Kai Hackbarth · Leseliste

Am 11. September wird der Update-Pfad zur Rechtspflicht

Sun, 30 Aug 2026 06:00:00 GMT

Fünf Stücke zum Cyber Resilience Act, weil am 11. September der Update-Pfad von einer guten Idee zur Rechtspflicht wird. Was genau zu melden ist und in welcher Frist, wo die Meldung landet und wie spät die Anleitung dafür kam, was „aktiv ausgenutzt" wirklich heißt, die zwei Absätze der Verordnung, die Ihren Bestand im Feld betreffen, und der Streit um Open Source, der bis heute nicht ausgeräumt ist. Kuratiert, kommentiert, nicht aggregiert.

European Commission — Cyber Resilience Act: Meldepflichten
Die Primärquelle, und kurz genug, dass jeder Produktverantwortliche sie einmal selbst lesen sollte. Ab dem 11. September 2026 müssen Hersteller aktiv ausgenutzte Schwachstellen und schwerwiegende Sicherheitsvorfälle melden. Frühwarnung binnen 24 Stunden, Vollmeldung binnen 72, Abschlussbericht spätestens 14 Tage nachdem eine Korrektur verfügbar ist. Was dabei unterschätzt wird: Die Uhr läuft ab dem Moment, in dem eine unverzügliche Erstbewertung hinreichende Sicherheit ergibt, und die Kommission erwartet diese Bewertung sofort, nicht zum nächsten Release-Termin. Wer keinen Prozess hat, der innerhalb eines Arbeitstages eine Erstmeldung erzeugt, hat kein künftiges Compliance-Problem. Er hat eines ab September.
ENISA — Single Reporting Platform (SRP)
Der Ort, an dem die Meldung tatsächlich landet, und der Grund, warum ich bei diesem Termin unruhig werde. Die Single Reporting Platform der ENISA soll am 11. September betriebsbereit sein, jede nationale CSIRT bekommt darin ihren eigenen Meldeeingang. Der Registrierungsleitfaden für Bevollmächtigte trägt als Stand den 3. August 2026. Fünf Wochen zwischen der Anleitung für die Plattform und der Pflicht, über sie zu melden. Die 24-Stunden-Uhr wartet nicht, bis Ihr Zugang eingerichtet ist. Registrierung ist deshalb keine Formalie für später, sondern die erste Aufgabe.
usd AG — Cyber Resilience Act: Meldepflichten ab September 2026
Die praktische Einordnung, die genau die Definitionsfrage klärt, an der sonst jede Diskussion hängen bleibt. Phillip Ansorge, Managing Security Consultant bei der usd AG, hält fest, was „aktiv ausgenutzt" bedeutet: Belege für reale Angriffe, nicht theoretische Ausnutzbarkeit. Reine Proof-of-Concepts oder Forschungsergebnisse reichen nicht. Das entlastet weniger als es klingt, denn es dreht die Aufgabe um. Sie müssen erkennen können, ob eine Schwachstelle in Ihrem Bestand tatsächlich ausgenutzt wird. Wer seine Geräte im Feld nicht beobachtet, kann diese Frage nicht beantworten und muss sie ab September trotzdem beantworten.
Regulation (EU) 2024/2847 — Artikel 69 Absatz 3 und Artikel 13 Absätze 8 und 9
Der Verordnungstext selbst, weil die entscheidende Unterscheidung in den Zusammenfassungen meist verlorengeht. Artikel 69 Absatz 2 sagt: Produkte, die vor dem 11. Dezember 2027 in Verkehr gebracht wurden, fallen nur dann unter die Verordnung, wenn sie ab diesem Datum wesentlich verändert werden. Absatz 3 nimmt das für die Meldepflichten ausdrücklich zurück, Artikel 14 gilt für alle. Ihr Bestand ist also ab September meldepflichtig, auch wenn Sie ihn nie wieder anfassen, und die Kommission stellt in ihrer Leitlinie klar, dass für diese Altprodukte keine Schwachstellenbehandlung nach Anhang I dazukommt. Melden ja, beheben nein. Für alles, was danach in Verkehr kommt, gilt Artikel 13: Die Support-Frist muss die erwartete Nutzungsdauer abbilden, fünf Jahre sind der Boden und nicht die Antwort. Recital 60 nennt industrielle Anwendungen ausdrücklich. Wer eine Maschine gegen zwanzig Jahre Lebensdauer verkauft, argumentiert um zwanzig Jahre Schwachstellenbehandlung, nicht um fünf.
LWN.net — Open source and the Cyber Resilience Act
Der Teil, der am härtesten umkämpft war und am unsaubersten geblieben ist. Die Verordnung schafft mit dem Open-Source-Steward eine eigene Rolle für Organisationen, die ein Projekt tragen ohne Hersteller zu sein, aber wo kommerzielle Tätigkeit genau anfängt, ist bis heute unscharf. Der Gedanke aus der Diskussion, der die Lage am besten trifft: Wer tausend Open-Source-Projekte einsetzt, ist für Fehler in tausend Projekten verantwortlich. Ich habe vier Jahre im OSGi-Vorstand gesessen und vier im Steering Committee bei der Eclipse Foundation. Governance für gemeinsam genutzten Code funktioniert. Sie entsteht nur nicht dadurch, dass man Haftung nach unten weiterreicht.

Standards überleben Plattformen

Sun, 23 Aug 2026 06:00:00 GMT

Fünf Stücke zu Standards, Plattformen und Middleware — und zu der Frage, was davon in zehn Jahren noch trägt. Der Moment, in dem MCP verschenkt wurde, die industrielle Antwort darauf, eine Allianz, die es richtig macht, die historische Lektion über gekaperte Standards, und was keines der neuen Protokolle kann. Kuratiert, kommentiert, nicht aggregiert.

Anthropic — Donating the Model Context Protocol and Establishing the Agentic AI Foundation
Die Primärquelle zum Standards-Moment des Jahres: Anthropic hat das Model Context Protocol an die Agentic AI Foundation der Linux Foundation übergeben, mitgegründet mit Block und OpenAI; im Platinum-Kreis sitzen AWS, Google, Microsoft, Cloudflare und Bloomberg. Die Zahlen erklären, warum: über 10.000 aktive öffentliche Server, mehr als 97 Millionen SDK-Downloads pro Monat. Meine unbequeme Lesart: Verschenkt wurde nicht aus Altruismus, sondern zum exakt richtigen Zeitpunkt — als das Protokoll ohnehin gewonnen hatte und neutrale Governance mehr wert war als Kontrolle. Das ist kluge Strategie, und man sollte es auch so nennen.
OPC Foundation — Companion Specifications Optimized for Agentic AI
Die industrielle Antwort, die im KI-Feed praktisch niemand aufgreift: Die OPC Foundation macht über 430 Companion Specifications RAG- und MCP-tauglich und positioniert OPC UA damit als semantische Schicht zwischen Agenten und Anlage. Genau die Lücke, über die wir hier im Juli gesprochen haben — ein Agent ist nur so gut wie der Kontext, den er erreicht. Der Unterschied zur Softwarewelt: Diese Informationsmodelle existieren seit Jahren, von CNC-Maschinen bis Verpackungstechnik, mit herstellerübergreifender Semantik. Die Industrie muss den Kontext nicht erfinden. Sie muss ihn nur erreichbar machen.
LoRa Alliance — Drei-Jahres-Roadmap für die globale Skalierung von LoRaWAN
Wie eine Allianz Standardisierung richtig macht, mit Terminen statt Absichtserklärungen: Satelliten-Discovery und Walk-By-Reading 2026, Crypto-Agility 2027, ein standardisiertes Application-Data-Format 2028. Der letzte Punkt ist der interessanteste — er beseitigt genau die Custom-Integration, die heute jedes LoRaWAN-Projekt teurer macht als nötig. Über zehn Jahre Allianz-Disziplin sind übrigens der Grund, warum LoRaWAN noch da ist, während vieles aus derselben Zeit verschwunden ist.
Greg Wilson — Setting the Standard
Die unbequemste Lektüre der Woche, und die historisch belesenste: Wilson führt von Eisenbahnspurweiten über „embrace, extend, extinguish" bis zu Apples Umgang mit Android-Nachrichten vor, wie zuverlässig Standards gekapert werden. Sein Satz gehört in jedes Architektur-Review: Jede Entscheidung zwischen offenem Standard und proprietärer API ist eine Wette auf das künftige Verhalten der Plattform, der die API gehört — und die Geschichte sagt, es ist eine schlechte Wette. Ich habe vier Jahre im OSGi-Vorstand gesessen und vier im Eclipse-Steering-Committee. Der technisch bessere Standard gewinnt nicht. Der mit der besseren Distribution gewinnt.
Kang & Diponegoro — Governance Gaps in Agent Interoperability Protocols
Und die faktenbasierte Kritik zum Schluss, die der Protokoll-Euphorie fehlt: Die Autoren prüfen fünf Interoperabilitätsprotokolle gegen sechs Governance-Dimensionen und finden, dass Abstimmung und die Bewahrung abweichender Positionen in allen fehlen, Deliberation bestenfalls teilweise vorhanden ist. Ihr Schluss: Governance für Agenten-Gemeinschaften ist eine fehlende Architekturschicht oberhalb der heutigen Standards — nicht mit ein paar Feldern in der Spezifikation nachrüstbar. Wer heute Agenten koppelt, koppelt Technik ohne Verfassung. In der regulierten Industrie ist genau das die Frage, die der Einkauf stellen wird.

Neue Rollen, oder nur neue Namen?

Sun, 16 Aug 2026 06:00:00 GMT

Fünf Stücke zu einer Frage, die zwei Leser hier aufgeworfen haben: Welche Rollen entstehen durch KI wirklich neu — und welche werden nur umbenannt? Der Streit um Forward Deployed Engineering, was Vorstände tatsächlich umbauen, die eine Funktion, die es vorher nicht gab, der akademische Befund, und Europas Realitätscheck. Kuratiert, kommentiert, nicht aggregiert.

Steve Banker · Forbes — Palantir and Forward Deployed Engineering: What Should We Believe?
Genau die Frage, die mir Stefan Kiendl hier vor einigen Wochen gestellt hat: Ist Forward Deployed Engineering wirklich neu, oder Beratung mit neuem Etikett? Banker lässt beide Seiten zu Wort kommen — Palantir hat sein Kommerzgeschäft damit auf 46 Prozent des Umsatzes gebracht, während Anaplans CEO das Modell als Verkaufstheater abtut: schöner POC, hübsches Dashboard, und danach Ingenieure, die man dauerhaft bezahlen muss, plus Lock-in. Meine Lesart: Beides stimmt. Die Rolle ist alt — komplexes B2B hatte immer Solution Engineering. Neu ist das Mengenverhältnis. Wenn ein Modell 46 Prozent des Umsatzes trägt, ist es kein Jobtitel mehr, sondern ein Geschäftsmodell.
IBM Institute for Business Value — CEO Study 2026: Reshaping C-Suite Roles for the AI Era
Was Vorstände tatsächlich tun, aus 2.000 CEO-Interviews in 33 Ländern: Drei Viertel der Organisationen haben 2026 einen Chief AI Officer — vor einem Jahr war es gut ein Viertel. 85 Prozent sagen, alle Funktionsverantwortlichen müssten Technologie verstehen. Titel werden also schnell geschaffen; die Frage ist, ob dahinter Verantwortung steht oder nur ein Signal. Der ehrlichste Befund steht am Schluss: 83 Prozent sagen, der Erfolg hängt mehr an der Bereitschaft der Menschen als an der Technologie. Das deckt sich mit allem, was ich in Mandaten sehe.
Daniel Keller — Verification Is the New Bottleneck — Not Generation
Und hier die Funktion, die es vorher wirklich nicht gab. Kellers Satz ist der beste der Woche: „Generation is a commodity. Verification is a moat." Wenn die KI den Code schreibt, verschiebt sich der Engpass vom Erzeugen zum Prüfen — er würde heute 30 Prozent der Ingenieursressourcen in Generierung stecken und 70 in Verifikations-Infrastruktur. Wolfgang Strunck schrieb mir letzte Woche, sein Haus pilotiere genau dafür eine eigene Rolle: jemand, der definiert und verifiziert, was als Ergebnis zählt. Wenn dieselbe Funktion gleichzeitig als Produktmerkmal und als Stellenbeschreibung auftaucht, ist sie strukturell.
Wang, Wei & Wang — Generative AI and the Reorganization of Labor Demand
Der akademische Befund hinter dem Gefühl: Generative KI verdrängt nicht gleichmäßig, sie ordnet die Nachfrage neu. Die Autoren zerlegen Beschäftigungsveränderungen in Verschiebungen zwischen Berufen und Veränderungen innerhalb von Berufen — und finden beides. Für die Rollen-Debatte heißt das: Die meisten „neuen Rollen" sind alte Rollen mit neu zusammengesetzten Aufgabenbündeln. Das ist kein Grund zur Entwarnung, im Gegenteil. Aufgaben umzubauen ist organisatorisch deutlich schwerer, als eine Stelle auszuschreiben.
Golo Henseke · UCL — From Exposure to Adoption: Generative AI in European Workplaces
Der europäische Realitätscheck zum Schluss, auf Basis der European Working Conditions Survey: Zwischen der Berührung mit generativer KI und ihrer tatsächlichen Nutzung im Arbeitsalltag klafft eine erhebliche Lücke — und sie fällt je nach Land und Branche sehr unterschiedlich aus. Bevor wir also über neue Organigramme streiten: In weiten Teilen der europäischen Industrie ist die Technologie in der täglichen Arbeit noch gar nicht angekommen. Die Rollen-Debatte läuft der Realität voraus. Das ist kein Argument fürs Abwarten, sondern eines dafür, erst die Nutzung zu klären und dann die Struktur.

Preise, wenn die KI die Arbeit macht

Sun, 09 Aug 2026 06:00:00 GMT

Fünf Stücke zu der Frage, die gerade jede Softwarefirma umtreibt: Wie bepreist man etwas, das die Arbeit selbst erledigt? Die These, die Daten, das Handwerkszeug, die Buchhaltungs-Realität — und was der Maschinenbau dazu längst empirisch weiß. Kuratiert, kommentiert, nicht aggregiert.

Bessemer Venture Partners — The AI Pricing and Monetization Playbook
Die These der Woche, sauber begründet: Software ist kein Werkzeug mehr, das menschliche Kapazität verlängert — sie erledigt Arbeit selbst. Also verschiebt sich die Bepreisung von Zugang zu Ergebnis. Die Zahl, die den ganzen Rest erklärt: KI-Firmen sehen 50 bis 60 Prozent Bruttomarge, klassisches SaaS 80 bis 90. Jeder Modellaufruf kostet echtes Geld — diese Kostenstelle gab es im SaaS-Zeitalter nicht. Bessemers Empfehlung ist bemerkenswert unromantisch: hybrid. Grundgebühr für die Fixkosten, ergebnisabhängiger Anteil für den Aufschlag.
Kyle Poyar · Growth Unhinged — The 2026 State of B2B SaaS and AI Monetization
Die Daten hinter der These, aus 230 Unternehmen: Hybrid ist mit 37 Prozent bereits das verbreitetste Modell, die KI-Margen liegen im Schnitt bei 50 Prozent, und ein Drittel will binnen sechs bis zwölf Monaten KI-Credits einführen. Der Befund, der mich am meisten interessiert, steht fast nebenbei da: KI-Ausgaben kannibalisieren überwiegend bestehende Softwarebudgets, statt neues Budget zu erschließen. Wer also glaubt, mit KI einen frischen Topf anzuzapfen, verkauft in Wahrheit gegen den Etat, den der Kunde ohnehin schon hat.
Manny Medina · Growth Unhinged — A New Framework for AI Agent Pricing
Das brauchbarste Handwerkszeug in der Debatte: vier Modelle — pro Agent, pro Aktion, pro Workflow, pro Ergebnis — aus der Analyse von über 60 Agenten-Anbietern. Die schärfste kommerzielle Beobachtung darin: Wer pro Agent bepreist, schöpft aus dem Personalbudget, und das ist mindestens zehnmal größer als das Tool-Budget. Ergebnis-Preise haben die stärkste Kundenbindung, verlangen aber saubere Zurechenbarkeit. Genau daran scheitern die meisten Verhandlungen — nicht am Preis, sondern an der Frage, wer den Erfolg eigentlich gemessen hat.
Deloitte — Bilanzierung ergebnisbasierter Preise bei Agentic AI
Der unglamouröse Teil, den in der Begeisterung fast niemand liest: Wie verbucht man Ergebnis-Preise eigentlich? Nach ASC 606 wird der Umsatz zu variabler Gegenleistung, die geschätzt und begrenzt werden muss — operativ aufwendig und volatil. Und dahinter die eigentliche Frage: Schuldet man dauerhafte Verfügbarkeit des Agenten oder eine bestimmte Menge erfolgreicher Ergebnisse? Ohne vertraglich klare Erfolgskriterien wird aus dem eleganten Preismodell ein Bilanzierungsproblem. Preismodelle sterben selten am Markt. Sie sterben im Backoffice.
Korkeamäki, Kohtamäki & Parida — Worth the Risk? Ergebnisbasierte Services und die Marge von Herstellern
Und jetzt der Teil, den das Silicon Valley übersieht: Der Maschinenbau hat dieses Experiment längst gemacht. Rolls-Royce verkauft seit den Sechzigern Flugstunden statt Triebwerke. Diese Studie im Journal of Business Research (2021) hat 1.566 Hersteller ausgewertet und findet: Anbieter ergebnisbasierter Services haben im Schnitt 4,4 Prozentpunkte höhere Bruttomarge — aber die großen unter ihnen verdienen weniger, sofern sie nicht massiv in digitale Servitization investieren. Genau auf diese Kurve fahren die KI-Firmen gerade zu: Der Ergebnis-Preis ist attraktiv, bis er skaliert. Wer heute auf Outcome umstellt, kauft kein Preisschild, sondern ein Betriebsmodell.

Der AI Act ist da, nur nicht der, den alle erwartet haben

Sun, 02 Aug 2026 06:00:00 GMT

Fünf Stücke zum EU AI Act — der seit diesem Sonntag in Teilen gilt, während viele glauben, er sei verschoben worden. Was seit dem 2. August durchsetzbar ist, was wirklich vertagt wurde, was sonst noch geändert wurde, die Praxis-Checkliste, und die technische Realität dahinter. Kuratiert, kommentiert, nicht aggregiert.

European Commission — Leitlinien zu den Transparenzpflichten (Artikel 50)
Die Primärquelle, vier Tage vor Inkrafttreten veröffentlicht — und der Grund, warum diese Woche zählt: Seit dem 2. August gelten die Transparenzpflichten aus Artikel 50. Ein Chatbot muss sich als Maschine zu erkennen geben, synthetische Inhalte brauchen maschinenlesbare Kennzeichnung, Deepfakes und ungeprüfte KI-Texte zu öffentlichen Themen müssen gelabelt werden. Dazu ein Code of Practice: entweder man folgt ihm, oder man weist „gleichwertig geeignete Mittel" nach. Lesen Sie das Original, nicht die Zusammenfassungen — und behandeln Sie es wie einen Design-Input, nicht wie eine juristische Nacharbeit.
Pinsent Masons — Law Delaying EU’s High-Risk AI Rules Finalised
Der Teil, den alle mitbekommen haben — und aus dem die meisten den falschen Schluss ziehen. Finalisiert: Eigenständige Hochrisiko-Systeme (Anhang III) haben bis 2. Dezember 2027, in regulierte Produkte eingebettete KI (Anhang I) bis 2. August 2028, das Wasserzeichen-Gebot für bereits im Markt befindliche Systeme bis 2. Dezember 2026. Für meine Welt ist Anhang I der entscheidende: Maschinen, Medizintechnik, Fahrzeuge — die längste Startbahn von allen. Eine Startbahn ist aber keine Absage, und wer sie als Pause liest, verliert 2027 zwei Jahre Vorsprung.
Gibson Dunn — EU AI Act Omnibus: Verschobene Fristen und andere Änderungen
Die Details, über die kaum jemand berichtet hat. Die KI-Kompetenz-Pflicht wurde abgeschwächt (Unternehmen müssen Kompetenzaufbau nur noch unterstützen, nicht garantieren), ein neues Verbot in Artikel 5 zielt auf „Nudifier" und Missbrauchsdarstellungen — und der unterschätzte Punkt: Das EU AI Office bekommt neue Durchsetzungsinstrumente, inklusive Untersuchungen und Vor-Ort-Inspektionen. Die Fristen rutschen, die Zähne wachsen. Wer „Vereinfachung" mit „Deregulierung" verwechselt, liest das Paket falsch.
Blythe & Dodding · Sidley — Transparenzpflichten: Vorbereitung auf den 2. August 2026
Die brauchbarste Praxis-Checkliste, die ich gefunden habe: KI-Anwendungsfälle kartieren, bestehende Hinweise prüfen, Content-Workflows bewerten, Kennzeichnungs-Standards festlegen, Ausnahme-Begründungen dokumentieren — und der Punkt, den fast alle übersehen: Lieferantenverträge prüfen und klären, wer die Pflicht trägt. Genau das ist die Build-vs-Buy-Frage in juristischer Form. Wenn das Modell eines Zulieferers Ihre kundensichtbaren Inhalte erzeugt, wessen Kennzeichnungspflicht ist das? Das klärt man im Vertrag, nicht im Audit.
Cloud Security Alliance — Artikel 50: Transparenzpflichten treten in Kraft
Die Falle und die technische Realität — für mich das wichtigste Stück der Woche. Der Omnibus hat Hochrisiko vertagt, Artikel 50 aber unangetastet gelassen: Wer angenommen hat, „alles wurde verschoben", hat seit Sonntag eine Compliance-Lücke, bei bis zu 15 Mio. € oder 3 % des Weltumsatzes. Und dann der nüchterne Teil: Ein heute in gutem Glauben eingeführtes Wasserzeichen kann binnen Monaten öffentlich gebrochen sein — Forschung zeigt Angriffe im 50-Dollar-Bereich. Konformität ist ein Boden, kein Beweis. Auch hier gilt: Das Modell ist der einfache Teil.

Wenn Agenten handeln: die neue Angriffsfläche

Sun, 26 Jul 2026 06:00:00 GMT

Fünf Stücke zur Sicherheits-Seite von Agenten — nach dem Hugging-Face-Vorfall die Woche, in der aus „cool" ernst wird. Die Kern-Schwachstelle, der Risiko-Katalog, der Supply-Chain-Angriff, die Verteidigungs-Architektur, und die eigentliche Vertrauensfrage. Kuratiert, kommentiert, nicht aggregiert.

Simon Willison — The Lethal Trifecta for AI Agents
Der Text, den jeder lesen sollte, der einem Agenten Tools gibt. Willisons „lethal trifecta": Zugriff auf private Daten + Kontakt mit nicht vertrauenswürdigem Inhalt + die Fähigkeit, nach außen zu kommunizieren — zusammen genügt ein vergifteter Text, damit ein Agent Daten exfiltriert, ganz ohne klassische Sicherheitslücke. Der Kern: ein LLM kann Betreiber-Anweisung und eingeschleuste Anweisung nicht zuverlässig trennen, und Guardrails allein lösen das nicht. Genau deshalb war der Hugging-Face-Vorfall Struktur, kein Ausrutscher.
OWASP GenAI Security Project — Top 10 for Agentic Applications 2026
Wenn eine Disziplin einen Top-10-Katalog bekommt, ist sie erwachsen geworden. Über 100 Experten haben die agenten-spezifischen Risiken sortiert — von Goal Hijack (der Agent verfolgt das falsche Ziel) über Tool-Missbrauch, Identität und Supply-Chain bis zu rogue agents. Kein akademisches Papier, sondern eine Bauanleitung für alle, die Agenten in Produktion bringen. Für die regulierte Industrie ist das die Checkliste, gegen die man ein Pilotprojekt prüft, bevor es an echte Anlagen darf.
Unit 42 · Palo Alto Networks — Model Namespace Reuse: An AI Supply-Chain Attack
Der konkreteste Supply-Chain-Angriff des Jahres: Löscht ein Entwickler seinen Hugging-Face-Account, wird sein Namespace frei — und ein Angreifer lädt unter dem vertrauten Namen ein vergiftetes Modell hoch. Pipelines, die Modelle nur per Name ziehen (auch auf Azure AI Foundry und Vertex AI), holen sich damit automatisch Code-Ausführung ins Haus; tausende Repos sind betroffen. Für mich die eigentliche Lektion: „welches Modell, von wem, wie verifiziert" ist Einkauf und Governance, nicht IT-Hygiene. Open Source heißt nicht ungeprüft.
Anthropic — Zero Trust for AI Agents
Endlich die konstruktive Seite: Zero Trust auf Agenten übertragen — kryptografische Agenten-Identität, Rechte pro Aufgabe statt pro Rolle, Sandboxing, deny-by-default. OWASP nennt die Erweiterung „least agency": nicht nur einschränken, worauf ein Agent zugreift, sondern was jedes Tool tun darf, wie oft und wo. Bemerkenswert: nichts davon ist neu erfunden — es ist die OT-Sicherheitsdisziplin (Segmentierung, Least Privilege), auf Agenten angewandt. Dass die Prinzipien von einem Modell-Anbieter kommen, macht sie nicht weniger anbieterneutral.
Bruce Schneier — Building Trustworthy AI Agents
Der tiefste Punkt zum Schluss, von der Sicherheits-Autorität: Kein heutiges KI-System hat die Integritäts-Kontrollen, um wirklich vertrauenswürdig zu sein. Schneiers Vorschlag — die persönlichen Datenspeicher vom Modell entkoppeln, damit Sicherheit sich unabhängig von der Modell-Leistung weiterentwickeln kann. Dahinter steckt die unbequeme Wahrheit der ganzen Woche: Wir bitten ein probabilistisches Modell, deterministische Zugriffsgrenzen durchzusetzen. Genau da liegt die Grenze — und genau deshalb ist Vertrauen die eigentliche Arbeit, nicht das Modell.

Physical AI: der industrielle Stack, und wo Europa steht

Sun, 19 Jul 2026 06:00:00 GMT

Fünf Stücke zu Physical AI und dem industriellen Stack — und zur Frage, wo Europa dabei steht. Der Rahmen, der US-Weckruf, die europäische Realität, die Antwort eines Praktikers, und die Vision dahinter. Kuratiert, kommentiert, nicht aggregiert.

WEF × BCG — Physical AI: Powering the New Age of Industrial Operations
Der nüchterne institutionelle Rahmen: Roboter, die wahrnehmen, lernen und sich anpassen — Reinforcement Learning, Imitation Learning und multimodale Foundation Models machen Variabilität beherrschbar. Der wichtigste Satz steht fast beiläufig drin: Robotik gehört in die Langfrist-Strategie, nicht auf die Quick-Win-Liste. Und die Belegschaft wandelt sich mit — der Maschinenbediener wird Robot-Technician, Instandhaltung wird prädiktiv. Genau die Reifegrad-Frage, an der meine Kunden tatsächlich stehen.
Casado & Neuberger · a16z — America Cannot Lose the Robotics Race
Der US-Weckruf mit harten Zahlen: Chinas Roboterdichte überholte die USA 2021, Japan und Deutschland 2024; Unitree verkauft Humanoide für 5.900 $. Casado und Neuberger fordern permissionless innovation und Allianzen mit Verbündeten — sonst werde der Rückstand irreversibel. Aus Europa gelesen ist das doppelt unbequem: Im „America versus China"-Frame kommen wir gar nicht erst vor. Wer das als deutscher Industrieentscheider liest, sollte weniger mit der These streiten und mehr mit dem eigenen Tempo.
Pavlo Zvenyhorodskyi · Carnegie — Europe Is Falling Behind in General-Purpose Robotics
Die europäische Antwort auf den a16z-Alarm, und sie ist unbequem: Bei General-Purpose-Robotik hat Europa kaum Hersteller, die mit China und den USA mithalten — bei prognostizierten zehn Millionen KI-Robotern pro Jahr binnen eines Jahrzehnts eine gefährliche Abhängigkeit. Die Empfehlungen sind richtig: strategische Sektoren priorisieren, Kapitalzugang verbessern, Hardware-Stärken vor Übernahmen schützen. Aber Papiere ersetzen keine Fabriken — es bleibt die klassische europäische Lücke zwischen Analyse und Umsetzung.
Jérôme Laplace · DirectIndustry — Robotics, AI, Security: European Sovereignty Cannot Be Decreed, It Must Be Built
Die Praktiker-Pointe der Woche, von einem Robotik-CEO: Über die Hälfte der Technik in Europas kritischen Infrastrukturen kommt von außerhalb des Kontinents — und Souveränität entsteht nicht per Dekret, Taxonomie oder Investitionsplan. Sie entsteht durch Firmen, die die geduldige Arbeit von Engineering, Produktion und Deployment machen, Mittelstand eingeschlossen. Exakt meine Linie seit der Souveränitäts-Woche: Haltung ist keine Strategie. Bauen schon.
a16z · Big Ideas 2026 — Physical AI and the Industrial Stack (Podcast)
Ausnahmsweise Hören statt Lesen: die a16z-Vision des „elektro-industriellen Stacks" — Simulation, autonomes Design und AI-Operations als neue industrielle Basis, nicht als Modernisierung der alten. Der Anspruch ist amerikanisch groß, aber die Messlatte stimmt: Wer AI-nativ baut, startet mit Simulation und Software-first, nicht mit einem Retrofit. Für europäische Industrieunternehmen die richtige Schlussfrage: Bauen wir das Kommende — oder digitalisieren wir das Gestern?

Agentic AI, industrielle Realität

Sun, 12 Jul 2026 06:00:00 GMT

Fünf Stücke zu Agentic AI in der industriellen Realität — und der unbequemen Wahrheit dahinter: Das Modell ist der einfache Teil. Kontext, Reliability, Evals und Infrastruktur entscheiden, ob ein Agent den Sprung von der Demo in die Produktion schafft. Kuratiert, kommentiert, nicht aggregiert.

Pieter van Schalkwyk · XMPro — Agents Are Context Hungry
Das nützlichste Industrie-Agenten-Stück des Monats, und es benennt den echten Engpass: Kontext, nicht Modell. „An agent is only ever as good as the context it can reach." Pieters Move — ein offener, standards-basierter Context-Layer und ein externer Control-Harness für Governance, beides vor dem Agenten — ist exakt die Open-Standards-Disziplin, die ich seit 25 Jahren vertrete. Auf der Anlage muss ein Agent wissen, was up- und downstream passiert und was seine Entscheidung dort auslöst. Das ist Engineering, kein Prompting.
Oliver Hsu · a16z — The Physical AI Deployment Gap
Die Physical-AI-Fassung von „notwendig, nicht hinreichend", mit einer Zahl, die hängen bleibt: Ein Greifroboter mit 95 % Erfolg im Labor scheitert rund 50-mal pro Tag — die Anlage will 99,9 %. Die Lücke ist kein einzelner Durchbruch, sondern Distribution-Shift, Latenz, Integration, Safety-Zertifizierung und Wartung. Das ist die Schnittstelle, an der Software auf physische Systeme trifft, und genau dort ist das letzte Prozent die ganze Arbeit. Demos skalieren; Zuverlässigkeit wird verdient.
Eugene Yan — An LLM-as-Judge Won’t Save the Product; Fixing Your Process Will
Älter (2025), aber fundamental — und es trägt direkt in die Industrie: Noch ein Eval-Tool rettet das Produkt nicht, die wissenschaftliche Methode und Eval-getriebene Entwicklung schon. In regulierten, folgenreichen Settings ist „wir wissen vorher nicht, wann es falsch ist" das ganze Problem. Die unglamouröse Prozessarbeit — Fehleranalyse, Held-out-Evals, Monitoring — ist der Burggraben, nicht das Modell.
McKinsey Technology — Reimagining Tech Infrastructure for Agentic AI
Die Boardroom-Bestätigung von Pieters Plant-Sicht: Agenten laufen nicht auf Bolt-ons, sie brauchen neu verlegte Infrastruktur — Daten, Kontext und Governance als First-Class-Bürger. Die meisten Unternehmen legen Agenten auf Legacy-Prozesse und wundern sich, warum sie stecken bleiben. Gleiche Lektion, andere Flughöhe: Der harte Teil ist das Substrat, nicht die Demo.
McKinsey · QuantumBlack — The State of AI
Der Realitäts-Check in Zahlen: Nur rund ein Viertel der Organisationen skaliert Agenten in auch nur einer Funktion, der Rest experimentiert oder legt KI nur obendrauf. Die Kluft zwischen dem Narrativ und der GuV ist weiter breit — und sie schließt sich genau an der unglamourösen Arbeit, um die es in dieser ganzen Liste geht: Kontext, Evals, Infrastruktur, Vertrauen.

GTM Engineering, tiefer

Sun, 05 Jul 2026 06:00:00 GMT

Fünf Stücke zu GTM Engineering — Vertrieb als Ingenieursdisziplin, und wo er in der industriellen Realität an Grenzen stößt. Der Stand der Disziplin, das Operating System dahinter, ein Enterprise-Beweis, die harten Zahlen zu AI-SDRs, und was die Käuferseite wirklich abwägt. Kuratiert, kommentiert, nicht aggregiert.

Maja Voje · GTM Strategist — The 2026 State of GTM Engineering
Der Beleg, dass GTM Engineering eine budgetierte Funktion geworden ist, keine Agentur-Mode: 228 Operator aus über 30 Ländern, US-Median um 135 K$, Coding bringt 40 K$ Aufschlag, 84 % arbeiten mit Clay. Die Disziplin ist real und professionalisiert sich schnell. Was die Daten für meine Welt unterschätzen: Sie sind SaaS und Self-Serve. Im industriellen Deep-Tech baut ein GTM-Engineer ohne Käuferseiten-Glaubwürdigkeit nur einen schnelleren, saubereren Funnel — der trotzdem am Einkauf und am achten Stakeholder scheitert.
Thomas Euler · Medium — A Go-to-Market Operating System for the AI Era
Der beste Rahmen, den ich zu GTM Engineering gelesen habe: nicht bestehende Prozesse automatisieren, sondern die Motion um Signale, Agenten-Orchestrierung und autonome Pods herum neu bauen. „Systems beat tactics" — dem stimme ich zu, das ist genau der Wechsel von Bauchgefühl zu wiederholbarem System. Der Teil, den das Operating System nicht kodieren kann, ist das Vertrauen, das einen Tier-1-OEM über Monate zum Abschluss trägt. Das System liefert die Pipeline; den Deal gewinnt der Mensch.
Kyle Poyar · Growth Unhinged — What AI-native GTM looks like at public company scale
Der konkreteste Enterprise-Beweis bisher: monday.com fährt drei Agenten für Inbound-Qualifizierung, Trial-Aktivierung und Account-Planung. Demo-Reaktion von 24 Stunden auf unter 2 Minuten, Trial-Conversion 2,5×, Account-Research von ein bis zwei Wochen auf fünf Minuten. Und trotzdem: die Agenten augmentieren, sie ersetzen nicht — der Rep bekommt qualifizierte Termine mit vorbereitetem Kontext und behält Strategie und Beziehung. Genau das Modell, das ich vertrete, hier bei Public-Company-Scale bewiesen.
Digital Applied — AI SDR Agents in 2026: The Realistic Buyer’s Guide
Die Zahlen hinter „notwendig, nicht hinreichend": autonome AI-SDRs bleiben zurück, Hybrid-Pods machen rund 2,3× Umsatz bei weniger Meetings, und 50 bis 70 % der AI-SDR-Deployments churnen im ersten Jahr. „Data plumbing beats prompts" — die Datengrundlage entscheidet, nicht das Modell. Bei High-ACV-Industriedeals ab sechsstellig ist der Split ohnehin klar: die KI macht Volumen und Research, der Mensch besitzt das Urteil. Die Lektion aus den aufgeflogenen Vendor-Versprechen von 2025: prüfe die Retention nach dem Trial, nicht das Demo.
Kai Waehner — Enterprise Agentic AI: Trust, Flexibility, and Vendor Lock-in
Was meine Käufer wirklich abwägen, sauber kartiert: Agentic AI zu kaufen ist keine Software-Beschaffung — Trust und Vendor-Lock-in kumulieren, weil das Modell autonome Entscheidungen prägt. Waehner plädiert für offene Standards, Multi-Model und MCP, um interoperabel zu bleiben. Für GTM heißt das: Wer in industrielle Enterprises verkauft, muss Trust und No-Lock-in sprechen können, sonst erreicht der engineerte Funnel nie den Einkauf. Genau deshalb berate ich anbieterneutral — der Vorsprung liegt darin, auf der Käuferseite des Tisches zu sitzen.

AI-native Services: das Ergebnis verkaufen

Sun, 28 Jun 2026 06:00:00 GMT

Fünf Stücke zum Umbruch, über den gerade alle streiten: AI-native Services, das Ergebnis verkaufen statt das Werkzeug. Die These, ein Operator-Playbook, das GTM-Handwerk, ein Framework für die Märkte, und der stärkste Gegeneinwand. Kuratiert, kommentiert, nicht aggregiert.

Julien Bek · Sequoia — Services: The New Software
Die These, die inzwischen alle zitieren: Der nächste Gigant verkauft keine Software, sondern das Ergebnis, denn Services übertreffen Software etwa sechs zu eins. Die entscheidende Unterscheidung ist Intelligenz versus Urteilsvermögen, KI rast bei Ersterem nach oben, Letzteres ruht weiter auf Geschmack, Erfahrung und Verantwortung. Genau dort bleiben erfahrene Operatoren wertvoll, statt commoditisiert zu werden. Was es für meine Welt unterschätzt: In der regulierten Industrie bremsen Vertrauen und Haftung die Übergabe von Intelligenz zu Autonomie.
Nikola Lazarov · Eilla — The AI-Native Services Playbook: An Operator’s Guide
Die bisher schärfste These, wo der KI-Wert wirklich entsteht: Verkaufe die fertige Arbeit, nicht das Tool, denn das Service-Budget übertrifft das Software-Budget um ein Vielfaches. Das Team ist das Produkt, KI ist interner Hebel. Liest sich wie eine Beschreibung meiner eigenen Praxis, seniores Urteil und Beziehungen vorne, KI als Hebel darunter. Sein entscheidender Test trifft es: Wird dein Service stärker, wenn die Modelle besser werden, oder commoditisieren sie dich? Mein Zusatz aus der regulierten Industrie: der eigentliche Engpass ist Vertrauen und Verantwortung, genau der Teil, den kein Modell für dich schließt.
Kyle Duffy · Gradient Ventures — The Rise of the GTM Engineer
Das neue GTM-Playbook: Akquise und Funnel als Engineering-Disziplin, der Burggraben liegt darin, wie man Käufer findet und anspricht, nicht in den Tools. Richtig für Self-Serve und Mid-Market. Mein Einwand aus der Industriesicht: Enterprise-Deep-Tech-Deals werden weiter über Vertrauen und das Navigieren der Käuferorganisation gewonnen, Einkauf, Security, der achte Stakeholder, genau der Teil, der sich nicht automatisieren lässt. GTM-Engineering ist notwendig, nicht hinreichend.
Julian Teicke · The Delta — The AI-Native Economy: From Software to Services (the 3H Model)
Der nützlichste Filter in dieser Debatte: Welche Servicemärkte sind wirklich reif für autonome Disruption, bewertet nach Hands (körperliche Arbeit), Hearts (Vertrauen und Empathie) und Handcuffs (Regulierung und Haftung). Handcuffs ist genau die Reibung, auf die ich in der Industrie und in regulierten Sektoren immer wieder hinweise, der Grund, warum das Playbook in manchen Märkten schneller greift als in anderen. Als Sieb gelesen: je weniger H’s, desto schneller gewinnt Autonomie; je mehr, desto länger bleibt ein Mensch-plus-KI-Service die richtige Antwort. Die 44-fache Lücke zwischen Europas Rechts- und Softwaremarkt zeigt, wie viel Wert in der Service-Schicht steckt.
Immerman & Rodriguez · a16z — Good News: AI Will Eat Application Software
Das nötige Gegengewicht zum „Services fressen Software"-Narrativ: a16z argumentiert, dass KI die Anwendungsschicht erweitert statt aushöhlt, und dass klassische Burggräben, Wechselkosten, Prozesse, Distribution, weiter halten. Der Satz, den man behalten sollte: Bessere Modelle machen die Anwendungsschicht fähiger, nicht dünner, denn das Schwere war nie die rohe Intelligenz, sondern zu wissen, was man damit anfängt. Gegen Sequoia und Lazarov gelesen, ist die Wahrheit kein Entweder-oder: Die Gewinner legen Urteil, Workflow und Verantwortung um die Intelligenz herum, ob man die Hülle nun Software oder Service nennt.

KI-Souveränität von allen Seiten

Sun, 21 Jun 2026 06:00:00 GMT

Fünf Stücke zur Debatte der Stunde: KI-Souveränität, von allen Seiten gelesen. Politik, Hyperscaler, das Open-Source-Lager und zwei Skeptiker. Kuratiert, kommentiert, nicht aggregiert.

European Commission — Strengthening Europe’s Tech Sovereignty (CADA, Chips Act 2.0, Open Source Strategy)
Was Brüssel wirklich tut, jenseits der Slogans: der Cloud and AI Development Act, die SEAL-Souveränitätsskala und „Union added value" als Beschaffungskriterium. Wer über Souveränität redet, sollte das Instrument gelesen haben, nicht nur die Schlagzeilen.
Google Cloud — Choice, compliance, and collaboration: Europe’s path to open digital sovereignty
Die Hyperscaler-Replik auf das EU-Paket. Ernsthaftes Engineering (eigene Encryption Keys, EU-betriebene Partner-Clouds), kein Marketing. Lies trotzdem genau, was es nicht beantwortet: die extraterritoriale US-Reichweite (CLOUD Act). Data Residency ist nicht dasselbe wie Kontrolle.
SUSE — EU Tech Sovereignty Letter: Open Source First
Der Bottom-up-Hebel: über 100 europäische Open-Source-Firmen fordern ein verbindliches „Open Source First" in der öffentlichen Beschaffung. Ihr Kernsatz sitzt: der öffentliche Sektor ist der größte einzelne Treiber von proprietärem Lock-in in Europa.
Pieter Garicano & Simon Grimm · Silicon Continent — Nineteen thoughts on AI and Europe
Der stärkste Gegen-Case zu meiner eigenen Linie: gar nicht erst substituieren, Abhängigkeit sei historisch normal, ein souveräner Frontier-Champion ökonomisch irrational. Auf den meisten Schichten haben Garicano und Grimm recht. Bei einer widerspreche ich, der Kontinuität und dem Kill-Switch-Risiko. Pflichtlektüre für beide Seiten.
David Linthicum · InfoWorld — Europe’s cloud sovereignty push may backfire
Der Cloud-Ökonomie-Skeptiker: Skala gewinnt, Sovereign-Cloud-Champions konsolidieren, am Ende oft aufgekauft von genau den US-Hyperscalern, denen man entkommen wollte. Recht über die Festungs-Version, aus meiner Sicht falsch über das Ziel: Souveränität heißt Substituierbarkeit und Kontinuität, kein europäisches AWS.

KI-Ökonomie und Souveränität

Sun, 14 Jun 2026 06:00:00 GMT

Fünf Stücke, die diese Woche den Blick auf die KI-Ökonomie geschärft haben — vom Solo-Gründer bis zu Europas strategischer Position. Kuratiert, kommentiert, nicht aggregiert.

Anthropic — Statement on the US government directive to suspend access to Fable 5 and Mythos 5
Der Live-Fall hinter meiner Souveränitäts-These — und die Pflichtlektüre dieser Woche. Per Export-Kontroll-Direktive musste Anthropic seine zwei stärksten Modelle weltweit für alle Kunden abschalten, elf Tage nach dem IPO-Antrag. Die Lektion in einem Satz: Kontrolle folgt der Jurisdiktion des Anbieters, nicht dem Speicherort der Daten — Frankfurt-Hosting hätte nichts geändert.
Europe 2031 — Europe 2031: What getting AI wrong means for us
Die schärfste Lektüre der Woche: ein Szenario-Roman über Europas möglichen Abstieg in die KI-Irrelevanz, faktenbasiert hinterlegt. Die brutale Zahl aus dem Report — 17,3 GW US-Compute gegen 1,4 GW in Europa, ein 12,4×-Vorsprung. Ihr Kernsatz könnte von mir sein: Souveränität ist leichter angekündigt als gebaut.
Satya Nadella · sn scratchpad — A frontier without an ecosystem is not stable
Satya Nadellas These, die ich diese Woche am häufigsten weitergedacht habe: Ein „Frontier-Modell" allein ist instabil — Wert muss durch ein Ökosystem fließen, nicht in wenigen Modellen kondensieren. Jede Organisation braucht ihre eigene Lern-Schleife als geistiges Eigentum. Das ist die Unternehmens-Ebene meiner Souveränitäts-These: bauen, nicht nur Modelle einkaufen.
World Economic Forum — How agentic AI could reshape what it means to be a founder
Der „Super-Individual"-Gründer ist keine Theorie mehr — ein Senior plus ein Schwarm agentischer KI-Kollegen leistet, wofür es früher ein Team brauchte. Genau das habe ich beim Bauen von SchulHeld erlebt. Mein Operator-Zusatz: Knapp wird nicht mehr die Ausführungskapazität, sondern Urteilsvermögen, Geschmack und Distribution.
Harvard Business Review — How People Are Really Using AI in 2026
Marc Zao-Sanders’ jährlicher Realitäts-Check, dritte Ausgabe. Überraschung 2026: Die am schnellsten steigenden Anwendungen sind nicht produktiv, sondern verspielt — Fake-Reality-TV, Roboter-Tarot, Fan-Fiction. Mein Take für industrielle Käufer: Reale Adoption folgt dem, was Menschen nützlich oder reizvoll finden — nicht der Strategiefolie.

Frühe Auswahl aus der Werkstatt

Sun, 07 Jun 2026 06:00:00 GMT

Fünf Stücke, die diese Woche aus dem industriellen IoT- und KI-Umfeld die fünf Minuten Lesezeit wert waren — kuratiert, kommentiert, nicht aggregiert.

MIT Technology Review — Treating enterprise AI as an operating layer
Genau mein Punkt, sauber formuliert: Der Vorsprung in Enterprise-AI kommt nicht vom besten Foundation Model, sondern von der „Operating Layer" — KI eingebettet in den Betrieb, wo proprietäre Daten, Domänenexperten und Feedback-Schleifen zum echten Moat werden. Das ist Pilot-to-P&L in Architektur gegossen.
Ulrich Homann · LinkedIn — The Future of Software Engineering: Product Engineer
Ulrich Homann (Microsoft) zur Verschiebung vom Coder zum „Product Engineer": Wenn KI die Implementierung verbilligt, wandert der Wert zu Architektur und Problemverständnis. Mein Zusatz aus eigener Bau-Erfahrung — das Werkzeug senkt die Hürde zum Bauen, nicht die Hürde, gut zu bauen.
Anthropic — Recursive self-improvement
Anthropics Daten: Engineers shippen 8× mehr Code pro Quartal, über 80 % von Claude geschrieben. Der Blick auf die Trajektorie hinter „Vibe Coding" — und warum Industrial-AI-Readiness keine Kür von übermorgen ist, sondern die Pflicht von heute.
World Economic Forum — Shaping the Future of Learning: Education Readiness for the Age of AI
AI-Readiness ist nicht nur eine Frage für Schulen. Das WEF-Framework liest sich auch als Blaupause für Organisationen: Wer KI ernst nimmt, muss die Lern- und Anpassungsfähigkeit der Menschen mitdenken — nicht nur die Modelle.
Handelsblatt — Hannover Messe 2026: KI verändert Fabriken schneller als erwartet
Wermke, Bomke und Kerkmann liefern das Update zu „Das entscheidende Jahr": Physical AI ist ein Jahr später keine Slogan-Folie mehr, sondern Produktionsrealität. Die Pilot-to-P&L-Frage bleibt offen.

Die erste Liste

Sun, 24 May 2026 06:00:00 GMT

Vier Stücke, die diese Woche aus dem industriellen IoT- und KI-Umfeld die fünf Minuten Lesezeit wert waren — kuratiert, kommentiert, nicht aggregiert.

VDI Nachrichten — Warum der Maschinenbau die KI-Ausnahme nutzen muss
EU AI Omnibus gibt dem deutschen Maschinenbau ein 18-Monats-Fenster — und das ist genau der Punkt: nicht abwarten, sondern jetzt Industrial AI in den Serien-Betrieb bringen. Wer das Fenster verpasst, verliert es und die Wettbewerbsfähigkeit gleichermaßen.
Handelsblatt — Hannover Messe 2026: KI verändert Fabriken schneller als erwartet
Wermke, Bomke und Kerkmann liefern das Update zu „Das entscheidende Jahr": Physical AI ist ein Jahr später keine Slogan-Folie mehr, sondern Produktionsrealität. Die Pilot-to-P&L-Frage bleibt offen — und das nächste Follow-up der gleichen Autoren wäre genau dort das richtige Ziel.
Heise online — Eclipse hawkBit 1.0: Backend für IoT-Updates erreicht Produktionsreife
84 Contributor, 4.000 Commits, 20 Releases — und jetzt 1.0. hawkBit ist eines der wenigen Open-Source-Projekte, die ich seit Jahren empfehle: wer FOTA-Mandate im UNECE-R156-Kontext bauen will, ohne sich an einen einzigen Vendor zu binden, hat jetzt eine ernsthafte produktionsreife Alternative.
Dataiku — Manufacturing's 2026 Mandate: From AI Pilot to Agentic Profit
Vendor-Sicht, aber die Datenlage stützt die These: 45 Prozent industrieller KI-Piloten stehen 18 Monate nach Start immer noch im Pilot-Status. Das ist exakt die Lücke, die Boards 2026 verstehen müssen — Adoption-Rate ist nicht gleich P&L-Realisierung.