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

Gewusst wie: rankingfähige KI-Teste

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

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

1. Schritt: Chatbot briefen

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

Folgende Instruktionen sind wichtig:

• Keywordset

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

• Textlänge

• Zielgruppe und Leseransprache

• Stil, Tonalität und weitere Infos zum Wording

• Formaler Textaufbau (Überschriften, Aufzählungen, Tabellen)

• Inhaltlicher Textaufbau, ggf. Gliederung

2. Schritt: Chatbot testen

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

3. Schritt: Output prüfen

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

4. Schritt: Anpassungen vornehmen

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

5. Schritt: Bilder generieren 

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

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

KI-Chancen und die häufigsten Hürden

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

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

KI-Modellauswahl: Kleiner, aber schneller

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

Prompt Caching: Zwischenspeicherung für wiederkehrende Anfragen

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

Model Distillation: KI-Wissen auf das Wesentliche fokussieren

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

Fazit

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

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

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

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

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

KI für mehr Transparenz und Authentizität

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

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

Erfolgreiche Testphase und DACH-Marktstart

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

Das eSIM-Phänomen: Geschichte und Herausforderungen

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

2010er: Das Konzept taucht auf

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

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

2011-2015: Die ersten Implementierungen

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

2017: Das erste eSIM-Smartphone

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

2018 und folgende Jahre: Breitere Implementierung

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

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

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

Der wachsende Markt für internationale eSIMs

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

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

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

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

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

Vorherrschaft der eSIM gegenüber herkömmlichen Verbindungsformen

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

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

Eingebettete SIMs im IoT

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

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

Zunehmender Wettbewerb

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

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

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

Fazit

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

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

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

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

Wegweisender Durchbruch in der Cultivated Meat-Branche

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

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

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

Meilenstein für nachhaltige Ernährung und Ethik

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

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

Einladung zur Partnerschaft

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

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

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

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

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.

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

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

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

2. Turbulenzen: Politik bestimmt das erste Quartal

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

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

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

4. Monetarisierung: Publisher müssen sich noch breiter aufstellen

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

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

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

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

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

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

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

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

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

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

1. Richtlinien für den Einsatz generativer KI am Arbeitsplatz

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

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

2. Richtlinien für die Entwicklung und Implementierung von KI

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

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

3. Übergreifende Ziele und Vorgaben einer KI-Policy

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

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

Fazit

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

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

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

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

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

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

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

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

Von der Doktorarbeit zum Start-up

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

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

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