Nach der Landtagswahl in Sachsen-Anhalt hat mich ein Kommentar von Robert Pausch auf ZEIT ONLINE beschäftigt. Sein Punkt war weniger das Wahlergebnis selbst als die Reaktion darauf: Während sich die politische Wirklichkeit fundamental verändert hatte, folgten viele Reaktionen dem vertrauten Ritual. Man sei zufrieden, habe engagiert gekämpft, werde das Ergebnis nun in den Gremien analysieren – alles wie immer, obwohl offensichtlich nicht mehr alles wie immer ist. Dahinter steckt eine Frage, die weit über Politik hinausreicht: Wie bewahrt man Zukunftsfähigkeit, wenn die gewohnten Routinen nicht mehr zur Wirklichkeit passen?

In der Psychologie gibt es dafür einen passenden Begriff: Normalcy Bias. Gemeint ist unsere Neigung, tiefgreifende Veränderungen zu unterschätzen und davon auszugehen, dass es im Großen und Ganzen schon irgendwie weitergehen wird wie bisher. Selbst wenn die Signale längst etwas anderes sagen, halten wir an vertrauten Routinen fest. Bildlich gesprochen räumen wir noch den Schreibtisch auf, obwohl längst der Alarm läuft.

Dieses Muster begegnet uns auch in der deutschen Industrie erstaunlich häufig. Die Rahmenbedingungen vieler etablierter Geschäftsmodelle verändern sich fundamental. Märkte verschieben sich, neue technologische Ansätze stellen bestehende Lösungen infrage und internationale Wettbewerber greifen mit anderer Geschwindigkeit und anderen Kostenstrukturen an. Gerade in Baden-Württemberg betrifft das viele Unternehmen, die über Jahrzehnte mit exzellenten Produkten und kontinuierlicher Verbesserung erfolgreich waren. Und wie reagieren wir? Häufig mit dem, was wir besonders gut können: optimieren.

Kostenprogramme werden aufgelegt, Prozesse verschlankt, Budgets gekürzt und Organisationen effizienter gemacht. Im Zweifel beschäftigt sich die nächste Sondersitzung dann sehr intensiv mit der Farbe des Türgriffs, während draußen gerade das Gebäude umgebaut wird.

Das ist nicht falsch. Effizienz ist wichtig. Gefährlich wird sie dort, wo sie die strategische Frage ersetzt. Denn bevor wir darüber sprechen, wie wir etwas effizienter tun, müssten wir eigentlich klären, ob wir überhaupt noch die richtigen Dinge tun.

Genau diese Frage kommt in vielen Unternehmen derzeit zu kurz. Visionäre Ideen werden zwar diskutiert, scheitern aber schnell an der vermeintlich pragmatischen Antwort: nicht finanzierbar. Das klingt vernünftig, kann aber auch eine besonders elegante Form des Normalcy Bias sein. Wir bewerten die Zukunft mit den Maßstäben und Budgets der Gegenwart und wundern uns anschließend, dass dabei vor allem eine optimierte Version des Bestehenden herauskommt. Dabei wäre die wichtigere Frage: Was kostet es uns, wenn wir nichts Grundsätzliches verändern?

Strategie braucht deshalb wieder mehr Mut zum großen Ganzen. Nicht jede Idee muss umgesetzt werden und nicht jede Vision wird funktionieren. Aber Unternehmen brauchen wieder eine Vorstellung davon, wo sie in fünf oder zehn Jahren stehen wollen, welche Rolle sie dort spielen können und womit sie künftig Geld verdienen wollen. Erst danach sollte die Frage kommen, wie sich dieser Weg effizient organisieren und finanzieren lässt.

Vielleicht ist genau das die wichtigste Aufgabe der kommenden Jahre: den Drang zur Normalität zu überwinden und wieder größer zu denken. Denn wer in einem fundamentalen Umbruch ausschließlich effizienter wird, läuft Gefahr, nur schneller in die falsche Richtung zu fahren.

Bioökonomie Science Trends 2026: Was die Forschung bewegt

Bioökonomie ist längst mehr als die Nutzung nachwachsender Rohstoffe. Sie verbindet heute Biotechnologie, Kreislaufwirtschaft, Materialwissenschaften, Digitalisierung und neue Produktionsverfahren. Entsprechend breit ist die wissenschaftliche Landschaft.

Doch welche Themen stehen derzeit besonders im Fokus? Und wo entstehen neue Forschungsfelder, die für Unternehmen künftig relevant werden könnten?

Für unsere aktuelle Science-Trendanalyse haben wir rund 9.500 wissenschaftliche Publikationen zur Bioökonomie der letzten zehn Jahre thematisch geclustert und die Forschungsfelder hinsichtlich ihrer Größe und ihres durchschnittlichen Publikationsjahres betrachtet. Das Ergebnis: Neben großen, etablierten Themen fallen insbesondere junge Ansätze zur hochwertigen Nutzung von Reststoffen, zum biologischen Produzieren von Materialien und Chemikalien sowie zur Verbindung von KI und Biotechnologie auf. Die nachfolgend beschriebenen Erkenntnisse fokussieren sich v.a. auf die neusten Entwicklungen. Hierbei sind besonders fünf Entwicklungen interessant.

1. Aus Reststoffen werden hochwertige Rohstoffe

Einer der deutlichsten Trends ist die zunehmende Differenzierung der Biomasse- und Reststoffverwertung. Dabei geht es längst nicht mehr ausschließlich darum, organische Reststoffe energetisch zu nutzen. Stattdessen wird untersucht, wie daraus höherwertige Produkte entstehen können.

Besonders groß ist das Forschungsfeld „Green Extraction for Biomass Valorization“ (Cluster 09.01) mit 646 Publikationen. Gleichzeitig liegt das durchschnittliche Publikationsjahr bei 2024,27. Das Thema ist also trotz seiner Größe vergleichsweise jung. Untersucht werden unter anderem grüne Lösungsmittel, neue Extraktionsverfahren sowie die Gewinnung von Pigmenten, Ölen und funktionalen Inhaltsstoffen aus bislang wenig genutzten Nebenströmen.

Auch in anderen Clustern zeigt sich dieses Muster: Agrarreststoffe, Lebensmittelabfälle oder industrielle Nebenprodukte werden zunehmend nicht als Abfall, sondern als Rohstoffquelle betrachtet. Die Entwicklung geht damit von der reinen Biomassenutzung hin zur möglichst hochwertigen Nutzung ihrer Bestandteile. Für Unternehmen lohnt sich deshalb ein neuer Blick auf bestehende Stoffströme: Was heute entsorgt, verbrannt oder niedrigwertig eingesetzt wird, könnte morgen Ausgangspunkt für ein neues Produkt sein.

2. Biochar entwickelt sich zum Hightech-Material

Ein besonders junges Forschungsfeld ist „Biochar Production and Modification“ (Cluster 02.04). Mit 117 Publikationen ist der Cluster kleiner als etablierte Bioökonomie-Themen, sein durchschnittliches Publikationsjahr von 2024,69 macht ihn jedoch zu einem der aktuellsten größeren Technologiecluster.

Abbildung 1: Auszug Technologieanalyse CumulusAI Bioökonomietrends 2026

Biochar wird dabei nicht mehr ausschließlich als Bodenverbesserer oder Kohlenstoffspeicher betrachtet. Aktuelle Arbeiten beschäftigen sich beispielsweise mit chemisch modifizierter Biochar, aktivierten Kohlenstoffmaterialien und Anwendungen zur CO₂-Abscheidung. Aus Reststoffen wie Reishülsen, Maiskolben oder Zitrusschalen entstehen so funktionalisierte Materialien für neue technische Anwendungen.

Noch jünger ist „Green Synthesis for Agro-Waste Nanomaterials“ (Cluster 07.04) mit 68 Publikationen und einem Durchschnittsjahr von 2024,76. Hier treffen Kreislaufwirtschaft, Biomasseverwertung und Nanotechnologie direkt aufeinander.

3. Mikroorganismen werden zu Produktionsplattformen

Ein weiterer Schwerpunkt liegt auf der Nutzung biologischer Systeme zur Herstellung von Produkten. Das Forschungsfeld „Microbial Biomanufacturing Platforms“ (Cluster 05.02) umfasst 128 Publikationen und besitzt mit 2024,39 ebenfalls ein sehr junges durchschnittliches Publikationsjahr. Die Technologien reichen von Precision Fermentation über CRISPR und Omics-gestützte Stammoptimierung bis hin zu mikrobiellen Konsortien und KI-unterstützter Optimierung. Mikroorganismen werden damit zunehmend als gezielt veränderbare Produktionssysteme verstanden. Parallel entstehen spezialisierte Forschungsfelder zur Herstellung von Lipiden, Biokunststoffen, Biosurfactants oder Pigmenten. Besonders auffällig ist „Microbial Pigment Production in Biorefinery“ (Cluster 03.11): Mit 21 Publikationen ist das Feld noch klein, weist mit 2024,84 aber das jüngste durchschnittliche Publikationsjahr der gesamten Analyse auf.

Solche kleinen, sehr jungen Cluster sind noch kein Beleg für einen großen Technologietrend. Sie sind aber interessante Science Signals, die es sich lohnt zu beobachten.

4. Insekten, Pilze und Algen erweitern die Rohstoffbasis

Auch die Vielfalt biologischer Produktionssysteme nimmt zu. Ein Beispiel ist „Black Soldier Fly Bioconversion Technology“ (Cluster 09.02) mit 65 Publikationen und einem Durchschnittsjahr von 2024,77. Larven der Schwarzen Soldatenfliege können organische Reststoffe in Proteine, Lipide und weitere nutzbare Stoffe umwandeln. Das verbindet Abfallverwertung mit Futtermittelproduktion und neuen biotechnologischen Anwendungen.

Auch Pilze gewinnen an Bedeutung. „Integrated Fungal Biorefinery Platform“ (Cluster 03.05) umfasst 101 Publikationen bei einem Durchschnittsjahr von 2024,39. Hier wird unter anderem untersucht, wie Pilze industrielle Nebenströme verwerten und daraus neue Produkte erzeugen können. Ein bereits größeres Feld sind Mikroalgen. „Microalgae Biorefinery and Bioproduct Valorization“ (Cluster 12.01) umfasst 253 Publikationen bei einem Durchschnittsjahr von 2024,13. Im Fokus stehen dabei neben Energie zunehmend höherwertige Produkte wie Biostimulanzien, Pigmente und funktionale Inhaltsstoffe.

Die zentrale Frage lautet zunehmend: Welcher Organismus eignet sich am besten, um einen bestimmten Rohstoff in ein wertvolles Produkt umzuwandeln?

5. KI und Biotechnologie wachsen zusammen

Ebenso wird die Digitalisierung und der Einfluss von künstlicher Intelligenz in der Forschungslandschaft sichtbar. „Artificial Intelligence in Bioeconomy“ (Cluster 10.02) umfasst bereits 229 Publikationen bei einem durchschnittlichen Publikationsjahr von 2023,48. Der Cluster enthält Technologien wie Machine Learning, Large Language Models, Generative AI, Digital Twins und automatisierte Laborsysteme.

Besonders interessant: KI tritt nicht nur als eigenes Forschungsfeld auf, sondern zunehmend innerhalb konkreter biotechnologischer Cluster. Bei „Microbial Biomanufacturing Platforms“ (Cluster 05.02) finden sich beispielsweise AI-Assisted und Omics-Guided Strain Optimization. Im Cluster „Integrated Cascading Biorefinery System“ (08.03) gehören AI-Enabled Process Optimization und digitale Prozesssteuerung zu den betrachteten Technologien. Damit zeichnet sich eine wichtige Entwicklung ab: Biologische Systeme werden immer gezielter entwickelt und gleichzeitig stärker datenbasiert optimiert und gesteuert.

Was bedeutet das für Unternehmen?

Die Bioökonomie differenziert sich technologisch immer weiter aus. Große Forschungsfelder bilden weiterhin die Basis, gleichzeitig entstehen an den Schnittstellen verschiedener Technologien neue Themen.

Drei Bewegungen erscheinen besonders relevant:

Vom Rohstoff zum Funktionsmaterial: Biomasse und Reststoffe werden gezielter in hochwertige Materialien und Chemikalien überführt.

Von der Fermentation zum Biomanufacturing: Mikroorganismen, Pilze, Insekten und Algen werden zu technologischen Produktionsplattformen.

Von Biologie zu Bio + Data: KI, Automatisierung und datenbasierte Methoden werden zunehmend Bestandteil biotechnologischer Forschung und Entwicklung.

Für Unternehmen bedeutet das nicht, jedem neuen Forschungsthema folgen zu müssen. Entscheidend ist, diejenigen Entwicklungen frühzeitig zu identifizieren, die einen Bezug zu den eigenen Produkten, Rohstoffen oder Prozessen besitzen.

Fazit: Interessante Entwicklungen entstehen an den Schnittstellen

Die Science Trends 2026 zeigen, dass die Bioökonomie zunehmend interdisziplinär wird. Besonders junge Forschungsfelder entstehen dort, wo bislang getrennte Technologien zusammenkommen: Biomasse und Nanotechnologie, Reststoffverwertung und Fermentation, Biotechnologie und KI oder Kreislaufwirtschaft und funktionale Materialien. Genau diese Schnittstellen sind für Technologie- und Innovationsmanagement interessant. Denn wissenschaftliche Publikationen können Entwicklungen sichtbar machen, lange bevor Technologien vollständig im Markt angekommen sind.

Mit KI-gestützten Science- und Technologieanalysen unterstützt TIM Consulting Unternehmen dabei, solche Entwicklungen systematisch zu identifizieren, Forschungsfelder zu strukturieren und ihre Relevanz für die eigene Technologie- und Innovationsstrategie zu bewerten.

Sie möchten wissen, welche Bioökonomie-Technologien für Ihr Unternehmen relevant werden könnten? Sprechen Sie uns an, wir freuen uns auf den Austausch.

Viele Unternehmen verfügen heute über mehr Daten, als im Arbeitsalltag wirklich nutzbar werden. Informationen liegen in Datenbanken, Excel-Dateien, Systemexporten oder KI-Auswertungen vor, werden aber häufig nicht so dargestellt, wie ein konkreter Prozess sie braucht. Genau hier entsteht ein praktischer Anwendungsfall für KI aus der Praxis. Interne Apps können Daten nicht nur sichtbar machen, sondern sie in eine Form bringen, die Entscheidungen und Abläufe direkt unterstützt.

Das Prinzip der Maßarbeit

Standardtools funktionieren oft wie Kleidung von der Stange. Sie sind schnell verfügbar, decken viele Anforderungen ab und sind für allgemeine Auswertungen gut geeignet. Sobald ein Prozess aber sehr spezifisch wird, entstehen Grenzen. Die Oberfläche passt nicht ganz zum Ablauf, wichtige Felder fehlen oder Nutzer müssen sich durch Funktionen arbeiten, die sie im Alltag gar nicht brauchen.

Eine interne Anwendung kann eher wie Maßkonfektion funktionieren. Sie orientiert sich am tatsächlichen Arbeitsablauf und zeigt genau die Informationen, die für eine Aufgabe relevant sind. Daraus entsteht keine allgemeine Plattform für alles, sondern ein schlankes Werkzeug für einen konkreten Bedarf.

Was Coding-Agenten ermöglichen

Coding-Agenten können die Entwicklung solcher Anwendungen deutlich beschleunigen. Sie unterstützen beim Aufbau von Oberflächen, bei der Anbindung von Datenquellen, bei Filtern, Formularen und Dashboards. Dadurch lassen sich interne Lösungen schneller prototypisch entwickeln und enger an den späteren Nutzern testen.

Der Mehrwert liegt nicht nur in der Geschwindigkeit. Eine Anwendung kann fachliche Logik, interne Begriffe und gewohnte Bewertungskriterien direkt abbilden. So entstehen KI-Anwendungen und Daten-Apps, die sich näher am Prozess anfühlen als viele Standardlösungen.

Erst Zielbild, dann Umsetzung

Auch mit guten Coding-Agenten bleibt die Vorarbeit entscheidend. Vor der Implementierung sollte klar sein, wer die Lösung nutzt, welche Daten wirklich gebraucht werden und welche Entscheidungen unterstützt werden sollen. Ein schlankes Lastenheft hilft dabei, Zielgruppen, Kernfunktionen, Datenfelder und Auswertungslogik festzulegen.

Wenn diese Grundlagen fehlen, wird die Entwicklung schnell mühsam. Prozesse ändern sich dann während der Umsetzung, obwohl sie Einfluss auf Datenmodell, Benutzerführung und Softwarearchitektur haben. Das führt nicht zwangsläufig zu schlechten Ergebnissen, erhöht aber den Aufwand und kann dazu führen, dass alte Pfade oder Regeln im System bleiben.

Daten sichtbar und nutzbar machen

Der größte Nutzen entsteht, wenn eine gute Datenbasis mit einer passenden Anwendung verbunden wird. Dann wird aus einer Datenbank kein abstrakter Speicher, sondern ein Arbeitswerkzeug. Nutzer sehen Trends, Ausreißer, offene Aufgaben oder relevante Filter genau dort, wo sie im Prozess gebraucht werden.

Das gilt besonders für Datenvisualisierung. Ein Diagramm allein schafft noch keine Erkenntnis. Gute Visualisierung übersetzt eine fachliche Frage in eine klare Ansicht. Sie reduziert Komplexität und macht sichtbar, welche Information für den nächsten Schritt wichtig ist.

Klein starten und gezielt erweitern

Aus unserer Erfahrung ist es oft sinnvoll, mit einem kleinen Pilotprojekt zu starten, sobald Zielbild und Datenmodell klar sind. Eine erste interne App kann einen wiederkehrenden Ablauf verbessern, ohne direkt den gesamten Prozess abzubilden. Wenn der Pilot im Alltag funktioniert, lässt sich die Lösung sukzessive erweitern.

So wächst die Anwendung entlang echter Nutzungserfahrung. Neue Funktionen, weitere Datenquellen und zusätzliche Visualisierungen können gezielt ergänzt werden. Der Start bleibt überschaubar, und die Lösung entwickelt sich Schritt für Schritt zu einem Werkzeug, das wirklich zum internen Prozess passt.

Wenn Sie ähnliche Fragestellungen in Ihren Prozessen sehen, kommen Sie gerne auf uns zu. Wir diskutieren gemeinsam, welche Use Cases sinnvoll sind und wie ein schlanker Einstieg in eine interne KI- oder Daten-App aussehen kann.

Im Herbst laden wir Sie herzlich zu unseren interaktiven Live-Formaten ein:

CumulusAI Live-Webinar für alle Interessierten

In der September-Ausgabe unseres CumulusAI Live-Webinars zeigen wir aktuelle Entwicklungen und die neusten Features unseres Smart Foresighting Tools CumulusAI. Der Termin eignet sich perfekt, um unser Tool kennenzulernen anhand konkreter Use-Cases und Praxisbeispiele.

24.09.2026 | 12:15–13:00 uhr

Hier geht’s zur Anmeldung: CumulusAI Live-Webinar mit Q&A

CumulusAI Live-Webinar für Verbände, Forschungsvereinigungen und Branchenorganisationen

Im Oktober zeigen wir in unserem CumulusAI Live-Webinars welche Möglichkeiten und Mehrwerte unser Smart Foresighting Tool speziell für Verbände, Forschungsvereinigungen und Branchenorganisationen hat, die technologische Entwicklungen systematisch beobachten, bewerten und für ihre Mitglieder nutzbar machen möchten.

08.10.2026 | 12:15–13:00 uhr

Hier geht’s zur Anmeldung: CumulusAI Live-Webinar mit Q&A für Verbände

Treffen Sie Entscheidungen auf Basis von Fakten statt Bauchgefühl – mit CumulusAI.

Wir freuen uns auf Sie!
Herzliche Grüße, Carmen Beisswanger

Wie können wir die Innovationsfähigkeit in Deutschland steigern, damit Unternehmen auch in Zukunft wettbewerbsfähig in globalen Märkten agieren können?

Mit diesem Ziel haben wir eine Studie zur Innovationsfähigkeit deutscher Unternehmen durchgeführt. Es geht darum, die Relevanz, Gegenstände und Entstehungsräume von Innovationen in deutschen Unternehmen zu verstehen und Einblicke in die Stellhebel des Innovationsmanagements von der strategischen Ausrichtung bis zur Unterstützung der Umsetzung zu bekommen. Die Studie wurde als Online-Umfrage durchgeführt – von 433 Rückmeldungen konnten 201 in der Auswertung Anfang 2026 berücksichtigt werden. Ein überwiegender Anteil der Teilnehmenden kommt aus dem produzierenden Gewerbe (mit hohem Anteil des Maschinenbaus und der Automobilwirtschaft), gefolgt von der Dienstleistungsbranche.

Für Unternehmen soll die Studie Ansatzpunkte für die Reflexion der eigenen Situation liefern und gleichzeitig einige der wichtigsten Stellhebel thematisieren. Die Studie ist im Open Access Format zum Download verfügbar – für weitere Details stehen die Autoren und die Mitarbeitenden der Institute aus dem Fraunhofer-Verbund Innovationsforschung (Fraunhofer IAO, Fraunhofer ISI, Fraunhofer IRB, Fraunhofer FKIE, Fraunhofer IIS) zur Verfügung.

Für die Politik liefert die Studie Einblicke in die Wahrnehmung deutscher Unternehmen zur Situation in Deutschland, zum aktuellen Status Quo und zu den Herausforderungen der Innovationsfähigkeit. Gleichzeitig lassen sich Handlungsfelder für die Wissenschaft ableiten, in denen es größere Verbesserungspotenziale in Unternehmen gibt. Wir freuen uns auf die Diskussion der Ergebnisse und einen Austausch zwischen allen Akteuren, die zur Steigerung der Innovationsfähigkeit beitragen können oder wollen.

Weitere Informationen:

• Download der Studie (Kostenfrei, Open Access) „German Innovation Spotlight 2026. Studie zur Innovationsfähigkeit deutscher Unternehmen“ https://doi.org/10.24406/publica-8379

Viele Unternehmen haben wertvolle Informationen in Dokumenten gespeichert. Lieferantenberichte, Spezifikationen, Prüfprotokolle oder technische Beschreibungen enthalten oft genau die Daten, die für Auswertungen oder Entscheidungen gebraucht werden. Gleichzeitig sind diese Informationen selten sauber strukturiert. Manche Werte stehen in Tabellen, andere im Fließtext. Manche Hinweise finden sich nur in einer Randnotiz oder werden über Synonyme beschrieben.

Genau hier entsteht ein typischer Anwendungsfall für KI aus der Praxis. Die Frage ist nicht nur, wie PDFs ausgelesen werden können. Die wichtigere Frage lautet, wie aus Dokumenten eine Datenstruktur entsteht, die später sicher abgefragt werden kann.

Das Ziel: erst verstehen, dann automatisieren

Bei Migrationsprojekten ist der erste Impuls oft, bestehende Dokumente möglichst schnell auszulesen und in eine neue Datenbank zu übertragen. Das klingt effizient, löst aber nicht automatisch das eigentliche Problem. Wenn die Datenlogik vorher unklar ist, wird durch Automatisierung nur das vorhandene Chaos schneller verarbeitet.

Deshalb beginnt ein gutes KI-Projekt nicht mit dem Modell, sondern mit der Zielfragestellung. Welche Antwort soll die Datenbank später geben können? Welche Kategorien müssen eindeutig sein? Welche Werte müssen numerisch vorliegen? Welche Informationen dürfen unsicher bleiben und welche müssen zu 100 Prozent belastbar sein?

Erst wenn diese Fragen beantwortet sind, lässt sich entscheiden, welche Daten gebraucht werden, wie sie gespeichert werden sollen und an welcher Stelle KI wirklich Mehrwert schafft.

Vom PDF zur belastbaren Datenbasis

In einem konkreten Projekt haben wir genau diesen Ansatz umgesetzt. Ausgangspunkt waren uneinheitliche Lieferantenberichte. Sie beschrieben Hersteller, Materialien und technische Eigenschaften, aber nicht in einer einheitlichen Form. Begriffe wurden unterschiedlich verwendet. Relevante Informationen standen teilweise indirekt im Text. Manche Hinweise waren nur über den Zusammenhang im Dokument erkennbar.

Eine reine Textextraktion wäre hier nicht ausreichend gewesen. Sie hätte zwar viele Inhalte sichtbar gemacht, aber noch keine verlässliche Datenbasis erzeugt. Der entscheidende Schritt war deshalb die Übersetzung der Dokumente in ein klares Datenmodell.

Dafür wurde zuerst definiert, welche Informationen später wirklich abgefragt werden sollen. Aus diesen Fragen entstanden feste Felder, Kategorien und Prüfregeln. Erst danach wurden die PDFs verarbeitet. Die KI hatte dabei eine gezielte Aufgabe. Sie sollte nicht allgemein über die Dokumente sprechen, sondern bestimmte Informationen erkennen, vereinheitlichen und in die Zielstruktur überführen.

So wurde aus einem unstrukturierten Dokument kein weiterer Text, sondern ein sauberer Datensatz. Unterschiedliche Begriffe wurden auf gemeinsame Zielwerte abgebildet. Indirekte Hinweise wurden nur dann übernommen, wenn sie sicher genug waren. Werte, die nicht eindeutig erkennbar waren, wurden nicht geraten. Das ist besonders wichtig, wenn eine Lösung später nicht nur unterstützen, sondern belastbare Abfragen ermöglichen soll.

Warum das Datenmodell wichtiger ist als die Extraktion

Der eigentliche Mehrwert entsteht nicht beim Auslesen allein. Er entsteht durch die Struktur, in die die ausgelesenen Informationen überführt werden. Eine gute Datenstruktur trennt zwischen dem ursprünglichen Dokument, der erkannten Information und dem final nutzbaren Datenwert. Dadurch bleibt nachvollziehbar, woher ein Wert kommt und wie er verwendet wird.

Das ist ein großer Unterschied zu einer einfachen Dokumentensuche. Eine Suche findet Textstellen. Eine Datenbank beantwortet Fragen. Wenn z.B. ein Material in einem Bericht nicht direkt als Kategorie genannt wird, sondern über Beschreibung, Materialaufbau oder Synonyme erkennbar ist, kann ein KI-Schritt diese Information ableiten. Gespeichert wird danach aber nicht der freie Text, sondern ein klar definierter Wert.

Erst dadurch werden stabile Abfragen möglich. Zum Beispiel: Welche Lieferantenberichte enthalten einen bestimmten Hersteller? Welche Dokumente beschreiben ein bestimmtes Material? Welche Datensätze erfüllen eine feste Kategorie?

KI dort einsetzen, wo sie wirklich schafft

Nicht jeder Schritt in einem solchen Prozess muss mit KI gelöst werden. Genau das ist ein wichtiger Erfolgsfaktor. KI ist stark, wenn Informationen uneinheitlich formuliert sind, wenn Begriffe unterschiedlich verwendet werden oder wenn ein Zusammenhang aus dem Dokument verstanden werden muss. Klassische Methoden sind stärker, wenn Daten bereits sauber strukturiert vorliegen und feste Regeln angewendet werden können.

In der Praxis entsteht deshalb meist eine Kombination. KI hilft in der Vorverarbeitung. Sie liest Dokumente aus, erkennt relevante Inhalte und überführt sie in eine definierte Struktur. Danach können klassische Datenbankabfragen, Filter, Prüfregeln und Auswertungen genutzt werden. So wird aus einer schwer greifbaren Dokumentenwelt eine belastbare Datenbasis.

Sicher abfragen statt gute Vermutungen

Besonders relevant wird dieser Ansatz, wenn Abfragen zu 100 Prozent sicher sein müssen. Dann reicht es nicht, ein Sprachmodell immer wieder direkt auf PDFs anzusetzen. Die Antwort kann plausibel klingen, bietet aber keine Garantie auf Vollständigkeit.

Das ist gerade bei Datenbankmigrationen entscheidend. Es geht nicht darum, möglichst viele Inhalte zu extrahieren. Es geht darum, genau die Informationen sauber bereitzustellen, die für den Zielprozess gebraucht werden.

Vom Use Case aus denken

Das Projekt zeigt ein Grundprinzip, das für viele KI-Vorhaben gilt. Gute Lösungen starten nicht mit Technologie, sondern mit einem konkreten Use Case. Erst wenn klar ist, welche Frage beantwortet werden soll, lassen sich Datenmodell, Prozess und KI-Schritte sinnvoll gestalten.

PDFs auszulesen ist heute technisch gut möglich. Der eigentliche Mehrwert entsteht aber erst, wenn die Inhalte so strukturiert werden, dass sie sicher, nachvollziehbar und wiederholbar genutzt werden können. Wer diesen Schritt sauber denkt, schafft nicht nur eine schnellere Verarbeitung, sondern eine bessere Grundlage für Entscheidungen, Migrationen und operative Prozesse.

Wenn Sie ähnliche Fragestellungen in Ihren Prozessen sehen, kommen Sie gerne auf uns zu. Wir diskutieren gemeinsam, welche Use Cases sinnvoll sind und an welcher Stelle KI echten Mehrwert schaffen kann.

Automotive, Maschinenbau, Medizintechnik oder Chemie: Wenn Regionen oder Branchen unter Druck geraten, beginnt meist dieselbe Diskussion. Welche Unternehmen sind betroffen? Welche Arbeitsplätze sind gefährdet? Welche neuen Märkte könnten entstehen? Wie können wir die Transformation unterstützen?

Die eigentliche Frage lautet jedoch anders: Welche Fähigkeiten besitzen die Unternehmen einer Region oder Branche und welche neuen Märkte lassen sich daraus entwickeln?

Genau diese Perspektive fehlt in vielen Transformationsstrategien. Analysiert werden Branchen und Technologietrends. Was aber fehlt, ist der Blick auf die eigentlichen Stärken der Unternehmen. Dabei entscheidet genau dieser Blick darüber, ob Strukturwandel gestaltet oder lediglich verwaltet wird.

Gemeinsam mit Umwelttechnik BW und dem INEC der Hochschule Pforzheim haben wir deshalb einen neuen Ansatz entwickelt. Ausgangspunkt waren über 400 Industrieunternehmen des baden-württembergischen Mittelstands. Statt sie nach Branchen zu gruppieren, haben wir ihre Produkte, Technologien und Kompetenzen analysiert und mit zukünftigen GreenTech-Märkten abgeglichen. Das Ergebnis ist eine völlig neue Sicht auf Transformation.

Die folgende Abbildung zeigt exemplarisch, wie sich bestehende Kompetenzfelder in neue Wertschöpfung übersetzen lassen. Aus Präzisionsmetallkomponenten werden Anwendungen für Wasserstoffsysteme. Aus Automatisierungs- und Energietechnik entstehen Lösungen für Ladeinfrastruktur. Aus Kompetenzen in Prozess- und Anlagentechnik entwickeln sich Angebote für Wasseraufbereitung, Kreislaufwirtschaft oder Carbon Management.

Plötzlich wird sichtbar, was klassische Branchenanalysen nicht zeigen können: welche Zukunft bereits in den Unternehmen einer Region oder Branche angelegt ist.

Genau darin liegt aus unserer Sicht die Zukunft von Regional- und Branchenentwicklung. Nicht die Frage „Welche Branchen haben wir?“ sollte im Mittelpunkt stehen, sondern „Welche Wachstumspfade ergeben sich aus den Kompetenzen unserer Unternehmen?“

Für Wirtschaftsförderungen, Kammern und Verbände eröffnet das eine neue Möglichkeit, Transformation aktiv zu gestalten. Statt auf Strukturbrüche zu reagieren, können neue Wertschöpfungsfelder systematisch identifiziert und entwickelt werden.

Die Resonanz auf unser Projekt hat gezeigt, wie groß der Bedarf an einem solchen Ansatz ist. Inzwischen arbeiten wir bereits an weiteren Projekten, die dieses Prinzip auf andere Branchen und Regionen übertragen.

Denn am Ende entscheidet sich die Zukunft einer Region nicht an ihren heutigen Branchen. Sie entscheidet sich an den Kompetenzen ihrer Unternehmen und daran, wie konsequent daraus die Märkte von morgen entwickelt werden.

Lernen Sie CumulusAI kennen.

In der Juli-Ausgabe unseres CumulusAI Live-Webinars zeigen wir aktuelle Entwicklungen und die neusten Features unseres Smart Foresighting Tools CumulusAI. Der Termin eignet sich perfekt, um unser Tool anhand konkreter Use-Cases und Praxisbeispiele kennenzulernen.

Technologische Entwicklungen werden immer komplexer – und Entscheidungen müssen schneller getroffen werden. CumulusAI hilft Ihnen, relevante Trends frühzeitig zu erkennen und in fundierte Empfehlungen zu übersetzen.

„CumulusAI findet Weak Signals in Primärdaten. Unsere Kunden erkennen dadurch Next Generation Trends vor anderen.“
Dr. Ulrich Hutschek, Principal TIM Consulting

Unsere KI-gestützte Software schafft Transparenz über Technologien und Anwendungsfelder – als Grundlage für faktenbasierte Entscheidungen.

Ihre Vorteile mit CumulusAI:

• Frühzeitiges Erkennen relevanter Trends
• Absicherung von Innovations- und Entwicklungsprojekten
• Fundierte Markteintritts- und Wachstumsstrategien
• Identifikation attraktiver Investitionsmöglichkeiten

Das erwartet Sie im Webinar:

• Bedeutung datenbasierter Technologieanalyse
• 360°-Blick auf Forschung, Patente und Trends
• Praxisbeispiele aus Strategie, F&E, Produktmanagement & M&A
• Live-Demo und konkrete Anwendungstipps

Für wen ist das Webinar geeignet?

Innovations- & Technologiemanager, F&E-Verantwortliche, Produkt- & Portfoliomanager, Experten aus Business Development & Strategie, M&A / Corporate Development

Termin: 17.06.2026 | 12:00 – 13:00 Uhr

Dauer: 45 Minuten | Live-Webinar mit Q&A

Hier kostenlos anmelden & Platz sichern

Treffen Sie Entscheidungen auf Basis von Fakten statt Bauchgefühl – mit CumulusAI.

Wir freuen uns auf Sie!
Herzliche Grüße, Carmen Beisswanger

Veranstaltungshinweise im AiF InnovatorsNet

Innovation systematisch realisieren: Markt, Technologie, Roadmap & Förderung im Zusammenspiel

Wie wird aus einer innovativen Idee ein erfolgreiches Projekt? In diesem Workshop erfahren Sie, wie Markt- und Technologiebewertungen, Roadmapping und Fördermöglichkeiten gezielt zusammenspielen, um Innovationen strukturiert und effizient voranzubringen.

Hier geht’s zur Anmeldung

Strategische Transformationen mit KI – Wie intelligente Systeme Organisationen erneuern

Wir analysieren, wie Künstliche Intelligenz strategische Entscheidungen unterstützen kann und Unternehmen dabei hilft, agiler und zukunftsfähiger zu werden. Anhand praxisnaher Beispiele wird gezeigt, wie KI Transformationsprozesse beschleunigt und neue Organisationsformen ermöglicht.

Hier geht’s zur Anmeldung

Mit KI zum neuen Geschäft – Intelligente Wege zu Innovation und Wachstum

Erfahren Sie, wie Unternehmen KI nutzen können, um neue Geschäftsfelder zu identifizieren und innovative Geschäftsmodelle zu entwickeln. Wir vermitteln praxisorientierte Ansätze, um datenbasierte Erkenntnisse gezielt für Wachstum und Wettbewerbsfähigkeit einzusetzen.

Hier geht’s zur Anmeldung

Kreislaufwirtschaft neu denken – Geschäftsmodelle als Schlüssel zur Innovation

Nachhaltigkeit und wirtschaftlicher Erfolg schließen sich nicht aus: Die Veranstaltung zeigt, wie innovative Geschäftsmodelle die Transformation zur Kreislaufwirtschaft und Bioökonomie unterstützen. Lernen Sie, wie Unternehmen mit Circular-Economy-Ansätzen neue Wertschöpfungspotenziale erschließen und Zukunftsmärkte gestalten können.

Hier geht’s zur Anmeldung

GreenTech ist für viele Industrieunternehmen kein fernes Zukunftsthema mehr, sondern ein konkreter Wachstumsraum. Die entscheidende Frage ist nur: Wo anfangen?

Genau hier setzt die neue Studie „Unternehmen im Wandel: Mit GreenTech erfolgreich wachsen“ an, die wir gemeinsam mit dem INEC der Hochschule Pforzheim erarbeitet haben. Sie zeigt, wie Unternehmen aus dem herauswachsen können, was sie heute schon gut beherrschen. Spannend wird es genau an der Schnittstelle: Dort, wo sich zeigt, welche Fähigkeiten in neuen Märkten tatsächlich gefragt sind.

Dabei wird deutlich: Es sind oft nicht einzelne Technologien, die den Unterschied machen, sondern Themen wie Industrialisierung, Qualitätssicherung oder die Fähigkeit, komplexe Systeme zuverlässig umzusetzen. Daraus lassen sich klare Angebotsmuster ableiten und damit konkrete Einstiegspunkte in neue Geschäftsfelder.

Vom Ansatz zur Anwendung

Wie dieser Weg in der Praxis aussehen kann, haben wir bei einer Veranstaltung im Literaturhaus Stuttgart vorgestellt.

Im Fokus stand weniger die Studie selbst als die Frage: Wie lassen sich aus vorhandenen Kompetenzen systematisch neue Chancen entwickeln? Genau das haben wir anhand unseres methodischen Vorgehens aufgezeigt, indem wir von der eigenen Ausgangsbasis die Ableitung konkreter Geschäftsmöglichkeiten beschrieben haben.

Die Praxisbeispiele haben das greifbar gemacht: vom Einstieg in biobasierte Chemikalien bis zur Entwicklung von Ladeinfrastruktur aus dem Maschinenbau heraus. Unterschiedliche Wege, aber ein ähnliches Prinzip.

Den Austausch besonders wertvoll gemacht hat die Offenheit, auch über Unsicherheiten und Hürden zu sprechen. Denn genau dort entscheidet sich, ob aus einer Idee ein Geschäft wird.

Warum das jetzt wichtig ist

Viele Unternehmen stehen unter Druck, neue Wachstumsfelder zu erschließen. Gleichzeitig fehlt oft die Klarheit, wo genau diese liegen.

Die Studie hilft, den Suchraum einzugrenzen und zeigt, dass der nächste Schritt oft näher ist, als man denkt. Nicht irgendwo da draußen, sondern im eigenen Unternehmen.

Oder anders gesagt:
Die Frage ist nicht, was der nächste große Trend ist.
Sondern, wo die eigenen Stärken morgen gebraucht werden.

Fazit

GreenTech bietet echte Chancen, gerade für Unternehmen mit starker industrieller Basis. Wer sie nutzen will, muss nicht bei null anfangen. Sondern bei sich selbst.

Studie und Praxisleitfaden hier herunterladen:
https://www.umwelttechnik-bw.de/de/kompetenzfelder/greentech