13.01.2025
FOLGE 3 | NACHLESE

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
/artikel/no-hype-ki-folge-3
Die dritte Folge von "No Hype KI" mit Manuel Moser, Alexandra Sumper, Moritz Mitterer und Clemens Wasner (v.l.n.r.) (c) brutkasten

„No Hype KI” wird unterstützt von CANCOM Austria, IBM, ITSV, Microsoft, Nagarro, Red Hat und Universität Graz.


Wie lässt sich KI “richtig” in Unternehmen integrieren? Wieso erleben Unternehmen einen “Bottom-Up-Push” und warum sprechen viele dabei noch von großen Hürden? Um diese und viele weitere Fragen ging es in der dritten Folge von “No Hype KI”. Zu Gast waren Alexandra Sumper von Nagarro, Manuel Moser von CANCOM Austria, Moritz Mitterer von ITSV sowie Clemens Wasner von AI Austria und EnliteAI.

Du willst bei "No Hype KI" am Laufenden bleiben?

Trag dich hier ein und du bekommst jede Folge direkt in die Inbox!

Der Bottom-Up-Push

“Der AI-Hype ist jetzt circa zehn Jahre alt”, startet Clemens Wasner die Diskussionsrunde. Was als “vorausschauende Warnung und Betrugserkennung“ im B2B-Sektor begann, hat sich eine knappe Dekade später zu einer Bottom-Up-Push-Bewegung entwickelt. “Einzelne Mitarbeitende verfügen teilweise über weitaus mehr praktische Erfahrung mit Generativer KI”, als “das oft auf einer Projektebene passiert”, so Wasner.

Um KI federführend in Unternehmen zu verankern, sei es wichtiger denn je, Mitarbeitende einzubinden und ihnen intern eine Bühne für den Best-Practice-Austausch zu geben, erklärt Wasner weiter. Aktuell ginge der KI-Push immer intensiver von Mitarbeiter:innen aus. Vergleichbar sei diese Bewegung mit dem Aufkommen der Smartphones vor etwa fünfzehn Jahren.

Daten mit Qualität

Als Basis sollte zuerst allerdings der Datenhaushalt eines Unternehmens sauber strukturiert und reguliert werden, sagt Manuel Moser, Director Digital Innovation & Software Engineering bei CANCOM Austria. “Wenn ein Unternehmen in puncto Daten hinterherhinkt, kann das jetzt durchaus ein Stolperstein sein”, sagt der Experte. In CRM- und ERP-Systemen finden sich häufig unvollständige Angaben. Die dadurch entstehende unzureichende Datenqualität könne jede KI-Initiative ins Stocken bringen, so Moser.

“Der größte Feind ist Zettel und Bleistift”

Schon allein das Notieren von Informationen auf Zetteln gilt nicht nur als scheinbar banale Hürde, wie Moser im Talk erläutert. Analoge Gewohnheiten können enorme Auswirkungen auf den gesamten Digitalisierungsprozess des Unternehmens haben: “Ich sage immer: Bei Digitalisierungslösungen ist der größte Feind der Zettel und der Bleistift am Tisch, mit denen man das digitale Tool am Ende des Tages umgeht.”

Gerade der öffentliche Sektor sollte im KI-Einsatz sowie in der Verwaltung von Daten sorgfältig agieren. Moritz Mitterer, Aufsichtsratsvorsitzender der ITSV, spricht von besonders sensiblen Daten aus der Sozialversicherung, die ein enges rechtliches Korsett und damit ein höheres Maß an Vorsicht mit sich bringen.

“Wir haben 2017 in der ITSV damit begonnen, innerhalb der Struktur damit zu experimentieren”, erzählt Mitterer. Ein essentielles Learning daraus: Gerade große Prozessmengen stellen sich als ideales Feld für KI heraus – wenn man vernünftige Leitplanken, klare Haftungsregeln und eine unternehmensweite Governance definiert.

Im Fokus stehen User:innen

Datenqualität, Governance und gleichzeitig reichlich Agilität? Worauf sollten sich Unternehmen in erster Linie konzentrieren, um KI lösungsorientiert einzusetzen? Alexandra Sumper, Director Delivery Österreich bei Nagarro, betont, dass KI-Projekte weit mehr als reine Technik voraussetzen: “Meine Erfahrung zeigt wirklich, nicht zu groß zu beginnen, wenn man erst am Anfang steht.“ Viele Firmen würden sich gerade anfangs in Strategiepapieren verlieren, anstatt realitätsgetreue Use Case zu definieren, so die Expertin.

“Man muss gut darauf achten, dass man liefert. Sowohl an Datenqualität, als auch an optimierter User Experience”, erläutert Sumper. Als Erfolgsbeispiel nennt sie die Asfinag, die einen KI-Chatbot erfolgreich eingeführt hat. Das Besondere dabei: Ein Kernteam entwickelte die KI-Lösung, achtete auf Datenqualität und band die künftigen Nutzer:innen ein. Die Akzeptanz im Unternehmen stieg rasant, erzählt Sumper von den Projektanfängen.

Ähnliche Schlüsse zieht Sumper aus der Beobachtung anderer Kund:innen: In erster Linie gelte es zu testen, ob KI in einem kleinen Rahmen Nutzen bringt. Sobald Mitarbeiter:innen erleben, dass KI ihre Arbeit wirklich erleichtert, wächst das Vertrauen und die Bereitschaft, weitere Schritte zu gehen.

“Am Anfang gibt es nichts, dass zu 100 Prozent funktioniert”

Dass sich eine Trial-and-Error-Phase gerade in den Anfängen des KI-Einsatzes nicht vermeiden lässt, scheint ein allgemeiner Konsens der Diskussionsrunde zu sein. “Es gibt nichts, was sofort 100 Prozent top funktioniert”, so Sumper. Um Fehlerquellen und deren Auswirkungen jedoch möglichst gering zu halten, empfiehlt die Expertin Qualitätssicherung durch ein Key-User-Team, um Fehler festzustellen, zu korrigieren und Daten-Gaps zu schließen.

Hierbei sollen die Möglichkeiten von generativer KI intelligent genutzt werden, wie Clemens Wasner hervorhebt: “Wir haben das erste Mal eine Technologie, die es ermöglicht, unstrukturierte Daten überhaupt auswertbar zu machen.” Nun gilt es, Effizienz in der Datenstrukturierung und -auswertung zu fördern, um mit der aktuellen Welle der digitalen Transformation mitzuhalten. Denn KI ist, wie Manuel Moser von CANCOM Austria bestätigt, ein wesentlicher Teil der digitalen Transformation: “Ein Baustein, wenn man so will, wie ein ausgestrecktes Werkzeug eines Schweizer Taschenmessers.”

KI-Bereiche mit Potenzial zur Ausgründung

Das Gespräch zeigte insgesamt, dass Unternehmen viel gewinnen können, wenn sie KI nicht als fertige Lösung, sondern als Lernprozess verstehen, in den die Belegschaft aktiv mit eingebunden wird. Auf einer soliden Datenbasis mit klarer Kommunikation ließe sich schon in kleinen Projekten ein spürbarer Mehrwert für das Unternehmen erzeugen.

In manchen Branchen, darunter Sozialversicherungen, E-Commerce sowie Luftfahrt und Logistik, sind Fortschritte unvermeidlich, um den steigenden Anforderungen von Markt- und Mitarbeiterseite gerecht zu werden.

Wasner spricht hierbei von einem Fokus auf Digital Business, der sich bereits in der Entstehung neuer Geschäftsfelder am Markt zeigt: Immer häufiger bündeln Unternehmen Wissensträger:innen zu den Bereichen Data, IoT und Machine Learning in einer eigenen Organisation oder Ausgründung. Gezielt wird hier das Potenzial eines eigenen KI-Kernteams zu nutzen und auszubauen versucht.

Luft nach oben

Dass es in vielen Branchen noch reichlich ungenutztes Potenzial gibt, haben mittlerweile einige Reports aufgeschlüsselt dargestellt. Gerade im Healthcare-Bereich sei “mit Abstand am meisten rauszuholen” – unter anderem im Hinblick auf den sicheren und effizienten Umgang mit Patienten- und Amnesie-Daten zur schnellen und akkuraten Behandlung.

Laut Moritz Mitterer der ITSV besteht eine große Herausforderung darin, sensible Patientendaten und strenge Regulatorik mit dem Wunsch nach Fortschritt zu vereinen. Gerade in Sozialversicherungen sei es wichtig, eine klare Governance zu schaffen und den Einsatzrahmen von KI zu definieren. Nur so könne Vertrauen gefestigt und sichergestellt werden, dass neue Technologien nicht an bürokratischen Hemmnissen oder Sicherheitsbedenken scheitern.

Vertrauen ist “noch ein starker Blocker”

“Am Ende des Tages probieren Unternehmen aus: Wie reagiert die Technologie, wie geht man damit um, welche Art von Projekten macht man?”, rundet Manuel Moser von CANCOM Austria die Diskussion ab. Der nächste Schritt liege darin, immer “mehr in die Kernprozesse von Unternehmen reinzukommen”, so Moser. “Und das, glaube ich, ist ein sehr wesentlicher Punkt.“ Das Vertrauen, dass es die Technologie braucht. Das ist aktuell noch ein „starker Blocker in Unternehmen”.

Die Expertenrunde teilt einen universellen Konsens: Der Mensch sowie sein Know-how und Vertrauen in KI spielen bei der digitalen Transformation eine erhebliche Rolle. Sobald KI-Anwendungen auf eine verlässliche Datenstruktur und klare Organisation treffen, kann sich KI im Unternehmensalltag entfalten. Erst durch das Zusammenspiel von Technik, Datenkultur und motivierten Teams wird KI zum Treiber neuer Chancen.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: „No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?„

Folge 2: „Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?„


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
Deine ungelesenen Artikel:
06.10.2026

Toto Wolff: „Niemand wird bei der Fehlersuche die Hand heben, wenn er Angst hat, gefeuert zu werden“

Interview: Toto Wolff hat mit dem Mercedes-AMG-Petronas-Formula-One-Team eine lange Phase großer Erfolge verantwortet, danach vier Saisonen ohne Titelkampf erlebt und das Team in dieser Zeit umgebaut. Im Interview spricht er über psychologische Sicherheit als Voraussetzung für Fehlerkultur, über Entscheidungen unter Unsicherheit, über die Grenzen von KI im Rennsport – und über seine Beteiligungen an Nuki und Instahelp.
/artikel/toto-wolff-niemand-wird-bei-der-fehlersuche-die-hand-heben-wenn-er-angst-hat-gefeuert-zu-werden
06.10.2026

Toto Wolff: „Niemand wird bei der Fehlersuche die Hand heben, wenn er Angst hat, gefeuert zu werden“

Interview: Toto Wolff hat mit dem Mercedes-AMG-Petronas-Formula-One-Team eine lange Phase großer Erfolge verantwortet, danach vier Saisonen ohne Titelkampf erlebt und das Team in dieser Zeit umgebaut. Im Interview spricht er über psychologische Sicherheit als Voraussetzung für Fehlerkultur, über Entscheidungen unter Unsicherheit, über die Grenzen von KI im Rennsport – und über seine Beteiligungen an Nuki und Instahelp.
/artikel/toto-wolff-niemand-wird-bei-der-fehlersuche-die-hand-heben-wenn-er-angst-hat-gefeuert-zu-werden
Toto Wolff
© Sulay Kelly for Mercedes-Benz Grand Prix Ltd. - Toto Wolff.

Dieser Text ist zuerst im brutkasten-Printmagazin von August 2026 „Aufbrechen“ erschienen. Eine Download-Möglichkeit des gesamten Magazins findet sich am Ende dieses Artikels.


brutkasten: Sie haben Mercedes durch eine lange Phase großer Erfolge geführt, dann kamen schwierige Jahre. Was war Ihr wichtigstes Learning darüber, wie Organisationen nach Rückschlägen wieder in die Spur finden?

Toto Wolff: Die Formel 1 ist eine Welt der ständigen Evolution, nichts steht je still. Zum Beispiel haben die Regeländerungen 2022 schonungslos Schwächen in unseren Entwicklungsfähigkeiten und unserem Verständnis offenbart. Wir haben diese Ära klar hinter unseren Wettbewerbern gestartet und es über vier Saisonen hinweg nicht wirklich geschafft, diese Defizite auszubügeln.

Der eine oder andere Rennsieg waren die Highlights, wir haben es geschafft, zweimal in vier Jahren den zweiten Platz in der Konstrukteursmeisterschaft zu erringen; aber wir haben nie um den Titel gekämpft. Wir haben im Hintergrund größere Änderungen in unserer technischen Ausstattung, beim Personal und den Strukturen vorgenommen, um das Team stärker und wettbewerbsfähiger zu machen. Wir haben auch die Führungskultur adaptiert, weil wir das Team motivieren mussten, das begann, sich nach so vielen Jahren des Erfolgs selbst infrage zu stellen. Es war jedenfalls eine wichtige und wertvolle Phase für uns.

Sie sprechen in diesem Sinne wiederholt von einer „No Blame Culture“. Wie baut man eine Kultur auf, in der Fehler nicht versteckt oder angeprangert, sondern als Lernchance genutzt werden?

Es geht hier fast ausschließlich um psychologische Sicherheit. Niemand wird bei der Fehlersuche die Hand heben, wenn er Angst hat, gefeuert zu werden. Wir müssen aber zu unseren Fehlern stehen können. Und das fängt bei den Führungskräften an. Nur so können auch andere zu ihren Fehlern stehen. Eine „No Blame Culture“ funktioniert jedoch nur im Zusammenspiel mit einem hohen Verantwortungsbewusstsein. Man braucht Teammitglieder, die Verantwortung übernehmen, auch wenn es um Fehler geht.

In der Formel 1 hat jeder Fahrer eigene Ingenieure und Mechaniker. Wie verhindert man, dass interne Konkurrenz gegen die gemeinsame Strategie arbeitet?

Das ganze Team hat das gleiche Ziel: Die Meisterschaft für Mercedes zu gewinnen. Nicht mit dem einen oder anderen Fahrer, sondern für die Marke und das Team. Alle Mitarbeiter sind gleich incentiviert: Ausschlaggebend ist der Gewinn der Konstrukteursmeisterschaft, nicht der Fahrerwertung. Das ist die Grundlage unserer Entscheidungsfindung. Auch die Ingenieure und Mechaniker, die einem der Fahrer zugeteilt sind, arbeiten zuallererst für das Team. Beide Seiten der Garage machen jeden Boxenstopp gemeinsam. Alle technischen Daten werden zwischen den Ingenieuren der Fahrer geteilt, damit wir so wettbewerbsfähig wie möglich sein können. Das Motto ist klar: Das beste Team gewinnt, der beste Fahrer gewinnt; und zwar in dieser Reihenfolge.

Viele Gründerinnen und Gründer kämpfen damit, schnell zu wachsen und dabei die Kultur zu bewahren. Lassen sich Prinzipien aus der Formel 1 auf Startups und Scaleups übertragen?

Wir haben seit dem Cost Cap 2021 starkes Wachstum in der Formel 1 gesehen. Wir mussten uns überlegen, ob wir die Geschäftsfelder erweitern wollen, wie wir es etwa mit unserem Engagement im America’s Cup beim Segeln gemacht haben. Der Headcount ist gewachsen, vor allem in den Support-Bereichen außerhalb der technischen und operationellen Hauptbereiche. Aber dann haben wir uns wieder auf unser Kerngeschäft fokussiert, mit einem klaren Ziel: die Formel-1-Weltmeisterschaft zu gewinnen. Und bei jedem neuen Projekt stellen wir uns die Frage: Bringt uns das Projekt diesem Ziel näher, hilft es uns, Rennen und Meisterschaften zu gewinnen?

Wenn die Antwort Ja ist, dann investieren wir in das Projekt; wenn nicht, dann nicht. Ich denke, es geht vor allem darum, das Hauptziel nicht aus den Augen zu verlieren, da mit dem Unternehmenswachstum viele Elemente komplexer werden. Wenn man in einem so kompetitiven Umfeld wie der Formel 1 tätig ist, dann ist das Hauptziel relativ klar. Aber jedes Startup muss sich ein Ziel geben können und dann genau wie wir darauf fokussieren.

Wie treffen Sie strategische Entscheidungen, wenn nicht alle Informationen vorliegen? Gibt es ein Erfolgsgehmeinis?

Mein Freund und Geschäftspartner Niki Lauda hat immer auf die rasche Entscheidungsfindung gepocht – es ist besser, eine mangelhafte Entscheidung jetzt zu treffen, als darauf zu warten, alle Informationen zusammengetragen zu haben, wenn es dann zu spät ist. Man kann Entwicklungen immer noch korrigieren, wenn eine Entscheidung nicht ganz richtig war. Persönlich versuche ich die Upside und Downside bei den großen Entscheidungen zu erkennen: Wenn ich mit der Downside, dem Worst Case, leben kann, dann gibt es keinen Grund, vor der Entscheidung zurückzuschrecken.

Welche Leadership-Lektion hätten Sie gerne früher gelernt?

Meine wichtigste Erfahrung ist wohl, in Konfliktsituationen neugierig zu bleiben, zu versuchen, die Perspektive der anderen Seite zu verstehen, und auch manchmal zu akzeptieren, dass man nicht einer Meinung ist oder unterschiedliche Interessen hat; ein „agree to disagree“ als Ergebnis zu akzeptieren. Bei Leadership geht es ja vor allem darum, andere Menschen zu verstehen, sich auf eine gemeinsame Linie zu einigen, sie mit etwas zu incentivieren, das für sie auch wirklich relevant ist. Nur wer motiviert ist und sich wohlfühlt, kann 100 Prozent geben. Ziele klar formulieren, Mitarbeitern Verantwortung übertragen, ihnen dabei helfen, Herausforderungen zu meistern, und Ergebnisse offen analysieren – das ist meine Arbeitsweise.

Gibt es Ihrer Ansicht nach die eine Eigenschaft, die erfolgreiche Unternehmerinnen und Unternehmer brauchen? Und welche Fähigkeiten werden durch den zunehmenden Einsatz von KI wichtiger?

Das eigene Geschäft verstehen und die Leute kennen und verstehen, mit denen man arbeitet. Ein großes Ziel verfolgen und das Auge fürs Detail, das Gleichgewicht in allen relevanten Bereichen nicht verlieren. KI wird viel in unserer Welt verändern. Aber sie wird hoffentlich vor allem ein Instrument sein, das den Menschen dabei helfen wird, bessere Entscheidungen zu treffen. Die fähigsten Leute werden das Beste aus AI herausholen, die Stärken nutzen und sich von den Gefahren und Schwächen nicht beeinträchtigen lassen. Wir stehen sicher am Anfang einer rasanten Entwicklung, deren Ergebnis kaum vorhersehbar ist.

Und im Rennsport selbst: Kann KI helfen, die Ideallinie, die optimalen Bremspunkte oder das perfekte Setup zu entschlüsseln?

Wo die richtigen Bremspunkte sind, sollten wir eigentlich schon wissen; auch, dass, wenn es regnet, ein Reifen ohne Profil nicht so toll funktioniert. Aber im Ernst: Wir müssen AI zur Entscheidungsfindung einsetzen, wo hochkomplexe Datenmodelle es verlangen. Aber AI wird in keinem Bereich eigenständig entscheiden. Sie wird immer eine Unterstützung für unsere Ingenieure bleiben; zumindest in absehbarer Zeit.

Welche Innovationen aus dem Motorsport könnten in den kommenden Jahren für andere Industrien relevant werden?

Es gibt in der Geschichte viele Beispiele für Technologietransfer, und das geht auch heute weiter. Wir als Industrie lernen gerade viel über Batteriesysteme, über Steuerungselektronik und elektrische Motoren, aber auch über nachhaltige Treibstoffe und innovative Composite-Materialien; alles wichtige Entwicklungsbereiche für die Automobil- und Transportindustrie.

Es gibt aber auch ganz andere Bereiche, die mit dem Fahrzeug an sich nichts zu tun haben. So haben wir etwa vor ein paar Jahren Pionierarbeit beim Einsatz von 5G-Technologie an der Rennstrecke geleistet. Die Formel 1 ist in ihrer Grundcharakteristik interessant für Entwicklungen unterschiedlicher Technologien, weil sie ein sehr kompetitives Umfeld mit einer enorm hohen Entwicklungsgeschwindigkeit bietet. Das ist für Innovation und Entwicklung wertvoll.

Sie sind ja an mehreren Unternehmen beteiligt. Was sind Ihre Kriterien dabei?

Nuki und Instahelp sind ja nicht mehr Startups im eigentlichen Sinn, beide sind profitabel. Nuki macht über 50 Millionen Euro Umsatz und ist Marktführer in Europa; Instahelp hat seit zwei Jahren einen zweistelligen Millionenumsatz und verdient Geld. Unsere Kriterien waren damals, als wir die beiden Firmen mit unseren Partnern in der Up to Eleven, den Brüdern Martin und Jürgen Pansy und René Berger, gegründet haben, dass wir unsere bestehende Kompetenz bei mobiler Kommunikation, die wir mit sms.at und ucp über Jahre aufgebaut hatten, für innovative Geschäftsmodelle einsetzen wollen.

Dass wir direkt in Startups investiert haben, die wir nicht selbst gegründet haben, ist ja schon lang her; das war zu Zeiten von Marchfifteen beziehungsweise ganz vereinzelt vor über 15 Jahren. Das wichtigste Kriterium war jedenfalls immer, dass die Gründer gute Leute waren, denen man vertrauen kann. Einer davon war übrigens Oliver Holle. Auch heute vertrauen wir ihm, und zwar indem wir bei Speedinvest und damit auch weiterhin indirekt in Startups investieren.

Abschließend: Wie sieht bei Ihnen eigentlich ein Sonntag aus, an dem kein Rennen stattfindet?

Meistens bin ich in Italien, an einer Kartstrecke. Da sind Susie und ich dann die größten Fans unseres jungen Sohns. Der Apfel ist nicht weit vom Stamm gefallen.


Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis