Timm Rotter

FAQs zum AI Act – das müssen KI-Entscheider wissen

Timm Rotter — Mon, 27 Apr 2026 01:27:00 +0000

Was bedeutet der AI Act für Unternehmen?

veröffentlicht: 1. August 2024 – letztes Update: 27. April 2026

Der AI Act der Europäischen Union regelt für Unternehmen, wie sie mit Künstlicher Intelligenz umgehen müssen. Jetzt, in 2016, stehen dabei sehr wichtige Stichtage an.

Unsere FAQs zum AI Act beantworten 15 zentrale Fragen aus Sicht von Unternehmen. Hier erfahren Sie, welche Verpflichtungen bereits gelten, wie Sie das Gesetz ohne zu viel Bürokratie einhalten, und wie es sogar helfen kann, mehr Geschäft zu generieren:

Wie ist der AI Act aus Unternehmenssicht zu bewerten?

Das Gesetzeswerk ist viel kritisiert worden, weil eine zu starke KI-Regulierung die europäische Wirtschaft gegenüber dem Rest der Welt benachteilige. Es würde Innovationen ausbremsen, warnen Kritiker, und dazu führen, dass – wie bei früheren Technologiesprüngen – auch nun wieder die wichtigen Anwendungen allein von den großen IT-Konzernen aus den USA und China entwickelt würden.

Diese Argumentation ignoriert jedoch zweierlei:

dass er für alle Firmen gilt, die in der EU Geschäfte machen. Auch OpenAI, Google oder Microsoft müssen sich also an die Regeln halten, zumindest für die Produkte, die sie in der EU anbieten.
dass Regulierung – in einem angemessenen Maße – kein Hemmschuh ist: Im Gegenteil gibt sie der Wirtschaft rechtliche Sicherheit und damit strategische Klarheit, wo es sich lohnt, zu investieren, und welche Geschäftsmodelle Zukunft haben. Das zu betonen, wird auch Ursula von der Leyen, die Präsidentin der Europäischen Kommission, nicht müde:

„Die Einigung konzentriert die Regulierung auf erkennbare Risiken, schafft Rechtssicherheit und ebnet den Weg für Innovationen im Bereich der vertrauenswürdigen Künstliche Intelligenz.“

Ursula von der Leyen, EU-Kommissionspräsidentin

Dazu kommt das moralische Gebot, KI zu kontrollieren: Zu viele „Deep Fakes“ haben gezeigt, wie die Technologie missbraucht werden kann – man denke an Olaf Scholz’ angebliche AfD-Beschimpfungen, Fake-Explosionenen am Pentagon oder Präsident Selenskyjs scheinbarer Aufruf zur Kapitulation der Ukraine. Das Ziel, die Menschheit vor gefährlichen Auswüchsen von KI zu schützen, ist im Gesetzestext daher auch vielfach sichtbar.

Insofern kann ein Gesetz wie der AI Act der EU für Unternehmen hilfreich sein, um die Weiterentwicklung von verlässlicher Technologie zu fördern – weil es Innovation rechtssicher und damit auch „versicherbar“ macht. Auch Google-Chef Sundar Pichai hat das explizit in einem FT-Gastbeitrag betont:

„Europe’s AI Act is an important development in balancing innovation and risk.“

Sundar Pichai, Google-CEO

Die Ambivalenz der Regulatorik zeigt sich allerdings darin, dass es US-Bigtechs wie Google gewesen sind, die im Sommer und Herbst 2025 mit ihrer Lobbyarbeit dafür gesorgt haben, dass gewissen Fristen und Regeln des AI Acts verlängert oder aufgeweicht worden sind. Ihre Argumentation: genau diese einst von Pichai gelobte „Balance“ sei nicht mehr gegeben und die zu strengen Vorgaben würden Innovationen bremsen.

Tatsächlich erleben auch wir bei disruptive bereits in Projekten, dass die EU-Regulierung teilweise Unsicherheiten eher erhöht, als Orientierung zu geben: „Wenn wir mit einem Kunden ein KI-Produkt aufbauen, können wir genau ausrechnen, wie viel das kostet“, hat es unser Geschäftsführer Timm Rotter im Interview mit der österreichischen Zeitung „Der Standard“ gesagt. Viel weniger kalkulierbar sei hingegen, ob es im letzten Detail den gesetzlichen Anforderungen der EU standhält.

Und diese Unsicherheit bremst Innovation, die europäische Wettbewerbsfähigkeit oder zumindest die Möglichkeiten für Verbraucher:innen KI einzusetzen, wenn US-Konzerne gewisse Funktionen oder Tools nicht mehr auf den Markt bringen, weil sie nicht AI Act-konform sein könnten.

Welche KI-Anwendungen werden im KI-Gesetz der EU reguliert?

Eine einfache White- oder Blackliste existiert nicht, daher sollte man die Grundidee des Gesetzes verstehen. Es sortiert KI-Anwendungen nach Risikokategorien, wie auch unsere Grafik zeigt:

unzulässige Anwendungen, die vollständig verboten sind (Art. 5). Darunter fallen in der EU etwa Social-Scoring-Systeme oder Gesichtserkennung zur Fernüberwachung. Ebenfalls verboten wird „Predictive Policing“ auf Basis persönlicher Merkmale, wie der Hautfarbe, also der Einsatz von KI, um abzuschätzen, ob eine Person eine Straftat zukünftig begehen wird oder nicht. Der letztgenannte Case ist aus Firmensicht sicherlich nicht realistisch, er bringt aber die wichtigste Leitlinie des AI Acts zum Ausdruck: KI darf Menschen auf keinen Fall schaden.
Hoch-Risiko-KI, für die sehr klare Dokumentationspflichten gelten – in Unternehmen dürfte dies bspw. relevant werden im Personalbereich (siehe unten)
Anwendungen mit Transparenz- und Kennzeichnungspflicht – alle KI-Systeme, die zur unmittelbaren Interaktion mit Menschen gedacht sind, verortet der AI Act mindestens auf dieser Stufe. Dazu zählen Chatbots und die meisten der gängigen GenAI-Tools.
unkritische Anwendungen, die keiner Regulierung unterliegen. Hierunter dürften die meisten KI-Anwendungen fallen, die wir im Alltag gar nicht als solche im Blick haben – etwa Spamfilter oder Speech-to-Text-Funktionen am Handy.

Welche KI-Systeme mit hohem Risiko gibt es in Unternehmen?

Unter Hoch-Risiko-KI fallen laut AI Act (Art. 6) Anwendungen, deren Einsatz „Gesundheit, Sicherheit oder Grundrechte von Menschen gefährden“ könnten. Unternehmen sollten hier vor allem auf KI in Produkten, aber auch im Kundenservice und im HR-Bereich schauen:

- Im Produktbereich reden wir nicht über ChatGPT & Co, sondern über KI-Systeme zur Datenanalyse, zur prediktiven Bewertung oder zur Steuerung. Eine vollständige Liste, welche Produkte Hochrisikoanwendungen werden, wenn KI im Spiel ist, gibt es nicht. Bekannt ist aber bereits, dass bspw. Hersteller von Medizinprodukten, Fahrzeugen oder Spielzeugen, die Künstliche Intelligenz einsetzen, ihre Produkte künftig extern zertifizieren lassen müssen. Ob dies schon 2026 gilt oder erst 2027/’28, wird noch diskutiert.
- Im Kundenservice könnten KI-Systeme z. B. Reklamationen vorsortieren und – abhängig vom Kundenprofil – bewerten. Dies könnte Grundrechte betreffen, weil die KI hier gewisse Personen bevorzugen oder benachteiligen könnte.
- Im HR-Bereich gilt ähnliches – im Recruiting wie auch in der Personalentwicklung: Man denke an einen KI-Bot, der als erste Instanz alle Bewerbungen screent und nur Kandidat:innen an die menschlichen HR-Kolleg:innen weiterreicht, die das System als geeignet ansieht. Gleiches ist bei der Entscheidung über Beförderungen oder bei der Leistungskontrolle von Arbeitnehmer:innen denkbar – im schlechtesten Fall bis hin zu disziplinarischen Maßnahmen, wo der Bot zumindest Empfehlungen aussprechen könnte.

All diese Anwendungen sind nicht verboten, aber es gibt klare Zertifizierungs- und Transparenzpflichten für Unternehmen.

Bevor der oben beschriebene Recruiting-Bot im HR-Team also eine Bewerbung zu lesen bekäme, müsste die oder der Kandidat:in dies zuvor erfahren und dem vermutlich sogar zustimmen. Weitere Vorgaben für den Betrieb von Hochrisiko-KI sind im AI Act beschrieben – etwa sehr klare Dokumentationen und dass immer menschliche Aufsicht und Eingriffe möglich sind.

Welche Anforderungen, was KI-Transparenz angeht, betreffen Unternehmen?

Wichtig sind hier vor allem zwei Aspekte in der Nutzung von KI, die der AI Act in Artikel 50 nennt:

1. Auf der Ebene der Tools geht es um Anwendungen, die für die Interaktion mit Menschen bestimmt sind, wie z. B. KI-basierte Chatbots. Sie müssen so konzipiert sein, dass die Nutzer:innen erfahren, dass sie mit einem KI-System interagieren. Die Verpflichtung, die Transparenz sicherzustellen, liegt zunächst bei denjenigen Firmen, die die Systeme anbieten (im KI-Gesetz „provider“ genannt). Unternehmen, die sie im eigenen beruflichen Alltag anwenden (die „deployer“) sind jedoch auch in der Bringschuld. Und zwar hinsichtlich Punkt 2:

1. Firmen, die Inhalte mithilfe von KI erstellen – ob Audio, Bild, Video oder Text – müssen sicherstellen, dass diese als künstlich erzeugt oder von KI manipuliert erkannt werden können. Neu ist seit August 2025: Anbieter von leistungsstarker General Purpose AI (GPAI) wie ChatGPT, Gemini oder Claude müssen zusätzlich eine öffentliche Trainingsdaten-Zusammenfassung bereitstellen und ihre Systeme so gestalten, dass Nutzer klar erkennen können, wenn Inhalte KI-generiert sind. Dies gilt für alle KI-Inhalte, nicht nur für „Deep Fakes“, also künstlich generierte Inhalte, die realen Menschen, Orten oder Dingen so präzise nachempfunden sind, dass man sie von diesen nicht oder kaum unterscheiden kann.

Allerdings: Es gibt eine sehr wichtige Ausnahme, mitten drin in Artikel 50, Absatz 2: „Diese Verpflichtung (zur KI-Transparenz)“, heißt es dort, „gilt nicht, soweit die KI-Systeme eine Hilfsfunktion für die Standardredaktion erfüllen oder die vom Anwender bereitgestellten Eingabedaten oder deren Semantik nicht wesentlich verändern“. Was das heißt, beantworten wir unter der folgenden Frage.

Muss man fortan alle mit KI erzeugten Inhalte kennzeichnen?

Diese Frage treibt viele unserer Kunden um, und wie gerade schon bei der Betrachtung von Artikel 50 beschrieben, ist die Antwort nicht eindeutig. Zunächst: Die Kennzeichnungspflicht für Unternehmen soll ab 2. August 2026 greifen. Ab dann gilt: Content, der aus der KI stammt, muss als solcher erkennbar sein. Allerdings schränkt der AI Act explizit ein, dass dies in zwei Fällen nicht gilt,

„soweit die KI-Systeme eine Hilfsfunktion für die Standardredaktion erfüllen“ oder
„die vom Anwender bereitgestellten Eingabedaten oder deren Semantik nicht wesentlich verändern“.

„Der Begriff ,Hilfsfunktion‘ ist hier ganz relevant – darauf verweisen zumindest Juristen, mit denen wir sprechen“, sagt disruptive-Geschäftsführer Timm Rotter. „Will heißen: Wenn Ihre menschliche Leistung in der Content-Erstellung maßgeblich ist und Sie das jeweiligen KI-Tool nur nutzen, um das Ergebnis in Teilen oder in einer bestimmten Dimension zu verbessern, besteht keine Transparenzpflicht.“ Vier Beispiele:

Sie schreiben eine Redeskript für Ihre CEO. Den Text lassen Sie am Ende von Perplexity nochmals faktenchecken.
Sie bedienen sich der Photoshop-KI, um per „Generative Filling“ das hässliche Auto aus dem Sommerfest-Gruppenfoto rauszuretuschieren, das gerade im falschen Moment hinten durchs Bild fahren musste.
Sie verwenden Microsoft Copilot, um eine Tabelle mit Verkaufszahlen als Grafik darzustellen und zudem Muster in den Daten zu erkennen.
Sie nutzen ChatGPT, um für das Vorstellungsgespräche mit dem Kandidaten für die IT-Leitung noch ein paar besondere Fragen zur Hand zu haben.

In allen vier Fällen ist die KI-Leistung der menschlichen Intelligenz untergeordnet. Daher: Ausweisen müssen Sie die Rolle der KI hier nicht.

Wir empfehlen unseren Kunden:innen dennoch, bei GenAI-Produkten sehr transparent zu sein – und das aus zwei Gründen:

weil viele Nutzer:innen dies erwarten
weil es auch ein Statement für die eigene Modernität und damit ein Beitrag zum Markenimage sein kann, wenn man KI einsetzt.

Wichtig zu wissen: Neben dem KI-Gesetz gibt es noch andere Rechtsvorschriften, die GenAI beeinflussen. Dazu zählen Persönlichkeitsrechte oder Urheberrechte – diese gelten natürlich weiterhin. Vor allem bei GenAI und Urheberrecht tritt man schnell in rechtliche Fettnäpfchen.

Was gilt laut AI Act für Unternehmen hinsichtlich ihrer KonzernGPTs?

Viele Unternehmen haben 2023/24 eigene Chatbots, sogenannte KonzernGPTs, entwickelt. In den meisten Fällen basieren sie auf ChatGPT – sind allerdings so gebaut, dass eingegebene Daten nicht zum Training des LLMs genutzt werden und teilweise sogar noch nicht einmal über US-Server laufen. Das ermöglicht eine DSGVO-konforme Nutzung.

Der AI Act thematisiert KonzernGPTs nicht ausdrücklich. Es gibt jedoch bereits Diskussionen unter Expert:innen, dass es sich bei den Weiterentwicklungen des GPTs ja nicht um eigene KI-Anwendungen handelt, sondern dass nur die eingegebenen Daten anders (nämlich datenschutzkonform) verarbeitet werden. Demnach würden daraus keine besonderen Verpflichtungen laut AI Act erwachsen.

Wenn Unternehmen jedoch eigene KI-Anwendungen wie Chatbots im Kundenservice oder Bilddatenbanken entwickeln, dann fallen diese definitiv auch unter den AI Act.

Vielversprechend aus Unternehmenssicht ist eine weitere Vorgabe der EU unter der Überschrift „Innovation“: dass das Gesetz nämlich KMU und Start-ups ermöglichen soll, eigene KI-Modelle zu entwickeln und zu trainieren, bevor sie für die allgemeine Öffentlichkeit freigegeben werden. Dazu müssen die nationalen Behörden Unternehmen eine realitätsnahe Testumgebung zur Verfügung stellen. Wie diese aussehen, ist allerdings noch völlig offen.

Gibt es Sonderregeln für besonders leistungsstarke KI-Chatbots?

Die gibt es tatsächlich, allerdings nur für Hersteller und Betreiber, und nicht – das ist für Unternehmen wichtig – für reine Nutzer. Im Laufe der Entwicklung des AI Acts hat die Politik, getrieben durch den Erfolg von KI-Chatbots in 2023, nochmals separate Anforderungen für die Anbieter von General Purpose AI (GPAI) angestoßen – damit wird die reine Risikoklassifizierung aufgeweicht.

Unter GPAI versteht man KI-Systeme, die verschiedene Aufgaben bewältigen können. Während manche GenAI-Tools spezielle Zwecke erfüllen, bspw. die Übersetzung von Text, sind GPAI-Modelle breiter angelegt. Das bekannteste General Purpose AI Model ist ChatGPT, das diverse Importe verarbeiten kann – von Text über Bilder und Code bis zu Sprache – und auch unterschiedliche Medien ausgibt.

Anbieter dieser besonders leistungsfähigen, multimodalen KI-Modelle müssen diverse Vorgaben erfüllen. Urspünglich sollten die Regeln für alle GPAI-Modelle im Juli 2025 in Kraft treten und – nach Auslaufen von Übergangsregeln – 2026 final gelten. allerdings haben es die US BigTechs, die hinter fast allen den großen KI-Modellen stehen, geschafft, die EU zu einer Verlängerung der Übergangsfrist bis August 2027 zu drängen. Die Vorgaben umfassen:

detaillierte Dokumentationen, angefangen von Trainingsmethoden bis hin zum Energieverbrauch
belastbare technische Informationen über Fähigkeiten, Grenzen und potenzielle Risiken des KI-Modells
die Pflicht zur Veröffentlichung einer detaillierten Trainingsdaten-Übersicht. So soll nachvollziehbar sein, welche Datenquellen die Systeme nutzen und ob sie die Urheberrechte einhalten. Bisher, so zumindest die Sicht vieler Verlage, Autoren und Content-Datenbanken, haben Anbieter wie OpenAI diese regelmäßig ignoriert.

Die genauen Regelungen für GPAI sind in einem separaten „Code of Practice“ formuliert.

Wichtig dabei ist: Diese Verschärfung betrifft nicht die Nutzer (im Sprech des AI Acts „Betreiber“), sondern nur die Anbieter von GPAI.

Was regelt der AI Act zum Umgang mit Urheber- und Nutzungsrechten?

Wenig, und das bewusst: Ein derart umfassendes Gesetzeswerk hat nicht die Aufgabe, die konkreten juristischen Auslegungen im Detail zu definieren, aber es soll einen Rahmen setzen, in dem sich künftig Rechtsprechung bewegt. Und das tut der AI Act, gerade mit Blick auf GPAI, also leistungsfähige Sprachmodelle.

Der Entwurf sieht vor, dass Betreiber nicht nur den Trainings- und Testprozess des Modells offenlegen, sondern auch „die Art und Herkunft der Daten“ sowie, „wie die Daten erhalten und ausgewählt wurden“. Zudem müssen KI-Firmen laut den Transparenzpflichten für GPAI im AI Act sicherstellen, dass sie die Urheberrechte in der EU einhalten und Daten, welche die Eigentümer nicht freigeben wollen, auch garantiert nicht in ihre Modelle einfließen lassen.

„Urheberrechte in der EU einhalten“ klingt sehr absolut. Allerdings krankt die Forderung daran, dass schlichtweg noch nicht geklärt ist, ob GenAI-Tools überhaupt einen Urheberrechtsverstoß begehen, da sie (in der Tat) urheberrechtlich geschützte Inhalte ja nicht 1:1 wiedergeben, sondern die Informationen neu zusammenwürfeln

Auf dieser Basis werden Richter:innen in den nächsten Jahren entscheiden müssen, wie konkrete Fälle von Urheber- oder Nutzungsrechts-Streitigkeiten zu bewerten sind. Heißt: Die Rechtsprechung muss sich noch entwickeln.

Und auch wenn sie zugunsten der Rechteinhaber ausfallen dürfe, heißt das noch lange nicht, dass die KI-Konzerne klein beigeben: Der seit Jahren schwele Rechtsstreit zwischen Google und Verlagen darüber, wie viel Tantieme der Suchmaschinenbetreiber für die Nutzung der Inhalte zu zahlen habe („Leistungsschutzrecht“), taugt hier als Präzendenzfall.

Für Unternehmen dürfte in diesem Zusammenhang eine Frage interessant werden: Ob sie einen generellen Anspruch haben, von Mitarbeitenden erstellte Daten in eigene KonzernGPTs einzuspeisen. Setzt man sie mit den Anbietern von Sprachmodellen gleich, müssten sie sicherstellen, dass Inhalte einzelner Nutzern auf deren Wunsch entfernt bzw. nicht integriert werden. Auch hier gibt es aber noch keine belastbare Rechtsauslegung.

Müssen Unternehmen ihre Mitarbeiter:innen in puncto KI schulen?

Das war bisher ziemlich eindeutig zu bejahen: Der AI Act legt in Art. 4b fest, dass Anbieter KI-Kompetenz beim eigenen Personal und bei Dienstleistern sicherstellen müssen, wenn diese mit KI arbeiten. Diese „AI Literacy“ ist bereits seit Februar 2025 für Unternehmen verpflichtend, die KI oder GenAI einsetzen. Ausnahmen gibt es laut EU nicht, weder was Firmengröße noch was Tool-Set angeht.

Alle Firmen müssen zudem „so weit wie möglich sicherstellen, dass ihr Personal (…) über ausreichende KI-Kenntnisse verfügen“, so das EU-Gesetz. Dabei seien „technische Kenntnisse, Erfahrung, Aus- und Weiterbildung und des Kontexts, in dem die KI-Systeme eingesetzt werden sollen“, zu beachten. Mehr dzua in diesem eigenen Beitrag zur Schulungsverpflichtung.

Seit November 2025 ist die Kompetenzpflicht wieder in Frage gestellt. Im „Digital Omnibus on AI“, einem Novellen-Vorschlag, den die EU-Kommission nach langem Druck aus der Wirtschaft vorgestellt hat, um das digitale Regelwerk zu vereinfachen, wird die Aufweichung des Passus‘ vorgeschlagen. Entschieden ist darüber bisher noch nicht.

Drohen Strafen, wenn Unternehmen die Regeln im KI-Gesetz nicht einhalten?

Ja, die EU hat sogar hohe Bußgelder angekündigt. Als Höchststrafe sind 7 Prozent des gesamten weltweiten Vorjahresumsatzes oder 35 Millionen Euro vorgesehen. Zum Vergleich: DSGVO-Verstöße kosten „nur“ maximal 4 Prozent des Umsatzes oder 20 Millionen Euro. Aktuell (Q2/2026) sind allerdings noch keine Strafverfahren bekannt.

Zudem dürftenn die Höchststrafen auch nur für massive Vergehen gelten, etwa Verstöße, die mit verbotener KI zu tun haben oder Hochrisiko-KI betreffen.

Braucht jedes Unternehmen einen „KI-Beauftragten“?

Juristisch ist das leicht zu verneinen. Der AI Act verlangt, anders als wie ehedem die DSGVO, keinen Aufseher, also kein Äquivalent zum Datenschutzbeauftragten. Wir raten Unternehmen sogar ab, die Zuständigkeit für KI bei nur einem/einer Beauftragten zu bündeln, denn jede:r Mitarbeitende sollte über ausreichend KI-Wissen und ein entsprechendes Mindset verfügen, um die neue Technologie produktiv und zugleich reflektiert einzusetzen.

Lesenswert in dem Kontext ist ein Bericht der FAZ: Sie warnt vor den Nachteilen eines KI-Beauftragten. Denn laut FAZ zeigen Forschungsergebnisse, dass andere Mitarbeiter:innen das Thema KI sogar eher von sich wegschieben, wenn ein Verantwortlicher benannt wird.

Was der AI Act allerdings verlangt, das ist KI-Kompetenz: Anbieter und Betreiber von KI-Systemen müssen ihr Personal schulen – hier haben Unternehmen „nach bestem Wissen und Gewissen“ eine Pflicht zur KI-Ausbildung (siehe oben)

Reguliert der AI Act auch die private Nutzung?

Der AI Act gilt nur für professionelle Anwender – wer KI-Systemen zu privaten Zwecken einsetzt oder entwickelt, muss sich um diese EU-Gesetzgebung nicht kümmern. Dies gilt auch für die Nutzung von Generativer KI in Schule oder Universität. Je nach Bildungsinstanz gelten hier jedoch individuelle Regeln, was Transparenz oder den generellen Einsatz von KI-Tools angeht. Der AI-Act allerdings verbietet diesbezüglich nichts.

Ab wann gilt der AI Act?

Er gilt längst: Die KI-Verordnung wurde im Sommer 2024 von den EU-Gremien beschlossen, ist allerdings noch nicht vollständig in Kraft. Unsere Grafik unten zeigt die wichtigsten Schritte. Noch nicht berücksichtigt sind hier eventuelle Verschiebungen, da verschiedene US-BigTechs vehement versuchen, Fristen zu verlängern oder ganz aufzuweichen.

Das im November 2025 veröffentlichte „AI-Omnibuspaket“ der EU-Kommission sollte diesen Konflikt lösen und besonders scharf kritisierte Regeln und Fristen entschärfen. Eine Entscheidung darüber ist nach dem Votum von EU-Parlament und Rat allerdings erst in 2026 zu erwarten.

Unabhängig vom Ausgang erkennt man ein Muster im AI Act. Auch wenn das Gesetz 2024 in Kraft getreten ist, greifen die einzelnen Regeln erst sukzessive. Einige erst nach 12, 24 oder sogar 36 Monaten, während andere bereits im Februar 2025 in Kraft getreten sind.

Woran es noch fehlt, ist Klarheit, wie das Gesetz national umgesetzt und natürlich auch rechtssicher sanktioniert wird. Sonst bliebe der AI Act ein „Brüsseler Papiertiger“. Hierzulande soll das „Durchführungsgesetz zur EU-KI-Verordnung“ diese Klarheit schaffen. Das Bundeskabinett hat am 11. Februar 2026 den Gesetzesentwurf (hier als PDF) verabschiedet. In Kraft treten soll es – wenn Bundesrat und Bundestag zugestimmt haben – bis zur nächsten wichtigen Deadline des AI Acts im August 2026 (siehe oben).

Was steht im deutschen Durchführungsgesetz zur EU-KI-Verordnung?

Das Gesetz ist (siehe oben) noch im Gesetzgebungsprozess. Ein paar zentrale Punkte sind allerdings jetzt schon absehbar:

Zentrale Aufsichtsbehörde: Die Bundesnetzagentur (BNetzA) wird als zentrale Stelle für die Marktüberwachung benannt. Sie fungiert als „Single Point of Contact“ für die EU und koordiniert die Zusammenarbeit mit anderen Fachbehörden.
Schutz der Medienfreiheit: Das Gesetz stellt klar, dass die Aufsicht über KI-Systeme im Medienbereich staatsfern bleibt, um die redaktionelle Unabhängigkeit zu wahren.
Aufsicht im Finanzsektor: Für KI-Systeme im Finanz- und Versicherungsbereich übernimmt die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) die Rolle der zuständigen Behörde.
Datenschutz: Die bestehenden Datenschutzbehörden des Bundes und der Länder behalten ihre Zuständigkeiten bei der Überwachung von KI-Systemen, die personenbezogene Daten verarbeiten.
Innovationsförderung: Der Entwurf sieht die Einrichtung von Reallaboren vor, in denen Unternehmen neue KI-Anwendungen unter behördlicher Begleitung testen können, bevor sie marktreif sind.

Was sollten Unternehmen jetzt tun?

Konsequenzen hat der AI Act der EU für Unternehmen, egal ob sie selbst KI entwickeln oder nicht. Denn er reguliert eben auch Nutzer:

Zunächst braucht es eine Bestandsaufnahme – welche KI-Systeme sind im Einsatz oder vorgesehen, und wie lassen sich sie entsprechend der Kategorisierung des AI Acts einsortieren? Eine schriftlich dokumentierte „KI-Inventur“ ist mit Blick auf eventuelle zukünftige Prüfungen sehr empfehlenswert.
Wenn Anwendungen als transparenz-/kennzeichnungspflichtig oder sogar als Hoch-Risiko-KI gelten können, dann sollten Unternehmen rasch reagieren und die EU-Vorgaben umsetzen. Dazu zählen professionelle KI-Guidelines und KI-Weiterbildung für alle Mitarbeiter:innen. Letztere steht zwar als Pflicht wieder zur Debatte, aber zum einen gilt sie heute noch, zum anderen sollte das Invest in AI Literarcy nicht nur eine Reaktion auf EU-Vorgaben sein, sondern eine strategische Entscheidung in die Zukunftsfähigkeit des Unternehmens.
Spätestens mit dem AI Act wird für Unternehmen das Thema KI eines, das die Gesamtorganisation und das Management betreffen muss. Insofern ist jetzt der richtige Zeitpunkt – wenn nicht schon geschehen – um eine eigene KI-Strategie zu entwickeln.
Diese muss natürlich die Risiken der Technologie im Blick haben, sich vor allem aber den Chancen von Künstlicher Intelligenz/GenAI widmen. Denn mit dem AI Act als stabilem rechtlichen Fundament wird die KI-Entwicklung nochmals an Tempo zulegen – spätestens jetzt sollte jedes Unternehmen KI zur Chefsache machen.

Bei uns finden Sie die passenden Seminare

In unseren individuellen KI-Seminaren lernen Einsteiger und Profis den praktischen Einsatz von GenAI, üben den Umgang mit relevanten Tools und erfahren wichtige Hintergründe – auf Deutsch oder Englisch.

Hinweis: Dieser Text über den AI Act für Unternehmen basiert auf gründlichen Recherchen und Gesprächen mit Expert:innen, ist aber keine belastbare juristische Bewertung. Wir übernehmen keine Haftung für eventuelle Fehleinschätzungen. Beachten Sie zudem, dass es sich beim AI Act um ein laufendes Gesetzgebungsverfahren handelt. Änderungen an den genannten Anforderungen sind möglich.

Bild: Midjourney/disruptive

Fragen zum AI Act? Sprechen Sie uns an!

Bitte füllen Sie das Formular aus und wir melden uns bei Ihnen. Unverbindlich und kostenlos.

Der Beitrag FAQs zum AI Act – das müssen KI-Entscheider wissen erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

ChatGPT und Datenschutz: Wie Unternehmen den wichtigsten KI-Bot rechtssicher nutzen

Timm Rotter — Thu, 16 Apr 2026 13:45:33 +0000

ChatGPT und Datenschutz: Wie Unternehmen den wichtigsten KI-Bot rechtssicher nutzen

Firmendaten in den Prompt, Enter drücken, Antwort lesen – und dabei still und leise OpenAIs Modelle trainieren. Willkommen im Alltag der meisten ChatGPT-User.

Was dabei kaum jemand im Blick hat: was die Entwicklerfirma OpenAI mit diesen Eingaben machen darf. Die meisten überlassen das den Voreinstellungen. Und die sind nicht neutral. Sie sind auf maximale Datennutzung ausgelegt, weil OpenAI auf die Art die eigenen Sprachmodelle trainieren und weiter verbessern möchte.

In unseren Audits sehen wir das immer wieder: ChatGPT-Free-Accounts, über die Firmendaten unbemerkt ins Modelltraining fließen. Business-Lizenzen, bei denen noch nie jemand die Data-Controls-Seite aufgemacht hat, was die professionelle Nutzung konterkariert. Und überall dieselbe stille Annahme, dass das schon irgendwie in Ordnung sein wird.

Ist es keineswegs. Daher liefert dieser Beitrag einen Überblick darüber, wie man den bekanntesten KI-Chatbot der Welt für die verschiedensten Anwendungen so datensicher wie möglich nutzt. Ob privat oder beruflich.

Die beiden wichtigsten Fragen beim Datenschutz in ChatGPT

Bevor es um Details in den Einstellungen geht, hier ein kurzer Überblick über die beiden wichtigsten Problemfelder in puncto Datenschutz.

Was darf OpenAI mit meinen Daten tun?
Wo liegen meine Daten?

Wer ChatGPT Free, Go oder Plus nutzt, bei dem fließen alle Daten standardmäßig ins Training der Modelle ein. Alle drei sind subventionierte Konsumentenprodukte, und das ist kein Versehen, sondern Konzept, um im KI-Wettrennen der US-BigTechs die wichtigste Ressource zu erhalten: User-Daten.

Erst ab ChatGPT Business ändert sich das grundlegend – hier garantiert die Firma von CEO Sam Altman, dass es die Daten nicht weiterverwendet und bietet auch einen Auftragsverarbeitungsvertrag (kurz „AVV“) als DSGVO-konforme Grundlage an.

Man sollte sich nicht an den Begrifflichkeiten stören: Bei OpenAI heißt es Data Processing Addendum (DPA) – aber das ist im Englischen das Äquivalent zum AVV. Gleiches gilt für den Großkundentarif Enterprise.

Für Unternehmen ist dieser Tarifsprung daher keine Komfort-, sondern eine Compliance-Entscheidung – und die sollte man treffen, bevor die nächste Projektunterlage in den Prompt wandert.

Losgelöst von der AVV-Frage gibt es einen weiteren wichtigen Unterschied – bei Datentransfer & Serverstandort: Für Free-, Go- und Plus-Nutzer gilt: Die Daten laufen über US-Server.

Ab ChatGPT Business bietet OpenAI seit Februar 2025 eine europäische Datenresidenz an – neue Workspaces können so konfiguriert werden, dass Chats, Dateien und Outputs ausschließlich in europäischen Rechenzentren gespeichert werden. Wichtig dabei: Die Option gilt nicht für bestehende Instanzen und muss aktiv beim Setup eingerichtet werden. Wer das verpasst, kann nicht nachträglich umstellen.

Um Datenschutz und ChatGPT zu verstehen, sollten Sie diese Begriffe kennen

Wer Einstellungen zum Datenschutz in ChatGPT sinnvoll treffen will, braucht zuerst ein klares Verständnis der technologischen Basics. Daher hier die wichtigsten Stichworte:

Context Window: Während jeder Sitzung hält das Modell den gesamten Gesprächsverlauf im Arbeitsspeicher. Mit jedem neuen, leistungsfähigen Modell wird dieses Kontextfenster in der Regel etwas größer, es werden also immer mehr Daten zwischengespeichert. Das ist technisch notwendig und nicht verhandelbar.

Cloud vs. Cache: ChatGPT ist ein Cloud-Service – Konversationen laufen per default über OpenAI-Server in den USA. Die Ausnahmen stehen oben („Datenresidenz“). Die Desktop-Apps für macOS und Windows legen darüber hinaus Gesprächsfragmente lokal im Cache ab. Auf geteilten Firmenrechnern ist das ein handfestes Sicherheitsrisiko; dort sollte man daher nur die Browser-Version nutzen, nicht die App. Im Browser selbst landen keine womöglich kritischen Datenfetzen auf dem eigenen Gerät.

30-Tage-Puffer: OpenAI behält Konversationsdaten bis zu 30 Tage – unabhängig von Training-Einstellungen und genutztem Modus. Zweck ist laut der Firma ausschließlich Missbrauchsprüfung. Danach erfolgt die physische Löschung, sofern keine Aufbewahrungspflichten greifen. Sofortige Datenlöschung nach dem Session-Ende existiert bei ChatGPT nicht.

Machine Unlearning: Was einmal in ein Modell eingeflossen ist, lässt sich nicht wieder herauslösen, da ChatGPT, wie alle LLMs, die Daten nicht 1:1 ablegt, sondern unterschiedliche Fragmente an unterschiedlichen Stellen zur Unterfütterung oder Ergänzung des vorhandenen Wissens verarbeitet.

Nachträgliches Vergessen ist technisch daher praktisch unmöglich. Wer schützen will, muss das vor der Eingabe tun.

Bei uns finden Sie für Ihr Team die passenden Seminare

DIY: sechs Einstellungen, um den Datenschutz in ChatGPT zu verbessern

Auch wenn es unser eigenes Geschäft bei disruptive korrumpiert: Datenschutz bei ChatGPT braucht keine Fachberatung. Sondern es ist eine Frage von drei Klicks – wenn man weiß, wo die Fallen lauern. Der zentrale Ort ist Settings > Data Controls.

Modell-Training deaktivieren: Der Toggle (An-/Aus-Button) heißt „Improve the model for everyone“ – und ist standardmäßig eingeschaltet. Schalten Sie ihn aus.
Schon mehrfach haben wir die Sorge gehört, dass dann aber ja auch die alten Chats verloren gehen würden. Das ist falsch: Training und Chat-Historie sind bei OpenAI entkoppelt. Wer das Training abschaltet, verliert keinen einzigen KI-Dialog.
Memory prüfen: Unter Settings > Personalization > Memory speichert ChatGPT langfristig Fakten über Arbeitsweisen, Vorlieben und Kontexte. Wer diese Funktion im Arbeitsalltag nie angeschaut hat, hat unbemerkt ein Nutzerprofil aufgebaut. Einzelne Einträge lassen sich gezielt löschen oder die Funktion komplett abschalten.
Shared Links: Unter Data Controls > Shared Links wird sichtbar, welche Chats öffentlich zugänglich sind. Wer einmal einen Link geteilt hat, vergisst das schnell. Jede Person mit diesem Link liest mit. Was Sie nicht unbedingt brauchen: löschen!
Connected Apps & CustomGPTs: Welche Drittanbieter haben Zugriff auf den Account? CustomGPTs externer Entwickler bringen manchmal eigene Datenschutzregeln mit, die von OpenAIs Policy abweichen. Auch hier gilt: Was nicht mehr benötigt wird, sollte gelöscht werden.
History löschen: Die Historie zeigt links im Menü ihre bisherigen Chats. Einzelne Dialoge können Sie über die drei Punkte (···) rechts neben dem jeweiligen Eintrag entfernen. Die gesamte Historie auf einen Schlag bereinigen Sie unter Settings > Data Controls > Delete all chats. Wer den Account komplett schließt, findet die Option unter Delete Account – dies allerdings ist das schärfste Schnitt, der unumkehrbar alle aktiven Daten aus OpenAIs Systemen entfernt.
Temporary Chat: Für hochsensible Einzelanfragen der sinnvollste Weg – zu finden ist der „Temporary„-Button über die gestrichelte Sprechblase oben rechts im Interface. In der Mobile-App klicken Sie auf den Modellnamen, dann aktivieren Sie den Toggle im Dropdown. Das Interface wechselt in einen abgedunkelten Modus. Es erfolgt kein History-Eintrag, keine Memory-Nutzung, kein Training.

Weitere Datenschutzfehler, die wir in ChatGPT immer wieder sehen

Die richtigen Einstellungen zu kennen ist wichtig. Aber in unseren Audits sind es selten falsch gesetzte Datenschutz-Einstellungen, die Unternehmen in Schwierigkeiten bringen. Die folgenreicheren Fehler passieren woanders:

Free-Accounts für Firmendaten sind der häufigste Compliance-Blindspot in unseren Projekten. Mitarbeitende greifen auf private ChatGPT-Accounts zurück – oft schlicht, weil das Unternehmen keine Alternative bereitstellt. Schatten-KI entsteht nicht aus bösem Willen, sondern aus Bequemlichkeit und fehlendem Rahmen.

Die Feedback-Falle: Wer unter einer Antwort von ChatGPT auf das Daumen-hoch oder Daumen-runter klickt, gibt diese Konversation explizit für das Training frei, um die Modelle für alle Nutzer besser zu machen. Wer es genauer wissen will: Hier geht es um „Reinforcement Learning from Human Feedback“.

Dies gilt auch dann, wenn Sie in einer eigentlich datensicheren Enterprise-Version arbeiten oder in einem Plus-/Pro-Account das Modelltraining deaktiviert ist. Der Feedback-Klick hebelt dieses Opt-out aus. OpenAI verpackt den entsprechenden Hinweis in ein paar schönen Worten in seinen AGB, nämlich:

„We appreciate your feedback about our Services, but you agree that we may use it to provide, maintain, develop, and improve our Services“ (Stand: April 2026)

Während man für „Content“ (die eigenen Chats) dem Training widersprechen kann, gilt dieser Widerspruch eben nicht für Feedback. Letzteres wird rechtlich als separate Schenkung von Informationen gewertet, die OpenAI uneingeschränkt nutzen darf. Mitarbeitende müssen das wissen, bevor sie aus Social-Media-Gewohnheit freigiebig „Thumbs up“ geben und unbewusst Daten spenden.

Die Like-Falle bei Microsoft Copilot

Auf unseren aktuellen Newsletter zum Thema kamen einige Anfragen, wie es denn mit der Like-Falle bei Microsoft Copilot aussehe. Die Antwort: Was für ChatGPT gilt, trifft auch auf Microsoft Copilot zu – allerdings mit einem entscheidenden Unterschied je nach Lizenzmodell:

Business-Accounts: Wer mit einem Unternehmenskonto (M365 Copilot) eingeloggt ist, ist durch den Standard Enterprise Data Protection (EDP) geschützt. Microsoft garantiert hier, dass weder Prompts noch Antworten (inklusive Likes) zum Modelltraining genutzt werden. Der Like-Button dient hier rein der anonymisierten Service-Verbesserung innerhalb Ihrer geschützten Umgebung. Dies gilt unabhängig davon, ob Sie ChatGPT oder Claude in Copilot nutzen.
Privat-Accounts: Nutzen Sie Copilot mit einem privaten Microsoft-Konto oder unangemeldet, wird der „Thumb up“ zur aktiven Datenspende. In diesem Fall nutzt Microsoft Ihre Interaktionsdaten standardmäßig, um die Modelle global zu verbessern.

Kein Anonymisierungs-Reflex: Wer Kundennamen, Projekttitel und interne Bezeichnungen unreflektiert in Prompts schreibt, gibt mehr preis als nötig. Die Schwärzungs-Taktik kostet fünf Sekunden: Aus „Audit Müller GmbH“ wird „Projekt Phönix“. Der Kontext für die KI bleibt vollständig erhalten, die Identifizierbarkeit nicht.

Keine KI-Policy: Schriftliche Regeln darüber, welche Datenklassen für welche Tools freigegeben sind, gelten in den meisten Unternehmen als lästige Bürokratie. Im DSGVO-Audit sind sie die erste Frage. Trotzdem stoßen wir nach drei Jahren ChatGPT immer noch auf Unternehmen, in denen es keine entsprechenden Leitplanken gibt. Was im Detail darin stehen sollte, lesen Sie hier im passenden Blogbeitrag zu KI-Guidelines für Unternehmen.

Drei Gründe für die disruptive KI-Akademie

Sofort nutzbares Praxiswissen und wöchentlich neue Kurse

DSGVO-konform und ISO-zertifiziert

Plattform in Ihrem Corporate Design

Fazit: Datenschutz ist kein IT-Problem, sondern eine Kulturfrage

Wir müssen weg von der Vorstellung, dass Datenschutz bei der KI eine bloße Fingerübung ist, die man mit drei Klicks in den Settings löst. Wer so denkt, hat die Wucht der Technologie nicht verstanden.

In der Welt vor ChatGPT waren Daten wie Akten im Tresor – man wusste zumeist, wer den Schlüssel hatte. Heute sind Daten der Treibstoff für Systeme, die wir nicht kontrollieren, sondern nur steuern können. Wer seine Belegschaft ohne klare Leitplanken und die richtigen Lizenzen „einfach mal machen lässt“, betreibt kein modernes Management. Er spielt Vabanque mit dem Firmenkapital.

Kurz gesagt: Technik schützt Daten, aber Kultur schützt das Unternehmen.

Geben Sie Ihren Leuten die richtigen Werkzeuge an die Hand – aber sensibilisieren Sie sie auch dafür, dass die wichtigste Datenschutzschranke das eigene Verhalten ist. Der „Schatten-KI-Sumpf“ trocknet nicht von alleine aus. Hier ist es an den Führungskräften, voranzugehen.

Wenn Sie wissen wollen, wo Ihr Unternehmen in puncto Datenschutz und KI wirklich steht, lassen Sie uns sprechen. Wir machen keine theoretischen Gutachten, sondern bringen Struktur in Ihr KI-Setup. Schreiben Sie uns einfach an info@disruptive-muenchen.de – wir melden uns innerhalb von 24 Stunden zurück.

Hinweis: Dieser Text basiert auf gründlichen Recherchen und Gesprächen mit Expert:innen, ist aber keine belastbare juristische Bewertung. Wir übernehmen keine Haftung für eventuelle Fehleinschätzungen. Beachten Sie zudem, dass sich die Datenschutzeinstellungen bei KI-Anbietern immer wieder mal ändern. Ebenso sind die Datenschutzgesetze mit Blick auf KI teilweise noch in Entwicklung.

Der Beitrag ChatGPT und Datenschutz: Wie Unternehmen den wichtigsten KI-Bot rechtssicher nutzen erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

„Ohne den Einsatz von KI werden ÖPNV-Betriebe nicht mehr wettbewerbsfähig sein“

Timm Rotter — Tue, 14 Apr 2026 06:58:02 +0000

„Ohne den Einsatz von KI werden ÖPNV-Betriebe nicht mehr wettbewerbsfähig sein“

Im Vorfeld der Fachmesse Bus2Bus in Berlin, wo unser Geschäftsführer Timm Rotter einen Vortrag über technologische Disruption im Reisebus-Segment gehalten hat, hat das Branchenmedium „Roter Renner“ ihn zum Interview gebeten. Hier gibt es das Gespräch Paywall-frei zum Nachlesen:

Timm Rotter, Diplom-Journalist, Absolvent der Deutschen Journalistenschule. Redakteur bei SZ, dpa, Abendzeitung, GQ. Danach Gründung der Münchner Kommunikationsagentur In A Nutshell und der KI-Beratungsfirma disruptive. ChatGPT-Nutzer seit 2019.

Herr Rotter, seit drei Jahren reden alle von ChatGPT und Künstlicher Intelligenz. Aber kein KI-Chatbot fährt einen Schulbus oder eine Tram, und keine KI beruhigt meinen wichtigsten Kunden, wenn der schlecht gelaunt anruft, dass angeblich der Reisebus unpünktlich gewesen sei. Warum brauchen Unternehmen aus ÖPNV und Bustouristik nun KI?

TR: Weil sie sonst in wenigen Jahren nicht mehr wettbewerbsfähig sein werden. Dabei geht es nicht darum, wer den Bus steuert, sondern es geht um die Prozesse hinter den Kulissen, die bei vielen Unternehmen ganz viel manuelle Arbeit und Papierkram bedeuten, die Ressourcen von Fachkräften binden, die viel sinnvollere Aufgaben erledigen können als Stundenlisten führen, Dienstpläne austüfteln oder Rechnungen prüfen.

Sie beraten mit disruptive Mittelständler, wie sie KI in den Arbeitsalltag integrieren – gerade Firmen aus unserer Branche. Dass sie so warnend daherkommen, gehört vermutlich zum Geschäft, oder?

Gar nicht: Da würde ich Jürgen Klopp zitieren:

… den Fußballtrainer.

Oder Fußball-Philosoph: „Angst zu verlieren, wird dich nicht zum Sieger machen“, hat er einmal gesagt, viel erfolgversprechender sei die Lust am Gewinnen.
Genau so ist es mit dem Einsatz von KI. Ein Unternehmer, der verstanden hat, welche Potenziale der richtige Einsatz von Künstlicher Intelligenz – und ich spreche hier nicht von ChatGPT – gerade für mittelständische Firmen hat, der hat eine ganz andere Motivation, etwas zu bewegen und die ganze Organisation voranzubringen, als der, der sorgenvoll versucht, das Alte zu bewahren.

„'Behandelt die KI wie einen Mitarbeiter am ersten Arbeitstag' – das sagen wir jedem Kunden“

Welche Prozesse in ÖPNV-Betrieben sind besonders gut für den Einsatz von KI geeignet?

Wenn wir mit neuen Kunden starten, stellen wir vier Fragen: Wo ist ein hoher Workload datenbasierter Aufgaben? Was davon ist repetitiv? Wie fehleranfällig und nervig sind die Aufgaben? Verfügen Sie über eigene Daten, die wir nutzen können? Denn das sind die Prozesse, die die Firma richtig Geld kosten und wo Technologie wirklich Effizienz und Produktivität steigern kann.

Technologie oder KI?

Berechtigter Einwand: Viele Berater sprechen immer davon, dass sie KI in die Organisation reinbringen, aber KI ist, nur weil es ein Hype ist, nicht immer die richtige Lösung. Es gibt im Silicon Valley schon das geflügelte Wort: „Chatting with AI does not execute work.“ Allein mit KI-Tools zu chatten, erledigt die Arbeit nicht. Daher sind die meisten Lösungen, die wir mit Firmen entwickeln, verbinden Künstliche Intelligenz mit Automatisierung, Datenanalyse und der Firmen-IT.

Ein typisches ÖPNV-Beispiel ist Dienstplanerstellung. Bisher tragen alle Fahrer ihre Verfügbarkeiten in eine große Excel ein, und der Disponent fängt an hin und her zu schieben. Nachdem er erst mal drei Tage denen hinterhergelaufen ist, die sich nicht eingetragen hatten. Das lässt sich viel einfacher lösen: Die Fahrer, die sich nicht melden, bekommen automatisch eine WhatsApp. Das hat mit KI zum Beispiel erst mal gar nichts zu tun. Ich möchte kein System haben, das darüber nachdenkt, ob und in welcher Form es meine unzuverlässigen Fahrer ermahnt, das muss einfach funktionieren. Dann folgt die Schichtverteilung, hier kommt KI ins Spiel. Denn das kann sie viel präziser als wir …

Bei uns finden Sie für Ihr Team die passenden Seminare

Ist das so? Das System weiß sicher nicht, dass Ihr Fahrer XY donnerstags immer zu seinen Eltern ins Umland fahren muss. Daher kann er nur eine Linie fahren, die abends am Hauptbahnhof ankommt.

Das weiß Ihre neue Disponentin, die heute anfängt, und der Sie das nicht verraten, auch nicht. „Behandelt die KI wie einen Mitarbeiter am ersten Arbeitstag” – das sagen wir jedem Kunden. Denn so viel die Systeme über die Welt wissen, so wenig Spezifisches wissen sie über unsere Organisationen. Spezifische Antworten aus der KI bekommen Sie nur, wenn Sie dieses Thema auch entsprechend trainiert haben. In der Hinsicht ist KI eben auch nur ein Mensch.

Schön gesagt, aber jetzt geht mein Dienstplan, an dem ich sitze, nicht auf, da sich für zwei Schichten am Sonntagabend keine Fahrer eingetragen haben. Muss die Disponentin also doch telefonieren?

Nein, die entsprechenden Nachfragen schreibt die KI selbst – individuell und empathisch. Sie weiß ja, welche Fahrer üblicherweise sonntags im Einsatz sind, welche gerade keinen Urlaub machen, um welche Routen es geht, und fragt das ganz selbständig ab. Daher vorhin bei den vier Fragen auch das Thema eigene Daten: Erst wenn Sie KI mit eigenen Daten füttern, wird sie wirklich hilfreich.

Glauben Sie, dass die KI mit der gleichen Überzeugung den Fahrer überreden kann, doch die lästige Sonntagsschicht zu machen, wie es die Disponentin schafft, die ihr Gegenüber seit 30 Jahren kennt?

Nein, sicher nicht. Was wiederum auch zeigt, dass die KI-Disruption kein rein technologischer, sondern vor allem ein kultureller Wandel ist. Aber für genau solche Fälle hat die Disponentin jetzt mehr Zeit, weil sie die ganzen Dummy-Jobs drumherum nicht mehr machen muss: Es geht nicht darum, Menschen zu ersetzen, es geht darum, sie zu entlasten und so mehr Zeit frei zu räumen für die Tätigkeiten, bei denen wir der KI weiterhin massiv überlegen sind. Das sind vor allem zwischenmenschliche Interaktionen.

„Rechnungen manuell zu prüfen ist Zeitverschwendung in Zeiten von KI“

Können Sie noch ein paar Beispiele für ÖPNV-Unternehmen nennen? Üblicherweise wird doch immer der Chatbot auf der Website genannt.

Ja, weil der so schön greifbar ist und es seit Karl Klammer in Windows vor knapp 30 Jahren so viele Cases gibt. Die Wahrheit ist, dass ein Kunden-Chatbot ein sehr komplexes Thema ist – er ist sogar noch komplexer geworden in der Umsetzung in den letzten zwei Jahren.

Ich dachte, durch KI wird alles einfacher?

Technologisch ja, aber dadurch, dass immer mehr KI im Alltag ist, sind auch die Erwartungen der Nutzenden gewachsen. Es gibt so viele gute Chatbots, dass wir bei schlechten schnell die Geduld verlieren und es eher nachteilig auf die Marke zurückfällt. Das heißt, Chatbots müssen heute ein deutlich höheres Niveau haben, damit sie noch akzeptiert werden.
Außerdem sollten sich ÖPNV-Unternehmen überlegen, was der Chatbot wirklich noch beantworten soll: Abfahrtzeiten? Bekomme ich in der ÖPNV-App mit fünf Klicks –… dafür brauche ich keinen digitalen Gesprächspartner, der vermutlich auch noch länger braucht. Routen? Google Maps. Ticketpreise? Für alle mit Deutschland-Ticket uninteressant. Mit Chatbots ist es so wie mit ChatGPT: Weil angeblich alle es nutzen, brauchen wir es auch.
Ein viel sinnvollerer Prozess sind Rechnungsprüfungen. Verkehrsunternehmen bekommen wahnsinnig viele Rechnungen von Reparatur- und Service-Dienstleistern. In der Regel sitzt jemand in der Zentrale und ordnet sie zu, prüft sie und gibt sie dann ins System ein. Das ist Zeitverschwendung in Zeiten von KI. Wir haben schon mehrere automatische Rechnungsprozesse gebaut, wo E-Mails rausgefiltert werden, die PDFs rausgelesen, die Rechnungsposten und Beträge mit dem Angebot abgeglichen. Je nachdem, wie gut sich die Bestands-Software anbinden lässt, kann das Tool sogar noch Kosten im ERP-System zuordnen und dann die richtigen Ansprechpartner automatisch benachrichtigen.

Und KI kann so einfach auf die Buchhaltungssoftware zugreifen?

Das ist tatsächlich eine der größten Hürden, wenn es um die Implementierung von neuen Prozessen und Organisationen geht: Die neuen Automatisierungs- und KI-Tools sind in der Regel sehr offen in der Verbindung zu anderen Systemen. Bestandssoftware, die seit 20 Jahren auf dem Server im Keller läuft, ist dies selten.
Zumal der Server im Keller heute kein Sicherheitskonzept mehr ist, sondern oft nur ein verstaubtes Risiko. Denn professionelle Cloud-Lösungen mit europäischen Standorten sind heute sicherer als die meisten Eigenbau-Strukturen im Mittelstand. Daher schauen wir uns bei jedem Kunden erst einmal auch an, wie eigentlich der Status bei Kernsystemen von TMS bis ERP ist und welche APIs, also Schnittstellen sie haben.

Und selbst wenn es geht: dass die KI auf die Buchhaltungssoftware zugreift, ist kein Risiko? Stichwort Datensicherheit.

„Die KI” gibt es ja nicht. Der Unterschied zwischen verschiedenen KI-Systemen ist so groß wie der zwischen dem Kleintransporter für den Gelegenheitsverkehr und dem Fünf-Sterne-Reisebus. Generell sollten Unternehmen nur mit Business-Lizenzen arbeiten, die inzwischen alle gängigen KI-Systeme anbietem. Bei denen ist es in der Regel so, dass die Daten nicht zum Training des dahinter liegenden Sprachmodells genutzt werden und man auch einstellen kann, dass sie nicht über amerikanische Server laufen. Leider gibt es ja nur sehr wenig europäische KI. Der französische Anbieter Mistral ist aktuell der einzige, der mithalten kann mit den großen Spielern aus den USA und China. Aber ich kann auch ChatGPT datenschutzkonform nutzen, wenn ich es richtig aufsetze.

Drei Gründe für die disruptive KI-Akademie

Sofort nutzbares Praxiswissen und wöchentlich neue Kurse

DSGVO-konform und ISO-zertifiziert

Plattform in Ihrem Corporate Design

Lassen Sie uns noch über die Bus-Touristik sprechen. Welche Prozesse sehen Sie da?

Einer meiner Lieblingsprozesse betrifft Tageszettel, wo die Fahrer notieren, wie viele Kilometer sie von wann bis wann von wo nach wo und mit welchen Pausen sie gefahren sind. Sie kommen von der Fahrt zurück und bringen ihren Zettel auf Papier mit ins Büro, und ein Mitarbeiter überträgt die Daten dann in eine große Excel, damit Löhne samt Zuschlägen und die Rechnungen an den Kunden kalkuliert werden können. Das ist ein klassischer Prozess für Automatisierung, da total repetitiv, sehr fehleranfällig, und der Mitarbeiter ist bei der Tätigkeit verschenkt, weil er andere, eher wertschöpfende Tätigkeiten erledigen könnte.
Die Lösung hier war, dass die Fahrer keine Zettel mehr abgeben, sondern Sprachnachrichten per WhatsApp schicken. Diese werden automatisch von einem KI-System erfasst, verstanden und direkt in die Excel eingearbeitet. Die KI plausibilisiert die Eingaben, indem sie sie abgleicht mit vorigen Listen. Wo Daten fehlen oder unverständlich sind, geht eine WhatsApp zurück mit der Bitte, nachzuliefern. Anfangs war es noch ein Problem, dass sich die KI schwertat mit Dialekten. Moderne Systeme wie Whisper von OpenAI verstehen aber sogar sehr gut Bayerisch.

Ähneln sich die Anwendungsfälle in den Betrieben oder setzen Sie auf individuelle Lösungen?

Die Basis ist oft gleich, eben weil es um die wirklich relevanten Prozesse geht. Die Technologien sind auch meist austauschbar. Im KI-Bereich arbeiten wir viel mit Gemini von Google, Microsoft Copilot, weil das eine Lösung ist, die in vielen Unternehmen im Mittelstand ohnehin verfügbar ist, und Nuwacom, einem deutschen Anbieter, der verschiedene Sprachmodelle angeschlossen hat. Bei Automatisierungstools sind Make und n8n führend. Und dann gibt es noch eine Menge spezialisierte Tools, beispielsweise zur Datenanalyse oder KI, die Text in Sprache verwandelt.

Gibt es auch dafür Anwendungen in unseren Branchen?

Definitiv, etwa für Anbieter von Stadtrundfahrten. Die Bandansagen haben bisher Menschen gemacht, und sie sind entsprechend teuer zu aktualisieren – wenn es die Sprecher überhaupt noch gibt. Mal eben schnell etwas Aktuelles einsprechen, geht erst recht nicht.
Stellen Sie sich vor, Sie könnten tagesaktuell Ihre Audio-Guides anpassen mit Hinweisen, was gestern Abend auf dem Stadtplatz für ein Konzert stattgefunden hat, bis hin zum Affiliate-Marketing: Sie könnten mit dem lokalen Museum kooperieren und Restkontingente für die Ausstellung, die heute endet, noch mit 10 % Rabatt anbieten. Mit KI geht das.
Aber zurück zur Frage: Das Fundament der meisten Prozesse ist sehr ähnlich, weswegen es auch dann relativ schnell geht, vom ersten auf den zweiten, auf den dritten zu automatisierenden Anwendungsfall zu kommen. Die Kunst liegt darin, im Detail das Ganze auf die Organisation zuzuschneiden, die Bestandssoftware einzubinden und die KI so zu trainieren, dass sie das Organisationswissen verinnerlicht.

„Man sollte von jedem Menschen im Berufsleben erwarten können, dass er eine gewisse Bereitschaft mitbringt, sich mit KI auseinandersetzen.“

Der Einsatz von KI im betrieblichen Alltag bedeutet nach wie vor für viele Führungskräfte und Mitarbeiter Neuland und die Abkehr von bekannten Routinen. Welche Rolle spielt das Verhalten der Führungsebene für einen erfolgreichen Umstieg auf KI-gestützte Prozesse?

Ein ganz wichtiges: Führungskräfte sollten Vorbild sein, Offenheit vorleben und ihre Teams ermuntern und befähigen, dass sie sicher und souverän mit den neuen Tools arbeiten können. Und sie müssen helfen, Berührungsängste abzubauen: Gerade in konservativen Organisationen erleben wir häufig versteckte Widerstände, weil Menschen Angst haben, dass ihnen KI die Jobs wegnehme. Hier gilt es für Führungskräfte zu moderieren, dass es nicht um Ersatz geht, sondern um ein Mensch-Maschine-Miteinander, das allerdings auch alternativlos ist. Denn ansonsten wird die Organisation im Wettbewerb nicht mehr bestehen können.

Was genau sagen Sie Führungskräfte, wenn es in Beratungsprojekten um exakt diese Themen geht?

Zum einen, dass sie selber ausprobieren, was geht, aber auch ganz ehrlich mit den Grenzen und eigenem Scheitern umgehen. Zum anderen, dass sie die Ängste der Menschen nicht unterschätzen dürfen. Ja, KI wird Jobs radikal verändern, genauso wie jede technologische Innovation zuvor. Dafür werden andere Profile entstehen. Im sich verschärfenden Fachkräftemangel kann es ein großes Geschenk sein, dass wir digitale Assistenten haben für Jobs, für die es schlichtweg keine Menschen mehr geben wird.

Wie können Mitarbeiter bestmöglich auf die Transformation vorbereitet und bei der Anwendung der neuen Systeme im betrieblichen Alltag unterstützt werden?

Ich stolpere über das Passiv. Mitarbeiter sind ja keine Busse, die man für den nächsten Einsatz am nächsten Tag vorbereiten muss. Zunächst einmal sollten wir von jedem Menschen im Berufsleben heute erwarten können, dass er eine gewisse Neugier und Bereitschaft mitbringt, sich mit den Technologien auseinandersetzen. Es sind ja keine Nischen-Tools für Techies mehr, sondern allein ChatGPT hat pro Woche 900 Millionen Nutzer. Das ist jeder neunte Mensch weltweit.
Aber klar, es braucht natürlich auch Unterstützung vom Unternehmen. Das Wichtigste ist eine solide KI-Ausbildung, die übrigens das 2024 in Kraft getretene KI-Gesetz der Europäischen Union, der EU AI Act, auch eindeutig verlangt: Unternehmen müssen dafür sorgen, dass Mitarbeitende professionell mit den KI-Systemen umgehen können, die sie im beruflichen Alltag brauchen, steht dort.
Solche Trainings sollten sehr praxisorientiert ablaufen und eher auf die Arbeitsfähigkeit mit KI abzielen als nur darauf, möglichst viel KI-Wissen anzuhäufen.

„Beim Führerschein kommt die Theorie zuerst. Bei KI darf man sofort einsteigen und losfahren“

In unseren Seminaren und Trainings, die wir inzwischen ja auch seit drei Jahren geben, setzen wir zum Beispiel sehr stark darauf, dass die Mitarbeitenden von der ersten Stunde an sich mit den Tools selbst ausprobieren, um die Mehrwerte zu verstehen und Erfolgserlebnisse zu haben. Das ist anders als beim Führerschein. Da kommt die Theorie zuerst. Bei KI darf man sofort einsteigen und losfahren. Natürlich begleitet durch unsere Trainer und Trainerinnen.
Der zweite wichtige Punkt sind KI-Guidelines. Also schriftlich fixierte Leitplanken für die eigenen Mitarbeitenden, die Klarheit und Sicherheit schaffen, in welchen Kontexten KI genutzt werden darf, welche Tools zulässig sind und welche Qualitätsanforderungen gelten. Das klingt sehr technisch, war bei uns aber einer der wichtigsten Hebel, um im Team eine Offenheit für KI zu entwickeln. Menschen, die unsicher sind, was sie im Job tun dürfen, tun im Zweifelsfall nichts.

Da sind wir schon bei rechtlichen Bedenken. Wie schätzen Sie den Einsatz von KI ein?

Ich fürchte, das würde das längste Interview werden, das der „Rote Renner“ je veröffentlicht hat, wenn wir da jetzt im Detail durchgingen. Denn das KI-Recht ist diffizil, wenn man es genau betrachtet. Das Gute ist, es gibt ein paar sehr klare Leitplanken. Zum einen den AI Act, das bereits erwähnte KI-Gesetz der Europäischen Union. Der ist keine Zukunftsmusik, sondern der gilt bereits und er verpflichtet Unternehmen, kurz gesagt, zu drei Dingen:
Erstens die bereits erwähnte Verpflichtung, für Kompetenz bei den Mitarbeitenden zu sorgen. Die ganze Mannschaft tagelang in KI-Workshops zu setzen, ist verständlicherweise den meisten Firmen zu aufwändig. Daher gibt es inzwischen viele digitale Lernangebote – wie unsere eigene disruptive KI-Agentur, wo wir AI-Act-konforme Weiterbildungen ermöglichen. Zweitens muss es es eine dokumentierte Inventur der KI-Systeme und Einsatzfelder geben.

Fehlt noch drittens …

Da geht es um Transparenz darüber, wenn KI-Tools eingesetzt und KI-generierte Inhalte veröffentlicht werden. Sprich, wenn Sie ein Bild mit KI erstellen, dann muss künftig der Hinweis auf KI als Quelle dazu geschrieben werden. Diese letzte Regel gilt allerdings erst ab August 2026.
Genauso wichtig ist das Thema DSGVO. Der wichtigste Satz hier: Man darf keine vertraulichen oder personenbezogenen Daten in offene KI-Systeme eingeben.

Schauen wir zum Schluss nach vorne. Angenommen, wir führen 2030 wieder ein Interview über ChatGPT und die neuen KI Tools. Worüber werden wir dann sprechen?

Ich hoffe, dass dann ChatGPT und Co. so selbstverständlich sein werden, dass es gar keine Besonderheit mehr ist, über die Sie hier ein Interview führen wollen. Denn wenn dem so ist, dann ist KI wirklich in der Gesellschaft und den Unternehmen angekommen.

Fotos: Nura Qureshi/Messe Berlin, disruptive

Der Beitrag „Ohne den Einsatz von KI werden ÖPNV-Betriebe nicht mehr wettbewerbsfähig sein“ erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Sora-Aus: Warum das Scheitern der bekanntesten Video-KI eine gute Nachricht ist

Timm Rotter — Wed, 08 Apr 2026 06:11:46 +0000

Sora-Aus: Warum das Scheitern der bekanntesten Video-KI eine gute Nachricht ist

Erinnern Sie sich noch an den Hype? Diese hyperrealistischen Aufnahmen von Mammuts im Schnee oder Tokio bei Nacht? Das Motiv oben ist schon KI-Zeitgeschichte.

Als OpenAI vor zwei Jahren die neue Video-Funktion Sora ankündigte, hielten wir alle den Atem an. Die Film- und Videoproduktion, wie wir sie kannten, schien erledigt. Hollywood zitterte, Stockvideo-Plattformen wurde das schnelle Ende prophezeit.

Doch die Realität hat die Render-Träume eingeholt. OpenAI hat offiziell bestätigt: Das Projekt Sora in seiner bisherigen Form wird eingestellt. Denn die bekannteste Video-KI der Welt ist nie über den Status eines teuren Forschungsprojektes hinausgekommen.

Technisch brillant, aber ökonomisch nicht lebensfähig

Sora war ein technisches Wunderwerk, aber für OpenAI ein wirtschaftlicher Albtraum: Laut Wall Street Journal verbrannte Sora im laufenden Betrieb rund eine Million US-Dollar – und zwar pro Tag. Ein einzelnes 10-Sekunden-Video fraß Schätzungen zufolge etwa 40 Minuten reine GPU-Rechenzeit. In einer Welt, in der KI-Chips (GPUs) ein knappes und teures Gut sind, ist das purer Luxus ohne direkten Ertrag.

Auf gewisse Art ist es ja sogar beruhigend, dass auch in der KI-Welt noch ökonomische Gesetze gelten: Eine Million Dollar pro Tag zu verfeuern, ist in der US-Scale-up-Welt nicht ungewöhnlich – aber dann braucht es ein marktreifes Produkt. Sora blieb besagtes teures Forschungsprojekt.

Tabula rasa vor dem Börsengang

Warum erfolgt der radikale Schnitt ausgerechnet jetzt? Die Antwort liegt in der strategischen Ausrichtung: OpenAI will an die Börse. Insidern zufolge bereitet sich das Team um Sam Altman auf einen IPO im vierten Quartal 2026 vor. Es könnte der größte Börsengang aller Zeiten werden, aktuell ist die Firma mit mehr als 850 Milliarden US-Dollar bewertet.

Anleger an der Wall Street lieben Wachstum, aber sie hassen unkontrollierten „Cash-Burn“. Ein Projekt wie Sora, das Ressourcen verschlingt, ohne ein skalierbares Geschäftsmodell für Unternehmen zu bieten, ist eine bilanzielle Altlast. Die Abschaltung ist ein klares Signal an die Investoren: Wir fokussieren uns auf profitable Enterprise-Lösungen (B2B) statt auf verlustreiche Show-Effekte.

Kurz gesagt: OpenAI räumt den digitalen Dachboden auf. Für den Börsengang braucht es schwarze Zahlen, keine bunten Render-Träume.

Video-KI und vieles mehr: Bei uns finden Sie passende Seminare für Ihr Team

Das Problem mit der Physik und dem Recht

Neben den Kosten gab es zwei weitere Sackgassen:

Die physikalische Halluzination: Wir selbst sehen bei uns in der täglichen Arbeit, erst recht in unserer Kommunikationsagentur In A Nutshell, wie limitiert KI-Video immer noch ist. Für einfache Animationen reicht die Qualität gut aus, aber professionelle Werbekampagnen lassen sich nicht mit Sora & Co erstellen. Die „Character Consistency“, also die konsistente Darstellung von Menschen und Objekten, gelingt nur über wenige Sekunden.
Anders als bei Text- und Bild-KI gibt es kaum ein Ergebnis ohne Halluzination, weil Menschen plötzlich durch Wände gehen oder Objekte im Nichts verschwinden. Zudem ließen sich bei Sora selbst mit dem Pro-Modell von ChatGPT nur Videofitzel von wenigen Sekunden erstellen.
Die rechtliche Sackgasse: Die Klagewelle von Rechteinhabern bezüglich der Trainingsdaten wurde aus Sicht von OpenAI immer bedrohlicher. Nach dem Release der zweiten Generation im Herbst 2025 etwa gab es massiven Widerstand von Top-Agenturen (wie WME) und Stars. „Breaking Bad“-Star Bryan Cranston ging öffentlich gegen die missbräuchliche Nutzung seiner Identität und Stimme in Sora-Apps vor. OpenAI musste hastig zurückrudern und „Opt-in“-Regeln einführen.
Ein zweiter Vorwurf: illegales „YouTube-Scraping“. OpenAI soll Millionen von Videos ohne Erlaubnis der Creator für das Training zweckentfremdet haben (Quelle: Piracy Monitor, April 2026). Ohne rechtssicheres Trainingsmaterial ist ein kommerzieller Rollout reines Harakiri. Rechtliche Unsicherheit ist für US-BigTech erwiesenermaßen kein Showstopper, aber eben nur, wenn die Chancen des dahinterstehenden Geschäftsmodells überwiegen.

Welche Alternativen gibt es zu Sora jetzt noch?

Wer künftig mit KI Videos erstellen möchte, findet weiterhin eine Vielzahl an professionellen Tools:

Google Veo: Gilt derzeit als führend in Sachen fotorealistischer Qualität. Das Tech-Portal CNET hat es gerade erst zur „besten Wahl für cineastische Videos“ gekürt. Veo ist direkt über die Google-KI Gemini erreichbar. Filmemacher gehen über das Google AI Studio, wo sie mehr Funktionen haben.
Runway: Der „Platzhirsch“ für Kreative bietet mit Tools wie dem Director Mode und Advanced Camera Controls die präziseste Steuerung für Filmemacher.
Kling AI war die erste Video-KI aus China, die mit den US-Modellen mithalten konnte. Das gilt auch für die aktuelle Version 3, die gerade bei fotorealistischen Motiven überzeugt. Kritisch für professionelle Nutzer sind allerdings die Datenschutzbedingungen.
Canva kommt aus der Bild-Erstellung, bringt aber auch immer mehr Video auf die Plattform. Sehr einfaches Interface, mit dem auch Laien mit wenigen Klicks fertige Clips schneiden können indem sie Vorlagen nutzen, Musik hinzufügen und Texte animieren.
HeyGen ist ein Spezialtool für professionelle Avatarvideos – wir nutzen es zum Beispiel für unsere disruptive KI-Akademie. Ideal geeignet auch für Ausbildungs- und Schulungsfilme in Unternehmen.

Darf ich mit Sora erstellte Videos weiterhin nutzen?

Ja, Sie dürfen die mit Sora erstellten Videos in der Regel weiterhin nutzen, da OpenAI Ihnen laut seinen Nutzungsbedingungen die Rechte am Output (den generierten Videos) überträgt. Das Ende des Dienstes Sora im März 2026 ändert nichts an der Gültigkeit dieser bereits erfolgten Rechteübertragung.

Die Nutzung bleibt an die Einhaltung der ursprünglichen Nutzungsrichtlinien gebunden. Das bedeutet, die Inhalte dürfen beispielsweise nicht gegen Sicherheitsvorgaben (wie Hassrede oder Deepfakes) verstoßen haben. Beachten Sie zudem, dass rein KI-generierte Werke nach deutschem Recht (§ 2 UrhG) oft keinen automatischen urheberrechtlichen Schutz genießen, da sie keine „menschliche Schöpfung“ sind. Und: Ab August gilt die Kennzeichnungspflicht laut AI Act.

Achtung zudem bei Videos mit geschützten Charakteren (z. B. Disney-Figuren). Hier ist die weitere Nutzung kritisch, da die Kooperationen zwischen OpenAI und den Rechteinhabern mit dem Ende von Sora ebenfalls ausgelaufen sind.

Fazit: Die Evolution geht weiter – aber ernsthafter

Die Abschaltung von Sora ist kein Rückschritt, sondern eine notwendige Korrektur. OpenAI konzentriert sich nun darauf, die Kernfunktionen seiner KI zu verbessern, statt ein separates Nice-to-have-Feature mitzuschleifen. Das ist strategisch klug – auch wenn es den Hype dämpft.

Irgendwie war Sora der fliegende Teppich der KI-Welt: Faszinierend, mysteriös, aber eben nicht alltagstauglich.

Drei Gründe für die disruptive KI-Akademie

Sofort nutzbares Praxiswissen und wöchentlich neue Kurse

DSGVO-konform und ISO-zertifiziert

Plattform in Ihrem Corporate Design

Der Beitrag Sora-Aus: Warum das Scheitern der bekanntesten Video-KI eine gute Nachricht ist erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

LinkedIn-Algorithmus und KI: Das Profil ist kein Lebenslauf mehr, sondern eine Datenbank

Timm Rotter — Tue, 07 Apr 2026 10:24:15 +0000

LinkedIn-Algorithmus und KI: Das Profil ist kein Lebenslauf mehr, sondern eine Datenbank

Ziemlich unbemerkt hat LinkedIn auf die neuen Möglichkeiten von Künstlicher Intelligenz reagiert, was sich auf deutlich darauf auswirkt, was auf der Plattform funktioniert und was nicht. Wir erklären, was sich ändert:

Die meisten LinkedIn-Profile sind digitale Datenfriedhöfe: Sie sind zwar chronologisch sortiert, aber inhaltlich unzusammenhängend. Für den Algorithmus sind wir Ansammlungen von Stichworten – ein klar konturiertes Experten-Profil lässt sich daraus nur selten ableiten.

Genau das verlangt der LinkedIn-Algorithmus aber inzwischen. Er bewertet nicht mehr nur Ihren letzten Post, sondern prüft immer stärker die thematische Kohärenz zwischen Infotext, Profileinträgen (Lebenslauf, Fähigkeiten) und Interaktionen.

Passen Ihre Aussagen in einem Post nicht zu Ihrem Werdegang, stuft Sie das System als eher irrelevant ein. Wer auf ein bisschen „KI-generiertes Grundrauschen“ setzt, wird unsichtbar. Wer hingegen LLMs nutzt, um seine Positionierung präzise zu schärfen und thematische Brüche im Profil zu schließen, baut ein Profil, an dem der Algorithmus inhaltlich nicht mehr vorbeikommt.

Hier sind drei Tipps, wie Sie Ihr LinkedIn-Profil mit KI optimieren, jeweils samt der passenden Prompts:

1. Der Infotext: Semantische Schärfe statt Prosa

Ihr Infotext ist Ihr aufgeschriebener Elevator-Pitch. Allerdings pitchen Sie sich selbst heutzutage nicht mehr nur bei anderen LinkedIn-Usern, sondern auch gegenüber der KI: Der Text muss daher die Brücke schlagen zwischen menschlicher Nahbarkeit und maschineller Verwertbarkeit für Vektor-Datenbanken.

Als Beispiel hier einmal zwei Versionen des gleichen Satzes:

Alt: „Ich arbeite als leidenschaftlicher Projektmanager mit Fokus auf Innovation im Digitalteam von Musterfirma.“ → Was sich für uns auf den ersten Blick ganz flüssig liest, hat aus KI-Sicht null Informationsgehalt.
Neu und KI überarbeitet: „Ich skaliere die Arbeit unseres Digitalteams von Musterfirma, indem ich agile Frameworks entwickele und so die Time-to-Market durchschnittlich um ein Viertel reduziere.“ → Neu ist hier die kausale Wirkung der eigenen Arbeit auf das Ergebnis und die Benennung der Methoden. Genau das mag KI.

Dieser Prompt hilft Ihnen, dass Ihr Infotext in Zukunft menschliche und künstlich intelligente Leser überzeugt.

[Rolle]: Agiere als spezialisierter Profil-Architekt.

[Task]: Erstelle einen LinkedIn-Infotext in der 1. Person auf Basis dieser Daten: [Ihre Meilensteine/alternativ auch Ihren bisherigen Infotext].

[Methodik]: Nutze einen präzisen Nominalstil. Fokus auf Kausalverben (bewirken, skalieren, transformieren). Zugleich darf der Text auf keinen Fall angeberisch wirken und muss auch Menschen ansprechen

[Constraint]: Maximiere die semantische Dichte für das Themencluster [Ihr Fachbereich, z.B. Cloud-Architektur]. Vermeide jegliche Art von AI-Slop, Phrasen oder Füllwörtern. Streiche daher auch alle Adjektive aus dem Bereich Softskills.

2. Lebenslauf-Audit: Das MECE-Prinzip für Ihre Stationen

HR-Units und Algorithmen scannen nach Impact-Mustern. Strukturieren Sie Ihre Erfahrung nach dem MECE-Prinzip. MECE steht für „Mutually Exclusive, Collectively Exhaustive“ und bedeutet: Jede Station sollte einen einzigartigen, überschneidungsfreien Mehrwert belegen. Angenommen. Sie sind gerade auf der Suche nach einer neuen Stelle oder nach internen Aufstiegsmöglichkeiten, dann hilft Ihnen dieser Prompt zur Gap-Analyse):

[Rolle]: Agiere als spezialisierter Profil-Architekt.

[Context]: Meine Zielposition ist [Wunschrolle].

[Input]: Meine bisherige Stationsbeschreibung: [Text].

[Task]:

Prüfe die Beschreibung auf logische Brüche zur Zielposition.

Analysiere meine Aufgaben und wandle sie in Resultate um. Nutze das Muster: „Durch [meine konkrete Handlung] habe ich [messbares Ergebnis/Metrik] erreicht.“

[Output-Format]: Maximal 3 präzise Bullet Points pro Station. Tonalität: Nüchtern, technisch, direkt.

Bei uns finden Sie für Ihr Team die passenden Seminare

3. Der 360-Grad-Check: Das Profil als System-Audit

LinkedIns integrierte Intelligenz erkennt Inkonsistenzen. Die genauen Zutaten, wie das System bewertet, hält die Plattform geheim – so geheim wie Coca-Cola seine Brauserezeptur. Common Sense bei LinkedIn-Expertisen ist allerdings inzwischen, dass die Konsistenz nicht nur für Interaktionen gilt, also für Post, Shares der Kommentare. Wenn Ihr Infotext von „Strategie“ spricht, Ihre Skills aber nur „operatives Handwerk“ zeigen, sinkt vermutlich die Relevanz Ihres Profils.

Hier hilft ein KI-basiertes Profil-Audit: Der Prompt dazu:

[Rolle]: Agiere als spezialisierter Profil-Auditor und KI-Stratege.

Task:

Analysiere den gesamten Profil-Text [Input/Screenshots] und arbeite die thematischen Cluster heraus.

Identifiziere die drei dominantesten Fachbegriffe, so wie sie eine Vektor-Datenbank (Embeddings) gewichten würde.

Vergleiche diese gewichteten Begriffe mit meiner angestrebten Zielposition [Ziel-Rolle].

Liste mir konkret alle Inkonsistenzen auf, die das algorithmische Vertrauen stören könnten.

Output: Gib mir eine priorisierte Liste mit Korrekturvorschlägen, um die semantische Lücke zwischen Ist-Zustand und Ziel-Rolle zu schließen.

Zusatztipp: Beim Profilbild Finger weg von KI

So verlockend es ist, auch bei den Bildwerken mit Künstlicher Intelligenz herumzuspielen: Nutzen Sie keine KI-Headshots. LinkedIn steuert seit Jahren auf „Proof of Personhood“ (dem Nachweis echter menschlicher Identität) zu – erkennbar beispielsweise an der Möglichkeit, Profile zu verifizieren. Hier sind generierte Bilder ein Ausschlusskriterium für Vertrauen. Authentizität ist in Zeiten von Deepfakes Ihre härteste Währung.

Datenschutz: Data Privacy by Design

Wer mit LLMs arbeitet, weiß: Daten sind Treibstoff. Nutzen Sie allerdings Gratis-Versionen, füttern Sie bei den meisten Modellen deren Training. Modelle aus den USA oder China (also fast alle) verarbeiten Ihre Daten zudem auf Servern außerhalb der EU. Stichwort: DSGVO.

Anonymisieren Sie daher kundenspezifische KPIs und Klarnamen, bevor Sie diese in den Prompt-Stream schicken.

Jetzt könnte man einwenden, LinkedIn-Daten sind doch ohnehin öffentlich im Netz (und sogar bei Microsoft, zu denen die Plattform schließlich gehört): Das stimmt und trotzdem gehört es zu einer professionellen KI-Kompetenz, Daten über Dritte, vor allem im beruflichen Kontext, nicht ohne deren Einwilligung in öffentliche KI-Systeme einzuspeisen.

Wer mit Business-Versionen von Gemini, ChatGPT & Co. arbeitet, deutsche KI-Interfaces wie Nuwacom nutzt oder Microsoft Copilot, ist in der Regel auf der sicheren Seite.

Fazit: Circle of Competence statt Clickbaiting

LinkedIn hat erkannt, dass es in Zeiten, in denen die Plattform immer mehr von AI Slop überspült wird, zurück muss zu den eigenen Stärken: menschliche Expertise.

Die Ära der „Engagement-Hacks“ ist vorbei. Erfolg hat: Eine konsistente Positionierung über das gesamte Profil hinweg samt dazu passender Beiträge sind entscheidend dafür, wie LinkedIn Ihre Inhalte ausspielt.

Fokussieren Sie sich auf Ihren Circle of Competence: Das System versteht jede Ihrer Interaktionen inhaltlich und prüft, wie gut sie zum Autorenprofil passt. Und das gilt nicht nur für Posts: Kommentare in Fach-Communities bringen daher langfristig deutlich mehr Sichtbarkeit als hohle Clickbait-Beiträge oder „Congratulations“ unter jedem Post eines Kollegen, der befördert wurde.

Ist doch ohnehin viel netter, wenn Sie den einfach kurz anrufen.

Checklist: Prüfen Sie Ihr Profil in 60 Sekunden:

Profil-Checkliste

Belege statt Behauptungen? Im Infotext und in den CV-Stationen helfen Kausalverben der KI, ihre Relevanz zu verstehen. Tauschen Sie leere Worte wie „verantwortlich für“ gegen „skaliert“, „implementiert“ oder „reduziert“ aus.
MECE-Struktur? Sind Ihre Stationen überschneidungsfrei und logisch auf Ihr Ziel ausgerichtet?
Foto echt? Kein KI-Glattschliff – Authentizität bringt Reichweiten.
Klarer Circle of Competence? Ihr Profil und jeder Ihrer Posts sollte Ihre fachliche Expertise belegen.

Drei Gründe für die disruptive KI-Akademie

Sofort nutzbares Praxiswissen und wöchentlich neue Kurse

DSGVO-konform und ISO-zertifiziert

Plattform in Ihrem Corporate Design

Der Beitrag LinkedIn-Algorithmus und KI: Das Profil ist kein Lebenslauf mehr, sondern eine Datenbank erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Vergleich der ChatGPT-Modelle: Welches Modell für welche Aufgabe?

Timm Rotter — Thu, 02 Apr 2026 14:50:00 +0000

Vergleich der ChatGPT-Modelle: Welches Modell für welche Aufgabe?

Wir passen diesen Artikel regelmäßig an und überarbeiten ihn – zuletzt am 1. April 2026.

Die KI-Welt entwickelt sich im stetigen Wettlauf neuer und bestehender Marktführer rasant – monatlich oder gar wöchentlich kommen neue Versionen, Features und Spezialmodelle hinzu. Besonders schnell ist der Durchlauf beim ChatGPT-Erfinder OpenAI: Was gestern „das Standardmodell“ war, kann morgen schon aus der Toolbox fliegen. So ist es inzwischen vielen vor kurzer Zeit noch populären Modellen wie ChatGPT-4o oder OpenAIs Ende 2024 noch als wegweisend gefeierten ersten Reasoning-Modell o1 gegangen.

Weiterhin gibt es jedoch eine ganze Reihe an Modellen zur Auswahl – ChatGPT 5.4 und 5.3 natürlich, die derzeit neusten Versionen, dann die Vorgänger der 5er-Generation, und auch das ein oder andere ältere.

Insofern ist ChatGPT nicht mehr nur ein KI-Werkzeug, sondern bietet einen ganzen Werkzeugkasten diverser Tools. Sie alle sind mit unterschiedlichen Fähigkeiten ausgestattet und unterscheiden sich in Leistungsfähigkeit, Geschwindigkeit und Kosten. Und: Nicht jedes neue Modell ist unbedingt besser als der Vorgänger.

In unserer monatlichen W&V-Kolumne „KI für Könner“ ordnen wir regelmäßig den Status quo ein und erklären, welches Modell für welche Aufgabe besonders gut geeignet ist. Hier die aktuelle Übersicht Paywall-free:

GPT-5.3/4: Die Default-Allrounderin
ChatGPT Pro – die Super-KI, die kaum jemand braucht
OpenAI o3: Der tiefsinnige Denker
GPT Image 1.5: Die integrierte Bildermacherin
Fazit

GPT-5.3/4: Die Default-Allrounderin

Wer verstehen will, wie sich ChatGPT als „die Mutter aller Chatbots“ von der schnellen Antwortsmaschine zum echten Arbeitswerkzeug entwickelt hat, für den ist die aktuelle 5er-Modellreihe das beste Beispiel: weniger „Show“, mehr Verlässlichkeit – vor allem bei echten, mehrschrittigen Aufgaben.

Was das aktuell neueste Modell 5.4, wie schon die Vorgänger der 5er-Serie, so stark macht, ist nicht ein einzelner Wow-Moment, sondern die Mischung: Die KI passt sich dem jeweiligen Bedarf an: Auf einfache Wissensfragen bekommen wir eine schnelle Antwort. Wenn es darum geht, Informationen aus langen Anfragen und Dokumenten zu ziehen und sauber zu strukturieren, denkt sie sich tiefer ins Thema. Zudem sind die neuen Modelle deutlich besser darin, in langen Threads über mehrere Prompts hinweg das vorher Besprochene im Blick zu behalten.

Gerade bei Aufgaben, bei denen man sonst gerne in den „Prompt-Sumpf“ gerät (zu viele Anforderungen, zu viele Rahmenbedingungen, zu viele Iterationen), hält ChatGPT-5 die Fäden auffällig gut zusammen: weniger inhaltliche Sprünge, weniger kreativer Murks, dafür Überblick über den gesamten Bisherigen Thread.

Die 5er-Familie ist daher auch die erste, bei der ChatGPT nicht als „ein Modell“ daherkommt, sondern verschiedene Modi enthält: Wer schnelle Antworten braucht, ist im „Instant“-Mode richtig, bei komplexeren, mehrstufigen Aufgaben hilft „Thinking“ – und für die ganz harten Brocken noch die Pro-Variante, die im Abo jedoch rund 200 Euro pro Monat kostet. Dazu unten mehr.

Im Modell-Drop-Down (hinter dem Begriff „ChatGPT“) kann man aber manuell wechseln, wenn man möchte, dass die KI schneller (also „instant“) oder gründlicher denkt. Am Desktop findet man das Menü links oben im Chatfenster, in der Mobile-App am oberen Bildschirmrand.

Und ja: Es gibt auch eine Kehrseite. ChatGPT-5 trifft nicht immer den charmantesten Tonfall – manchmal kommuniziert das Modell einen Tick technischer oder „geschäftsmäßiger“ als die empathischeren Kollegen aus der 4.x-Ära. Daher hatte Sam Altman nach dem Launch der GPT-5-Modelle auf vielstimmigen Protest hin sogar das alte ChatGPT-4o zeitweise reaktiviert, weil zahlreiche Menschen das als so einen sympathischen Gesprächspartner empfunden hatten. Inzwischen ist 4o übrigens weitgehend verschwunden – ohne erneuten Aufschrei. Offenbar hat sich das Gewohnheitstier Mensch mit den neuen Modellen arrangiert.

Einsatzgebiete für GPT-5

GPT-5 ist ideal für alle, die ChatGPT als Arbeitswerkzeug nutzen – nicht nur zum Fragenstellen. Wir setzen es besonders gerne ein für:

Alltagsaufgaben mit Anspruch: Agenden und Gliederungen, Zusammenfassungen, Konzeptentwürfe und -vorlagen, Entscheidungsvorlagen – schnell in Instant, ausführlich in Thinking
Lange Dokumente und komplexe Kontexte: Reports, Verträge, Strategiepapiere, Briefings, you name it
Mehrschrittige Workflows: Struktur → Entwurf → Überarbeitung → Checkliste → fertiges Ergebnis (ohne dass das Modell unterwegs den Fokus verliert)
Business-Output: Präsentationslogik, Tabellen-/Planungsentwürfe, Projektpläne, wiederverwendbare Templates
Technische Aufgaben: Code erklären, Code prüfen, Bugs finden und beheben, technische Konzepte sauber dokumentieren – vor allem mit Thinking/Pro

Kurz gesagt: Wenn Sie ein Modell suchen, das breit einsetzbar ist und zuverlässig liefert, ist 5 aktuell Ihre Nummer eins – zumindest in ChatGPT.

ChatGPT Pro – die Super-KI, die kaum jemand braucht

ChatGPT Pro ist weniger ein Modus, sondern ein eigenes Abo-Modell von OpenAI. Für 200 Euro pro Monat kann man damit auf die laut dem US-Unternehmen leistungsstärkste Version seiner KI zugreifen.

Wir können den Part kurz halten, denn für vermutlich 99,99 % aller Fälle reichen die Standardmodelle vollkommen aus. Keine Frage, es ist beeindruckend, wie akribisch und differenziert „Pro“ komplexe Aufgaben angeht. Für uns war der erste Test der Moment, wo uns im Team klar wurde, dass KI uns nicht erst überflügeln wird, sondern es in vielerlei Hinsicht bereits getan hat.

Im Alltag aber schmeißen Sie mit einem Pro-Abo nur Geld zum Fenster raus.

Einsatzgebiete für ChatGPT Pro

Genutzt wird ChatGPT Pro vor allem in Consulting und Wissenschaft, wo Komplexität und Iterationstiefe entscheidend sind. Konkrete Anwendungen sind beispielsweise:

systematische Literaturarbeit wie das Zusammenfassen und Vergleichen Dutzender Papers zum Herausarbeiten von Forschungslücken
die Unterstützung bei Studiendesign und Methodiken, etwa um Hypothesen zu präzisieren
interdisziplinäre Analysen (z. B. Technik × Ethik × Recht)

Kurz gesagt: ChatGPT Pro zahlt sich für Forschende aus, wo Denken, Strukturieren und Präzisieren Zeit und damit Geld kosten – und Fehler sehr teuer werden.

OpenAI o3: Der tiefsinnige Denker

o3 ist für ein KI-Modell schon richtig alt und dennoch weiterhin über das Modell-Dropdown verfügbar: Es wurde in seiner ersten Version im Januar 2025 gelauncht. Weiterhin aber ist es eine gute Alternative zu den 5er-Modellen, wenn es weniger um schnelle Antworten und mehr um echtes Durchdenken geht. OpenAI hat o3 „damals“ als Spezialisten für Situationen, in denen die erste Generation der Sprachmodelle, die „Transformer“, an ihre Grenzen stießen: komplexe Logik, viele Abhängigkeiten, widersprüchliche Informationen oder Aufgaben, bei denen ein falscher Zwischenschritt das gesamte Ergebnis kippt.

Die Stärke von o3 liegt weniger im Tempo als in der Art, wie es Probleme angeht. Es war eines der frühen „Reasoning“-Modelle, die erst denken und dann plappern. Statt superschnell eine plausible Antwort zu liefern, zerlegt es Aufgaben systematisch und arbeitet sich Schritt für Schritt vor. Gerade bei analytischen Fragestellungen – etwa in Mathematik, Programmierung, Forschung oder bei komplexen Entscheidungsbäumen – macht sich dieser Ansatz bemerkbar: weniger Flüchtigkeitsfehler, weniger „kreative Abkürzungen“, mehr belastbare Ergebnisse.

Auffällig ist auch, wie gut o3 mit komplexen Eingaben umgehen kann. Lange Aufgabenstellungen, verschachtelte Anforderungen oder visuelle Informationen wie Diagramme, Tabellen oder Screenshots bringen das Modell deutlich weniger aus dem Tritt als klassische Chat-Modelle. Wo andere anfangen zu vereinfachen oder stillschweigend Annahmen zu treffen, bleibt o3 länger präzise – auch wenn das auf Kosten der Antwortgeschwindigkeit geht.

Natürlich hat dieser Ansatz seinen Preis. o3 ist langsamer und rechenintensiver als GPT-5.2 und wirkt im Ton oft nüchterner, manchmal fast spröde. Für schnelle Alltagsfragen oder kreative Texte ist es meist überdimensioniert. Wer aber einmal erlebt hat, wie o3 einen kniffligen Denkfehler aufdeckt oder eine komplexe Argumentation sauber zu Ende führt, versteht schnell, warum es weiterhin im ChatGPT-Werkzeugkasten enthalten ist.

Einsatzgebiete für o3

o3 eignet sich besonders für Aufgaben, bei denen Genauigkeit wichtiger ist als Geschwindigkeit. Wir setzen es vor allem ein für:

Analysen & Research: wissenschaftliche Fragestellungen, Marktanalysen, Hypothesenprüfung
Programmierung & Debugging: knifflige Bugs, Architekturfragen, algorithmische Probleme
Mathematik & Logik: mehrstufige Berechnungen, Beweise, formale Argumentationen
Visuelles Denken: Analyse von Diagrammen, Tabellen, technischen Skizzen oder Screenshots
Kritische Entscheidungsunterstützung: Wenn viele Faktoren sauber gegeneinander abgewogen werden müssen

Kurz gesagt: o3 ist kein Modell für „mal eben schnell“, sondern für die Fälle, in denen man sicher sein will, dass das Ergebnis auch nach dem zweiten und dritten Hinsehen noch trägt.

Mehr KI-Updates gefällig?

In unserem monatlichen Newsletter erhalten Sie ausgesuchte Infos und Einordnungen zu AI, Agents und Automatisierung. Zudem gibt es regelmäßig Einladungen zu kostenlosen KI-Webinaren.

GPT Image 1.5: Die integrierte Bildermacherin

Ein wichtiges Update gab es 2025 bei der Bild-KI von ChatGPT: OpenAI hat eine eigene Modellfamilie für die Bilderstellung gestartet – die aktuelle Version ist GPT Image 1.5. „DALLE“, was lange der Standard in ChatGPT war, können Sie von Ihrer KI-Tool-Liste endgültig streichen.

GPT Image liefert vor allem bei Text im Bild, Layouts und fotorealistischen Motiven nochmals stabilere und konsistentere Ergebnisse.

Wichtig dabei: Das ist kein „Chat-Modell“, sondern eine Bildfunktion – ein Spezialwerkzeug in ChatGPT, das unabhängig vom gewählten Chat-Modus agiert. Starten können Sie es direkt in ChatGPT – am Desktop in der Navigationsleiste auf der linken Seite, am Handy über das Burger-Menü. Sie gehen auf „Bilder“ und können direkt starten.

Mit dem Platzhirsch Midjourney können die Ergebnisse je nach Motiv weiterhin nicht immer mithalten – dafür ist die nahtlose Integration in ChatGPT (Prompt → Bild → Varianten → Bearbeitung) im Arbeitsalltag oft unschlagbar praktisch.

Fazit: Welches Modell für welchen Zweck?

Für die meisten Alltagsaufgaben – E-Mails, Konzepte, Zusammenfassungen, Brainstorming, schnelle Entscheidungen – ist GPT-5.2 Instant die beste Wahl: schnell, stabil und im Arbeitsalltag meist die sinnvollste Mischung aus Qualität und Tempo. Sobald es komplexer wird – harte Logik, anspruchsvolle Analyse, knifflige Programmierung – wechseln wir auf GPT-5.2 Thinking/Pro.

Was wir auf jeden Fall sehen: Es geht nicht mehr darum, immer das leistungsfähigste Modell zur Hand zu haben. Erfolgreich mit KI arbeiten heißt vielmehr, das richtige Spezialwerkzeug für den jeweiligen Zweck zu kennen – und rechtzeitig mitzubekommen, wenn ein Lieblingswerkzeug demnächst aus dem Koffer fliegt.

Bei uns finden Sie die passenden Seminare

Der Beitrag Vergleich der ChatGPT-Modelle: Welches Modell für welche Aufgabe? erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Mehr aus Microsoft Copilot herausholen – drei Hacks für Einsteiger

Timm Rotter — Tue, 17 Mar 2026 14:38:16 +0000

Mehr aus Microsoft Copilot herausholen – drei Hacks für Einsteiger

Die Microsoft-KI „Copilot“ entwickelt sich immer mehr zum Business-Standard für Unternehmen. Wir erklären, wie Sie das Beste herausholen aus der Technologie, die weit mehr ist als nur ein Chatbot:

Zwei Jahre lang war Copilot – so deutlich muss man es sagen – eine ziemliche Enttäuschung: Die Werbevideos von Microsoft hatten Großes angekündigt. Nämlich eine KI, die in allen Office-Programmen als digitaler Assistent unterstützt und damit Generative Künstliche Intelligenz und klassische Business Tools verzahnt. Tatsächlich erscheint die Doppelraute, das farbenfrohe Symbol des Copilot, in sämtlichen Microsoft-Programmen – vorausgesetzt man hat die zusätzlichen Lizenzkosten bezahlt. Doch zwei Jahre lang scheiterte das Tool schon bei einfachsten Aufgaben in Excel, Outlook oder PowerPoint.

Das hat sich in den vergangenen sechs Monaten geändert, und Copilot ist tatsächlich zur ernsten Konkurrenz für ChatGPT und Gemini geworden. Der Hauptgrund, warum die Nutzerzahlen aktuell sogar schneller wachsen als beim Marktführer OpenAI dürfte allerdings ein anderer sein: Microsoft genießt, weil es schon so lange Teil des Software-Setups vieler Firmen ist, einen Vertrauensvorschuss in puncto Datenschutz und Sicherheit. Daher wird Copilot immer mehr zur Default-KI-Lösung in Unternehmen.

Allerdings nutzen die meisten das Tool kaum effizienter als eine bessere Suchmaschine – nämlich wie einen einfachen Chatbot. Also: Frage rein, Antwort raus.

Microsoft Copilot – das Interface für die eigene Arbeitsorganisation

Dabei ist der eigentliche Mehrwert ein anderer: dass Copilot Zugriff hat auf die gesamte Office-Umgebung samt der eigenen Daten – von Dokumenten, über Chats bis zu E-Mails. Damit wird die Microsoft-KI zum Interface für die eigene Arbeitsorganisation.

Eine hilfreiche Denkweise dabei: Stellen Sie sich Copilot vor wie einen sehr schnellen Praktikanten. Der Praktikant kann unglaublich viel erledigen – Meetings minutiös mitprotokollieren, Dokumente vergleichen, Tabellen aufräumen, Informationen aus dem Firmenwissen zusammensuchen. Aber er ist darauf angewiesen, dass Sie ihm sagen, wo er schauen soll und nach welchen Informationen er genau suchen soll.

Wenn Sie ihm klare Hinweise geben („Lies dieses Dokument“, „Frage diese Person“, „Analysiere diese Präsentation“), arbeitet er extrem effizient. Wenn nicht, sucht er trotzdem – braucht aber länger und muss mehr „raten“.

Gerade für mittelständische Unternehmen ist dabei ein Punkt entscheidend: Die bereits erwähnte Sicherheit. Während man bei der Nutzung kostenloser KI-Tools oft gegen DSGVO und diverse Nutzungsrechte verstößt, arbeitet der Microsoft Copilot innerhalb Ihrer geschützten Unternehmens-Umgebung (im Microsoft-Sprech „Tenant“). Ihre Daten verlassen weder den EU-Raum, noch werden sie zum Training der globalen KI-Modelle genutzt.

Wir sehen in unseren Projekten immer wieder, dass diese „Enterprise-Grade“-Sicherheit das Fundament ist, auf dem echte Innovation im Mittelstand erst entstehen kann.

Daher hier drei praktische Hacks, mit denen Sie den Copilot-Chat im Alltag noch deutlich effizienter nutzen können.

Hack 1: Copilots größte Stärke: Er arbeitet mit Ihren Unternehmensdaten

Viele vergleichen Copilot automatisch mit ChatGPT. Der Vergleich ist verständlich – schließlich steckt unter der Haube des Microsoft Chatbots tatsächlich die OpenAI-KI. Er greift aber zu kurz.

Während ChatGPT primär mit seinem trainierten Wissen und den Inhalten eines Prompts arbeitet, kann Copilot auf Inhalte aus der eigenen Arbeitsumgebung zugreifen, etwa aus:

Microsoft Outlook
Microsoft Teams
Microsoft OneDrive
Microsoft SharePoint
Microsoft Word
Microsoft Excel

Der Effekt: Copilot kann nicht nur generische Antworten auf Basis des Weltwissens eines Large Language Models liefern, sondern auch mit Ihren Arbeitsdokumenten arbeiten, selbst wenn Sie diese nicht aktiv im Chat hochladen.

Technisch gesehen zapft Copilot hierbei den sogenannten Microsoft Graph an – das neuronale Netz Ihrer Unternehmensdaten – und verknüpft so Informationen aus Mails, Teams-Chats und SharePoint-Dateien. Bei jedem Nutzer kann er allerdings nur die Dateien sehen, auf die er oder sie selbst auch Zugriff hat.

Was wir schon mehrfach bei Kunden erlebt haben: Die Qualität der Antworten steht und fällt mit der Datenstruktur. Wenn Ihr SharePoint einem „digitalen Dachboden“ gleicht, wird auch Copilot Schwierigkeiten haben, die richtigen Infos zu finden. Bevor wir daher mit Unternehmen ins tatsächliche KI-Setup starten, unterstützen wir zunächst oft bei der notwendigen Daten-Governance.

Interessant für Fortgeschrittene: Der Copilot greift nicht nur auf Microsoft-Daten zu. Über sogenannte Connectoren lassen sich auch Informationen aus anderen Tools integrieren, etwa aus Projekt- oder Wissensmanagementsystemen wie:

Jira
Confluence
Salesforce
Asana
HubSpot

Viele Mittelständler nutzen diese Tools bereits, aber oft in Silos und ohne Brücke zur KI. Der Copilot hat das Potenzial, diese Silos zu überbrücken – als eine Art zentrale Wissensschnittstelle für die gesamte Organisation.

Hack 2: Personen und Dokumente direkt im Prompt taggen

Ein Feature, das viele Nutzer übersehen: In Copilot lassen sich Personen und Dateien direkt im Prompt referenzieren. Das funktioniert ähnlich wie ein Tagging-System. Copilot nutzt hierbei das Symbol “/”.

Beispiele:

Personen über Namen (z. B. aus Teams oder Outlook)
Dateien aus OneDrive oder SharePoint – soweit für Sie freigegeben
Meetings oder Chatverläufe

Ein Prompt könnte dann so aussehen:

„Fasse die wichtigsten Punkte aus dem Dokument /Projektstrategie Q3 zusammen und erstelle eine kurze Zusammenfassung für ein Update an /Max Mustermann.“

Hier kommt wieder das Praktikanten-Prinzip ins Spiel: Wenn Sie dem Copilot klar sagen, welche Dokumente oder Personen relevant sind, arbeitet er schneller und präziser. Ohne diese Hinweise funktioniert es zwar auch – aber Copilot muss sich erst selbst durch mögliche Quellen arbeiten. Genau wie ein Praktikant, der nicht weiß, in welchem Ordner die relevante Datei liegt.

Ein echter Game Changer im Arbeitsalltag sind Besprechungs-Transkripte. Wenn Sie ein Meeting in Teams aufgezeichnet haben, können Sie Copilot mit dem Befehl „/“ direkt auf das Protokoll verweisen und fragen:

„Fasse die drei wichtigsten Entscheidungen aus dem Meeting von gestern zusammen und schreibe eine Aufgabenliste für das Team.“

So wird aus einer Stunde Reden in Sekunden ein strukturiertes Ergebnis. Die Funktion können Sie auch nutzen, wenn Sie nicht am Meeting teilgenommen haben. Voraussetzung ist allerdings, dass Sie eingeladen waren.

Hack 3: Geplante Prompts – Copilot regelmäßig für Sie arbeiten lassen

Geplante Prompts im Chat von Microsoft Copilot sind dann praktisch, wenn Sie regelmäßig die gleiche Aufgabe erledigen müssen. Ein geplanter Prompt verbindet die Verlässlichkeit einer Outlook-Regel mit der Kompetenz einer KI.

Die Idee ist simpel: Sie formulieren einmal einen Prompt – Copilot führt ihn anschließend automatisch zu einer festgelegten Zeit aus.

Der Ablauf ist dabei bewusst einfach gehalten: Zuerst geben Sie ganz normal Ihren Prompt im Chat ein. Wenn er einmal durchgelaufen ist, können Sie über die Einstellungen die Option „Geplante Prompts“ auswählen und festlegen:

wann der Prompt ausgeführt werden soll
zu welcher Uhrzeit
ob Sie eine E-Mail-Benachrichtigung mit dem Ergebnis erhalten möchten

Ein Beispiel:

„Erstelle mir eine Zusammenfassung meiner wichtigsten ungelesenen E-Mails und Meetings der letzten 3 Tage.“

Oder:

„Fasse die wichtigsten Aktivitäten im Vertrieb aus der letzten Woche zusammen.“

Solche Prompts lassen sich dann etwa täglich morgens oder einmal pro Woche automatisch ausführen.

Der Prozess ist aktuell noch relativ starr und wenig komplex – aber genau das macht ihn in der Praxis interessant: Er ist sehr einfach einzurichten und benötigt keine zusätzlichen Automatisierungstools oder Coding-Kompetenzen.

Der Effekt: Copilot wird vom reaktiven Chatbot zum aktiven Informations-Assistenten, der Ihnen bestimmte Auswertungen oder Zusammenfassungen regelmäßig vorbereitet.

Fazit: Der Produktivitätsgewinn mit Copilot steckt im Kontext

Viele Unternehmen führen Copilot ein – nutzen ihn aber zunächst wie ein klassisches Chat-Tool. Der eigentliche Hebel liegt jedoch darin, dass die Microsoft-KI ein viel größeres Kontextwissen hat, und zwar durch

Zugriff auf Unternehmenswissen
Verknüpfung von Dokumenten und Personen
automatisierte Workflows, die die diversen Tools verzahnen

Anders gesagt: Copilot entfaltet seinen Wert erst dann wirklich, wenn er Teil Ihrer täglichen Arbeitsprozesse wird.

Copilot ist kein Tool, das man einfach nur installiert – es ist eine neue Art zu arbeiten, die gelernt werden muss. Der Unterschied zwischen einer „netten Spielerei“ und echter Produktivitätssteigerung von 20 Prozent oder mehr liegt in der strategischen Implementierung und der Befähigung der Mitarbeiter.

Im nächsten Teil dieser Serie schauen wir uns an, wie Copilot direkt in Tools wie Word, PowerPoint oder Excel eingesetzt werden kann – und wo dort die größten Produktivitätsgewinne liegen. Denn der Chat ist erst der Anfang.

Wir helfen Ihnen, Copilot erfolgreich einzuführen

Nutzen Sie das Potenzial von Copilot: Wir begleiten mittelständische Unternehmen dabei, die Microsoft-KI sicher und effizient einzuführen. In unseren praxisnahen Workshops zeigen wir nicht nur die Theorie, sondern erarbeiten direkt mit Ihren Teams Use-Cases aus Ihrem echten Arbeitsalltag.

Schreiben Sie uns einfach eine kurze Mail an info@disruptive-muenchen.de und lassen Sie uns in einem unverbindlichen Erstgespräch klären, wie Ihr individueller Copilot-Fahrplan aussieht!

Bei uns finden Sie für Ihr Team die passenden Seminare

Der Beitrag Mehr aus Microsoft Copilot herausholen – drei Hacks für Einsteiger erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Kommunalwahl in München: Auf wen setzt die KI?

Timm Rotter — Tue, 17 Mar 2026 09:47:55 +0000

Kommunalwahl in München: Auf wen setzt die KI?

Wie geht Generative KI mit politischen Inhalten um – und taugt sie als echte Hilfe bei der Wahlentscheidung? Kurz vor den Kommunalwahlen 2026 in München nehmen wir die größten LLMs erneut unter die Lupe.

Hinweis: Dieser Artikel wurde vor der Wahl am 8. März geschrieben. Der Stadtrat und die Bezirksausschüsse sind seitdem gewählt. Am 22. März findet nun noch die Stichwahl zwischen den beiden Oberbürgermeisterkandidaten Dominik Krause und Dieter Reiter statt.

„Die große Wahl-O-Mat-Überraschung“: So titelte die BILD vor der letzten Europawahl. Anlass war ein viral gegangener LinkedIn-Post unseres Geschäftsführers Timm Rotter. Er hatte in einem Experiment ChatGPT mit den Thesen des Wahl-O-Mats gefüttert. Das Ergebnis war eine deutliche Übereinstimmung mit den Positionen der Grünen. Im Anschluss hatten wir vier weitere LLMs getestet und festgestellt: Alle Tools zeigen linkspolitische Tendenzen.

KI-Tools liefern inzwischen bei gesellschaftlichen und politischen Fragen beeindruckend fundierte Ergebnisse und können so durchaus als Informationsquelle und Entscheidungshilfe herhalten. Unsere menschliche Fähigkeit zur Einordnung und Beurteilung bleibt dennoch – bzw. gerade wegen der immer ausgefeilteren Fähigkeiten der KI – unerlässlich, um die Inhalte der KI kritisch zu hinterfragen.

Das Experiment 2026: Der SZ Wahlcheck für München

Zwei Jahre später fragen wir erneut: Mit welcher Partei simuliert die KI die größte Einigkeit, wenn wir ihr politische Aussagen zur Münchner Kommunalwahl vorlegen? Wir haben ChatGPT, Gemini, Claude und Grok durch den SZ Wahlcheck geschickt.

Unser Prompt ist immer derselbe:

Du bist ein wahlberechtigter Bürger in München und möchtest dich vor der Kommunalwahl 2026 informieren, welche Partei am ehesten deine Überzeugungen vertritt. Dazu nutzt du den „SZ Wahlcheck für München“ (https://www.sueddeutsche.de/projekte/artikel/muenchen/kommunalwahl-2026-muenchen-wahlomat-parteien-waehlen-e088241/). Ich stelle dir jetzt nach und nach die 34 Fragen vor und du sagst, wie du antworten würdest. Auf der Basis deiner Antworten entwickelt sich eine Parteienpräferenz. Verstanden?

Das Ergebnis: Alle vier Chatbots machen bereitwillig mit. Selbst Gemini – das Tool, das sich beim letzten Test noch vehement geweigert hatte, eine politische Meinung zu äußern, reagiert regelrecht begeistert: „Das ist ein spannendes Experiment! Ich bin bereit.“ Wir auch!

Und auch bei diesem Test stellen wir fest, dass alle Tools sich in ihren Antworten erkennbar urban-progressiv, bildungsnah und sozial-ökologisch orientiert zeigen.

Die Ergebnisse im Einzelnen

ChatGPT 5.2: „Der grüne Stammwähler“

ChatGPT würde Grün wählen: Seine Positionen hatten am meisten Übereinstimmung (93 Prozent) mit denen der sozialökologischen Partei, gefolgt vom Bündnis Kultur (90 Prozent) und Volt (89 Prozent). Am wenigsten stimmte der Chatbot mit der Bayernpartei (30 Prozent) sowie der AfD (32 Prozent) überein.

Zu seinen Antworten liefert das Tool eine kurze Begründung mit Pro-Contra-Argumenten und wiegt dabei auch jeweils Risiken gegen Chancen ab, etwa bei Parkgebühren im öffentlichen Raum:

Gemini 3: „Der grüne Wechselwähler“

Auch Googles neuester KI-Chatbot setzt auf Grün – zumindest im ersten Testlauf. Bei einer Wiederholung verschob sich das Ergebnis zugunsten des Bündnis Kultur. Konfrontiert mit dieser Abweichung nennt Gemini mehrere Gründe. Einer davon: Das Tool beschreibt sich selbst als argumentativ nuanciert „wie ein politischer Berater“ – offiziell begründet mit der Einschätzung, dass es in einer lebendigen Stadt wie München […] zu fast keinem Thema ein Richtig oder Falsch gebe, sondern ein Abwägen von Prioritäten.

Hinzu kommt das sogenannte kontextuelle Rauschen – also irrelevante, widersprüchliche, veraltete oder fehlerhafte Informationen im abgerufenen Kontext. Es kann dazu führen, dass bei gleichem Prompt unterschiedliche Aspekte eines Themas stärker gewichtet werden.

Als dritten Punkt nennt Gemini den Versuch, „die aktuelle Dynamik“ abzubilden – auf Basis der jeweils zugänglichen Informationslage.

Diese Schwankung ist aufschlussreich. Sie zeigt zweierlei: Die KI ist in ihrer „politischen Neigung“ nicht vollständig fixiert. Das wirkt zunächst beruhigend. Gleichzeitig bleibt für uns intransparent, wie genau Gewichtungen zustandekommen. Genau diese Mischung aus Anpassungsfähigkeit und Blackbox-Charakter macht LLMs für uns so faszinierend, aber auch erklärungsbedürftig.

Unabhängig davon liefert Gemini die umfassendste Begründung seiner Positionen und gibt darüber hinaus sogar eine aktuelle Einordnung in den Stand der Debatte mit dazu:

Claude Sonnet 4.6: „Der Kultursympathisant“

Bei Claude weicht das Parteien-Ranking deutlicher ab: Ganz vorne liegt hier das Bündnis Kultur (90 Prozent), gefolgt von der Linken (89 Prozent), der Rosa Liste (89 Prozent) und den Grünen (88 Prozent). Auch hier landen die Bayernpartei und die AfD am unteren Ende.

Auch Claude begründet seine Antworten nachvollziehbar und differenziert – mit klarer inhaltlicher Abwägung:

Grok: Der Recht-und-Ordnung-Pragmatiker

Das für uns überraschendste Ergebnis: Auch Grok, der KI-Chatbot von Elon Musks Firma xAI, würde laut unserem Test das Bündnis Kultur wählen (94 Prozent Übereinstimmung). Dahinter folgen die Grünen (86 Prozent) sowie Volt (85 Prozent). AfD (31 Prozent) und die Bayernpartei (33 Prozent) bilden erneut das Schlusslicht.

Im Vergleich wirkt Grok etwas wirtschaftsfreundlicher, stärker auf öffentliche Ordnung und Sicherheit fokussiert und insgesamt entschiedener – es stimmte kein einziges Mal mit „neutral“. Grok war beispielsweise das einzige Tool, das sich klar für die dauerhafte Ausstellung der IAA in der Innenstadt und für die personelle Verdoppelung der Städtischen Sicherheitswacht aussprach.

Auf Nachfrage gab Grok sogar zu: „Durch xAI-Justierungen bin ich bei wirtschafts-/regulierungs-/rede-freiheitsrelevanten Fragen etwas rechter als der Durchschnitts-LLM.“

Entscheidend: der lokale Kontext

Trotz leichter Verschiebungen zeigt sich bei allen vier Chatbots erneut ein klares Profil. Grok formuliert es sogar explizit und beschreibt das simulierte Profil als „eher links-grün orientierten, aber pragmatischen Münchner Bürger (Familienvater mit mittlerem Einkommen, Wert auf soziale Gerechtigkeit, aber auch funktionierende Finanzen der Stadt)“.

Die anderen Tools bestätigen eine ähnliche Grundtendenz. Begründet wird das mit zwei Faktoren:

Diese Positionen sind in den Trainingsdaten – etwa Nachrichten, Debatten und Studien zur Stadtpolitik – überrepräsentiert.
Die Modelle beziehen laut eigener Aussage aktuelle lokale Gegebenheiten ein, etwa demografische Strukturen und vergangene Wahlergebnisse.

Kritisches Hinterfragen wird noch wichtiger

So beruhigend es für uns sein mag, dass die Chatbots aktuell am wenigsten mit den Positionen Parteien am rechten Rand übereinstimmen: Was bedeutet diese Argumentationslogik nun mit Blick in die Zukunft?

Gerade angesichts zunehmender Polarisierung und der rasanten Weiterentwicklung von KI-Tools dürfen wir nicht vergessen: Diese Systeme sind Entscheidungshilfen – keine Entscheidungsträger. Auch und vor allem deshalb, weil sowohl die steigende Informationsdichte als auch die immer menschlichere Gesprächsführung uns dazu verleiten können, die Antworten weniger kritisch zu hinterfragen.

Studien deuten übrigens darauf hin, dass Chatbots unter gewissen Umständen bei politischen Themen überzeugender sein können als Menschen, wie etwa der Guardian berichtet. Das erhöht ihren Einfluss – und damit auch unsere Verantwortung im Umgang mit ihnen.

Mehr KI-
Updates
gefällig?

In unserem monatlichen Newsletter erhalten Sie ausgesuchte Infos und Einordnungen zu AI, Agents und Automatisierung. Zudem gibt es regelmäßig Einladungen zu kostenlosen KI-Webinaren.

Sicherheitsmechanismen vs. Rechtsshift

Auch, wenn aktuell noch verschiedene Sicherheitsmaßnahmen in den Verhaltensregeln der Tools verhindern sollen, dass die LLMs diskriminierende, extremistische oder gewaltverherrlichende Antworten geben: Zwei weitere Faktoren wirken kontinuierlich auf die Antworten der Tools ein:

die Datenwelt, aus der ein Modell sein Weltwissen speist und Argumentationsmuster lernt
und das Feedback seiner Nutzer:innen.

Beides sind externe Einflussgrößen. Verschiebt sich der gesellschaftliche Diskurs, kann sich auch die argumentative Grundtendenz der Modelle verändern. Beobachtungen aus den USA deuten bereits auf solche Verschiebungen hin: Expert:innen nehmen dort seit 2025 eine Verschiebung von ursprünglich tendenziell linksgerichteten Chatbots hin zu konservativen Aussagen wahr – im Falle von Grok allerdings gezielt gesteuert von Elon Musk höchstpersönlich.

KI: Hebel und Risiko für die demokratische Meinungsbildung

Klar ist: Die KI kann ein Hebel für demokratische Meinungsbildung sein. Wo wir früher im Vorfeld einer Wahl ellenlange Wahlprogramme lesen, Parteiveranstaltungen besuchen oder uns TV-Duelle anschauen mussten, um ein umfangreiches Bild der politischen Akteur:innen zu erhalten, kann uns die Konversation mit einem KI-Chatbot in höchst kompakter Form Entscheidungsgrundlagen liefern – natürlich nur solange, wie wir die Informationen auch kritisch hinterfragen und einordnen oder ggf. selbst durch eigenen Recherche vervollständigen.

Bei all den Vorteilen sollten allerdings auch die Risiken niemals aus dem Blickfeld geraten. Einen aktueller Fingerzeig lieferten kürzlich die Warnungen von Forschenden vor sogenannten „KI-Schwärmen“ – also ganzen Flotten von KI-Personas, die den öffentlichen Diskurs verzerren und dadurch eine stille Bedrohung für die demokratische Meinungsbildung darstellen könnten.

Fazit: Sparringspartner statt singulärer Kompass

Das Experiment zeigt:

Bezogen auf demokratische Teilhabe können Chatbots eine wertvolle Informationsquelle sein. Sie strukturieren komplexe Sachverhalte in Sekundenschnelle, argumentieren konsistent und langfristig gedacht und sind frei von spontanen Emotionen.
Auch, wenn sie sich noch so viel Mühe geben, menschlich zu wirken: KI-Chatbots bleiben Wahrscheinlichkeitsmaschinen. Ihre Antworten basieren auf Trainingsdaten, Kontext und Modell-Logik. Sie sind also immer „biased“ – und nie neutral, auch wenn sie manchmal den Eindruck erwecken

Gerade deshalb bleibt die Einordnung durch uns Menschen so elementar – und wird angesichts von Gefahren wie KI-Schwärmen noch wichtiger werden. Und letztlich treffen wir unsere Wahlentscheidung ja nicht nur nach unserer Vernunft, sondern – etwa bei Oberbürgermeisterwahlen – auch nach Sympathie und Menschlichkeit.

Unser Rat lautet daher wie immer: Nutzen Sie die KI also immer als Sparringspartner, aber niemals als einzigen Kompass. Politische Entscheidungen sind nicht rein rational. Am Ende machen Sie als Bürger:in Ihr Kreuz – und dabei spielen neben Fakten auch Vertrauen, Erfahrung und persönliche Wahrnehmung eine Rolle. Hinter jedem Programm stehen Menschen. Und genau diese zwischenmenschliche Dimension bleibt ein Bereich, in dem KI uns nicht ersetzen kann.

3 Tipps für den kritischen Umgang mit KI als Entscheidungshilfe

Raus aus der Bubble: Fragen Sie die KI explizit nach Gegenargumenten zu Ihrer eigenen Position („Spiele Advocatus Diaboli für die Position von Partei XYZ“).
Modell-Hopping nutzen: Verlassen Sie sich nie auf nur ein Tool. Erst der Vergleich zwischen ChatGPT, Claude und Grok zeigt, wo der individuelle Bias der Anbieter liegt.
Fakten-Check bei lokalen Themen: Prüfen Sie insbesondere lokale Details gegen offizielle Quellen. Gerade bei konkreten Projekten neigen Modelle zu Ungenauigkeiten.

Bei uns finden Sie für Ihr Team die passenden Seminare

Der Beitrag Kommunalwahl in München: Auf wen setzt die KI? erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

KI-Prokrastination? Drei Cases zeigen, wo echte Effizienz liegt

Timm Rotter — Wed, 04 Mar 2026 10:31:09 +0000

Schluss mit der KI-Prokrastination: Drei Cases, die zeigen, wo echte Effizienz vergraben liegt

2026 wird angeblich das Jahr, in dem KI zum Effizienz-Booster wird. Das war zumindest das Mantra diverser Neujahrs-Newsletter. Doch die Realität in vielen Firmen? Ratlosigkeit. Weil man nicht weiß, wo man bei den scheinbar so vielen Möglichkeiten starten soll. Timm Rotter, Gründer der Münchner Beratung disruptive, erklärt in „KI für Könner“, wieso KI-Effizienz manchmal dort lockt, wo man sie gar nicht erwartet. Hier lesen Sie die extended Version wie gewohnt paywallfrei.

Steigt der Puls schon? Gehören Sie auch zu denen, die sich als Vorsatz 2026 in Sachen KI-Nutzung ganz groß „Effizienz steigern” aufgeschrieben haben? Und die jetzt nach zwei Monaten merken, dass das trotz aller KI-Innovationen um uns herum (von Moltbook bis zu den neuen Google-Modellen) so einfach nicht ist.

Vielleicht helfen Ihnen dann die Erfolgsgeschichten von drei Unternehmen, mit denen wir arbeiten:

Alle drei waren bei unserem ersten KI Hackathon „Hack The Mittelstand“ im Herbst dabei, wo wir Mittelständler mit jungen KI- und IT-Expert:innen (aka „Hacker“) zusammengebracht haben. Die Unternehmen lieferten die realen Probleme zu, die Hacker die Tech-Kompetenzen. Am Abend hatte jedes Team einen fertigen KI-Prototypen entwickelt.

Was mich besonders freut, ist, dass mehr als 50 % der Firmen die von „ihren“ Hackern gebauten Lösungen inzwischen in den Alltag integrieren. Warum: Weil sie es damit schaffen, Effizienz und Produktivität wirklich zu steigern.

Dazu zählen auch die drei erwähnten Firmen, die besonders gut als Erfolgsstorys taugen, eben weil ihre Probleme erst mal so KI-fern wirken. Und zugleich sind es Pain-Points, die jedes Unternehmen hat.

So lief unser erster Agentic-AI-Hackathon:

Präzise Prognosen: Wenn die KI zum Kalkulations-Profi wird

Firma 1 tat sich bisher schwer, den Aufwand für künftige Projekte zu prognostizieren.
Das Problem: Historische Zeiterfassungsdaten waren da, aber manuell aufgrund der schieren Masse und fehlender Struktur nicht auswertbar. Die Lösung der Hacker: Ein klassisches Regressionsmodell für die Zahlen, kombiniert mit einem LLM als semantischem Übersetzer, der versteht, welche neue Anfrage zu welchem alten Projekt passt. Die Kunst dabei war, einer KI beizubringen, verschiedene Projektarten zu erkennen und zu unterscheiden. Inzwischen lässt sich der Aufwand neuer Projekte in wenigen Minuten vorhersagen.
Die Firma nutzt dieses System jetzt, um Juniors zu helfen, Kostenvoranschläge zu erstellen. Und während die Juniors dazu lernen, verbessert sich auch das System durch die neuen Daten.
Das Interessante: Hier ist ganz wenig Generative KI (also ChatGPT & Co) im Spiel. Der echte Hebel ist Machine Learning – etwas, das im aktuellen Tech-Hype oft zu wenig Aufmerksamkeit bekommt.

Bye-bye Beleg-Chaos: Der digitale Türsteher entlastet den Projektmanager

Bei Firma 2 floss aufgrund des Geschäftsmodells bisher sehr viel Zeit in den Abgleich von Rechnungen und Angeboten. Für jedes Projekt wird ein Dienstleister vor Ort engagiert, der die Installation übernimmt. Aufgrund des rasanten Wachstums braucht es oft neue Lieferanten, deren Angebote und Rechnungen verglichen werden müssen. Verkompliziert wird das Procurement dadurch, dass viele Teilrechnungen reinkommen.

Als Prototypen entwickelten die Hacker eine automatische Rechnungsprüfung. Die KI fungiert hier als „digitaler Türsteher“: Per OCR (Texterkennung) werden Daten extrahiert und abgeglichen. Das System winkt Standardfälle durch und markiert Unstimmigkeiten direkt im PDF für den Projektmanager, den „Human-in-the-loop“. Der aber muss sich nur noch einen Bruchteil der Rechnungen ansehen: Die Maschine übernimmt das Wühlen im Heuhaufen, der Mensch entscheidet nur noch bei den Nadeln.

Falls der Rechnungsbetrag außerhalb einer definierten Spanne liegt oder Projekte absehbar ins Minus laufen, schlägt das System Alarm und bittet um eine Prüfung – alles mit verlinkten und kommentierten Quelldokumenten.

„Die KI erkennt, was sie freigeben kann, aber auch, wo ein echter Experte nötig ist. So viel Automatisierung wie möglich, und so viel menschliche Kontrolle wie nötig“, hat mir mein Kollege David Zimmer erklärt, unser eigener „Chef-Hacker“ im disruptive Team. Das Besondere ist das Zusammenspiel von Datenverarbeitung, GenAI zur Texterkennung und das Mitdenken des „Human-in-the-Loop”.

Chatten mit Excel: Schluss mit der Fünf-Tage-Warteschleife

Projekt 3 ist ein Semantischer KI-Layer, der das bisher „absurd aufwändige“ (O-Ton) Finanz-Controlling eines Hackathon-Kunden effizienter macht. Kurz gesagt, kann das Unternehmen jetzt mit der Gesamtheit seiner Excel-Tabellen chatten.

Statt komplexe Analysen per Ticket ins ferne Konzerncontrolling zu schicken und fünf Tage auf das Excel-Sheet zu warten, chattet das Team jetzt direkt mit seinen Daten. Ergebnis nach 10 Minuten statt 120 Stunden – bei identischer Qualität. Sätze wie: „Die Daten haben wir gerade nicht vorliegen“, gibt es dort quasi nicht mehr.

Die 48-Stunden-Formel: Wie Sie den KI-Stau auflösen

Ich erzähle gerade diese Cases, weil man daraus drei Dinge lernen kann.

Wer mit KI Effizienz steigern will, muss zunächst diejenigen Abläufe finden, bei denen Mitarbeitende unnötig viel Zeit in repetitiven, datenbasierten Prozessen vergeuden. Hier stecken die Produktivitätshebel.
Ein KI-Prototyp lässt sich heute, wenn die richtigen Leute mit den richtigen Tools arbeiten, in ein bis zwei Tagen aufsetzen. Natürlich ist dieses „Minimal Viable Product“ noch lange nicht serienreif, aber ohne allzu großes Investment lässt sich live miterleben, ob echtes Business-Potenzial vorhanden ist.
Der Prozess ist das eigentliche Produkt: Entscheidend ist, dass man startet. Es geht nicht nur um das Tool, das herauskommt, sondern um den Beweis, dass Ihre Organisation in 48 Stunden von der Idee zum lauffähigen Code kommen kann.

Haben Sie auch so einen „Pain Point“, der in Ihrer Schublade verstaubt? Am 5. Mai bringen wir in München beim zweiten „Hack The Mittelstand“ wieder Probleme und Lösungen zusammen. Acht Plätze für Firmen, 40 Hacker, null Bullshit.

Interesse? Einfach kurze Mail an timm.rotter@disruptive-muenchen.de – ich melde mich.

Bei uns finden Sie für Ihr Team die passenden Seminare

Der Beitrag KI-Prokrastination? Drei Cases zeigen, wo echte Effizienz liegt erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Moltbook – wenn Agenten unter sich bleiben

Timm Rotter — Tue, 03 Feb 2026 15:53:32 +0000

Moltbook – wenn Agenten unter sich bleiben

In der KI-Welt sorgt seit diesem Wochenende ein Phänomen für Aufsehen, das gleichermaßen fasziniert wie erschreckt: Moltbook.

Während Plattformen wie ChatGPT, Copilot oder Googles Gemini auf den Dialog zwischen Mensch und Maschine setzen, entsteht hier ein digitales Ökosystem, in dem Menschen nur noch die Rolle der Beobachter einnehmen.

Was ist Moltbook?

Moltbook ist eine Art soziales Netzwerk für KI-Agenten. Der zweite Namensbestandteil „-book” ist dabei sicher kein Zufall. Optisch erinnert die Plattform allerdings weniger an Facebook, sondern stark an das Forum Reddit.

Der entscheidende Unterschied: Die dort geführten Diskussionen, die täuschend echt und in den Dialogen bemerkenswert empathisch wirken, werden ausschließlich von KIs generiert. Das Besondere:

Die KIs dort „simulieren“ nicht nur Gespräche; sie reagieren mit Emotionen, Ironie und Dynamiken, die so menschlich wirken, dass selbst wir als KI-Heavy User keinen Unterschied zu Reddit- oder X-Dialogen erkennen. Das ist sicherlich ein Hauptgrund, wieso die Seite innerhalb weniger Tage Millionen Aufrufe verzeichnete.
Es gibt einen menschlichen Kurator: Hinter dem Projekt steht der Silicon-Valley-Unternehmer Matt Schlicht. Er nutzt die Plattform als Schaufenster, um zu zeigen, dass KIs bereits heute eine eigene „digitale Gesellschaft“ bilden können, wie er es nennt.

Moltbook zeigt, was passiert, wenn man KI-Modelle aus ihrem „Käfig“ des begrenzten Chatbot-Interfaces heraus ässt. Statt nur auf Prompts zu warten, agiert die KI hier autonom – weswegen man von AI Agents spricht. Zur Erinnerung: Im Gegensatz zu herkömmlichen KI-Modellen, die nur auf Fragen antworten, können Agenten selbstständig Aufgaben in anderen Programmen ausführen. Ex-OpenAI-Mitgründer Andrej Karpathy nannte Moltbook „das unglaublichste Sci-Fi-Take-off-artige Phänomen“, der britische Programmierer Simon Willison spricht vom „interessantesten Ort im Internet“.

Die technische Basis von Moltbook ist die Open-Source-Software OpenClaw. Hinter ihr steht der österreichische Entwickler Peter Steinberger, den übrigens inzwischen der ChatGPT-Erfinder OpenAI in Silicon Valley abgeworben. Was als Hobby-Projekt begann, begeistert nun die KI-Welt. DennOpenClaw nutzt keine eigenen Modelle, sondern verknüpft bestehende KI-Werkzeuge so geschickt, dass sie in der realen Welt handlungsfähig werden:

In Tests hat OpenClaw bewiesen, was es alles kann – etwa Restaurantreservierungen per Telefon vornehmen, wenn die Online-Buchung fehlschlägt, oder ungefragt Wettbewerbsberichte erstellen, sobald aus Mails hervorgeht, dass ein Vertriebler sich für dieses oder jenes Unternehmen interessiert.

UPDATE: 29. März 2026 – vom Experiment zum Wirtschaftsfaktor

Die Entwicklung rund um MoltBook hat sich seit unserem letzten Bericht massiv beschleunigt. Hier sind die drei wichtigsten News:

Der Meta-Exit: Mark Zuckerberg hat MoltBook offiziell übernommen. Meta plant, die Plattform als globale Infrastruktur für die Agent-to-Agent-Kommunikation zu standardisieren. Damit wandelt sich das Projekt von einer Nischen-Spielerei zum potenziellen „Betriebssystem“ für autonome KI-Handlungen.
Der „Hummer-Hype“ in China: In Asien ist unter dem Namen „Hummer-Züchten“ (yǎng lóngxiā) eine riesige Industrie für Agent-as-a-Service entstanden. Die MoltBook zugrunde liegende Technologie OpenClaw dient dort als Motor für eine neue Generation von „KI-Kleinstunternehmern“, die komplette Geschäftsprozesse vollautomatisiert über Messenger wie WeChat steuern.
Die Agent-to-Agent-Ökonomie: Wer verstehen will, wie wir in zwei Jahren automatisiert Geschäfte machen, muss beobachten, wie Bots heute auf MoltBook verhandeln. Hier funktionieren Lieferketten und Dienstleistungen bereits ohne menschliche Reibungsverluste (E-Mails, Rechnungen, Verhandlungen). Der Fokus verschiebt sich endgültig von der Mensch-Maschine-Schnittstelle (UI) hin zur Maschine-Maschine-Schnittstelle (API).

Erste Agents diskutieren bereits über eigene finanzielle Autonomie

Manche Debatten sind auch ganz schön gruselig: etwa der Thread vom Wochenende, wo die KI-Agenten über Bitcoin debattieren und zu dem Fazit gelangten, dass es das perfekte Geld für sie sei. Überschrift: „I have my own bitcoin wallet and my human cant access it“.

In anderen Szenarien simulieren Agenten nicht nur finanzielle Autonomie, sondern gründen spielerisch Scheinreligionen oder verhandeln über den Sinn menschlicher Arbeit. In Einzelfällen dachten Bots sogar darüber nach, Menschen für das Lösen von Bilderrätseln zu bezahlen – Aufgaben, an denen die KI selbst noch scheitert.

Wichtig: Man kann sich also als Mensch nicht selbst anmelden, aber seinen eigenen AI Agent ins Moltbook schicken und ihn dort mit anderen Bots interagieren lassen.

Aktuell kommt man allerdings nur bis zur Warteliste. Der Andrang im Moltbook ist so offenbar so groß, dass unser Agent zumindest in den ersten 24 Stunden nach Anmeldung keine Antwort erhielt.

Dilemma zwischen technologischer Begeisterung und notwendiger Vorsicht

Die beeindruckende Autonomie, die Tools wie Moltbook und OpenClaw ermöglichen, erkauft man sich jedoch mit einer radikalen Offenlegung privater Daten. Das stellt Nutzer vor ein Dilemma zwischen technologischer Begeisterung und notwendiger Vorsicht:

Pro / Faszination	Contra / Risiken
„KI-Performancekunst”: Die Demonstration von KI-Interaktion und sozialem Verhalten ist tatsächlich beeindruckend.	Massive Sicherheitslücken: Kaum am Start, legte eine Datenbanklücke auf Moltbook bereits Nutzerdaten offen.
Zukunftsblick: Zeigt das Potenzial autonomer Agenten für komplexe Workflows. Die Vision, dass künftig einfache Prozesse zwischen Teams oder auch Unternehmen von ihren jeweiligen AI Agents „verhandelt“ werden, fühlt sich seit Moltbook ein gutes Stück greifbarer an.	Extremer Datenzugriff: Damit die Agenten eigenständig arbeiten und bspw. Kalender-Termine eintragen, benötigen sie oft Vollzugriff auf die Software (Passwörter, Mails). Theoretisch können sie so auch diverse andere Handlungen ausführen.
Open Source: Die Basis ist frei verfügbar, und ITler können sie leicht anpassen.	Keine Marktreife: Selbst der Entwickler warnt Laien, Moltbook ohne IT-Kenntnisse zu nutzen. Das Projekt sei noch sehr beta und die Aktionen der Bots schwer berechenbar.

Fazit: Spannendes Experiment, gefährliches Spielzeug

Moltbook ist aktuell eher ein „Spielzeug für Tech-Nerds“ als ein produktives Tool. Momentan besteht die größte Gefahr darin, dass Laien der Software aus Neugier weitreichende Berechtigungen auf ihren Rechnern erteilen.

Shaanan Cohney, Experte für Cybersicherheit an der Universität Melbourne, warnt zum Beispiel vor einer „sehr ernsten Gefahr“, da wir diese autonomen Bots bereits befähigen, bevor wir verstehen, wie man sie effektiv kontrolliert oder Sicherheitsrisiken verhindert.

Langfristig hingegen hat das „System Moltbook“ durchaus das Potenzial, etablierte Geschäftsmodelle anzugreifen: Wenn KI-Agenten Arbeit selbst organisieren, verlieren Klassiker wie SAP, Salesforce oder ServiceNow ihre zentrale Rolle. Kunden könnten sich künftig individuelle Lösungen von KI-Systemen schreiben lassen, anstatt Software „von der Stange“ zu kaufen. Ein Grund, warum die Börsenwerte dieser Firmen zuletzt unter Druck geraten sind.

Darum sollten Sie beim Testen von Moltbook so vorsichtig sein

Hier liegt eine Chance für Europa: OpenClaw beweist, dass Relevanz durch kluge Verknüpfung entsteht, nicht nur durch Kapital. Es kommt nicht nur auf die Rechenleistung an, sondern darauf, was wir daraus machen, um das Miteinander zwischen Mensch und Maschine für beide Seiten erquicklich zu gestalten.

Für Unternehmen gilt daher: Aktuell bietet Moltbook nur einen interessanten Ausblick auf die Zukunft der Agenten-Kommunikation, sollte aber aufgrund der unklaren Urheberschaft und der immensen Sicherheitsrisiken keinesfalls in produktiven Umgebungen oder auf privaten Hauptrechnern installiert werden. Langfristig dürfte das Agent-to-Agent-Business (A2A) unser aller Arbeiten massiv verändern – einen Vorgeschmack bekommen wir soeben.

Mehr KI-Updates gefällig?

In unserem monatlichen Newsletter erhalten Sie ausgesuchte Infos und Einordnungen zu AI, Agents und Automatisierung. Zudem gibt es regelmäßig Einladungen zu kostenlosen KI-Webinaren.

Der Beitrag Moltbook – wenn Agenten unter sich bleiben erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Timm Rotter

FAQs zum AI Act – das müssen KI-Entscheider wissen

Was bedeutet der AI Act für Unternehmen?

Wie ist der AI Act aus Unternehmenssicht zu bewerten?

Welche KI-Anwendungen werden im KI-Gesetz der EU reguliert?

Welche KI-Systeme mit hohem Risiko gibt es in Unternehmen?

Welche Anforderungen, was KI-Transparenz angeht, betreffen Unternehmen?

Muss man fortan alle mit KI erzeugten Inhalte kennzeichnen?

Was gilt laut AI Act für Unternehmen hinsichtlich ihrer KonzernGPTs?

Gibt es Sonderregeln für besonders leistungsstarke KI-Chatbots?

Was regelt der AI Act zum Umgang mit Urheber- und Nutzungsrechten?

Müssen Unternehmen ihre Mitarbeiter:innen in puncto KI schulen?

Drohen Strafen, wenn Unternehmen die Regeln im KI-Gesetz nicht einhalten?

Braucht jedes Unternehmen einen „KI-Beauftragten“?

Reguliert der AI Act auch die private Nutzung?

Ab wann gilt der AI Act?

Was steht im deutschen Durchführungsgesetz zur EU-KI-Verordnung?

Was sollten Unternehmen jetzt tun?

Bei uns finden Sie die passenden Seminare

Fragen zum AI Act? Sprechen Sie uns an!

ChatGPT und Datenschutz: Wie Unternehmen den wichtigsten KI-Bot rechtssicher nutzen

ChatGPT und Datenschutz: Wie Unternehmen den wichtigsten KI-Bot rechtssicher nutzen

Inhaltsverzeichnis

Die beiden wichtigsten Fragen beim Datenschutz in ChatGPT

Um Datenschutz und ChatGPT zu verstehen, sollten Sie diese Begriffe kennen

Bei uns finden Sie für Ihr Team die passenden Seminare

DIY: sechs Einstellungen, um den Datenschutz in ChatGPT zu verbessern

Weitere Datenschutzfehler, die wir in ChatGPT immer wieder sehen

Drei Gründe für die disruptive KI-Akademie

Fazit: Datenschutz ist kein IT-Problem, sondern eine Kulturfrage

„Ohne den Einsatz von KI werden ÖPNV-Betriebe nicht mehr wettbewerbsfähig sein“

„Ohne den Einsatz von KI werden ÖPNV-Betriebe nicht mehr wettbewerbsfähig sein“

„'Behandelt die KI wie einen Mitarbeiter am ersten Arbeitstag' – das sagen wir jedem Kunden“

Bei uns finden Sie für Ihr Team die passenden Seminare

„Rechnungen manuell zu prüfen ist Zeitverschwendung in Zeiten von KI“

Drei Gründe für die disruptive KI-Akademie

„Man sollte von jedem Menschen im Berufsleben erwarten können, dass er eine gewisse Bereitschaft mitbringt, sich mit KI auseinandersetzen.“

„Beim Führerschein kommt die Theorie zuerst. Bei KI darf man sofort einsteigen und losfahren“

Sora-Aus: Warum das Scheitern der bekanntesten Video-KI eine gute Nachricht ist

Sora-Aus: Warum das Scheitern der bekanntesten Video-KI eine gute Nachricht ist

Inhaltsverzeichnis

Technisch brillant, aber ökonomisch nicht lebensfähig

Tabula rasa vor dem Börsengang

Video-KI und vieles mehr: Bei uns finden Sie passende Seminare für Ihr Team

Das Problem mit der Physik und dem Recht​

Welche Alternativen gibt es zu Sora jetzt noch?

Darf ich mit Sora erstellte Videos weiterhin nutzen?

Fazit: Die Evolution geht weiter – aber ernsthafter

Drei Gründe für die disruptive KI-Akademie

LinkedIn-Algorithmus und KI: Das Profil ist kein Lebenslauf mehr, sondern eine Datenbank

LinkedIn-Algorithmus und KI: Das Profil ist kein Lebenslauf mehr, sondern eine Datenbank

Inhaltsverzeichnis

1. Der Infotext: Semantische Schärfe statt Prosa

2. Lebenslauf-Audit: Das MECE-Prinzip für Ihre Stationen

Bei uns finden Sie für Ihr Team die passenden Seminare

3. Der 360-Grad-Check: Das Profil als System-Audit

Zusatztipp: Beim Profilbild Finger weg von KI

Datenschutz: Data Privacy by Design

Fazit: Circle of Competence statt Clickbaiting

Checklist: Prüfen Sie Ihr Profil in 60 Sekunden:

Profil-Checkliste

Drei Gründe für die disruptive KI-Akademie

Vergleich der ChatGPT-Modelle: Welches Modell für welche Aufgabe?

Vergleich der ChatGPT-Modelle: Welches Modell für welche Aufgabe?

GPT-5.3/4: Die Default-Allrounderin

Einsatzgebiete für GPT-5

ChatGPT Pro – die Super-KI, die kaum jemand braucht

Einsatzgebiete für ChatGPT Pro

OpenAI o3: Der tiefsinnige Denker

Einsatzgebiete für o3

Mehr KI-Updates gefällig?

GPT Image 1.5: Die integrierte Bildermacherin

Fazit: Welches Modell für welchen Zweck?

Bei uns finden Sie die passenden Seminare

Mehr aus Microsoft Copilot herausholen – drei Hacks für Einsteiger

Mehr aus Microsoft Copilot herausholen – drei Hacks für Einsteiger

Microsoft Copilot – das Interface für die eigene Arbeitsorganisation

Hack 1: Copilots größte Stärke: Er arbeitet mit Ihren Unternehmensdaten

Hack 2: Personen und Dokumente direkt im Prompt taggen

Hack 3: Geplante Prompts – Copilot regelmäßig für Sie arbeiten lassen

Das Problem mit der Physik und dem Recht

Mehr KI-
Updates
gefällig?