KI & Marketing Radar

Eigentlich sollte 2026 das Jahr sein, in dem die härtesten Regeln des EU AI Act in Kraft treten – tatsächlich brachte es eher eine Verschnaufpause. Am 27. Juli 2026 trat das sogenannte „Digital Omnibus"-Paket in Kraft und verschob genau jene Fristen, die Compliance-Teams zuvor den Schlaf geraubt hatten – wenn auch nicht so viele, wie manche Schlagzeilen vermuten ließen. Die Pflichten für Hochrisiko-KI-Systeme nach Anhang III – etwa Rekrutierungstools, Kreditscoring-Modelle, Systeme für Strafverfolgungsbehörden sowie KI in den Bereichen Bildung und Grenzkontrolle – sollten eigentlich am 2. August 2026 greifen. Der Omnibus verschiebt diesen Termin auf den 2. Dezember 2027 – eine Verzögerung von rund sechzehn Monaten. KI, die in regulierte physische Produkte eingebettet ist (Anhang I: Maschinen, Medizinprodukte, Fahrzeuge, Aufzüge, Spielzeug), erhält eine ähnliche Atempause und verschiebt sich vom 2. August 2027 auf den 2. August 2028. Auch die Frist für die EU-Mitgliedstaaten,

Die große Neuigkeit in 2026 ist nicht, dass Marken jetzt KI einsetzen – das ist längst Geschichte. Der Engpass hat sich verschoben. In den letzten Jahren lag die Beschränkung der kreativen Produktion beim Konzeptionieren: dem Weg zu einer guten Idee. Die Tools, die dieses Jahr tatsächlich auf den Markt gekommen sind, zielen nun auf den nächsten Schritt – ein freigegebenes Konzept schnell in fertige, markenkonforme Assets zu verwandeln, und das zunehmend ohne Spezialisten auf jeder Stufe der Pipeline. Die auf der Config 2025 vorgestellten Neuerungen von Figma haben dieses Jahr richtig Einzug in Produktions-Workflows gehalten: Figma Make verwandelt einen Prompt in einen funktionierenden Prototyp, Figma Sites veröffentlicht responsive Seiten direkt aus der Design-Datei, und Figma Buzz ist dasjenige, das für Markenteams am meisten zählt – es erlaubt einem Designer, die Markenelemente

Deutschland, Österreich und die Schweiz stecken dieses Jahr viel Geld in souveräne KI-Infrastruktur, die Akzeptanz liegt in allen drei Ländern über dem EU-Durchschnitt, und Deutschlands eigener Digitalminister sagt öffentlich, dass sich das noch nicht schnell genug in Ergebnissen niederschlägt. Alle drei Aussagen stimmen gleichzeitig, und genau diese Spannung ist der eigentliche Stand der KI in der DACH-Region im Jahr 2026. Deutschlands erste „KI-Fabrik", die Industrial AI Cloud in München, ist am 4. Februar 2026 in Betrieb gegangen. Gebaut von der Deutschen Telekom gemeinsam mit NVIDIA und dem Rechenzentrumsbetreiber Polarise, mit SAP und Siemens als Software- und Industriepartnern, umfasst die Anlage im Tucherpark rund 10,700 Quadratmeter und betreibt knapp 10,000 NVIDIA Blackwell GPUs mit einer Rechenleistung von bis zu 0.5 ExaFLOPS – eine Kapazität, die laut Ankündigung theoretisch ausreichen würde, um alle 450 Millionen EU-Bürger gleichzeitig zu versorgen. Sie läuft bereits mit realen

Fast jedes Unternehmen sagt inzwischen, dass KI-Kompetenz wichtig sei. Deutlich weniger haben tatsächlich etwas aufgebaut, das diesen Namen verdient. Die Lücke zwischen diesen beiden Tatsachen ist die eigentliche Geschichte der KI-Weiterbildung am Arbeitsplatz im Jahr 2026 — und sie zeigt sich deutlich, sobald man hinter die Schlagzeilen-Zahlen blickt. IDC schätzt, dass ein Mangel an KI-Kompetenzen die Weltwirtschaft bis 2026 um bis zu $5.5 Billionen kosten könnte — durch verzögerte Projekte, Qualitätsprobleme, entgangene Umsätze und geringere Wettbewerbsfähigkeit. Die Zahlen zur Arbeitskräfte-Bereitschaft hinter dieser Schätzung sind deutlich: Mehr als 90% der Unternehmen weltweit erwarten einen kritischen Mangel an KI-Kompetenzen, nur 35% der Führungskräfte glauben, ihre Mitarbeitenden angemessen auf KI-getriebene Rollen vorbereitet zu haben, und gerade einmal jeder dritte Mitarbeitende erhielt im vergangenen Jahr überhaupt eine KI-Schulung. Die Hälfte der Arbeitgeber gibt an,

Jede große Datenplattform hat dieses Jahr eine Version derselben Idee ausgeliefert: eine leicht verständliche Sprachschicht über dem eigenen Warehouse oder Lakehouse, die es jemandem, der kein SQL schreibt, erlaubt, eine echte Frage zu stellen und eine echte Antwort zu bekommen. Snowflake hat Cortex Analyst, Databricks hat Genie (inzwischen „Genie One") und Microsoft hat Copilot fest in Fabric und Power BI eingebaut. Alle drei lösen dasselbe zugrunde liegende Problem, aber die Wetten, die sie darauf abgeschlossen haben, wie das geschehen soll, unterscheiden sich so stark, dass „welche ist die beste?" die falsche Frage ist. Die bessere Frage lautet, welche Wette zur tatsächlichen Arbeitsweise der eigenen Organisation passt. Cortex Analyst setzt komplett auf Vertrauenswürdigkeit. Jede Frage in natürlicher Sprache wird zwingend durch eine vordefinierte semantische Schicht (Semantic Views) geleitet, statt ein LLM Joins über

Wer einen einzigen Beleg dafür braucht, wie ernst der Markt „vibecoding" inzwischen nimmt — das Bauen von Software, indem man in einfacher Sprache beschreibt, was man will, und einen KI-Agenten den Code schreiben und ausführen lässt —, sollte sich Folgendes ansehen: Im August 2026 wurde Cursor zur hundertprozentigen Tochtergesellschaft von SpaceX. Der gesamte Ablauf lohnt eine genauere Betrachtung, weil er so schnell ging. Cursors Bewertung war bereits von $400 Millionen Mitte 2024 auf $29,3 Milliarden bei einer Finanzierungsrunde im November 2025 gestiegen, getragen von einem jährlich wiederkehrenden Umsatz, der von $100 Millionen im Januar 2025 auf über $1 Milliarde bis November desselben Jahres kletterte. Im April 2026 gab SpaceX dann bekannt, die Option zu halten, Cursor vollständig für $60 Milliarden zu übernehmen, oder andernfalls eine Gebühr von $10 Milliarden zu zahlen, falls der Deal nicht zustande käme. Vier Tage nachdem SpaceX das, was als der größte Börsengang der

77% der Kleinunternehmen nutzen mittlerweile regelmäßig KI, gegenüber 48% Mitte 2024 — das ist die Kernaussage einer QuickBooks/Intuit-Umfrage unter über 34,000 Inhabern kleiner und mittlerer Unternehmen in den USA, Kanada, Großbritannien und Australien, die gemeinsam mit Ökonomen der University of Chicago erstellt wurde. 41% geben an, dass sich der Umsatz erhöht hat, 74% sprechen von gesteigerter Produktivität. Das sind wirklich starke Zahlen. Laut einer unabhängigen Betrachtung derselben Umfrage handelt es sich dabei jedoch größtenteils um ein Gefühl statt um eine Messung: Mehr als die Hälfte der Befragten beschrieb lediglich den allgemeinen Eindruck, dass sich die Dinge verbessert hätten, und weniger als die Hälfte verfolgte überhaupt irgendeine konkrete Kennzahl. Die Produktivitätsangaben beruhten auf Selbstauskunft statt auf Zeitstudien; Umsatzsteigerungen wurden KI

Im November 2025 machte IBM eine gewagte öffentliche Aussage: Das Unternehmen erwartete, dass die Branche irgendwann im Jahr 2026 einen verifizierten Quantenvorteil erreichen würde — eine Aufgabe, die ein Quantencomputer besser löst als jeder klassische Computer, und zwar so überprüfbar, dass Skeptiker sie nicht einfach abtun können. Acht Monate später war es so weit. Nicht alles im Quantencomputing hat sich in diesem Jahr so schnell entwickelt. Aber diese eine Aussage verdient es, ernst genommen zu werden — und zu verstehen, warum sie sich von den „Vorteil"-Behauptungen früherer Jahre unterscheidet, ist das Nützlichste, was sich aus dem Stand des Feldes im Jahr 2026 mitnehmen lässt. Am 30. Juli 2026 gaben IBM und das finnische Quantensoftware-Unternehmen Algorithmiq bekannt, mit einem IBM Quantum Heron-Prozessor heterogene Quantenmaterie simuliert zu haben — Materialien mit unregelmäßigen, lokal begrenzten Schwankungen darin, wie sich Information, Energie und Teilchen durch sie

In der Woche vom 9. bis 15. Februar 2026 verarbeiteten in China entwickelte KI-Modelle erstmals mehr Enterprise-API-Traffic als in den USA entwickelte Modelle — 4.12 Billionen Token, geleitet über OpenRouter, eine Plattform, über die Unternehmen produktive KI-Workloads anbieterübergreifend routen. Bis Juli hielten Modelle chinesischen Ursprungs bis zu 46% dieses US-Enterprise-Token-Volumens — gegenüber nur 4.5% Anfang 2025. DeepSeek allein war für 17.6% aller Token auf der Plattform verantwortlich — mehr als Anthropics 14.8%. Das ist längst keine Forschungskuriosität mehr. Das ist ein handfestes Stück des tatsächlichen Enterprise-KI-Markts, und DeepSeek ist mit Abstand der größte Grund, warum es ihn gibt. DeepSeeks wichtigste Veröffentlichung 2026 war V4, das am 24. April nicht als ein, sondern als zwei Modelle erschien. V4-Pro ist das Flaggschiff: ein Mixture-of-Experts-Modell mit 1.6 Billionen Parametern und 49 Milliarden aktiven Parametern pro Anfrage, ausgelegt auf Coding und

Vier Tage. So lange dauerte es ungefähr, bis Seedance 2.0 – ByteDances KI-Videomodell, veröffentlicht am 12. Februar 2026 – von einem technisch beeindruckenden Launch zu einem Unterlassungsschreiben von Disney wurde. Beides trifft auf Seedance gleichzeitig zu: Es ist eines der besten KI-Videomodelle, die heute verfügbar sind, und es ist zugleich zum bislang klarsten Warnbeispiel dafür geworden, was passiert, wenn ein derart leistungsfähiges generatives Modell auf eine Trainingsdaten-Frage trifft, die niemand vollständig beantwortet hat. Seedance startete im Juni 2025 als Version 1.0 – ByteDances Antwort auf OpenAIs Sora und Googles Veo. Version 2.0 folgte am 12. Februar 2026, und ein weiteres Update, Seedance 2.5, wurde am 23. Juni auf ByteDances Volcano-Engine-FORCE-Konferenz angekündigt – derzeit in der Enterprise-Beta, mit allgemeiner Verfügbarkeit ab Juli 2026 geplant. Jede Version verfolgt dieselbe Richtung: längere, sauberere Generierung in einem Durchgang statt

Amazon Bedrock

Azure AI Foundry

Vertex AI

Die eigentlich relevante Frage bei AWS Bedrock, Azure AI Foundry und Google Vertex AI ist nicht, welcher Anbieter in diesem Quartal das stärkste Modell hat. Die Modellqualität ändert sich schnell, die drei Kataloge überschneiden sich stark, und jede ernstzunehmende Anwendung ruft ohnehin meist mehr als ein Modell auf. Die eigentliche Entscheidung betrifft die Frage, welches Control Plane am besten zu den Systemen passt, die bereits Identität, Daten, Netzwerk, Observability und operative Verantwortung tragen — denn einen Prompt zwischen Anbietern zu verschieben ist trivial, alles rund um diesen Prompt neu aufzubauen dagegen nicht. Diese drei Produkte sollten als Anwendungsplattformen verstanden werden, nicht als austauschbare Modell-Endpunkte. Einen Prompt von der einen zur anderen zu verschieben, dauert Minuten. Die IAM- oder Entra-Berechtigungsgrenzen, die Retrieval-Pipeline, die Tool-Autorisierung, die Audit-Trails, die private Konnektivität, die Evaluierungs-Jobs und die

Am 8. September 2026 schloss das französische KI-Labor Mistral eine Series-D-Runde über €3 Milliarden ab — nach eigener Darstellung, und nach Einschätzung der meisten unabhängigen Beobachter, die größte Eigenkapitalfinanzierungsrunde, die je ein europäisches Technologieunternehmen abgeschlossen hat — bei einer Post-Money-Bewertung von über €21 Milliarden. Das ist für sich genommen schon eine beeindruckende Zahl. Was die Runde zur eigentlichen Geschichte von Mistrals 2026 macht, statt nur ein großer Scheck zu sein, ist das, was mit dem Geld tatsächlich gekauft wird: kein besserer Chatbot, sondern Infrastruktur, Rechenleistung und eine konkrete Wette darauf, dass „gebaut und gehostet in Europa" gerade dabei ist, ein echter kommerzieller Vorteil zu werden statt nur ein Schlagwort. Mistrals aktuelle Modellreihe stammt vom 2. Dezember 2025, als das Unternehmen die Mistral-3-Familie veröffentlichte: Large 3, ein Mixture-of-Experts-Flaggschiff mit 675 Milliarden Parametern, davon 41

Bittet man ein universelles LLM, SQL gegen ein rohes Datenbankschema zu schreiben, rät es bei Joins häufig nur oder erzeugt plausibel wirkende Abfragen, die im Stillen falsche Zahlen liefern — ein Fehlermodus, der gerade deshalb gefährlich ist, weil er nicht wie ein Fehler aussieht. Der eigentliche Vorteil von Snowflake Cortex Analyst besteht darin, dass es gezielt gebaut wurde, um genau diese Lücke zu schließen. Es kombiniert Agentic AI mit einer Warehouse-nativen semantischen Schicht namens Semantic Views, die erzwingt, dass natürliche Sprache zwingend durch eine vordefinierte Geschäftsdefinition von Dimensionen, Kennzahlen und Tabellenbeziehungen geleitet wird, statt das Modell gegen Rohtabellen improvisieren zu lassen. Snowflake gibt für diesen Ansatz 90%+ Abfragegenauigkeit an — und ebenso wichtig: Die Daten müssen dabei Snowflakes eigenen Sicherheits- und Governance-Perimeter nie verlassen. Googles Looker/Gemini-Stack und Microsofts Fabric/Power-BI-Copilot bieten beide echte,

Nordische Organisationen verfügen über die Infrastruktur für KI. Was ihnen fehlt, zeigt Deloittes Bericht State of AI in the Nordics 2026 – eine Befragung von 170 leitenden Führungskräften in Dänemark, Finnland, Norwegen und Schweden, verglichen mit einer globalen Vergleichsgruppe von 3,235 Befragten – ist nahezu alles, was rund um diese Infrastruktur aufgebaut sein müsste: die Strategie, die Talente, die klare Verantwortlichkeit dafür, ob sich das Ganze tatsächlich ausgezahlt hat. Diese Lücke ist – mehr als jede einzelne Adoptionszahl – der eigentliche Stand der KI in der Region in diesem Jahr. 55% der nordischen Organisationen geben an, sich bei der technischen Infrastruktur für KI hochgradig vorbereitet zu fühlen – eine solide Zahl, und nicht das Problem. Bei der strategischen Vorbereitung sieht die Geschichte anders aus: Sie liegt bei 43%, einem deutlichen Rückgang gegenüber 61% im Vorjahr – ein echter Rückschritt, kein bloßes Plateau. Bei der Talent-Vorbereitung ist die Lage noch

Am 19. August 2026 ging Unitree Robotics zu 150.8 Yuan pro Aktie an Shanghais STAR Market und schloss den ersten Handelstag mit einem Plus von 460% — nach einem untertägigen Höchststand von knapp 630% — bei einer impliziten Bewertung von rund $50 Milliarden. Es war mit weitem Abstand das größte Debüt des chinesischen IPO-Marktes 2026, und dabei handelte es sich weder um ein Chatbot- noch um ein Chip-Unternehmen. Es war ein Roboterhersteller, und zwar einer, der vor allem für einen vierbeinigen Roboter bekannt ist, den man online zum Preis eines gebrauchten Autos bestellen kann. Wenn „Physical AI" — die derzeit gängige Kurzform für KI-Systeme, die die reale Welt wahrnehmen und in ihr handeln, statt nur Fragen über sie zu beantworten — einen einzigen Moment gebraucht hätte, um ihre Ankunft als reale kommerzielle Kategorie statt als Messespektakel zu markieren, dann war es wohl dieser. Deloittes „2026 Tech Trends"-Report definiert Physical AI klar: „KI-Systeme,