{"id":11290,"date":"2026-07-31T16:34:35","date_gmt":"2026-07-31T14:34:35","guid":{"rendered":"https:\/\/huebner.io\/2026\/07\/die-zukunft-der-arbeit-braucht-offene-innovation\/"},"modified":"2026-07-31T16:34:35","modified_gmt":"2026-07-31T14:34:35","slug":"die-zukunft-der-arbeit-braucht-offene-innovation","status":"publish","type":"post","link":"https:\/\/huebner.io\/en\/2026\/07\/die-zukunft-der-arbeit-braucht-offene-innovation\/","title":{"rendered":"Die Zukunft der Arbeit braucht offene Innovation"},"content":{"rendered":"
\n
\n

Die Zukunft der Arbeit wird nicht in einem einzelnen Unternehmen entschieden.<\/b><\/p>\n

Zwei neue Ver\u00f6ffentlichungen der EU machen sichtbar, weshalb.<\/p>\n

The neue Bericht des Wissenschaftlichen Dienstes des Europ\u00e4ischen Parlaments <\/a>erwartet vor allem Ver\u00e4nderungen bei Aufgaben und Berufen. Eine einfache Welle grossfl\u00e4chigen Stellenabbaus h\u00e4lt er f\u00fcr weniger wahrscheinlich.<\/p>\n

Gleichzeitig zeigt er eine deutliche L\u00fccke bei der Einf\u00fchrung. 2025 nutzten 55 Prozent der grossen EU-Unternehmen KI. Bei den kleinen Unternehmen waren es 17 Prozent.<\/p>\n

\n
<\/figure>\n

EU: The debate on AI and jobs <\/h3>\n

\n<\/p>

675.84 KB \u2022 PDF File <\/p>\n

Download <\/a><\/p><\/div>\n

Die neue Mitteilung der Europ\u00e4ischen Kommission verbindet KI mit der Zukunft der Arbeit und gemeinsamem Wohlstand. 61 Prozent der europ\u00e4ischen Besch\u00e4ftigten erwarten, dass sie bis 2029 neue Kompetenzen f\u00fcr den Umgang mit KI ben\u00f6tigen. Erst 15 Prozent haben bisher eine entsprechende Weiterbildung erhalten.<\/b><\/p>\n

Die Kommission will deshalb eine hochrangige Expertengruppe einsetzen. Sie soll langfristige Besch\u00e4ftigungsszenarien untersuchen und bessere Instrumente f\u00fcr Beobachtung, Fr\u00fchwarnung und Vorausschau entwickeln.<\/p>\n

Wir unterst\u00fctzen diese europ\u00e4ische Richtung.<\/p>\n

Sie behandelt Produktivit\u00e4t, Kompetenzen, Arbeit und menschliche Verantwortung als zusammenh\u00e4ngende Aufgabe<\/b>. Genau so verstehen wir die Zukunft der Arbeit bei MMIND.ai.<\/p>\n

Politik kann die Richtung setzen. Sie kann jedoch keinen betrieblichen Ablauf neu
gestalten. Unternehmen m\u00fcssen selbst entscheiden, welche Arbeit entfallen kann und wo KI unterst\u00fctzt. Sie m\u00fcssen Kompetenzen im realen Ablauf aufbauen und menschliche Entscheide klar benennen.<\/b><\/p>\n

Offene Innovation wird damit zu einem praktischen Teil der europ\u00e4ischen Zukunft der Arbeit.<\/b><\/p>\n

\ud83c\udf99\ufe0f You prefer to listen to the newsletter? Here is a short, AI-generated audio summary of this issue:<\/span><\/p>\n

\n
<\/figure>\n

Kontrollierte Offenheit statt Isolation <\/h3>\n<\/div>\n
\n

Unser wertvollstes Wissen nicht unkontrolliert nach aussen geben.<\/h3>\n

Viele KMU sch\u00fctzen ihr Wissen, indem sie es im eigenen Unternehmen behalten. Das ist verst\u00e4ndlich. Kundenbeziehungen, Prozesswissen und die Erfahrung einzelner Mitarbeitender sind oft genau das, was ein kleineres Unternehmen besonders macht.<\/p>\n

Die Vorsicht wird zum Nachteil, wenn sie verhindert, dass ein Unternehmen Probleme bearbeitet, die es allein nicht gut l\u00f6sen kann.<\/p>\n

Neue agentische Modelle verst\u00e4rken diese Chance. KI-Modelle wie Kimi K3, GPT-5.6 und Claude Fable 5 k\u00f6nnen mehr Kontext verarbeiten, Werkzeuge nutzen und l\u00e4nger an einer begrenzten Aufgabe arbeiten. Der Weg von einer externen Idee zu einem pr\u00fcfbaren Prototyp wird k\u00fcrzer.<\/b><\/p>\n

Ein KMU muss deshalb keine grosse interne Innovationsabteilung aufbauen, bevor es eine neue Idee testet. Es kann das ben\u00f6tigte Wissen f\u00fcr einen klar abgegrenzten Arbeitszyklus zusammenbringen.<\/p>\n

Agentic Engineering macht den ersten Arbeitszyklus schneller:
\u2192 gemeinsames Problem
\u2192 begrenzte KI-Aufgabe
\u2192 pr\u00fcfbares Ergebnis
\u2192 menschlicher Entscheid
\u2192 R\u00fcckmeldung aus der Praxis<\/p>\n

Doch Geschwindigkeit allein schafft noch keine gute Zusammenarbeit.<\/b><\/p>\n

Die kulturelle H\u00fcrde im DACH-Raum<\/h3>\n

In vielen Gespr\u00e4chen erleben wir eine besondere Zur\u00fcckhaltung. Unternehmen interessieren sich durchaus f\u00fcr Kooperationen. Sobald es um Daten, internes Wissen oder konkrete Prozesse geht, ziehen sie sich jedoch wieder in die eigenen Reihen zur\u00fcck.<\/b><\/p>\n

Die Sorge dahinter ist berechtigt: Wer darf die Dokumente sehen? Werden sie zum Training eines Modells verwendet? Wem geh\u00f6rt der Prototyp? Was passiert, wenn eine KI eine rechtlich oder medizinisch falsche Aussage vorbereitet?<\/p>\n

Diese Fragen lassen sich nicht mit einem allgemeinen Versprechen von \u00abmehr Offenheit\u00bb beantworten. Sie brauchen eine Architektur.<\/p>\n

The Oxford Handbook of Open Innovatio<\/a>n beschreibt Offenheit nicht als Entweder-oder. Unternehmen k\u00f6nnen bewusst festlegen, welches Wissen zwischen Organisationen fliesst, was gesch\u00fctzt bleibt und \u00fcber welche Regeln, Vertr\u00e4ge und technischen Systeme der Zugang kontrolliert wird.<\/p>\n

F\u00fcr ein KI-Projekt mit mehreren Partnern <\/b>\u00fcbersetzen wir diesen Gedanken in sechs Entscheidungen.<\/p>\n

    \n
  1. \n

    Welches Problem teilen wir?<\/b><\/p>\n<\/li>\n<\/ol>\n

    Die Partner m\u00fcssen nicht sofort Daten teilen. Zuerst teilen sie eine pr\u00e4zise Frage.<\/p>\n

    Eine gute Frage beschreibt einen Prozess, einen Entscheid oder ein Nutzerproblem. \u00abWir m\u00f6chten etwas mit KI machen\u00bb reicht nicht. \u00abWie k\u00f6nnen Compliance-Verantwortliche regulatorische \u00c4nderungen schneller pr\u00fcfen, ohne den rechtlichen Entscheid an ein Modell abzugeben?\u00bb schafft eine gemeinsame Arbeitsgrundlage.<\/p>\n

      \n
    1. \n

      Welches Wissen bleibt gesch\u00fctzt?<\/b><\/p>\n<\/li>\n<\/ol>\n

      Nicht jedes Dokument wird f\u00fcr den ersten Test ben\u00f6tigt. Kundendaten, Gesch\u00e4ftsgeheimnisse, interne Entscheidungsregeln und sensible Quelldokumente k\u00f6nnen in der jeweiligen Organisation bleiben.<\/p>\n

      F\u00fcr einen Prototyp gen\u00fcgen oft anonymisierte Beispiele, k\u00fcnstliche Testf\u00e4lle oder ein eng begrenzter Dokumentenbestand. Entscheidend ist, dass die Grenze vor dem technischen Aufbau sichtbar wird.<\/p>\n

        \n
      1. \n

        Welche Aufgabe \u00fcbernimmt die KI?<\/b><\/p>\n<\/li>\n<\/ol>\n

        Die Rolle der KI sollte mit einem Verb beginnen: suchen, vergleichen, zusammenfassen, strukturieren, prototypisieren oder testen.<\/p>\n

        Eine klare Aufgabe l\u00e4sst sich pr\u00fcfen. Eine pauschale Aufforderung, das Problem zu l\u00f6sen, verschiebt dagegen Verantwortung in ein System, das den fachlichen Kontext nie vollst\u00e4ndig besitzt.<\/p>\n

          \n
        1. \n

          Welches Ergebnis muss pr\u00fcfbar sein?<\/b><\/p>\n<\/li>\n<\/ol>\n

          Am Ende des ersten Zyklus sollte ein Artefakt stehen, das die Partner gemeinsam ansehen k\u00f6nnen: ein Prototyp, eine quellenbasierte Zusammenfassung, eine Kontrollmatrix, ein getesteter Code-Schritt oder ein dokumentierter Vergleich.<\/p>\n

          Ein solches Ergebnis macht Meinungsunterschiede produktiv. Die Gruppe muss nicht mehr \u00fcber eine abstrakte Idee diskutieren. Sie kann an einem konkreten Objekt zeigen, was fehlt.<\/p>\n

            \n
          1. \n

            Wer entscheidet?<\/b><\/p>\n<\/li>\n<\/ol>\n

            \u00abHuman in the loop\u00bb ist uns zu ungenau.<\/b><\/p>\n

            Es braucht eine benannte Person oder Rolle, die ein Ergebnis annehmen, zur\u00fcckweisen oder den Test stoppen darf. Im Gesundheitswesen bleibt die medizinische Verantwortung bei einer qualifizierten Fachperson. Im Compliance-Kontext bleibt die rechtliche W\u00fcrdigung bei den zust\u00e4ndigen Fachleuten.<\/p>\n

              \n
            1. \n

              Welche R\u00fcckmeldung bestimmt den n\u00e4chsten Schritt?<\/b><\/p>\n<\/li>\n<\/ol>\n

              Vor dem Test sollte klar sein, was wir lernen m\u00f6chten. M\u00f6gliche Signale sind die Zahl notwendiger Korrekturen, die eingesparte Pr\u00fcfzeit, falsch positive Treffer, die Verst\u00e4ndlichkeit f\u00fcr Nutzerinnen und Nutzer oder schlicht die Bereitschaft der Beteiligten, den Versuch fortzusetzen.<\/p>\n

              Erst diese sechs Entscheidungen machen aus einer interessanten Diskussion ein kontrolliertes Experiment.<\/p>\n

              \n
              \"\"<\/div>\n
              \n

              KI-Caf\u00e9 20. August: Neue KI-Felder und -Applikationen entdecken<\/h2>\n
              \n\n\n
              \n

              Du bist herzlich eingeladen zum n\u00e4chsten KI-Cafe am 20. August 2026 von 17:30 bis 19:30 Uhr. <\/b>Dort stellen wir neue Beispiele aus Liechtenstein und der Schweiz vor, die aus offener Innovation entstanden sind:<\/p>\n<\/td>\n<\/tr>\n<\/table>\n<\/div>\n