KI-Prognosen 2026

Intro

Zum Jahresauftakt 2026 begrüßt Felix Schlenther im AI First Podcast Christoph Pacher, Host des State of Process Automation Podcasts, um gemeinsam das KI-Jahr 2025 Revue passieren zu lassen und einen Blick in die Glaskugel für 2026 zu werfen. Die beiden diskutieren, welche von Christophs Prognosen aus dem Vorjahr eingetreten sind, wo Unternehmen bei der KI-Adoption wirklich stehen und welche fünf Entwicklungen das kommende Jahr prägen werden – von Action-Layern bis zur Renaissance der Intelligent Automation. Eine Tradition, die zeigt: Der Hype muss dem echten Business Value weichen.

Inhaltsübersicht

Rückblick auf 2025: Ein intensives Jahr zwischen wirtschaftlichem Druck und technologischem Fortschritt
Prognosen-Check: Welche Vorhersagen sind eingetreten und wo war Christoph zu optimistisch?
Knowledge Worker vs. Process Worker: Warum diese Unterscheidung für KI-Adoption entscheidend ist
Google als großer Gewinner 2025: Vertikale Integration schlägt einzelne Modellverbesserungen
Die 5 Prognosen für 2026: Modellkonvergenz, Action-Layer, Intelligent Automation, Anwendungsjahr und Vertrauensfrage
Das Problem rückt in den Vordergrund: Warum nicht jedes Problem KI braucht
Niemand gibt 2026 seiner KI die Kreditkarte: Vertrauen braucht Zeit

Über den Gast

Christoph Pacher ist Host des State of Process Automation Podcasts und beschäftigt sich seit Jahren intensiv mit Prozessautomatisierung und deren Schnittstellen zu künstlicher Intelligenz. Er bringt eine pragmatische Perspektive auf die Frage mit, wie Unternehmen Technologien sinnvoll einsetzen können, um echten Business Value zu generieren. In seinem Podcast spricht er regelmäßig mit Führungskräften und Experten über die praktische Umsetzung von Automatisierung und KI in Unternehmen.

Detaillierte Zusammenfassung

2025 in einem Wort: Intensiv

Christoph beschreibt das Jahr 2025 als "intensiv" – und das aus mehreren Gründen. Die wirtschaftliche Situation war angespannt, Budgets knapp. Gleichzeitig entwickelte sich die Technologie rasant weiter. "Die Unternehmen mussten mit wenig Budget auskommen, einen Blick auf neue Technologien haben und gleichzeitig echten Business Value generieren", fasst Christoph zusammen. Die Schere zwischen technologischen Möglichkeiten und tatsächlicher Umsetzung in Unternehmen wurde immer größer.

Felix ergänzt, dass selbst Menschen in der KI-Blase eine gewisse Müdigkeit entwickelt haben. Fast jede Woche gab es News zu neuen Modellen, Verbesserungen, Durchbrüchen. Seine These: "Wir könnten auf den Stopp-Knopf drücken, die Modelle so lassen wie sie sind, und hätten noch drei Jahre zu tun, das sinnvoll in Prozesse zu integrieren." Der Reifegrad der Technologie ist bereits erstaunlich hoch – was fehlt, ist die systematische Integration in reale Arbeitsabläufe.

Prognosen-Check: Was ist 2025 eingetreten?

Prognose 1: Neueinstellungen werden durch Automatisierung ersetzt

Noch nicht in der Breite eingetreten, aber klare Tendenzen sind sichtbar. Christoph nennt das Beispiel Finn Auto, ein Auto-Abo-Anbieter aus Österreich. Das Unternehmen ging systematisch vor: Welche Positionen kommen am häufigsten vor? Antwort: Customer Service. Dann nahmen sie typische Stellenbeschreibungen und analysierten die Aufgaben: Unterstützung im Bürogeschehen, Angebote vorbereiten, Rechnungen erstellen, Termine planen, Office-Organisation. "Wenn wir die Aufgaben hören, denkst du dir gerade: Das sind genau die Standardaufgaben, die ich schon an AI-Agenten abgegeben habe", so Christoph. Finn Auto wuchs nicht bei der Mitarbeiterzahl, sondern beim Umsatz – ihre Kennzahl "Abos pro Mitarbeiter" stieg deutlich.

Felix berichtet von ähnlichen Erfahrungen: Daniel Kaschab von Schoko, einem Softwareunternehmen für Lebensmittelhändler, sprach von einem fast 2x Anstieg der Softwareentwickler-Produktivität. Gleiches Team, deutlich mehr Output.

Knowledge Worker vs. Process Worker: Eine wichtige Unterscheidung

Felix führt eine zentrale Unterscheidung ein: Knowledge Worker (Anwälte, Consultants, Head of Finance) haben vielfältige Aufgaben mit viel Transferleistung. Process Worker hingegen übernehmen klar definierte, wiederkehrende Aufgaben – klassische Buchhaltung, First-Level-Support. Bei Letzteren ist Automatisierung theoretisch einfacher, aber auch hier lauern oft mehr Komplexität und Ausnahmefälle als gedacht.

Hinzu kommen organisatorische Bremsfaktoren: Betriebsräte können Transformationsprozesse erheblich verlangsamen. Betriebsvereinbarungen benötigen teilweise ein Jahr oder länger, bevor überhaupt etwas genutzt werden kann.

Prognose 2: Gen-AI ermöglicht das Lean-Prinzip für Knowledge Worker

Teilweise eingetreten. Die Idee: Ein digitaler Zwilling extrahiert das Wissen erfahrener Mitarbeiter und stellt es neuen Kollegen zur Verfügung. Christoph berichtet von einem Projekt mit Blockbrain, wo ein CIO, der täglich unzählige Anfragen bearbeiten muss, einen digitalen Zwilling bekam. Mitarbeiter können nun bei Ausschreibungen, Cases oder Entscheidungen auf dieses Wissen zugreifen, ohne den CIO selbst zu blockieren.

Ein weiteres Beispiel: Im Vertrieb gibt es immer Top-Performer und Low-Performer. Die Frage: Was machen die Top-Performer anders? Wie führen sie Kundengespräche, wie präsentieren sie Produkte, wie verhandeln sie? Mit generativer KI lassen sich diese Best Practices extrahieren und weniger erfahrenen Verkäufern als Coach zur Seite stellen.

Wir könnten auf den Stopp-Knopf drücken, die Modelle so lassen wie sie sind, und hätten noch drei Jahre zu tun, das sinnvoll in Prozesse zu integrieren.

Prognose 3 & 4: Softwarepreismodelle und Randsysteme

Hier ist noch wenig passiert. Christophs Prognose war, dass Softwareanbieter neue Preismodelle entwickeln, um sich gegen massiven Agentenzugriff zu schützen – noch nicht eingetreten. Auch die Prognose, dass KI-Agenten Randsysteme (Spesenerfassung, kleinere Tools rund um ERP/CRM) ersetzen, ist noch nicht Realität.

Allerdings zeigt der Erfolg von Vibe-Coding-Startups wie Lovable aus Schweden klare Tendenzen. Lovable wurde mit 6,6 Milliarden Dollar bewertet – eine Verdreifachung in wenigen Monaten. Das Prinzip: Vibe-Coding, also "Ich habe ein Ziel im Kopf, keine Ahnung wie ich dorthin komme, aber die AI hilft mir, es auf den Bildschirm zu bringen." Apps und Tools können deutlich schneller entwickelt werden.

Felix nutzt Lovable selbst: "Wir haben uns ein Portfolio an selbstgebauten Apps aufgebaut, um ganz bestimmte Tasks zu machen." Beispiel: Eine komplette KI-geschützte App für einen AI-Use-Case-Prozess, die vorher ein mehrstündiger Workshop am Whiteboard war.

Prognose 5: Gewinner sind vertikal integrierte Unternehmen

Felix widerspricht Christoph hier nicht, sondern schärft die These: Google ist der klare Gewinner 2025. Eigene Chips, wahrscheinlich das beste KI-Labor der Welt, massive Distribution über bestehende Produkte – die Aktie stieg um 40 Prozent. OpenAI hingegen rief zum Jahresende "Code Red" aus, um überhaupt noch mitzuhalten. Neue Modelle wurden scheinbar verzweifelt noch schnell vor Jahresende veröffentlicht, um das Momentum aufrechtzuerhalten.

"Google hat aus dem Windschatten heraus OpenAI richtig zum Ächzen gebracht", so Felix. Vertikale Integration – von der Hardware über die Modelle bis zur Distribution – ist ein massiver Vorteil.

Christophs 5 Prognosen für 2026

1. Modelle unterscheiden sich nur noch minimal

Die großen Anbieter (Google, OpenAI, Anthropic, etc.) werden sich gegenseitig überholen, aber am Ende sind die Unterschiede für die meisten Anwendungsfälle irrelevant. "Es ist nicht mehr die Frage, welches Modell ich einsetze, sondern wie ich meinen Prozess mit KI neu denken kann", so Christoph.

Der Fokus verschiebt sich: Welche Daten bringe ich ein? Wie gestalte ich den Kontext? Welche Use Cases identifiziere ich? Unternehmen werden sich nicht mehr dadurch unterscheiden, dass sie Google statt OpenAI nutzen, sondern dadurch, wie gut sie Prozesse, Daten und Anwendungsfälle durchdacht haben.

Felix stimmt zu: "Das ist heute schon mehr oder weniger der Fall." Die neuesten Modelle schaffen es, mit noch weniger und noch schlechterem Input ein noch besseres durchschnittliches Ergebnis zu bekommen – aber das brauchen viele Anwendungsfälle gar nicht.

2. AI wird zum Action-Layer

Statt in einzelne Systeme (CRM, ERP, etc.) einzuloggen, entsteht ein zentraler KI-Layer, über den Mitarbeiter Fragen stellen und Aktionen auslösen können. "Gib mir einen Überblick über meine Top-3-Kunden" oder "Leg eine Opportunity für Kunden A an" – alles über ein Interface.

Christoph nennt es Action-Layer, weil nicht nur Informationen abgerufen, sondern auch Aktionen ausgelöst werden. Die Frage, wem dieser Layer gehört, wird spannend: Microsoft (mit CRM-Zugang über Dynamics), SAP, oder spezialisierte Anbieter? Christoph glaubt nicht an einen Gewinner: "Es wird unterschiedliche Ausprägungen geben, je nach Unternehmensstrategie – wie heute bei CRM oder ERP."

Felix hakt nach: "Dann verliert ja jedes Unternehmen quasi den Kundenzugang und ist nur noch eine Datenablage?" Christoph sieht das differenzierter: Der Action-Layer wird sich als neues Tooling etablieren, Mitarbeiter verbringen mehr Zeit dort als in den einzelnen Systemen – aber die bestehenden Anbieter wie HubSpot, Salesforce, Zendesk investieren massiv in Agenten und eigene Action-Layer, um ihren Kundenzugang zu verteidigen.

Felix beobachtet das selbst: "Tools wie Notion drücken massiv dagegen, machen ihre Schnittstellen nicht richtig auf, sondern versuchen uns immer wieder in Notion reinzuziehen, damit wir deren KI nutzen." Es ist ein Kampf um den Kundenzugang.

Felix fasst zusammen: "KI dreht sich von 'beantwortet etwas' zu 'macht etwas'."

3. Renaissance der Intelligent Automation

Der Hype um KI hat dazu geführt, dass manche Unternehmen Probleme mit KI lösen wollen, die eigentlich mit simpler Automation lösbar wären. 2026 rückt wieder das Problem in den Vordergrund – und die passende Technologie wird gewählt, ob RPA, Gen-AI oder etwas anderes.

Der Intelligent-Automation-Ansatz, vor dem Gen-AI-Hype ein gängiger Begriff, kehrt zurück: Ich habe ein Problem, ich möchte es automatisieren, und ich nutze die Technologien, die für diesen Use Case passen. "KI ist nicht der Ausgangspunkt, sondern klar Mittel zum Zweck", so Christoph.

Drei Kernfragen stehen im Mittelpunkt:

Wie viel Arbeit kann ich auf die Maschine auslagern?
Wie kann ich das kontrollieren und orchestrieren? (Governance, Beobachtung)
Wie schnell komme ich zum Ziel? (Time to Value)

Christoph beobachtet: Unternehmen, die schon vor dem KI-Hype ein Center of Excellence für Automation aufgebaut haben, tun sich jetzt leichter. Der Ansatz hat sich nicht geändert: C-Level-Commitment, Fachbereiche involvieren, Business-Probleme identifizieren, Use Cases skalieren.

Felix ergänzt: "KI war ein Dosenöffner in vielen Firmen für mehr Sichtbarkeit auf Digitalisierung, Prozessdigitalisierung, Standardisierung." Unternehmen ist es oft egal, wie das Tool heißt – Hauptsache, das Problem wird gelöst.

Christoph betont: "Wenn ich viel mit Text, Bild, Audio, Video und Code arbeite, sollte ich mich damit auseinandersetzen, ob das nicht von einer KI schneller oder besser gemacht werden kann." Die Flexibilität ist größer geworden, die Toolbox ist gewachsen.

4. Das Jahr der Anwendung

Eine MIT-Studie vom Sommer 2025 zeigte: 95 Prozent der Unternehmen haben einen KI-Piloten, aber sind nicht produktiv geworden. Das wird sich 2026 ändern müssen.

"Der wirtschaftliche Druck zwingt Unternehmen, echten Mehrwert zu realisieren", so Christoph. Sonst droht, dass C-Level auf die Bremse tritt – was die falsche Antwort wäre. Unternehmen werden noch mehr Fokus darauf legen, die richtigen Use Cases zu identifizieren und Business Value zu generieren.

Felix merkt an: Solche Studien sind mit Vorsicht zu genießen. Die MIT-Studie befragte wenige hundert Führungskräfte, viele versuchten in-house zu bauen statt mit Startups zusammenzuarbeiten – kein Wunder, dass die Ergebnisse enttäuschend waren. "Diese Lernstreifen gehören dazu", so Felix. "Ich freue mich, wenn wir mehr über Anwendungen als über das nächste neue Modell sprechen."

5. Kein blindes Vertrauen in KI-Agenten

Obwohl OpenAI Apps wie Booking.com in ChatGPT integriert, glaubt Christoph nicht, dass Menschen 2026 sagen werden: "Buch mir einfach den billigsten Flug, ich will nichts sehen."

"Das Verhalten der Menschen, so wie es sich über die letzten Jahre geprägt hat, wird sich nicht von heute auf morgen verändern", argumentiert Christoph. Menschen wollen sehen, vergleichen, entscheiden. Ein Beispiel: Alexa für Bestellungen war auch nicht erfolgreich. Warum sollte es jetzt plötzlich mit ChatGPT funktionieren?

Christoph sieht KI als Berater, nicht als blinden Buchungsagenten. Er selbst hat ChatGPT genutzt, um Sportschuhe zu finden – basierend auf einem Modell, das ausverkauft war, bekam er Vorschläge für ähnliche Modelle, bestellte diese, und sie passten. "Aber ich habe sie bestellt, nicht ChatGPT."

Felix nimmt es vorweg: "Niemand gibt seinem KI-Agenten 2026 seine Kreditkarte." Vertrauen braucht Zeit, Verhaltensänderungen passieren nicht über Nacht.

Die Realität der Automation heute

Felix fragt: Wie viel von dem, was heute automatisiert wird, nutzt überhaupt KI? Christoph antwortet: Der größte Teil ist mit Standard-Tools automatisiert. In regelbasierten Branchen (z.B. Finanzbranche) funktioniert klassische Automation sehr gut – und man will oft nicht, dass Gen-AI etwas "neu erfindet".

Aber in Bereichen mit viel Variabilität, bei Knowledge Workern, braucht es die Flexibilität, die Gen-AI bietet. Unternehmen, die früh auf Automation setzten und ein Center of Excellence aufbauten, tun sich jetzt leichter, Gen-AI zu integrieren – weil der Ansatz ähnlich ist.

Es ist nicht mehr die Frage, welches Modell ich einsetze, sondern wie ich meinen Prozess mit KI neu denken kann.

Kernaussagen

2025 war intensiv — Die Unternehmen mussten mit wenig Budget auskommen, einen Blick auf neue Technologien haben und gleichzeitig echten Business Value generieren. Wirtschaftlicher Druck, technologischer Fortschritt
Der Reifegrad reicht bereits — Wir könnten auf den Stopp-Knopf drücken, die Modelle so lassen wie sie sind, und hätten noch drei Jahre zu tun, das sinnvoll in Prozesse zu integrieren. Integration statt Innovation
Modellkonvergenz verändert den Fokus — Es ist nicht mehr die Frage, welches Modell ich einsetze, sondern wie ich meinen Prozess mit KI neu denken kann. Prozesse, Daten, Use Cases
KI wird zum Action-Layer — KI dreht sich von 'beantwortet etwas' zu 'macht etwas'. Ein zentrales Interface statt vieler einzelner Systeme. Action-Layer, Kundenzugang
Vertrauen braucht Zeit — Niemand gibt seinem KI-Agenten 2026 seine Kreditkarte. Das Verhalten ändert sich nicht von heute auf morgen. Verhaltensänderung, KI als Berater

Fazit und Takeaways

Für Unternehmen, die KI-Projekte umsetzen

Technologie ist nicht der Engpass: Die Modelle sind gut genug. Der Fokus muss auf Prozessen, Daten und Use-Case-Identifikation liegen, nicht auf der Frage, welches Modell das beste ist.
Unterscheide Knowledge Worker und Process Worker: Die Automatisierungspotenziale sind unterschiedlich. Auch bei scheinbar "einfachen" Aufgaben lauern Komplexitäten und Ausnahmefälle.
2026 muss liefern: Der wirtschaftliche Druck zwingt Unternehmen, von Piloten zu produktiven Anwendungen mit echtem Business Value zu kommen. Wer jetzt nicht skaliert, riskiert, dass das C-Level auf die Bremse tritt.

Für Technologie-Entscheider

Der Action-Layer kommt: Bereite dich darauf vor, dass ein zentrales KI-Interface die Interaktion mit deinen Systemen verändern wird. Die Frage ist nicht ob, sondern wem dieser Layer gehört – und wie du deinen Kundenzugang verteidigst.
Intelligent Automation statt KI-Hype: Nicht jedes Problem braucht Gen-AI. Wähle die passende Technologie für das konkrete Problem – ob RPA, regelbasierte Automation oder KI. Das Problem muss im Vordergrund stehen, nicht die Technologie.
Vertikale Integration gewinnt: Google hat 2025 gezeigt, dass die Kontrolle über die gesamte Wertschöpfungskette (Chips, Modelle, Distribution) ein massiver Vorteil ist.

Für alle, die mit KI arbeiten

Vertrauen braucht Zeit: Auch wenn die Technologie bereit ist, werden Menschen nicht sofort ihr Buchungs- und Kaufverhalten an KI-Agenten abgeben. KI als Berater ja, als blinder Automat nein.
Die Müdigkeit ist real: Selbst in der KI-Blase gibt es Erschöpfung durch den ständigen News-Flow. Fokus auf Anwendung statt auf das nächste neue Feature wird 2026 wichtiger.

Das war erst die Hälfte: Am 3. Januar geht es weiter im State of Process Automation Podcast. Dort dreht Christoph den Spieß um und Felix teilt seine Prognosen für das KI-Jahr 2026. Nicht verpassen!

#64KI-Prognosen 2026