Die Bewertung von Risiken und die Festlegung geeigneter Konditionen oder Prämien ist in vielen Branchen ein komple-xer Prozess. Häufig sind dabei noch zahlreiche Medienbrüche und manuelle Arbeitsschritte erforderlich. Viele dieser Abläufe lassen sich jedoch durch den Einsatz von Künstlicher Intelligenz effizient automatisieren.
Director Consulting bei CGI Deutschland bei CGI
Die Welt braucht keine weiteren Experimente mit KI. Sie braucht Fortschritte, die sich in der Arbeitsweise von Unternehmen niederschlagen. Wir erleben derzeit eine Phase außergewöhnlicher technologischer Beschleunigung. Neue Modelle, Copiloten und Agenten werden mit rasender Geschwindigkeit auf den Markt gebracht. Unternehmensvorstände sind motiviert. Führungskräfte sind engagiert. Investitionen fließen. Dennoch sind die Auswirkungen der KI auf die Kerngeschäftsergebnisse branchenübergreifend nach wie vor uneinheitlich.
CEO bei Publicis Sapient
Viele Finance-Teams erproben KI in Pilotprojekten, ein breiter Einsatz im operativen Alltag bleibt jedoch bislang die Ausnahme. Eine aktuelle Befragung von Fachkräften zeigt: KI steckt häufig noch in der Experimentierphase, während manuelle Routinen weiterhin viel Zeit binden. 2026 wird damit zum Jahr der Operationalisierung. Der Beitrag ordnet die größten Hürden ein und zeigt konkrete Quick Wins sowie drei Schritte, mit denen Finance KI stabil automatisieren und skalieren kann.
Mitgründer & CEO bei Circula
Wie Marken ihre Sichtbarkeit in KI-gestützten Suchmaschinen erhöhen Für KI zählt Reputation statt SEO Sichtbarkeit und Reputation gehören zu den zentralen Währungen im
Geschäftsführer bei Wordfinder PR GmbH
Agentic AI geht weit über die klassische Prozessautomatisierung hinaus und erlaubt es, komplexe Aufgaben an KI-Agenten zu übertragen, die diese dann weitgehend eigenständig erledigen. Dafür stimmen sie sich untereinander ab, suchen Lösungen, treffen Entscheidungen und optimieren alle Abläufe kontinuierlich. Doch wie lässt sich ein Netzwerk aus Agenten am besten implementieren, um dem Autonomous Enterprise einen Schritt näher zu kommen?
Technical Solutions Director AI and Advanced Analytics Consulting EMEA bei Pegasystems bei Pegasystems
Digitale Lernformate übertragen häufig analoge Bildungsmodelle in digitale Räume, ohne deren strukturelle Grenzen zu überwinden. Der Beitrag analysiert, wie Metaverse-Umgebungen, Gamification und KI als gestaltete Systeme Lernprozesse neu strukturieren können. Im Fokus stehen erfahrungsbasiertes Lernen, adaptive Lernpfade sowie die Rolle von Gestaltung als verbindendes Element zwischen Technologie, Motivation und Wissensvermittlung.
Freelancer bei INVOID
Künstliche Intelligenz (KI) ist allgegenwärtig. Doch der langfristige geschäftliche Mehrwert bleibt häufig aus. Zu viele Unternehmen sehen KI noch als Werkzeug oder schnellen Fix – und nicht als das, was sie sein kann: ein strategischer Partner für kontinuierliches Lernen und Anpassung. Wer in einer dynamischen, datengetriebenen Welt Wettbewerbsvorteile erzielen will, muss seine Organisation grundlegend anders aufstellen – als ein Cybernetic Enterprise, in dem KI als Feedback- und Lernverstärker fest verankert ist. Statt KI isoliert oder als Add-on zu betrachten, sollte sie integraler Bestandteil des organisatorischen Betriebssystems werden. Denn erst wenn KI Daten, Prozesse und Kundeninteraktionen in verwertbares Lernen umwandelt, wird aus einem nützlichen Tool ein echter Gamechanger – einer, der Unternehmen agiler, lernfähiger und zukunftsorientierter macht.
Global Chief of Cybernetic Transformation & Partner bei Zühlke
Der neue Teamplayer: Wie KI-Agenten sicher in die Arbeitswelt integriert werden Mit dem rasanten Fortschritt der künstlichen Intelligenz entwickelt sich diese rasch zu mehr
Chief Information Security Officer bei Zscaler
Warum 95 % der KI-Projekte scheitern – und wie Datenreife den Unterschied macht Die Erwartungen an Künstliche Intelligenz könnten kaum höher sein –
Managing Director und Global Head of Data, Analytics & AI bei Wipro
Minimal oder hoch? Der Erwägungsgrund 53 des AI Acts der EU zielt unter anderem darauf ab, KI-Systeme in Risikoklassen einzuteilen. So sollen KI-Systeme mit Minimal-Risiko von Hoch-Risiko abgrenzen lassen. In der Praxis stößt dies jedoch auf erhebliche Interpretationsspielräume. Entscheidend sind der Kontext, die technische Intransparenz (bzw. Transparenz) und die regulatorische Auslegung – der AI Act konkretisiert diese Faktoren allerdings nur unzureichend. Die fehlende Klarheit stellte Unternehmen vor Compliance-Herausforderungen. Zugleich wird dadurch der Bedarf an branchenspezifischen Leitlinien sowie dynamischen Anpassungsmechanismen (von Minimal-Risiko zu Hoch-Risiko) deutlich. Doch bis diese vorliegen, bleibt die Klassifizierung von KI-Systemen eine Einzelfallentscheidung mit hoher Rechtsunsicherheit. Ein Problem für Unternehmen, denn die Klassifizierung eines KI-Systems hat einen erheblichen Einfluss auf dessen Entwicklungskosten. Zum einen, weil der Aufwand für die Umsetzung von Compliance-Anforderungen bei Minimal-Risiko im Vergleich zu Hoch-Risiko deutlich geringer ist. Zum anderen drohen zusätzliche Aufwände für Compliance und weitere Entwicklungskosten, wenn ein KI-System erst nachträglich als Hoch-Risiko klassifiziert wird. Mögliche Sanktionen drohen perspektivisch ebenfalls. Dieser Artikel stellt dar, weshalb von einer Einzelfallprüfung in keinem Fall abzuraten, sondern diese zu befürworten ist. Anhand eines konkreten Beispiels wird gezeigt, wie eine solche Prüfung nach dem Erwägungsgrund 53 erfolgen kann und welche Tools dabei unterstützen können.
Consultant im Public Sektor bei adesso SE
Finanzdienstleister befinden sich mitten in einer umfassenden Modernisierung, wobei KI eine immer wichtigere und transformative Rolle spielt. Der potenzielle Einfluss ist besonders deutlich im Zahlungsverkehr erkennbar, in dem KI Fortschritte in kritischen Bereichen wie Risikomanagement und Betrugserkennung ermöglicht.
Global Architect and Payments Lead, Financial Services bei Red Hat
Künstliche Intelligenz hat sich in der DACH-Region von einem Technologieprojekt zu einem strategischen Erfolgsfaktor entwickelt. Doch viele Unternehmen scheitern daran, ihre KI-Initiativen aus der Pilotphase in die Skalierung zu überführen – trotz hoher Investitionen und großem Potenzial. Fehlende Governance, Datenqualität und Kulturwandel bremsen den Fortschritt. Nur ein ganzheitlicher Ansatz, der Strategie, Technologie, Daten und Menschen verbindet, macht KI zum Enabler für Wachstum, Resilienz und nachhaltige Wettbewerbsfähigkeit.
Managing Partner und Head of Consulting DACH DXC Technology, Managing Director DXC Technology Deutschland Consulting GmbH bei DXC Technology
Mehr laden →
