Bitkom-Umfrage: Chinesische KI spielt in deutschen Unternehmen praktisch keine Rolle

Das Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung (IOSB) wird seit dem 1. August von einer Doppelspitze geführt. Prof. Marc Eichhorn rückte in die Institutsleitung auf und steht dem Institut nun gemeinsam mit dem geschäftsführenden Institutsleiter Prof. Jürgen Beyerer vor. Die Fraunhofer-Gesellschaft begründet den Schritt mit dem verbreiterten Kompetenzspektrum des Hauses: von der Lasertechnik über optronische Systeme und Computer Vision bis zur KI-basierten Robotik.

Eichhorn leitet seit 2018 die Abteilung Photonik und optronische Systeme sowie den Standort Ettlingen. Parallel hat er einen Lehrstuhl für Optronik an der Fakultät für Elektrotechnik und Informationstechnik des Karlsruher Instituts für Technologie übernommen. Unter seiner Leitung baute das Institut eine eigene Abteilung für Lasertechnik auf, die heute rund 35 Mitarbeitende zählt und auf Festkörper- und Faserlasersysteme im Infrarotbereich spezialisiert ist.

Die Personalie ist deshalb bemerkenswert, weil sie eine Verschiebung im Zuschnitt eines etablierten Instituts sichtbar macht. Die KI-basierte Robotik steht in der Mitteilung gleichrangig neben Optik und Lasertechnik — Kompetenzen, die klassisch getrennt organisiert waren. Beyerer beschreibt das Profil des Hauses als vollständige Verwertungskette des Lichts, von der Erzeugung bis zur Auswertung. Genau an deren Ende sitzt die Bildauswertung, die ohne maschinelles Lernen kaum noch auskommt.

Ein Gerät von der Grundfläche einer Europalette, das anfliegende Drohnen erkennt, klassifiziert und verfolgt — und sie im Ernstfall mit einem Laser bekämpft: Für dieses Vorhaben hat das Start-up Ground A 9,1 Millionen Euro eingesammelt. Die Pre-Seed-Runde wurde bereits im Juni geschlossen, angeführt von Vsquared Ventures; mit dabei sind unter anderem Quantum Systems, GRIF, Robin Capital und ABACON.

Das System heißt GA 1000 und kombiniert Radar, Sensorik, Computer Vision, eine eigene KI und einen Lasereffektor. Die Software übernimmt das Erkennen, Klassifizieren und Verfolgen auch kleiner, wendiger Drohnen. Die Entscheidung über den Lasereinsatz bleibt ausdrücklich beim Menschen.

Bemerkenswert ist das Tempo: Gegründet wurde Ground A erst im Januar 2026, mit Standorten in Berlin und Düsseldorf. Jetzt fließt das frische Kapital in die Industrialisierung — eine modulare Serienfertigung in Deutschland. Noch steckt der GA 1000 in Test und Validierung, der Markteintritt soll danach folgen, eine weitere Finanzierungsrunde ist für 2027 geplant.

Gedacht ist die Anlage nicht nur für militärische Szenarien, sondern auch für Flughäfen, Energieanlagen, Industrie- und Logistikstandorte. Angelegt ist sie als offenes System, das sich in vorhandene Luftverteidigungs- und Führungssysteme einfügt. “Europa braucht wirksame Lösungen zur Drohnenabwehr, die nicht nur technologisch funktionieren, sondern schnell industrialisiert und in großen Stückzahlen verfügbar gemacht werden können”, sagt CEO und Mitgründer Tobias Brune.

Sprachmodelle raten manchmal. In der Arzneimittelentwicklung ist das keine Option: Dort muss jede Aussage auf ein Quelldokument zurückführbar sein. Genau hier setzt das Berliner Start-up Sci2sci an — und hat dafür 1,2 Millionen Euro in einer Pre-Seed-Runde eingesammelt. Angeführt haben sie Heliad und IBB Ventures, dazu kommen Robin Capital und Superangels.

Das Prinzip nennt sich neuro-symbolisch: Wissensnetze nach dem Vorbild der Neurowissenschaft, darüber eine deterministische Prüfschicht aus formaler Logik. Firmenwissen wird so nicht als Datenhalde behandelt, sondern als aktives Netz. Das Hauptprodukt “Integrity Cortex” verknüpft Behauptungen mit ihren Quelldokumenten, verifiziert Schlussfolgerungen formal, verfolgt Abhängigkeiten und führt Audit-Trails, die zur FDA-Vorschrift 21 CFR Part 11 passen. “VectorCat” bindet Cloudspeicher, Netzlaufwerke und Laborsysteme an, ohne dass die Daten vollständig migriert werden müssen.

Im Einsatz ist das laut Startbase bereits in der präklinischen Forschung, der klinischen Auftragsforschung und in Bioprozessen. Hinter Sci2sci stehen Angelina Lesnikova, promovierte Neurowissenschaftlerin und CEO, sowie CTO Valerii Kremnev; als Senior Advisor ist Stephanie Bova an Bord, früher Digital Transformation Officer R&D bei Novo Nordisk.

Investor Christopher Garlich von Heliad benennt den Gegenentwurf: “Die meisten Unternehmen, die KI für regulierte Branchen verkaufen, setzen darauf, dass Sprachmodelle genau genug werden.” Das frische Geld soll ins Engineering-Team fließen — und in den Sprung zur nächsten regulierten Branche: den Banken.

Dasselbe Druckerproblem, dreißigmal am Tag, gelöst von hochqualifizierten IT-Fachleuten: Für Sebastian Schrötel von der KI-Plattform bei TeamViewer ist das “eine Aufgabe für die KI”. Seit dem 8. September darf sie diese Aufgabe auch übernehmen. Der KI-Agent Tia bekommt die Funktion “Tia Troubleshooting” und sucht während einer laufenden Fernwartungssitzung selbst nach den Ursachen — und setzt Lösungsvorschläge um.

Bisher war Tia vor allem Gesprächspartner: ein Chatbot für IT-Teams, der per generativer KI Skripte erzeugte und Teile der Dokumentation automatisierte. Vorgestellt wurde er im November 2025. Jetzt greift er ins laufende System ein.

Von der Leine gelassen wird er dabei nicht. Jede automatisierte Problemlösung braucht vorab eine menschliche Freigabe, und Administratoren vergeben die Rechte pro Team: Die einen bekommen nur die Chatbot-Funktionen, die anderen dürfen den Agenten eigenständig handeln lassen. “Kontrollierte Autonomie” nennt TeamViewer dieses Modell.

Der Vorbehalt hat gute Gründe. Laut einem von TeamViewer beauftragten Report wollen 61 Prozent der Befragten gerade nicht, dass KI-Systeme selbstständig agieren. Und im Sommer 2026 nutzten Angreifer Metas KI-Chatbot aus, um Passwörter zurückzusetzen und Instagram-Konten zu übernehmen.

Verfügbar sind die neuen Funktionen laut heise online für alle Fernwartungslizenzen.

91 Prozent der Menschen in Deutschland wollen KI-generierte Inhalte gekennzeichnet sehen. Das ist das deutlichste Ergebnis der Studie “Consumer Technology 2026”, die der Digitalverband Bitkom zur IFA in Berlin vorgelegt hat. Grundlage sind repräsentative Telefonbefragungen von jeweils rund 1.200 Personen ab 16 Jahren aus den Kalenderwochen 20 bis 24.

Die Skepsis ist je nach Branche unterschiedlich ausgeprägt: 72 Prozent sehen KI als Bedrohung für den klassischen Film, 75 Prozent für die Musikindustrie. 58 Prozent wollen KI-Musik aus den Charts ausschließen, 35 Prozent sie ganz von Streamingdiensten verbannen. Zugleich rechnen 44 Prozent damit, dass KI binnen zehn Jahren den Großteil der Musik erzeugt — und nur 13 Prozent trauen sich zu, KI-Musik als solche zu erkennen.

In dieser Lücke liegt die eigentliche Relevanz. Wer KI-Inhalte nicht erkennt, kann eine Kennzeichnung auch nicht selbst überprüfen; sie wird damit zur Aufgabe von Regulierung und Plattformen. Olaf May aus dem Bitkom-Präsidium formuliert es so: “Entscheidend sind transparente Regeln und eine verständliche Kennzeichnung.”

Der wirtschaftliche Rahmen ist angespannt. Der Markt für Unterhaltungselektronik kommt laut Bitkom auf 7,6 Milliarden Euro Umsatz, ein Minus von 2,4 Prozent; Fernseher (minus 3,5 Prozent) und Spielkonsolen (minus 9 Prozent) verlieren deutlich. KI-Funktionen sollen in diesem Umfeld Kaufargumente liefern: 68 Prozent wünschen sich Kopfhörer mit Echtzeitübersetzung.

Chemikalien auf ihre Sicherheit prüfen, ohne dafür ein einziges Tier zu belasten: Daran arbeitet das Fraunhofer-Institut für Toxikologie und Experimentelle Medizin (ITEM) in Hannover. Jetzt stellt es seinen Workflow vor — ASPA, kurz für Alternative Safety Profiling Algorithm, entstanden im EU-Projekt RISK-HUNT3R und im ASPIS-Cluster gemeinsam mit ONTOX und PrecisionTox.

Rund 55 Bausteine umfasst das Verfahren; eine Software namens ASPA-assist führt Schritt für Schritt hindurch. Zusammen kommt darin, was die Toxikologie heute an tierversuchsfreien Methoden zu bieten hat: In-vitro-Testsysteme, In-silico-Modelle, Omics-Datenanalysen, PBK-Modelle für Aufnahme, Verteilung, Verstoffwechselung und Ausscheidung im menschlichen Körper, dazu Read-Across von gut untersuchten auf strukturell ähnliche Stoffe. Maschinelles Lernen hat darin eine klar umrissene Aufgabe: potenziell toxische Substanzen vorpriorisieren. Ein Werkzeug unter mehreren, nicht der Kern.

“Der ASPA-Workflow ist ein transparenter, reproduzierbarer und modular aufgebauter Ansatz für das tierversuchsfreie Next Generation Risk Assessment von Chemikalien”, sagt Dr. Sylvia Escher vom Fraunhofer ITEM.

Der Zeitpunkt könnte kaum besser passen: Die EU-Kommission hat einen Fahrplan zum Ausstieg aus Tierversuchen in der Chemikalienbewertung. Die eigentliche Hürde benennt Escher selbst — sie liegt nicht im Labor: “Für die Forschungscommunity ist die regulatorische Akzeptanz ein entscheidender Schritt. Viele NAMs gibt es schon lange, sie sind wissenschaftlich weit entwickelt.”

Angebot, Konfiguration, Preis: Im Industrievertrieb steckt genau die Arbeit, die Software bisher kaum angefasst hat. Dort setzt das Münchner Start-up Atira an — und der Markt hat zugehört. 15 Millionen Dollar fließen in einer Seed-Runde unter Führung von Accel; zusammen mit einer früheren Pre-Seed-Runde über 2,5 Millionen Dollar summiert sich die Finanzierung auf 17,5 Millionen Dollar. Mit an Bord sind UVC, Fortino und Booom sowie mehrere Privatinvestoren, darunter Celonis-Mitgründer Bastian Nominacher, Ann-Kristin Achleitner, Marc Bitzer und Markus Flik.

Was die Plattform tut: Sie nimmt Anfragen von Kunden entgegen und erzeugt daraus technische Dokumentation, Konfigurationsvorschläge und Preisoptionen — angebunden an vorhandene CRM-, ERP- und CPQ-Systeme. Sales Engineering sei einer der größten Arbeitsabläufe in der Fertigung, den Software nie wirklich automatisiert habe, sagt Mitgründer und CEO Florian Diegruber. Laut tech.eu geht es weltweit um mehr als 128 Milliarden Dollar Personalaufwand pro Jahr.

Das Bemerkenswerte daran: Atira wurde erst im November 2024 gegründet, von Diegruber und August DuMont Schütte. Ein keine zwei Jahre altes Team nimmt sich damit ausgerechnet den zähen Angebotspapierkram des Maschinenbaus vor — also jener Branche, an der die deutsche Industrie hängt. Angaben zu Mitarbeiterzahl und Kundennamen enthält der Bericht nicht.

Die Berliner Verwaltung will die bei einem Cyberangriff erbeuteten Dateien mit KI-Werkzeugen nach Risiko sortieren. In der Nacht von Samstag auf Sonntag veröffentlichten die Angreifer laut heise online ein zweites Datenpaket mit 550.000 bis 560.000 Dateien; insgesamt sind damit rund 1,3 Millionen Dateien öffentlich. Die Werkzeuge sollen bestimmen, welche Dateien das höchste Risiko für Betroffene bergen, damit diese vorrangig geprüft werden. Chief Digital Officer Florian Hauer beschreibt die Aufgabe so: “Wir stehen vor der Aufgabe, dass wir feststellen müssen, was diese Dateien an Informationen enthalten.” Ein Lösegeld von 30 Bitcoin, umgerechnet etwa zwei Millionen Euro, lehnte Berlin ab.

Der Fall zeigt eine Anwendung, über die in der KI-Debatte selten gesprochen wird: Triage. Nicht Textgenerierung, sondern die Sichtung einer Datenmenge, die Beschäftigte in vertretbarer Zeit nicht durchsehen können. Zugleich verschiebt sich damit eine heikle Entscheidung — wer wann über welche Betroffenheit informiert wird — in eine automatisierte Vorsortierung.

Ungeklärt bleibt der Einbruchsweg. Staatssekretär Alexander Slotty erklärte, die Herkunft des Angriffs sei weiter unklar. Genannt wird die Gruppe Rhysida, die üblicherweise mit Phishing-Mails arbeitet; eine Sicherheitsmeldung des BSI beschreibt dagegen ein gefälschtes CAPTCHA, das Beschäftigte zum Öffnen des Windows-Terminals verleitet. Beide Darstellungen stehen bislang unvereinbar nebeneinander.