KI im Februar 2026: Was ich in der Praxis sehe
Die eine Hälfte meines LinkedIn-Feeds sagt, KI gebe einem sofort ein Team von 50 Leuten. Und dass sie gerade [eine sehr spezifische, hohe Summe] in [einem unglaublich kurzen Zeitraum] verdient haben. Oder dass wir uns auf 50% weniger Bürojobs in 3 Jahren vorbereiten sollten.
Die andere Hälfte sagt, KI sei der grösste Schwindel aller Zeiten. Die Modelle seien so dumm, dass sie nicht mal eine E-Mail schreiben können. Die Gedankenstriche! Kann keine einfache Berechnung durchführen! Schlägt mir vor, zu Fuss zur Autowaschanlage zu laufen! Wartet nur, bis die grosse Blase platzt, dann werdet ihr euch ungläubig die Augen reiben.
Es scheint fast so, als hätte keine der beiden Seiten wirklich versucht, die Tools unvoreingenommen zu bewerten. Es braucht einiges an Experimentierfreude, um zu sehen, wie ausgereift KI-gestützte Tools und GenAI-Plattformen wirklich sind. Was vor einem Jahr noch galt, stimmt heute nicht unbedingt.
Meine Einschätzungen zu KI, mit Fokus auf den geschäftlichen Kontext.
KI für den individuellen Einsatz
Coding
Einige Modelle sind wirklich gut im Programmieren. Sie können Code in hoher Qualität erstellen und reviewen. Solange man ein Auge auf den Output hat und die Modelle korrekt steuern kann, ist die Softwareentwicklung schneller geworden. Prototyping ist VIEL schneller geworden, und ich bin überzeugt, dass viele Projekte rund um operative Prozesse oder Software mit Benutzeroberfläche von einer Form des KI-gestützten Prototypings profitieren.
Man braucht weiterhin Security Engineering und Architektur-Kompetenz, und mehr denn je ein klares Verständnis dafür, was man bauen sollte, wann man NICHT bauen sollte, und wie man weiss, ob das Gebaute tatsächlich funktioniert.
Datenanalyse
Dasselbe gilt für Datenanalyse. Es ist erstaunlich, wie weit die Fähigkeiten zugenommen haben.
Wenn man beurteilen kann, welche Analysen durchgeführt werden sollten, ein gutes Verständnis von Datenmodellen hat und genügend Fachexpertise mitbringt, um Ansatz und Ergebnis zu verifizieren — dann kann KI ein fantastischer Begleiter im gesamten Prozess sein. Abfragen, Bereinigen, Transformieren, Analysieren und Visualisieren. Angewendet auf eigene Prozesse und Tools hat sich die Art und Weise, wie man Datenanalyse betreiben kann, im Vergleich zu vor ein paar Jahren grundlegend verändert.
Persönliche Produktivität
Meiner Meinung nach ist der Produktivitäts-Hype übertrieben. Wir sind noch nicht an dem Punkt, wo jeder persönliche Assistenten zur Verfügung hat. Vielleicht ändern die Clawdbot- / Moltbot- / Openclaw-Experimente das, aber nicht per Mitte Februar 2026.
Der Vorbehalt: Wer bereits ein funktionierendes System für Aufgabenmanagement und Priorisierung hatte, für den bietet KI durchaus einen Produktivitätsmultiplikator. Es gibt einige nützliche Features, aber ich sehe persönlich nicht den grossen Produktivitätsschub, den manche behaupten.
Denken / Reasoning
KI als Sparringpartner zum Denken — hier glänzen die aktuellen Modelle wirklich. Solange man mit Gedanken, Hypothesen und Fragen vorbereitet ist, ist das Reframing der Modelle unglaublich hilfreich. Dasselbe gilt natürlich auch, wenn man mit einem kompetenten Kollegen spricht und vor einem Whiteboard brainstormt. Das bevorzuge ich jeden Tag der Woche. Leider sind kompetente Sparringpartner nicht immer auf Abruf verfügbar — besonders die kompetenten. KI bietet hier aber eine gute Alternative.
Content-Erstellung
Das Offensichtlichste zum Schluss. Ja, GenAI generiert Inhalte. Wenn die eigene Messlatte nicht wahnsinnig hoch liegt — also das Niveau an Textbearbeitung und Bildgenerierung erwartet wird, das ein Profi liefern würde — dann liefert es passable Ergebnisse.
Ich nutze KI primär zum Zusammenfassen, Korrigieren und Übersetzen, nicht zum Erstellen von Inhalten für die Veröffentlichung. Iterieren, Strukturieren, Entwerfen, ja. Aber auch hier hauptsächlich mit KI als Sparringpartner.
KI im organisatorischen Kontext
Organisatorisch spiegelt die KI-Effektivität die Reife, Disziplin und Governance der IT-Nutzung wider. Wenn diese vorher schon mangelhaft waren, behebt KI keine unvollständigen Daten, kein verstreutes Wissensmanagement und keine fragmentierte Tool-Landschaft. Ganz im Gegenteil: KI verschärft diese Defizite.
Für die wenigen Organisationen, die ihre Hausaufgaben gemacht haben, sehe ich Produktivitätssteigerungen, die höher sind als erwartet.
Die besten Beispiele, die ich wiederholt gesehen habe:
- Interne Tools zur Unterstützung bei repetitiven, volumenstarken, mühsamen Aufgaben
- KI-Tools, die Kundensupport-Mitarbeiter bei ihrer Arbeit unterstützen
- Informationen und Werkzeuge für Sales Enablement
- Personalisierung in der Marketingkommunikation
Was die KI-Debatte immer wieder offenbart: KI verstärkt bestehende Kompetenz und bestehende Schwächen. Diejenigen, die profitieren, sind diejenigen, die wissen, wie “gut” aussieht und wie sie es selbst machen würden — Einzelpersonen und Organisationen gleichermassen.
Mich interessiert, was andere sehen: Wo hat KI einen Unterschied gemacht? Wo hat sie euch enttäuscht?
Teilen
Über den Autor
