Seminare im Frontalformat sind oft bequem, aber selten wirksam. Wie KI interaktives, prozessnahes Lernen im Mittelstand ermöglicht, was die Forschung zeigt und wo die Grenzen liegen.
Ein 3D-Modell sieht fehlerfrei aus – und trotzdem scheitert später die Stückliste, die Zeichnung oder das Werkzeug daran. Warum Modellqualität vor allem Datenqualität ist und wie Unternehmen das Thema systematisch angehen.
Vom Lastenheft bis zur Bemusterung: wie ein Kunststoffspritzgussteil entsteht und wo KI wie ChatGPT Luna im CAD-Prozess unterstützen kann – bei Feature-Baum, Flächen, Entformung und Radien.
KI ersetzt das ERP nicht. Sie macht es nutzbarer – vorausgesetzt, beide Systeme bekommen klar getrennte Aufgaben. Ein Überblick über Stärken, Grenzen und eine tragfähige Rollenverteilung.
Immer neue KI-Modelle – aber welches reicht für welche Aufgabe? Der Leitfaden ordnet ChatGPT-, Gemini-, Claude- und Open-Weight-Modelle nach Leistungsstufen, Anwendungsfällen und Kosten in Euro ein.
Unternehmen suchen KI-Manager, AI Engineers und KI-Architekten. Doch wer kann beurteilen, ob ein Kandidat wirklich das kann, was das Unternehmen braucht – wenn der KI-Fachbereich noch gar nicht existiert?
Ein Konstrukteur braucht heute oft Stunden, um eine neue Bauteilvariante zu modellieren, zu prüfen und zu dokumentieren. Künftig könnte derselbe Zyklus wenige Minuten dauern – vorausgesetzt, Unternehmen verbinden künstliche Intelligenz und CAD richtig miteinander. Die mechanische Entwicklung arbeitet seit Jahrzehnten nach einem ähnlichen Prinzip: Anforderungen verstehen, Konzept entwickeln, CAD-Modell aufbauen, Berechnungen durchführen, Fehler erkennen und…
Der Digital Omnibus hat die Hochrisiko-Regeln des EU AI Act verschoben. Die Kennzeichnungspflicht nach Artikel 50 nicht. Was mittelstaendische Unternehmen jetzt konkret tun muessen.
Entscheidungsvorbereitung, Kommunikation und Administration binden einen Großteil der Führungszeit im Mittelstand. Wo KI diese Arbeit abnehmen kann – und warum bei Personalentscheidungen der EU AI Act und die Mitbestimmung klare Grenzen setzen.
KI-Projekte im Mittelstand scheitern selten an der Technologie. Sie scheitern an einem Veränderungsprozess, den niemand als solchen behandelt. Eine Analyse der typischen Abbruchpunkte – und der Fragen, die an jeder Stelle fehlen.