In den vergangenen Jahren sind KI-Projekte rasant angewachsen, oft getrieben von hohen Erwartungen und dem Druck, „irgendetwas mit KI zu machen“. Gleichzeitig tun sich viele Pilotprojekte schwer damit, einen nachhaltigen geschäftlichen Nutzen nachzuweisen.
Wir haben mit Frank Sinde gesprochen, Field CTO AI bei Damovo, und verantwortlich für zahlreiche KI-Initiativen bei Kunden. Er erläutert, warum er davon ausgeht, dass Teile des KI-Marktes sich abkühlen werden, wo echter Mehrwert bestehen bleibt und wie sich Unternehmen heute sinnvoll darauf vorbereiten können.
Frank, Du sagst voraus, dass 2026 eine KI-Blase platzen wird. Was genau erwartest du?
In den vergangenen Jahren waren die Erwartungen an KI überzogen. Viele Projekte wurden gestartet, um „etwas mit KI zu machen“, ohne dass ein klarer Business Case dahinterstand. Früher oder später werden Investoren und Vorstände fragen, wo der langfristige, wiederkehrende Nutzen bleibt.
Diese Einschätzung teilt übrigens auch Dario Amodei, der Gründer und CEO von Anthropic. Er warnte kürzlich davor, dass einige KI-Unternehmen mit den enormen Summen, die sie für Rechenzentren und Rechenleistung ausgeben, zu sorglos umgehen. „Ich glaube, es gibt einige Akteure, die nach dem YOLO Prinzip handeln und das Risikolevel viel zu weit aufdrehen“, sagte er beim DealBook Summit der New York Times am 3. Dezember 2025.
Und was passiert dann?
Die Finanzierung für Anbieter, die ausschließlich von Pilotprojekten und vielversprechenden Powerpointfolien leben, wird versiegen. Einige Startups werden verschwinden, weil aus einem Proof of Concept nie ein stabiles Geschäftsmodell wurde. Übrig bleiben die Unternehmen, die nachweisen können, dass sie Produktivität, Qualität oder Umsatz messbar verbessern. Mit anderen Worten: ROI statt Hype wird zum neuen Standard.
Was bedeutet das konkret für Damovo Kunden?
Für unsere B2B Kunden bedeutet es, dass wir den Schritt vom Experimentieren hin zum produktiven Einsatz von KI machen. Und zwar in all unseren Bereichen, also Unified Communications, Customer Experience und Contact Center, Enterprise Networks und Cybersecurity.
Für jede KI-Funktion stellen wir eine einfache Frage: Kann sie ihren Nutzen in einem klar abgegrenzten Zeitraum nachweisen, zum Beispiel innerhalb von 90 Tagen in einem Proof of Value? Wenn die Antwort „Nein“ lautet, stoppen wir das Projekt oder überarbeiten es. Unsere Aufgabe ist es, Kunden dabei zu unterstützen, sich auf wenige, hochwertige Use Cases zu konzentrieren statt auf eine lange Liste von Pilotprojekten, die nie skalieren.
Wie sieht ein solcher Proof of Value in der Praxis aus?
In der Praxis ist ein Proof of Value sehr konkret und praxisorientiert. Gemeinsam mit dem Kunden wählen wir einen klar definierten Use Case aus und legen fest, wie wir den Erfolg messen. Das bedeutet, dass wir den Prozess, die KPIs und die benötigten Daten definieren. Also beispielsweise, welche Anrufe oder Tickets betrachtet werden und wie die Situation „vorher” aussieht.
Dann integrieren wir die KI in die bestehenden Tools, wie z. B. das Contact Center oder die Enterprise Networking Umgebung. Ziel ist nicht, etwas Abgekoppeltes daneben zu bauen, sondern die Art und Weise zu verbessern, wie Menschen bereits arbeiten.
Schließlich führen wir das Szenario für einen begrenzten Zeitraum durch und vergleichen Vorher und Nachher. Wenn die Daten einen klaren Mehrwert zeigen, haben wir eine Grundlage für Skalierung. Wenn nicht, passen wir an oder stoppen. Bei Damovo nutzen wir dafür ein KI Proof-of-Value-Framework mit Vorlagen, KPI-Dashboards und Integrationsleitfäden für Multi-Vendor-Umgebungen. Kunden müssen nicht jedes Mal bei null anfangen. Sie sehen den Effekt deutlich schneller, statt Monate mit Einrichtung zu verbringen.
Welche Bereiche liefern heute schon verlässliche Ergebnisse?
Die stärksten Bereiche sind derzeit Customer Experience, technischer Service, Enterprise Networks und Cybersecurity. In diesen Bereichen sehen wir wiederholbare, stabile Resultate, nicht nur einzelne Pilotprojekte.
Kannst Du ein konkretes Beispiel geben?
Nehmen wir den Bereich Customer Experience. In einem Contact Center, das Anfragen bearbeitet, setzen wir Bots ein, die auf einem klar definierten Intent-Katalog basieren, etwa Kontostände, Zahlungstermine oder Vertragsänderungen. Der Bot löst einfache Anfragen beim ersten Kontakt von Anfang bis Ende und reduziert so die Wartezeiten. Bei komplexeren Fällen schlägt der Bot intelligent einen Rückruf vor oder leitet die Anfrage mit vollständigem Kontext an einen Live-Agenten weiter. Wenn der Vorgang an einen Agenten übergeht, erhält dieser eine Echtzeittranskription, eine automatisch erstellte Zusammenfassung des Gesprächs und Vorschläge für Antworten oder nächste Schritte. Dadurch kann der Agent die Anfrage schneller bearbeiten, die Kundenzufriedenheit verbessern und wichtige Service-KPIs konsequent erfüllen.
Und über den Kundenservice hinaus?
Der technische Service ist ebenfalls ein starkes Feld. Viele Service Desks haben es mit einer großen Zahl wiederkehrender Tickets zu tun und kämpfen gleichzeitig mit Fachkräftemangel.
Bei Unternehmensnetzwerken liegt der Schwerpunkt darauf, Ausfälle zu minimieren und die Zuverlässigkeit zu erhöhen. KI analysiert Telemetriedaten, erkennt ungewöhnliche Muster frühzeitig und kann Maßnahmen auslösen, bevor Nutzer überhaupt merken, dass etwas nicht stimmt. Das verhindert natürlich nicht jeden Vorfall, aber es reduziert ungeplante Auszeiten und senkt die Zahl der Tickets, die bei der IT landen. Zusätzlich automatisieren integrierte KI-Agenten wiederkehrende Abläufe, sodass sich das IT-Team auf Aufgaben mit höherem Mehrwert konzentrieren kann.
Und wie sieht es im Bereich Security aus? Über KI und Cyberbedrohungen spricht ja gerade jeder.
In der Cybersecurity vollzieht sich ein Wandel von statischer Erkennung hin zu adaptiver, KI-gestützter Verteidigung. Statt sich nur auf Signaturen oder vordefinierte Regeln zu verlassen, nutzen wir kontextbezogene und bedrohungsorientierte Analysen, um Risiken früher zu erkennen. Zum Beispiel, wenn Schwachstellen ausgenutzt werden können oder wenn das Verhalten von Angreifern auf aktive Erkundungs- oder Ausnutzungsversuche hindeutet.
Moderne Plattformen kombinieren automatisierte Anreicherungen mit Threat Intelligence, verhaltensbasierte Erkennung und KI-gesteuerte Playbooks. Das bedeutet, dass potenzielle Bedrohungen wie Phishing, Spoofing, Fehlkonfigurationen oder anfällige Dienste im Kontext validiert, automatisch priorisiert und schneller behoben werden.
Das Ergebnis: weniger erfolgreiche Angriffe, kürzere Reaktionszeiten und eine Sicherheitslage, die sich laufend an die tatsächliche Bedrohungswelt anpasst.
Das sind alles externe Anwendungsfälle. Was ist mit interner Produktivität und Employee Experience?
Im Bereich der internen Produktivität verändert KI still und leise die tägliche Arbeit. In modernen UC-Plattformen geht es längst über Transkription und Zusammenfassungen hinaus. Wir sehen Echtzeit-Koordination von Meetings, intelligente Aktionen und den sofortigen Zugriff auf frühere Gespräche. Mitarbeitende erleben das nicht als „neue Technologie“, sondern als spürbar reibungsloseren Kommunikationsfluss.
Die eigentliche Herausforderung für Unternehmen liegt in der kontrollierten Aktivierung. UC-Systeme verarbeiten sensibelste Kommunikationsdaten. Deshalb muss klar geregelt sein, welche KI-Funktionen auf welche Gespräche zugreifen dürfen, wie KI-Assistenten der Hersteller sich verhalten und wie eine einheitliche Nutzung über Teams, Webex, Zoom oder hybride Umgebungen hinweg gewährleistet wird. Alles auf einmal freizuschalten, funktioniert selten.
In Proofs of Value achten wir auf eindeutige Signale, z. B. weniger Zeitaufwand für die Dokumentation, weniger wiederholte Besprechungen, klarere Entscheidungen und weniger Hin und Her zwischen verschiedenen Anwendungen. Das Ziel ist nicht, Kommunikation vollständig zu automatisieren, sondern den administrativen Aufwand drumherum zu reduzieren und Menschen mehr Zeit für konzentriertes Arbeiten zu verschaffen.
Gut, aber hier ist meine Frage. Wenn all das so gut funktioniert, warum glaubst du dann, dass die Blase platzen wird?
Weil die meisten Unternehmen genau das, was ich beschrieben habe, nicht tun. Sie betreiben Pilotprojekte, die nie enden. Sie testen zehn verschiedene KI-Werkzeuge, ohne einen Plan zu haben, sich für eines zu entscheiden. Sie messen „Engagement“ statt Umsatz.
Wenn die Budgets gekürzt werden, ist diese Phase vorbei. Sehr schnell.
Was sollten Unternehmen also jetzt tun?
Ich denke, das Wichtigste, was Unternehmen derzeit brauchen, sind weniger Experimente und mehr Partner, die KI mit echtem Wert für das Unternehmen verbinden können. Die meisten Unternehmen haben ein oder mehrere Pilotprojekte durchgeführt. Die eigentliche Herausforderung besteht darin, die wenigen Projekte, die wirklich funktionieren, zu skalieren, sie im Tagesgeschäft stabil zu halten und dennoch alle Sicherheits- und Compliance-Anforderungen einzuhalten. Genau an diesem Punkt kommen viele Teams nicht weiter.
Wo setzt Du normalerweise bei Kundenprojekten an?
Wir starten meist sehr pragmatisch. Gemeinsam mit dem Kunden erarbeiten wir ein kleines Portfolio von KI Use Cases für jeden Geschäftsbereich. Ziel ist es, klar zu erkennen, wo sich eine Investition wirklich lohnt und wo nicht. Wo Hindernisse zu erwarten sind und ob der Kunde überhaupt die internen Ressourcen hat, um die Projekte umzusetzen.
Von dort aus integrieren wir diese Use Cases in die bestehenden Plattformen, etwa in UC, Contact-Center-Systeme, Netzwerkumgebungen oder Sicherheitstechnologien. Wir versuchen, zusätzliche Insellösungen zu vermeiden. KI soll bestehende Prozesse verbessern, nicht eine Parallelwelt aufbauen.
Ein weiterer wichtiger Punkt ist, Kunden dabei zu unterstützen, neue Use Cases selbst zu erkennen und sinnvoll zu bewerten.
Und wie stellst Du sicher, dass dies skalierbar und sicher bleibt?
Hier kommen Daten, Governance und Betrieb ins Spiel. Wir legen fest, wer auf welche Daten zugreifen darf, wie mit Prompts und Modellen umgegangen wird und wie wir Qualität und Risiken überwachen. Das klingt vielleicht etwas trocken, aber ohne diese Grundlagen ist eine Skalierung nicht möglich.
Bei Damovo übernehmen wir dann Teile des laufenden Betriebs, wenn der Kunde dies wünscht. Wir kümmern uns also um die Überwachung, die Metriken und die kontinuierliche Optimierung, damit die KI-Lösungen weiterhin einen Mehrwert bieten und sich nicht mit der Zeit unbemerkt verschlechtern. Die Idee ist eigentlich ganz einfach. Keine einmaligen Proofs of Concept mehr, die nach wenigen Monaten wieder verschwinden, sondern ein stabiles Setup, das mit dem Unternehmen wachsen kann.
Letzte Frage. Wie lautet Dein Fazit zur KI-Blase?
Ich gehe davon aus, dass sich Teile des Marktes stark abkühlen werden. Das ist gesund. Projekte, die keine Wirkung zeigen können, werden eingestellt, und einige Anbieter werden den Markt verlassen.
Der Wert der KI bleibt jedoch bestehen. Im Jahr 2026 werden diejenigen Anbieter und Kunden die Gewinner sein, die KI konsequent an klaren ROI-Zielen, operativer Umsetzbarkeit und Sicherheit ausrichten. Sie werden von der Marktkonsolidierung profitieren und genau die Use Cases skalieren, die wirklich relevant sind. Nicht getrieben von Hype, sondern von Ergebnissen.