Am 5. Mai 2026 trifft sich die Finanzbranche in Bonn zum VÖB KI-Camp 2026. Nach der erfolgreichen Erstauflage im Vorjahr verbindet das Format erneut klassische Konferenzbestandteile mit dem offenen Austausch eines Barcamps. Genau diese Kombination macht die Veranstaltung besonders wertvoll: Fachliche Impulse von Experten treffen auf interaktive Sessions, die von den Teilnehmern selbst gewählt und gestaltet werden.
Unter dem Motto „KI trifft Expertise – innovative Lösungen für die Finanzwelt von morgen“ steht 2026 die Verbindung von technologischer Innovation und menschlichem Know-how im Mittelpunkt. Gerade für Finanzinstitute wird immer deutlicher, dass KI nicht isoliert als Technologiethema betrachtet werden darf. Entscheidend ist, wie sie in bestehende Prozesse, regulatorische Anforderungen und fachliche Entscheidungsstrukturen eingebettet wird. Genau an dieser Schnittstelle zwischen Innovation, Governance und operativer Umsetzbarkeit setzt der Austausch auf dem KI-Camp an.
Consileon ist auch dieses Jahr wieder mit dabei: Dr. Thilo Gaul, Dr. Jörg Schlösser und Sebastian Wagmann stehen für den fachlichen Austausch rund um KI, Regulatorik und konkrete Anwendungsfälle in der Finanzbranche zur Verfügung:
Für viele Banken ist die Einhaltung der Mindestanforderungen an das Risikomanagement (MaRisk) mit erheblichem Aufwand verbunden. Die Pflege der schriftlich fixierten Ordnung, die Prüfung umfangreicher Dokumentationen und die Anpassung an neue regulatorische Anforderungen erfolgen in vielen Häusern noch immer manuell. Das bindet Ressourcen, erschwert die Nachweisführung und erhöht den Abstimmungsaufwand zwischen Fachbereichen, Compliance und Revision.
Genau hier setzt der Consileon Compliance Manager an. Die Lösung unterstützt Finanzinstitute dabei, MaRisk-relevante Dokumente KI-gestützt zu analysieren, Abweichungen transparent zu machen und Lücken systematisch zu identifizieren. So entsteht eine belastbare Grundlage für interne Prüfungen, externe Audits und die laufende Weiterentwicklung regulatorischer Dokumentationen.
In der Praxis bedeutet das: Richtlinien, Risikohandbücher und weitere relevante Unterlagen können automatisiert auf Konsistenz und MaRisk-Konformität geprüft werden. Die KI identifiziert fehlende Regelungen, Inkonsistenzen und kritische Passagen und liefert zugleich nachvollziehbare Hinweise zur Verbesserung. Die fachliche Validierung bleibt dabei bewusst beim Menschen. Auf diese Weise verbindet der Ansatz technologische Effizienz mit regulatorischer Sorgfalt und schafft eine revisionssichere, nachvollziehbare Prüfungsgrundlage.
Ein leistungsfähiger KI-Einsatz im regulatorischen Umfeld erfordert mehr als nur ein Sprachmodell. Entscheidend sind die Qualitätssicherung der Ergebnisse und die Einbettung in belastbare Prozesse. Der Consileon Compliance Manager basiert auf leistungsfähigen Large Language Models und ergänzt diese um ein Qualitätssicherungs-Framework, das die Stabilität und Kontexttreue der Ausgaben zusätzlich absichert.
Damit entsteht ein Ansatz, der nicht nur technische Automatisierung ermöglicht, sondern auch den Anforderungen an Governance, Transparenz und Verlässlichkeit gerecht wird. Gerade mit Blick auf die steigende regulatorische Relevanz von KI und die Anforderungen des EU AI-Acts wird deutlich, wie wichtig diese Kombination aus KI, Qualitätssicherung und fachlicher Kontrolle ist.
Ein konkretes Beispiel aus dem Projektkontext zeigt den Mehrwert: Wenn Institute nach regulatorischen Änderungen eine Vielzahl bestehender Richtlinien prüfen und anpassen müssen, verkürzt die KI-gestützte Voranalyse den manuellen Sichtungsaufwand erheblich. Gleichzeitig lassen sich Prüfergebnisse strukturierter dokumentieren, was die Zusammenarbeit mit Revision, Wirtschaftsprüfung und Aufsicht spürbar erleichtert.
Besuchen Sie Consileon beim VÖB KI-Camp 2026 in Bonn und tauschen Sie sich mit unseren Experten über aktuelle KI-Trends, regulatorische Herausforderungen und konkrete Anwendungsfälle rund um die MaRisk-Compliance aus:
Mit dem Consileon Compliance Manager zeigen wir vor Ort in einer Live-Demo anhand des Beispiels MaRisk, wie sich KI sinnvoll in bestehende Compliance- und Prüfprozesse integrieren lässt. Unser Ansatz verbindet regulatorisches Fachwissen, technologische Kompetenz und Erfahrung aus Umsetzungsprojekten in der Finanzbranche. So entstehen Lösungen, die nicht nur innovativ wirken, sondern auch im Tagesgeschäft tragfähig sind.
Außerdem gehen unsere Experten mit der Session „Effiziente Compliance mit KI: Wie KI Compliance-Prozesse wirklich automatisiert – am Beispiel MaRisk“ ins Rennen. Wir sind gespannt darauf, welche Sessions die Teilnehmer gemeinsam auf die Agenda setzen und freuen uns auf neue Impulse!
Daten sind die Grundlage für Künstliche Intelligenz, Automatisierung und fundierte Managemententscheidungen. Gleichzeitig kämpfen viele Unternehmen mit Datensilos, unklaren Verantwortlichkeiten und Engpässen in der IT. Data Mesh verspricht einen grundlegenden Perspektivwechsel. Im Interview erklärt Alexander Finke, warum zentrale Datenarchitekturen oft an ihre Grenzen stoßen, was sich mit Data Mesh konkret verändert und wie Unternehmen die Transformation strukturiert angehen.
In vielen Organisationen ist die IT oder ein zentrales Datenteam die zentrale Drehscheibe für nahezu alle Datenanfragen. Das führt zwangsläufig zu Engpässen, hier ein Beispiel:
Stellen Sie sich vor, Sie arbeiten im Fachbereich und erhalten die Aufgabe, eine neue Auswertung zu erstellen. Zunächst wissen Sie nicht einmal, ob die benötigten Daten im Unternehmen existieren. Sie fragen Kollegen, telefonieren sich durch, erfahren schließlich, dass es Daten gibt – aber nicht, wer sie verantwortet. Nachdem die Zuständigkeit geklärt ist, müssen Sie bei der IT einen Zugriff beantragen. Dann stellt sich die Frage, wie Sie die Daten in Ihr Analyse-Tool bekommen. Häufig endet es in Exporten, CSV-Dateien und nicht mehr tagesaktuellen Datenständen. Und selbst wenn die Auswertung steht, weiß kaum jemand im Unternehmen davon.
Das Problem ist weniger technologisch als strukturell: Daten werden zentral verwaltet, aber dezentral erzeugt und genutzt. Diese Diskrepanz führt zu langen Abstimmungswegen, zu Verzögerungen und zu Unklarheiten bei den Verantwortlichkeiten für die Datenqualität.
Data Mesh dreht die Perspektive um. Daten werden als eigenständige Produkte verstanden, sogenannte Data Products, die von den jeweiligen Fachdomänen verantwortet werden. Die Fachbereiche übernehmen die Hoheit über ihre Daten und definieren deren Qualität, Beschreibung und Nutzbarkeit. Die IT agiert dabei als Enabler. Sie stellt die Self-Service-Plattform bereit und schafft das technologische Fundament, auf dem Datenprodukte entwickelt, gefunden und genutzt werden können. Gleichzeitig automatisiert sie zentrale Leitplanken für Governance, Interoperabilität und Sicherheit und stellt sicher, dass gemeinsam definierte Standards eingehalten werden.
Man kann sagen: Verantwortung dezentral, Leitplanken zentral. Dieses Zusammenspiel schafft Klarheit, Geschwindigkeit und Skalierbarkeit.
Viele Unternehmen fragen: Bedeutet das einen Kontrollverlust für die IT? Entsteht dadurch nicht noch mehr Komplexität? Die Antwort ist nein, wenn es richtig umgesetzt wird. Data Mesh ist kein Wildwuchs-Modell. Es braucht klare Domänenschnitte, definierte Rollen und eine föderierte Governance. Die IT setzt verbindliche Standards für Sicherheit, Compliance und Interoperabilität. Innerhalb dieser Leitplanken agieren die Fachbereiche eigenverantwortlich.
Eine weitere häufige Frage ist, ob Data Mesh nur für sehr große Organisationen geeignet ist. Unsere Erfahrung zeigt: Der Ansatz ist skalierbar. Entscheidend ist weniger die Unternehmensgröße als vielmehr die Komplexität der Datenlandschaft und die Anzahl der beteiligten Domänen.
Wichtig ist aber auch, ehrlich zu sein: Data Mesh skaliert langfristig deutlich besser, erfordert jedoch initial mehr Aufwand. Rollen, Verantwortlichkeiten, Datenproduktdenken und Plattformstrukturen müssen aufgebaut werden. Der Ansatz lohnt sich besonders für Unternehmen, die viele Datenquellen und Fachbereiche koordinieren müssen, KI oder Analytics breit einsetzen wollen oder bei denen zentrale Datenteams regelmäßig zum Engpass werden.
Fachbereiche werden zu aktiven Datenverantwortlichen. Sie wissen am besten, wie ihre Daten entstehen, was sie bedeuten und wie sie genutzt werden. Im Data-Mesh-Modell definieren sie ihre Datenquellen bewusst als Produkte, dokumentieren sie strukturiert und stellen sie anderen Teams zur Verfügung.
Der Unterschied zeigt sich im Alltag: Statt Hilfe bei Kollegen zu suchen oder IT-Tickets zu erstellen, greifen Mitarbeiter auf einen zentralen Datenkatalog zu. Dort finden sie das passende Datenprodukt mit Beschreibung, Qualitätsangaben, Verantwortlichen und Zugriffsregeln und können es direkt in ihrem Analysewerkzeug nutzen. Ergebnisse entstehen schneller, sind reproduzierbar und lassen sich wiederum als eigenes Datenprodukt bereitstellen.
Excel ist beliebt, weil Fachbereiche damit eigenständig Lösungen entwickeln können. Data Mesh überträgt dieses Prinzip auf Unternehmensdaten, strukturiert, governancekonform und skalierbar. So sinken Abhängigkeiten, Entscheidungen werden beschleunigt und der Fachbereich wird vom Anforderungssteller zum aktiven Treiber datenbasierter Wertschöpfung.
Die IT wird strategischer. Statt jede einzelne Datenanfrage operativ zu bedienen, konzentriert sie sich auf Plattformaufbau, Governance, Sicherheitsstandards und Architektur. Sie stellt sicher, dass Datenprodukte interoperabel sind, Compliance-Anforderungen erfüllen und unternehmensweit nutzbar bleiben. Dadurch wird die IT von vielen Routineaufgaben entlastet und kann sich auf wertschöpfende Themen wie KI-Infrastruktur oder Advanced Analytics konzentrieren.
Der Übergang zu Data Mesh ist kein reines IT-Projekt. Er betrifft Organisation, Rollenverständnis und Zusammenarbeit. Zunächst müssen Domänen klar identifiziert und Verantwortlichkeiten definiert werden. Das bedeutet: Es braucht ein neues Rollenverständnis in den Fachbereichen sowie klare Zuständigkeiten für Datenprodukte. Dieser organisatorische Wandel ist der entscheidende Hebel für den Erfolg. Parallel wird eine technische Plattform aufgebaut, die Self-Service, Suche und Datennutzung ermöglicht und schrittweise an die spezifischen Anforderungen des Unternehmens angepasst wird. Die Datenquellen werden sukzessive angebunden. Gleichzeitig werden Governance-Regeln festgelegt, die zentral vorgegeben und dezentral umgesetzt werden.
Wir empfehlen einen schrittweisen Transformationsansatz mit Pilotdomänen. So entstehen erste Datenprodukte unter realen Bedingungen, während Organisation und Technologie sich synchron entwickeln und der Einstieg in die dezentrale Datenwelt kontrollierbar bleibt.
Mich motiviert an Data Mesh insbesondere, dass Menschen wieder selbstbestimmter mit Daten arbeiten können. In vielen Unternehmen sehe ich hochqualifizierte Mitarbeiter, die unnötig Zeit in Abstimmungen und Warteprozessen verlieren. Wenn Fachbereiche eigenständig handeln können, werden Projekte schneller, Entscheidungen fundierter und die tägliche Arbeit deutlich befriedigender. Für mich geht es nicht nur um Architektur, sondern auch darum, produktives Arbeiten zu ermöglichen.
KI lebt nicht nur von zugänglichen und qualitativ hochwertigen Daten, sondern vor allem vom richtigen Kontext. Modelle liefern besonders gute Ergebnisse, wenn sie verstehen, was Daten bedeuten, wie sie entstanden sind und in welchem fachlichen Zusammenhang sie stehen. Genau hier liegt in vielen Unternehmen das Problem: Daten sind zwar technisch verfügbar, aber ihr fachlicher Kontext ist weder sauber dokumentiert noch eindeutig verantwortet. Besonders bei KI-Anwendungen, die direkt auf Rohdaten arbeiten oder automatisierte Auswertungen erzeugen sollen, fehlt häufig genau dieses Domänenwissen.
Data Mesh schafft hier eine wichtige Grundlage. Wenn Daten als klar definierte Datenprodukte vorliegen, inklusive Beschreibung, Qualitätssicherung, Verantwortlichkeit und fachlicher Einordnung, wird dieser Kontext systematisch mitgeliefert. Dadurch können KI-Modelle deutlich präziser arbeiten, konkrete Fragen korrekt beantworten und belastbare, automatisierte Analysen erzeugen. KI-Initiativen werden so nicht nur technisch möglich, sondern auch fachlich fundiert und organisatorisch tragfähig.
Consileon begleitet Unternehmen bei der Einführung von Data Mesh strategisch, technologisch und organisatorisch. Von der Analyse bestehender Datenarchitekturen über die Definition von Domänen und Governance-Modellen bis hin zur technischen Plattformintegration entsteht eine zukunftsfähige Datenorganisation mit klaren Verantwortlichkeiten und hoher Skalierbarkeit.
Künstliche Intelligenz kann längst mehr als Texte schreiben oder Bilder generieren. Eine der rasantesten Entwicklungen findet derzeit im Bereich Voice AI statt, also der Fähigkeit von KI-Systemen, Stimmen zu erzeugen, zu imitieren oder eigenständig Gespräche zu führen. Was vor wenigen Jahren noch nach Science-Fiction klang, ist heute technisch erstaunlich ausgereift.
In der neusten Folge des Consileon-Podcast „Am Puls der Zeit – Mobilität im Wandel“ diskutieren Moritz Hollenbeck, Senior Software Engineer, und Carl Limburg, Senior Consultant im Automotive-Geschäftsbereich, die Chancen und Risiken dieser Technologie.
„Ich finde, an diesem Beispiel kann man sehr gut erkennen, wie weit entwickelt die KI bereits ist, speziell wenn es um die Generierung von Stimmen geht“, sagt Moritz über ein Experiment aus der Podcastfolge, in dem mehrere Stimmen vorgespielt wurden, alle KI-generiert.
Eine der überraschendsten Erkenntnisse: Für einen einfachen Stimmenklon reichen heute bereits wenige Sekunden Audiomaterial einer echten Stimme. Mit mehr Aufnahmen lassen sich Intonation, Tempo und Sprachstil immer präziser nachbilden. Das eröffnet neue Möglichkeiten, etwa für digitale Assistenten oder automatisierte Hotlines. Gleichzeitig entstehen neue Risiken: Voice AI kann auch für Betrugsversuche oder politische Manipulation eingesetzt werden.
Ein Beispiel aus den USA zeigt, wie real diese Szenarien bereits sind. Bei einer Vorwahl wurden Wähler per automatisiertem Anruf kontaktiert, mit einer Stimme, die US-Präsident Joe Biden imitierte und sie vom Wählen abhalten sollte. Die Diskussion im Podcast zeigt, dass technisch bereits vieles möglich ist. Entscheidend wird künftig sein, wie wir gesellschaftlich und organisatorisch damit umgehen.
Neben den Risiken bietet Voice AI auch enormes Potenzial. Besonders im Customer Service können KI-gestützte Sprachassistenten viele einfache Anfragen automatisiert bearbeiten, rund um die Uhr erreichbar sein und mehrere Gespräche parallel führen. Für Unternehmen bedeutet das schnellere Reaktionszeiten und effizientere Prozesse; für Kunden eine deutlich bessere Erreichbarkeit.
Doch die Entwicklung geht noch weiter. Immer häufiger übernehmen persönliche KI-Assistenten die Kommunikation im Namen von Menschen: Sie recherchieren Informationen, vergleichen Angebote oder organisieren Termine. Damit entsteht ein neues Interaktionsmodell, in dem nicht nur Menschen mit Unternehmen sprechen, sondern auch mit deren digitalen Stellvertretern. Diese Entwicklung wird zunehmend als Agent Relationship Management (ARM) beschrieben – eine Weiterentwicklung klassischer CRM-Ansätze. Unternehmen kommunizieren dabei nicht mehr ausschließlich mit dem Kunden selbst, sondern auch mit dessen KI-Assistenten, die Informationen filtern, Entscheidungen vorbereiten oder automatisiert Anfragen stellen.
Voice AI spielt dabei eine zentrale Rolle: Sie ermöglicht natürliche, sprachbasierte Interaktionen zwischen Menschen, Unternehmen und digitalen Agenten. In Zukunft könnten viele einfache Serviceprozesse daher nicht mehr nur von Mensch zu Mensch oder von Mensch zu Maschine ablaufen, sondern auch von KI zu KI. Ferner eröffnet die Technologie neue Möglichkeiten im Alltag, etwa beim Zugang zu Informationen, bei Übersetzungen oder als Unterstützung für Menschen, die digitale Technologien bisher nur eingeschränkt nutzen können.
Die Beispiele aus der Podcastfolge zeigen auch, wie wichtig KI-Kompetenz in Unternehmen wird. Viele Mitarbeiter erleben KI noch als abstraktes Schlagwort. Gleichzeitig entstehen neue Fragen zur Sicherheit, zur Regulierung und zur praktischen Nutzung.
Genau hier setzt der Consileon KI-Führerschein an. Das praxisnahe Training zeigt Teams, wie KI konkret im Arbeitsalltag eingesetzt werden kann – vom eigenen Chatbot über automatisierte Workflows bis hin zu kreativen Anwendungen. Statt Theorie steht dabei Learning-by-Doing im Mittelpunkt. Ziel ist es, Berührungsängste abzubauen und eine neue Denkweise zu fördern: KI nicht als Bedrohung, sondern als Werkzeug zur Lösung konkreter Aufgaben zu verstehen.
Voice AI zeigt eindrucksvoll, wie schnell sich KI weiterentwickelt und wie stark sie unsere Kommunikation verändern kann. Die entscheidende Frage ist daher nicht, ob diese Technologien kommen, sondern wie wir lernen, sinnvoll und verantwortungsvoll mit ihnen umzugehen.
Mehr Einblicke, Beispiele und Diskussionen zum Thema Voice AI hören Sie in der aktuellen Podcastfolge „KI oder nicht KI, das ist hier die Frage„
Der demografische Wandel stellt Unternehmen vor eine doppelte Herausforderung: Neben dem zunehmenden Fachkräftemangel droht auch der Verlust erfolgskritischen Erfahrungswissens, wenn langjährig Beschäftigte ausscheiden. Dieses Wissen ist häufig nicht dokumentiert, sondern über Jahre hinweg gewachsen und eng mit individuellen Erfahrungen verknüpft.
Ein Artikel der Ausgabe 1/2026 des Fachmagazins „Wissensmanagement“ erläutert, warum klassische Ansätze des Wissensmanagements hier an ihre Grenzen stoßen und weshalb Unternehmen neue Wege gehen müssen, um Wissen und Erfahrung langfristig zu sichern. Dabei wird deutlich, welche besondere Rolle individuelle Erfahrung für Stabilität, Qualität und Wettbewerbsfähigkeit des Unternehmens spielt.
Der Artikel zeigt, wie generative KI dabei unterstützen kann, Wissen systematisch zu erfassen, zu strukturieren und kontextbezogen verfügbar zu machen, ohne menschliche Expertise zu ersetzen. Zudem werden Anforderungen an Datenschutz, Verantwortung und organisatorische Rahmenbedingungen eingeordnet.
Künstliche Intelligenz erreicht 2026 einen neuen Reifegrad. Nach einer Phase intensiver Experimente und hoher Erwartungen verschiebt sich der Fokus deutlich. Nicht mehr die technische Machbarkeit steht im Vordergrund, sondern die Frage, wie KI strukturiert, kontrolliert und nachhaltig in Unternehmen verankert werden kann.
KI wird damit von einer Innovationsinitiative zu einer dauerhaften Management- und Führungsaufgabe. Für Unternehmensberatungen wie Consileon bedeutet das, technologische Entwicklung konsequent mit Governance, Organisation, Prozessen und regulatorischer Sicherheit zu verbinden.
Ein wesentlicher technologischer Trend für 2026 ist der Übergang von assistierender zu agentischer KI. KI-Systeme agieren zunehmend nicht mehr nur reaktiv, sondern übernehmen eigenständig Aufgaben, treffen Entscheidungen innerhalb definierter Rahmen und steuern komplette Prozessketten. Solche agentischen Systeme koordinieren etwa Vertriebsaktivitäten, priorisieren Serviceanfragen oder lösen Folgeprozesse automatisch aus. Der Nutzen entsteht dabei weniger aus einzelner Automatisierung, sondern aus der End-to-End-Optimierung von Abläufen.
Gleichzeitig steigt damit der Bedarf an klaren Steuerungsmechanismen, denn je autonomer KI agiert, desto wichtiger werden Governance, Transparenz und die Eingriffsmöglichkeiten des Menschen.
Parallel dazu entwickeln sich KI-Modelle weiter in Richtung Multimodalität und Leistungsfähigkeit. Modelle, die Text, Sprache, Bilder und zunehmend auch Videos gemeinsam verarbeiten, eröffnen neue Anwendungsmöglichkeiten entlang komplexer Geschäftsprozesse.
2026 geht es dabei weniger um immer größere Modelle um ihrer selbst willen, sondern um deren gezielte Einbettung in Unternehmenskontexte. Unternehmen stehen vor der Aufgabe, diese Leistungsfähigkeit nutzbar zu machen, ohne Komplexität und Kosten unkontrolliert steigen zu lassen. Die Auswahl geeigneter Modelle, ihr sicherer Betrieb und ihre Integration in bestehende Systemlandschaften werden damit zu zentralen Architekturentscheidungen.
Trotz zunehmender Autonomie bleibt der Mensch auch 2026 ein zentraler Bestandteil erfolgreicher KI-Nutzung. Der Fokus verschiebt sich von der Frage, ob KI Menschen ersetzt, hin zur Gestaltung einer wirksamen Mensch-KI-Kooperation. KI übernimmt analytische, repetitive oder vorbereitende Aufgaben, während Menschen Verantwortung für Bewertung, Kontext und Entscheidung tragen.
Diese Zusammenarbeit erfordert klare Rollenbilder, Vertrauen in die Systeme sowie die Fähigkeit, KI-Ergebnisse kritisch zu hinterfragen. Unternehmen investieren daher gezielt in Qualifizierung und Veränderungsmanagement, um KI als produktiven Partner im Arbeitsalltag zu etablieren.
Mit steigender Leistungsfähigkeit und Autonomie von KI rückt Governance stärker in den Mittelpunkt. 2026 erkennen Unternehmen, dass unkoordinierte KI-Nutzung weder skalierbar noch regulatorisch tragfähig ist. Der EU-AI-Act und weitere regulatorische Vorgaben erhöhen den Druck, KI-Anwendungen nachvollziehbar, kontrollierbar und dokumentierbar zu gestalten.
Governance-Strukturen definieren daher klare Regeln für den Einsatz von KI, legen Verantwortlichkeiten fest und sorgen dafür, dass Innovation innerhalb sicherer Leitplanken stattfindet. Governance wird damit zum Enabler für nachhaltige KI-Nutzung und nicht zum Innovationshemmnis.
Neben Strukturen und Technologie entscheidet die Befähigung der Mitarbeiter über den Erfolg von KI-Initiativen. KI entfaltet ihren Nutzen nur dann, wenn Fachbereiche verstehen, wie sie eingesetzt wird, wo ihre Grenzen liegen und wie Ergebnisse einzuordnen sind.
2026 investieren Unternehmen verstärkt in Schulung, Sensibilisierung und Change Management, um KI in der Fläche wirksam zu machen. Ziel ist eine souveräne Nutzung, bei der Mitarbeiter KI als Unterstützung begreifen und die Verantwortung für Entscheidungen behalten.
Auch die IT-Organisationen entwickeln sich weiter. Statt vieler paralleler Experimente setzen Unternehmen zunehmend auf konsistente KI-Plattformstrategien. Diese bündeln Daten, Modelle, Sicherheitsmechanismen und Integrationslogiken in einer übergreifenden Architektur. So lassen sich Innovationen schneller skalieren, Risiken besser kontrollieren und Abhängigkeiten reduzieren. KI wird damit zu einem festen Bestandteil der IT-Landschaft und nicht länger als isolierte Speziallösung betrachtet.
Ein zentrales Einsatzfeld von KI bleibt 2026 die Unterstützung kundenbezogener Prozesse. In Marketing, Vertrieb und Service ermöglicht KI eine personalisierte Ansprache, eine intelligentere Steuerung von Aktivitäten und effizientere Serviceprozesse.
Besonders in hybriden Betreuungsmodellen unterstützt KI dabei, knappe Ressourcen gezielt einzusetzen und Kundenerwartungen konsistent zu erfüllen. Entscheidend ist, dass diese Anwendungen nicht isoliert entstehen, sondern eng mit Geschäftsmodellen, Prozessen und Systemlandschaften verzahnt sind.
Parallel gewinnt der Einsatz von KI in regulatorischen und rechtlichen Anwendungsbereichen deutlich an Bedeutung. Sprachmodelle eignen sich hervorragend zur Analyse umfangreicher Textdokumente, zur Unterstützung von Compliance-Prüfungen oder zur strukturierten Aufbereitung regulatorischer Anforderungen. Gerade in stark regulierten Branchen entsteht hier ein erheblicher Effizienz- und Qualitätsgewinn. Voraussetzung ist jedoch eine kontrollierte Nutzung, die Transparenz, Revisionssicherheit und regulatorische Konformität gewährleistet.
>>> Mehr zu KI für regulatorische Anwendungen
Die KI-Trends 2026 zeigen klar: Der wirtschaftliche Nutzen von KI entsteht nicht durch einzelne Tools oder schnelle Experimente, sondern durch eine ganzheitliche Gestaltung aus Technologie, Governance, Organisation und Prozessen. Unternehmen stehen vor der Herausforderung, leistungsfähige KI-Modelle und agentische Systeme produktiv einzusetzen, regulatorische Anforderungen zu erfüllen und ihre Mitarbeiter mit einzubinden.
Consileon unterstützt Unternehmen dabei, diese Herausforderungen strukturiert zu meistern. Mit einem klaren Fokus auf Geschäftsmodelle, Prozesse und messbaren Nutzen begleiten wir unsere Kunden von der strategischen Einordnung über Governance- und Plattformkonzepte bis hin zur konkreten Umsetzung von KI-Anwendungen. So wird KI nicht nur eingeführt, sondern auch nachhaltig wirksam – als integrierter Bestandteil der Unternehmenssteuerung und Wertschöpfung.
Künstliche Intelligenz ist längst mehr als ein Hype, sie verändert Wertschöpfung, Prozesse und Geschäftsmodelle. Doch während viele Unternehmen erste Tools testen, fehlt es oft an Struktur, Governance und eine klaren KI-Strategie. Rüdiger Lang, Principal bei Consileon, erklärt im Interview, warum KI nicht länger im Pilotstatus verharren darf, welche Schritte wirklich zählen und wie Unternehmen den Übergang ins Kerngeschäft erfolgreich gestalten können.
In vielen Fällen ist KI heute noch ein „Buzzword mit Pilotcharakter“. Unternehmen experimentieren, probieren Tools aus, meist ohne übergreifende Strategie. Meist fehlt eine klare Governance, ein exakt definiertes Ziel und die Fähigkeit, KI wirklich skalierbar in die Wertschöpfung zu integrieren. Viele Unternehmen setzen heute kleine KI-Use-Cases um, wie beispielsweise Co-Pilot, der bei einzelnen Arbeitsschritten unterstützt. Wir erwarten den größten Hebel jedoch bei der Umsetzung von KI-Use-Cases, die vertikal, also entlang der Geschäftsprozesse wirken. Genau da setzen wir gemeinsam mit unseren Kunden an: mit einem strukturierten Einstieg, einem fundierten Reifegrad-Audit und der Entwicklung passender Use Cases.
>>> Mehr zur Entwicklung einer individuellen KI-Strategie
Der KI-Führerschein ist unser praxisnahes Einstiegstraining, mit dem Teams Künstliche Intelligenz konkret erleben, nicht nur theoretisch verstehen. Statt trockener PowerPoint geht es um aktives Ausprobieren: Eigene Chatbots bauen, Prozesse mit No-Code-Tools automatisieren, Prompts entwickeln oder sogar KI-generierte Inhalte wie ein Musikstück erstellen. Das Format senkt Einstiegshürden, macht Lust auf KI und zeigt, wie vielfältig die Einsatzmöglichkeiten im Arbeitsalltag schon heute sind. Gleichzeitig thematisieren wir Fragen rund um Regulierung und Sicherheit, etwa im Hinblick auf den EU-AI-Act. Für viele ist das Training der erste Schritt, um KI nicht nur als Schlagwort, sondern als Werkzeug aktiv in ihre Arbeitsprozesse zu integrieren. Um auch auf der Führungskräfteebene die Potenziale von KI aufzuzeigen, bieten wir spezielle KI-Workshops für Entscheider an, die auf strategische Themen wie Wertschöpfungstiefe KI eingehen.
Je nach Reifegrad und Zielsetzung folgt meist ein KI-Audit, also die Analyse der organisatorischen, technischen und kulturellen Voraussetzungen. Daraus leiten wir Handlungsempfehlungen ab, die wir in einem Workshop mit der Führungsebene vertiefen. Besonders wichtig ist, dass KI nicht als technische Spielerei verstanden wird, sondern als ein Tool, das echten Mehrwert liefern kann. Auch und gerade in Geld.
Dass Unternehmen mit einem KI-Use-Case starten, ohne sich Gedanken über die KI-Strategie zu machen. Die KI-Strategie legt den Rahmen für die Umsetzung der KI-Use-Cases fest. Dadurch werden Use Cases mit dem größten Mehrwert angegangen und Insellösungen, Schatten-IT oder Sicherheitslücken vermieden. Teil der Strategie ist auch eine zentrale Plattform für die KI-Lösungen aufzubauen. Sonst verpuffen die Mehrwerte der KI. Außerdem sind einzelnen Insellösungen wesentlich teurer.
Eine ganz zentrale. Der EU-AI-Act bringt klare Vorgaben mit sich, etwa zur Risikoklassifikation, zu Transparenz und Kontrolle. Das bedeutet Unternehmen müssen den Einsatz von KI steuern und überwachen. Wir helfen dabei, diese Anforderungen frühzeitig zu integrieren, z. B. bei der Auswahl von Modellen, bei der Dokumentation oder im Umgang mit sensiblen Daten. Der KI-Führerschein ist beispielsweise ein Training, das Mitarbeiter auf den Umgang mit KI gemäß dem EU-AI-Act schult.
Grundsätzlich ist KI ein Thema, das völlig unabhängig von Branche oder Wirtschaftszweig einen Mehrwert liefert. Egal ob es um Arbeitserleichterungen, Wissensspeicherung, Effizienzgewinne oder das Einhalten von regulatorischen Vorgaben geht. Beispielsweise stehen die Finanzdienstleister oder auch die Pharmabranche unter hohem Druck, Regularien umzusetzen bzw. einzuhalten. Hier bieten wir bereits KI-Lösungen an, die die Umsetzung und die Prüfung von Regulatorik erheblich zu beschleunigen, z.B. zum Thema Vertragsprüfung auf DORA. Der andere Bereich ist die Pharmaindustrie, die mit den GxP-Prüfungen vor einem gewaltigen Aufwand stehen, den wir mit unserer KI-Lösung deutlich reduzieren können.
>>> Mehr zum Consileon Regulatorik-Radar erfahren
Behandeln Sie KI wie ein strategisches Investment, nicht wie ein Experiment oder eine technische Spielerei. Denken Sie von Anfang an zukünftige Entwicklungen. Bauen Sie eine tragfähige Architektur, etablieren Sie Governance und nehmen Sie Ihre Belegschaft von Anfang an mit auf die Reise. Und vor allem: Fangen Sie an! Heute! Aber mit System und klaren Zielen.
Millionen Menschen nutzen heute ChatGPT, Claude oder Perplexity als persönliche Assistenten. Diese Systeme organisieren Informationen, treffen Entscheidungen und übernehmen Routineaufgaben. Sie verändern, wie Menschen mit Unternehmen interagieren.
Mit dieser Entwicklung entsteht ein neues Paradigma im Customer Relationship Management: das Agent Relationship Management (ARM).
ARM beschreibt das gezielte Management der Beziehung nicht mehr nur zum Menschen, sondern auch zu dessen digitalen Assistenten, also zu Systemen, die als eigenständige Empfänger, Filter und Multiplikatoren agieren. Unternehmen, die sich darauf vorbereiten, schaffen sich einen entscheidenden Vorsprung im B2A-Zeitalter (Business-to-Agent).
Seit vielen Jahren unterstützen wir Unternehmen aus den unterschiedlichsten Branchen beim Aufbau und der Weiterentwicklung von CRM-Systemen. Dabei stand der erste Buchstabe, das „C“, stets für verschiedene Beziehungsformen, z.B.
Der Kern war immer das Beziehungsmanagement zwischen Menschen. Dann kam die Phase der Multi- und Omnikanal-Kommunikation. Heute stehen Marketing-, Sales- und Service-Automation, gestützt durch KI, im Fokus vieler Unternehmen. Mit ARM entsteht nun die nächste Entwicklungsstufe: das Management der Beziehung zwischen Unternehmen und KI-Assistenten.
Laut aktuellen Studien nutzen bereits mehr als 60 % der Menschen regelmäßig KI-Assistenten. Die Tendenz ist steigend. Diese digitalen „Butler“ übernehmen eigenständig Aufgaben, treffen Entscheidungen und filtern Informationen. Sie entscheiden, welche Inhalte ihre Nutzer überhaupt noch sehen. Damit werden sie zu Gatekeepern der Kundenkommunikation. Unternehmen, die ihre Informationen KI-gerecht strukturieren und an diese Systeme „ausliefern“, sichern sich Sichtbarkeit und damit Relevanz im Alltag ihrer Kunden oder Vertriebspartner.
Die digitalen Infrastrukturen verändern sich; Websites, Portale und APIs werden zunehmend so gestaltet, dass sie sowohl von Menschen als auch von Maschinen verstanden werden. Marketing- und Serviceteams müssen in Zukunft nicht nur Kunden, sondern auch deren KI-Assistenten mit strukturierten, semantisch klaren Informationen erreichen, die sich automatisch verarbeiten lassen. ARM schafft genau dafür den organisatorischen und technologischen Rahmen.
Mit dem Aufkommen persönlicher KI-Assistenten verändern sich die Aufgaben in Marketing, Vertrieb und Service grundlegend. Diese Systeme werden künftig selbstständig mit Unternehmen interagieren, etwa Anfragen stellen, Informationen anfordern oder Verträge prüfen. Hierdurch verlagert sich der Fokus, sodass nicht länger ausschließlich der Mensch mit dem Unternehmen kommuniziert, sondern zunehmend auch seine digitale Vertretung.
Im Agent Relationship Management werden eingehende Anfragen von KI-Assistenten direkt im System (ACRM) erfasst. Eine unternehmensinterne Multi-Agenten-KI prüft diese Anfragen, bearbeitet sie z.B. durch die Bereitstellung von Vertrags- oder Statusinformationen und antwortet automatisiert an den KI-Assistenten des Kunden. Bei komplexen Fällen oder wenn regulatorische Vorgaben es erfordern, wird ein menschlicher Mitarbeiter eingebunden. So entsteht ein intelligentes Zusammenspiel aus Automatisierung und persönlicher Expertise.
Auch der Vertrieb wird zunehmend Informations- und Angebotsanfragen per KI erhalten, beispielsweise von digitalen Assistenten, die für ihre Nutzer passende Produkte oder Tarife vergleichen. Unternehmen müssen darauf vorbereitet sein, schnell, idealerweise in Echtzeit, von KI zu KI zu interagieren. Ihre eigene Unternehmens-KI agiert dabei als Frontend im Dialog, erstellt erste Angebote oder Datenabgleiche und bezieht Vertriebsmitarbeitende dann ein, wenn individuelle Beratung, Freigaben oder regulatorische Anforderungen gefragt sind.
Für das Marketing bedeutet ARM, Inhalte nicht nur für Menschen, sondern auch für KI-Systeme strukturiert, semantisch klar und maschinenlesbar aufzubereiten. Ziel ist es, dass Unternehmensinformationen nahtlos in die Workflows der persönlichen Assistenten einfließen und dort als relevante Empfehlung beim Endkunden landen.
So entsteht ein neues, hybrides Interaktionsmodell:
Unternehmen ↔ Unternehmens-KI ↔ Kunden-KI ↔ Mensch
Dieses Zusammenspiel wird zum Herzstück des modernen Agent Relationship Managements und zur Basis echter Wettbewerbsdifferenzierung im B2A-Zeitalter.
Die Umsetzung eines erfolgreichen ARM ist kein Hexenwerk, vorausgesetzt, die CRM- und CX-Grundlagen sind gegeben. Mit Softwarelösungen wie der BSI Customer Suite oder der Microsoft Sales Cloud lassen sich ARM-Funktionalitäten direkt integrieren.
Dabei unterstützen wir unsere Kunden auf drei Ebenen:
1. Strategie und Konzeption
Wir analysieren, wie Ihr Unternehmen heute mit Kunden interagiert und wie KI-Assistenten künftig in diesen Prozess eingebunden werden können. Gemeinsam entwickeln wir Ihr ARM-Zielbild, von der Datenstrategie bis zur Prozessautomatisierung.
2. Technologie und Integration
Unsere Teams implementieren Lösungen gemeinsam mit Partnern wie BSI und Microsoft, integrieren Schnittstellen für KI-Assistenten und stellen sicher, dass Daten, Prozesse und Sicherheitsanforderungen (z. B. DSGVO, EU AI Act) eingehalten werden.
3. KI- und Datenkompetenz
Wir bringen KI-Expertise ein, um intelligente Automatisierung, Next-Best-Action-Empfehlungen und Agent-basierte Kommunikation zu ermöglichen. So entsteht eine zukunftsfähige, lernende CRM-Landschaft, die sich an Kunden wie an ihre digitalen Stellvertreter anpasst.
Unternehmen, die frühzeitig handeln, sichern sich Vorteile. Erfolgreiche ARM-Projekte starten mit konkreten Pilotfällen, wie der automatisierten Beantwortung von KI-Anfragen im Service, personalisierten Produktempfehlungen oder einer strukturierten Datenbereitstellung. Über diese Pilotprojekte entsteht Schritt für Schritt ein B2A-Ökosystem, in dem Unternehmen, Kunden und KI-Assistenten effizient zusammenarbeiten.
Agent Relationship Management erweitert den CRM-Gedanken um eine neue Dimension. Während früher der Mensch im Zentrum stand, tritt heute ein weiteres „Beziehungswesen“ hinzu, der persönliche KI-Assistent. Unternehmen, die ARM strategisch angehen, schaffen nicht nur effizientere Abläufe, sondern sichern sich auch Relevanz in einer zunehmend KI-vermittelten Welt.