##  Pfadnavigation

1. [ Startseite ](/)
2. [ AI FIRST Podcast ](/podcast/ai-first-podcast)
3. KI-Strategie 2026: Von der Pilotphase zur messbaren Wertschöpfung

# KI-Strategie 2026: Von der Pilotphase zur messbaren Wertschöpfung

            **Podcast:**

   [AI FIRST Podcast](/podcast/ai-first-podcast)

              **Erscheinungsdatum:**

   2. Januar 2026

            **Länge:**

   00:54:02

    [         Link zur Episode (extern)   ](https://podcasters.spotify.com/pod/show/felix-schlenther/episodes/KI-Prognosen-2026-mit-Christoph-Pacher--State-of-Process-Automation-Podcast-e3d21ru)

 ![KI Prognosen 2026 (mit Christoph Pacher, State of Process Automation Podcast)](https://www.botcaster.de/sites/default/files/styles/podcast_n_episode_metadata_image_1x/public/2026-08/41650605-1782909280239-a28242080faaf.jpg.webp?itok=DneQFXND)

###   KI Prognosen 2026 (mit Christoph Pacher, State of Process Automation Podcast)

   2. Januar 2026 · [AI FIRST Podcast](/podcast/ai-first-podcast)

Wie schließt man die wachsende Lücke zwischen dem rasanten Fortschritt der KI-Technologie und ihrer tatsächlichen Anwendung in Unternehmen? In der ersten Folge des AI FIRST Podcast im Jahr 2026 widmet sich Host Felix Schlenther genau dieser Frage. Traditionell zum Jahresauftakt begrüßt er Christoph Pacher, Host des Podcasts State of Process Automation, um das vergangene KI-Jahr 2025 zu analysieren und mutige Prognosen für 2026 zu wagen. Gemeinsam beleuchten sie, warum viele Unternehmen noch im Pilotstadium feststecken und wie der Fokus nun von der reinen Technologie auf die Lösung konkreter Geschäftsprobleme verlagert werden muss. Diese Episode ist ein unverzichtbarer Leitfaden für Entscheider:innen, die KI nicht nur als Hype-Thema verstehen, sondern als strategisches Werkzeug zur Wertschöpfung einsetzen wollen.

## Das Wichtigste auf einen Blick

- **2025 war intensiv:** Christoph beschreibt das Jahr als intensiv, geprägt von der Spannung zwischen wirtschaftlichem Druck, der Investitionen bremst, und einer sich explosionsartig entwickelnden KI-Technologie, die Unternehmen zwingt, am Ball zu bleiben.
- **Modelle gleichen sich an:** Die führenden KI-Modelle von Anbietern wie Google und OpenAI werden 2026 in ihrer Leistungsfähigkeit für die meisten Anwendungsfälle kaum noch zu unterscheiden sein. Der Wettbewerbsvorteil verlagert sich von der Wahl des besten Modells hin zur intelligenten Prozessintegration und der Nutzung eigener Daten.
- **KI wird zum Action-Layer:** Statt sich in verschiedene Systeme wie CRM oder ERP einzuloggen, werden Mitarbeiter:innen zunehmend über eine zentrale KI-Schnittstelle agieren. Diese Ebene führt Aktionen in anderen Systemen aus und wird zum neuen, zentralen Betriebssystem der Arbeit.
- **Renaissance der Intelligent Automation:** Nach Jahren des KI-Hypes rückt wieder das eigentliche Problem in den Fokus. Unternehmen erkennen, dass nicht jede Herausforderung eine generative KI benötigt. Ein pragmatischer Mix aus verschiedenen Automatisierungstechnologien, von RPA bis KI, wird entscheidend sein.
- **Der Druck zu liefern steigt:** 2026 wird das Jahr der Anwendung. Nachdem viele Unternehmen 2025 in Pilotprojekten stecken blieben, zwingt der wirtschaftliche Druck sie nun, echten und messbaren Business Value aus ihren KI-Initiativen zu generieren.
- **Vertrauen bleibt die Hürde:** Im privaten Bereich wird der Durchbruch autonomer KI-Agenten, die selbstständig Flüge buchen oder komplexe Käufe tätigen, ausbleiben. Das Misstrauen und die Gewohnheit der Nutzer:innen, selbst vergleichen und entscheiden zu wollen, sind noch zu große Barrieren.

## Rückblick 2025: Zwischen optimistischen Prognosen und der Realität

Christoph blickt mit einer Mischung aus Selbstkritik und Bestätigung auf seine Prognosen für 2025 zurück. Seine Einschätzung: In Bezug auf die technologische Entwicklung hat er die Geschwindigkeit gut getroffen, doch die Adaption in den Unternehmen verlief deutlich langsamer, als er erwartet hatte. Felix stimmt dem zu und stellt fest, dass eine gewisse KI-Müdigkeit selbst bei Expert:innen einsetzt. Die Technologie sei bereits so ausgereift, dass Unternehmen Jahre bräuchten, um allein das heutige Potenzial voll auszuschöpfen.

Eine zentrale Prognose von Christoph war, dass **Automatisierung Neueinstellungen ersetzen** würde. Dies ist nur teilweise eingetreten. Er nennt das Beispiel von FinAuto, einem Auto-Abo-Anbieter, der gezielt Stellenprofile wie den Kundenservice analysiert und Aufgaben an KI-Agenten übergibt, um mit derselben Mitarbeiterzahl mehr Umsatz zu erzielen. Felix ergänzt diese Beobachtung durch die wichtige Unterscheidung zwischen *Process Workern* (z. B. in der Buchhaltung), deren standardisierte Aufgaben leichter zu automatisieren sind, und *Knowledge Workern* (z. B. Anwälte), deren komplexe Tätigkeiten eine größere Herausforderung darstellen. Hindernisse wie langwierige Verhandlungen mit Betriebsräten verlangsamen die Transformation zusätzlich.

Auch die Idee, dass KI ein **Lean-Prinzip für Wissensarbeiter** ermöglicht, hat erste Formen angenommen. Christoph erklärt das Konzept eines digitalen Zwillings, der das Wissen und die Best Practices von erfahrenen Mitarbeitern extrahiert, um neue oder weniger erfahrene Kollegen anzuleiten. Ein reales Beispiel ist ein CIO eines Mittelständlers, dessen Erfahrung in ein KI-Tool überführt wurde, um Mitarbeiterfragen schneller zu beantworten. Im Vertrieb lässt sich so analysieren, was Top-Performer anders machen, und dieses Wissen als Coaching für das gesamte Team nutzbar machen.

Weniger eingetreten sind die Prognosen, dass sich **Software-Preis-Modelle durch KI-Agenten ändern** oder dass diese **Randsysteme** (z. B. für die Spesenerfassung) ersetzen. Die Entwicklung ist noch nicht weit genug fortgeschritten. Allerdings, so Felix, zeigen aufstrebende Tools wie das No-Code-Startup Lovable, dass die Fähigkeit, schnell eigene, einfache Anwendungen zu bauen, zunimmt. Die Gewinner des Jahres 2025 waren laut Christoph und Felix klar die vertikal integrierten Tech-Giganten, allen voran Google. Mit eigenen Chips, führenden Forschungslaboren und einer riesigen Distributionsmacht konnten sie ihre Position im KI-Wettbewerb massiv stärken.

## Prognose 2026: Der Fokus verschiebt sich vom Modell zur Anwendung

Für 2026 prognostiziert Christoph eine fundamentale Verschiebung. Die Leistungsfähigkeit der großen Sprachmodelle von OpenAI, Google, Anthropic und anderen wird sich so stark annähern, dass die Wahl des Modells für die meisten Geschäftsanwendungen zweitrangig wird. Stattdessen wird die entscheidende Frage lauten: Wie gestalten wir unsere Prozesse neu, um das Potenzial der KI zu nutzen? Der Wettbewerbsvorteil liegt dann nicht mehr in der Technologie selbst, sondern in der Qualität der eigenen Daten, der intelligenten Orchestrierung und der Fähigkeit, die richtigen Anwendungsfälle zu identifizieren, die den größten Business Value liefern.

## KI als zentraler Action-Layer

Eine der weitreichendsten Prognosen ist, dass KI zum dominanten Action-Layer in Unternehmen wird. Mitarbeiter:innen werden nicht mehr primär in ihren CRM-, ERP- oder anderen Fachanwendungen arbeiten. Stattdessen interagieren sie mit einer zentralen KI-Schnittstelle, die sie per Sprache oder Text anweisen. Diese Ebene versteht die Anweisung - etwa Gib mir einen Überblick über die Umsätze meiner Top-3-Kunden - greift im Hintergrund auf die nötigen Systeme zu, beschafft die Informationen und kann sogar Folgeaktionen auslösen, wie das Anlegen einer neuen Verkaufschance oder das Vereinbaren eines Termins. Dies löst einen strategischen Kampf um die Kontrolle dieser Schnittstelle aus, da etablierte Softwareanbieter wie Salesforce oder SAP riskieren, den direkten Kundenzugang zu verlieren.

## Die Rückkehr der Intelligent Automation

Parallel zur Spezialisierung auf KI beobachtet Christoph eine wachsende KI-Müdigkeit. Der Hype hat dazu geführt, dass Unternehmen versuchen, jedes Problem mit generativer KI zu lösen, obwohl oft einfachere, regelbasierte Automatisierungslösungen effizienter wären. Daher erwartet er eine Renaissance der Intelligent Automation. Dieser Ansatz stellt das Geschäftsproblem in den Mittelpunkt und wählt dann aus einem Baukasten verschiedener Technologien - von Robotic Process Automation (RPA) über Low-Code-Plattformen bis hin zu KI - die passende Lösung aus. Felix betont, dass KI in vielen Firmen als Dosenöffner für längst überfällige Digitalisierungs- und Standardisierungsprojekte fungiert hat. Unternehmen, die bereits über ein Center of Excellence für Automatisierung verfügen, tun sich nun leichter, auch KI-Projekte erfolgreich zu skalieren.

## Praktische Schritte für Unternehmen

1. **Beginne beim Problem, nicht bei der Technologie:** Anstatt nach einem Anwendungsfall für die neueste KI-Funktion zu suchen, identifiziere ein reales, schmerzhaftes Geschäftsproblem. Prüfe dann unvoreingenommen, welche Technologie - ob KI oder eine einfachere Automatisierung - die beste Lösung bietet.
2. **Nutze vorhandene Strukturen:** Wenn dein Unternehmen bereits Erfahrung in der Prozessautomatisierung hat, baue darauf auf. Die Prinzipien zur Identifizierung, Umsetzung und Skalierung von Anwendungsfällen sind sehr ähnlich, egal ob es sich um RPA oder KI handelt.
3. **Fokus auf Time-to-Value:** Setze auf schnelle, iterative Projekte, die in kurzer Zeit einen messbaren Mehrwert schaffen. Lange, komplexe Implementierungen haben in der sich schnell verändernden Technologielandschaft ein hohes Risiko zu scheitern.
4. **Evaluiere einen Action-Layer:** Analysiere, wie eine zentrale KI-Schnittstelle die Arbeit deiner Teams vereinfachen könnte. Ein solcher Layer kann Systembrüche überwinden und die Produktivität steigern, indem er den direkten Wechsel zwischen unzähligen Anwendungen reduziert.

---

 version="1.0" encoding="UTF-8"?
      .st0 {
        fill: #010101;
      }

      .st1 {
        fill: #b0c0b3;
      }

      .st2 {
        fill: #3b3a3b;
      }

      .st3 {
        fill: #3a3a3a;
      }

      .st4 {
        fill: #5e7185;
      }

      .st5 {
        fill: #f9eddd;
      }

      .st6 {
        fill: #000100;
      }

      .st7 {
        fill: #aebeb3;
      }

      .st8 {
        fill: #fefefe;
      }

      .st9 {
        fill: #7f93a8;
      }

      .st10 {
        fill: #f8f0df;
      }

      .st11 {
        fill: #fbf0df;
      }

      .st12 {
        fill: #afbfb2;
      }

      .st13 {
        fill: #f7eedd;
      }

      .st14 {
        fill: #fdfdfd;
      }
                                                                                   Botcaster

  **Zusammengefasst von Anja Schirwinski**

Ich beschäftige mich beruflich wie privat mit Künstlicher Intelligenz - von konkreten Tools im Arbeitsalltag bis zu den größeren Fragen, die dabei aufkommen. Viele der Themen, die in Podcasts besprochen werden, begegnen mir in Projekten immer wieder. Deshalb fasse ich hier die für mich interessantesten Podcastfolgen zusammen und ordne sie aus der Praxis ein.

[Mehr über das Projekt Botcaster](/ueber-uns)

##  Themen

 - [  KI-Strategie  ](/podcasts/themen/ki-strategie)
- [  KI-Agenten und Automatisierung  ](/podcasts/themen/ki-agenten-automatisierung)

**Hinweis:** *Diese Zusammenfassung wurde mit Hilfe von KI aus dem Transkript der Podcast-Episode generiert.*

Alle Inhalte auf Botcaster beruhen auf öffentlich zugänglichen Podcasts rund um Künstliche Intelligenz. Wir fassen die Episoden nach bestem Wissen zusammen, übernehmen jedoch keine Gewähr für Vollständigkeit, Aktualität oder Richtigkeit der Inhalte. Die Rechte an den Original-Podcasts und -Inhalten liegen ausschließlich bei den jeweiligen Urheber:innen.