Während Meta LLM-gestützte Agenten auf WhatsApp für Verbraucher*innen einführt, will das Berliner Start-up charles Marken einen entscheidenden Vorsprung verschaffen. Mit der Einführung seines AI Agent Squad will sich charles als führender europäischer Anbieter markensicherer, hochspezialisierter KI-Agenten auf WhatsApp mit integrierter Sicherheit und Compliance etablieren – und damit den weltweit meistgenutzten Messenger in einen echten Handels- und Servicekanal transformieren.

Die KI-Agenten von charles nutzen WhatsApps Interaktivität, proprietäres Markenwissen und die Leistungsfähigkeit moderner KI, um Kund*innen direkt in WhatsApp anzusprechen - kontextbezogen, personalisiert und autonom. Von intelligenten Produktempfehlungen bis zu Support soll die Interaktion Kund*innen ein äußerst persönliches Gefühl vermitteln.

„Unsere KI-Agenten übernehmen echte Aufgaben wie Produktempfehlungen, Beantwortung von Fragen oder Reklamationsbearbeitung. Sie agieren wie echte Mitarbeiter: Man weist ihnen eine echte Aufgabe zu und gibt alle Mittel an die Hand, die sie benötigen, um diese Aufgabe zu erfüllen – sei es durch Zugriff auf Daten oder klare Vorgaben geben“, sagt Andreas Tussing, CEO von charles. “So ermöglichen wir Gespräche, die heute aufgrund von Ressourcen noch nicht möglich sind, und bieten gleichzeitig ein personalisiertes und innovatives Kundenerlebnis.“

WhatsApps native Interaktivität trifft auf markensichere KI

Mit den Berliner KI-Agenten soll WhatsApp zur leistungsstärksten Plattform für Kundenbeziehungen werden - und die Herausforderungen von Marken in Bezug auf Konversion und Kundenbindung lösen, ohne Authentizitätsverlust. Durch die Kombination der hohen Engagement-Raten von WhatsApp mit KI-gesteuerter Automatisierung und Personalisierung sollen Marken gleichzeitig Kundenzufriedenheit und Umsätze steigern sowie Betriebskosten senken können.

Fokus auf markenspezifisches Know-how, Security und Compliance

Der AI Agent Squad nutzt modernste KI-Technologien und verbindet generative Sprachmodelle mit markenspezifischen Datenquellen wie Produktkatalogen, CRM-Systemen und Kundenpräferenzen. Integrierte Schutzvorkehrungen und Tonalitätskontrollen gewährleisten Markensicherheit, während alle Daten auf europäischen Servern verarbeitet werden, ohne externe API-Aufrufe oder Datenextraktion - DSGVO-konform und markensicher.

What's next? Der Wettlauf um eigene Messaging-KI

Mit der Einführung von Memory durch OpenAI und Meta‘s Llama-basierte Agenten auf WhatsApp, heizt sich der Markt für personalisierte, generative Kundenkommunikation auf. Der EU AI Act und das aktuelle Handelsklima erhöhen die Dringlichkeit – Lösungen mit starker Data Governance und Auditierbarkeit sind daher unerlässlich. Charles will sich vor diesem Hintergrund als skalierbare, europäische Alternative zu generischen LLM-Lösungen positionieren – in Europa entwickelt und gehostet.

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

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

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

Robotik-Einsatz im Terminal 2 des Flughafens München

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

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

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

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

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

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

Die vergangenen zwei Jahre haben einen regelrechten KI-Boom erlebt. Insbesondere generative Modelle (GenAI) haben sich rasant weiterentwickelt und etablieren sich zunehmend als feste Größe in den Arbeitsprozessen von Organisationen weltweit. Angesichts dieser Dynamik fragen sich nun viele Unternehmen, welche Entwicklungen das Jahr 2025 bestimmen werden und welche Potenziale sich daraus ergeben. Diese vier wichtigen KI-Trends werden uns 2025 maßgeblich begleiten.

Ob automatisierte Textproduktion, interaktive Chatbots oder KI-gestützte Analysen für Logistik und Finanzen: KIist längst im Tagesgeschäft angekommen. Diese Dynamik setzt sich 2025 fort. Dabei verschieben sich die Schwerpunkte zunehmend hin zu spezialisierten, effizienteren und flexibleren KI-Anwendungen.

Modular AI: Kleine Bausteine, große Wirkung

Modulare KI-Systeme werden zum Schlüssel für Unternehmen, die domänenspezifische Lösungen benötigen. Diese spezialisierten KI-Module sind genau auf einzelne Aufgabenbereiche zugeschnitten, etwa auf den Kundenservice oder auf Betrugserkennung im Bankwesen. Plug-and-Play-Architekturen beschleunigen hierbei die Implementierung: Statt monolithische Modelle einzuführen, integrieren Unternehmen bedarfsgerecht nur jene Module, die sie wirklich benötigen. Auf diese Weise lässt sich der zeitliche und finanzielle Aufwand für die Implementierung in Organisationen erheblich senken. Damit das Zusammenspiel verschiedener Module funktioniert, treiben Hersteller*innen und Standardisierungsgremien die Entwicklung einheitlicher APIs und Kommunikationsprotokolle weiter voran. Diese Interoperabilität ebnet den Weg für dynamische KI-Systeme, die sich je nach Anforderung in bestehende IT-Landschaften integrieren lassen.

Edge AI und On-Device Intelligence: Schneller zum Ergebnis

Während KI-Anwendungen bislang oft auf starke Cloud-Infrastrukturen angewiesen waren, verlagert sich die Intelligenz nun zunehmend an den Netzwerkrand. Dadurch können Daten in Echtzeit analysiert werden, um schnell fundierte Entscheidungen zu treffen. Gerade in sensiblen Bereichen wie der medizinischen Bildgebung oder in Branchen mit hoher Zeitkritikalität, beispielsweise bei autonomen Fahrzeugen, minimiert eine Edge-basierte KI-Analyse Latenzzeiten und ist somit wettbewerbsentscheidend. Parallel dazu treten neue, energieeffiziente KI-Chips wie neuromorphe Prozessoren oder TPUs (Tensor Processing Units) auf den Plan. Sie ermöglichen leistungsstarke KI-Anwendungen in Systemen mit begrenztem Platz oder Energiebudget – ein wichtiger Fortschritt für Wearables und sogar Satelliten.

Foundation Models: Optimieren statt komplett neu trainieren

Große KI-Basismodelle, sogenannte Foundation Models, haben 2024 ihren Nutzen in zahlreichen Branchen bewiesen. 2025 rücken jedoch kosten- und ressourcenschonende Optimierungen stärker in den Vordergrund. Verfahren wie Parameter-effizientes Tuning oder LoRA (Low-Rank Adaptation) ermöglichen es, aus umfassenden Basismodellen spezialisierte Teilmodelle zu erzeugen, ohne sie von Grund auf neu trainieren zu müssen. Kleinere, spezialisierte Modelle behalten die Leistungsfähigkeit der großen Systeme oft zu einem Bruchteil der nötigen Rechenleistung. Das senkt nicht nur die Kosten, sondern trägt auch zur Nachhaltigkeit bei, da der Energieverbrauch bei Training und Einsatz von KI zunehmend kritisch hinterfragt wird. Darüber hinaus entstehen lokalisierte Modelle, die speziell auf bestimmte Regionen oder Sprachen zugeschnitten sind und dadurch genauere Ergebnisse liefern.

Fortschrittliche KI-Agenten: Mehr Kontext, mehr Kollaboration

KI-Agenten erreichen 2025 eine neue Evolutionsstufe und können nuancierte Kontexte immer besser erfassen. Das steigert die Personalisierung von Interaktionen im Kund*innenservice, Gesundheitswesen oder Bildungsbereich. Zugleich werden Self-Improving Agents immer wichtiger: Sie enthalten eingebaute Feedbackschleifen, lernen aus ihren Erfahrungen und optimieren ihre Fähigkeiten – ganz ohne Eingreifen von außen. Darüber hinaus setzt sich das Konzept der Multi-Agent Collaboration durch. Hierbei übernehmen verschiedene KI-Agenten jeweils Spezialaufgaben und koordinieren sich untereinander, um komplexe Probleme wie logistische Planungen oder den Ablauf bei Großschadenslagen effizient zu lösen.

Fazit

Das laufende Jahr wird wie das letzte – und vermutlich wie noch viele kommende Jahre – von künstlicher Intelligenz geprägt sein. Zwar müssen wir bei Aspekten wie Datensicherheit, Transparenz und dem Schutz persönlicher Informationen weiterhin aufmerksam bleiben, doch gleichzeitig eröffnen sich durch KI ganz neue Chancen für Innovation, Effizienz und Wachstum. Schon jetzt arbeiten Unternehmen, Regierungen und Forschungseinrichtungen verstärkt Hand in Hand, um Standards zu definieren und verantwortungsvolle Lösungen zu entwickeln. Damit können wir das enorme Potenzial dieser Technologie nutzen und zugleich sicherstellen, dass Fortschritt und Vertrauen im Einklang stehen.

Der Autor Ramprakash Ramamoorthy ist Director of AI Research bei Zoho.

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.

Der aktuelle „Global AI Confessions Report: CEO Edition" der KI-Plattform Dataiku enthüllt Eingeständnisse deutscher und internationaler Führungskräfte, die hinsichtlich KI einer neuen Realität gegenüberstehen. Wichtige Insights aus der Studie:

• 95 Prozent der deutschen CEOs geben zu, dass ein KI-Agent bei Geschäftsentscheidungen einen gleichwertigen oder besseren Rat geben könnte als ein menschliches Vorstandsmitglied.
• 69 Prozent der deutschen CEOs glauben, dass eine gescheiterte KI-Strategie oder eine KI-induzierte Krise dazu führen wird, dass ein CEO bis Ende 2025 aus dem Amt gedrängt wird.
• Mit 62 Prozent bzw. 66 Prozent rangieren deutsche CEOs unter allen globalen CEOs an der Spitze, wenn es um die Messung von Kosten- und Ressourcenanforderungen und Skalierbarkeit von KI geht.
• 78 Prozent der deutschen CEOs sind der Meinung, dass EU-Vorschriften die KI-Nutzung in ihren Organisationen verlangsamen könnten.

Für die Studie, die von The Harris Poll durchgeführt wurde, wurden im Januar und Februar 2025 über 500 CEOs in den USA, Großbritannien, Frankreich und Deutschland befragt. Die Unternehmen der insgesamt 100 befragten deutschen CEOs rangieren bei einem Jahresumsatz von mehr als 250 Millionen Euro und eine Unternehmensgröße von mehr als 500 Mitarbeitenden.

Der Bericht enthüllt: Die KI-Strategie ist zum entscheidenden Faktor für das Überleben von Unternehmen geworden. Die Ergebnisse belegen zudem, dass die Konsequenzen des Einsatzes von KI auch auf höchster Entscheiderebene angekommen sind. 

KI kommt im Vorstand an

Laut Aussagen deutscher Geschäftsführer stellt KI die Rolle der Entscheidungsfindung auf Vorstandsebene zunehmend in Frage. Zu den wichtigsten Ergebnissen gehören: 

• 93 Prozent der deutschen CEOs sind der Meinung, dass sie davon profitieren würden, ein aktuelles Vorstandsmitglied durch einen KI-Experten zu ergänzen oder zu ersetzen.
• 95 Prozent der deutschen CEOs geben zu, dass ein KI-Agent bei Geschäftsentscheidungen einen gleichwertigen oder besseren Rat geben könnte als ein menschliches Vorstandsmitglied.

KI-Strategie: Übernahme von Kernkompetenzen

Auch auf den darauf folgenden Rängen zeichnet sich ab, dass Künstliche Intelligenz das Berufsprofil der Führungsebene deutlich wandeln kann:  

• 90 Prozent der deutschen CEOs sind der Meinung, dass KI einen besseren Strategieplan entwickeln kann als ein Mitglied ihres Führungsteams (Vizepräsidenten bis zur Vorstandsebene).
• 49 Prozent der CEOs deutscher Unternehmen schätzen, dass sie 3–4 Teammitglieder durch KI ersetzen könnten, um strategische Planung zu betreiben. Ganze 13 Prozent gaben an, dass sie sogar 7 oder mehr Führungskräfte für die gleiche Aufgabe ersetzen könnten.

Keine KI-Strategie ist allerdings auch keine Antwort, denn

• 69 Prozent der deutschen CEOs glauben, dass eine gescheiterte KI-Strategie oder eine KI-induzierte Krise dazu führen wird, dass ein CEO bis Ende 2025 aus dem Amt gedrängt wird.
• 76 Prozent der deutschen CEOs sind der Meinung, dass sie Gefahr laufen, ihren Job zu verlieren, wenn sie nicht innerhalb von 2 Jahren messbare KI-getriebene Geschäftsgewinne erzielen.

KI als Kernkompetenz zukünftiger CEOs

Führungskräfte müssen sich laut der Umfrage auf dem Jobmarkt zukünftig anders aufstellen. KI-Kompetenz gilt als “Must-Have”, was auch aus dem Berufsalltag deutscher CEOs hervorgeht.

• 31 Prozent der deutschen CEOs sind der Meinung, dass Erfahrung in der Umsetzung einer erfolgreichen KI-Strategie oder deren Implementierung in 3–4 Jahren eine der wichtigsten Kompetenzen sein wird, nach denen Vorstände bei der Bewertung eines potenziellen Geschäftsführers suchen werden.
• 82 Prozent der deutschen CEOs geben an, dass ihre direkte Beteiligung an KI-bezogenen Entscheidungen im vergangenen Jahr zugenommen hat.
• 70 Prozent der deutschen CEOs geben an, an mehr als der Hälfte der KI-Entscheidungen ihres Unternehmens beteiligt zu sein.

Die „KI-Commodity-Falle“ und KI-Washing: Blinde Flecken der Geschäftsführung

Trotz zunehmender Abhängigkeit von KI sind sich viele CEOs der Gefahren schlecht umgesetzter KI-Strategien in gefährlicher Weise nicht bewusst.

• 87 Prozent der CEOs tappen weltweit in die „KI-Falle“ und sind zuversichtlich, dass KI-Standardagenten genauso effektiv sein können wie maßgeschneiderte Lösungen für hochgradig nuancierte vertikale oder domänenspezifische Geschäftsanwendungen.
• CEOs deutscher Unternehmen gehen im internationalen Vergleich mit 39 Prozent am ehesten davon aus, dass es bei eigenen KI-Initiativen mehr um die Optik als um die Wirkung geht. Dieser Umstand nennt sich auch “AI Washing” und zielt darauf ab, KI-Innovation vorzuspielen, anstatt einen bedeutenden Mehrwert zu schaffen.

Worauf deutsche CEOs allerdings vergleichsweise viel Wert legen, sind Kostenkontrolle und Skalierbarkeit von KI-Lösungen. Mit 66 Prozent rangieren deutsche CEOs unter allen globalen CEOs (62 Prozent) an der Spitze, wenn es um die Messung von Kosten- und Ressourcenanforderungen und Skalierbarkeit als Kernattribute innerhalb ihres Rahmens für die regelmäßige Bewertung der Effektivität von KI-Analysen, -Modellen und -Anwendungen geht.

KI-Governance und regulatorische Unsicherheit

Während sich die Einführung von KI beschleunigt, schaffen schlechte Governance und regulatorische Unsicherheit erhebliche Hindernisse:

• 25 Prozent der deutschen CEOs geben an, dass sich ein KI-Projekt aufgrund regulatorischer Unsicherheiten verzögert hat, während 35 Prozent zugeben, dass ein Projekt aus solchen Umständen abgebrochen oder aufgegeben wurde. 
• 78 Prozent der deutschen CEOs sind der Meinung, dass EU-Vorschriften die KI-Nutzung in ihren Organisationen verlangsamen könnten.
• 94 Prozent der CEOs vermuten weltweit, dass Mitarbeitende GenAI-Tools wie ChatGPT, Claude und Midjourney ohne Genehmigung des Unternehmens verwenden (bekannt als „Schatten-KI“) und damit ein massives Governance-Versagen innerhalb von Organisationen aufdecken.

Den vollständigen „Global AI Confessions Report: CEO Edition“ findest du hier

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.

1. „Agentic AI“ für Legal Workflows

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

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

2. Unified Contract Management & Enterprise Legal Management

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

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

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

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

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

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

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

6. Investitionen in LegalTech

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

Fazit

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

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

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

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

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

Aufbruchssignal in Zeiten des Umbruchs

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

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

Impuls 1: Einrichtung eines Digitalministeriums auf Bundesebene

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

Impuls 2: Förderung von KI-Forschung und -Innovationen

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

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

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

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

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

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

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

Impuls 6: Förderung der Anwendung von KI in Unternehmen

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

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

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

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

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

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

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

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

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

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

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

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

Der Marktwert installierter Industrie-Roboter hat mit 16,5 Mrd. US-Dollar weltweit einen historischen Höchststand erreicht. Die künftige Nachfrage wird durch technologische Innovationen, neue Marktentwicklungen und die Erschließung neuer Geschäftsfelder angetrieben. Die International Federation of Robotics (IFR) – 1987 als nicht gewinnorientierte Organisation gegründet –, berichtet über die wichtigsten Trends, die die Robotik und Automation im Jahr 2025 prägen werden.

1. Künstliche Intelligenz – Physisch, analytisch, generativ

Der Trend zum verstärkten Einsatz künstlicher Intelligenz (KI) setzt sich fort: In der Robotik helfen verschiedene KI-Technologien dabei, ein breites Spektrum von Aufgaben effizienter auszuführen: Mit analytischer KI lassen sich große Datenmengen verarbeiten und analysieren, die von der Roboter-Sensorik erfasst werden. Dies hilft dabei, auf unvorhersehbare Situationen oder wechselnde Bedingungen in öffentlichen Räumen oder bei der Produktion von „High-Mix-Low-Volume-Aufgaben“ zu reagieren. Mit Bildverarbeitungssystemen ausgerüstete Roboter analysieren ihre Arbeitsschritte, um Muster zu erkennen und Arbeitsabläufe zu optimieren. Ziel ist beispielsweise, Tempo und Präzision zu steigern.

Roboter- und Chip-Hersteller*innen investieren aktuell in die Entwicklung spezieller Hard- und Software, die Umgebungen aus der realen Welt simulieren. Diese sogenannte physische KI ermöglicht es Robotern, sich selbst in solchen virtuellen Umgebungen zu trainieren. Dabei gemachte Erfahrungen treten an die Stelle traditioneller Programmierung. Solche generativen KI-Projekte zielen darauf ab, einen „ChatGPT-Moment“ für physische KI zu schaffen.

KI-gesteuerte Simulationstechnologie für Roboter dürfte sich sowohl in typischen industriellen Umgebungen als auch in Anwendungen der Servicerobotik durchsetzen.

2. Humanoide

Roboter in menschlicher Gestalt erregen große mediale Aufmerksamkeit. Die Vision: Roboter werden zu Allzweckwerkzeugen, die selbständig eine Spülmaschine beladen und gleichermaßen anderswo am Fließband arbeiten können. Robotik-Start-ups arbeiten an diesen humanoiden Alleskönnern.

Industrielle Hersteller*innen konzentrieren sich dagegen auf Humanoide, die zunächst individuelle Einzelaufgaben bewerkstelligen. Die meisten dieser Pilotprojekte laufen in der Automobilindustrie. Diese Branche spielt seit jeher eine Pionierrolle bei der Entwicklung von Roboteranwendungen. Das gilt sowohl für die Industrie-Robotik als auch für die Logistik und Lagerhaltung. Aus heutiger Sicht bleibt jedoch abzuwarten, ob humanoide Roboter einen wirtschaftlich tragfähigen und skalierbaren Business-Case für die breite industrielle Anwendung darstellen werden, insbesondere im Vergleich zu bereits bestehenden Lösungen.

Nichtsdestotrotz gibt es zahlreiche Anwendungen, die von der humanoiden Form profitieren könnten und Marktpotenzial für die Robotik bieten, beispielsweise in der Logistik und Lagerhaltung.

3. Nachhaltigkeit und Energieeffizienz

Die Erfüllung der nachhaltigen Entwicklungsziele der Vereinten Nationen (UN) und damit korrespondierender Regularien weltweit wird zu einer wichtigen Voraussetzung sich als Lieferant*in zu qualifizieren. Roboter spielen für Hersteller*innen eine Schlüsselrolle, wenn es darum geht, diese Ziele zu erreichen.

Grundsätzlich verringert Robotik mit ihrer Präzisionsarbeit die Verschwendung von Material und verbessert das Output zu Input-Verhältnis in Fertigungsprozessen. Diese automatisierten Systeme gewährleisten zudem eine gleichbleibende Qualität, die für Produkte mit langer Lebensdauer und minimalem Wartungsaufwand unerlässlich ist. Bei der Herstellung umweltfreundlicher Energietechnologien wie Solarzellen, Batterien für Elektroautos oder Recyclinganlagen sind Roboter für eine kosteneffiziente Produktion von entscheidender Bedeutung. Sie ermöglichen es Hersteller*innen, ihre Produktion schnell zu skalieren, um eine wachsende Nachfrage der Kund*innen zu befriedigen, ohne Kompromisse bei der Qualität oder Nachhaltigkeit einzugehen.

Darüber hinaus wird die Robotertechnologie dahingehend verbessert, Maschinen energieeffizienter zu machen: Die Leichtbauweise beweglicher Roboterkomponenten senkt beispielsweise deren Energieverbrauch, ebenso neue Standby-Modi, die die Hardware in eine energiesparende Parkposition bringen. In der Greifer-Technologie gibt es Fortschritte bei der Anwendung bionischer Lösungen, um z.B. eine starke Greifkraft bei sehr geringem Energieverbrauch zu erreichen.

4. Neue Geschäftsfelder und Kund*innenbranchen für die Robotik

In der Fertigungsindustrie gibt es insgesamt noch viel Potenzial für die Automation mit Robotern. Die meisten Betriebe im produzierenden Gewerbe zählen zu den kleineren und mittelgroßen Unternehmen (KMU). Aktuell stellen hohe Anfangsinvestitionen und Gesamtbetriebskosten für KMU jedoch eine Hürde für den Einsatz von Industrie-Robotern dar. Geschäftsmodelle wie Robot-as-a-Service (RaaS) sollen es Unternehmen erleichtern, von der Roboterautomatisierung zu profitieren, ohne eine festgelegte Kapitalsumme investieren zu müssen. RaaS-Anbietende, die sich auf bestimmte Branchen oder Anwendungen spezialisiert haben, können schnell anspruchsvolle Lösungen liefern. Darüber hinaus bietet die Low-Cost-Robotik Lösungen für potenzielle Kund*innen, für die ein Hochleistungsroboter überdimensioniert wäre. Viele Anwendungen haben geringe Anforderungen an Präzision, Traglast und Lebensdauer. Die Low-Cost-Robotik adressiert dieses neue „good enough“-Segment.

Abseits des produzierenden Gewerbes gehören Bauwirtschaft, Laborautomation und Lagerhaltung zu interessanten neuen Kund*innensegmenten. Branchenübergreifend wird die Nachfrage darüber hinaus von einem Ausbau inländischer Produktionskapazitäten in strategisch wichtigen Branchen angetrieben, deren Bedeutung aufgrund der jüngsten Krisen ins politische Bewusstsein gerückt ist. Die Automatisierung ermöglicht Hersteller*innen eine Rückverlagerung von Produktionskapazitäten näher zum/zur Kund*in ohne Einbußen bei der Kosteneffizienz.

5. Roboter gegen den Arbeitskräftemangel

Nach Angaben der Internationalen Arbeitsorganisation (ILO) leidet das verarbeitende Gewerbe weltweit weiterhin unter Arbeitskräftemangel. Einer der Hauptgründe dafür ist der demografische Wandel, der die Arbeitsmärkte in führenden Volkswirtschaften wie den Vereinigten Staaten, Japan, China, der Republik Korea und Deutschland belastet. Die konkreten Effekte sind zwar von Land zu Land unterschiedlich, aber in der Summe überall in der Lieferkette ein Grund zur Besorgnis.

Der Einsatz von Robotern verringert die Auswirkungen des Arbeitskräftemangels in der Fertigung deutlich. Mit der Automation von gefährlichen, schmutzigen oder repetitiven Tätigkeiten, können sich menschliche Arbeitskräfte auf interessantere und höherwertige Aufgaben konzentrieren. Roboter übernehmen Arbeiten wie ermüdende visuelle Qualitätskontrollen, gesundheitsschädliche Lackierarbeiten oder schweres Heben von Lasten. Technologische Innovationen wie einfache Bedienbarkeit, kollaborierende Roboter oder sogenannte mobile Manipulatoren helfen Lücken im Arbeitsprozess zu füllen, wann und wo immer sie benötigt werden.

In den letzten Jahren hat sich – nicht zuletzt durch die COVID-19-Pandemie beschleunigt – eine Vielzahl von HealthTech-Unternehmen etabliert, die innovative Lösungen für die Gesundheitsversorgung entwickelt haben. Unternehmen wie Withings, das Sensoren für die Überwachung von Risikopatient*innen im Krankenhaus entwickelt hat, oder Hersteller von Apps zum Selbstcheck der Gesundheit in den eigenen vier Wänden haben in dieser Zeit positive Entwicklungen erfahren. Der Erfolg solcher Technologien hat deren Potenzial der breiten Masse vorgeführt und den Bedarf nach digitalen Gesundheitslösungen weltweit verstärkt. Kurzum: Der HealthTech-Sektor erlebte goldene Zeiten.

Doch diese Zeiten scheinen heute so fern wie das Schlangestehen im Impfzentrum. Bleiben die Fragen: Wie endet das aktuelle Jahr nach den allgemein schwierigen Marktbedingungen im Vorjahr? Und wie sieht die Zukunft dieser Branche aus? So viel ist sicher: Es zeichnet sich eine Phase der Neuausrichtung ab, die sowohl Herausforderungen als auch Chancen birgt.

Der Markt konsolidiert sich

Nach einem massiven Anstieg des Investitionsvolumens während der Pandemie hat sich der HealthTech-Markt mittlerweile stabilisiert. Investor*innen legen nun, ähnlich wie in anderen Technologiesektoren, wieder größeren Wert auf Profitabilität und weniger auf reines Wachstum um jeden Preis. Dies führt zu einer Konsolidierung des Markts. Unternehmen, die eine stabile Infrastruktur aufgebaut haben oder durch starke und innovative Technologien überzeugen, sind potenziell attraktive M&A-Ziele für Strateg*innen und Finanzinvestor*innen. Große, finanzstarke Unternehmen aus den Bereichen Technologie, Pharma und Gesundheit suchen aktiv nach innovativen Ergänzungen und Erweiterungen ihrer digitalen Angebote, sowohl innerhalb Europas als auch auf globaler Ebene.

Laut dem aktuellen Pava Digital Health Report haben sich die globale Investitionsdynamik und M&A-Aktivitäten in der digitalen Gesundheitsbranche – nach einer Abkühlung im Jahr 2023 – in diesem Jahr wieder deutlich beschleunigt. Bis Dezember werden sie das Niveau vor der Pandemie sowie jenes von 2023 übertreffen. Nach einer längeren Durststrecke bei Börsengängen nehmen die Aktivitäten auch auf dem öffentlichen Markt wieder zu, was Unternehmen wie Tempus AI und Waystar zeigen. Obwohl viele börsennotierte HealthTechs derzeit noch unter ihren Höchstbewertungen von 2022 gehandelt werden, wird die grundsätzlich deutlich positivere Stimmung im Markt in Bezug auf den Sektor immer offenkundiger.

Regulatorische Entwicklungen und Chancen für „Made in Germany“

Gründen im HealthTech-Sektor erfordert Mut, da der deutsche Gesundheitsmarkt zu den am strengsten regulierten weltweit gehört. Dies gilt besonders für die Nutzung sensibler Daten. Das 2024 eingeführte Gesundheitsdatennutzungsgesetz (GDGN), das den Zugang zu Gesundheitsdaten für die gemeinnützige Forschung erleichtern soll, ist zwar ein positiver Schritt in die richtige Richtung, doch bleibt der Markt herausfordernd. Die komplexe Regulatorik kann dabei jedoch auch als Qualitätsmerkmal und Wettbewerbsvorteil fungieren. Junge Unternehmen, die in der Lage sind, sich in diesem anspruchsvollen Umfeld zu behaupten und trotz regulatorischer Hürden erfolgreiche Geschäftsmodelle ent­wickeln, gelten als besonders vertrauenswürdig, robust und werden für internationale Investor*innen zunehmend attraktiv.

Internationale Unternehmen, insbesondere aus weniger regulierten Märkten, betrachten die Fähigkeit, sich im streng regulierten europäischen Markt durchzusetzen, als wertvolle Ressource. Die Einhaltung von Vorschriften im deutschen Markt ist ein Qualitätsmerkmal, das potenziellen Investor*innen Sicherheit bietet und gleichzeitig Markteintrittsbarrieren für neue Wettbewerber*innen schafft. Deutsche Health- Tech-Unternehmen sollten diesen regulatorischen Unterschied aktiv in ihre Expansions- und Fundraising-Strategie einfließen lassen und das enorme weiterführende und globale Potenzial außerhalb europäischer Datenschutz- und Gesundheitsrichtlinien positionieren.

HealthTech-(Start-up-)Trends für 2025

Neben der allgemein deutlich positiveren Entwicklung in 2024 gibt es eine Reihe von Trends, die wir aktuell bis weit in das nächste Kalenderjahr erwarten sowie die M&A- und Investmentaktivität beeinflussen werden. Folgende Trends und sektorspezifische Entwicklungen im HealthTech-Markt sollten sich Gründer*innen zunutze machen:

1. Biohacking und Datennutzung im Massenmarkt

Die Nutzung von Healthcare-Apps, Software und Wearables boomt und ist längst nicht mehr nur Leistungssportler*innen und Biohacker*innen vorbehalten. Immer mehr Patient*innen wollen aktiv auf ihre Gesundheitsdaten zugreifen, diese verstehen und proaktiv an diesen arbeiten, um ihren Lifestyle zu optimieren und teilweise sogar aktiv Therapien zu unterstützen. Dieser Trend wird durch die wachsende Bereitschaft der Nutzer*innen und Patient*innen unterstützt, für diese proaktiven Einblicke in die eigene Gesundheit zu bezahlen.

Während es in anderen Märkten wie zum Beispiel den USA längst Normalität ist, für die eigene Gesundheit Geld auszugeben, zieht der lokale Markt aufseiten des Nutzer*innenverhaltens langsam nach. Besonders Unternehmen, die direkt an die Endverbraucher*innen vertreiben, können von dieser stetig steigenden Zahlungsbereitschaft in Europa profitieren. Dies gilt sowohl für Lifestyle-Anwendungen als auch für medizinische Lösungen und digitale Therapien. Der Markt entwickelt sich weg von reinen Überwachungsfunktionen hin zu personalisierten Empfehlungen, Echtzeit-Coaching und integrativen Plattformen, die verschiedene Gesundheitsdaten zusammenführen, um ganzheitliche Gesundheitsbilder zu erstellen und die Nutzer*innen ermächtigen, eigenständig oder mit deutlich reduzierter ärztlicher Intervention zu agieren und positive Effekte zu erzielen.

2. Künstliche Intelligenz und Diagnostik

KI revolutioniert nicht nur die medizinische Dia­gnostik, sondern wird auch zunehmend als Schlüsseltechnologie zur Verbesserung von Effizienz und Präzision in der Gesundheitsversorgung gesehen. KI-basierte Lösungen können beispielsweise bei der Analyse von Bilddaten und der Vorhersage von Krankheitsverläufen eingesetzt werden, was eine personalisierte Behandlung erleichtert. Mit der Integration von KI in die klinische Praxis werden Abläufe optimiert, Kosten gesenkt und Behandlungsentscheidungen verbessert. Unternehmen, die auf KI setzen, sind daher attraktive Übernahmeziele für strategische Investor*innen. Die Fokussierung auf KI ist ein wesentlicher Teil der M&A-Strategie, da große Gesundheitsunternehmen und Dateninhaber*innen die Chancen der Technologie nutzen wollen, um Innovationen schneller zu realisieren. KI-basierte Lösungen in der Arzneimittelentwicklung und Diagnostik bieten ebenfalls enorme Chancen, um die Gesundheitsversorgung weiter zu verbessern und personalisierte Ansätze zu fördern.

3. Telemedizin 2.0

Virtuelle und erweiterte Realität (VR und AR) verändern die Telemedizin grundlegend. Mit AR-Brillen können Chirurg*innen aus der Ferne assistieren, und neue Plattformen ermöglichen es Patient*innen, sich von zu Hause aus mit ihren Ärzt*innen zu verbinden und Nachsorgepläne zu besprechen. Dies verbessert den Zugang zu medizinischen Leistungen, besonders in ländlichen Regionen, wo der Fachkräftemangel ein Problem bleibt. Zudem ermöglicht die Telemedizin eine intensivere Betreuung chronisch Kranker, indem regelmäßige Konsultationen und Überwachung des Gesundheitszustandes vereinfacht werden.

Die Weiterentwicklung hin zu sogenannten digitalen Krankenhäusern, die digitale Diagnostik- und Behandlungsangebote unter einem Dach vereinen, könnte die Effizienz des Gesundheitssystems erheblich steigern. Allgemein wird und muss die Entwicklung der Versorgung physisch und digital näher an die Patient*innen rücken sowie medizinisches Personal in die Lage versetzt werden, fokussierter und effizienter die Tätigkeiten auszuüben, die ausschließlich von ihm ausgeübt werden können, um der globalen Ressourcenknappheit im Gesundheitswesen entgegenzuwirken.

4. Mental Health Solutions

Die Nachfrage nach digitalen Lösungen für die mentale Gesundheit wächst stetig. Die Pandemie hat den Bedarf an psychologischer Unterstützung stark erhöht, und digitale Plattformen bieten nicht nur leichten Zugang, sondern auch Anonymität und personalisierte Unterstützung. Dieser Bereich zählt zu den am besten finanzierten innerhalb des digitalen Gesundheitssektors und bleibt ein zentraler Fokus für Investor*innen. Die Kombination aus niedrigeren Zugangshürden und einer zunehmenden Akzeptanz für digitale Gesundheitsangebote bietet spannende Perspektiven, um das traditionelle Angebot psychologischer Dienste zu ergänzen und zu erweitern. Hinzu kommt die zunehmende Integration von KI in digitale Lösungen für mentale Gesundheit, die personalisierte Therapieansätze und eine kontinuierliche Betreuung vereinfachen.

5. Integrative Gesundheitslösungen

Im Zuge der Konsolidierung im HealthTech-Sektor rücken Strategien der Expansion und Integration zunehmend in den Mittelpunkt. Größere Unternehmen nutzen Akquisitionen nicht nur, um ihre Marktpräsenz zu erweitern, sondern auch, um umfassende Gesundheitslösungen anzubieten, die verschiedene Teilsektoren miteinander verbinden. Die Fähigkeit, Diagnostik, Therapie und Nachsorge in integrierte digitale Angebote zu überführen, wird als Schlüssel zur Zukunft des HealthTech-Markts betrachtet. Dabei geht es nicht nur um Effizienzgewinne, sondern auch darum, Patient*innenerfahrungen zu verbessern und individuelle Bedürfnisse besser abzudecken.

Insbesondere US-amerikanische Unternehmen sehen Akquisitionen in Europa als attraktive Möglichkeit, ihre Expertise auf dem stark regulierten europäischen Markt einzusetzen. Diese Strategien sind Teil einer übergreifenden Bewegung hin zu größeren, stärker integrierten Gesundheitsakteuren. Start-ups, die spezialisierte Dienstleistungen und technolo­gische Innovationen kombinieren, können sich so als führende Anbietende in einem zunehmend wettbewerbsintensiven Markt positionieren.

HealthTech bietet vielversprechende Perspektiven

Der Health Tech-Markt befindet sich in einer Phase der Konsolidierung. Für Start-ups, die bewiesen haben, dass ihre Technologien funktionieren, deren medizinische Evidenz nachgewiesen ist und das Geschäftsmodell entweder profitabel ist oder sich das attraktive Profitabilitätsprofil abzeichnet, kann dies ein günstiger Zeitpunkt für einen Exit sein. Strategische Käufer*innen suchen nach starken Technologien und attraktiven Einstiegs- bzw. Erweiterungsopportunitäten im europäischen Markt. Finanzinvestor*innen haben in den vergangenen Jahren ausgiebig Erfahrung mit dem Sektor gesammelt und häufig ein tiefes Verständnis von Regulatorik, Marktdynamik, Chancen und Risiken in den jeweiligen Subsektoren.

Gründer*innen, die grundsätzlich einen Exit anstreben, sollten unabhängig von ihrer Unternehmensphase kontinuierlich über mögliche Exit-Szenarien und ihre Positionierung nachdenken: Welche Rolle spielt meine Technologie? Wie einzigartig ist diese und für wen ist sie potenziell strategisch am wertvollsten?

Welche Potenziale und Hürden hat mein Geschäftsmodell in einem anderen Markt? Dies sind nur beispielhafte Fragestellungen, die kurz- oder langfristig an Relevanz gewinnen.

Der Autor Kevin Kissner ist Partner und M&A-Experte im Bereich Software und HealthTech bei Pava Partners, einer europaweit agierenden M&A- und Debt-Advisory-Beratungen für dynamisch wachsende Tech-Unternehmen.

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.