehr KI-generierter Content flutet das Internet – die logische Folge der zunehmenden Nutzung von GenAI-Assistenten. Leider trainieren KI-Entwickler*innen ihre Chatbots und deren zugrunde liegende Sprachmodelle unter anderem mit genau diesen Inhalten. Und schlimmer noch: Der exponentiell steigende KI-Inhalt ist darüber hinaus auch der Wissensschatz, auf den die KI für ihre Antworten zurückgreift. Dadurch entsteht ein Teufelskreis aus KI, die sich irgendwann nur noch mit von ihr selbst generierten Inhalten trainiert und auch nur noch von ihr produzierten Content als Basiswissen verwendet. Der Mensch wird aus dieser Gleichung immer weiter herausgekürzt. Die Qualität der Ergebnisse von Anfragen an die KI wird somit zunehmend abnehmen. Hinzu kommt, dass alle User*­innen irgendwann die gleichen Ergebnisse abrufen, nutzen und veröffentlichen.

Gegenmaßnahmen: Es ergibt Sinn, hin und wieder auch ohne KI zu agieren und Content zu produzieren, der frei von KI-generierten Inhalten ist und das Qualitätsmerkmal „Made in a human brain“ trägt.

4. Wissensoligopol

Der KI-Markt ist derzeit auf einige wenige Big Player geschrumpft, die sich die enormen Rechenressourcen und Entwicklungskosten für generative KI leisten können. Dadurch entsteht zunehmend ein Wissensoligopol, in dem die großen Anbieter*innen wie OpenAI, Google, Microsoft und DeepSeek zukünftig die Art und Weise bestimmen, welche Informationen überhaupt noch zugänglich sind. Schon jetzt gehen Suchanfragen auf den traditionellen Suchmaschinen deutlich zurück, die Ergebnisse zwar nach Algorithmen ranken, aber selten Treffer komplett ausblenden. Viel restriktiver agieren GenAI-Tools, deren implementierte Filter die freiheitliche Verbreitung von Wissen einzuschränken drohen: Was nicht mit den politischen und moralischen Ideen der Hersteller übereinstimmt, wird automatisch unterdrückt. Das erinnert ein wenig an das Wahrheitsministerium aus Orwells „1984“.

Gegenmaßnahmen: Es ist wichtig, dass Unternehmen und offizielle Stellen auch unabhängige Projekte fördern und deren Nutzer*innen- sowie Supporter*innen-Basis wächst. Gleichzeitig sollten User*innen es dringend verinnerlichen, dass KI- Assistenten nicht der Wahrheit letzter Schluss sind. Das Nutzen möglichst vieler Quellen, um das eigene Wissen aufzubauen, ist immer besser als ein vermeintlicher „Single Point of Truth“.

Fazit

Wir sind noch lange nicht so weit, dass ein blindes Vertrauen in generative KI zu rechtfertigen ist. Es ist zwar logisch, dass wir eine vermeintlich arbeitserleichternde Technologie erst einmal ungern hinterfragen – doch dieser Bequemlichkeit wohnt, je nach Einsatzzweck, ein erhebliches Schadenspotenzial inne. Zum jetzigen Zeitpunkt lautet also die Maxime, restlos jede von GenAI generierte Antwort genauestens auf den Prüfstand zu stellen.

Der Autor Alain Blaes ist CEO der Münchner Kommunikationsagentur PR-COM (mit Fokus auf High-tech- und IT-Industrie im B2B-Umfeld).

Die Regeln der Online-Sichtbarkeit werden neu geschrieben. Es geht nicht mehr nur darum, von einem herkömmlichen Algorithmus indiziert zu werden. Stattdessen müssen Websites so aufbereitet werden, dass sie von künstlicher Intelligenz (KI) und großen Sprachmodellen (LLMs) fehlerfrei interpretiert und verarbeitet werden können.

KI erstellt ihre Antworten, indem sie Inhalte blitzschnell liest, deren Bedeutung versteht und die wichtigsten Fakten daraus extrahiert. Wenn der technische Unterbau einer Website unsauber ist, kann die KI die Informationen entweder nicht zuverlässig finden oder sie falsch interpretieren.

Das bedeutet, die technische Seite der Website – der Code – wird zum Fundament für eine gute Platzierung in den generativen Suchergebnissen. Wer hier Nachholbedarf hat, riskiert, als vertrauenswürdige Quelle für die KI unsichtbar zu werden.

Dieser Artikel beleuchtet die entscheidenden technischen Anpassungen, die notwendig sind, um deine Website optimal für die neue Ära der KI-Suche vorzubereiten.

Kontrolle und Zugang: Die Regeln für Sprachmodelle

Der erste technische Schritt zur Optimierung für KI-Ergebnisse ist die Steuerung des Zugriffs durch die großen Sprachmodelle (LLMs). Traditionell wird der Zugang durch die robots.txt Datei geregelt, die festlegt, welche Bereiche der Website von herkömmlichen Suchmaschinen-Crawlern besucht werden dürfen.

Mit dem Aufkommen verschiedener, spezialisierter KI-Crawler (die nicht immer identisch mit dem Googlebot oder Bingbot sind) entsteht jedoch die Notwendigkeit, diesen neuen Akteuren eigene Regeln zu geben. Es geht darum, Transparenz darüber zu schaffen, welche Daten zur Generierung von Antworten verwendet werden dürfen und welche nicht.

Neue Protokolle für neue Crawler

Experten diskutieren und entwickeln neue Protokolle, um diese Unterscheidung zu ermöglichen. Ein viel diskutierter Ansatz ist die Einführung von Protokollen, die spezifisch den Umgang mit generativer KI regeln. Dies könnte die Einführung von Protokollen wie einer llms.txt Datei beinhalten. Solche spezifischen Dateien könnten festlegen, ob ein KI-Modell Inhalte zur Schulung oder zur generativen Beantwortung von Nutzeranfragen nutzen darf.

Diese Kontrollmechanismen sind entscheidend. Sie geben den Website-Betreibern die Autorität darüber zurück, wie ihre Inhalte in der KI-Ära verwendet werden. Wer hier klare Regeln setzt, schafft die technische Grundlage für eine kontrollierte und damit vertrauenswürdige Sichtbarkeit in den KI-Ergebnissen.

Strukturierte Daten als universelle KI-Sprache

Nach der Regelung des Zugangs durch Protokolle ist die Strukturierung der Inhalte der wichtigste technische Schritt. Suchmaschinen nutzen strukturierte Daten schon lange, um Rich Snippets in den klassischen Ergebnissen anzuzeigen. Für die KI sind diese Daten jedoch absolut essenziell.

Strukturierte Daten, die auf dem Vokabular von Schema.org basieren, sind im Grunde eine Übersetzungshilfe im Code, die dem Sprachmodell den Kontext des Inhalts direkt mitteilt. Sie sind die "Sprache", die die KI am schnellsten und präzisesten versteht.

Die Bedeutung für die Generierung

Wenn ein Nutzer eine Frage stellt, sucht die KI nicht nur nach Stichwörtern, sondern nach definierten Informationstypen. Mit strukturierten Daten liefert man der KI diese Informationen als fertige, fehlerfreie Bausteine.

• Fehlerfreie Extraktion: Die KI muss keine Textpassagen interpretieren, um beispielsweise ein Rezept, die Bewertung eines Produkts oder einen FAQ-Abschnitt zu identifizieren. Die korrekte Auszeichnung macht die Daten sofort nutzbar.
• Vertrauensbildung: Fehlerhafte oder inkonsistente strukturierte Daten führen zu einer falschen Interpretation und können bewirken, dass die KI deine Seite als unzuverlässig einstuft.

Die Implementierung muss fehlerfrei sein und sollte alle relevanten Inhaltstypen der Website abdecken. Nur eine saubere Schema-Implementierung garantiert, dass deine Fakten korrekt in die generativen Antworten der KI einfließen.

Ladezeit und Interaktivität als Vertrauenssignal

Die Geschwindigkeit und die Nutzbarkeit einer Website sind in der Ära der KI-Suche nicht mehr nur ein Komfortfaktor, sondern ein entscheidendes technisches Vertrauenssignal. Wenn deine Seite langsam lädt oder schlecht bedienbar ist, wird das von der KI als Indikator für mangelnde Qualität und niedrige Autorität gewertet.

Die Basis dafür sind die sogenannten Core Web Vitals (CWVs). Diese Messwerte, die sich auf das Nutzererlebnis konzentrieren, sind feste Ranking-Faktoren und haben direkten Einfluss darauf, ob eine KI deine Seite als zitierwürdig einstuft:

• LCP (Largest Contentful Paint): Misst die Zeit, bis der größte sichtbare Inhalt geladen ist.
• FID/INP (First Input Delay / Interaction to Next Paint): Misst die Zeit bis zur ersten Interaktion und die allgemeine Reaktionsfähigkeit der Seite.
• CLS (Cumulative Layout Shift): Misst die visuelle Stabilität.

Mobile Performance ist der Schlüssel

Da ein Großteil der Online-Aktivität über mobile Geräte stattfindet, legt die KI höchsten Wert auf die Optimierung der Mobilversion. Eine schlechte mobile Performance kann das gesamte Ranking negativ beeinflussen.

Die technische Anpassung muss daher darauf abzielen, die CWVs zu perfektionieren. Dies beinhaltet die Optimierung von Bildern, das Bereinigen unnötiger Code-Lasten und das Priorisieren wichtiger Ressourcen. Eine schnell ladende und reaktionsfreudige Website signalisiert nicht nur dem Nutzer, sondern auch der KI, dass die Quelle professionell und damit vertrauenswürdig ist.

Redundanz vermeiden: kanonische Klarheit

Eines der größten technischen Probleme für KI-Modelle ist die Verwirrung durch doppelte Inhalte (Duplikate). Wenn die gleiche Information unter verschiedenen URLs verfügbar ist, weiß die KI nicht, welche die Originalquelle darstellt. Dies zersplittert deine Autorität.

Der technische Schlüssel zur Lösung ist der Canonical Tag (<link rel="canonical" ...>). Dieser Tag im Code muss auf jeder Seite korrekt auf die bevorzugte, indexierbare URL zeigen. Durch die Vermeidung von Duplikaten und die korrekte Nutzung dieses Tags stellst du technisch sicher, dass die KI deine Inhalte als eindeutig und autoritär wahrnimmt und dich als zuverlässigen Faktenlieferanten zitiert.

Schlussworte

Die Zukunft der Online-Sichtbarkeit wird durch künstliche Intelligenz neu definiert. Der Erfolg hängt von einer technisch sauberen Vorbereitung ab.

Die wichtigsten Schritte in der Generative Engine Optimization (GEO) sind:

1. Zugangskontrolle durch Protokolle wie die diskutierte llms.txt Datei.

2. Die Nutzung von strukturierten Daten als unverzichtbare KI-Sprache.

3. Die Perfektionierung der Core Web Vitals als Vertrauenssignal.

4. Die Vermeidung von Duplikaten durch kanonische Klarheit.

Investiere in diese technische Qualität, um Autorität und Sichtbarkeit in der Ära der KI-generierten Antworten zu sichern.

Was ihr da macht, ist der Wahnsinn – und genau deswegen bin ich dabei.“ Mit diesen Worten beschreibt Jan Leisse, einer der Gründer von eleQtron, die Anfänge des Unternehmens. Das erste Treffen mit dem Physiker Christof Wunderlich war geprägt von einer Mischung aus Skepsis und Begeisterung. Der Wissenschaftler hatte an der Universität Siegen einen Quantencomputer gebaut – mitten in der deutschen Provinz und ohne das Millionenbudget, das Konzernen wie Google oder IBM zur Verfügung steht. Doch genau das reizte Leisse: „Hier wurde nicht einfach nachgemacht, was andere tun. Hier wurde Neuland betreten.“

Es war ein ungewöhnlicher Ort für eine bahnbrechende

Innovation in der Quantentechnologie. Siegen, eine Mittelstadt im Süden Nordrhein-Westfalens, ist nicht gerade als Hotspot für Hochtechnologie bekannt. Doch manchmal entstehen die Top-Innovationen fernab der etablierten Zentren; die Universität Siegen hatte über Jahre hinweg eine bemerkenswerte Expertise in der Quantenphysik aufgebaut, ohne große mediale Aufmerksamkeit.

Von der Universität ...

Im Jahr 2020, als das globale Interesse an Quantentechnolo­gien exponentiell zunahm, erwuchs aus dieser mutigen Pionierarbeit das Start-up eleQtron – als Spin-off der Universität Siegen. Die Gründer – Jan Leisse, Christof Wunderlich und Michael Johanning – verbindet eine Vision: Quantencomputer für industrielle Anwendungen nutzbar zu machen.

Die Anfangsjahre waren geprägt von Experimentierfreude, Improvisation und dem festen Glauben an die eigene technologische Innovationskraft. Während Tech-Giganten wie IBM, Google und Amazon Milliarden Euro in ihre Quanten­programme investierten und viele Start-ups auf bekannte Technologien setzten, wagte eleQtron den Schritt in eine völlig neue Richtung.

In den Laboren der Gründer entstand die sogenannte MAGIC-Technologie (Magnetic Gradient Induced Coupling), eine Methode, Qubits (das Quantencomputing-Äquivalent zum klassischen Bit in der Digitaltechnik) nicht wie bislang üblich mit Lasern, sondern mit Mikrowellen zu steuern.

... zum technologischen Durchbruch

Die MAGIC-Technologie basiert auf einem raffinierten Zusammenspiel physikalischer Prinzipien: Magnetische Gradienten (räumliche Veränderungen der Magnetfeldstärke) ermöglichen es als lokale Felder, einzelne Ionen in einer so­genannten Falle selektiv anzusprechen. Die technischen Vorteile sind beeindruckend: Die Fidelity (Genauigkeit) bei Operationen an einzelnen Qubits liegt bei etwa 99,95 Prozent, die Gate-Zeiten (Gate-Zeit steht für die Dauer, die ein Quanten-Gate benötigt, um eine Operation auf einem Qubit auszuführen) betragen nur wenige Mikrosekunden. Gleichzeitig ermöglicht die Technologie eine bessere Skalierbarkeit, da sich Mikro­wellenfelder einfacher erzeugen und verteilen lassen als komplexe Lasersysteme. „Der Vorteil liegt nicht nur in der höheren Präzision, sondern auch in der deutlich geringeren Komplexität der Systeme“, erklärt Johanning. „Wir brauchen keine aufwändigen Optiken oder ultrastabile Umgebungen. Unsere Technologie funktioniert auch unter realen Bedingungen.“

Früh erkannten die drei Forscher das große Potenzial ihrer Technologie für praktische Anwendungen. „Durch das gezielte Ersetzen sensibler High-End-Komponenten – insbesondere Lasertechnologie – durch bewährte Mikrowellentechnik und Elektronik, vermeiden wir unnötige Komplexität, minimieren Aufwand und senken die Kosten“, fasst es Leisse zusammen.

Wachstumsschub und strategische Entwicklung

2022 gelang eleQtron ein entscheidender Schritt: Durch Earlybird und den Siegerlandfonds als Investoren sowie das vom BMBF geförderte Projekt „MAGIC App“ sicherte sich das Start-up eine Finanzierung in Höhe von 16 Millionen Euro. Diese Finanzierungsrunde war ein Wendepunkt für das Unternehmen und signalisierte das Vertrauen der Investor*innen in die MAGIC-Technologie.

„Mit diesem Kapitalschub konnten wir von einer reinen Forschungsorganisation zu einem echten Technologieunternehmen werden“, erklärt Leisse. Die Mittel flossen in den Ausbau der Produktionskapazitäten, die Vergrößerung des Teams und die Weiterentwicklung der Technologie-Roadmap. Auch die Mitwirkung von Infineon im Rahmen von MAGIC App war strategisch von Bedeutung: „Die Zusammenarbeit mit Infineon hat uns die Augen für die Realitäten des Industriemarkts geöffnet“, erklärt Leisse.

Das KI-Gesetz der Europäischen Union, die weltweit erste umfassende KI-Verordnung, erreicht am 2. August 2025 einen entscheidenden Meilenstein. Ab diesem Stichtag gelten für Unternehmen, Behörden und KI-Anbieter*innen in der EU zahlreiche zentrale Verpflichtungen, bei deren Nichteinhaltung Strafmaßnahmen eingeleitet und verhängt werden können. Was das für Unternehmen und ihre Mitarbeitenden bedeutet, erfährst du hier.

Der AI Act, der am 2. Februar dieses Jahres in Kraft getreten ist, schafft einen einheitlichen Rechtsrahmen für Künstliche Intelligenz (KI) in der EU. Zwar werden viele Regelungen erst 2026 wirksam, doch bereits am 2. August 2025 beginnt eine neue Phase, die sich auf drei Bereiche fokussiert:

• Strafmaßnahmen bei Nichteinhaltung
• Verpflichtungen für allgemeine General-Purpose-AI-Modelle (GPAI)
• Aufbau von Aufsicht und Governance auf nationaler und europäischer Ebene

Strafen bis zu 35 Millionen Euro

Seit dem 2. Februar dieses Jahres sind KI-Systeme mit unannehmbaren Risiken verboten. Ab dem 2. August 2025 können zusätzlich nun Geldbußen für Verstöße gegen bereits bestehende Verpflichtungen verhängt werden, die bis zu 35 Millionen Euro oder 7 Prozent ihres gesamten Jahresumsatzes betragen können. Unternehmen müssen dazu beispielsweise sicherstellen, dass ihre Mitarbeitenden über KI-Kenntnisse verfügen. Die Europäische Union erwartet von ihren Mitgliedstaaten, dass sie eigene wirksame, verhältnismäßige und abschreckende Strafmaßnahmen festlegen. Dabei sollen die besonderen Umstände von KMUs und Start-ups berücksichtigt werden, um deren wirtschaftliche Lebensfähigkeit nicht zu gefährden.

Neue Verpflichtungen für Anbieter*innen von GPAI-Modellen

GPAI-Modelle, die ab dem 2. August 2025 in der Europäischen Union vermarktet werden, unterliegen gesetzlichen Verpflichtungen. Das Europäische Amt für Künstliche Intelligenz hat dazu am 10. Juli 2025 die endgültige Fassung der Verhaltenskodizes veröffentlicht. Anbieter*innen solcher GPAI-Modelle müssen unter anderem technische Dokumentationen erstellen, Urheberrechte beachten und Transparenz über die verwendeten Trainingsdaten sicherstellen.

GPAI-Modelle sind KI-Systeme mit besonders breitem Einsatzspektrum und sind darauf ausgelegt, eine Vielzahl von Aufgaben zu erfüllen. Sie werden mit riesigen Datenmengen trainiert und sind entsprechend vielseitig einsetzbar. Das bekannteste Beispiel sind große Sprachmodelle (Large Language Models, LLM), etwa das generative Sprachmodell GPT-4o, das in ChatGPT integriert ist. Für GPAI-Modelle, die bereits vor dem 2. August 2025 in der Europäischen Union auf dem Markt waren, gilt eine Übergangsfirst bis zum 2. August 2027.

Aufsicht und Governance

Die KI-Verordnung schafft einen Rahmen mit Durchführungs- und Durchsetzungsbefugnissen auf zwei Ebenen.

Auf nationaler Ebene muss jeder EU-Mitgliedstaat bis zum 2. August 2025 mindestens eine Marktüberwachungsbehörde sowie eine notifizierende Behörde benennen. Erstere ist für die Überwachung von KI-Systemen zuständig, letztere für die Notifizierung unabhängiger Konformitätsbewertungsstellen. Die Mitgliedstaaten müssen bis dem Stichtag Informationen zu den nationalen Behörden und deren Kontaktdaten veröffentlichen.

Auf EU-Ebene koordinieren das Europäische Amt für KI und der Europäische KI-Ausschuss die Aufsicht. Zusätzlich werden ein Beratungsforum und ein wissenschaftlicher Ausschuss aus unabhängigen Experten eingerichtet.

Was bedeutet das für Personalabteilungen und Arbeitnehmende?

Das KI-Gesetz hat direkte Auswirkungen darauf, wie KI in den Bereichen Rekrutierung, Performance-Management, Personalanalyse und Mitarbeitenden-Monitoring eingesetzt wird. Personalverantwortliche müssen sicherstellen, dass KI-Tools in diesen Bereichen transparent, fair und konform sind.

• Fairness und Antidiskriminierung: KI-Systeme, die bei Einstellungs- oder Beförderungsentscheidungen eingesetzt werden, müssen nachvollziehbar und frei von Bias sein. Personalabteilungen sollten ihre Tools und Anbieter*innen regelmäßig überprüfen, um die Einhaltung der Vorschriften sicherzustellen.
• Vertrauen und Transparenz: Mitarbeitende erhalten einen besseren Einblick, wie KI-Systeme ihre Arbeit beeinflussen, zum Beispiel bei der Einsatzplanung, Leistungsbewertung oder bei der Arbeitssicherheit. Personalabteilung können Vertrauen schaffen, indem sie offen kommunizieren, wie KI eingesetzt wird und wie die Daten der Mitarbeitenden geschützt werden.
• Verantwortlichkeit von Drittanbieter*innen: Werden KI-Tools von Drittanbieter*innen genutzt, müssen Personalabteilungen sicherstellen, dass diese Anbieter*innen die Anforderungen an Transparenz und Dokumentation erfüllen. Verträge und Beschaffungsprozesse sollten entsprechend angepasst werden.
• Training und Change Management: Mit stärkeren Regulierungen von KI wird die Personalabteilung eine Schlüsselrolle bei der Schulung von Führungskräften und Mitarbeitenden übernehmen. Ziel ist es, einen verantwortungsvollen Umgang mit KI zu fördern und ethische Standards in der Unternehmenskultur zu verankern.

Fazit

Anbieter*innen von GPAI-Modellen, die bereits vor dem 2. August 2025 auf dem Markt waren, haben bis zum 2. August 2027 Zeit, die neuen Vorschriften vollständig umzusetzen. Weitere Verpflichtungen für KI-Systeme mit hohem Risiko werden 2026 und 2027 folgen. Dieser Meilenstein spiegelt das Bestreben der EU wider, Innovationen zu fördern und gleichzeitig sicherzustellen, dass KI sicher, transparent und mit den europäischen Werten im Einklang steht. Damit rückt die Personalabteilung in den Mittelpunkt einer verantwortungsvollen Einführung von KI am Arbeitsplatz.

Der Autor Tom Saeys ist Chief Operations Officer bei SD Worx, einem international tätigen Dienstleistungsunternehmen im HR-Bereich.

Künstliche Intelligenz (KI) ist längst kein Zukunftsthema mehr, sondern prägt schon heute Geschäftsmodelle, Investitionsentscheidungen und die Arbeitswelt. Mit der europäischen KI-Verordnung (EU AI Act, im Folgenden AI Act) wurde im Frühjahr 2024 der weltweit erste umfassende Rechtsrahmen für den Einsatz von KI verabschiedet. Inzwischen sind die ersten Regelungen in Kraft getreten. Für Gründer*innen und Start-ups bedeutet das nicht nur zusätzliche Pflichten, sondern auch Chancen, sofern sie sich rechtzeitig vorbereiten.

Überblick: Der AI Act

Die Verordnung folgt einem risikobasierten Ansatz: Je höher das Risiko für Grundrechte oder Sicherheit, desto strenger die Anforderungen. Auf der untersten Stufe stehen KI-Systeme, die keinerlei Vorgaben erfüllen müssen, solange sie nicht in verbotene Anwendungsfälle fallen. An der Spitze der Regulierungspyramide befinden sich die sogenannten Hochrisiko­Systeme, also etwa Anwendungen in der medizinischen Diagnostik, in kritischer Infrastruktur oder bei biometrischen Verfahren. Viele Tools aus dem HR-Bereich fallen darunter.

Daneben bestehen besondere Pflichten für sogenannte Generative KI beziehungsweise General Purpose AI, eingeführt, also große Modelle, die viele Anwendungen treiben und „systemische Risiken“ entfalten können.

Wichtig ist zu wissen, dass die Vorgaben schrittweise gelten. Bereits seit dem 2. Februar 2025 sind bestimmte Praktiken ausdrücklich verboten – zum Beispiel das Social Scoring von Bürger*innen, die flächendeckende Emotionserkennung in Schulen oder am Arbeitsplatz sowie das unkontrollierte Sammeln biometrischer Daten. Wer damit noch experimentiert, bewegt sich schon jetzt im rechtswidrigen Raum.

Seit dem 2. August 2025 gelten außerdem die ersten Pflichten für Anbieter*innen von generativen Modellen. Sie müssen unter anderem Transparenzberichte veröffentlichen und Angaben zu den verwendeten Trainingsdaten machen. Für Modelle, die bereits vor Inkrafttreten am Markt waren, gibt es eine Übergangsfrist bis 2027. Für viele Unternehmen, die solche Modelle nutzen oder in Produkte einbetten, bedeutet das, genau hinzuschauen, welche Informationen von den Modellanbieter*innen zur Verfügung gestellt werden. Sonst können eigene Transparenzpflichten womöglich nicht erfüllt werden.

Noch weiter in der Zukunft liegen die Vorschriften für Hochrisiko-Systeme. Diese greifen ab 2. August 2026 und verlangen ein umfassendes Risikomanagement, eine strenge Qualität der Trainingsdaten, eine lückenlose Protokollierung und eine Konformitätsbewertung, bevor ein Produkt überhaupt in Verkehr gebracht werden darf. Für Hochrisiko-KI, die in ohnehin streng regulierten Produkten steckt, zum Beispiel in Medizinprodukten, gilt eine verlängerte Frist bis 2027.

Konformitätsbewertung heißt vor allem Risikobewertung, welche die Anbieter*innen oder Betreiber*innen selbst durchführen müssen. Eine solche „regulierte Selbstregulierung“ ist ein klassisches Merkmal einer solchen klassischen Produkt­regulierung und Marktüberwachung.

Was fehlt? Guidance und Governance

Noch herrscht allerdings an vielen Stellen Unsicherheit. Zwar hat die EU-Kommission schon erste Leitlinien veröffentlicht, etwa zur Definition von KI-Systemen oder zu den verbotenen Praktiken. Auch für Anbieter*innen generativer KI gibt es inzwischen ein detailliertes Dokumentationsmuster. Noch fehlen allerdings die angekündigten Handreichungen für die Einstufung und Risikobewertung von Hochrisiko-Systemen, die bis Februar 2026 folgen und praktische Beispiele enthalten sollen. Bis dahin bleibt nur, sich für die Bewertung an bestehenden internationalen Standards zu orientieren, zum Beispiel an den Normungsprojekten der Europäischen Komitees für Normung und für elektrotechnische Normung.

Auf Unionsebene entstehen parallel die neuen Governance-Strukturen. Das AI Office innerhalb der Kommission ist bereits aktiv und koordiniert die Umsetzung. Das AI Board, ein Gremium der Mitgliedstaaten, tagt regelmäßig und stimmt Vorgehensweisen ab. Ein wissenschaftliches Panel unabhängiger Expert*innen wurde im Frühjahr eingerichtet, und das Advisory Forum, das die Perspektive von Unternehmen und Zivilgesellschaft einbringen soll, befindet sich gerade in der Bewerbungsphase. Auch die geplante EU-Datenbank für Hochrisiko-Systeme existiert bisher nur auf dem Papier. Ab 2026 müssen Anbieter*innen ihre Systeme dort registrieren; die Plattform selbst wird jedoch gerade erst aufgebaut.

Und wo steht Deutschland?

Auch hierzulande hakt es noch etwas. Eigentlich hätten die Mitgliedstaaten bis 2. August 2025 ihre Marktüberwachungsbehörden benennen müssen. Ein Entwurf für das deutsche Umsetzungsgesetz sieht die Bundesnetzagentur als zentrale Aufsicht vor, doch die formale Benennung ist noch nicht erfolgt. Klar ist, dass die Bundesnetzagentur die Rolle der Notifizierungsbehörde übernimmt, also für die Anerkennung von Konformitätsbewertungsstellen zuständig ist. Zudem entsteht dort ein Kompetenzzentrum für KI, das die Arbeit von Bund und Ländern koordinieren soll.

Reallabore

Ein Bereich, der für KI-Entwickler*innen besonders interessant ist, sind KI-Reallabore, also sichere Testumgebungen, in denen neue Anwendungen unter Aufsicht erprobt und darauf geprüft werden können, ob sie den rechtlichen Rahmen einhalten. Bis zum Sommer 2026 müssen die Mitgliedstaaten mindestens ein solches Reallabor einrichten. Deutschland hat im Mai 2025 ein erstes Pilotprojekt in Hessen gestartet, gemeinsam mit der Bundesnetzagentur und der Bundesdatenschutzbeauftragten. Hier werden reale Unternehmensfälle durchgespielt, um Abläufe und Bedarfe besser zu verstehen. Solche Projekte können eine wertvolle Möglichkeit sein, mit den Aufsichtsbehörden auf Augenhöhe ins Gespräch zu kommen.

Reaktionen

Der AI Act wird zwar kritisch diskutiert, im Grundsatz aber breit akzeptiert. Gerichtliche Klagen direkt gegen die Verordnung gibt es bislang nicht. In der juristischen Literatur überwiegt die Zustimmung zur Zielrichtung. Kritisiert werden vor allem die Komplexität und die noch offenen Fragen bei der praktischen Umsetzung. Streitpunkte finden sich eher außerhalb der Verordnung bei der Frage, ob Trainingsdaten urheberrechtlich geschützt sind oder wie personenbezogene Daten für KI genutzt werden dürfen.

Die Industrie zeigt ein gemischtes Bild. Viele große Anbieter*innen – von Google über OpenAI bis Mistral – haben einen freiwilligen Verhaltenskodex unterzeichnet. Andere, wie etwa Meta, haben sich bewusst dagegen entschieden. Man muss sich also darauf einstellen, dass je nach Anbieter*in sehr unterschied­liche Informationen und Compliance-Nachweise verfügbar sind.

Andererseits wirkt der AI Act bereits am Markt. In öffentlichen Ausschreibungen tauchen Modellklauseln auf, die auf die KI-Verordnung Bezug nehmen. Investor*innen fragen verstärkt nach Compliance-Prozessen, und Unternehmen beginnen, interne Strukturen für Risikomanagement und Dokumentation aufzubauen.

Im Vergleich zu Europa gibt es in den USA bislang nur freiwillige Standards. Die dort bei der Entwicklung und Anwendung von KI (angeblich) vorherrschende größere Freiheit wird zwar viel gerühmt. Einzelne Bundesstaaten wie Colorado arbeiten allerdings an eigenen regulierenden Gesetzen, die ab 2026 greifen sollen. Vielleicht ist es also ein Vorteil, dass europäische Start-ups früh Erfahrungen in einem regulierten Markt sammeln können.

Fazit

Der AI Act entfaltet bereits jetzt Wirkung, auch wenn viele Details erst in den kommenden Monaten geklärt werden. Daher gilt es, nicht abzuwarten, sondern jetzt eine eigene Roadmap zu entwickeln. Wer früh Prozesse für Risikomanagement, Transparenz und Governance etabliert, wird nicht nur rechtlich auf der sicheren Seite sein, sondern auch Vertrauen bei Kund*innen und Investor*innen gewinnen.

Die EU hat ein klares Signal gesetzt: KI soll innovativ sein, aber auch sicher und vertrauenswürdig. Für Start-ups ist das eine Her­ausforderung – aber auch eine Chance, sich von Anfang an professionell aufzustellen und den Markt aktiv mitzugestalten.

Der Autor Dr. Daniel Michel, LL.M. ist als Rechtsanwalt im Bereich IT/IP/Technologie tätig und betreibt seit 2018 mit DATA LAW COUNSEL seine eigene Rechtsberatung im Raum München

Ob steuerliche Forschungszulage, Investitionsförderung oder EU-Programme. Künstliche Intelligenz (KI) wie ChatGPT liefert in Sekundenschnelle eine Vielzahl möglicher Förderprogramme. Doch zwischen der reinen Information und der tatsächlichen Erschließung von Fördermitteln liegt ein erheblicher Unterschied. Hier gilt es, Unternehmen zu sensibilisieren.

Fördermittel sind heute ein strategischer Bestandteil moderner Unternehmensfinanzierung. Es reicht daher nicht, die Programme zu kennen. Entscheidend ist, sie rechtssicher, vollständig und förderlogisch aufeinander abgestimmt umzusetzen, um die vollen Förderpotenziale zu heben. Genau hier beginnt die Arbeit von Fördermittelexpert*innen.

Fünf Gründe, warum KI-Tools nicht als Fördermittelberater funktionieren

1. KI erkennt die wahren Förderpotenziale nicht

ChatGPT kann erklären, was ein Förderprogramm leistet. Doch welche Kosten eines konkreten Vorhabens tatsächlich und wie hoch förderfähig sind, lässt sich so nicht beurteilen. Gerade bei komplexen Programmen wie der steuerlichen Forschungszulage sind Erfahrung, Struktur und rechtssichere Abgrenzung entscheidend. Eine gute Fördermittelberatung prüft jedes Vorhaben systematisch: von der Förderfähigkeit nach dem Forschungszulagengesetz (FZulG), AGVO oder De-minimis-Verordnung bis hin zur klaren Trennung förderfähiger und nicht förderfähiger Aufwände.

2. KI kann keine Förderstrategien entwickeln

Eine Liste von Förderprogrammen ersetzt keine Strategie. KI kann nur Optionen nennen, aber keine Strategien zur Umsetzung im Unternehmen entwickeln. Eine gute Fördermittelberatung integriert die Forschungszulage sinnvoll in laufende Projekte und strukturiert Innovations- sowie Investitionsprozesse auf Bundes-, Landes- und EU-Ebene. So entstehen nicht nur Optionen, sondern belastbare, wirtschaftlich wirksame Lösungen.

3. KI kann nicht mit Menschen kommunizieren

Ein Antrag ist mehr als ein Formular. Er muss Anforderungen erfüllen und überzeugen. KI liefert Textbausteine, aber führt keine Gespräche und reagiert nicht auf Rückfragen mit der notwendigen Erfahrung in der Verwaltungspraxis der verschiedenen Förderprogramme. Eine gute Fördermittelberatung übernimmt die gesamte Kommunikation mit Förderstellen, koordiniert mit Bescheinigungsstellen und entwickelt formal korrekte und überzeugende Argumentationen.

4. KI endet beim Prompt – Fördermittelberatung bei der erfolgreichen Projektprüfung

Nach dem Antrag geht die Arbeit oft erst richtig los. Rückfragen, Prüfungen, Nachweise. KI kann Unternehmen dabei nicht unterstützen und keine Verantwortung übernehmen. Eine gute Fördermittelberatung hingegen begleitet die Kund*innen durch den gesamten Förderzyklus mit sauberer Dokumentation, revisionssicherer Aufbereitung und Unterstützung bei Audits und Außenprüfungen.

5. KI zeigt nur den Dschungel – Förderexperten finden den Schatz

Datenbanken geben einen Überblick, aber keine Richtung. Eine gute Fördermittelberatung bewertet alle denkbar möglichen Förderprogramme im konkreten Unternehmenskontext und entwickelt daraus konkrete Maßnahmen, um das Maximum an Fördermöglichkeiten für die Kund*innen rauszuholen. Eine gute Fördermittelberatung schafft so echte wirtschaftliche Vorteile statt der bloßen Auflistung von Fördermöglichkeiten.

Der Autor Efe Duran Sarikaya ist CEO der Fördermittelberatung EPSA Deutschland.

Ist es bereits zu spät, den Klimawandel aufzuhalten? Während diese Frage unablässig für hitzige Debatten sorgt, arbeiten Start-ups unermüdlich an Lösungen für die dringendsten Umweltprobleme. Die DACH-Region erlebt einen rasanten Anstieg von GreenTech-Start-ups, angetrieben durch technologische Innovationen und zunehmenden regulatorischen Druck. Dies zeigt u.a. das DACH GreenTech Software Mapping 2025 von Hi Inov und veranschaulicht, welche vielversprechenden Ansätze und Technologien die Zukunft des GreenTech-Ökosystems in Europa prägen.

Mapping der Herausforderungen und Lösungen

Das Mapping bietet einen umfassenden Überblick über die Softwarelösungen von GreenTech-Start-ups im DACH-Raum. Sie umfassen eine Vielzahl von Ansätzen, um den Anstieg der globalen Temperaturen einzudämmen und die damit einhergehenden wirtschaftlichen und gesellschaftlichen Herausforderungen zu bewältigen.

1. Messung und Optimierung des CO2-Fußabdrucks

Fortgeschrittene Techniken zur Datenerfassung und KI-gesteuerte Analysen helfen Organisationen, ihre Effizienz zu steigern und ihren CO₂-Fußabdruck zu reduzieren. Sie helfen Unternehmen, jährlich Emissionen von über 216.000 Tonnen CO₂-Äquivalenten zu vermeiden. Horizon­tale Plattformen bieten allgemeine Monitoring-Tools für branchen­übergreifende Messdienste. Vertikale Lösungen wie die für die Immobilienbranche maßgeschneiderte ESG-Datenplattform Deepki integrieren branchenspezifische Anforderungen.

2. Beschleunigung der Energiewende

Softwarelösungen spielen eine entscheidende Rolle bei der Optimierung der Standortauswahl für die Produktion erneuerbarer Energien, der vorausschauenden Wartung von Infrastruktur und der Verbesserung der Energiespeicherung. Sie können die Schwankungen in der Stromeinspeisung erneuerbarer Energien mindern und somit die Abhängigkeit von fossilen Brennstoffen reduzieren. Das Stuttgarter Start-up metergrid ermöglicht es beispielsweise Mieter*innen in Mehrfamilienhäusern, umweltfreundlichen Solarstrom zu nutzen, der im selben Gebäude produziert wird (mehr dazu in der StartingUp 01/25).

3. Förderung der Kreislaufwirtschaft und Ressourcenoptimierung

Digitale Lösungen erleichtern die Schonung von natürlichen Ressourcen durch intelligentes Ressourcenmanagement, indem sie die Planung und Nutzung von Ressourcen verbessern. Durch den Einsatz von KI lassen sich viele Prozesse optimieren, darunter Recycling, Landwirtschaft und Wassermanagement. So reduziert das Berliner Start-up Freshflow Abfall, indem es die Nachbestellung von frischen Lebensmitteln mit Machine Learning automatisiert und optimiert. Darüber hinaus verbinden digitale Markt­plätze Produzent*innen überschüssiger Ware mit potenziellen Abnehmer*innen, um Ressourcen effizierter zu nutzen.

4. Förderung von Nachhaltigkeitsinitiativen in Unternehmen

Unternehmen nutzen digitale Werkzeuge, um ihre Nachhaltigkeit über die regulatorischen Anforderungen hinaus zu verbessern. Zu den eingesetzten Lösungen zählen CO₂-Kreditbörsen, die es Organisationen ermöglichen, Emissionen durch strukturierte Märkte auszugleichen, und Mitarbeiterengagement-Plattformen, die die Teilnahme der Belegschaft an ESG-Initiativen fördern. Start-ups wie das Hamburger CarbonStack unterstützen Unternehmen bei der Erstellung von Nachhaltigkeitsberichten und dabei die relevanten Richtlinien einzuhalten.

Die Entwicklung von 2023 bis heute

Insgesamt zeigt das Mapping ein reiferes und strukturierteres GreenTech-Ökosystem, das Europas Position als Pionier in digitalen Klimaschutzlösungen stärkt. Die Entwicklung zwischen den Mappings aus den Jahren 2023 und 2025 verdeutlicht drei wichtige Trends:

1. Anstieg der Anzahl der angebotenen Softwarelösungen

Die steigende Nachfrage nach nachhaltigkeitsorientierten Innovationen in verschiedenen Branchen hat das Wachstum des GreenTech-Ökosystems beschleunigt und zu einem rasanten Anstieg der angebotenen Softwarelösungen geführt.

2. Regulatorisch getriebene Fortschritte

Aufgrund des zunehmenden regulatorischen Drucks wächst der Anteil der angebotenen Lösungen, die auf Compliance-Bedürfnisse wie CSRD, die Rückverfolgbarkeit von Produkten und transparente CO₂-Buchhaltung eingehen. Es werden zunehmend vertika­lisierte Monitoring-Tools entwickelt, um spezialisierte Datensätze und branchenspezifische Algorithmen zu erstellen.

3. Einfluss von generativer KI

Der Einsatz von generativer KI nimmt zu. Neue Anwendungsfälle im Bereich Nachhaltigkeit umfassen verbesserte Datenanalyse, automatisierte Com­pliance-Berichterstattung, sowie die Echtzeit-Optimierung von CO₂-Fußabdrücken und Ressourcenmanagement.

Fazit: Ein florierendes Ökosystem mit starker europäischer Führung

Der Klimawandel stellt eine immense Herausforderung dar, deren Bewältigung innovative technologische Lösungen erfordert. Das GreenTech Mapping 2025 verdeutlicht die führende Rolle Europas bei der Entwicklung dieser Lösungen und zeigt ein reiferes GreenTech-Ökosystem mit großer Dynamik. Durch den Einsatz fortschrittlicher Datenana­lysen, KI und Automatisierung sind Start-ups in der DACH­Region gut positioniert, um sowohl wirtschaftlichen als auch ökologischen Mehrwert zu schaffen. Sie werden Unternehmen und politischen Entscheidungsträger*innen dabei helfen, den Übergang zu einer nachhaltigeren Wirtschaft zu beschleunigen und die Folgen des Klimawandels einzudämmen.

Der Autor Dr. Wolfgang Krause leitet als Managing Partner das Deutschlandgeschäft des auf B2B-Digital­lösungen spezialisierten VC-Fonds von Hi Inov.

Die Idee, dass autonome Systeme eng mit Menschen zusammenarbeiten und sie gezielt unterstützen, ist keine Vision mehr, sondern Realität. Während bisher eine umfassende Problemlösungskompetenz im Hintergrund fehlte, bringen KI-Agenten genau diese Fähigkeit mit und übernehmen zunehmend vielfältige Aufgaben in der Arbeitswelt. Wir erklären, was Unternehmen über KI-Agenten wissen müssen.

Was sind KI-Agenten und auf welcher Technologie basieren sie?

KI-Agenten sind Softwaresysteme, die eigenständig Aufgaben ausführen, aus Erfahrungen lernen und dynamisch mit ihrer Umgebung interagieren. Ihr Ziel ist es, Aufgaben autonom zu lösen, ohne dass ein kontinuierliches menschliches Eingreifen notwendig ist. Im Unterschied zu herkömmlichen Automatisierungslösungen bewältigen KI-Agenten selbst komplexe Anforderungen, indem sie sich an neue Bedingungen anpassen. Auch werden sie im Gegensatz zu universellen LLMs in der Regel fein abgestimmt, um Relevanz und Datenschutz zu gewährleisten. Sinnvoll ist eine kontextbezogene Architektur, die kausale KI, Document AI und multimodale Logik kombiniert und damit optimal auf geschäftliche Anwendungsfälle zugeschnitten ist.

In welchen Bereichen der Arbeitswelt entfalten KI-Agenten ihr Potenzial?

KI-Agenten finden in nahezu allen Unternehmensbereichen Einsatzmöglichkeiten – von der Beantwortung einfacher Anfragen bis hin zur Steuerung komplexer Prozesse. Eingebettet in CRM-Plattformen analysieren sie riesige Datenmengen, die Unternehmen manuell nicht mehr auswerten können. Anstatt die Ergebnisse lediglich zu präsentieren oder Kontakte nach Prioritäten zu sortieren, qualifizieren KI-Agenten auch noch automatisch Leads, schlagen passende Angebote vor und beantworten Kundenanfragen. Oder anders formuliert: Während herkömmliche Tools in der Regel auf statischen Wenn-dann-Regeln basieren, führt die neue Generation hyperpersonalisierte Aktionen nahezu in Echtzeit aus. Diese Entwicklung entlastet Mitarbeiter von Routineaufgaben und gibt ihnen Raum, sich auf strategisch wichtige Aufgaben zu konzentrieren. Unternehmen wiederum können ohne großen Aufwand Tausende von Kunden individuell betreuen.

Werden KI-Agenten den Arbeitsmarkt verändern?

Diese Frage lässt sich nicht pauschal beantworten. Es entstehen durch den verstärkten Einsatz von KI-Lösungen neue Berufsfelder – insbesondere bei der Entwicklung, Integration und Wartung solcher Agentensysteme werden qualifizierte Fachkräfte benötigt. Gleichzeitig stellt sich die Herausforderung, bestehende Mitarbeitende gezielt im Umgang mit diesen Technologien weiterzubilden und deren digitale Kompetenzen auszubauen. Eines muss klar sein: Das Ziel von KI-Agenten ist es nicht, menschliche Arbeitskraft zu ersetzen, sondern deren Fähigkeiten zu erweitern. Mitarbeitende können sich somit stärker auf komplexe Kundeninteraktionen oder die Entwicklung innovativer Kampagnen konzentrieren, während ihnen die KI zur Hand geht.

Worauf müssen Unternehmen bei der Auswahl von KI-Agenten-Lösungen achten?

In erster Linie benötigen sie eine digital ausgereifte Umgebung mit einheitlichen Datenformaten, optimierten Prozessen und regelbasierten Automatisierungen, um den ROI steigern zu können. Anschließend müssen sie sicherstellen, dass ihre KI-Systeme den geltenden Datenschutzbestimmungen entsprechen und sensible Kund*innendaten optimal geschützt sind. Transparenz und Nachvollziehbarkeit der KI-Entscheidungen sind ebenfalls essenziell, um das Vertrauen von Kunden und Mitarbeitenden nicht zu gefährden. Auf technischer Seite ist eine interoperable Lösung notwendig, die sich so nahtlos wie möglich in die bestehende IT-Umgebung integrieren lässt. Zu den weiteren Aspekten zählen die Priorisierung der kontextuellen Abstimmung, da Agenten geschäftsspezifische Arbeitsabläufe und Datenformate verstehen müssen, sowie die Nutzung eines Federated-Model-Ansatzes statt einheitlicher LLM-Frameworks, um Effizienz, Erklärbarkeit und Kosten zu optimieren.

Wie binden Unternehmen ihre Mitarbeitenden am besten ein?

Zunächst einmal ist ein grundlegendes Change Management erforderlich. Die Mitarbeiterinnen und Mitarbeiter müssen verstehen, dass die KI ihnen nicht die Arbeit wegnimmt, sondern sie unterstützen soll. Sinnvoll ist auch ein Low-Code-Ansatz: Maßgeschneiderte KI-Applikationen und automatisierte Workflows steigern die Arbeitseffizienz in Abteilungen um ein Vielfaches – sogar Mini-Anwendungen, die lediglich einfache Aufgaben übernehmen. Jedoch können zentrale IT-Abteilungen, die mit Entwicklungsanfragen aus verschiedenen Abteilungen überhäuft werden, diese kaum bewältigen. Mit einer Low-Code-Application-Plattform (LCAP) können auch Mitarbeiter ohne Programmierkenntnisse einfache KI-Anwendungen selbst erstellen. Möglich machen das einfache Drag-and-Drop-Optionen und vorgebaute Module, die je nach Wunsch kombinierbar sind.

Fazit

KI-Agenten sind als kollaborative Partner zu verstehen, nicht als Ersatz für den Menschen. Künftig werden wir eine Multi-Agent Collaboration sehen. Hierbei übernehmen verschiedene KI-Agenten jeweils Spezialaufgaben und koordinieren sich untereinander, um selbst die komplexesten Herausforderungen effizient zu lösen.

Der Autor Sridhar Iyengar ist Managing Director von Zoho Europe.

Ein Start-up aus München denkt Europas Sicherheit neu – mit modularen Robotern, digitalen Aufklärungssystemen und einem iterativen Entwicklungsansatz, der hinsichtlich Flexibilität und Geschwindigkeit in der Branche neue Maßstäbe setzt. „Wir nutzen das transformative Potenzial von Robotik und KI, um die Leistungsfähigkeit der europäischen Landstreitkräfte zu stärken“, sagt Marc A. Wietfeld, Mitgründer und CEO von ARX Robotics in München. „Mit unserem Betriebssystem Mithra OS ermög­lichen wir fernoperierbare, kettenbetriebene Landfahrzeuge sowie die Digitalisierung bestehender Flotten.“

Die Roboter entstehen auf einer einheitlichen technologischen Plattform mit flexiblem, modularem Aufbau. Sie lassen sich einfach anpassen und aufrüsten, was das Einsatzspektrum enorm erweitert. „Unsere Plattform ist wie das Schweizer Taschenmesser für Militäreinsätze“, so der Gründer. Neben der Hardware und dem KI-gestützten Betriebssystem liefert das Start-up auch Schnittstellen, um bestehende analoge Rüstungstechnologie und softwaregetriebene Systeme zu integrieren.

Drei Offiziere nehmen die Entwicklung selbst in die Hand

Gegründet wurde ARX Robotics von drei ehemaligen Bundeswehroffizieren. Marcs Weg begann mit einer Schlosserlehre, bevor er 2010 für den Wehrdienst eingezogen wurde. Damals konnte er kaum glauben, wie veraltet die Technologie der Truppe war. „Eine Playstation hatte bessere Software als viele Waffensysteme, und Drohnen aus dem Elektrofachmarkt waren leistungsfähiger als die im Kampfeinsatz.“ Während Marc in New York ein militärisches Programm absolvierte, lernte er Maximilian (Max) Wied kennen, der zu dieser Zeit an der Militärakademie West Point studierte. Beide hatten den Innovationsstau jahrelang erlebt und durch ihre Zeit in der Kampftruppe die Realität von Häuser-, Wald- und Grabenkämpfen hautnah kennengelernt.

In Robotik und Automatisierung sahen sie enormes ungenutztes Potenzial, um Soldat*innen zu schützen und Einsätze effizienter zu gestalten. „Am Anfang ging es uns gar nicht darum, Roboter zu bauen“, so Marc, „sondern darum, wie wir neue Technologie schneller in die Hand der Soldatinnen und Soldaten bekommen.“ Rund zwei Jahre arbeiteten sie am Konzept und an der Umsetzung. Die ersten Prototypen entstanden in Eigenregie, finanziert aus privaten Mitteln.

Stefan Röbel stieß dazu, als klar wurde, dass aus dem Projekt ein Unternehmen werden sollte. Neben dem militärischen Hintergrund bringt er Erfahrung im Aufbau und in der Skalierung von Start-ups mit. Zuvor war Stefan bereits bei Tech-Unternehmen an Bord, darunter Amazon, ASOS und Grover, wo er den Weg von der Series-A-Finanzierung bis zum Unicorn begleitete.

Als die Ersparnisse aufgebraucht waren, erhielt das Gründungsteam Unterstützung vom Innovation Hub der Bundeswehr und der Universität der Bundeswehr in München. Ende 2022 gründeten die drei schließlich ihr Unternehmen.

Die Brücke zur vernetzten Zukunft des Militärs

ARX Robotics füllt eine kritische Lücke in der militärischen Technologielandschaft, zwischen der analogen Vergangenheit und der softwaregesteuerten Zukunft. Viele bestehende Systeme wie etwa Panzer, Transportfahrzeuge und Helikopter operieren noch weitgehend analog und damit isoliert voneinander. Doch bewaffnete Konflikte werden heute vernetzt, KI-gestützt und mithilfe unbemannter Systeme entschieden. Die militärische Ausrüstung ist in vielen Ländern Europas noch nicht auf der Höhe der Zeit. „Mit unseren Lösungen bauen wir die Brücke zwischen den beiden Welten“, sagt Marc.

ARX Robotics überträgt die moderne technologische Architektur auf bestehende Militärfahrzeuge. Die analogen Bestandssysteme werden damit robotisiert, sodass sie mit modernen Drohnen und digitalen Einheiten zusammenarbeiten können – ein entscheidender Faktor für die Digitalisierung der Landstreitkräfte und Interoperabilität. „Früher war das Militär die Technologieschmiede der Gesellschaft, doch in den 1980er-Jahren hat die zivile Forschung die Streitkräfte überholt, auch bei den sicherheits­relevanten Anwendungen“, so Marc.

Die etablierte Verteidigungsindustrie hat sich unterdessen auf immer komplexere und schwerfällige Großsysteme konzentriert. Bei einem größeren militärischen Entwicklungsprojekt ist in der Regel der gesamte militärische Apparat involviert, mit Planungs- und Beschaffungsämtern, langen Prozessen und seitenlangen Anforderungskatalogen. Erhält ein Ausrüster den Zuschlag, bekommt dieser Steuergelder, um einen Prototyp zu bauen „Die Entwicklung neuer Plattformen dauert dadurch oft ein Jahrzehnt, und die Produktion braucht weitere fünf Jahre“, sagt Marc. Schon bei der Indienststellung ist das Material zwangsläufig technologisch veraltet. ARX Robotics will den Prozess vom Kopf auf die Füße stellen. „Wir sind davon überzeugt, dass unsere Systeme den Soldatinnen und Soldaten im Einsatz sofort Mehrwert liefern“, so Marc. „Darum übertragen wir die neuen Technologien so schnell wie möglich ins Militär.“

Zurückhaltende Investor*innen und hohe Eintrittsbarrieren

Der Weg zur ersten externen Finanzierung war jedoch alles andere als einfach. „Kaum ein Risikokapitalgeber hat sich 2022 für DefenseTech und Hardware interessiert“, sagt Marc. Unter europäischen VCs dominierte das Dogma, dass nur Software skalierbar sei, idealerweise als SaaS-Modell. „Als Start-up mit einer physischen Technologie, noch dazu geführt von drei Soldaten ohne Gründungserfahrung, passten wir nicht ins Schema“, erinnert sich Marc.

Zudem war das Thema Verteidigung als Investment noch sehr negativ behaftet. VCs wollten nicht in Systeme investieren, die potenziell im Kampfeinsatz genutzt werden können. Sie sorgten sich um das öffentliche Bild und mögliche Bedenken institutioneller Geldgeber*innen. Mitte 2023 konnte ARX Robotics dann mit dem Risikokapitalgeber Project A Ventures als Lead Investor die Seed-Finanzierungsrunde schließen.

„Die anfänglich größte Hürde für uns war, nicht als Start-up, sondern als ernstzunehmender Anbieter wahrgenommen zu werden“, so Marc. Der Rüstungsmarkt ist stark konsolidiert und protektiv. Etablierte Player wie Rheinmetall, BAE Systems oder Krauss-Maffei Wegmann arbeiten seit Jahrzehnten fest mit ihren Kund*innen zusammen und bewegen sich in gewachsenen Strukturen. „Das Vertrauen der Streitkräfte zu gewinnen und die Beteiligung an einem großen Rüstungsprojekt zu erhalten, ist eine Schallmauer, die nur sehr wenige Start-ups durchbrechen“, sagt Marc.

Iterative Entwicklung und Tests im Feld

ARX Robotics punktet im Markt unter anderem mit dem radikal nutzer*innenzentrierten Entwicklungsansatz. Das Team setzt auf schnelle Iterationen mit voll funktionsfähigen Proto­typen. Diese werden von Soldat*innen zeitnah getestet, häufig direkt in der Kampfzone. Das Feedback fließt sofort in die Weiterentwicklung ein, sodass in kürzester Zeit gebrauchsfertige Systeme entstehen. Der Fokus in der Entwicklung liegt stets auf der Software. „Das Betriebssystem ist der Kern unserer Lösungen, ob es am Ende einen Roboter oder einen Panzer steuert, ist zweitrangig“, sagt Marc.

Anders als der Wettbewerb setzt ARX Robotics auf offene Schnittstellen, modulare Komponenten und flexible Integra­tion. Die großen Rüstungsfirmen mit ihren etablierten, geschützten Ökosystemen können dieses Modell nur schwer adaptieren. Stattdessen setzen sie auf Partnerschaften.

Mit Rheinmetall zum Beispiel arbeiten die Gründer derzeit an mehreren Projekten, und Daimler nutzt die ARX-Technologie, um die gesamte militärische Fahrzeugflotte zu digitalisieren. Um sicherzustellen, dass das Know-how und die Technologie in europä­ischer Hand bleiben, hat das Team frühzeitig den NATO Innovation Fund mit ins Boot geholt.

Die Einführung des Mobilfunkstandards 5G sollte die drahtlose Kommunikation nicht nur für den Consumer-Markt revolutionieren, sondern auch den Weg hin zur Industrie 4.0 mit vollvernetzten, intelligenten Fabriken ebnen. Doch bis heute können kommerzielle 5G- sowie zahlreiche WLAN-Systeme die Echtzeitanforderungen industrieller Anforderungen meist nicht erfüllen: Verzögerungen in der Datenübertragung (Latenzen) führen zu oft zu Systemstopps und Ausfällen ganzer Anlagen. Das Dresdner Start-up fünfeinhalb Funksysteme GmbH hat es sich zum Ziel gesetzt, dies zu ändern. Mit BlitzFunk, einem Echtzeit-WLAN-System mit berechenbaren Latenz-Garantien sowie latenzfreiem Roaming, ist ihm dies gelungen.

Fünfeinhalb Funksysteme wurde 2023 als Ausgründung aus der TU Dresden gegründet, mit dem Ziel, die nicht eingehaltenen Versprechen des Mobilfunkstandards 5G einzulösen und für Anwendungen im industriellen Umfeld nutzbar zu machen. Dafür hat das fünfköpfige Gründerteam rund um Geschäftsführer Dr. Lucas Scheuvens BlitzFunk entwickelt. Das Funksystem – bestehend aus Access Points und Clients – ist so konzipiert, dass es als eine koordinierte Einheit agiert. Die Anwendergeräte (Maschinen, Steuerungen oder Sensoren) werden über Ethernet mit dem System verbunden.

Latenzfreies Roaming ohne Unterbrechung

Einen der größten USPs des Funksystems fasst Dr. Lucas Scheuvens wie folgt zusammen: „Bei einem klassischen Roaming-Prozess, der in räumlich größeren Netzwerken immer nötig ist, ist der Client jeweils mit nur einem Access Point verbunden. Bevor er dessen Reichweite verlässt, muss er mit dem nächsten Access Point verknüpft werden. Das heißt, dass dort die Verbindung zum ersten Access Point ab- und zum nächsten Access Point neu wieder aufgebaut wird. Verschiedene Lösungen können dies zwar besonders schnell, aber es gibt immer einen zeitlichen Break. Bei Blitzfunk ist das nicht so, da unsere Access Points sich koordinieren und somit latenzfreies Roaming garantieren. Dabei koordinieren sie sich im Hintergrund automatisch so, dass sie sich nicht gegenseitig stören. Da das Roaming im BlitzFunk-System keinerlei negative Auswirkungen hat, entfällt auch die aufwendige und kostenintensive Funknetzplanung.“

Entwickelt für die Anforderungen der Industrie 4.0

BlitzFunk garantiert eine schnelle Datenübertragung – selbst bei mehreren verbundenen Geräten (Clients): Für 99,9999 Prozent aller Sendeversuche liegt die Latenz – so das Unternehmen – nachweislich bei maximal 2 × (N + 1) Millisekunden, wobei N die Anzahl der gleichzeitig aktiven Geräte ist – und das bei maximaler Ethernet-Framegröße von 1500 Bytes. Ein einzelner Client im System hat demnach eine garantierte Latenz von 4 Millisekunden, bei zehn Clients sind demnach 22 Millisekunden erwartbar, usw. Diese Garantie gilt auch für den Roaming-Fall, was vollständig unterbrechungsfreie Datenverbindungen für anspruchsvollste Industrie-Anwendungen ermöglicht.

Doch das Funksystem hat noch weitere Vorteile: es verhält sich wie ein verteilter Ethernet-Switch und bietet somit Plug&Play-Kompatibilität mit allen Ethernet-basierten Protokollen, inklusive Profinet, Profisafe, EtherNet/IP, CIP Safety und MQTT. Dazu kommen seine einfache Inbetriebnahme und Verwaltung über einen Webbrowser, was beides ohne spezielle technische Kenntnisse möglich ist. Ein weiterer Pluspunkt ist das eingebaute Troubleshooting, dank dem sich das Funksystem als Fehlerquelle eindeutig identifizieren (z.B. bei Überlastung) oder ausschließen lässt. Nicht zuletzt punktet das Funksystem auch in Bezug auf die Security mit geräteindividueller, quantensicherer Verschlüsselung sowie Authentifizierung.

Gemacht für mobile Anwendungen in der Logistik und Fertigungsbranche

Fünfeinhalb Funksysteme richtet sich insbesondere an Hersteller bzw. Systemintegratoren, die eine mobile Vernetzung ihrer Maschinen benötigen, die genauso zuverlässig funktioniert wie eine Kabelverbindung. Scheuvens erklärt dazu: „Obwohl sich mit BlitzFunk auch existierende Kabelinstallationen ersetzen lassen, ist das nicht unser Hauptanspruch. Konzipiert wurde das System hauptsächlich für Einsatzszenarien in der Fertigung, die mobile Roboter oder Fahrzeuge umfassen. Aber auch für Schlittensysteme und rotierende Elemente ist BlitzFunk geeignet – bzw. generell überall dort, wo Kabel stören oder technisch nicht sinnvoll einsetzbar sind“. Zu den zahlreichen, bereits erfolgreich durchgeführten Projekten zählen Vernetzungen von Schweißrobotern, Deckenkränen und fahrerlosen Transportfahrzeugen – sowohl im Safety- als auch Non-Safety-Bereich.

Blick in die Zukunft: Noch mehr Leistung

Gefragt nach einem Blick in die Zukunft des Unternehmens antwortet Scheuvens: „Aktuell basiert BlitzFunk auf klassischen, für den breiten Massenmarkt konzipierten Standard-Komponenten. Das macht die Lösung sofort und mit einem großen Mehrwert gegenüber anderen Systemen einsetzbar, demonstriert aber nur einen Bruchteil dessen, was möglich ist. Aktuell arbeiten wir an einem komplett integrierten Echtzeit-WLAN-System, das dann selbst BlitzFunk in den Kategorien Größe, Anzahl der gleichzeitig unterstützten Geräte, Zuverlässigkeit, Latenz und Energieverbrauch noch jeweils um den Faktor zwei bis zehn verbessern kann. Wir freuen uns auf die Reise!“

Es gibt sie überall, diese kleinen alltäglichen Ärgernisse, die erst einmal banal erscheinen, im Alltag aber schnell zu echten Zeitfressern und Stressquellen werden können. Die Parkplatzsuche an Flughäfen gehört dazu – gerade in stark frequentierten Städten, wo jeder Parkplatz ein kostbares Gut ist. Genau hier setzt Parkos an, ein digitales Unternehmen mit Start-up-Wurzeln, das seit über einem Jahrzehnt den Markt für Parkplatzvermittlung revolutioniert. Parkos.de macht es möglich, entspannt einen Parkplatz zu buchen und so lästige Suchfahrten zu vermeiden.

Vom Alltagsproblem zur digitalen Lösung

Das Beispiel der Parkplatzsuche zeigt exemplarisch, wie digitale Unternehmen Alltagsprobleme systematisch angehen. Nicht immer ist es die große Innovation, die den Markt verändert, sondern die konsequente und nutzerzentrierte Verbesserung bestehender Prozesse. Die Gründer von Parkos erkannten früh, dass der Prozess des Parkplatzfindens in der Nähe von Flughäfen ineffizient und für Reisende oft belastend ist. Überfüllte Parkplätze, lange Fußwege oder teure Kurzzeitangebote waren die Regel.

Diese Herausforderungen boten die perfekte Ausgangslage für eine digitale Plattform, die Anbieter von Parkplätzen und Kunden unkompliziert zusammenbringt. Dabei geht es nicht nur um die reine Vermittlung, sondern um Transparenz, Vergleichbarkeit und Nutzerfreundlichkeit. Das ist der Kern der Plattformökonomie, die heute zahlreiche Branchen prägt – von der Mobilität über die Gastronomie bis hin zum Einzelhandel.

Parkos als Beispiel für Plattformökonomie

Plattformen funktionieren nach dem Prinzip, Angebot und Nachfrage in einem digitalen Marktplatz zu verknüpfen. Für Parkos bedeutet das: Parkplätze von verschiedensten Anbietern – private Parkflächen, Hotels, bewachte Parkhäuser – werden auf einer übersichtlichen Website zusammengeführt. Kunden können Preise, Entfernung zum Flughafen und Bewertungen vergleichen. Die Buchung erfolgt direkt online, oft mit flexiblen Stornierungsbedingungen.

Dieser transparente und einfache Zugang löst ein grundlegendes Problem: Wer kennt schon die besten Parkmöglichkeiten in Flughafennähe? Vorbei sind die Zeiten der langen Suchfahrten und Unsicherheiten. Eine entsprechende Plattform steigert nicht nur die Effizienz, sondern reduziert durch die bessere Planung auch den Stress für Reisende.

Interessant ist dabei auch, dass das Unternehmen selbst kein Parkplatzbetreiber ist. Das Unternehmen agiert als Vermittler – und zeigt damit, wie wichtig digitale Infrastruktur und Vertrauensbildung für moderne Geschäftsmodelle sind. Die Nutzerbewertungen auf der Plattform tragen dazu bei, das Angebot ständig zu verbessern.

Technologie als Enabler für bessere Nutzererfahrung

Ein weiterer wichtiger Baustein im Erfolg ist der gezielte Einsatz von Technologie. Eine übersichtliche Website, eine mobile App und einfache Bezahlmethoden sind heute Standard, doch wie diese Tools eingesetzt werden, macht den Unterschied. Die Plattform bietet nicht nur Such- und Buchungsmöglichkeiten, sondern auch Informationen zu Services wie Shuttle-Bussen, Öffnungszeiten und Sicherheitsstandards der Parkplätze.

Die Integration von Kundenbewertungen schafft eine soziale Kontrollinstanz, die Vertrauen aufbaut. So können Nutzer anhand von Erfahrungen anderer Reisender einschätzen, ob ein Parkplatz ihren Erwartungen entspricht. Dieses Feedback wird von Unternehmen genutzt, um Anbieter zu prüfen und kontinuierlich zu verbessern.

Nicht zuletzt erleichtern digitale Services auch die Reiseplanung insgesamt. Verbindliche Buchungen minimieren Überraschungen vor Ort und tragen dazu bei, den gesamten Ablauf stressfreier zu gestalten.

Digitales Angebot im Alltag – mehr als nur Bequemlichkeit

Das Beispiel Parkos zeigt, dass digitale Lösungen oft mehr leisten als reine Bequemlichkeit. Sie greifen in gesellschaftlich relevante Bereiche ein – hier etwa die Mobilität. Bessere Parkplatzplanung bedeutet weniger Suchverkehr, weniger Emissionen und damit einen Beitrag zur Entlastung urbaner Verkehrsräume.

Auch für Unternehmen eröffnen Plattformen wie Parkos neue Chancen. Kleine und mittelgroße Parkplatzanbieter können so ein größeres Publikum erreichen, ihre Auslastung verbessern und wirtschaftlicher arbeiten. Dies steht im Zeichen einer funktionierenden Sharing Economy, die Ressourcen besser nutzt.

Die Relevanz digitaler Vermittlungsplattformen

Digitale Vermittlungsplattformen sind längst mehr als reine Serviceangebote. Sie verändern zunehmend die Art, wie Menschen sich fortbewegen, arbeiten oder ihre Freizeit gestalten. Die Vermittlung von Parkplätzen am Flughafen ist ein kleines, aber anschauliches Beispiel dafür, wie digitale Geschäftsmodelle dazu beitragen können, den Alltag effizienter zu gestalten und Ressourcen besser zu nutzen.

Indem sie Buchung und Planung vereinfachen, tragen solche Plattformen dazu bei, dass unnötige Suchfahrten entfallen. Das hat nicht nur eine Zeitersparnis für den Einzelnen zur Folge, sondern auch einen spürbaren Effekt auf den Verkehr rund um stark frequentierte Orte. Weniger Staus bedeuten weniger Emissionen – ein relevanter Beitrag zum Klimaschutz, der auf den ersten Blick vielleicht unspektakulär wirkt, bei genauerem Hinsehen jedoch enorm.

Außerdem profitieren kleine Anbieter von Parkplätzen von der Reichweite solcher digitalen Marktplätze. Sie können ihre freien Kapazitäten besser auslasten und so wirtschaftlicher arbeiten. Damit entsteht eine Win-Win-Situation, die durch die Vernetzung und Digitalisierung erst möglich wird.

Praxisnahe Erkenntnisse für Gründer und Unternehmer

Für Unternehmer, die digitale Geschäftsmodelle entwickeln oder optimieren wollen, steckt in diesem Beispiel einiges an Praxiswissen. Erstens: Das genaue Erkennen eines echten Alltagsproblems ist entscheidend. Hier war es die Parkplatzsuche – eine scheinbar kleine Herausforderung mit großem Frustpotenzial.

Zweitens zeigt sich, wie wichtig eine konsequente Nutzerzentrierung ist. Transparente Preise, Vergleichbarkeit und unkomplizierte Buchungsprozesse schaffen Vertrauen. Gerade in Zeiten, in denen Konsumenten eine nahtlose User Experience erwarten, entscheidet die Qualität der digitalen Schnittstellen oft über Erfolg oder Misserfolg.

Drittens wird deutlich, wie wichtig Vertrauen im Plattformgeschäft ist. Nutzerbewertungen, transparente Kommunikation und klare Buchungsbedingungen helfen, Unsicherheiten abzubauen. Das gilt nicht nur für die Parkplatzvermittlung, sondern für alle digitalen Vermittler.

Viertens: Flexibilität und kontinuierliche Verbesserung sind ein Muss. Digitale Geschäftsmodelle müssen sich an wechselnde Anforderungen und neue technische Möglichkeiten anpassen, um relevant zu bleiben.

Wo liegen die Herausforderungen?

Trotz aller Vorteile stehen digitale Plattformen auch vor Herausforderungen. Zum Beispiel die Frage nach Datenschutz und Sicherheit der Kundendaten, die immer sensibler wahrgenommen wird. Auch die Balance zwischen Anbieterinteressen und Nutzerbedürfnissen ist oft ein Balanceakt.

Nicht zuletzt sind digitale Unternehmen auf stabile und schnelle Internetverbindungen angewiesen – was vor allem auf dem Land oder in entlegenen Gebieten nicht selbstverständlich ist. Gerade hier zeigt sich, dass digitale Innovationen nicht automatisch alle gesellschaftlichen Schieflagen beheben.

Fazit: Digitalisierung als Werkzeug für pragmatische Lösungen

Der Blick auf die Vermittlung von Parkplätzen an Flughäfen macht eines klar: Digitalisierung funktioniert dann am besten, wenn sie echte, greifbare Probleme löst. Es geht nicht um bloße Technik, sondern um den Mehrwert, den Unternehmen und Plattformen schaffen – für Nutzer, Anbieter und die Gesellschaft.

Ein erfolgreicher digitaler Vermittler zeichnet sich dadurch aus, dass er Transparenz, Vertrauen und Nutzerfreundlichkeit in den Mittelpunkt stellt. Die Kombination aus technischer Innovation und konsequenter Orientierung an den Bedürfnissen der Kunden bildet das Fundament für nachhaltiges Wachstum.

Für Gründer und Unternehmer ist die Botschaft: Kleine, präzise Lösungen können große Wirkung entfalten. Wer genau hinschaut und mit digitaler Intelligenz Alltagssituationen verbessert, schafft nicht nur Mehrwert, sondern auch ein tragfähiges Geschäftsmodell.

CIRCULAR REPUBLIC, die Initiative für Kreislaufwirtschaft von UnternehmerTUM, präsentiert ihre neue Start-up Landscape für den Bereich Circular Economy. Die Datenerhebung geht in diesem Jahr über Deutschland hinaus und stellt als größte datenbasierte Analyse europäischer zirkulärer Start-ups eine Übersicht über Finanzierungstrends und Chancen zur Verfügung.

Die größte datenbasierte Analyse europäischer zirkulärer Start-ups

Über 2.500 Start-ups der Kreislaufwirtschaft florieren in ganz Europa. Großbritannien, Deutschland und Frankreich führen anhand Gründungszahlen und Investitionsvolumen: im Vereinigten Königreich sind es 528 Start-ups und 7,2 Milliarden Euro Kapital, gefolgt von Deutschland mit 499 Start-ups die 5,7 Milliarden Euro erhielten sowie 306 Start-ups finanziert von 2,2 Milliarden Euro in Frankreich.

Ein Grund für die gute Entwicklung in diesen Ländern, sind reife Innovationsökosysteme. Sie bündeln die Kräfte zwischen weltklasse Forschungsinstituten, führenden Industrievertretern und Gründungszentren als Brücken. Dazu zählen Berlin, London, München, Paris, aber auch Barcelona und Stockholm. Die Kreislaufwirtschaft zieht zudem diverse Gründungsteams an, der Frauenanteil liegt mit 30 % deutlich über dem Durchschnitt. Auch gilt der Bereich als attraktiv für abwandernde Top-Talente aus den USA.

Starke Finanzierung trotz Investitionskrise

Während die Finanzierung europäischer Start-ups seit 2021 zurückgeht, erreichen Start-ups im Bereich der Kreislaufwirtschaft 2023 mit über 9 Milliarden US-Dollar eingenommen Kapitals einen neuen Höchststand. Die Finanzierung für Circular Economy Start-ups ist seit 2015 kontinuierlich gewachsen – trotz weltweiter Krisen wie der COVID-19-Pandemie oder dem Angriffskrieg auf die Ukraine. Besonders Neugründungen, die zirkuläre Lösungen für kritische Rohstoffe in Bereichen wie Energie und Batterien anbieten, profitieren von wenig Konkurrenz und ziehen viel Kapital an. Demgegenüber erhalten Start-ups, die bestehende Produkte reparieren oder aufbereiten, nach wie vor am wenigsten Geld.

„Am Gründungs- und Investmentverhalten zeigt sich klar, dass die Circular Economy die Nachhaltigkeitsdomäne verlassen hat und als wichtiger Garant für resiliente Lieferketten erkannt wurde”, sagt Dr. Matthias Ballweg, Mitgründer und Director von CIRCULAR REPUBLIC. „Ein starkes Zeichen für die europäische Souveränität.”

Leonhard Teichert, Projektleiter bei CIRCULAR REPUBLIC, ergänzt: „Investments in Europas Circular Economy-Start-ups nehmen stetig zu – trotz aller Krisen. Das zeigt: Der europäische Markt erkennt zirkuläre Geschäftsmodelle nicht nur als ökologisch sinnvoll, sondern auch als einen Schlüssel zur Resilienz von Lieferketten. Wer in die Circular Economy investiert, investiert in Zukunftssicherheit.“

Potenziale der Kreislaufwirtschaft

Die Untersuchung zeigt noch unberücksichtigte Bereiche der Kreislaufwirtschaft auf. So sind die Gründungszahlen entlang des Stoffkreislaufes ungleich verteilt. 27 % der Start-ups entwickeln Produkte aus nachwachsenden oder recycelten Materialien, dagegen entwerfen nur weniger als ein Prozent der Unternehmen Lösungen zur Verfeinerung oder Demontage von Materialien. Damit Stoffkreisläufe jedoch nachhaltig und vollständig geschlossen werden, bräuchte es in diesen Bereichen ausreichend Angebote. Zudem nutzen gerade vier Prozent aller erfassten Start-ups Künstliche Intelligenz (KI). 31 % davon sitzen in Deutschland - so viel, wie in keinem anderen Land in Europa. Hier könnte sich Deutschland weiter hervortun und einen strategischen Fokus auf die Entwicklung KI-basierter Lösungen der Kreislaufwirtschaft setzen.

Wer wird in der Start-up-Landkarte gelistet?

Um Teil der Übersicht zu sein, müssen Start-ups mindestens einen der folgenden Aspekte im Geschäftsmodell verankert haben: Sie stellen Produkte aus nachwachsenden oder recycelten Materialien zur Verfügung (z.B. das Start-up Traceless), sie setzen auf „Product-as-a-Service” (z.B. everphone), dienen Nutzerinnen und Nutzern als Sharing-Plattform (z.B. Recup), tragen zur Verlängerung der Lebenszeit eines Produkts bei (z.B. STABL), setzen auf Rückgewinnung von Materialien aus Produkten am Ende ihrer Lebenszeit (z.B. Radical Dot) oder sie unterstützen Unternehmen dabei, zirkuläre Wertschöpfungsketten zu etablieren (z.B. Resourcify). Unternehmen, die eine Zusammenarbeit mit Start-ups in verschiedenen Phasen der Circular Economy anstreben, können Matching-Dienstleistungen wie die von EasyMatch beanspruchen.

Hier geht’s zur größeren Ansicht der Start-up Landscape