Digitale Wissensbissen - gelungene Software-Projekte, wirksame KI, zukunftsfähige Architekturen

Der EU AI Act ist seit August 2024 geltendes Recht – kein Entwurf, kein Vorschlag. Die Umsetzung erfolgt gestaffelt: Verbote (Social Scoring, biometrische Echtzeit-Identifikation) gelten seit Februar 2025, Regeln für General Purpose AI (GPT, Claude, Gemini) seit August 2025, Hochrisiko-KI-Pflichten ab August 2026, eingebettete KI in regulierten Produkten (Medizintechnik, Fahrzeuge, Maschinen) ab August 2027.


Zentrales Missverständnis: Der AI Act betrifft nicht nur große KI-Entwickler wie OpenAI oder Google, sondern jeden, der KI-Systeme auf dem EU-Markt bereitstellt oder einsetzt – auch Deployer, also Unternehmen, die KI-Tools Dritter nutzen. Die Episode erklärt die Unterscheidung zwischen Provider und Deployer, die acht Hochrisikobereiche (u.a. Beschäftigung/HR, Kreditscoring, kritische Infrastruktur) und das entscheidende Kriterium: Bewertet oder selektiert das System natürliche Personen? Ein CV-Ranking-Tool ist Hochrisiko, ein Bewerberchatbot nicht.

Künstliche Intelligenz ist 2026 in aller Munde, doch im Unternehmensalltag bleibt der echte Impact oft aus. In dieser Episode analysieren wir die drei typischen Muster, mit denen Unternehmen an KI scheitern: die Abwarte-Fraktion mit unkontrollierter Schatten-IT, die Copilot-Illusion ohne messbare Produktivitätssteigerung und das wirkungslose Center of Excellence, das an den falschen Problemen arbeitet.


Wir zeigen, warum beide Extrempositionen – „KI ist nur eine Technologie" und „Alles muss AI-first sein" – in die Sackgasse führen. Stattdessen braucht es einen strategischen Perspektivenwechsel: KI nicht als Ersatz für Mitarbeiter, sondern als Verstärker der besten Leute im Unternehmen. Qualitätssteigerung und Durchsatzskalierung statt Mittelmäßigkeit durch Automatisierung.


Am konkreten Beispiel der Ausschreibungsbearbeitung (RFP/RFI/RFQ) wird deutlich, wie KI einen Prozess von fünf Tagen auf fünf Stunden reduzieren kann – ohne den Fachexperten überflüssig zu machen. Die unbequeme Wahrheit: Viele Unternehmen brauchen vor KI erst konsequente Digitalisierung und Prozessverständnis.


Themen dieser Episode: Schatten-KI und Datenschutzrisiken · Microsoft Copilot und der ausbleibende Produktivitätsboost · Center of Excellence richtig aufsetzen · KI als Forschungsgebiet vs. Einzeltechnologie · Generative KI, Machine Learning, OCR, Computer Vision · Fachkräftemangel als eigentlicher Treiber · Digitalisierung als Voraussetzung für KI · Prozessautomatisierung mit Human-in-the-Loop · Ausschreibungen automatisieren mit GenAI · KI-Strategie vs. KI-Hype · Upstream, Kernarbeit, Downstream – wo KI wirklich hilft

In dieser Episode analysieren wir kritisch, wann agiles Projektmanagement die richtige Wahl ist – und wann klassische Wasserfall-Methoden oder hybride Ansätze besser funktionieren.


Agile Mythen entlarvt


Warum "agil" nicht bedeutet: kein Plan, keine Doku, keine Entscheidungen Der Unterschied zwischen echter Agilität und chaotischem Projektvorgehen Warum agile Projekte mehr Disziplin erfordern, nicht weniger


Anti-Agile Warnsignale


Fehlende oder unklare Requirements als Projektstart Kein echter Product Owner mit Entscheidungsbefugnis Fehlende Produktvision und Priorisierung Nicht cross-funktionale Teams mit externen Abhängigkeiten Scope Creep unter dem Deckmantel der Flexibilität


Wann Wasserfall besser funktioniert


Stabile, bekannte Anforderungen (z.B. interne Architekturprojekte) Strikte regulatorische Vorgaben (Medizinprodukte, Luftfahrt, Automotive) Fix-Price-Projekte mit vollständiger Spezifikation Hoher Dokumentations- und Prüfungsbedarf Projekte mit vielen externen Abhängigkeiten


Hybride Ansätze


Wasserfallspezifikation für das Kernprodukt (regulatorische Prüfungen, Fixpreis-Möglichkeit) Agile Umsetzung und Weiterentwicklung (Marktfeedback, schnelle Anpassungen) Wie man das Beste aus beiden Welten kombiniert

200-seitige Compliance-Fragebögen, drei Wochen später derselbe Bogen mit anderen Formulierungen – und immer wieder Senior-Mitarbeiter, die als teure Copy-Paste-Maschinen fungieren. In dieser Episode zeigen wir an einem konkreten Kundenprojekt, wie KI-gestützte Automatisierung dieses Problem löst – ohne den Menschen aus der Verantwortung zu nehmen.


Wir sprechen über: Warum "einfach ChatGPT draufwerfen" in Compliance-Kontexten scheitert. Wie Retrieval Augmented Generation (RAG) und Semantic Embeddings zusammenspielen, um relevante Dokumentenpassagen in Sekunden zu finden. Warum der Human-in-the-Loop-Ansatz keine Notlösung ist, sondern die einzig sinnvolle Architektur für auditierfähige Systeme. Und weshalb die unglamourösen Komponenten – OCR, Dokumentenstrukturierung, Antwortspeicher – oft den Unterschied zwischen Demo und Produktion machen.


Ein Praxisbericht für alle, die Compliance-Prozesse digitalisieren wollen, KI-Projekte jenseits des Hypes planen oder verstehen möchten, wie man Large Language Models in regulierten Umgebungen sinnvoll einsetzt.