AI‑Native Jahresrückblick 2025: Erkenntnisse, Learnings und Ausblick

2025 war für viele Unternehmen ein Jahr des Experimentierens, Lernens und Konsolidierens im Bereich Künstliche Intelligenz. So auch für uns. Neue Modelle, neue Tools und ein wachsender Marktdruck haben zahlreiche Transformationen angestoßen. Bei Accso blicken wir auf technische Meilensteine zurück und auf Projekte, in denen KI echten Mehrwert geschaffen hat. 

KI bringt mehr als Geschwindigkeit, Menschen bringen Kontext 

Insbesondere in diesem Jahr lohnt sich der Blick auf die Entwicklung der führenden KI‑Anbieter: Große Anbieter, wie OpenAI, Anthropic, Google oder Meta, lieferten Modelle, die verschiedene Datenmodalitäten verarbeiten und als eigenständige Agenten handeln können. Dabei legen sie zunehmend Wert auf Sicherheits‑ und Schutzmaßnahmen. Gleichzeitig erweiterte sich auch das Angebot kleinerer Anbieter wie Mistral oder Cohere und Open‑Source‑Projekte. Diese lassen sich sogar oft auf eigenen Servern betreiben und unterstützen damit die eigenen digitale Souveränität. Für uns als IT‑Dienstleister ergibt sich daraus eine Vielfalt an Möglichkeiten, die wir in Kundenprojekten anwenden. Gleichzeitig lernen alle Accsonaut:innen kontinuierlich dazu, um die richtigen Modelle für den richtigen Einsatzzweck auswählen zu können. 

Für den Kontext: Wir haben in diesem Geschäftsjahr begonnen, KI in allen unseren Arbeitsprozessen zu integrieren und somit AI-Native zu werden. Das gilt sowohl für alle Bereiche des Software Engineerings als auch in unseren internen Prozessen. Das bedarf sowohl Zeit, Geduld und Überzeugungsarbeit – und wir stecken immer noch mitten in einem Change Prozess. Zwischen Hackathons, Fishbowls, Weiterbildungen und Kundenprojekten sind wir wirklich stolz auf die Entwicklung von Gesamt-Accso. KI hat unsere Fähigkeit verbessert, Design, Spezifikationen und Code zu automatisieren, Entscheidungen zu unterstützen und repetitive Arbeiten zu automatisieren oder zumindest zu unterstützen. Aber: Es braucht auch Zeit und Raum, sich mit der neuen Technologie vertraut zu machen. Und manchmal bleibt die Erkenntnis, dass sich einige Aufgaben eben nicht von einer Maschine lösen lassen und es auch hier klare Grenzen gibt. 

Gleichzeitig haben wir in Projekten erneut erlebt, dass der größte Wert dort entsteht, wo menschliche Expertise und Urteilsvermögen mit KI-Fähigkeiten kombiniert werden. Ohne dieses Zusammenspiel bleiben Empfehlungen bloße Vorschläge – mit Menschen werden diese zu einer echten Lösung, bei denen die Verantwortung für die Ergebnisse übernommen wird. 

Denn: Technologie ist ein Hebel – der Mensch bleibt die treibende Kraft. 

Change-Management: Kultur entscheidet über Erfolg 

Und hier sind wir schon beim wichtigsten Punkt: Technologieprojekte scheitern selten an Algorithmen – häufiger an Veränderungsprozessen. Die wenigsten Menschen meinen es böse, wenn sie zunächst skeptisch gegenüber Veränderung sind. Und KI verändert aktuell einiges in der Welt, das wissen wir alle. Deshalb legen wir in unseren Projekten besonderen Wert auf begleitendes Change‑Management: Stakeholder früh einbinden, Erwartungen managen und konkrete Schulungs‑ und Monitoring‑Maßnahmen definieren. So entsteht Vertrauen – und echte Akzeptanz für KI‑gestützte Prozesse. 

Menschen im Fokus – wie wir das praktisch umsetzen 

In unseren Kundenprojekten folgen wir einem einfachen Prinzip: Design für Menschen, gebaut mit KI. Das bedeutet konkret: 

• Nutzerzentrierte Anforderungsanalyse: Wir starten mit echten Nutzerbedarfen, nicht mit Tech‑Hypes.
• Rollen‑ und Verantwortungsmodelle: Wer überprüft eine KI‑Empfehlung? Wer ist verantwortlich für Ergebnisse? Diese Fragen klären wir früh.
• Transparenz und Nachvollziehbarkeit: Modelle, Datenquellen und Entscheidungswege werden dokumentiert und testbar gemacht.
• Kontinuierliche Schulung: Teams müssen verstehen, wie und wann KI unterstützt – und wo menschliches Urteil unverzichtbar ist. 

Ein Blick auf externe Studien – Orientierung in einem schnelllebigen Markt 

So viel zu uns – richten wir den Blick auf den Markt. Aktuelle Analysen etablierter Research‑Häuser zeigen übereinstimmend: Unternehmen, die KI strategisch einsetzen, klare Governance‑Regeln definieren und in qualifizierte Teams investieren, erzielen überdurchschnittliche und nachhaltigere Erfolge. McKinsey stellt fest, dass „AI high performers“ KI in mehr Geschäftsbereichen einsetzen, dadurch höhere Umsatz‑ und Effizienzgewinne realisieren und verstärkt Governance‑ und Risikominderungsmaßnahmen implementieren. BCG berichtet, dass nur wenige Unternehmen über die POC‑Phase hinauskommen, aber diejenigen, die gezielt in wenige, prioritäre Anwendungsfälle investieren und top‑down Commitment zeigen, deutlich mehr Wert schaffen. Accenture dokumentiert, dass AI‑geführte Prozesse schneller skaliert werden und Firmen mit moderneren KI‑Prozessen besser performen – viele Unternehmen planen, ihre GenAI‑Investitionen bis 2026 weiter auszuweiten. Gartner und andere Analysten warnen zugleich vor hoher Projektausfallrate bei Agent‑/Agenten‑Lösungen, wenn strategische Steuerung, klare ROI‑Ziele und Risikokontrollen fehlen. 

Diese Studien untermauern drei praxisrelevante Erkenntnisse: 

• Governance wirkt: Formale Verantwortungs‑ und Entscheidungsmodelle, Audit‑ und Monitoring‑Prozesse reduzieren Risiken und erhöhen die Chance auf Wertrealisierung.
• Fokus schlägt Breite: Strategische Priorisierung weniger, dafür skalierter Use‑Cases bringt höhere Rendite; reine Technologieinvestitionen ohne Operations/Change bleiben oft wirkungslos.
• Talent & Kultur entscheiden: Reskilling, cross‑funktionale Teams und Führungskompetenz sind Voraussetzung, damit KI‑Projekte produktiv werden.

Diese Ergebnisse unterstreichen, dass technologische Investitionen allein nicht ausreichen – es brauch Aus- und Weiterbildung sowie klare Verantwortlichkeiten, um KI sicher und effektiv zu nutzen. Für uns bestätigt das die Entscheidung, KI nicht als Selbstzweck zu behandeln, sondern als integralen Bestandteil eines verantwortungsvollen Engineering- und Produktentwicklungsprozesses. 

KI-Ausblick 2026: Was im kommenden wichtig wird 

Für 2026 erwarten wir, dass folgende Fragestellungen stark diskutiert werden. Auch wir beschäftigen uns aktuell mit diesen Themen, hier eine kurze Einschätzung:  

Platzt die KI‑Blase? 

Die Investments in KI bleiben extrem hoch – sowohl in Risikokapital als auch in Unternehmensbudgets. Kritikpunkte sind die diskrepante Erwartung an kurzfristige Rendite und die tatsächliche Monetarisierbarkeit vieler KI‑Anwendungen. Ein Platzen der „Blase“ wäre nicht überraschend, sollte sich herausstellen, dass viele Projekte keinen nachhaltigen ROI liefern oder die wirtschaftliche Skalierung ausbleibt. Gleichzeitig treiben große strategische Investitionen (z. B. langfristige Finanzierungszusagen großer Anbieter) die Infrastruktur- und Plattformentwicklung voran, sodass ein Marktbereiniger wahrscheinlich Phasen der Konsolidierung und Repriorisierung bringen wird, statt eines totalen Kollapses. 

Erreichen LLMs bald ihre Grenze? 

Technisch gibt es nach wie vor Fortschrittsfelder (Effizienz, Robustheit, multimodale Integration, Langzeitgedächtnis). Praktisch stehen LLMs vor Skalierungsgrenzen – Kosten, Energieverbrauch und marginaler Nutzen bei immer größeren Modellen. Deshalb wächst das Interesse an „SLMs“ (Small Language Models) und spezialisierten Modellen: Sie sind leichter, günstiger zu betreiben, benötigen weniger Rechenressourcen und sind oft in spezifischen Domänen leistungsfähiger. Erwartet wird eine Zweiteilung: große, generalistische Modelle für komplexe, multimodale Anwendungen und kleinere, effiziente Modelle für Produktiv‑ und Edge‑Einsatz. 

Welche Rolle spielt digitale Souveränität? 

Digitale Souveränität wird 2026 an Bedeutung gewinnen – besonders in Europa. Regierungen, Unternehmen und öffentliche Einrichtungen wünschen sich mehr Kontrolle über Daten, Modelle und Infrastruktur. Das führt zu zwei Entwicklungen: erstens verstärkte Investitionen in lokale Rechenkapazitäten (z. B. Rechenzentren, nationale GPU‑Pools) und zweitens in self‑hostable oder lizenzierbare Modelle, die unabhängig von einzelnen Cloud‑Anbietern betrieben werden können. Gleichzeitig bleibt die Frage, wie wettbewerbsfähig lokale Anbieter gegenüber Hyperscalern (Microsoft, Google, Amazon) bleiben können. Das Thema AI‑Factory gewinnt dabei an Bedeutung: Unternehmen bauen zunehmend interne Plattformen und Betriebsmodelle auf. Ein anschauliches Beispiel ist das Investment von Lidl in eigene Rechenzentrums‑Kapazitäten zur Unterstützung von KI‑Projekten – ein Schritt, der zeigt, wie Handelsunternehmen Infrastruktur aufbauen, um sensible Kundendaten und betriebliche Intelligenz selbst zu betreiben und so Kontrolle sowie Compliance sicherzustellen. 

Wie gehen wir mit Guardrails um? 

„Guardrails“ – also Sicherheits‑, Ethik‑ und Kontrollmechanismen – sind zentraler Bestandteil produktiver KI‑Einführungen. Zentrale Fragen für 2026 sind: Wie standardisieren wir Guardrails, ohne Innovation zu ersticken? Wie gewährleisten wir Transparenz und Rechenschaftspflicht? Und wie balancieren wir Systeme, die Menschen unterstützen, gegen Systeme, die Entscheidungen übernehmen? Technische Lösungen werden mit Governance‑Ansätzen (Audits, externe Prüfungen, klare SLAs) kombiniert werden müssen. 

Die Aufgabe bleibt unverändert: KI so zu gestalten, dass sie Menschen stärkt. Wir gehen optimistisch in das Jahr 2026 – mit dem Anspruch, KI dort einzusetzen, wo sie uns hilft, und sie bewusst zu begrenzen, wo menschliches Urteilsvermögen und Verantwortlichkeit unverzichtbar sind.