Google Workspace für eine neue Art der Zusammenarbeit.

Künstliche Intelligenz verspricht Entlastung, Effizienzsteigerungen und neue Möglichkeiten für die Gesundheitsversorgung. Gleichzeitig stehen viele Krankenhäuser vor ähnlichen Fragen: Wo sollten wir starten? Welche Voraussetzungen müssen geschaffen werden? Welche Anwendungsfälle sind sinnvoll? Und wie gelingt der Schritt vom ersten Pilotprojekt in den nachhaltigen Regelbetrieb?

In diesem Praxisimpuls stellen wir einen speziell für den Krankenhauskontext entwickelten Leitfaden zur KI-Implementierung vor. Der Leitfaden basiert auf wissenschaftlicher Literatur, bestehenden Implementierungsansätzen sowie Experteninterviews mit Akteurinnen und Akteuren aus deutschen Krankenhäusern und adressiert die Herausforderungen entlang des gesamten Einführungsprozesses. Der entwickelte Leitfaden strukturiert die KI-Einführung von der strategischen Einordnung über Readiness und Use-Case-Auswahl bis hin zu Implementierung und Betrieb.

Wir geben einen kompakten Überblick über zentrale Erfolgsfaktoren für die Einführung von KI im Krankenhaus und beleuchten Fragestellungen, die bereits vor dem Start eines KI-Vorhabens berücksichtigt werden sollten.

Viele Unternehmen investieren in Reporting, Analytics und KI, stoßen jedoch auf Probleme durch unvollständige oder widersprüchliche Daten. In diesem Webinar zeigen wir, wie Sie Datenqualität nachhaltig verbessern, typische Schwachstellen erkennen und eine verlässliche Grundlage für Analytics- und KI-Initiativen schaffen. Zudem erhalten Sie praktische Ansätze zur Bewertung Ihrer Datenreife und konkrete Handlungsempfehlungen für den Einstieg.

Data Governance wird häufig als komplexes Regelwerk wahrgenommen. Tatsächlich schafft eine pragmatische Governance die Grundlage für Transparenz, Verantwortlichkeiten und eine vertrauenswürdige Datennutzung. In diesem Webinar zeigen wir, wie Unternehmen Governance-Strukturen etablieren können, die im Alltag funktionieren und gleichzeitig Analytics-, Automatisierungs- und KI-Projekte unterstützen. Die Teilnehmer erhalten einen praxisnahen Fahrplan für den Aufbau einer wirkungsvollen Datenorganisation.

Nicht jede Schnittstelle muss neu entwickelt werden. Nicht jede Integration braucht Events. Und nicht jedes neue SAP-Produkt gehört automatisch in die Zielarchitektur. In diesem Webinar zeigen wir die vier größten Irrtümer bei der Modernisierung von SAP-Integrationslandschaften und stellen einen pragmatischen Entscheidungsrahmen aus der Projektpraxis vor.

In diesem Webinar zeigen wir an einem konkreten Beispiel, wie aus einer Idee ein produktiver KI-Agent wird: von der Use-Case-Definition über die Architektur bis zur Anbindung an echte Unternehmenssysteme. Viele Unternehmen haben KI-Piloten gestartet, die in der Demo überzeugen und dann in der Schublade verschwinden. Der Sprung in den Produktivbetrieb scheitert selten am Sprachmodell. Meist liegt es an Architektur, Systemanbindung und fehlender Evaluation des Agentenverhaltens.

Im Webinar gehen wir einen KI-Agenten Schritt für Schritt durch: von der Plattform- und Modellauswahl über die Agentenlogik bis zur standardisierten Anbindung an Unternehmenssysteme über das Model Context Protocol (MCP). Die führenden Enterprise-Plattformen betrachten wir vergleichend und herstellerunabhängig, sodass sich das Vorgehen auf Ihre Cloud übertragen lässt. Dabei zeigen wir, welche Entscheidungen unterwegs anstehen, von der Toolauswahl über die Leitplanken für das Agentenverhalten bis zur Evaluation vor dem Rollout.

Der Praxis-Use-Case: ein Service-Agent, der eingehende Kundenanfragen kategorisiert, relevante Daten aus einem angebundenen System zusammenstellt und einen Antwortentwurf für das Serviceteam erstellt.

Dauer: 30 Minuten. Die Teilnahme ist kostenlos.

Klassische industrielle Bildverarbeitung ist mächtig, aber teuer: tausende gelabelte Fehlerbilder, monatelanges Einrichten, und bei jeder Produktvariante geht es von vorn los. Eine neue Generation von Vision-KI ändert die Rechnung. Vision-Language-Modelle und Few-Shot-Verfahren erkennen Abweichungen nach einer Handvoll Beispielbilder und lassen sich in Textform anweisen, worauf sie achten sollen.

Im Webinar zeigen wir, was davon 2026 produktionsreif ist und was noch Messe-Demo bleibt: Sichtprüfung mit Few-Shot-Anomalieerkennung, Edge-Betrieb an der Linie ohne Cloud-Zwang, und der Industrie-5.0-Gedanke dahinter, denn die neue Rollenverteilung heißt nicht Vollautomatisierung, sondern KI prüft, Mensch entscheidet die Grenzfälle. Dazu die ehrliche Abgrenzung: wo klassische, regelbasierte Bildverarbeitung weiterhin überlegen ist, etwa bei Messaufgaben mit Toleranzen im Mikrometerbereich.

Der Praxis-Use-Case: eine Sichtprüfung an einem realen Bauteil, einmal klassisch projektiert und einmal mit einem Vision-Language-Modell aufgesetzt, im Vergleich von Aufwand, Trefferquote und Kosten.

Dauer: 30 Minuten. Die Teilnahme ist kostenlos.

„Antworte ausschließlich im folgenden Format“ ist eine Bitte, keine Garantie. Wir zeigen, was technisch zwischen einem freundlichen Prompt, dem JSON-Modus und echtem Constrained Decoding liegt, und warum nur eines davon in der Integration verlässlich hält. Dazu die Details, die im Alltag den Unterschied machen: Wie die Reihenfolge der Felder das Ergebnis verändert, warum ein fehlendes Konzept für „steht nicht im Dokument“ direkt zu erfundenen Werten führt, und wann eine Retry-Schleife teurer ist als ein zweiter Modellaufruf. Für Entwicklerinnen und Entwickler, die Sprachmodelle an bestehende Systeme anbinden.

Souveräne KI ist 2026 vom Nischenthema zur Chefsache geworden: Die EU investiert über 30 Milliarden Euro in AI Gigafactories, und jeder große US-Anbieter verkauft inzwischen eine „Sovereign Cloud“. Doch zwischen echtem Souveränitätsgewinn und Souveränitäts-Marketing liegt ein weiter Weg, denn der Serverstandort schützt nicht vor dem Rechtsraum des Anbieters.

Im Webinar sortieren wir das Feld: Was souveräne KI auf den Ebenen Modell, Compute, Daten und Betrieb tatsächlich bedeutet, welche europäischen Alternativen es heute schon gibt, von offenen Modellen über EU-Cloud-Anbieter bis zu lokal betreibbaren LLMs, und wo der Leistungsabstand zu den US-Frontier-Modellen real ist und wo er nur behauptet wird. Dazu ein Entscheidungsraster: Welche Workloads brauchen Souveränität wirklich, und welche dürfen pragmatisch beim Hyperscaler bleiben?

Der Praxis-Use-Case: ein interner KI-Assistent, einmal auf US-Frontier-Modell und einmal vollständig souverän aufgesetzt, im Vergleich von Qualität, Kosten und Abhängigkeiten. Teilnehmende erhalten das Entscheidungsraster als Vorlage.

Dauer: 30 Minuten. Die Teilnahme ist kostenlos.