Vom 27. bis 29. Oktober 2026 bringt die Internationale Zuliefererbörse (IZB) in Wolfsburg Automobilzulieferer, Fahrzeughersteller, Technologieanbieter und Entscheider der Mobilitätsbranche zusammen. Für Zulieferer ist die IZB einer der wichtigsten Orte, um mit OEMs und Partnern über die Anforderungen von morgen zu sprechen. Und diese Anforderungen steigen: OEMs erwarten immer mehr standardisierte Daten zu Bauteilen, Materialien, CO₂-Fußabdrücken und Rückverfolgbarkeit. Gleichzeitig wachsen der Kostendruck und das Tempo der Entwicklung.
Consileon ist als Aussteller vertreten und zeigt unter dem Motto „Your Journey Into the Catena-X Network. From Obligation to Advantage.“, wie Zulieferer aus diesen Pflichten Wettbewerbsvorteile erlangen und belastbare, wiederverwendbare Datenprozesse aufbauen.
Catena-X schafft die Grundlage für einen standardisierten und souveränen Datenaustausch in der Automobilindustrie, vom Rohstofflieferanten über Tier-3-, Tier-2- und Tier-1-Zulieferer bis zum Fahrzeughersteller. Wer seine Daten nicht für jede Kundenanfrage neu zusammenträgt, sondern einmal strukturiert erfasst und automatisiert bereitstellt, spart Aufwand und schafft die Basis für neue digitale Anwendungen.
Consileon begleitet Zulieferer von der ersten Orientierung bis zum produktiven Datenaustausch. Wir bewerten die Ausgangssituation, wählen passende Use Cases aus, harmonisieren Daten aus bestehenden Systemen und integrieren die Anwendungen in die vorhandene Prozess- und IT-Landschaft.
Ab dem 18. Februar 2027 benötigt jede Elektrofahrzeugbatterie einen digitalen Batteriepass. Er ist die erste verpflichtende Form des Digital Product Passport (DPP). Mit der EU-Ökodesign-Verordnung (ESPR) werden weitere Produktgruppen folgen. Catena-X stellt dafür einen offenen und interoperablen Standard bereit, mit dem Produktdaten sicher und nachvollziehbar entlang der Lieferkette geteilt werden können.
Das betrifft nicht nur Batteriehersteller. Auch Rohstofflieferanten und Komponentenhersteller entlang der Lieferkette müssen damit rechnen, dass ihre Kunden Daten und Nachweise bei ihnen anfragen. Der größte Aufwand liegt dabei erfahrungsgemäß in den Daten selbst: Sie müssen vollständig sein, einer Prüfung standhalten und im Tagesgeschäft abrufbar sein.
Treffen Sie die Experten von Consileon vom 27. bis 29. Oktober 2026 auf der IZB in Wolfsburg. Am Stand 2511 in Halle 2 zeigen wir Ihnen im persönlichen Gespräch, wie Ihr Weg in das Catena-X-Netzwerk aussehen kann.
Der deutsche Retail-Banking-Markt steht vor einem grundlegenden Wandel. Sinkende Zinserträge, steigende Kosten und der wachsende Wettbewerb durch Direktbanken, Neobanken und Plattformanbieter setzen klassische Geschäftsmodelle zunehmend unter Druck. Gleichzeitig belasten gewachsene IT-Landschaften, Filialstrukturen und personalintensive Prozesse die Effizienz vieler Institute.
Diese Entwicklung hat weitreichende Folgen: Banken müssen ihre Ertragsquellen diversifizieren, Kostenstrukturen weiterentwickeln und den Zugang zu ihren Kunden langfristig sichern. Einzelne Digitalisierungsinitiativen reichen dafür nicht aus. Gefragt ist eine integrierte Transformation von Strategie, Vertrieb, Technologie, Organisation und Steuerung. Parallel verändern der demografische Wandel, wachsende Vorsorgelücken und neue Kundenerwartungen die Bedarfsstruktur im Retail Banking. Kunden erwarten personalisierte Angebote, eine permanente digitale Verfügbarkeit und zugleich persönliche Unterstützung bei komplexen finanziellen Entscheidungen. Die Verbindung aus digitalem Komfort, individueller Ansprache und vertrauensvoller Beratung wird damit zum zentralen Differenzierungsfaktor.
Zugleich verschiebt sich die Kundenschnittstelle zunehmend in digitale Plattformen und Ökosysteme. Finanzierungs-, Anlage- und Versicherungsangebote entstehen immer häufiger direkt im jeweiligen Bedarfsmoment. Open Finance und Embedded Finance eröffnen Banken neue Möglichkeiten, Kundenzugang und Ertragspotenziale auch außerhalb der eigenen Kanäle zu sichern. Künstliche Intelligenz beschleunigt diese Entwicklung zusätzlich. KI-Agenten können künftig nicht nur einzelne Aufgaben unterstützen, sondern ganze End-to-End-Prozesse innerhalb definierter Leitplanken bearbeiten. Eine leistungsfähige Datenbasis, klare Governance-Strukturen und wirksame Human-in-the-Loop-Mechanismen werden damit zu grundlegenden Voraussetzungen für skalierbare und regulatorisch sichere Geschäftsmodelle.
Unser Whitepaper „Retail Banking 2030+: Get smart. Get future ready.“ zeigt,
Im Fokus stehen dabei acht strategische Imperative für das Retail Banking 2030+: strategischer Fokus, Plattformen und Ökosysteme, datengetriebener Vertrieb, KI-agentenbasierte Prozesse, innovative Produkte sowie Daten-, Transformations- und Steuerungsexzellenz. Das Consileon Retail Banking Reifegradmodell unterstützt Banken dabei, den eigenen Entwicklungsstand zu bewerten, Fähigkeitslücken zu erkennen und priorisierte Handlungsfelder von der Analyse bis zur Umsetzung zu bearbeiten.
LLMs verändern die Softwareentwicklung spürbar. Code und Tests können schneller erzeugt, Prototypen schneller generiert und Dokumentationen effizienter erstellt werden. Doch der erfolgreiche Einsatz von KI im Software Development Life Cycle (SDLC) entsteht nicht durch ein einzelnes Tool. Gerrit Verse erklärt im Interview, warum Unternehmen klare Leitplanken benötigen, welche Fehler häufig passieren und wie Consileon KI-gestützte Entwicklung praxisnah, sicher und wirksam in Teams integriert.
KI ist in der Softwareentwicklung angekommen und wird nicht wieder verschwinden. Der Grund dafür ist einfach: Sie kann viele Aufgaben schneller und effizienter erledigen. Dieser Support erstreckt sich mittlerweile über den gesamten SDLC: vom konzeptionellen Sparring und der Qualitätssicherung von User Storys über konkrete Implementierungshilfe und Testgenerierung bis zu Architekturanalysen und detailliertem Reporting.
Gleichzeitig verändert KI nicht nur einzelne Arbeitsschritte, sondern zunehmend die Art, wie Software entwickelt wird. Entwicklungsteams können sich stärker auf fachliche Anforderungen, Lösungsdesign und Qualitätssicherung konzentrieren, während repetitive Tätigkeiten automatisiert werden.
Viele Unternehmen starten mit einem leistungsfähigen Modell und erwarten automatisch bessere Ergebnisse und sofortige Produktivitätsgewinne, die ausbleiben. KI ist kein Selbstzweck. Sie kann ein sehr leistungsfähiges Werkzeug sein, wenn sie gezielt eingesetzt wird. In der Praxis zeigt sich schnell, dass dafür oft wichtige Voraussetzungen fehlen. Daten sind nicht in der benötigten Qualität verfügbar, Verantwortlichkeiten sind unklar oder bestehende Prozesse sind gar nicht darauf ausgelegt, KI sinnvoll zu integrieren.
Ein weiterer Fehler ist, bei ersten Prototypen stehen zu bleiben. Häufig werden beeindruckende Demos gebaut, ohne die dahinterliegenden Arbeitsabläufe grundlegend zu hinterfragen. Das eigentliche Potenzial entsteht aber erst, wenn Unternehmen den Mut haben, ihre Entwicklungsprozesse neu zu denken und KI systematisch in den Software Development Lifecycle einzubinden.
Hinzu kommt das Risiko des blinden Vertrauens. KI kann sehr überzeugend wirken, auch wenn der erzeugte Code fachlich, architektonisch oder qualitativ nicht den Anforderungen entspricht. Dann entstehen Logikfehler, unnötige Komplexität oder andere technische Schulden. KI beschleunigt deshalb nicht automatisch gute Softwareentwicklung, sondern zunächst einmal das, was man ihr vorgibt.
Auf ein kurzes Hoch kommt schnell die ernüchternde Erkenntnis, dass die KI nicht die Qualitätsziele langfristig erfüllen kann, die man sich vorstellt. Ab diesem Punkt beginnt die KI-Ingenieursleistung und die muss gekonnt sein. Erfolgreiche KI-gestützte Softwareentwicklung beginnt deshalb nicht mit dem Tool, sondern mit klaren Prinzipien für den Einsatz von KI. Erst dann können Unternehmen die Potenziale der Technologie nachhaltig und kontrolliert nutzen.
Unser Ansatz basiert auf drei Säulen: passende Rahmenbedingungen, klare Leitsätze und das richtige Tooling.
Die wichtigste Grundlage sind die Rahmenbedingungen. Unternehmen müssen zunächst klären, welche KI-Lösungen genutzt werden dürfen, wie Beschaffung und Zugriff organisiert sind, welche Sicherheitsanforderungen gelten und wie der Einsatz von KI durch Management und Organisation unterstützt wird. Ohne diese Voraussetzungen scheitern viele Initiativen bereits, bevor sie einen echten Mehrwert erzeugen.
Die zweite Säule sind klare Leitsätze und befähigte Mitarbeiter. Dazu gehört etwa der Grundsatz: so wenig KI wie nötig, so viel wie sinnvoll. Ein weiterer wichtiger Leitsatz lautet: Kontext ist eine Ressource. Jede Information, die einem Modell bereitgestellt wird, muss verarbeitet werden. Deshalb sollte Kontext bewusst ausgewählt und nicht wahllos vergrößert werden. Gleichzeitig müssen Teams verstehen, wie KI funktioniert, wo ihre Grenzen liegen und wie Ergebnisse kritisch bewertet werden können.
Erst die dritte Säule ist das Tooling / AI-Engineering. Hier geht es darum, für jede Aufgabe die passenden Werkzeuge auszuwählen. Ein Teil ist das Modell, jedoch viel wichtiger ist es, wie die Daten durch clevere Ingenieursleistung ihren Weg in den Kontext finden.
Weil KI nicht automatisch die beste Lösung für jede Aufgabe ist. Klassische, deterministische Software ist in vielen Situationen deutlich schneller, günstiger und verlässlicher als das neueste und größte KI‑Modell. Wenn eine Aufgabe durch klare Regeln beschrieben werden kann, sollte sie auch regelbasiert gelöst werden. KI kommt primär dort zum Einsatz, wo klassische Ansätze an ihre Grenzen stoßen, etwa bei der Verarbeitung unstrukturierter Daten.
Daraus ergeben sich für uns zwei wichtige Grundsätze: Erstens: deterministisch, wo möglich – KI, wo nötig. Zweitens: Das KI-Modell sollte immer so klein wie möglich gewählt werden. Kleinere Modelle sind häufig kosteneffizienter, schneller und für viele Aufgaben völlig ausreichend. Deshalb betrachten wir jeden Anwendungsfall sehr genau. Geht es um Recherche, Dokumentation, Codegenerierung, Refactoring, Testing oder eine Softwarelösung mit KI? Je nach Aufgabe unterscheiden sich die Anforderungen an Qualität, Geschwindigkeit, Kosten und Kontrolle. Genau diese Differenzierung fehlt in vielen Unternehmen noch. Dabei entscheidet sie häufig darüber, ob KI wirtschaftlich und nachhaltig eingesetzt wird.
KI sollte nicht reflexhaft überall eingesetzt werden. Manchmal ist ein klarer Prozess, ein gutes Template oder eine saubere Architekturentscheidung wirksamer als ein KI-Agent. Der Punkt ist: KI soll Komplexität reduzieren, nicht neue schaffen. Wenn ein Entwickler mehr Zeit damit verbringt, KI-Ausgaben zu prüfen, zu korrigieren oder wieder aufzuräumen, weil die Qualität nicht stimmt, ist nichts gewonnen. Deshalb muss man sehr bewusst entscheiden, wo KI wirklich hilft und wo klassische Softwareentwicklung überlegen bleibt.
Eine zentrale Rolle. Wir sprechen bewusst von KI-gestützter Softwareentwicklung und nicht von autonomer Softwareentwicklung. Der Mensch bleibt verantwortlich für Architektur, Qualität, Sicherheit und die fachliche Korrektheit einer Lösung.
Ein großes Risiko besteht darin, dass Teams die Kontrolle über ihre eigenen Systeme verlieren. Wenn KI große Mengen Code erzeugt, ohne dass nachvollzogen wird, warum bestimmte Entscheidungen getroffen wurden, entstehen sogenannte kognitive Schulden. Die Software funktioniert zunächst, aber nach einiger Zeit versteht niemand mehr vollständig, wie sie aufgebaut ist oder welche fachlichen Anforderungen ursprünglich dahinterstanden. Wartung, Weiterentwicklung und Fehlerbehebung werden dadurch deutlich schwieriger.
KI-generierter Code muss deshalb konsequent geprüft, getestet und in den fachlichen Kontext eingeordnet werden. Code Reviews werden dadurch sogar anspruchsvoller. Ziel ist nicht, möglichst viel Arbeit an die KI abzugeben, sondern die Kontrolle über die eigene Lösung jederzeit zu behalten. Deshalb sehen wir die Rolle der KI eher als die eines sehr leistungsfähigen Junior-Partners: Sie unterstützt bei der Umsetzung, liefert Vorschläge und beschleunigt viele Arbeitsschritte. Die Verantwortung für die fachlichen Entscheidungen und die Bewertung der Ergebnisse bleibt jedoch beim Menschen.
Der größte Mehrwert entsteht überall dort, wo unstrukturierte Informationen verarbeitet werden müssen. Genau das war lange eine Schwäche klassischer Software. KI kann Texte, Dokumente, E-Mails, Quellcode oder andere unstrukturierte Daten verarbeiten und in eine nutzbare Form bringen.
In der Softwareentwicklung betrifft das beispielsweise bestehende Codebasen, Anforderungen, User Storys oder Dokumentationen. KI kann helfen, Zusammenhänge zu erkennen, Informationen zu strukturieren, fehlende Dokumentation zu ergänzen oder dabei helfen, sich schneller in komplexe Systeme einzuarbeiten. Auch die Generierung von Code, Tests oder technischen Dokumentationen profitiert davon.
Wichtig ist dabei, dass der eigentliche Mehrwert nicht im Schreiben einzelner Codezeilen liegt. Der größere Hebel entsteht, wenn KI dabei hilft, Wissen zugänglich zu machen, Zusammenhänge sichtbar zu machen und Informationen effizient aufzubereiten. Denn genau diese Tätigkeiten waren bislang oft zeitaufwendig, manuell und schwer zu automatisieren.
Gleichzeitig gilt auch hier: KI liefert Unterstützung und Vorschläge, aber keine absolute Wahrheit. Die fachliche Bewertung und die Verantwortung für das Ergebnis bleiben beim Menschen.
Wenn die organisatorischen und technischen Rahmenbedingungen geschaffen sind, ist Befähigung der wichtigste Erfolgsfaktor. Entwickler müssen verstehen, wie KI arbeitet, wo ihre Stärken liegen, aber auch, wo ihre Grenzen sind. Die bloße Kenntnis von Prompt-Techniken wird oft überschätzt und ist nur der erste Schritt. Der eigentliche Wert entsteht erst durch ein fundiertes Systemverständnis: Wie steuere ich den Kontext gezielt? Wo liegen die architektonischen Grenzen des Modells? Und vor allem: Wie validiere ich den Output methodisch? KI ist ein massiver Beschleuniger, aber die Endverantwortung für Code-Qualität und Wartbarkeit lässt sich nicht an ein LLM wegdelegieren, sie bleibt rundum beim Entwickler.
Gleichzeitig verändert KI die Zusammenarbeit in Entwicklungsteams. Niemand möchte ungeprüften, KI‑generierten Code reviewen, dessen Entstehung oder fachlicher Hintergrund nicht nachvollziehbar ist. Deshalb müssen Rollen, Verantwortlichkeiten und Qualitätsprozesse teilweise neu gedacht werden. Die Frage lautet nicht mehr nur: Wer schreibt den Code? Sondern auch: Wer versteht ihn, bewertet ihn und übernimmt langfristig die Verantwortung dafür?
Deshalb setzen wir auf praxisnahe Unterstützung direkt im Team. Nicht abstrakt in Schulungen, sondern am echten Code, an realen Anforderungen und innerhalb bestehender Entwicklungsprozesse. So entsteht Schritt für Schritt die Kompetenz, KI sinnvoll, effizient und verantwortungsvoll im Arbeitsalltag einzusetzen.
Wir beginnen bei der Problemstellung. Jedes Unternehmen, jedes Entwicklungsteam und jeder Anwendungsfall ist anders. Deshalb hören wir genau zu, welche Herausforderungen bestehen, welche Ziele erreicht werden sollen und warum bisherige Ansätze möglicherweise nicht den gewünschten Erfolg gebracht haben.
Dabei verbinden wir langjährige Erfahrung in der Softwareentwicklung mit fundierter KI-Expertise. Consileon entwickelt seit vielen Jahren selbst Software und beschäftigt sich bereits seit 2018 intensiv mit dem Einsatz von KI in unterschiedlichen Anwendungsfeldern. Diese Erfahrung und die kontinuierliche Weiterentwicklung helfen uns, Grenzen dieser Technik auszuweiten und Lösungen zu entwickeln, die viele für schwer bis unmöglich hielten.
Je nach Situation unterstützen wir auf unterschiedlichen Ebenen: von strategischen Fragen rund um Governance, Toolauswahl und Entwicklungsprozesse über den fachlichen Austausch auf Expertenebene bis hin zur direkten Mitarbeit in Projekten. Gemeinsam mit unseren Kunden entwickeln wir passende Vorgehensweisen, etablieren Leitplanken für den verantwortungsvollen Einsatz von KI und helfen dabei, Teams nachhaltig zu befähigen.
Dabei geht es uns nicht darum, möglichst viel KI einzusetzen. Unser Ziel ist, für jeden Anwendungsfall die sinnvollste Lösung zu finden – effizient, nachvollziehbar und langfristig tragfähig.
Stellen Sie sich nicht zuerst die Frage, welches Tool Sie kaufen sollten. Stellen Sie sich die Frage: Welches Problem möchten wir eigentlich lösen? KI ist kein Ziel an sich, sondern ein Werkzeug. Wenn sie dabei hilft, ein konkretes Problem besser, schneller oder wirtschaftlicher zu lösen, kann sie einen enormen Mehrwert schaffen. Wenn nicht, ist möglicherweise ein anderer Ansatz die bessere Wahl.
Wichtig ist außerdem, dem Thema die notwendige Rückendeckung zu geben. Erfolgreiche KI-Initiativen entstehen nicht allein durch Technologie. Sie benötigen klare Rahmenbedingungen, die Unterstützung des Managements und die richtigen Menschen, die den Wandel gestalten können. Gleichzeitig sollten Unternehmen den Mut haben, bestehende Prozesse zu hinterfragen und neu zu denken. Das größte Potenzial entsteht oft nicht dadurch, dass man bestehende Abläufe etwas schneller macht, sondern dadurch, dass man sie grundlegend verbessert.
Und vielleicht der wichtigste Punkt: Nehmen Sie die Menschen mit. Trotz aller technologischen Fortschritte spielt der Mensch weiterhin die entscheidende Rolle. Er definiert die Ziele, bewertet die Ergebnisse, übernimmt Verantwortung und sorgt dafür, dass aus technologischen Möglichkeiten tatsächlich nachhaltiger Mehrwert entsteht. KI kann vieles beschleunigen, aber gute Entscheidungen bleiben eine menschliche Aufgabe.
Consileon begleitet Unternehmen entlang der gesamten KI-Reise: von der strategischen Beratung über Governance und Toolauswahl bis hin zur Integration in Entwicklungsprozesse und der Umsetzung konkreter KI-Lösungen. Dabei verbinden wir KI-Expertise mit langjähriger Erfahrung in der Softwareentwicklung – praxisnah, technologieoffen und immer mit Fokus auf nachhaltigen Mehrwert.
Das Gesundheitsamt des Kreises Nordfriesland ist für die gesundheitliche Versorgung und den Schutz der Bevölkerung zuständig: vom Infektionsschutz über den Kinder- und Jugendgesundheitsdienst bis zur Hygiene- und Trinkwasserüberwachung. Digitalisierung, IT-Sicherheit, Datenschutz und KI verändern diese Arbeit spürbar. Es fehlte ein Format, das die digitale Transformation praxisnah vermittelt und die Mitarbeiter aktiv in den Wandel einbindet.
Ziel des Projekts war es, den digitalen Reifegrad im Gesundheitsamt zu steigern und eine tragfähige Grundlage für den weiteren Transformationsprozess zu schaffen. Die Mitarbeiter sollten digitale Kompetenzen für ihren Arbeitsalltag aufbauen und für IT-Sicherheit und Datenschutz sensibilisiert werden. Darüber hinaus wollte der Kreis Nordfriesland die Akzeptanz und Veränderungsbereitschaft in der Organisation stärken und die Mitarbeiter aktiv in den digitalen Wandel einbinden.
Um Digitalisierung erlebbar zu machen und Mitarbeiter aller Bereiche einzubinden, setzte man auf ein
interaktives Veranstaltungsformat anstatt klassischer Schulungen. Consileon begleitete das Projekt „DigiTag“ in vier Schritten: Analyse: Ermittlung der Bedarfe durch Interviews, Umfragen und Workshops.
Konzeption: Entwicklung eines maßgeschneiderten, praxisnahen Veranstaltungskonzepts. Umsetzung: Durchführung des DigiTags mit Vorträgen, interaktiven Formaten und Sessions zu digitalen Verwaltungslösungen. Aktivierung: Handouts, Poster und Giveaways zur Steigerung von Sichtbarkeit, Beteiligung und Austausch.
Der DigiTag führte zur nachhaltigen Stärkung der digitalen Kompetenzen von rund 170 Mitarbeitern aus allen Organisationseinheiten. Die Teilnehmer erhielten praxisnahe Einblicke in die KI-gestützte Dokumentenprüfung, Fachanwendungen und digitale Verwaltungsdienste. Gleichzeitig wurde das Bewusstsein für IT-Sicherheit und Datenschutz geschärft. Die vermittelten Inhalte lieferten konkrete Impulse, die sich direkt in den Arbeitsalltag übertragen lassen, z. B. die effiziente Nutzung von Videokonferenzen, Arbeit mit wiederkehrenden Textbausteinen oder die Sensibilisierung für Phishing und unsichere Datenverarbeitung. So stärkte der DigiTag die Akzeptanz für digitale Veränderungen im Gesundheitsamt.
Drei Faktoren waren für den Projekterfolg entscheidend: Der partizipative Ansatz band die Mitarbeiter frühzeitig ein und machte sie zu Mitgestaltern des digitalen Wandels. Die Praxisnähe sorgte dafür, dass die Inhalte greifbar waren und sich direkt auf den Arbeitsalltag übertragen ließen. Die methodische Kompetenz und Erfahrung im Change Management gaben dem Projekt Struktur, von der Analyse bis zur Aktivierung.
Die im Projekt entwickelten Inhalte und Formate bilden eine belastbare Grundlage, um begonnene Maßnahmen wie Schulungen zu digitalen Themen oder den Ausbau von Austauschformaten zwischen den Fachbereichen gezielt weiterzuführen und auszubauen. Die Impulse zu digitalen Kompetenzen, IT-Sicherheit und KI-Anwendungen will das Gesundheitsamt nun vertiefen und fest in den Arbeitsalltag integrieren. Ergänzende Workshop- und Austauschformate sollen die Digitalisierung Schritt für Schritt in der Organisation verankern.
Am 24. September 2026 bringt die TECHNO EXPO in Hamburg Entscheider aus Autohäusern und der Automobilbranche zusammen. Im Fokus stehen praxisnahe Lösungen, mit denen Autohäuser ihre Prozesse effizienter gestalten und ihre Wirtschaftlichkeit steigern können.
Der Automobilhandel steht unter wachsendem Ertragsdruck. Mit dem Agenturmodell verlagert sich die Preishoheit im Neuwagengeschäft zunehmend zum Hersteller. Dadurch gewinnen Service, After-Sales und der Gebrauchtwagenhandel an Bedeutung. Gleichzeitig binden manuelle Prozesse wertvolle Kapazitäten und mit ausscheidenden Mitarbeitern geht häufig wertvolles, nicht dokumentiertes Wissen verloren.
Auf der TECHNO EXPO zeigt Consileon praxisnahe KI-Lösungen für Autohäuser. Im Fokus stehen KI-gestütztes Wissensmanagement, Kundenservice, die professionelle Präsentation von Gebrauchtwagen sowie die Qualifizierung von Mitarbeitern im sicheren Umgang mit KI.
Wenn erfahrene Mitarbeiter das Autohaus verlassen, geht häufig wertvolles Fach- und Erfahrungswissen verloren. Besonders kritisch ist Wissen, das nicht dokumentiert ist, sondern ausschließlich in den Köpfen einzelner Mitarbeiter steckt.
Mit einem KI-gestützten Wissensmanagement lässt sich dieses Know-how strukturiert erfassen und langfristig nutzbar machen. Erfahrene Mitarbeiter werden interviewt und ihre Antworten in geordnete, durchsuchbare und wiederverwendbare Wissensbestände überführt. Eine ergänzende Analyse zeigt, an welchen Personen besonders kritisches Wissen hängt. So können Autohäuser frühzeitig gegensteuern, neue Mitarbeiter schneller einarbeiten und ihre Abhängigkeit von einzelnen Wissensträgern reduzieren.
Telefonische Terminvereinbarungen, Fragen zu Rechnungen oder zur Ersatzteilverfügbarkeit gehören zum täglichen Servicegeschäft und binden wertvolle Kapazitäten.
KI-Sprachassistenten können wiederkehrende Serviceanfragen automatisiert bearbeiten, Termine vergeben und häufige Fragen rund um die Uhr in mehreren Sprachen beantworten. Ergänzend automatisieren KI-Agenten wiederkehrende Aufgaben in Service, Verwaltung und Kundenkommunikation. Sie lassen sich in bestehende Systeme integrieren, entlasten die Mitarbeiter und verkürzen die Reaktionszeiten für Kunden.
Im Gebrauchtwagenhandel entscheidet der erste visuelle Eindruck über das Interesse potenzieller Käufer. Uneinheitliche Fahrzeugbilder wirken auf Verkaufsplattformen und der eigenen Website oft unprofessionell.
Mit KI lassen sich Fahrzeuge automatisch freistellen und vor einer einheitlichen, markengerechten Kulisse präsentieren. Licht und Farben werden optimiert, sodass mit wenigen Klicks hochwertige Fahrzeugbilder entstehen. Das beschleunigt die Online-Vermarktung und sorgt für einen professionellen Auftritt.
Der KI-Führerschein ist ein praxisorientiertes Training, das Mitarbeiter für den sicheren und produktiven Einsatz von KI im Arbeitsalltag qualifiziert. Die Teilnehmer lernen den Umgang mit aktuellen KI-Tools und erhalten einen Überblick über typische Einsatzmöglichkeiten in Service, Verwaltung und weiteren Unternehmensbereichen. Praxisnahe Übungen erleichtern den Einstieg und fördern die sichere Anwendung im Arbeitsalltag.
Consileon ist am 24. September 2026 als Partner und Aussteller auf der TECHNO EXPO in Hamburg vor Ort. Sprechen Sie mit uns und erfahren Sie, wie KI-Wissensmanagement, automatisierte Serviceprozesse und KI-gestützte Bildbearbeitung konkret in Ihrem Autohaus eingesetzt werden können. Vereinbaren Sie schon heute einen Termin am Messestand – Wir freuen uns auf den persönlichen Austausch mit Ihnen in Hamburg.
TECHNO ist Deutschlands größtes unabhängiges Netzwerk markengebundener Autohäuser. Die Kooperation verbindet rund 160 Gesellschafter mit mehr als 2.000 Standorten und unterstützt sie mit gemeinsamen Einkaufs-, Beratungs- und Servicelösungen.
Seit zwei Jahren steht der 2. August 2026 in den Compliance-Kalendern als der Tag, an dem der EU AI-Act in voller Breite scharf gestellt wird. Viele Unternehmen haben sich entsprechend vorbereitet, mit Blick auf Hochrisikoklassifizierung, Konformitätsbewertung und Dokumentationspflichten für Systeme in Personalwesen, Kreditvergabe oder Gesundheitsversorgung.
Diese Vorbereitung war richtig, sie beruhte auf einem Zwischenstand, der sich allerdings in diesem Jahr verändert hat. Mit dem sogenannten Digital Omnibus on AI hat die EU im Mai 2026 eine politische Einigung erzielt, die die Fristen für Hochrisiko-KI-Systeme deutlich nach hinten verschiebt. Dennoch bleibt der 2. August 2026 ein relevanter Stichtag.
Am 2. August 2026 werden die allgemeinen Transparenzpflichten nach Artikel 50 verbindlich, für jedes KI-System, das auf dem EU-Markt bereitgestellt wird, unabhängig von Branche oder Unternehmensgröße. Das betrifft drei Bereiche:
Wer sein KI-System bereits vor dem Stichtag auf dem Markt hatte, bekommt für die Nachrüstung Zeit bis zum 2. Dezember 2026. Für neu platzierte Systeme gilt die Pflicht ab sofort.
Ebenfalls branchenübergreifend gilt: Jedes Unternehmen muss seine KI-Systeme gegen Anhang III prüfen und das Ergebnis dokumentieren, auch wenn die Antwort „kein Hochrisiko“ lautet. Diese Begründungspflicht aus Artikel 6 Absatz 3 wird in der Praxis oft unterschätzt, dazu unten mehr.
Was dagegen verschoben wurde: Eigenständige Hochrisiko-KI-Systeme nach Anhang III, etwa im Personalwesen, in der Bildung oder bei der Kreditvergabe, müssen jetzt erst bis zum 2. Dezember 2027 vollständig konform sein. Für Hochrisiko-Systeme, die in bereits regulierte Produkte eingebettet sind, also insbesondere Medizinprodukte und Maschinen nach Anhang I, gilt eine noch längere Frist bis zum 2. August 2028.
Rechtlich verbindlich ist das allerdings erst mit der Veröffentlichung im EU-Amtsblatt. Das Europäische Parlament hat der Reform am 16. Juni 2026 zugestimmt, der Rat der EU am 29. Juni 2026 endgültig, der finale Rechtsakt wurde am 8. Juli 2026 unterzeichnet. Damit die neuen Fristen rechtzeitig vor dem 2. August 2026 greifen, muss die Veröffentlichung im Amtsblatt noch in diesem Monat erfolgen. Bis dahin gilt formal weiterhin der ursprüngliche Zeitplan.
Die Grundpflichten sind für alle gleich, die konkreten Konsequenzen und Fristen unterscheiden sich aber deutlich nach Sektor. Die folgende Übersicht ordnet beispielhaft ein, was für unterschiedliche Branchen gilt.
| Branche | Beispiele, was automatisch als Hochrisiko gilt | Zuständige Aufsicht | Besonderheit |
| Finanzdienstleistungen und Versicherungen | Kreditscoring, Bonitätsbewertung, versicherungsmathematische Risikobewertung | BaFin | Aufsicht wird in bestehende Prüfpraxis integriert, Nähe zu MaRisk und DORA |
| Gesundheitswesen | KI als Medizinprodukt (SaMD, Klassen IIa bis III) automatisch über MDR/IVDR; zusätzlich Entscheidungen über Zugang zu Gesundheitsleistungen | Zwei-Ebenen-Modell: BfArM als fachlich-sektorale Behörde für die medizinprodukterechtliche Bewertung nach MDR/IVDR, BNetzA als übergeordnete KI-Aufsichts- und Koordinationsstelle nach KI-MIG | Aufbewahrungspflichten kollidieren: AI-Act verlangt 6 Monate Logging, § 630f BGB verlangt 10 Jahre Dokumentation |
| Öffentlicher Sektor | Entscheidungen über Sozialleistungen, Migration und Zugang zu öffentlichen Diensten | Bundesnetzagentur (koordinierend) | Frist bis 2. Dezember 2027 (Anhang III); für Bestandssysteme wird in einzelnen Quellen eine noch längere Übergangsfrist genannt, aktuell nicht einheitlich bestätigt |
| Industrie | Nur KI-Sicherheitsbauteile in Maschinen nach der Maschinenverordnung (EU) 2023/1230 | Marktüberwachungsbehörden der Länder | Frist bis 2. August 2028 (Anhang I); Großteil industrieller KI (Wartung, Qualitätskontrolle, Produktionsplanung) bleibt minimales Risiko, ohne Zusatzpflichten |
Zwei Punkte in der Tabelle sind bewusst vorsichtig formuliert: Für Hochrisiko-Systeme, die in Anhang-I-Produkte eingebettet sind, also insbesondere Medizinprodukte und Maschinen, kursieren in aktuellen Quellen zwei unterschiedliche Enddaten für die verlängerte Übergangsfrist, August 2027 und August 2028. Und die Frist für Bestandssysteme im öffentlichen Sektor wird nicht durchgängig gleich beschrieben. Beide Punkte sollten Unternehmen gemeinsam mit ihrem Rechtsberater final absichern, bevor sie daraus einen festen Fahrplan ableiten.
Mit dem KI-Marktüberwachungs- und Innovationsförderungsgesetz, kurz KI-MIG, hat der Bundestag im Juni 2026 die nationale Zuständigkeit geregelt. Zentrale koordinierende Aufsichtsbehörde wird die Bundesnetzagentur; für Finanzdienstleister und Versicherungen bleibt die BaFin sektoral zuständig.
Die Aufsichtsbehörden können von Unternehmen technische Dokumentation, Trainingsdaten und Konformitätsnachweise einfordern und bei Mängeln Abhilfemaßnahmen anordnen, bis hin zur Rücknahme eines Systems vom Markt. Die Bußgeldrahmen sind gestaffelt:
Der letzte Punkt ist der, den Unternehmen am häufigsten unterschätzen. Die Grundpflicht aus Artikel 6 Absatz 3 ist zunächst nur Papierkram: eine dokumentierte Begründung, warum ein System kein Hochrisiko-System ist.
Wenn ein Unternehmen diese Begründung bei einer Prüfung nicht vorlegen kann, wird daraus kein kleines Formfehler-Problem, sondern zweierlei zugleich: Erstens gilt die fehlende Mitwirkung gegenüber der Behörde als eigener Bußgeldtatbestand, unabhängig davon, ob das System inhaltlich überhaupt problematisch war. Zweitens kann die Behörde bis zum Nachweis der Konformität vorsorglich Abhilfemaßnahmen anordnen, im Extremfall die Rücknahme des Systems vom Markt. Aus einer im Kern harmlosen Lücke, einer fehlenden Randnotiz zur Risikoeinstufung, werden so im Ernstfall ein Bußgeld und ein Betriebsstopp für das KI-System. Genau das steckt hinter dem Satz, dass fehlende Dokumentation schlechter dasteht, als es die Grundpflicht selbst vermuten lässt.
Kontrollen erfolgen dabei nicht flächendeckend, sondern stichprobenartig oder anlassbezogen, etwa nach Beschwerden. Das senkt die gefühlte Dringlichkeit, ändert aber nichts am Risiko im Einzelfall.
1. Inventur und Risikoklassifizierung durchführen: KI-Systeme inventarisieren und nach Risikoklasse einordnen, branchenspezifisch entlang der eigenen Anhang-III- und gegebenenfalls Anhang-I-Kategorien, nicht nach Bauchgefühl.
2. Transparenzpflichten ernst nehmen: Die Transparenzpflichten aus Artikel 50 nicht unterschätzen, nur weil sie im Schatten der größeren Hochrisiko-Debatte stehen. Sie gelten für praktisch jedes Unternehmen, unabhängig von Branche oder Größe.
3. KI-Governance aufbauen: Die gewonnene Zeit bei den Hochrisiko-Pflichten aktiv nutzen, statt sie als Entwarnung misszuverstehen. Wer jetzt beginnt, Governance-Strukturen und die Dokumentation der eigenen Risikoeinstufung aufzubauen, kommt ohne Zeitdruck ans Ziel, und nicht erst, wenn die Aufsichtsbehörde das erste Mal nachfragt.
Der 2. August 2026 ist kein Tag, an dem der EU AI-Act plötzlich in voller Schärfe wirkt, aber auch kein Tag zum Zurücklehnen. Transparenzpflichten und die Dokumentationspflicht für Risikoeinstufungen werden real, die Aufsicht bekommt eine Adresse, und die Bußgeldrahmen stehen. Wie stark ein Unternehmen betroffen ist, hängt stark von der Branche ab, ein pauschaler Blick auf den Stichtag reicht nicht mehr aus.
Consileon begleitet Unternehmen aus Finanzdienstleistung, Versicherung, Healthcare und Public Sector dabei, ihre KI-Systeme branchenspezifisch regulatorisch einzuordnen und praxistaugliche Governance-Strukturen aufzubauen, die auch der nächsten Gesetzesanpassung standhalten. Sprechen Sie mit uns, wenn Sie wissen möchten, wo Ihr Unternehmen heute steht und was bis zum nächsten Stichtag wirklich zu tun ist.
SadM: Software as a Medical Device
MDR: Medical Device Regulation
IVDR: In-Vitro Device Regulation
BfArM: Bundesinstitut für Arzneimittel und Medizinprodukte
BNetzA: Bundesnetzagentur
KI-MIG: KI-Marktüberwachungs-und-Innovationsförderungsgesetz
Bislang war die Rollenverteilung klar. Ein Mensch entscheidet, was er kauft, wann er zahlt und mit welchem Mittel. Banken und Kartengesellschaften standen im Hintergrund und stellten die Infrastruktur bereit, die diese Entscheidung technisch umsetzt.
Diese Klarheit löst sich gerade auf. KI-Agenten suchen bereits heute Produkte, vergleichen Angebote und bereiten Kaufentscheidungen vor. Erste Systeme lösen die dazugehörige Zahlung eigenständig aus, innerhalb vorher festgelegter Grenzen. Google hat dafür im September 2025 mit über 60 Partnern, darunter Mastercard, American Express, PayPal und Coinbase, das Agent Payments Protocol vorgestellt. Mastercard hat parallel eigene Agentic Tokens eingeführt und rollt sein Agent Pay seit Ende 2025 in den USA aus, mit globaler Ausweitung im laufenden Jahr. Das ist kein Zukunftsszenario mehr, sondern gelebte Praxis bei den ersten Kartenanbietern.
Das eigentliche Problem liegt tiefer als in der reinen Technik. Klassische Kartennetzwerke sind auf menschliche Entscheidungsgeschwindigkeit und menschliche Streitkultur ausgelegt. Chargebacks setzen ein Zeitfenster voraus, in dem ein Mensch eine Abbuchung reklamiert. Interchange-Gebühren rechnen sich bei einem Einkaufswagen, nicht bei tausend Mikrotransaktionen pro Stunde, die ein Agent im Hintergrund auslöst.
In Europa verschiebt sich das Bild zusätzlich in Richtung Konto-zu-Konto-Zahlungen. Die Instant Payments Regulation macht Echtzeitüberweisungen innerhalb von SEPA inzwischen zur Pflicht, unabhängig von Kartensystemen, während PSD3 und die neue Zahlungsdiensteverordnung Open-Banking-basierte Modelle weiter stärken. Gleichzeitig verzahnen sich nationale Zahlverfahren wie Bizum, MB Way oder Wero zunehmend europaweit. Für Agenten ist das strukturell attraktiver als das Kartenmodell, weil Konto-zu-Konto-Zahlungen ohne Interchange-Logik auskommen und die Zehn-Sekunden-Regel eine Geschwindigkeit bietet, die Agenten ohnehin erwarten. Banken, die ihre agentische Zahlungsverkehrsstrategie nur auf Kartenprodukte stützen, übersehen damit eine Schiene, die in Europa aufsichtsrechtlich sogar Vorrang genießt.
Ein KI-Agent kennt weder Öffnungszeiten noch Wochenenden. Er handelt in Millisekunden und über Systemgrenzen hinweg. Genau das macht auch Betrug schwerer erkennbar. Wenn eine Transaktion über mehrere Zahlungssysteme verteilt abläuft, reicht der Blick auf ein einzelnes System nicht mehr aus, um ein auffälliges Muster zu erkennen. Finanzinstitute rechnen deshalb überwiegend mit einem spürbaren Anstieg der Betrugsfälle, sobald Agenten Zahlungen in größerem Umfang auslösen.
Hinzu kommt eine regulatorische Dimension. Betrugserkennung und AML-Transaktionsüberwachung gelten im Rahmen des EU AI-Acts als Hochrisiko-Anwendungen mit entsprechenden Pflichten hinsichtlich Nachvollziehbarkeit, Protokollierung und menschlicher Aufsicht. Diese Systeme laufen in agentischen Zahlungsflüssen ohnehin mit. Der ursprüngliche Stichtag 2. August 2026 wurde durch den im Juli 2026 final verabschiedeten Digital Omnibus auf den 2. Dezember 2027 verschoben, für in Produkten eingebettete Hochrisiko-KI sogar auf den 2. August 2028. Banken haben damit mehr Zeit als noch vor wenigen Monaten absehbar, sollten die zusätzliche Frist jedoch als Vorbereitungsfenster nutzen und nicht als Entwarnung verstehen.
Bemerkenswert ist zudem eine Debatte, die in der öffentlichen Diskussion oft untergeht. Aufsichtsbehörden diskutieren derzeit, wie viel menschliche Freigabe in einem agentischen Zahlungsprozess überhaupt sinnvoll ist. Ein Mensch, der jede Zahlung einzeln bestätigen muss, verlangsamt den Prozess und kann dadurch selbst neue Liquiditätsrisiken schaffen, etwa wenn eine verzögerte Freigabe eine Absicherungsstrategie ins Leere laufen lässt. Gleichzeitig braucht es klare Mechanismen, um einen Agenten im Zweifel sofort stoppen zu können. Diese sogenannten Kill-Switches gelten zunehmend als notwendiger Bestandteil jeder Risikoarchitektur, nicht als optionales Extra.
Für Banken und Kreditkartengesellschaften zeichnen sich derzeit drei mögliche Positionen ab. Und viele Institute haben sich noch nicht festgelegt.
Neben etablierten Kartennetzwerken und der europäischen A2A-Infrastruktur entstehen zudem eigene Zahlungsschienen außerhalb des klassischen Bankensystems, etwa auf Basis von Stablecoins. Diese Schienen richten sich gezielt an Maschinen als Zahlende und funktionieren unabhängig von Interchange-Modellen. Wer nur die Konkurrenz unter etablierten Instituten im Blick hat, unterschätzt, wie schnell Zahlungsvolumen komplett am Bankensystem vorbeifließen kann, sei es über Stablecoins oder neue kontenbasierte Schemata.
Wer als Bank oder Kartengesellschaft nicht in die zweite, unbequeme Rolle rutschen will, sollte an drei Stellen ansetzen.
Nicht jede Prognose zu Marktgrößen im Billionenbereich wird sich in dieser Form bestätigen. Aber die Verschiebung selbst ist real und lässt sich an konkreten Produkten ablesen, die bereits im Markt sind, bei Karten ebenso wie bei kontenbasierten Zahlverfahren. Banken und Kreditkartengesellschaften, die jetzt aktiv entscheiden, welche Rolle sie im agentischen Zahlungsverkehr einnehmen wollen, sichern sich einen Vorsprung. Wer abwartet, überlässt die Entscheidung anderen – möglicherweise sowohl den Kunden als auch den Wettbewerbern.
Der Flughafen Köln/Bonn ist einer der größten Verkehrsflughäfen Deutschlands und ein zentraler Knotenpunkt für Passagiere und Fracht. Anfang 2025 übernahm er die Steuerung der Passagier- und Gepäckkontrollen – eine strategisch wichtige Aufgabe, die zuvor bei der Bundespolizei lag. Damit begann eine neue Phase mit mehr Verantwortung und Steuerungskompetenz. Die zentrale Herausforderung bestand darin, die neue Steuerungsverantwortung strukturiert, transparent und wirksam vorzubereiten und umzusetzen.
Im Mittelpunkt stand der Aufbau einer leistungsfähigen Steuerungs- und Organisationsstruktur für die reibungslose Durchführung der Passagier- und Gepäckkontrollen. Dazu mussten klare Planungs-, Reporting- und Risikoprozesse etabliert, Verantwortlichkeiten neu definiert und die Zusammenarbeit zwischen Betrieb, Technik, Sicherheit, Verwaltung, Bundespolizei und Dienstleistern neu organisiert werden. Zudem galt es, den Change-Prozess aktiv zu gestalten und den Übergang in den operativen Regelbetrieb – bei laufendem Flugbetrieb und mit nur acht Monaten Vorlauf – erfolgreich zu begleiten.
Consileon stellte die Leitung des Projektmanagement Office (PMO) und unterstützte den Flughafen mit Struktur, Methodik und Kommunikationsstärke. In enger Abstimmung mit dem Kunden wurden Rollen, Entscheidungswege und Kommunikationsstrukturen festgelegt. Das PMO implementierte einheitliche Standards für Berichterstattung, Risiko- und Meilensteinmanagement. Dabei kam ein hybrides Projektvorgehen zum Einsatz, eine pragmatische Kombination aus klassischem Projektmanagement und agilen Werkzeugen. Ein besonderer Fokus lag auf den Menschen: Durch gezielte Workshops, Moderation und transparente Kommunikation gelang es, alle Stakeholder auf gemeinsame Ziele auszurichten und den Übergang in den neuen Regelbetrieb reibungslos zu gestalten.
Der Fokus liegt nun auf der Prozessoptimierung und der Verankerung bewährter Projektmanagement-Elemente in der Linienorganisation. Zudem werden Reporting und Kommunikation weiter digitalisiert und Kompetenzen im Projektund Change-Management gezielt ausgebaut. Die neue operative Souveränität bildet den Grundstein für mehr Effizienz, Servicequalität und Resilienz im laufenden Betrieb und stärkt die Wettbewerbsfähigkeit des Flughafens im nationalen und internationalen Vergleich.
Stellen Sie sich vor, Sie möchten ein Unternehmen kaufen. Die Zahlen stimmen, das Geschäftsmodell überzeugt, doch wie sieht es unter der Oberfläche aus? Funktioniert die IT wirklich so gut, wie sie auf den ersten Blick wirkt? Oder verbergen sich dort Risiken, die später teuer werden?
Die IT entscheidet heute maßgeblich über den Erfolg von Investitionen, Transformationen und Geschäftsmodellen. Trotzdem fehlt vielen Unternehmen und Investoren ein klarer Blick auf den tatsächlichen Zustand der IT. Im Interview erklärt Alexander Finke, warum Digital Due Diligence immer wichtiger wird, welche Risiken häufig unterschätzt werden und wie Unternehmen fundierte Entscheidungen treffen können.
Weil die IT heute ein zentraler Werttreiber ist, oder eben ein Risiko. Gerade bei technologiegetriebenen Geschäftsmodellen reicht es nicht mehr, sie nur betriebswirtschaftlich zu bewerten. Investoren wollen verstehen: Ist die IT skalierbar? Wie hoch ist der zukünftige Investitionsbedarf? Gibt es Sicherheitsrisiken oder technische Altlasten? Genau hier setzt die Digital Due Diligence an. In einem kompakten Zeitraum, analysieren wir strukturiert die IT-Landschaft und schaffen eine belastbare Grundlage für die Investitionsentscheidung.
Wir betrachten die IT entlang mehrerer Dimensionen. Dazu gehören unter anderem die digitale Strategie, die technologische Substanz, Governance und Organisation sowie die finanzielle Perspektive der IT. Das Ziel ist immer, ein Gesamtbild zu bekommen: Unterstützt die IT das Geschäftsmodell oder bremst sie es aus? Welche Risiken gibt es und wie lassen sie sich mitigieren? Am Ende können wir sehr klar sagen: Hier liegen die kritischen Punkte, hier besteht Handlungsbedarf und so kann man damit umgehen.
Ein klassisches Beispiel sind historisch gewachsene Systemlandschaften. Auf den ersten Blick funktionieren sie, aber im Detail zeigen sich technische Schulden, mangelnde Skalierbarkeit oder Sicherheitslücken. Oft fehlt auch die Verbindung zwischen IT und Business. Die entscheidende Frage ist: Passt die IT überhaupt zur zukünftigen Strategie? Ein weiterer Punkt ist die Datenlandschaft. Fragmentierte Daten, unklare Verantwortlichkeiten oder schlechte Datenqualität wirken sich direkt auf Effizienz und Innovationsfähigkeit aus.
Eine Digital Due Diligence ist deutlich mehr als ein reines Audit. Es geht nicht nur darum, einzelne Schwachstellen zu identifizieren, sondern die IT ganzheitlich zu bewerten – technisch, organisatorisch und strategisch. Wir analysieren Strukturen, Prozesse und Zusammenhänge. Man kann sagen: Es ist ein methodisches, strukturiertes Verständnis der IT als Gesamtsystem, nicht nur eine punktuelle Prüfung.
Zum einen natürlich für Investoren oder Käufer im M&A-Kontext. Hier geht es darum, Risiken frühzeitig zu erkennen und den Unternehmenswert realistisch einzuschätzen. Zum anderen aber auch für Unternehmen selbst. Viele nutzen die Digital Due Diligence, um sich bewusst auf den Prüfstand zu stellen, etwa vor einer Transformation oder beim Einstieg in eine neue IT-Verantwortung. Im Kern geht es immer um Transparenz: Wo stehen wir wirklich?
Der zukünftige Investitionsbedarf wird sehr häufig unterschätzt. Systeme laufen zwar, aber nur mit hohem Wartungsaufwand oder begrenzter Erweiterbarkeit. Der Code ist dann meist fragmentiert und durch Altlasten schwer wartbar. Auch Themen wie IT-Security oder Compliance werden oft erst dann kritisch, wenn es bereits Probleme gibt. Und nicht zuletzt sehen wir häufig organisatorische Themen: fehlende Verantwortlichkeiten, ineffiziente Prozesse oder mangelnde Governance. Diese Faktoren sind oft genauso kritisch wie technische Defizite.
Eine zunehmend wichtige. Wir schauen uns zum Beispiel an, inwieweit KI bereits genutzt wird – sei es in Geschäftsprozessen oder in der Softwareentwicklung. Gleichzeitig bewerten wir, ob die Voraussetzungen dafür überhaupt gegeben sind, etwa hinsichtlich der Datenqualität oder der Architektur. Wenn hier noch wenig passiert ist, ist das nicht automatisch negativ. Im Gegenteil: Es kann auch ein Potenzial sein, das gezielt gehoben werden kann. In solchen Fällen unterstützen wir auch dabei, entsprechende Use Cases und Strategien zu entwickeln.
Vor allem Klarheit und Geschwindigkeit. Intern ist die Sicht oft fragmentiert: Jeder kennt seinen Bereich, aber das Gesamtbild fehlt. Eine externe Analyse bringt diese Perspektiven zusammen und schafft eine belastbare Entscheidungsgrundlage. Das hilft nicht nur bei Investitionsentscheidungen, sondern auch dabei, Prioritäten richtig zu setzen und Transformationen strukturiert anzugehen.
Nicht zu spät anfangen. Der größte Fehler ist, IT erst dann zu analysieren, wenn bereits Zeitdruck besteht – etwa kurz vor einem Deal. Wer früh Transparenz schafft, kann Risiken aktiv steuern und Chancen gezielt nutzen. Eine Digital Due Diligence ist kein reines Prüfwerkzeug, sondern ein strategisches Instrument für bessere Entscheidungen.
Ob im Rahmen von M&A, zur Standortbestimmung oder als Grundlage für Transformationen – Consileon unterstützt Unternehmen dabei, ihre digitale Substanz strukturiert zu bewerten und konkrete Maßnahmen abzuleiten.
Viele Unternehmen haben inzwischen erste Erfahrungen damit gemacht, Dokumente in ein KI-Tool hochzuladen und sich eine Einschätzung geben zu lassen. Das funktioniert erstaunlich gut und weckt deshalb eine naheliegende Frage: Brauche ich dann überhaupt noch eine spezialisierte Lösung für die Vertragsprüfung? Sebastian Wagmann hat den Consileon Compliance Manager als Product Owner von Anfang an mitentwickelt. Er kennt diese Frage aus unzähligen Gesprächen mit Compliance-Teams und erklärt, wo die entscheidenden Unterschiede liegen.
Gar nichts, ehrlich gesagt. Das sage ich bewusst so, weil ich verstehe, warum das verlockend ist. Für eine erste Orientierung oder ein schnelles Stimmungsbild ist das durchaus nützlich. Wer wissen will, ob ein Vertrag grundsätzlich vernünftig aufgebaut ist oder ob eine bestimmte Klausel auf den ersten Blick problematisch erscheint, bekommt da hilfreiche Hinweise. Das Problem beginnt, wenn man das mit einer belastbaren Compliance-Prüfung verwechselt. Und das passiert öfter, als man denkt.
Der fundamentale Unterschied ist: Ein generatives KI-Tool weiß, wie Verträge im Allgemeinen aussehen. Es kennt aber nicht die regulatorischen Anforderungen, die konkret für Ihr Unternehmen gelten, und es kennt schon gar nicht Ihre internen Vorgaben. Eine Vertragsprüfung im Compliance-Kontext ist keine allgemeine Qualitätskontrolle. Sie ist ein Abgleich gegen ein definiertes Soll. Dieses Soll muss irgendwo hinterlegt sein.
Selbst wenn man ein Large-Language-Modell mit einem konkreten regulatorischen Soll füttern würde, bleibt das Problem bestehen: Die Prüfung ist weder konsistent noch reproduzierbar. Unterschiedliche Dokumentversionen, mehrere Verträge, regelmäßige Wiederholungen, das lässt sich mit einem generischen Chat-Interface schlicht nicht zuverlässig und skalierbar abbilden. Was einmal gut klingt, ist noch lange kein Prozess.
Nehmen Sie als Beispiel die schriftlich fixierte Ordnung einer Bank. Das ist die Gesamtheit aller internen Regelwerke: Richtlinien, Arbeitsanweisungen, Prozessdokumentationen. Wenn ich prüfen will, ob ein IT-Dienstleistervertrag wirklich compliant ist, muss ich ihn nicht nur gegen die einschlägigen regulatorischen Anforderungen halten, sondern auch gegen das, was mein eigenes Haus dazu festgelegt hat. Ein generisches KI-Tool hat keinen Zugang zu dieser internen Welt. Es kann sie nicht kennen, weil sie nirgends öffentlich verfügbar ist. Das ist kein Vorwurf an die Technologie, das ist schlicht die Realität. Der Compliance Manager hingegen kann genau auf diese unternehmensspezifischen Anforderungen ausgerichtet werden und prüft dann beides parallel: externe Regulatorik und interne Vorgaben.
Es gibt mehrere. Ein häufig unterschätztes Thema ist die Vollständigkeit. Wenn ich in einem Chat-Interface einen Vertrag hochlade und frage: „Was fehlt hier?“, erhalte ich einen Hinweis darauf, was die KI als relevant einschätzt. Ob alle verpflichtenden Klauseln, die ein bestimmtes Regelwerk vorschreibt, etwa Auditrechte, Exit-Regelungen, Meldepflichten oder Eskalationsmechanismen, wirklich systematisch geprüft wurden, lässt sich im Nachhinein nicht rekonstruieren. Es gibt keine Prüfliste, kein Protokoll, keinen Nachweis. Für eine Aufsichtsbehörde ist das nicht ausreichend.
Jede Prüfung ist vollständig dokumentiert und nachvollziehbar: Welche regulatorischen Anforderungen wurden geprüft? Gegen welche Version des Regelwerks? Was war das Ergebnis für jede einzelne Anforderung? Wo genau im Dokument liegt eine Lücke? Und: Wann wurde diese Anforderung zuletzt geprüft? Der Compliance Manager historisiert Prüfergebnisse über Dokumentversionen hinweg, sodass Veränderungen zwischen älteren und neueren Versionen direkt sichtbar werden. Das alles ist revisionssicher hinterlegt. Ein Audit-Trail, der im Ernstfall vor der Aufsicht standhält. Das ist bei einem Chat-basierten Ansatz strukturell nicht möglich, nicht weil die KI schlechter wäre, sondern weil das Werkzeug für diesen Zweck schlicht nicht gebaut wurde.
Das ist ein ernstes Thema, das zu selten offen diskutiert wird. Wenn ich einen Vertrag mit sensiblen Geschäftsdaten, Namen von Dienstleistern, Konditionen oder internen Prozessinformationen in ein Consumer-KI-Tool hochlade, muss ich genau wissen, was mit diesen Daten passiert. Werden sie für das Training verwendet? Wo werden sie verarbeitet? Gibt es einen Auftragsverarbeitungsvertrag? Ich erlebe in Gesprächen immer wieder, dass diese Fragen erst gar nicht gestellt werden. Dabei sind sie nicht optional. Der Consileon Compliance Manager kann auf Wunsch vollständig on-premises betrieben werden. Die Daten verlassen die eigene Infrastruktur nicht. Für regulierte Unternehmen unter Aufsicht ist das oft keine Wahlmöglichkeit, sondern eine Pflicht.
Genau das ist ein Punkt, der in der Diskussion oft fehlt. Compliance ist kein einmaliges Ereignis. Verträge haben Laufzeiten, Regelwerke werden aktualisiert, neue Regulatorik kommt hinzu. Der Compliance Manager ist so konzipiert, dass er sich in bestehende Prozesse integriert: als Teil des Contract Lifecycle Managements, mit definierten Workflows, Benutzerrollen und Eskalationspfaden. Wenn sich regulatorische Anforderungen ändern, wird das entsprechende Modul aktualisiert, und alle betroffenen Verträge können systematisch neu bewertet werden. In einem Chat-basierten Szenario müsste jemand aktiv daran denken, das manuell zu wiederholen. Das passiert in der Realität nicht zuverlässig.
Für alle, die sich schnell einen ersten Eindruck verschaffen wollen und das Ergebnis entsprechend einordnen. Als Vorarbeit für eine strukturierte Prüfung, als Einstieg in ein Thema, als interne Diskussionsgrundlage, das alles ist vollkommen legitim. Was es nicht ersetzt, ist die systematische, nachweisbare, regulatorisch verankerte Prüfung. Wer Verträge prüft, weil er es muss, gegenüber Aufsehern, gegenüber Vorstand, gegenüber Vertragspartnern, braucht mehr als einen Chat. Er braucht ein System. Und er braucht den Nachweis, dass dieses System funktioniert hat.