{"id":19983,"date":"2026-10-26T13:58:42","date_gmt":"2026-10-26T13:58:42","guid":{"rendered":"https:\/\/stage-01.hopmann.com\/blog\/\/"},"modified":"2026-10-27T08:11:38","modified_gmt":"2026-10-27T08:11:38","slug":"ki-use-cases-skalieren","status":"publish","type":"blog","link":"https:\/\/www.hopmann.com\/de\/blog\/ki-use-cases-skalieren\/","title":{"rendered":"KI-Use-Cases skalieren"},"content":{"rendered":"<hr>\n<ul>\n<li><a href=\"#\">social<\/a>\n<\/li>\n<\/ul>\n<hr>\n<div>\n<div class=\"uk-card uk-card-default uk-card-body uk-margin-medium-bottom\">\n<p class=\"uk-h4\">Kurz zusammengefasst<\/p>\n<p class=\"uk-text-large\">Wie wird aus einer KI-Investition ein messbarer Beitrag zum Gesch\u00e4ftserfolg? Mit dieser Frage war <strong>Return on AI<\/strong>, unser Event mit dem BVMW in M\u00fcnchen, ausgebucht. Die wichtigste Erkenntnis des Abends: Der gr\u00f6\u00dfte Hebel liegt selten im Tool. Ob im Panel mit Stimmen aus Konzernen und Mittelstand oder in den vier Sessions: Wer <strong>KI-Use-Cases skalieren<\/strong> will, setzt auf ein solides Datenfundament, geteilte Verantwortung und eine Messlogik, die vor dem Start steht. F\u00fcr das Management hei\u00dft das: KI-Budget wirkt dort am st\u00e4rksten, wo es eine konkrete Entscheidung oder einen Prozess verbessert, und genau dort l\u00e4sst sich der Return on AI messen.<\/p>\n<p class=\"uk-text-large\"><strong>Key Insights:<\/strong><\/p>\n<ul class=\"uk-list uk-list-bullet\">\n<li><strong>Das Datenfundament gibt das Tempo vor:<\/strong> Mit sauberen Daten, einem verl\u00e4sslichen semantischen Modell und klaren Zust\u00e4ndigkeiten gewinnen KI-Ergebnisse schnell Vertrauen.<\/li>\n<li><strong>Messen macht Wirkung sichtbar:<\/strong> Baseline, Vergleichsgruppe und ein fester Messzeitpunkt machen den Nutzen eines KI-Use-Cases belegbar.<\/li>\n<li><strong>Lieber grob, aber lauff\u00e4hig:<\/strong> Ein Pilot im echten Arbeitsablauf zeigt fr\u00fch seinen Wert. F\u00fcr kundennahe und regulierte Themen gelten h\u00f6here Standards.<\/li>\n<li><strong>Menschen skalieren mit:<\/strong> Trainings, Freiraum und Vertrauen im Team sind genauso wichtig wie die Technik.<\/li>\n<\/ul>\n<\/div>\n<h2>Return on AI: Worum ging es beim Event?<\/h2>\n<p class=\"uk-text-large\">Am 20. Oktober 2026 haben wir gemeinsam mit dem BVMW zu <a href=\"\/de\/events\/return-on-ai\/\">Return on AI<\/a> in unser M\u00fcnchner B\u00fcro eingeladen. \u00dcber allem stand die Frage: <strong>Wie wird aus KI-Investitionen messbare Wertsch\u00f6pfung?<\/strong> Zu Gast waren F\u00fchrungskr\u00e4fte aus Marketing, IT, Data und AI. Viele brachten eigene KI-Projekte mit, entsprechend konkret wurde diskutiert. Die Themen hatten wir vorab im Beitrag <a href=\"\/de\/blog\/ki-investitionen-die-sich-rechnen\/\">KI-Investitionen, die sich rechnen<\/a> skizziert. Return on AI kn\u00fcpft an unser Sommer-Event mit dem BVMW an, dessen Erkenntnisse Sie im Recap <a href=\"\/de\/blog\/agentic-ai-im-mittelstand-kernthesen\/\">Agentic AI im Mittelstand<\/a> nachlesen k\u00f6nnen.<\/p>\n<p class=\"uk-text-large\">Den Auftakt machte ein Panel mit vier G\u00e4sten. Danach ging es in vier interaktive Sessions, in denen die Teilnehmenden offen von ihren eigenen Projekten erz\u00e4hlt haben.<\/p>\n<figure>\n  <img decoding=\"async\" src=\"\/wp-content\/uploads\/KI-Use-Cases-skalieren-_Return-on-AI_-Event-Muenchen-Hopmann.png\" alt=\"KI-Use-Cases skalieren: Return on AI Event von Hopmann und BVMW in M\u00fcnchen\" loading=\"lazy\" style=\"max-width:900px; width:100%; height:auto;\" \/><figcaption>Return on AI am 20. Oktober 2026 im Hopmann-B\u00fcro, M\u00fcnchen<\/figcaption><\/figure>\n<h2>Panel: Wie sich KI-Use-Cases skalieren lassen<\/h2>\n<p class=\"uk-text-large\">Moderiert von J\u00f6rg Hopmann diskutierten:<\/p>\n<div class=\"uk-grid-small uk-child-width-1-2 uk-child-width-1-4@m uk-margin\" uk-grid>\n<div>\n    <img decoding=\"async\" src=\"\/wp-content\/uploads\/Kerstin-Weidenbach-Koschnike-Acconsis-_-AI-Event-Muenchen.png\" alt=\"Kerstin Weidenbach-Koschnike\" style=\"width:100%; height:auto;\" loading=\"lazy\" \/><\/p>\n<p class=\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\"><strong>Kerstin Weidenbach-Koschnike<\/strong><\/p>\n<\/p><\/div>\n<div>\n    <img decoding=\"async\" src=\"\/wp-content\/uploads\/Stefan-Berge-Planet-Home-_-AI-Event-Muenchen.png\" alt=\"Stefan Berge\" style=\"width:100%; height:auto;\" loading=\"lazy\" \/><\/p>\n<p class=\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\"><strong>Stefan Berge<\/strong><\/p>\n<\/p><\/div>\n<div>\n    <img decoding=\"async\" src=\"\/wp-content\/uploads\/Chris-Schoemmer-AWS-AI-Event-Muenchen.png\" alt=\"Chris Sch\u00f6mmer\" style=\"width:100%; height:auto;\" loading=\"lazy\" \/><\/p>\n<p class=\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\"><strong>Chris Sch\u00f6mmer<\/strong><\/p>\n<\/p><\/div>\n<div>\n    <img decoding=\"async\" src=\"\/wp-content\/uploads\/Israel-Barcellos-Pereira-BSH-_-AI-Event-Muenchen.png\" alt=\"Israel Barcellos Pereira\" style=\"width:100%; height:auto;\" loading=\"lazy\" \/><\/p>\n<p class=\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\"><strong>Israel Barcellos Pereira<\/strong><\/p>\n<\/p><\/div>\n<\/div>\n<p class=\"uk-text-large\">Auf dem Podium sa\u00dfen Perspektiven aus gro\u00dfen Unternehmen und dem Mittelstand. Trotz unterschiedlicher Branchen kamen vier Punkte immer wieder auf:<\/p>\n<p class=\"uk-text-large\"><strong>Freiraum mit klarer Zielvorgabe.<\/strong> In allen H\u00e4usern wird experimentiert, oft ganz bewusst mit viel Freiheit. Mitarbeitende probieren neue Tools selbst aus und bringen sie als Ambassadors in ihre Teams. Flie\u00dft Budget, kommt eine klare Zielvorgabe mit Business Case dazu. Ideen, deren Zeit noch kommt, wandern in einen Ideenpool und lassen sich sp\u00e4ter wieder hervorholen.<\/p>\n<p class=\"uk-text-large\"><strong>Vom Pilot zur Strategie.<\/strong> Ein Pilot liefert mehr als ein Ergebnis. Er zeigt, welche Daten im Haus vorhanden sind und wo KI wirklich hilft. Daraus w\u00e4chst eine Strategie: Welches Modell passt zu welchem Zweck, und welche Ziele verfolgt der KI-Einsatz? Die Beispiele aus der Runde reichten von Lead Scoring \u00fcber die Optimierung von Produktportfolios bis zur Produktverbesserung anhand von Kundenbewertungen.<\/p>\n<p class=\"uk-text-large\"><strong>Das Datenfundament gibt das Tempo vor.<\/strong> Den gr\u00f6\u00dften Hebel sah die Runde in einer klaren Datenbasis. Wer fr\u00fch in Datenqualit\u00e4t, Zugriffsrechte und Kontext investiert hat, kann jetzt deutlich schneller neue Use Cases umsetzen. Welche Rolle das Datenfundament gerade f\u00fcr mittelst\u00e4ndische Unternehmen spielt, beschreiben wir im Beitrag <a href=\"\/de\/blog\/ki-im-mittelstand\/\">KI im Mittelstand<\/a>.<\/p>\n<p class=\"uk-text-large\"><strong>\u201eKeiner bleibt zur\u00fcck.\u201c<\/strong> KI wird Alltag, wenn das ganze Team mitgeht. Dazu geh\u00f6ren Trainings f\u00fcr konkrete Tools, klare Regeln im Umgang mit Daten, gemeinsame Rituale und offene Gespr\u00e4che dar\u00fcber, welche Rolle Mitarbeitende k\u00fcnftig spielen. Compliance, DSGVO und eine sichere Sandbox schaffen dabei den Rahmen, in dem KI auch in sensiblen Bereichen und bei Kunden zum Einsatz kommt.<\/p>\n<p class=\"uk-text-large\"><strong>Kernthese:<\/strong> KI-Use-Cases skalieren dort, wo Freiraum zum Ausprobieren auf ein sauberes Datenfundament und eine klare Zielvorgabe trifft.<\/p>\n<p><!-- PLATZHALTER MULTIPICTURE: Galerie mit Eventfotos hier einf\u00fcgen --><\/p>\n<h2>Wie sich der Nutzen von KI belegen l\u00e4sst<\/h2>\n<div class=\"uk-flex uk-flex-middle uk-margin\">\n  <img decoding=\"async\" class=\"uk-border-circle\" src=\"\/wp-content\/uploads\/joerg-hopmann.jpg\" alt=\"J\u00f6rg Hopmann\" width=\"64\" height=\"64\" style=\"width:64px; height:64px; object-fit:cover;\" loading=\"lazy\" \/><\/p>\n<p class=\"uk-margin-small-left uk-margin-remove-bottom\"><strong>J\u00f6rg Hopmann<\/strong><\/p>\n<\/div>\n<p class=\"uk-text-large\">J\u00f6rg er\u00f6ffnete seine Session \u201eAI Impact: Wirkung messen, Wert belegen\u201c mit zwei Fragen an den Raum: Hat KI Ihr Team produktiver gemacht? Und woher wissen Sie das? Zwei Fragen, die den Raum sofort ins Gespr\u00e4ch brachten. Die wichtigsten Impulse:<\/p>\n<ul class=\"uk-list uk-list-bullet\">\n<li><strong>Messen lohnt sich:<\/strong> In einem <a href=\"https:\/\/metr.org\/blog\/2025-07-10-early-2025-ai-experienced-os-dev-study\/\" rel=\"noopener noreferrer\" target=\"_blank\">Experiment von METR<\/a> sch\u00e4tzten erfahrene Fachleute aus der Softwareentwicklung, dass KI sie um 20 Prozent schneller gemacht hat. Die Messung ergab 19 Prozent mehr Zeitaufwand.<\/li>\n<li><strong>Die J-Kurve einplanen:<\/strong> Nach der Einf\u00fchrung braucht ein Team oft erst Anlauf, die Produktivit\u00e4tsgewinne folgen danach. Ein vorab festgelegter Messzeitpunkt gibt dem Use Case die n\u00f6tige Zeit.<\/li>\n<li><strong>Helfer oder Ver\u00e4nderer:<\/strong> Als Helfer spart KI Zeit und Kosten. Als Ver\u00e4nderer verbessert sie Entscheidungen \u00fcber Preise, Budgets und Ressourcen, und dort liegt der gr\u00f6\u00dfere Hebel.<\/li>\n<li><strong>Bestehende KPIs weiter nutzen:<\/strong> Beschleunigt KI einen bestehenden Prozess, funktionieren die bisherigen Kennzahlen weiter, etwa Durchl\u00e4ufe pro Stunde. Bei neuen Prozessen entsteht die passende Kennzahl mit der Zeit, und bei echten Innovationen darf am Anfang auch das Bauchgef\u00fchl stehen.<\/li>\n<\/ul>\n<p class=\"uk-text-large\">Wie gro\u00df der Unterschied zwischen Helfer und Ver\u00e4nderer sein kann, zeigte ein illustratives Rechenbeispiel: Spart eine Analytics-Fachkraft 20 Prozent ihrer Zeit, entspricht das rund 18.000 Euro im Jahr. Wird ein Mediabudget von 10 Millionen Euro um 3 Prozent besser verteilt, arbeiten 300.000 Euro k\u00fcnftig wirksamer. Der eigentliche Ertrag zeigt sich dann in zus\u00e4tzlichen Leads, mehr Umsatz oder einem h\u00f6heren ROAS. F\u00fcr solche Budgetfragen ist <a href=\"\/de\/marketing-analytics\/marketing-science\/mmm\/\">Marketing Mix Modeling<\/a> eine bew\u00e4hrte Methode. Was dahintersteckt, erkl\u00e4ren wir im Beitrag <a href=\"\/de\/blog\/marketing-mix-modeling-mmm-definition-bedeutung\/\">Was ist Marketing Mix Modeling?<\/a><\/p>\n<p class=\"uk-text-large\">Zur Orientierung stellte J\u00f6rg eine <strong>Messleiter<\/strong> mit vier Stufen vor: Nutzung, Effizienz, Qualit\u00e4t und Business Impact. Auf der vierten Stufe zeigt sich der Return.<\/p>\n<figure>\n  <img decoding=\"async\" src=\"\/wp-content\/uploads\/Return-on-AI_Hopmann_Session.png\" alt=\"KI-Nutzen messen mit der Messleiter: Nutzung, Effizienz, Qualit\u00e4t und Business Impact\" loading=\"lazy\" style=\"max-width:900px; width:100%; height:auto;\" \/><figcaption>Die Messleiter aus J\u00f6rgs Session: Der Return entsteht auf Stufe 4<\/figcaption><\/figure>\n<p class=\"uk-text-large\">Wie sich diese Logik in einem <a href=\"\/de\/blog\/measurement-framework\/\">Measurement Framework<\/a> verankern l\u00e4sst, beschreiben wir in einem eigenen Beitrag. Einen \u00dcberblick \u00fcber bew\u00e4hrte Kennzahlensysteme gibt unser Vergleich der <a href=\"\/de\/blog\/strategische-kpi-frameworks-im-marketing\/\">strategischen KPI Frameworks im Marketing<\/a>.<\/p>\n<p class=\"uk-text-large\"><strong>Kernthese:<\/strong> Wer Zielgr\u00f6\u00dfe, Vergleichsgruppe und Messzeitpunkt vor dem Start festlegt, kann den Wert eines Piloten am Ende klar belegen.<\/p>\n<h2>Wie man KI-Use-Cases von Anfang an skalierbar zuschneidet<\/h2>\n<div class=\"uk-flex uk-flex-middle uk-margin\">\n  <img decoding=\"async\" class=\"uk-border-circle\" src=\"\/wp-content\/uploads\/HMA_Team_Tobias-Lanzl-scaled.jpg\" alt=\"Tobias Lanzl\" width=\"64\" height=\"64\" style=\"width:64px; height:64px; object-fit:cover;\" loading=\"lazy\" \/><\/p>\n<p class=\"uk-margin-small-left uk-margin-remove-bottom\"><strong>Tobias Lanzl<\/strong><\/p>\n<\/div>\n<p class=\"uk-text-large\">\u201eStarten ist leicht. Spannend wird es danach.\u201c Mit diesem Gedanken stieg Tobias in seine Session \u201eAI Use Cases pragmatisch starten und skalieren\u201c ein. Als Werkzeug brachte er eine einfache <strong>Wert-Gleichung<\/strong> mit: betroffene F\u00e4lle \u00d7 H\u00e4ufigkeit \u00d7 Mehrwert pro Fall. Gemeint ist der Gewinn, den KI pro Fall bringt, etwa gesparte Zeit, ein vermiedener Fehler oder eine schnellere Entscheidung. Davon gehen die Kosten f\u00fcr Aufbau, Betrieb und Prozessanpassung ab. Hinzu kommt der Wert des Handelns, denn wer fr\u00fch startet, setzt den Ma\u00dfstab im Markt. Den gr\u00f6\u00dften Nutzen bringt KI dort, wo sie eine Entscheidung oder einen Arbeitsablauf ver\u00e4ndert.<\/p>\n<p class=\"uk-text-large\">Beim Zuschnitt eines Piloten gibt es zwei Wege: einen <strong>schmalen Ausschnitt in hoher Qualit\u00e4t<\/strong> oder den <strong>vollen fachlichen Umfang in einfacher Reife<\/strong>. Tobias&#8216; Faustregel: Ist der Nutzen klar und die Technik die offene Frage, wird der Umfang begrenzt. Ist die Technik erprobt und der Nutzen noch offen, wird die technische Reife begrenzt: zun\u00e4chst nur die Kernfunktion, Sonderf\u00e4lle, Integration und Monitoring folgen sp\u00e4ter. Sp\u00e4ter w\u00e4chst der Use Case entlang genau dieser Achse.<\/p>\n<figure>\n  <img decoding=\"async\" src=\"\/wp-content\/uploads\/BVMW_Scaling_AI_Use_Cases_Tobias-scaled.png\" alt=\"KI-Use-Cases skalieren: zwei Wege, einen KI-Piloten zuzuschneiden\" loading=\"lazy\" style=\"max-width:900px; width:100%; height:auto;\" \/><figcaption>Zwei Wege, einen Piloten zuzuschneiden: schmal und robust oder breit und einfach<\/figcaption><\/figure>\n<p class=\"uk-text-large\">Aus der Diskussion nahm Tobias vier Punkte mit:<\/p>\n<ul class=\"uk-list uk-list-bullet\">\n<li><strong>Geteilte Verantwortung:<\/strong> Piloten, die IT und Fachbereich gemeinsam tragen, kommen am weitesten.<\/li>\n<li><strong>Lieber grob, aber lauff\u00e4hig:<\/strong> Auf die Frage \u201eAcht Wochen: wenige F\u00e4lle sauber oder alles grob?\u201c entschied sich die Runde klar f\u00fcr die funktionierende L\u00f6sung.<\/li>\n<li><strong>Klare Leitplanken:<\/strong> Gehen Ergebnisse direkt an Kunden oder geht es um regulierte Bereiche, gilt von Anfang an der volle Qualit\u00e4tsanspruch.<\/li>\n<li><strong>Nutzen fr\u00fch zeigen:<\/strong> Am \u00fcberzeugendsten sind Piloten, die Kosten und Nutzen schon in der Testphase sichtbar machen.<\/li>\n<\/ul>\n<p class=\"uk-text-large\">Sie planen gerade einen KI-Piloten oder m\u00f6chten einen bestehenden Use Case skalieren? Wir sind gerne Ihr <strong>Sparring-Partner<\/strong>, vom Zuschnitt des Piloten bis zur Messlogik. <a href=\"\/de\/kontakt\/\">Sprechen Sie uns an<\/a>.<\/p>\n<p class=\"uk-text-large\"><strong>Kernthese:<\/strong> Ein KI-Pilot mit klarem Zuschnitt und fr\u00fch sichtbarem Nutzen hat die besten Chancen auf den Rollout.<\/p>\n<h2>Smart Reporting: Warum Vertrauen vor Tempo kommt<\/h2>\n<div class=\"uk-flex uk-flex-middle uk-margin\">\n  <img decoding=\"async\" class=\"uk-border-circle\" src=\"\/wp-content\/uploads\/HMA_Team_Ioanna-Kakoulidou.jpg\" alt=\"Dr. Ioanna Kakoulidou\" width=\"64\" height=\"64\" style=\"width:64px; height:64px; object-fit:cover;\" loading=\"lazy\" \/><\/p>\n<p class=\"uk-margin-small-left uk-margin-remove-bottom\"><strong>Dr. Ioanna Kakoulidou<\/strong><\/p>\n<\/div>\n<p class=\"uk-text-large\">In ihrer Session \u201eSmart Reporting mit AI: Dashboards, Dialog &amp; Insights\u201c stellte Ioanna drei Einsatzfelder vor:<\/p>\n<ul class=\"uk-list uk-list-bullet\">\n<li><strong>Dashboards schneller bauen:<\/strong> KI entwirft Berechnungen, Berichtsstrukturen und Formatierungen, das Team verfeinert und validiert. Wie das in der Praxis aussieht, zeigt unser Beitrag zu <a href=\"\/de\/blog\/power-bi-claude\/\">Power BI und Claude<\/a>.<\/li>\n<li><strong>Daten im Dialog befragen:<\/strong> Fragen in nat\u00fcrlicher Sprache, etwa \u00fcber Teams oder ein Chat-Interface, beantwortet ein angebundener Assistent direkt aus den Unternehmensdaten.<\/li>\n<li><strong>Insights als Briefing erhalten:<\/strong> Wiederkehrende Zusammenfassungen und vereinbarte Auff\u00e4lligkeiten landen automatisch bei den Verantwortlichen, die dann \u00fcber die n\u00e4chsten Schritte entscheiden.<\/li>\n<\/ul>\n<p class=\"uk-text-large\">Ein Beispiel aus unserem Projektalltag ist eine <a href=\"\/de\/blog\/ki-gestuetzte-tableau-power-bi-migration\/\">KI-gest\u00fctzte Tableau Power BI Migration<\/a>. Vor einer Lizenzverl\u00e4ngerung wurden acht Workbooks mit mehr als 40 Dashboards migriert, mit rund 25 Prozent weniger Aufwand als bei einem \u00e4hnlich komplexen fr\u00fcheren Projekt. Die KI k\u00fcmmerte sich um wiederkehrende Aufgaben wie Formel\u00fcbersetzung und Formatierung. Das Analytics-Team verantwortete Datenmodell, Gesch\u00e4ftslogik und die Pr\u00fcfung jeder einzelnen Zahl. Wie eine solche Migration grunds\u00e4tzlich abl\u00e4uft, zeigt unser Leitfaden <a href=\"\/de\/blog\/tableau-zu-power-bi-migrieren\/\">Tableau zu Power BI migrieren<\/a>.<\/p>\n<p class=\"uk-text-large\">Der rote Faden durch alle drei Felder ist die <strong>Time to Decision<\/strong>, also die Zeit, bis aus einer Frage eine Entscheidung wird. Daraus ergeben sich die passenden KPIs, zum Beispiel die Zahl der Ad-hoc-Tickets oder die Dauer eines Forecast-Zyklus. Der Wert von KI im Reporting zeigt sich in schnelleren und besseren Entscheidungen.<\/p>\n<p class=\"uk-text-large\">Ioannas Fazit aus der Diskussion:<\/p>\n<ul class=\"uk-list uk-list-bullet\">\n<li><strong>Vertrauen entsteht im Fundament:<\/strong> Datenqualit\u00e4t, ein verl\u00e4sslicher <a href=\"\/de\/blog\/semantic-layer-fuer-ki-im-marketing\/\">Semantic Layer<\/a> und klare Daten-Ownership wurden von allen Seiten des Tisches genannt. Wie Semantic Layer und Context Layer zusammenspielen, erkl\u00e4ren wir im Beitrag <a href=\"\/de\/blog\/semantic-layer-vs-context-layer\/\">Semantic Layer vs. Context Layer<\/a>.<\/li>\n<li><strong>Verl\u00e4ssliche Ergebnisse sparen Zeit:<\/strong> Viele nutzen KI bereits f\u00fcr SQL, HTML-Reports oder schnelle Analysen. Je verl\u00e4sslicher die Ergebnisse, desto mehr Zeit bleibt am Ende tats\u00e4chlich \u00fcbrig.<\/li>\n<li><strong>KI und Dashboards im Zusammenspiel:<\/strong> Ihre volle St\u00e4rke spielt KI derzeit neben klassischen <a href=\"\/de\/marketing-analytics\/marketing-dashboards-reports\/\">Dashboards<\/a> aus: bei Prototypen, neuen Fragestellungen und der Suche nach den Treibern der Performance. Mehr dazu im Recap unseres Webinars <a href=\"\/de\/blog\/ai-gestuetzte-analysen-webinar-recap-faq\/\">AI-gest\u00fctzte Analysen, die im Alltag funktionieren<\/a>.<\/li>\n<li><strong>Eine neue Rolle f\u00fcr BI-Teams:<\/strong> Analytics- und BI-Teams sichern die Datenbasis und helfen anderen, die richtigen Fragen zu stellen.<\/li>\n<\/ul>\n<p class=\"uk-text-large\"><strong>Kernthese:<\/strong> KI im Reporting schafft Wert, wenn sie auf einem verl\u00e4sslichen semantischen Modell aufsetzt und Entscheidungen beschleunigt.<\/p>\n<h2>AI Search: Sichtbarkeit als messbarer Kanal<\/h2>\n<div class=\"uk-flex uk-flex-middle uk-margin\">\n  <img decoding=\"async\" class=\"uk-border-circle\" src=\"\/wp-content\/uploads\/Constanze-Bogner-Hopmann.png\" alt=\"Constanze Bogner\" width=\"64\" height=\"64\" style=\"width:64px; height:64px; object-fit:cover;\" loading=\"lazy\" \/><\/p>\n<p class=\"uk-margin-small-left uk-margin-remove-bottom\"><strong>Constanze Bogner<\/strong><\/p>\n<\/div>\n<p class=\"uk-text-large\">Immer mehr Menschen stellen ihre Fragen direkt an ChatGPT, Gemini oder Perplexity. In ihrer Session \u201eAI Search: Sichtbarkeit messen, Wirkung steigern\u201c zeigte Constanze, welche Chance darin liegt:<\/p>\n<ul class=\"uk-list uk-list-bullet\">\n<li><strong>Antworten entstehen im KI-Dialog:<\/strong> Laut einer <a href=\"https:\/\/www.pewresearch.org\/short-reads\/2025\/07\/22\/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results\/\" rel=\"noopener noreferrer\" target=\"_blank\">Auswertung von Pew Research<\/a> mit den Browsing-Daten von 900 US-Erwachsenen klickten Nutzende bei Google-Suchen mit KI-Zusammenfassung in 8 Prozent der F\u00e4lle auf ein klassisches Suchergebnis, ohne Zusammenfassung waren es 15 Prozent.<\/li>\n<li><strong>Besuche mit klarer Kaufabsicht:<\/strong> Bei Ahrefs etwa brachte KI-Suche 0,5 Prozent der Besuche, aber 12,1 Prozent der Anmeldungen.<\/li>\n<li><strong>Der Blick in die Antworten:<\/strong> Eine eigene Messung zeigt, bei welchen Fragen die eigene Marke genannt wird und welche Wettbewerber daneben erscheinen. Welche <a href=\"\/de\/blog\/neue-kpis-webseitenmessung-ai-search\/\">neuen KPIs f\u00fcr die Webseitenmessung<\/a> daf\u00fcr sinnvoll sind, haben wir zusammengefasst.<\/li>\n<\/ul>\n<p class=\"uk-text-large\">F\u00fcr die Messung stellte Constanze eine <strong>Wirkungskette<\/strong> vor, die von Erw\u00e4hnungen und Zitierungen \u00fcber KI-Traffic bis zu Leads und Umsatz reicht. Drei Punkte machen sie belastbar:<\/p>\n<ul class=\"uk-list uk-list-bullet\">\n<li><strong>Baseline vor der Optimierung:<\/strong> Wer den Ausgangswert erfasst, kann die Wirkung sp\u00e4terer Ma\u00dfnahmen klar belegen.<\/li>\n<li><strong>Wiederholte Messungen:<\/strong> Da Sprachmodelle bei jeder Anfrage etwas anders antworten, liefern standardisierte Messungen \u00fcber mehrere Modelle das verl\u00e4sslichste Bild.<\/li>\n<li><strong>Tool oder eigene L\u00f6sung:<\/strong> Was besser passt, h\u00e4ngt von den Anforderungen ab. Einen \u00dcberblick gibt unser Beitrag <a href=\"\/de\/blog\/ai-search-visibility-messen\/\">AI Search Visibility messen<\/a>, die konkrete Umsetzung zeigt <a href=\"\/de\/blog\/ai-visibility-tracken\/\">AI Visibility tracken<\/a>.<\/li>\n<\/ul>\n<p class=\"uk-text-large\"><strong>Kernthese:<\/strong> AI Search wird zum Business Case, wenn Sichtbarkeit in KI-Antworten mit Leads und Umsatz verkn\u00fcpft ist.<\/p>\n<h2>Was alle Runden verbindet<\/h2>\n<p class=\"uk-text-large\">Vier Formate, viele Branchen, und doch tauchten in jeder Runde dieselben drei Muster auf:<\/p>\n<ol class=\"uk-list uk-list-decimal\">\n<li class=\"uk-text-large\"><strong>Datenfundament zuerst:<\/strong> Ob im Panel, im Reporting oder bei AI Search: KI-Ergebnisse \u00fcberzeugen, wenn Daten verl\u00e4sslich und Begriffe einheitlich definiert sind. In unseren Projekten sehen wir regelm\u00e4\u00dfig, dass KI-Anwendungen dort am schnellsten Wert schaffen, wo <a href=\"\/de\/blog\/data-quality-governance\/\">Data Quality &amp; Governance<\/a> und ein <a href=\"\/de\/marketing-analytics\/marketing-data-stack\/semantic-layer\/\">Semantic Layer<\/a> von Anfang an mitgedacht werden.<\/li>\n<li class=\"uk-text-large\"><strong>Geteilte Verantwortung:<\/strong> Erfolgreiche Use Cases entstehen dort, wo Marketing, Data und Business gemeinsam Ziele setzen und das Team mitnehmen. Wie das gelingt, zeigt unser Beitrag zu <a href=\"\/de\/blog\/ki-kompetenz-im-team-aufbauen\/\">KI-Kompetenz im Team<\/a>.<\/li>\n<li class=\"uk-text-large\"><strong>Messlogik vor dem Start:<\/strong> Zielgr\u00f6\u00dfe, Vergleich und Zeitpunkt der Messung stehen fest, bevor der erste Prompt geschrieben wird.<\/li>\n<\/ol>\n<p class=\"uk-text-large\">Auf genau diesen drei Mustern baut auch die <a href=\"\/de\/blog\/hopmann-ai-foundation-agentic-marketing-intelligence-serie\/\">Hopmann AI Foundation<\/a> auf, unser strukturierter Weg von der Measurement Strategy bis zu Agentic Marketing Intelligence. Wie wir Unternehmen beim Einsatz von <a href=\"\/de\/marketing-analytics\/ki-im-marketing\/\">KI im Marketing<\/a> begleiten, erfahren Sie auf unserer Leistungsseite.<\/p>\n<figure>\n  <img decoding=\"async\" src=\"\/wp-content\/uploads\/KI-Use-Cases-skalieren-Hopmann-Recap-Return-on-AI-Event.png\" alt=\"Recap Return on AI: Austausch zu KI-Use-Cases skalieren bei Hopmann in M\u00fcnchen\" loading=\"lazy\" style=\"max-width:900px; width:100%; height:auto;\" \/><figcaption>Offener Austausch zu eigenen KI-Projekten bei Return on AI<\/figcaption><\/figure>\n<h2>Wie geht es weiter?<\/h2>\n<p class=\"uk-text-large\">Sie m\u00f6chten tiefer in KI im Reporting einsteigen? Beim n\u00e4chsten <strong>Raw &amp; Roasted<\/strong> nimmt Ioanna das Thema genauer unter die Lupe: mit Praxisbeispielen, einer Einsch\u00e4tzung zum Business Value und der Rolle menschlicher Expertise. Dazu gibt es frisch gebr\u00fchten Barista-Kaffee.<\/p>\n<p><!-- Event: Raw & Roasted KI im Reporting --><\/p>\n<div style=\"display:flex; flex-wrap:wrap; gap:1.5rem; align-items:flex-start; margin-bottom:2rem;\">\n<div style=\"flex:0 0 200px; max-width:100%;\">\n    <a href=\"\/de\/events\/ki-im-reporting\/\"><br \/>\n      <img decoding=\"async\" src=\"\/wp-content\/uploads\/Hopmann-Raw-Roasted-3.png\" alt=\"Raw &amp; Roasted: KI im Reporting mit Dr. Ioanna Kakoulidou, Event in M\u00fcnchen\" style=\"width:100%; height:auto;\" loading=\"lazy\" \/><br \/>\n    <\/a>\n  <\/div>\n<div style=\"flex:1; min-width:200px;\">\n<h3><a href=\"\/de\/events\/ki-im-reporting\/\">Raw &amp; Roasted: KI im Reporting | 29.10.26, 8:30 Uhr<\/a><\/h3>\n<p>29. Oktober 2026 \u00b7 M\u00fcnchen<\/p>\n<p class=\"uk-text-large\">Wo schafft KI im Reporting echten Mehrwert, von Dashboards \u00fcber Conversational Analytics bis zu proaktiven Insights? Praxisnaher Vortrag, Austausch und Barista-Kaffee.<\/p>\n<p>    <a href=\"\/de\/events\/ki-im-reporting\/\" class=\"uk-button uk-button-default\">Jetzt anmelden<\/a>\n  <\/div>\n<\/div>\n<p class=\"uk-text-large\">Ein herzliches Dankesch\u00f6n an unsere Panel-G\u00e4ste, an alle Teilnehmenden f\u00fcr die offenen Gespr\u00e4che und an den BVMW f\u00fcr die Zusammenarbeit. Alle weiteren Termine finden Sie in unserer <a href=\"\/de\/events\/\">Event-\u00dcbersicht<\/a>.<\/p>\n<hr class=\"uk-margin-medium\" \/>\n<div class=\"uk-flex uk-flex-middle\">\n  <img decoding=\"async\" class=\"uk-border-circle\" src=\"\/wp-content\/uploads\/HMA_Team_Susanne-Ullrich.jpg\" alt=\"Susanne Ullrich, Head of Marketing bei Hopmann Marketing Analytics\" width=\"64\" height=\"64\" style=\"width:64px; height:64px; object-fit:cover;\" loading=\"lazy\" \/><\/p>\n<div class=\"uk-margin-small-left\">\n<p class=\"uk-margin-remove\"><strong><a href=\"\/de\/unternehmen\/wer-wir-sind\/\">Susanne Ullrich<\/a><\/strong><\/p>\n<p class=\"uk-margin-remove uk-text-small\">Head of Marketing, Hopmann Marketing Analytics<\/p>\n<p class=\"uk-margin-small-top uk-text-small\">K\u00fcmmert sich um das Marketing bei Hopmann, mit einem Background als Wirtschafts-Ingenieurin und Erfahrung aus fast 20 Jahren im Marketing in internationalen B2B- und B2C-Unternehmen.<\/p>\n<\/p><\/div>\n<\/div>\n<\/div>\n<hr>\n<h3>\n<p style=\"text-align: center;\">Was beim Event gefragt wurde.<\/p>\n<\/h3>\n<h2>FAQ zum Thema &#8222;KI-Use-Cases skalieren&#8220;<\/h2>\n<ul>\n<li>\n<h3>Was bringt einen KI-Piloten erfolgreich in die Produktion?<\/h3>\n<div>Drei Dinge machen den Unterschied: ein belastbares Datenfundament, eine klare gemeinsame Verantwortung und eine Messlogik, die vor dem Start feststeht. Piloten, die von Beginn an in einem echten Arbeitsablauf laufen und ihren Nutzen schon in der Testphase zeigen, schaffen den Sprung in die Produktion am zuverl\u00e4ssigsten.<\/div>\n<\/li>\n<li>\n<h3>Wann ist ein KI-Use-Case reif f\u00fcr den Rollout?<\/h3>\n<div>Wenn er im Arbeitsalltag ganz selbstverst\u00e4ndlich genutzt wird und Kosten und Nutzen messbar sind. Ein guter Test: Wird das Tool drei Wochen nach der Demo noch aktiv genutzt? Vor jedem Skalierungsschritt lohnt sich ein neuer Blick auf die Wert-Gleichung, denn mit der Nutzung wachsen Wert und Betriebskosten gemeinsam.<\/div>\n<\/li>\n<li>\n<h3>Welche KPIs zeigen, ob sich ein KI-Use-Case skalieren l\u00e4sst?<\/h3>\n<div>Nutzung und Effizienz sind ein guter Anfang, der Return zeigt sich bei Qualit\u00e4t und Business Impact. Hilfreich sind Kennzahlen wie Zeit bis zur Entscheidung, Fehlerquote, Kosten je Vorgang sowie die Wirkung auf Marge oder Umsatz. Gemessen wird gegen eine Vergleichsgruppe oder Baseline.<\/div>\n<\/li>\n<li>\n<h3>Wer sollte im Unternehmen die Verantwortung f\u00fcr KI-Use-Cases tragen?<\/h3>\n<div>Am besten IT und Fachbereich gemeinsam. Die IT sichert Daten, Sicherheit und Betrieb, der Fachbereich definiert den Nutzen und gestaltet den Prozess. So verbinden sich Umsetzungskraft und Gesch\u00e4ftsbezug.<\/div>\n<\/li>\n<li>\n<h3>Welchen strategischen Hebel bietet ein Datenfundament f\u00fcr den Return on AI?<\/h3>\n<div>Ein sauberes Datenfundament mit einheitlichen Kennzahlen macht KI-Ergebnisse vertrauensw\u00fcrdig und h\u00e4lt den Pr\u00fcfaufwand klein. Die gewonnene Zeit kommt so tats\u00e4chlich im Alltag an, und KI l\u00e4sst sich \u00fcber einzelne Piloten hinaus skalieren. F\u00fcr das Management bedeutet das schnellere Entscheidungen auf einer Basis, der alle Bereiche vertrauen.<\/div>\n<\/li>\n<li>\n<h3>Wie l\u00e4sst sich der Nutzen von KI im Reporting belegen?<\/h3>\n<div>\u00dcber die Time to Decision: Wie schnell wird aus einer Frage eine Entscheidung? Erg\u00e4nzend helfen die Zahl der Ad-hoc-Tickets, die Dauer von Forecast-Zyklen und eine stabile Qualit\u00e4t der Ergebnisse. Eine Baseline vor der Einf\u00fchrung macht die Ver\u00e4nderung sp\u00e4ter sichtbar.<\/div>\n<\/li>\n<\/ul>\n<hr>\n<p><p>\n        Vorheriger Artikel    <\/p>\n<\/p>\n<p><p>\n        N\u00e4chster Artikel    <\/p>\n<\/p>\n<hr>\n<div>Neueste Artikel<\/div>\n<div>\n<\/div>\n<div>Kategorien<\/div>\n<div>\n<\/div>\n<p><!--more--><br \/>\n<!-- {\"type\":\"layout\",\"children\":[{\"type\":\"section\",\"props\":{\"animation\":\"slide-bottom-medium\",\"animation_delay\":\"50\",\"height\":\"page\",\"image_position\":\"center-center\",\"padding_bottom\":\"large\",\"padding_top\":\"none\",\"style\":\"default\",\"title_breakpoint\":\"xl\",\"title_position\":\"top-left\",\"title_rotation\":\"left\",\"vertical_align\":\"\",\"width\":\"large\"},\"children\":[{\"type\":\"row\",\"props\":{\"column_gap\":\"large\",\"layout\":\"2-3,1-3\",\"padding_remove_horizontal\":false,\"row_gap\":\"large\"},\"children\":[{\"type\":\"column\",\"props\":{\"image_position\":\"center-center\",\"position_sticky_breakpoint\":\"m\",\"width_large\":\"2-3\"},\"children\":[{\"type\":\"headline\",\"props\":{\"image_align\":\"left\",\"image_margin\":\"xsmall\",\"margin_bottom\":\"remove\",\"title_element\":\"div\",\"title_style\":\"text-meta\"},\"source_extended\":{\"props\":{\"content\":{\"composed\":{\"value\":\"{{ sources.46d0 }}\",\"sources\":{\"46d0\":{\"name\":\"field.subline\",\"query\":{\"name\":\"#parent\"}}},\"conditions\":[]}}}}},{\"type\":\"headline\",\"props\":{\"image_align\":\"left\",\"image_margin\":\"xsmall\",\"margin_bottom\":\"small\",\"margin_top\":\"small\",\"title_element\":\"h1\",\"title_style\":\"h1\"},\"source_extended\":{\"props\":{\"content\":{\"name\":\"title\",\"query\":{\"name\":\"#parent\"}}}}},{\"type\":\"divider\",\"props\":{\"divider_element\":\"hr\",\"margin_bottom\":\"remove\",\"margin_top\":\"medium\"}},{\"type\":\"fragment\",\"props\":{\"margin_bottom\":\"remove\",\"margin_top\":\"remove\"},\"children\":[{\"type\":\"row\",\"props\":{\"css\":\".el-row {\\n\\tmargin-top: 8px;\\n    margin-bottom: 8px;\\n}\",\"layout\":\"1-2,1-2\",\"margin_bottom\":\"large\",\"margin_top\":\"large\",\"yooessentials_access_conditions\":[],\"yooessentials_access_mode\":\"AND\"},\"children\":[{\"type\":\"column\",\"props\":{\"image_position\":\"center-center\",\"position_sticky_breakpoint\":\"m\",\"vertical_align\":\"middle\",\"width_default\":\"1-2\"},\"children\":[{\"type\":\"panel\",\"props\":{\"content_column_breakpoint\":\"m\",\"image_align\":\"left\",\"image_border\":\"circle\",\"image_grid_breakpoint\":\"\",\"image_grid_column_gap\":\"small\",\"image_grid_row_gap\":\"medium\",\"image_grid_width\":\"auto\",\"image_height\":40,\"image_svg_color\":\"emphasis\",\"image_vertical_align\":true,\"image_width\":40,\"link_style\":\"default\",\"link_text\":\"Read more\",\"margin_bottom\":\"\",\"margin_top\":\"\",\"meta_align\":\"below-title\",\"meta_element\":\"div\",\"meta_style\":\"text-meta\",\"title_align\":\"top\",\"title_element\":\"h3\",\"title_font_family\":\"tertiary\",\"title_grid_breakpoint\":\"m\",\"title_grid_width\":\"1-2\",\"title_hover_style\":\"reset\",\"title_style\":\"text-small\"},\"source_extended\":{\"props\":{\"image\":{\"name\":\"field.foto.url\",\"query\":{\"name\":\"#parent\"}},\"title\":{\"composed\":{\"value\":\"\",\"sources\":[],\"conditions\":[]}},\"content\":{\"composed\":{\"value\":\"{{ sources.5d02 }}, {{ sources.67e8 }}\",\"sources\":{\"5d02\":{\"name\":\"field.autor\",\"query\":{\"name\":\"#parent\"},\"filters\":{\"search\":\"\"}},\"67e8\":{\"name\":\"field.datum\",\"query\":{\"name\":\"#parent\"},\"filters\":{\"search\":\"\",\"date\":\"d.m.Y\"}}},\"conditions\":[]}},\"content_en_us\":{\"composed\":{\"value\":\"{{ sources.cce3 }} on {{ sources.4656 }}\",\"sources\":{\"4656\":{\"name\":\"date\",\"query\":{\"name\":\"blogs.singleBlog\"},\"filters\":{\"date\":\"\"}},\"cce3\":{\"filters\":{\"search\":\"\"},\"name\":\"field.autor\",\"query\":{\"name\":\"blogs.singleBlog\"}}},\"conditions\":[]}}}},\"name\":\"Verfasser\"}]},{\"type\":\"column\",\"props\":{\"image_position\":\"center-center\",\"position_sticky_breakpoint\":\"m\",\"vertical_align\":\"middle\",\"width_default\":\"1-2\"},\"children\":[{\"type\":\"yooessentials_social_sharing\",\"props\":{\"class\":\"social-sharing-blog\",\"grid\":\"horizontal\",\"grid_column_gap\":\"small\",\"grid_row_gap\":\"small\",\"image_svg_inline\":true,\"link_style\":\"link\",\"margin_bottom\":\"default\",\"margin_top\":\"default\",\"text_align\":\"right\"},\"children\":[{\"type\":\"yooessentials_social_sharing_item\",\"props\":{\"link_target\":\"_blank\",\"link_target_height\":\"\",\"link_target_width\":\"\",\"network\":\"linkedin\"}}],\"name\":\"Teilen\"}]}]}]},{\"type\":\"divider\",\"props\":{\"divider_element\":\"hr\",\"margin_bottom\":\"medium\",\"margin_top\":\"remove\"}},{\"type\":\"html\",\"props\":{\"content\":\"\"},\"name\":\"--- \/\/ Content Start \/\/ ---\"},{\"type\":\"html\",\"props\":{\"content\":\"\n\n<div class=\\\"uk-card uk-card-default uk-card-body uk-margin-medium-bottom\\\">\\n  \n\n<p class=\\\"uk-h4\\\">Kurz zusammengefasst<\/p>\n\n\\n  \n\n<p class=\\\"uk-text-large\\\">Wie wird aus einer KI-Investition ein messbarer Beitrag zum Gesch\u00e4ftserfolg? Mit dieser Frage war <strong>Return on AI<\/strong>, unser Event mit dem BVMW in M\u00fcnchen, ausgebucht. Die wichtigste Erkenntnis des Abends: Der gr\u00f6\u00dfte Hebel liegt selten im Tool. Ob im Panel mit Stimmen aus Konzernen und Mittelstand oder in den vier Sessions: Wer <strong>KI-Use-Cases skalieren<\/strong> will, setzt auf ein solides Datenfundament, geteilte Verantwortung und eine Messlogik, die vor dem Start steht. F\u00fcr das Management hei\u00dft das: KI-Budget wirkt dort am st\u00e4rksten, wo es eine konkrete Entscheidung oder einen Prozess verbessert, und genau dort l\u00e4sst sich der Return on AI messen.<\/p>\n\n\\n  \n\n<p class=\\\"uk-text-large\\\"><strong>Key Insights:<\/strong><\/p>\n\n\\n  \n\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n    \n\n<li><strong>Das Datenfundament gibt das Tempo vor:<\/strong> Mit sauberen Daten, einem verl\u00e4sslichen semantischen Modell und klaren Zust\u00e4ndigkeiten gewinnen KI-Ergebnisse schnell Vertrauen.<\/li>\n\n\\n    \n\n<li><strong>Messen macht Wirkung sichtbar:<\/strong> Baseline, Vergleichsgruppe und ein fester Messzeitpunkt machen den Nutzen eines KI-Use-Cases belegbar.<\/li>\n\n\\n    \n\n<li><strong>Lieber grob, aber lauff\u00e4hig:<\/strong> Ein Pilot im echten Arbeitsablauf zeigt fr\u00fch seinen Wert. F\u00fcr kundennahe und regulierte Themen gelten h\u00f6here Standards.<\/li>\n\n\\n    \n\n<li><strong>Menschen skalieren mit:<\/strong> Trainings, Freiraum und Vertrauen im Team sind genauso wichtig wie die Technik.<\/li>\n\n\\n  <\/ul>\n\n\\n<\/div>\n\n\\n\\n\n\n<h2>Return on AI: Worum ging es beim Event?<\/h2>\n\n\\n\n\n<p class=\\\"uk-text-large\\\">Am 20. Oktober 2026 haben wir gemeinsam mit dem BVMW zu <a href=\\\"\/de\/events\/return-on-ai\/\\\">Return on AI<\/a> in unser M\u00fcnchner B\u00fcro eingeladen. \u00dcber allem stand die Frage: <strong>Wie wird aus KI-Investitionen messbare Wertsch\u00f6pfung?<\/strong> Zu Gast waren F\u00fchrungskr\u00e4fte aus Marketing, IT, Data und AI. Viele brachten eigene KI-Projekte mit, entsprechend konkret wurde diskutiert. Die Themen hatten wir vorab im Beitrag <a href=\\\"\/de\/blog\/ki-investitionen-die-sich-rechnen\/\\\">KI-Investitionen, die sich rechnen<\/a> skizziert. Return on AI kn\u00fcpft an unser Sommer-Event mit dem BVMW an, dessen Erkenntnisse Sie im Recap <a href=\\\"\/de\/blog\/agentic-ai-im-mittelstand-kernthesen\/\\\">Agentic AI im Mittelstand<\/a> nachlesen k\u00f6nnen.<\/p>\n\n\\n\n\n<p class=\\\"uk-text-large\\\">Den Auftakt machte ein Panel mit vier G\u00e4sten. Danach ging es in vier interaktive Sessions, in denen die Teilnehmenden offen von ihren eigenen Projekten erz\u00e4hlt haben.<\/p>\n\n\\n\\n\n\n<figure>\\n  <img src=\\\"\/wp-content\/uploads\/KI-Use-Cases-skalieren-_Return-on-AI_-Event-Muenchen-Hopmann.png\\\" alt=\\\"KI-Use-Cases skalieren: Return on AI Event von Hopmann und BVMW in M\u00fcnchen\\\" loading=\\\"lazy\\\" style=\\\"max-width:900px; width:100%; height:auto;\\\" \/>\\n  \n \n<figcaption>Return on AI am 20. Oktober 2026 im Hopmann-B\u00fcro, M\u00fcnchen<\/figcaption>\n \n\\n<\/figure>\n\n\\n\\n\n\n<h2>Panel: Wie sich KI-Use-Cases skalieren lassen<\/h2>\n\n\\n\n\n<p class=\\\"uk-text-large\\\">Moderiert von J\u00f6rg Hopmann diskutierten:<\/p>\n\n\\n\n\n<div class=\\\"uk-grid-small uk-child-width-1-2 uk-child-width-1-4@m uk-margin\\\" uk-grid>\\n  \n\n<div>\\n    <img src=\\\"\/wp-content\/uploads\/Kerstin-Weidenbach-Koschnike-Acconsis-_-AI-Event-Muenchen.png\\\" alt=\\\"Kerstin Weidenbach-Koschnike\\\" style=\\\"width:100%; height:auto;\\\" loading=\\\"lazy\\\" \/>\\n    \n\n<p class=\\\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\\\"><strong>Kerstin Weidenbach-Koschnike<\/strong><\/p>\n\n\\n  <\/div>\n\n\\n  \n\n<div>\\n    <img src=\\\"\/wp-content\/uploads\/Stefan-Berge-Planet-Home-_-AI-Event-Muenchen.png\\\" alt=\\\"Stefan Berge\\\" style=\\\"width:100%; height:auto;\\\" loading=\\\"lazy\\\" \/>\\n    \n\n<p class=\\\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\\\"><strong>Stefan Berge<\/strong><\/p>\n\n\\n  <\/div>\n\n\\n  \n\n<div>\\n    <img src=\\\"\/wp-content\/uploads\/Chris-Schoemmer-AWS-AI-Event-Muenchen.png\\\" alt=\\\"Chris Sch\u00f6mmer\\\" style=\\\"width:100%; height:auto;\\\" loading=\\\"lazy\\\" \/>\\n    \n\n<p class=\\\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\\\"><strong>Chris Sch\u00f6mmer<\/strong><\/p>\n\n\\n  <\/div>\n\n\\n  \n\n<div>\\n    <img src=\\\"\/wp-content\/uploads\/Israel-Barcellos-Pereira-BSH-_-AI-Event-Muenchen.png\\\" alt=\\\"Israel Barcellos Pereira\\\" style=\\\"width:100%; height:auto;\\\" loading=\\\"lazy\\\" \/>\\n    \n\n<p class=\\\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\\\"><strong>Israel Barcellos Pereira<\/strong><\/p>\n\n\\n  <\/div>\n\n\\n<\/div>\n\n\\n\n\n<p class=\\\"uk-text-large\\\">Auf dem Podium sa\u00dfen Perspektiven aus gro\u00dfen Unternehmen und dem Mittelstand. Trotz unterschiedlicher Branchen kamen vier Punkte immer wieder auf:<\/p>\n\n\\n\n\n<p class=\\\"uk-text-large\\\"><strong>Freiraum mit klarer Zielvorgabe.<\/strong> In allen H\u00e4usern wird experimentiert, oft ganz bewusst mit viel Freiheit. Mitarbeitende probieren neue Tools selbst aus und bringen sie als Ambassadors in ihre Teams. Flie\u00dft Budget, kommt eine klare Zielvorgabe mit Business Case dazu. Ideen, deren Zeit noch kommt, wandern in einen Ideenpool und lassen sich sp\u00e4ter wieder hervorholen.<\/p>\n\n\\n\n\n<p class=\\\"uk-text-large\\\"><strong>Vom Pilot zur Strategie.<\/strong> Ein Pilot liefert mehr als ein Ergebnis. Er zeigt, welche Daten im Haus vorhanden sind und wo KI wirklich hilft. Daraus w\u00e4chst eine Strategie: Welches Modell passt zu welchem Zweck, und welche Ziele verfolgt der KI-Einsatz? Die Beispiele aus der Runde reichten von Lead Scoring \u00fcber die Optimierung von Produktportfolios bis zur Produktverbesserung anhand von Kundenbewertungen.<\/p>\n\n\\n\n\n<p class=\\\"uk-text-large\\\"><strong>Das Datenfundament gibt das Tempo vor.<\/strong> Den gr\u00f6\u00dften Hebel sah die Runde in einer klaren Datenbasis. Wer fr\u00fch in Datenqualit\u00e4t, Zugriffsrechte und Kontext investiert hat, kann jetzt deutlich schneller neue Use Cases umsetzen. Welche Rolle das Datenfundament gerade f\u00fcr mittelst\u00e4ndische Unternehmen spielt, beschreiben wir im Beitrag <a href=\\\"\/de\/blog\/ki-im-mittelstand\/\\\">KI im Mittelstand<\/a>.<\/p>\n\n\\n\n\n<p class=\\\"uk-text-large\\\"><strong>\u201eKeiner bleibt zur\u00fcck.\u201c<\/strong> KI wird Alltag, wenn das ganze Team mitgeht. Dazu geh\u00f6ren Trainings f\u00fcr konkrete Tools, klare Regeln im Umgang mit Daten, gemeinsame Rituale und offene Gespr\u00e4che dar\u00fcber, welche Rolle Mitarbeitende k\u00fcnftig spielen. Compliance, DSGVO und eine sichere Sandbox schaffen dabei den Rahmen, in dem KI auch in sensiblen Bereichen und bei Kunden zum Einsatz kommt.<\/p>\n\n\\n\n\n<p class=\\\"uk-text-large\\\"><strong>Kernthese:<\/strong> KI-Use-Cases skalieren dort, wo Freiraum zum Ausprobieren auf ein sauberes Datenfundament und eine klare Zielvorgabe trifft.<\/p>\n\n\\n\\n<!-- PLATZHALTER MULTIPICTURE: Galerie mit Eventfotos hier einf\u00fcgen -->\\n\\n<\/p>\n<h2>Wie sich der Nutzen von KI belegen l\u00e4sst<\/h2>\n<p>\\n<\/p>\n<div class=\\\"uk-flex uk-flex-middle uk-margin\\\">\\n  <img class=\\\"uk-border-circle\\\" src=\\\"\/wp-content\/uploads\/joerg-hopmann.jpg\\\" alt=\\\"J\u00f6rg Hopmann\\\" width=\\\"64\\\" height=\\\"64\\\" style=\\\"width:64px; height:64px; object-fit:cover;\\\" loading=\\\"lazy\\\" \/>\\n  <\/p>\n<p class=\\\"uk-margin-small-left uk-margin-remove-bottom\\\"><strong>J\u00f6rg Hopmann<\/strong><\/p>\n<p>\\n<\/p><\/div>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">J\u00f6rg er\u00f6ffnete seine Session \u201eAI Impact: Wirkung messen, Wert belegen\u201c mit zwei Fragen an den Raum: Hat KI Ihr Team produktiver gemacht? Und woher wissen Sie das? Zwei Fragen, die den Raum sofort ins Gespr\u00e4ch brachten. Die wichtigsten Impulse:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Messen lohnt sich:<\/strong> In einem <a href=\\\"https:\/\/metr.org\/blog\/2025-07-10-early-2025-ai-experienced-os-dev-study\/\\\" rel=\\\"noopener noreferrer\\\" target=\\\"_blank\\\">Experiment von METR<\/a> sch\u00e4tzten erfahrene Fachleute aus der Softwareentwicklung, dass KI sie um 20 Prozent schneller gemacht hat. Die Messung ergab 19 Prozent mehr Zeitaufwand.<\/li>\n<p>\\n  <\/p>\n<li><strong>Die J-Kurve einplanen:<\/strong> Nach der Einf\u00fchrung braucht ein Team oft erst Anlauf, die Produktivit\u00e4tsgewinne folgen danach. Ein vorab festgelegter Messzeitpunkt gibt dem Use Case die n\u00f6tige Zeit.<\/li>\n<p>\\n  <\/p>\n<li><strong>Helfer oder Ver\u00e4nderer:<\/strong> Als Helfer spart KI Zeit und Kosten. Als Ver\u00e4nderer verbessert sie Entscheidungen \u00fcber Preise, Budgets und Ressourcen, und dort liegt der gr\u00f6\u00dfere Hebel.<\/li>\n<p>\\n  <\/p>\n<li><strong>Bestehende KPIs weiter nutzen:<\/strong> Beschleunigt KI einen bestehenden Prozess, funktionieren die bisherigen Kennzahlen weiter, etwa Durchl\u00e4ufe pro Stunde. Bei neuen Prozessen entsteht die passende Kennzahl mit der Zeit, und bei echten Innovationen darf am Anfang auch das Bauchgef\u00fchl stehen.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Wie gro\u00df der Unterschied zwischen Helfer und Ver\u00e4nderer sein kann, zeigte ein illustratives Rechenbeispiel: Spart eine Analytics-Fachkraft 20 Prozent ihrer Zeit, entspricht das rund 18.000 Euro im Jahr. Wird ein Mediabudget von 10 Millionen Euro um 3 Prozent besser verteilt, arbeiten 300.000 Euro k\u00fcnftig wirksamer. Der eigentliche Ertrag zeigt sich dann in zus\u00e4tzlichen Leads, mehr Umsatz oder einem h\u00f6heren ROAS. F\u00fcr solche Budgetfragen ist <a href=\\\"\/de\/marketing-analytics\/marketing-science\/mmm\/\\\">Marketing Mix Modeling<\/a> eine bew\u00e4hrte Methode. Was dahintersteckt, erkl\u00e4ren wir im Beitrag <a href=\\\"\/de\/blog\/marketing-mix-modeling-mmm-definition-bedeutung\/\\\">Was ist Marketing Mix Modeling?<\/a><\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Zur Orientierung stellte J\u00f6rg eine <strong>Messleiter<\/strong> mit vier Stufen vor: Nutzung, Effizienz, Qualit\u00e4t und Business Impact. Auf der vierten Stufe zeigt sich der Return.<\/p>\n<p>\\n<\/p>\n<figure>\\n  <img src=\\\"\/wp-content\/uploads\/Return-on-AI_Hopmann_Session.png\\\" alt=\\\"KI-Nutzen messen mit der Messleiter: Nutzung, Effizienz, Qualit\u00e4t und Business Impact\\\" loading=\\\"lazy\\\" style=\\\"max-width:900px; width:100%; height:auto;\\\" \/>\\n<figcaption>Die Messleiter aus J\u00f6rgs Session: Der Return entsteht auf Stufe 4<\/figcaption>\\n<\/figure>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Wie sich diese Logik in einem <a href=\\\"\/de\/blog\/measurement-framework\/\\\">Measurement Framework<\/a> verankern l\u00e4sst, beschreiben wir in einem eigenen Beitrag. Einen \u00dcberblick \u00fcber bew\u00e4hrte Kennzahlensysteme gibt unser Vergleich der <a href=\\\"\/de\/blog\/strategische-kpi-frameworks-im-marketing\/\\\">strategischen KPI Frameworks im Marketing<\/a>.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>Kernthese:<\/strong> Wer Zielgr\u00f6\u00dfe, Vergleichsgruppe und Messzeitpunkt vor dem Start festlegt, kann den Wert eines Piloten am Ende klar belegen.<\/p>\n<p>\\n\\n<\/p>\n<h2>Wie man KI-Use-Cases von Anfang an skalierbar zuschneidet<\/h2>\n<p>\\n<\/p>\n<div class=\\\"uk-flex uk-flex-middle uk-margin\\\">\\n  <img class=\\\"uk-border-circle\\\" src=\\\"\/wp-content\/uploads\/HMA_Team_Tobias-Lanzl-scaled.jpg\\\" alt=\\\"Tobias Lanzl\\\" width=\\\"64\\\" height=\\\"64\\\" style=\\\"width:64px; height:64px; object-fit:cover;\\\" loading=\\\"lazy\\\" \/>\\n  <\/p>\n<p class=\\\"uk-margin-small-left uk-margin-remove-bottom\\\"><strong>Tobias Lanzl<\/strong><\/p>\n<p>\\n<\/p><\/div>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">\u201eStarten ist leicht. Spannend wird es danach.\u201c Mit diesem Gedanken stieg Tobias in seine Session \u201eAI Use Cases pragmatisch starten und skalieren\u201c ein. Als Werkzeug brachte er eine einfache <strong>Wert-Gleichung<\/strong> mit: betroffene F\u00e4lle \u00d7 H\u00e4ufigkeit \u00d7 Mehrwert pro Fall. Gemeint ist der Gewinn, den KI pro Fall bringt, etwa gesparte Zeit, ein vermiedener Fehler oder eine schnellere Entscheidung. Davon gehen die Kosten f\u00fcr Aufbau, Betrieb und Prozessanpassung ab. Hinzu kommt der Wert des Handelns, denn wer fr\u00fch startet, setzt den Ma\u00dfstab im Markt. Den gr\u00f6\u00dften Nutzen bringt KI dort, wo sie eine Entscheidung oder einen Arbeitsablauf ver\u00e4ndert.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Beim Zuschnitt eines Piloten gibt es zwei Wege: einen <strong>schmalen Ausschnitt in hoher Qualit\u00e4t<\/strong> oder den <strong>vollen fachlichen Umfang in einfacher Reife<\/strong>. Tobias&#8216; Faustregel: Ist der Nutzen klar und die Technik die offene Frage, wird der Umfang begrenzt. Ist die Technik erprobt und der Nutzen noch offen, wird die technische Reife begrenzt: zun\u00e4chst nur die Kernfunktion, Sonderf\u00e4lle, Integration und Monitoring folgen sp\u00e4ter. Sp\u00e4ter w\u00e4chst der Use Case entlang genau dieser Achse.<\/p>\n<p>\\n<\/p>\n<figure>\\n  <img src=\\\"\/wp-content\/uploads\/BVMW_Scaling_AI_Use_Cases_Tobias-scaled.png\\\" alt=\\\"KI-Use-Cases skalieren: zwei Wege, einen KI-Piloten zuzuschneiden\\\" loading=\\\"lazy\\\" style=\\\"max-width:900px; width:100%; height:auto;\\\" \/>\\n<figcaption>Zwei Wege, einen Piloten zuzuschneiden: schmal und robust oder breit und einfach<\/figcaption>\\n<\/figure>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Aus der Diskussion nahm Tobias vier Punkte mit:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Geteilte Verantwortung:<\/strong> Piloten, die IT und Fachbereich gemeinsam tragen, kommen am weitesten.<\/li>\n<p>\\n  <\/p>\n<li><strong>Lieber grob, aber lauff\u00e4hig:<\/strong> Auf die Frage \u201eAcht Wochen: wenige F\u00e4lle sauber oder alles grob?\u201c entschied sich die Runde klar f\u00fcr die funktionierende L\u00f6sung.<\/li>\n<p>\\n  <\/p>\n<li><strong>Klare Leitplanken:<\/strong> Gehen Ergebnisse direkt an Kunden oder geht es um regulierte Bereiche, gilt von Anfang an der volle Qualit\u00e4tsanspruch.<\/li>\n<p>\\n  <\/p>\n<li><strong>Nutzen fr\u00fch zeigen:<\/strong> Am \u00fcberzeugendsten sind Piloten, die Kosten und Nutzen schon in der Testphase sichtbar machen.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Sie planen gerade einen KI-Piloten oder m\u00f6chten einen bestehenden Use Case skalieren? Wir sind gerne Ihr <strong>Sparring-Partner<\/strong>, vom Zuschnitt des Piloten bis zur Messlogik. <a href=\\\"\/de\/kontakt\/\\\">Sprechen Sie uns an<\/a>.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>Kernthese:<\/strong> Ein KI-Pilot mit klarem Zuschnitt und fr\u00fch sichtbarem Nutzen hat die besten Chancen auf den Rollout.<\/p>\n<p>\\n\\n<\/p>\n<h2>Smart Reporting: Warum Vertrauen vor Tempo kommt<\/h2>\n<p>\\n<\/p>\n<div class=\\\"uk-flex uk-flex-middle uk-margin\\\">\\n  <img class=\\\"uk-border-circle\\\" src=\\\"\/wp-content\/uploads\/HMA_Team_Ioanna-Kakoulidou.jpg\\\" alt=\\\"Dr. Ioanna Kakoulidou\\\" width=\\\"64\\\" height=\\\"64\\\" style=\\\"width:64px; height:64px; object-fit:cover;\\\" loading=\\\"lazy\\\" \/>\\n  <\/p>\n<p class=\\\"uk-margin-small-left uk-margin-remove-bottom\\\"><strong>Dr. Ioanna Kakoulidou<\/strong><\/p>\n<p>\\n<\/p><\/div>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">In ihrer Session \u201eSmart Reporting mit AI: Dashboards, Dialog &amp; Insights\u201c stellte Ioanna drei Einsatzfelder vor:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Dashboards schneller bauen:<\/strong> KI entwirft Berechnungen, Berichtsstrukturen und Formatierungen, das Team verfeinert und validiert. Wie das in der Praxis aussieht, zeigt unser Beitrag zu <a href=\\\"\/de\/blog\/power-bi-claude\/\\\">Power BI und Claude<\/a>.<\/li>\n<p>\\n  <\/p>\n<li><strong>Daten im Dialog befragen:<\/strong> Fragen in nat\u00fcrlicher Sprache, etwa \u00fcber Teams oder ein Chat-Interface, beantwortet ein angebundener Assistent direkt aus den Unternehmensdaten.<\/li>\n<p>\\n  <\/p>\n<li><strong>Insights als Briefing erhalten:<\/strong> Wiederkehrende Zusammenfassungen und vereinbarte Auff\u00e4lligkeiten landen automatisch bei den Verantwortlichen, die dann \u00fcber die n\u00e4chsten Schritte entscheiden.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Ein Beispiel aus unserem Projektalltag ist eine <a href=\\\"\/de\/blog\/ki-gestuetzte-tableau-power-bi-migration\/\\\">KI-gest\u00fctzte Tableau Power BI Migration<\/a>. Vor einer Lizenzverl\u00e4ngerung wurden acht Workbooks mit mehr als 40 Dashboards migriert, mit rund 25 Prozent weniger Aufwand als bei einem \u00e4hnlich komplexen fr\u00fcheren Projekt. Die KI k\u00fcmmerte sich um wiederkehrende Aufgaben wie Formel\u00fcbersetzung und Formatierung. Das Analytics-Team verantwortete Datenmodell, Gesch\u00e4ftslogik und die Pr\u00fcfung jeder einzelnen Zahl. Wie eine solche Migration grunds\u00e4tzlich abl\u00e4uft, zeigt unser Leitfaden <a href=\\\"\/de\/blog\/tableau-zu-power-bi-migrieren\/\\\">Tableau zu Power BI migrieren<\/a>.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Der rote Faden durch alle drei Felder ist die <strong>Time to Decision<\/strong>, also die Zeit, bis aus einer Frage eine Entscheidung wird. Daraus ergeben sich die passenden KPIs, zum Beispiel die Zahl der Ad-hoc-Tickets oder die Dauer eines Forecast-Zyklus. Der Wert von KI im Reporting zeigt sich in schnelleren und besseren Entscheidungen.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Ioannas Fazit aus der Diskussion:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Vertrauen entsteht im Fundament:<\/strong> Datenqualit\u00e4t, ein verl\u00e4sslicher <a href=\\\"\/de\/blog\/semantic-layer-fuer-ki-im-marketing\/\\\">Semantic Layer<\/a> und klare Daten-Ownership wurden von allen Seiten des Tisches genannt. Wie Semantic Layer und Context Layer zusammenspielen, erkl\u00e4ren wir im Beitrag <a href=\\\"\/de\/blog\/semantic-layer-vs-context-layer\/\\\">Semantic Layer vs. Context Layer<\/a>.<\/li>\n<p>\\n  <\/p>\n<li><strong>Verl\u00e4ssliche Ergebnisse sparen Zeit:<\/strong> Viele nutzen KI bereits f\u00fcr SQL, HTML-Reports oder schnelle Analysen. Je verl\u00e4sslicher die Ergebnisse, desto mehr Zeit bleibt am Ende tats\u00e4chlich \u00fcbrig.<\/li>\n<p>\\n  <\/p>\n<li><strong>KI und Dashboards im Zusammenspiel:<\/strong> Ihre volle St\u00e4rke spielt KI derzeit neben klassischen <a href=\\\"\/de\/marketing-analytics\/marketing-dashboards-reports\/\\\">Dashboards<\/a> aus: bei Prototypen, neuen Fragestellungen und der Suche nach den Treibern der Performance. Mehr dazu im Recap unseres Webinars <a href=\\\"\/de\/blog\/ai-gestuetzte-analysen-webinar-recap-faq\/\\\">AI-gest\u00fctzte Analysen, die im Alltag funktionieren<\/a>.<\/li>\n<p>\\n  <\/p>\n<li><strong>Eine neue Rolle f\u00fcr BI-Teams:<\/strong> Analytics- und BI-Teams sichern die Datenbasis und helfen anderen, die richtigen Fragen zu stellen.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>Kernthese:<\/strong> KI im Reporting schafft Wert, wenn sie auf einem verl\u00e4sslichen semantischen Modell aufsetzt und Entscheidungen beschleunigt.<\/p>\n<p>\\n\\n<\/p>\n<h2>AI Search: Sichtbarkeit als messbarer Kanal<\/h2>\n<p>\\n<\/p>\n<div class=\\\"uk-flex uk-flex-middle uk-margin\\\">\\n  <img class=\\\"uk-border-circle\\\" src=\\\"\/wp-content\/uploads\/Constanze-Bogner-Hopmann.png\\\" alt=\\\"Constanze Bogner\\\" width=\\\"64\\\" height=\\\"64\\\" style=\\\"width:64px; height:64px; object-fit:cover;\\\" loading=\\\"lazy\\\" \/>\\n  <\/p>\n<p class=\\\"uk-margin-small-left uk-margin-remove-bottom\\\"><strong>Constanze Bogner<\/strong><\/p>\n<p>\\n<\/p><\/div>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Immer mehr Menschen stellen ihre Fragen direkt an ChatGPT, Gemini oder Perplexity. In ihrer Session \u201eAI Search: Sichtbarkeit messen, Wirkung steigern\u201c zeigte Constanze, welche Chance darin liegt:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Antworten entstehen im KI-Dialog:<\/strong> Laut einer <a href=\\\"https:\/\/www.pewresearch.org\/short-reads\/2025\/07\/22\/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results\/\\\" rel=\\\"noopener noreferrer\\\" target=\\\"_blank\\\">Auswertung von Pew Research<\/a> mit den Browsing-Daten von 900 US-Erwachsenen klickten Nutzende bei Google-Suchen mit KI-Zusammenfassung in 8 Prozent der F\u00e4lle auf ein klassisches Suchergebnis, ohne Zusammenfassung waren es 15 Prozent.<\/li>\n<p>\\n  <\/p>\n<li><strong>Besuche mit klarer Kaufabsicht:<\/strong> Bei Ahrefs etwa brachte KI-Suche 0,5 Prozent der Besuche, aber 12,1 Prozent der Anmeldungen.<\/li>\n<p>\\n  <\/p>\n<li><strong>Der Blick in die Antworten:<\/strong> Eine eigene Messung zeigt, bei welchen Fragen die eigene Marke genannt wird und welche Wettbewerber daneben erscheinen. Welche <a href=\\\"\/de\/blog\/neue-kpis-webseitenmessung-ai-search\/\\\">neuen KPIs f\u00fcr die Webseitenmessung<\/a> daf\u00fcr sinnvoll sind, haben wir zusammengefasst.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">F\u00fcr die Messung stellte Constanze eine <strong>Wirkungskette<\/strong> vor, die von Erw\u00e4hnungen und Zitierungen \u00fcber KI-Traffic bis zu Leads und Umsatz reicht. Drei Punkte machen sie belastbar:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Baseline vor der Optimierung:<\/strong> Wer den Ausgangswert erfasst, kann die Wirkung sp\u00e4terer Ma\u00dfnahmen klar belegen.<\/li>\n<p>\\n  <\/p>\n<li><strong>Wiederholte Messungen:<\/strong> Da Sprachmodelle bei jeder Anfrage etwas anders antworten, liefern standardisierte Messungen \u00fcber mehrere Modelle das verl\u00e4sslichste Bild.<\/li>\n<p>\\n  <\/p>\n<li><strong>Tool oder eigene L\u00f6sung:<\/strong> Was besser passt, h\u00e4ngt von den Anforderungen ab. Einen \u00dcberblick gibt unser Beitrag <a href=\\\"\/de\/blog\/ai-search-visibility-messen\/\\\">AI Search Visibility messen<\/a>, die konkrete Umsetzung zeigt <a href=\\\"\/de\/blog\/ai-visibility-tracken\/\\\">AI Visibility tracken<\/a>.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>Kernthese:<\/strong> AI Search wird zum Business Case, wenn Sichtbarkeit in KI-Antworten mit Leads und Umsatz verkn\u00fcpft ist.<\/p>\n<p>\\n\\n<\/p>\n<h2>Was alle Runden verbindet<\/h2>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Vier Formate, viele Branchen, und doch tauchten in jeder Runde dieselben drei Muster auf:<\/p>\n<p>\\n<\/p>\n<ol class=\\\"uk-list uk-list-decimal\\\">\\n  <\/p>\n<li class=\\\"uk-text-large\\\"><strong>Datenfundament zuerst:<\/strong> Ob im Panel, im Reporting oder bei AI Search: KI-Ergebnisse \u00fcberzeugen, wenn Daten verl\u00e4sslich und Begriffe einheitlich definiert sind. In unseren Projekten sehen wir regelm\u00e4\u00dfig, dass KI-Anwendungen dort am schnellsten Wert schaffen, wo <a href=\\\"\/de\/blog\/data-quality-governance\/\\\">Data Quality &amp; Governance<\/a> und ein <a href=\\\"\/de\/marketing-analytics\/marketing-data-stack\/semantic-layer\/\\\">Semantic Layer<\/a> von Anfang an mitgedacht werden.<\/li>\n<p>\\n  <\/p>\n<li class=\\\"uk-text-large\\\"><strong>Geteilte Verantwortung:<\/strong> Erfolgreiche Use Cases entstehen dort, wo Marketing, Data und Business gemeinsam Ziele setzen und das Team mitnehmen. Wie das gelingt, zeigt unser Beitrag zu <a href=\\\"\/de\/blog\/ki-kompetenz-im-team-aufbauen\/\\\">KI-Kompetenz im Team<\/a>.<\/li>\n<p>\\n  <\/p>\n<li class=\\\"uk-text-large\\\"><strong>Messlogik vor dem Start:<\/strong> Zielgr\u00f6\u00dfe, Vergleich und Zeitpunkt der Messung stehen fest, bevor der erste Prompt geschrieben wird.<\/li>\n<p>\\n<\/ol>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Auf genau diesen drei Mustern baut auch die <a href=\\\"\/de\/blog\/hopmann-ai-foundation-agentic-marketing-intelligence-serie\/\\\">Hopmann AI Foundation<\/a> auf, unser strukturierter Weg von der Measurement Strategy bis zu Agentic Marketing Intelligence. Wie wir Unternehmen beim Einsatz von <a href=\\\"\/de\/marketing-analytics\/ki-im-marketing\/\\\">KI im Marketing<\/a> begleiten, erfahren Sie auf unserer Leistungsseite.<\/p>\n<p>\\n\\n<\/p>\n<figure>\\n  <img src=\\\"\/wp-content\/uploads\/KI-Use-Cases-skalieren-Hopmann-Recap-Return-on-AI-Event.png\\\" alt=\\\"Recap Return on AI: Austausch zu KI-Use-Cases skalieren bei Hopmann in M\u00fcnchen\\\" loading=\\\"lazy\\\" style=\\\"max-width:900px; width:100%; height:auto;\\\" \/>\\n<figcaption>Offener Austausch zu eigenen KI-Projekten bei Return on AI<\/figcaption>\\n<\/figure>\n<p>\\n\\n<\/p>\n<h2>Wie geht es weiter?<\/h2>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Sie m\u00f6chten tiefer in KI im Reporting einsteigen? Beim n\u00e4chsten <strong>Raw &amp; Roasted<\/strong> nimmt Ioanna das Thema genauer unter die Lupe: mit Praxisbeispielen, einer Einsch\u00e4tzung zum Business Value und der Rolle menschlicher Expertise. Dazu gibt es frisch gebr\u00fchten Barista-Kaffee.<\/p>\n<p>\\n\\n<!-- Event: Raw & Roasted KI im Reporting -->\\n<\/p>\n<div style=\\\"display:flex; flex-wrap:wrap; gap:1.5rem; align-items:flex-start; margin-bottom:2rem;\\\">\\n  <\/p>\n<div style=\\\"flex:0 0 200px; max-width:100%;\\\">\\n    <a href=\\\"\/de\/events\/ki-im-reporting\/\\\">\\n      <img src=\\\"\/wp-content\/uploads\/Hopmann-Raw-Roasted-3.png\\\" alt=\\\"Raw &amp; Roasted: KI im Reporting mit Dr. Ioanna Kakoulidou, Event in M\u00fcnchen\\\" style=\\\"width:100%; height:auto;\\\" loading=\\\"lazy\\\" \/>\\n    <\/a>\\n  <\/div>\n<p>\\n  <\/p>\n<div style=\\\"flex:1; min-width:200px;\\\">\\n    <\/p>\n<h3><a href=\\\"\/de\/events\/ki-im-reporting\/\\\">Raw &amp; Roasted: KI im Reporting | 29.10.26, 8:30 Uhr<\/a><\/h3>\n<p>\\n    <\/p>\n<p>29. Oktober 2026 \u00b7 M\u00fcnchen<\/p>\n<p>\\n    <\/p>\n<p class=\\\"uk-text-large\\\">Wo schafft KI im Reporting echten Mehrwert, von Dashboards \u00fcber Conversational Analytics bis zu proaktiven Insights? Praxisnaher Vortrag, Austausch und Barista-Kaffee.<\/p>\n<p>\\n    <a href=\\\"\/de\/events\/ki-im-reporting\/\\\" class=\\\"uk-button uk-button-default\\\">Jetzt anmelden<\/a>\\n  <\/div>\n<p>\\n<\/p><\/div>\n<p>\\n\\n<\/p>\n<p class=\\\"uk-text-large\\\">Ein herzliches Dankesch\u00f6n an unsere Panel-G\u00e4ste, an alle Teilnehmenden f\u00fcr die offenen Gespr\u00e4che und an den BVMW f\u00fcr die Zusammenarbeit. Alle weiteren Termine finden Sie in unserer <a href=\\\"\/de\/events\/\\\">Event-\u00dcbersicht<\/a>.<\/p>\n<p>\\n\\n<\/p>\n<hr class=\\\"uk-margin-medium\\\" \/>\\n<\/p>\n<div class=\\\"uk-flex uk-flex-middle\\\">\\n  <img class=\\\"uk-border-circle\\\" src=\\\"\/wp-content\/uploads\/HMA_Team_Susanne-Ullrich.jpg\\\" alt=\\\"Susanne Ullrich, Head of Marketing bei Hopmann Marketing Analytics\\\" width=\\\"64\\\" height=\\\"64\\\" style=\\\"width:64px; height:64px; object-fit:cover;\\\" loading=\\\"lazy\\\" \/>\\n  <\/p>\n<div class=\\\"uk-margin-small-left\\\">\\n    <\/p>\n<p class=\\\"uk-margin-remove\\\"><strong><a href=\\\"\/de\/unternehmen\/wer-wir-sind\/\\\">Susanne Ullrich<\/a><\/strong><\/p>\n<p>\\n    <\/p>\n<p class=\\\"uk-margin-remove uk-text-small\\\">Head of Marketing, Hopmann Marketing Analytics<\/p>\n<p>\\n    <\/p>\n<p class=\\\"uk-margin-small-top uk-text-small\\\">K\u00fcmmert sich um das Marketing bei Hopmann, mit einem Background als Wirtschafts-Ingenieurin und Erfahrung aus fast 20 Jahren im Marketing in internationalen B2B- und B2C-Unternehmen.<\/p>\n<p>\\n  <\/p><\/div>\n<p>\\n<\/p><\/div>\n<p>&#8222;,&#8220;content_en_us&#8220;:&#8220;<\/p>\n<div class=\\\"uk-card uk-card-default uk-card-body uk-margin-medium-bottom\\\">\\n  <\/p>\n<p class=\\\"uk-h4\\\">In brief<\/p>\n<p>\\n  <\/p>\n<p class=\\\"uk-text-large\\\">How does an AI investment turn into a measurable contribution to business success? That question filled every seat at <strong>Return on AI<\/strong>, our event with BVMW in Munich. The key takeaway of the evening: the biggest lever is rarely the tool. Whether in the panel, with voices from large enterprises and mid-sized companies, or in the four sessions, the recipe for <strong>scaling AI use cases<\/strong> looked much the same: a solid data foundation, shared ownership and a measurement logic set before launch. For leadership, that means AI budgets go furthest where they improve a specific decision or process, and that&#8217;s exactly where the return on AI can be measured.<\/p>\n<p>\\n  <\/p>\n<p class=\\\"uk-text-large\\\"><strong>Key insights:<\/strong><\/p>\n<p>\\n  <\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n    <\/p>\n<li><strong>The data foundation sets the pace:<\/strong> Clean data, a reliable semantic model and clear ownership help AI results earn trust quickly.<\/li>\n<p>\\n    <\/p>\n<li><strong>Measurement makes impact visible:<\/strong> A baseline, a comparison group and a fixed measurement date make the value of an AI use case provable.<\/li>\n<p>\\n    <\/p>\n<li><strong>Rough but running:<\/strong> A pilot in a real workflow shows its value early. Customer-facing and regulated areas get a higher bar.<\/li>\n<p>\\n    <\/p>\n<li><strong>People scale too:<\/strong> Training, room to experiment and trust within the team matter as much as the technology.<\/li>\n<p>\\n  <\/ul>\n<p>\\n<\/p><\/div>\n<p>\\n\\n<\/p>\n<h2>Return on AI: What Was the Event About?<\/h2>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">On October 20, 2026, we welcomed guests to our Munich office for <a href=\\\"\/en\/events\/return-on-ai-panel\/\\\">Return on AI<\/a>, co-hosted with BVMW, the German Association for Small and Medium-Sized Businesses. One question framed the evening: <strong>How do AI investments turn into measurable business value?<\/strong> Our guests were leaders from marketing, IT, data and AI. Many brought their own AI projects to the table, so the discussions got concrete fast. We previewed the topics in <a href=\\\"\/en\/blog\/ai-investments-that-pay-off\/\\\">AI Investments That Pay Off<\/a>. Return on AI builds on our summer event with BVMW, and you can read those takeaways in our recap <a href=\\\"\/en\/blog\/agentic-ai-at-mid-sized-companies\/\\\">Agentic AI at Mid-Sized Companies<\/a>.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">The evening opened with a four-person panel, followed by four interactive sessions where participants talked openly about their own projects.<\/p>\n<p>\\n\\n<\/p>\n<figure>\\n  <img src=\\\"\/wp-content\/uploads\/KI-Use-Cases-skalieren-_Return-on-AI_-Event-Muenchen-Hopmann.png\\\" alt=\\\"Scaling AI use cases: Return on AI event by Hopmann and BVMW in Munich\\\" loading=\\\"lazy\\\" style=\\\"max-width:900px; width:100%; height:auto;\\\" \/>\\n<figcaption>Return on AI on October 20, 2026, at the Hopmann office in Munich<\/figcaption>\\n<\/figure>\n<p>\\n\\n<\/p>\n<h2>Panel: Scaling AI Use Cases Beyond the Pilot Stage<\/h2>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Moderated by J\u00f6rg Hopmann, the panel featured:<\/p>\n<p>\\n<\/p>\n<div class=\\\"uk-grid-small uk-child-width-1-2 uk-child-width-1-4@m uk-margin\\\" uk-grid>\\n  <\/p>\n<div>\\n    <img src=\\\"\/wp-content\/uploads\/Kerstin-Weidenbach-Koschnike-Acconsis-_-AI-Event-Muenchen.png\\\" alt=\\\"Kerstin Weidenbach-Koschnike\\\" style=\\\"width:100%; height:auto;\\\" loading=\\\"lazy\\\" \/>\\n    <\/p>\n<p class=\\\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\\\"><strong>Kerstin Weidenbach-Koschnike<\/strong><\/p>\n<p>\\n  <\/p><\/div>\n<p>\\n  <\/p>\n<div>\\n    <img src=\\\"\/wp-content\/uploads\/Stefan-Berge-Planet-Home-_-AI-Event-Muenchen.png\\\" alt=\\\"Stefan Berge\\\" style=\\\"width:100%; height:auto;\\\" loading=\\\"lazy\\\" \/>\\n    <\/p>\n<p class=\\\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\\\"><strong>Stefan Berge<\/strong><\/p>\n<p>\\n  <\/p><\/div>\n<p>\\n  <\/p>\n<div>\\n    <img src=\\\"\/wp-content\/uploads\/Chris-Schoemmer-AWS-AI-Event-Muenchen.png\\\" alt=\\\"Chris Sch\u00f6mmer\\\" style=\\\"width:100%; height:auto;\\\" loading=\\\"lazy\\\" \/>\\n    <\/p>\n<p class=\\\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\\\"><strong>Chris Sch\u00f6mmer<\/strong><\/p>\n<p>\\n  <\/p><\/div>\n<p>\\n  <\/p>\n<div>\\n    <img src=\\\"\/wp-content\/uploads\/Israel-Barcellos-Pereira-BSH-_-AI-Event-Muenchen.png\\\" alt=\\\"Israel Barcellos Pereira\\\" style=\\\"width:100%; height:auto;\\\" loading=\\\"lazy\\\" \/>\\n    <\/p>\n<p class=\\\"uk-margin-small-top uk-margin-remove-bottom uk-text-center\\\"><strong>Israel Barcellos Pereira<\/strong><\/p>\n<p>\\n  <\/p><\/div>\n<p>\\n<\/p><\/div>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">The panel brought together voices from large enterprises and the German Mittelstand. Different industries, yet four points kept coming up:<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>Freedom with a clear target.<\/strong> Everyone is experimenting, often with plenty of deliberate freedom. Employees try out new tools themselves and bring them into their teams as ambassadors. Once budget is on the line, a clear target and a business case come with it. Ideas whose time hasn&#8217;t come yet go into an idea pool, ready to be picked up later.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>From pilot to strategy.<\/strong> A pilot delivers more than a result. It shows what data the company has and where AI really helps. A strategy grows from there: which model fits which purpose, and what should AI achieve? Examples from the panel ranged from lead scoring to optimizing product portfolios to improving products based on customer reviews.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>The data foundation sets the pace.<\/strong> The panel saw a clear data foundation as the biggest lever. Companies that invested early in data quality, access rights and context can now roll out new use cases much faster. We look at why the data foundation matters so much for mid-sized businesses in <a href=\\\"\/en\/blog\/ai-for-smes\/\\\">AI for SMEs<\/a>.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>\\&#8220;No one gets left behind.\\&#8220;<\/strong> AI becomes part of everyday work when the whole team comes along. That takes training on specific tools, clear rules for handling data, shared rituals and open conversations about the role people will play going forward. Compliance, GDPR and a secure sandbox provide the framework for using AI in sensitive areas and with clients.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>Key thesis:<\/strong> AI use cases scale where room to experiment meets a clean data foundation and a clear target.<\/p>\n<p>\\n\\n<!-- PLACEHOLDER MULTIPICTURE: insert event photo gallery here -->\\n\\n<\/p>\n<h2>How to Prove the Value of AI<\/h2>\n<p>\\n<\/p>\n<div class=\\\"uk-flex uk-flex-middle uk-margin\\\">\\n  <img class=\\\"uk-border-circle\\\" src=\\\"\/wp-content\/uploads\/joerg-hopmann.jpg\\\" alt=\\\"J\u00f6rg Hopmann\\\" width=\\\"64\\\" height=\\\"64\\\" style=\\\"width:64px; height:64px; object-fit:cover;\\\" loading=\\\"lazy\\\" \/>\\n  <\/p>\n<p class=\\\"uk-margin-small-left uk-margin-remove-bottom\\\"><strong>J\u00f6rg Hopmann<\/strong><\/p>\n<p>\\n<\/p><\/div>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">J\u00f6rg kicked off his session \\&#8220;AI Impact: Measuring Effect, Proving Value\\&#8220; with two questions for the room: Has AI made your team more productive? And how do you know? Two questions that got the room talking right away. The key takeaways:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Measuring pays off:<\/strong> In an <a href=\\\"https:\/\/metr.org\/blog\/2025-07-10-early-2025-ai-experienced-os-dev-study\/\\\" rel=\\\"noopener noreferrer\\\" target=\\\"_blank\\\">experiment by METR<\/a>, experienced software developers estimated AI had made them 20 percent faster. The measurement showed they took 19 percent longer.<\/li>\n<p>\\n  <\/p>\n<li><strong>Plan for the J-curve:<\/strong> Teams often need a ramp-up period after introducing AI, and the productivity gains follow. Setting the measurement date up front gives a use case the time it needs.<\/li>\n<p>\\n  <\/p>\n<li><strong>Helper or transformer:<\/strong> As a helper, AI saves time and cost. As a transformer, it improves decisions on pricing, budgets and resources, and that&#8217;s where the bigger lever is.<\/li>\n<p>\\n  <\/p>\n<li><strong>Keep using existing KPIs:<\/strong> When AI speeds up an existing process, the existing metrics still work, such as cases handled per hour. With new processes, the right metric takes shape over time, and with true innovation, it&#8217;s fine to start with gut feeling.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">A simple illustration showed how big the gap between helper and transformer can be: if an analyst saves 20 percent of their time, that&#8217;s worth about \u20ac18,000 a year. Allocate a \u20ac10 million media budget 3 percent more effectively, and \u20ac300,000 of spend starts working harder. The actual return shows up in additional leads, revenue or a higher ROAS. <a href=\\\"\/en\/marketing-analytics\/marketing-science\/mmm\/\\\">Marketing Mix Modeling<\/a> is a proven method for budget questions like these. We explain the basics in <a href=\\\"\/en\/blog\/marketing-mix-modeling-mmm-definition-relevance\/\\\">What Is Marketing Mix Modeling?<\/a><\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">To help everyone get their bearings, J\u00f6rg shared a <strong>measurement ladder<\/strong> with four levels: usage, efficiency, quality and business impact. The fourth level is where the return shows up.<\/p>\n<p>\\n<\/p>\n<figure>\\n  <img src=\\\"\/wp-content\/uploads\/Return-on-AI_Hopmann_Session.png\\\" alt=\\\"Measuring AI value with the measurement ladder: usage, efficiency, quality and business impact\\\" loading=\\\"lazy\\\" style=\\\"max-width:900px; width:100%; height:auto;\\\" \/>\\n<figcaption>The measurement ladder from J\u00f6rg&#8217;s session: the return happens on level 4<\/figcaption>\\n<\/figure>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">We explain how to anchor this logic in a <a href=\\\"\/en\/blog\/measurement-framework-ai\/\\\">measurement framework<\/a> in a separate article. For an overview of proven metric systems, see our comparison of <a href=\\\"\/en\/blog\/strategic-kpi-frameworks-in-marketing\/\\\">strategic KPI frameworks in marketing<\/a>.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>Key thesis:<\/strong> Define the target metric, comparison group and measurement date before launch, and you can clearly prove a pilot&#8217;s value at the end.<\/p>\n<p>\\n\\n<\/p>\n<h2>How to Shape AI Use Cases to Scale from Day One<\/h2>\n<p>\\n<\/p>\n<div class=\\\"uk-flex uk-flex-middle uk-margin\\\">\\n  <img class=\\\"uk-border-circle\\\" src=\\\"\/wp-content\/uploads\/HMA_Team_Tobias-Lanzl-scaled.jpg\\\" alt=\\\"Tobias Lanzl\\\" width=\\\"64\\\" height=\\\"64\\\" style=\\\"width:64px; height:64px; object-fit:cover;\\\" loading=\\\"lazy\\\" \/>\\n  <\/p>\n<p class=\\\"uk-margin-small-left uk-margin-remove-bottom\\\"><strong>Tobias Lanzl<\/strong><\/p>\n<p>\\n<\/p><\/div>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">\\&#8220;Starting is easy. The interesting part comes next.\\&#8220; That&#8217;s how Tobias opened his session \\&#8220;Starting and Scaling AI Use Cases.\\&#8220; His tool of choice was a simple <strong>value equation<\/strong>: affected cases \u00d7 frequency \u00d7 added value per case, meaning what AI gains per case, such as time saved, an error avoided or a faster decision. Subtract the cost of building, running and adapting processes. Then add the value of acting, because early movers set the benchmark in their market. AI delivers the most where it changes a decision or a workflow.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">There are two ways to cut a pilot: a <strong>narrow slice built to high quality<\/strong> or the <strong>full business scope at basic maturity<\/strong>. Tobias&#8217;s rule of thumb: if the value is clear and the technology is the open question, narrow the scope. If the technology is proven and the value is still open, reduce the technical maturity: start with the core function and add edge cases, integration and monitoring later. The use case then grows along that same axis.<\/p>\n<p>\\n<\/p>\n<figure>\\n  <img src=\\\"\/wp-content\/uploads\/BVMW_Scaling_AI_Use_Cases_Tobias-scaled.png\\\" alt=\\\"Scaling AI use cases: two ways to cut an AI pilot\\\" loading=\\\"lazy\\\" style=\\\"max-width:900px; width:100%; height:auto;\\\" \/>\\n<figcaption>Two ways to cut a pilot: narrow and robust, or broad and basic<\/figcaption>\\n<\/figure>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Tobias took four points away from the discussion:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Shared ownership:<\/strong> Pilots owned jointly by IT and the business get the furthest.<\/li>\n<p>\\n  <\/p>\n<li><strong>Rough but running:<\/strong> Asked \\&#8220;Eight weeks: a few cases done properly, or everything done roughly?\\&#8220;, the room clearly went with the solution that works.<\/li>\n<p>\\n  <\/p>\n<li><strong>Clear guardrails:<\/strong> When results go straight to customers or regulated areas are involved, full quality applies from day one.<\/li>\n<p>\\n  <\/p>\n<li><strong>Show value early:<\/strong> The most convincing pilots make costs and benefits visible during the test phase.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Planning an AI pilot or looking to scale an existing use case? We&#8217;re happy to be your <strong>sparring partner<\/strong>, from scoping the pilot to setting up the measurement logic. <a href=\\\"\/en\/contact\/\\\">Get in touch<\/a>.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>Key thesis:<\/strong> An AI pilot with a clear scope and early visible value has the best shot at rollout.<\/p>\n<p>\\n\\n<\/p>\n<h2>Smart Reporting: Why Trust Comes Before Speed<\/h2>\n<p>\\n<\/p>\n<div class=\\\"uk-flex uk-flex-middle uk-margin\\\">\\n  <img class=\\\"uk-border-circle\\\" src=\\\"\/wp-content\/uploads\/HMA_Team_Ioanna-Kakoulidou.jpg\\\" alt=\\\"Dr. Ioanna Kakoulidou\\\" width=\\\"64\\\" height=\\\"64\\\" style=\\\"width:64px; height:64px; object-fit:cover;\\\" loading=\\\"lazy\\\" \/>\\n  <\/p>\n<p class=\\\"uk-margin-small-left uk-margin-remove-bottom\\\"><strong>Dr. Ioanna Kakoulidou<\/strong><\/p>\n<p>\\n<\/p><\/div>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">In her session \\&#8220;Smart Reporting with AI: Dashboards, Dialogue &amp; Insights,\\&#8220; Ioanna walked through three use areas:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Building dashboards faster:<\/strong> AI drafts calculations, report structures and formatting, and the team refines and validates. Our article on <a href=\\\"\/en\/blog\/power-bi-claude\/\\\">Power BI and Claude<\/a> shows what this looks like in practice.<\/li>\n<p>\\n  <\/p>\n<li><strong>Asking your data questions:<\/strong> People ask in plain language, for example in Teams or a chat interface, and a connected assistant answers straight from company data.<\/li>\n<p>\\n  <\/p>\n<li><strong>Getting insights as a briefing:<\/strong> Recurring summaries and agreed exceptions go automatically to the people responsible, who then decide on next steps.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">One example from our own project work is an <a href=\\\"\/en\/blog\/ai-assisted-tableau-power-bi-migration\/\\\">AI-assisted Tableau to Power BI migration<\/a>. Ahead of a license renewal, eight workbooks with more than 40 dashboards were migrated with about 25 percent less effort than a similarly complex earlier project. AI took care of recurring tasks like formula translation and formatting. The analytics team owned the data model, the business logic and the check of every single number. For the overall approach, see our guide to <a href=\\\"\/en\/blog\/migrating-tableau-to-power-bi\/\\\">migrating Tableau to Power BI<\/a>.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">The common thread is <strong>time to decision<\/strong>, meaning how long it takes for a question to become a decision. That&#8217;s where the right KPIs come from, such as the number of ad hoc requests or the length of a forecast cycle. The value of AI in reporting shows up in faster, better decisions.<\/p>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Ioanna&#8217;s takeaways from the discussion:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Trust is built into the foundation:<\/strong> Data quality, a reliable <a href=\\\"\/en\/blog\/semantic-layer-for-ai-in-marketing\/\\\">semantic layer<\/a> and clear data ownership came up from every side of the table. We explain how the two layers work together in <a href=\\\"\/en\/blog\/semantic-layer-vs-context-layer-ai\/\\\">Semantic Layer vs. Context Layer<\/a>.<\/li>\n<p>\\n  <\/p>\n<li><strong>Reliable results save time:<\/strong> Many people already use AI for SQL, HTML reports or quick exploration. The more reliable the results, the more time is actually saved.<\/li>\n<p>\\n  <\/p>\n<li><strong>AI and dashboards together:<\/strong> Right now, AI is at its best working alongside classic <a href=\\\"\/en\/marketing-analytics\/marketing-dashboards-reports\/\\\">dashboards<\/a>: for prototyping, exploring new questions and finding what really drives performance. More on this in our webinar recap <a href=\\\"\/en\/blog\/ai-powered-analytics-webinar-recap-faq\/\\\">AI-powered analytics that work in everyday business<\/a>.<\/li>\n<p>\\n  <\/p>\n<li><strong>A new role for BI teams:<\/strong> Analytics and BI teams safeguard the data and help others ask the right questions.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>Key thesis:<\/strong> AI in reporting creates value when it&#8217;s built on a reliable semantic model and speeds up decisions.<\/p>\n<p>\\n\\n<\/p>\n<h2>AI Search: Visibility as a Measurable Channel<\/h2>\n<p>\\n<\/p>\n<div class=\\\"uk-flex uk-flex-middle uk-margin\\\">\\n  <img class=\\\"uk-border-circle\\\" src=\\\"\/wp-content\/uploads\/Constanze-Bogner-Hopmann.png\\\" alt=\\\"Constanze Bogner\\\" width=\\\"64\\\" height=\\\"64\\\" style=\\\"width:64px; height:64px; object-fit:cover;\\\" loading=\\\"lazy\\\" \/>\\n  <\/p>\n<p class=\\\"uk-margin-small-left uk-margin-remove-bottom\\\"><strong>Constanze Bogner<\/strong><\/p>\n<p>\\n<\/p><\/div>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">More and more people take their questions straight to ChatGPT, Gemini or Perplexity. In her session \\&#8220;AI Search: Measuring Visibility, Increasing Impact,\\&#8220; Constanze showed the opportunity this creates:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>Answers happen inside the AI conversation:<\/strong> According to a <a href=\\\"https:\/\/www.pewresearch.org\/short-reads\/2025\/07\/22\/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results\/\\\" rel=\\\"noopener noreferrer\\\" target=\\\"_blank\\\">Pew Research analysis<\/a> of browsing data from 900 U.S. adults, users clicked a traditional search result in 8 percent of Google searches that included an AI summary, compared to 15 percent without one.<\/li>\n<p>\\n  <\/p>\n<li><strong>Visits with clear purchase intent:<\/strong> At Ahrefs, for example, AI search drove 0.5 percent of visits but 12.1 percent of sign-ups.<\/li>\n<p>\\n  <\/p>\n<li><strong>A look inside the answers:<\/strong> Your own measurement shows which questions bring up your brand and which competitors appear next to it. We&#8217;ve summarized the <a href=\\\"\/en\/blog\/new-kpis-website-measurement-ai-search\/\\\">new KPIs for website measurement<\/a> that make sense here.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">For measurement, Constanze presented an <strong>impact chain<\/strong> that runs from mentions and citations to AI traffic, leads and revenue. Three things make it reliable:<\/p>\n<p>\\n<\/p>\n<ul class=\\\"uk-list uk-list-bullet\\\">\\n  <\/p>\n<li><strong>A baseline before optimization:<\/strong> Capturing the starting point lets you clearly prove the effect of later measures.<\/li>\n<p>\\n  <\/p>\n<li><strong>Repeated measurements:<\/strong> Since language models answer a little differently each time, standardized measurements across several models give the most reliable picture.<\/li>\n<p>\\n  <\/p>\n<li><strong>Tool or custom solution:<\/strong> The better fit depends on your requirements. Our article on <a href=\\\"\/en\/blog\/measuring-ai-search-visibility\/\\\">measuring AI search visibility<\/a> gives an overview, and <a href=\\\"\/en\/blog\/tracking-ai-visibility\/\\\">tracking AI visibility<\/a> shows how it works in practice.<\/li>\n<p>\\n<\/ul>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\"><strong>Key thesis:<\/strong> AI search becomes a business case when visibility in AI answers is linked to leads and revenue.<\/p>\n<p>\\n\\n<\/p>\n<h2>What All the Conversations Had in Common<\/h2>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Four formats, many industries, and the same three patterns in every room:<\/p>\n<p>\\n<\/p>\n<ol class=\\\"uk-list uk-list-decimal\\\">\\n  <\/p>\n<li class=\\\"uk-text-large\\\"><strong>Data foundation first:<\/strong> Whether in the panel, in reporting or in AI search, AI results convince when data is reliable and terms are defined consistently. In our projects, we regularly see AI applications create value fastest where <a href=\\\"\/en\/blog\/data-quality-governance\/\\\">data quality and governance<\/a> and a <a href=\\\"\/en\/marketing-analytics\/marketing-data-stack\/semantic-layer-for-ai\/\\\">semantic layer<\/a> are part of the plan from the start.<\/li>\n<p>\\n  <\/p>\n<li class=\\\"uk-text-large\\\"><strong>Shared ownership:<\/strong> Successful use cases happen where marketing, data and business set goals together and bring the team along. Our article on <a href=\\\"\/en\/blog\/building-ki-competence-within-a-team\/\\\">building AI competence within a team<\/a> shows how.<\/li>\n<p>\\n  <\/p>\n<li class=\\\"uk-text-large\\\"><strong>Measurement logic before launch:<\/strong> The target metric, comparison and timing are set before the first prompt is written.<\/li>\n<p>\\n<\/ol>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">These three patterns are also the backbone of the <a href=\\\"\/en\/blog\/hopmann-ai-foundation-agentic-marketing-intelligence-series\/\\\">Hopmann AI Foundation<\/a>, our structured path from measurement strategy to agentic marketing intelligence. Learn how we support companies with <a href=\\\"\/en\/marketing-analytics\/ai-in-marketing\/\\\">AI in marketing<\/a> on our services page.<\/p>\n<p>\\n\\n<\/p>\n<figure>\\n  <img src=\\\"\/wp-content\/uploads\/KI-Use-Cases-skalieren-Hopmann-Recap-Return-on-AI-Event.png\\\" alt=\\\"Return on AI recap: discussing how to scale AI use cases at Hopmann in Munich\\\" loading=\\\"lazy\\\" style=\\\"max-width:900px; width:100%; height:auto;\\\" \/>\\n<figcaption>Open conversations about real AI projects at Return on AI<\/figcaption>\\n<\/figure>\n<p>\\n\\n<\/p>\n<h2>What&#8217;s Next?<\/h2>\n<p>\\n<\/p>\n<p class=\\\"uk-text-large\\\">Want to dig deeper into AI in reporting? At our next <strong>Raw &amp; Roasted<\/strong>, Ioanna takes a closer look with real case studies, a view on business value and the role of human expertise. Freshly brewed barista coffee included.<\/p>\n<p>\\n\\n<!-- Event: Raw & Roasted AI in Reporting -->\\n<\/p>\n<div style=\\\"display:flex; flex-wrap:wrap; gap:1.5rem; align-items:flex-start; margin-bottom:2rem;\\\">\\n  <\/p>\n<div style=\\\"flex:0 0 200px; max-width:100%;\\\">\\n    <a href=\\\"\/en\/events\/ai-in-reporting\/\\\">\\n      <img src=\\\"\/wp-content\/uploads\/Hopmann-Raw-Roasted-3.png\\\" alt=\\\"Raw &amp; Roasted: AI in Reporting with Dr. Ioanna Kakoulidou, event in Munich\\\" style=\\\"width:100%; height:auto;\\\" loading=\\\"lazy\\\" \/>\\n    <\/a>\\n  <\/div>\n<p>\\n  <\/p>\n<div style=\\\"flex:1; min-width:200px;\\\">\\n    <\/p>\n<h3><a href=\\\"\/en\/events\/ai-in-reporting\/\\\">Raw &amp; Roasted: AI in Reporting | 10\/29\/26, 8:30 AM<\/a><\/h3>\n<p>\\n    <\/p>\n<p>October 29, 2026 \u00b7 Munich<\/p>\n<p>\\n    <\/p>\n<p class=\\\"uk-text-large\\\">Where does AI in reporting add real value, from dashboards to conversational analytics and proactive insights? A hands-on talk, open discussion and barista coffee.<\/p>\n<p>\\n    <a href=\\\"\/en\/events\/ai-in-reporting\/\\\" class=\\\"uk-button uk-button-default\\\">Register now<\/a>\\n  <\/div>\n<p>\\n<\/p><\/div>\n<p>\\n\\n<\/p>\n<p class=\\\"uk-text-large\\\">A big thank you to our panelists, to everyone who joined us for such open conversations, and to BVMW for the partnership. You&#8217;ll find all upcoming dates in our <a href=\\\"\/en\/events\/\\\">events overview<\/a>.<\/p>\n<p>\\n\\n<\/p>\n<hr class=\\\"uk-margin-medium\\\" \/>\\n<\/p>\n<div class=\\\"uk-flex uk-flex-middle\\\">\\n  <img class=\\\"uk-border-circle\\\" src=\\\"\/wp-content\/uploads\/HMA_Team_Susanne-Ullrich.jpg\\\" alt=\\\"Susanne Ullrich, Head of Marketing at Hopmann Marketing Analytics\\\" width=\\\"64\\\" height=\\\"64\\\" style=\\\"width:64px; height:64px; object-fit:cover;\\\" loading=\\\"lazy\\\" \/>\\n  <\/p>\n<div class=\\\"uk-margin-small-left\\\">\\n    <\/p>\n<p class=\\\"uk-margin-remove\\\"><strong><a href=\\\"\/en\/company\/who-we-are\/\\\">Susanne Ullrich<\/a><\/strong><\/p>\n<p>\\n    <\/p>\n<p class=\\\"uk-margin-remove uk-text-small\\\">Head of Marketing, Hopmann Marketing Analytics<\/p>\n<p>\\n    <\/p>\n<p class=\\\"uk-margin-small-top uk-text-small\\\">Leads marketing at Hopmann, with a background in industrial engineering and almost 20 years of marketing experience at international B2B and B2C companies.<\/p>\n<p>\\n  <\/p><\/div>\n<p>\\n<\/p><\/div>\n<p>&#8222;}},{&#8222;type&#8220;:&#8220;divider&#8220;,&#8220;props&#8220;:{&#8222;divider_element&#8220;:&#8220;hr&#8220;}},{&#8222;type&#8220;:&#8220;headline&#8220;,&#8220;props&#8220;:{&#8222;content&#8220;:&#8220;<\/p>\n<p style=\\\"text-align: center;\\\">Was beim Event gefragt wurde.<\/p>\n<p>&#8222;,&#8220;content_en_us&#8220;:&#8220;<\/p>\n<p style=\\\"text-align: center;\\\">What people asked at the event.<\/p>\n<p>&#8222;,&#8220;image_align&#8220;:&#8220;left&#8220;,&#8220;image_margin&#8220;:&#8220;xsmall&#8220;,&#8220;title_color&#8220;:&#8220;primary&#8220;,&#8220;title_element&#8220;:&#8220;h3&#8243;,&#8220;title_style&#8220;:&#8220;h6&#8243;}},{&#8222;type&#8220;:&#8220;headline&#8220;,&#8220;props&#8220;:{&#8222;content&#8220;:&#8220;FAQ zum Thema \\&#8220;KI-Use-Cases skalieren\\&#8220;&#8220;,&#8220;content_en_us&#8220;:&#8220;FAQ on \u201cScaling AI Use Cases\u201d&#8220;,&#8220;image_align&#8220;:&#8220;left&#8220;,&#8220;image_margin&#8220;:&#8220;xsmall&#8220;,&#8220;margin_top&#8220;:&#8220;remove&#8220;,&#8220;text_align&#8220;:&#8220;center&#8220;,&#8220;title_element&#8220;:&#8220;h2&#8243;,&#8220;title_style&#8220;:&#8220;h2&#8243;}},{&#8222;type&#8220;:&#8220;grid&#8220;,&#8220;props&#8220;:{&#8222;content_column_breakpoint&#8220;:&#8220;m&#8220;,&#8220;faq_schema&#8220;:true,&#8220;filter_align&#8220;:&#8220;left&#8220;,&#8220;filter_all&#8220;:true,&#8220;filter_grid_breakpoint&#8220;:&#8220;m&#8220;,&#8220;filter_grid_width&#8220;:&#8220;auto&#8220;,&#8220;filter_position&#8220;:&#8220;top&#8220;,&#8220;filter_style&#8220;:&#8220;tab&#8220;,&#8220;grid_default&#8220;:&#8220;1&#8243;,&#8220;grid_medium&#8220;:&#8220;2&#8243;,&#8220;image_align&#8220;:&#8220;top&#8220;,&#8220;image_grid_breakpoint&#8220;:&#8220;m&#8220;,&#8220;image_grid_width&#8220;:&#8220;1-2&#8243;,&#8220;image_svg_color&#8220;:&#8220;emphasis&#8220;,&#8220;item_animation&#8220;:true,&#8220;lightbox_bg_close&#8220;:true,&#8220;link_style&#8220;:&#8220;default&#8220;,&#8220;link_text&#8220;:&#8220;Read more&#8220;,&#8220;margin_bottom&#8220;:&#8220;default&#8220;,&#8220;margin_top&#8220;:&#8220;default&#8220;,&#8220;meta_align&#8220;:&#8220;below-title&#8220;,&#8220;meta_element&#8220;:&#8220;div&#8220;,&#8220;meta_style&#8220;:&#8220;text-meta&#8220;,&#8220;parallax_easing&#8220;:&#8220;1&#8243;,&#8220;show_content&#8220;:true,&#8220;show_hover_image&#8220;:true,&#8220;show_hover_video&#8220;:true,&#8220;show_image&#8220;:true,&#8220;show_link&#8220;:true,&#8220;show_meta&#8220;:true,&#8220;show_title&#8220;:true,&#8220;show_video&#8220;:true,&#8220;title_align&#8220;:&#8220;top&#8220;,&#8220;title_element&#8220;:&#8220;h3&#8243;,&#8220;title_grid_breakpoint&#8220;:&#8220;m&#8220;,&#8220;title_grid_width&#8220;:&#8220;1-2&#8243;,&#8220;title_hover_style&#8220;:&#8220;reset&#8220;,&#8220;title_style&#8220;:&#8220;h3&#8243;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;grid_item&#8220;,&#8220;props&#8220;:{&#8222;content&#8220;:&#8220;Drei Dinge machen den Unterschied: ein belastbares Datenfundament, eine klare gemeinsame Verantwortung und eine Messlogik, die vor dem Start feststeht. Piloten, die von Beginn an in einem echten Arbeitsablauf laufen und ihren Nutzen schon in der Testphase zeigen, schaffen den Sprung in die Produktion am zuverl\u00e4ssigsten.&#8220;,&#8220;content_en_us&#8220;:&#8220;Three things make the difference: a solid data foundation, clear shared ownership and a measurement logic set before launch. Pilots that run in a real workflow from day one and show their value during the test phase are the ones that reliably make it into production.&#8220;,&#8220;title&#8220;:&#8220;Was bringt einen KI-Piloten erfolgreich in die Produktion?&#8220;,&#8220;title_en_us&#8220;:&#8220;What takes an AI pilot successfully into production?&#8220;}},{&#8222;type&#8220;:&#8220;grid_item&#8220;,&#8220;props&#8220;:{&#8222;content&#8220;:&#8220;Wenn er im Arbeitsalltag ganz selbstverst\u00e4ndlich genutzt wird und Kosten und Nutzen messbar sind. Ein guter Test: Wird das Tool drei Wochen nach der Demo noch aktiv genutzt? Vor jedem Skalierungsschritt lohnt sich ein neuer Blick auf die Wert-Gleichung, denn mit der Nutzung wachsen Wert und Betriebskosten gemeinsam.&#8220;,&#8220;content_en_us&#8220;:&#8220;When people use it naturally in their daily work and costs and benefits can be measured. A good test: is the tool still in active use three weeks after the demo? Before each scaling step, take a fresh look at the value equation, since value and running costs grow together with usage.&#8220;,&#8220;title&#8220;:&#8220;Wann ist ein KI-Use-Case reif f\u00fcr den Rollout?&#8220;,&#8220;title_en_us&#8220;:&#8220;When is an AI use case ready for rollout?&#8220;}},{&#8222;type&#8220;:&#8220;grid_item&#8220;,&#8220;props&#8220;:{&#8222;content&#8220;:&#8220;Nutzung und Effizienz sind ein guter Anfang, der Return zeigt sich bei Qualit\u00e4t und Business Impact. Hilfreich sind Kennzahlen wie Zeit bis zur Entscheidung, Fehlerquote, Kosten je Vorgang sowie die Wirkung auf Marge oder Umsatz. Gemessen wird gegen eine Vergleichsgruppe oder Baseline.&#8220;,&#8220;content_en_us&#8220;:&#8220;Usage and efficiency are a good start, and the return shows up in quality and business impact. Useful metrics include time to decision, error rate, cost per case and the effect on margin or revenue. Measure against a comparison group or baseline.&#8220;,&#8220;title&#8220;:&#8220;Welche KPIs zeigen, ob sich ein KI-Use-Case skalieren l\u00e4sst?&#8220;,&#8220;title_en_us&#8220;:&#8220;Which KPIs show whether an AI use case can scale?&#8220;}},{&#8222;type&#8220;:&#8220;grid_item&#8220;,&#8220;props&#8220;:{&#8222;content&#8220;:&#8220;Am besten IT und Fachbereich gemeinsam. Die IT sichert Daten, Sicherheit und Betrieb, der Fachbereich definiert den Nutzen und gestaltet den Prozess. So verbinden sich Umsetzungskraft und Gesch\u00e4ftsbezug.&#8220;,&#8220;content_en_us&#8220;:&#8220;Ideally, IT and the business together. IT takes care of data, security and operations, while the business defines the value and shapes the process. That combines the ability to execute with a clear business focus.&#8220;,&#8220;title&#8220;:&#8220;Wer sollte im Unternehmen die Verantwortung f\u00fcr KI-Use-Cases tragen?&#8220;,&#8220;title_en_us&#8220;:&#8220;Who should own AI use cases in a company?&#8220;}},{&#8222;type&#8220;:&#8220;grid_item&#8220;,&#8220;props&#8220;:{&#8222;content&#8220;:&#8220;Ein sauberes Datenfundament mit einheitlichen Kennzahlen macht KI-Ergebnisse vertrauensw\u00fcrdig und h\u00e4lt den Pr\u00fcfaufwand klein. Die gewonnene Zeit kommt so tats\u00e4chlich im Alltag an, und KI l\u00e4sst sich \u00fcber einzelne Piloten hinaus skalieren. F\u00fcr das Management bedeutet das schnellere Entscheidungen auf einer Basis, der alle Bereiche vertrauen.&#8220;,&#8220;content_en_us&#8220;:&#8220;A clean data foundation with consistent metrics makes AI results trustworthy and keeps checking to a minimum. The time saved actually shows up in daily work, and AI can scale beyond individual pilots. For leadership, that means faster decisions on a foundation every department trusts.&#8220;,&#8220;title&#8220;:&#8220;Welchen strategischen Hebel bietet ein Datenfundament f\u00fcr den Return on AI?&#8220;,&#8220;title_en_us&#8220;:&#8220;What strategic lever does a data foundation offer for the return on AI?&#8220;}},{&#8222;type&#8220;:&#8220;grid_item&#8220;,&#8220;props&#8220;:{&#8222;content&#8220;:&#8220;\u00dcber die Time to Decision: Wie schnell wird aus einer Frage eine Entscheidung? Erg\u00e4nzend helfen die Zahl der Ad-hoc-Tickets, die Dauer von Forecast-Zyklen und eine stabile Qualit\u00e4t der Ergebnisse. Eine Baseline vor der Einf\u00fchrung macht die Ver\u00e4nderung sp\u00e4ter sichtbar.&#8220;,&#8220;content_en_us&#8220;:&#8220;Through time to decision: how fast does a question turn into a decision? The number of ad hoc requests, the length of forecast cycles and consistent result quality round out the picture. A baseline before rollout makes the change visible later.&#8220;,&#8220;title&#8220;:&#8220;Wie l\u00e4sst sich der Nutzen von KI im Reporting belegen?&#8220;,&#8220;title_en_us&#8220;:&#8220;How can you prove the value of AI in reporting?&#8220;}}]},{&#8222;type&#8220;:&#8220;html&#8220;,&#8220;props&#8220;:{&#8222;content&#8220;:&#8220;&#8220;},&#8220;name&#8220;:&#8220;&#8212; \/\/ Content Ende \/\/ &#8212;&#8222;},{&#8222;type&#8220;:&#8220;fragment&#8220;,&#8220;props&#8220;:{&#8222;margin_bottom&#8220;:&#8220;default&#8220;,&#8220;margin_top&#8220;:&#8220;default&#8220;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;row&#8220;,&#8220;props&#8220;:{&#8222;css&#8220;:&#8220;.el-row {\\n\\tmargin-top: 70px;\\n}&#8220;,&#8220;margin_bottom&#8220;:&#8220;remove&#8220;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;column&#8220;,&#8220;props&#8220;:{&#8222;image_position&#8220;:&#8220;center-center&#8220;,&#8220;position_sticky_breakpoint&#8220;:&#8220;m&#8220;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;divider&#8220;,&#8220;props&#8220;:{&#8222;divider_element&#8220;:&#8220;hr&#8220;}}]}]},{&#8222;type&#8220;:&#8220;row&#8220;,&#8220;props&#8220;:{&#8222;class&#8220;:&#8220;blog-pager&#8220;,&#8220;layout&#8220;:&#8220;1-2,1-2&#8243;,&#8220;margin_bottom&#8220;:&#8220;small&#8220;,&#8220;margin_top&#8220;:&#8220;small&#8220;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;column&#8220;,&#8220;props&#8220;:{&#8222;image_position&#8220;:&#8220;center-center&#8220;,&#8220;position_sticky_breakpoint&#8220;:&#8220;m&#8220;,&#8220;width_default&#8220;:&#8220;1-2&#8243;,&#8220;width_medium&#8220;:&#8220;1-2&#8243;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;button&#8220;,&#8220;props&#8220;:{&#8222;class&#8220;:&#8220;blog-pager&#8220;,&#8220;grid_column_gap&#8220;:&#8220;small&#8220;,&#8220;grid_row_gap&#8220;:&#8220;small&#8220;,&#8220;margin_bottom&#8220;:&#8220;remove&#8220;,&#8220;margin_top&#8220;:&#8220;remove&#8220;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;button_item&#8220;,&#8220;props&#8220;:{&#8222;button_style&#8220;:&#8220;&#8220;,&#8220;content&#8220;:&#8220;Vorheriger Artikel&#8220;,&#8220;content_en_us&#8220;:&#8220;Previous article&#8220;,&#8220;dialog_layout&#8220;:&#8220;modal&#8220;,&#8220;dialog_offcanvas_flip&#8220;:true,&#8220;icon&#8220;:&#8220;chevron-left&#8220;,&#8220;icon_align&#8220;:&#8220;left&#8220;},&#8220;source&#8220;:{&#8222;query&#8220;:{&#8222;name&#8220;:&#8220;blogs.singlePreviousBlog&#8220;},&#8220;props&#8220;:{&#8222;link&#8220;:{&#8222;filters&#8220;:{&#8222;search&#8220;:&#8220;&#8220;},&#8220;name&#8220;:&#8220;link&#8220;}}}}]}]},{&#8222;type&#8220;:&#8220;column&#8220;,&#8220;props&#8220;:{&#8222;image_position&#8220;:&#8220;center-center&#8220;,&#8220;position_sticky_breakpoint&#8220;:&#8220;m&#8220;,&#8220;width_default&#8220;:&#8220;1-2&#8243;,&#8220;width_medium&#8220;:&#8220;1-2&#8243;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;button&#8220;,&#8220;props&#8220;:{&#8222;grid_column_gap&#8220;:&#8220;small&#8220;,&#8220;grid_row_gap&#8220;:&#8220;small&#8220;,&#8220;margin_bottom&#8220;:&#8220;remove&#8220;,&#8220;margin_top&#8220;:&#8220;remove&#8220;,&#8220;text_align&#8220;:&#8220;right&#8220;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;button_item&#8220;,&#8220;props&#8220;:{&#8222;button_style&#8220;:&#8220;&#8220;,&#8220;content&#8220;:&#8220;N\u00e4chster Artikel&#8220;,&#8220;content_en_us&#8220;:&#8220;Next article&#8220;,&#8220;dialog_layout&#8220;:&#8220;modal&#8220;,&#8220;dialog_offcanvas_flip&#8220;:true,&#8220;icon&#8220;:&#8220;chevron-right&#8220;,&#8220;icon_align&#8220;:&#8220;right&#8220;},&#8220;source&#8220;:{&#8222;query&#8220;:{&#8222;name&#8220;:&#8220;blogs.singleNextBlog&#8220;},&#8220;props&#8220;:{&#8222;link&#8220;:{&#8222;filters&#8220;:{&#8222;search&#8220;:&#8220;&#8220;},&#8220;name&#8220;:&#8220;link&#8220;}}}}]}]}]},{&#8222;type&#8220;:&#8220;row&#8220;,&#8220;props&#8220;:{&#8222;margin_top&#8220;:&#8220;remove&#8220;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;column&#8220;,&#8220;props&#8220;:{&#8222;image_position&#8220;:&#8220;center-center&#8220;,&#8220;position_sticky_breakpoint&#8220;:&#8220;m&#8220;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;divider&#8220;,&#8220;props&#8220;:{&#8222;divider_element&#8220;:&#8220;hr&#8220;,&#8220;margin_bottom&#8220;:&#8220;medium&#8220;,&#8220;margin_top&#8220;:&#8220;remove&#8220;}}]}]}]}]},{&#8222;type&#8220;:&#8220;column&#8220;,&#8220;props&#8220;:{&#8222;image_position&#8220;:&#8220;center-center&#8220;,&#8220;position_sticky&#8220;:&#8220;column&#8220;,&#8220;position_sticky_breakpoint&#8220;:&#8220;m&#8220;,&#8220;position_sticky_offset&#8220;:&#8220;120&#8243;,&#8220;width_large&#8220;:&#8220;1-3&#8243;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;headline&#8220;,&#8220;props&#8220;:{&#8222;block_align&#8220;:&#8220;right&#8220;,&#8220;block_align_breakpoint&#8220;:&#8220;l&#8220;,&#8220;content&#8220;:&#8220;Neueste Artikel&#8220;,&#8220;content_en_us&#8220;:&#8220;Latest articles&#8220;,&#8220;image_align&#8220;:&#8220;left&#8220;,&#8220;image_margin&#8220;:&#8220;xsmall&#8220;,&#8220;maxwidth&#8220;:&#8220;medium&#8220;,&#8220;maxwidth_breakpoint&#8220;:&#8220;l&#8220;,&#8220;title_element&#8220;:&#8220;div&#8220;,&#8220;title_style&#8220;:&#8220;h6&#8243;}},{&#8222;type&#8220;:&#8220;grid&#8220;,&#8220;props&#8220;:{&#8222;block_align&#8220;:&#8220;right&#8220;,&#8220;block_align_breakpoint&#8220;:&#8220;l&#8220;,&#8220;class&#8220;:&#8220;articles-sm&#8220;,&#8220;content_column_breakpoint&#8220;:&#8220;m&#8220;,&#8220;faq_schema&#8220;:false,&#8220;filter_align&#8220;:&#8220;left&#8220;,&#8220;filter_all&#8220;:true,&#8220;filter_grid_breakpoint&#8220;:&#8220;m&#8220;,&#8220;filter_grid_width&#8220;:&#8220;auto&#8220;,&#8220;filter_position&#8220;:&#8220;top&#8220;,&#8220;filter_style&#8220;:&#8220;tab&#8220;,&#8220;grid_default&#8220;:&#8220;1&#8243;,&#8220;grid_divider&#8220;:true,&#8220;grid_medium&#8220;:&#8220;&#8220;,&#8220;grid_row_gap&#8220;:&#8220;small&#8220;,&#8220;image_align&#8220;:&#8220;top&#8220;,&#8220;image_grid_breakpoint&#8220;:&#8220;&#8220;,&#8220;image_grid_width&#8220;:&#8220;auto&#8220;,&#8220;image_svg_color&#8220;:&#8220;emphasis&#8220;,&#8220;image_vertical_align&#8220;:true,&#8220;item_animation&#8220;:true,&#8220;lightbox_bg_close&#8220;:true,&#8220;link_style&#8220;:&#8220;default&#8220;,&#8220;link_text&#8220;:&#8220;&#8220;,&#8220;margin_bottom&#8220;:&#8220;default&#8220;,&#8220;margin_top&#8220;:&#8220;default&#8220;,&#8220;maxwidth&#8220;:&#8220;medium&#8220;,&#8220;maxwidth_breakpoint&#8220;:&#8220;l&#8220;,&#8220;meta_align&#8220;:&#8220;above-title&#8220;,&#8220;meta_element&#8220;:&#8220;div&#8220;,&#8220;meta_style&#8220;:&#8220;text-small&#8220;,&#8220;panel_image_no_padding&#8220;:true,&#8220;panel_link&#8220;:true,&#8220;show_content&#8220;:true,&#8220;show_hover_image&#8220;:true,&#8220;show_hover_video&#8220;:true,&#8220;show_image&#8220;:true,&#8220;show_link&#8220;:true,&#8220;show_meta&#8220;:true,&#8220;show_title&#8220;:true,&#8220;show_video&#8220;:true,&#8220;title_align&#8220;:&#8220;top&#8220;,&#8220;title_element&#8220;:&#8220;div&#8220;,&#8220;title_font_family&#8220;:&#8220;tertiary&#8220;,&#8220;title_grid_breakpoint&#8220;:&#8220;m&#8220;,&#8220;title_grid_width&#8220;:&#8220;1-2&#8243;,&#8220;title_hover_style&#8220;:&#8220;reset&#8220;,&#8220;title_margin&#8220;:&#8220;remove&#8220;},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;grid_item&#8220;,&#8220;props&#8220;:{&#8222;yooessentials_access_conditions&#8220;:[],&#8220;yooessentials_access_mode&#8220;:&#8220;AND&#8220;},&#8220;source&#8220;:{&#8222;query&#8220;:{&#8222;name&#8220;:&#8220;blogs.customBlogs&#8220;,&#8220;arguments&#8220;:{&#8222;users&#8220;:[],&#8220;users_operator&#8220;:&#8220;IN&#8220;,&#8220;offset&#8220;:0,&#8220;limit&#8220;:5,&#8220;order&#8220;:&#8220;date&#8220;,&#8220;order_direction&#8220;:&#8220;DESC&#8220;,&#8220;terms&#8220;:[],&#8220;blog_kategorie_operator&#8220;:&#8220;IN&#8220;}},&#8220;props&#8220;:{&#8222;title&#8220;:{&#8222;filters&#8220;:{&#8222;search&#8220;:&#8220;&#8220;},&#8220;name&#8220;:&#8220;title&#8220;},&#8220;meta&#8220;:{&#8222;filters&#8220;:{&#8222;search&#8220;:&#8220;&#8220;},&#8220;name&#8220;:&#8220;field.subline&#8220;},&#8220;link&#8220;:{&#8222;filters&#8220;:{&#8222;search&#8220;:&#8220;&#8220;},&#8220;name&#8220;:&#8220;link&#8220;}}}}]},{&#8222;type&#8220;:&#8220;headline&#8220;,&#8220;props&#8220;:{&#8222;block_align&#8220;:&#8220;right&#8220;,&#8220;block_align_breakpoint&#8220;:&#8220;l&#8220;,&#8220;content&#8220;:&#8220;Kategorien&#8220;,&#8220;content_en_us&#8220;:&#8220;Categories&#8220;,&#8220;image_align&#8220;:&#8220;left&#8220;,&#8220;image_margin&#8220;:&#8220;xsmall&#8220;,&#8220;margin_bottom&#8220;:&#8220;remove&#8220;,&#8220;margin_top&#8220;:&#8220;large&#8220;,&#8220;maxwidth&#8220;:&#8220;medium&#8220;,&#8220;maxwidth_breakpoint&#8220;:&#8220;l&#8220;,&#8220;title_element&#8220;:&#8220;div&#8220;,&#8220;title_style&#8220;:&#8220;h6&#8243;,&#8220;yooessentials_access_conditions&#8220;:[{&#8222;type&#8220;:&#8220;yooessentials_access_dynamic&#8220;,&#8220;id&#8220;:&#8220;ci_AD8A0F&#8220;,&#8220;props&#8220;:{&#8222;condition&#8220;:&#8220;!&#8220;,&#8220;reversed&#8220;:true},&#8220;source_extended&#8220;:{&#8222;props&#8220;:{&#8222;value&#8220;:{&#8222;name&#8220;:&#8220;blog_kategorieString&#8220;,&#8220;query&#8220;:{&#8222;name&#8220;:&#8220;#parent&#8220;}}}}}],&#8220;yooessentials_access_mode&#8220;:&#8220;AND&#8220;}},{&#8222;type&#8220;:&#8220;list&#8220;,&#8220;props&#8220;:{&#8222;block_align&#8220;:&#8220;right&#8220;,&#8220;block_align_breakpoint&#8220;:&#8220;l&#8220;,&#8220;class&#8220;:&#8220;tag-list&#8220;,&#8220;column_breakpoint&#8220;:&#8220;m&#8220;,&#8220;image_align&#8220;:&#8220;left&#8220;,&#8220;image_svg_color&#8220;:&#8220;emphasis&#8220;,&#8220;image_vertical_align&#8220;:true,&#8220;list_element&#8220;:&#8220;ul&#8220;,&#8220;list_horizontal_separator&#8220;:&#8220;&#8220;,&#8220;list_type&#8220;:&#8220;horizontal&#8220;,&#8220;margin_bottom&#8220;:&#8220;small&#8220;,&#8220;margin_top&#8220;:&#8220;small&#8220;,&#8220;maxwidth&#8220;:&#8220;medium&#8220;,&#8220;maxwidth_breakpoint&#8220;:&#8220;l&#8220;,&#8220;show_image&#8220;:true,&#8220;show_link&#8220;:true},&#8220;children&#8220;:[{&#8222;type&#8220;:&#8220;list_item&#8220;,&#8220;source&#8220;:{&#8222;query&#8220;:{&#8222;name&#8220;:&#8220;blogs.singleBlog&#8220;,&#8220;field&#8220;:{&#8222;name&#8220;:&#8220;blog_kategories&#8220;,&#8220;directives&#8220;:[{&#8222;name&#8220;:&#8220;slice&#8220;,&#8220;arguments&#8220;:{&#8222;offset&#8220;:0}}]}},&#8220;props&#8220;:{&#8222;content&#8220;:{&#8222;filters&#8220;:{&#8222;search&#8220;:&#8220;&#8220;},&#8220;name&#8220;:&#8220;name&#8220;},&#8220;link&#8220;:{&#8222;filters&#8220;:{&#8222;search&#8220;:&#8220;&#8220;},&#8220;name&#8220;:&#8220;link&#8220;}}}}]}]}]}],&#8220;name&#8220;:&#8220;Blog V11 &#8211; 08\/26&#8243;,&#8220;source&#8220;:{&#8222;query&#8220;:{&#8222;name&#8220;:&#8220;blogs.singleBlog&#8220;}}}],&#8220;version&#8220;:&#8220;5.0.53&#8243;} &#8211;><\/p>\n","protected":false},"featured_media":19981,"template":"","blog-kategorie":[94,54],"class_list":["post-19983","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-kategorie-ai-in-marketing","blog-kategorie-events"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.hopmann.com\/de\/wp-json\/wp\/v2\/blog\/19983","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.hopmann.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.hopmann.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"version-history":[{"count":15,"href":"https:\/\/www.hopmann.com\/de\/wp-json\/wp\/v2\/blog\/19983\/revisions"}],"predecessor-version":[{"id":20011,"href":"https:\/\/www.hopmann.com\/de\/wp-json\/wp\/v2\/blog\/19983\/revisions\/20011"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.hopmann.com\/de\/wp-json\/wp\/v2\/media\/19981"}],"wp:attachment":[{"href":"https:\/\/www.hopmann.com\/de\/wp-json\/wp\/v2\/media?parent=19983"}],"wp:term":[{"taxonomy":"blog-kategorie","embeddable":true,"href":"https:\/\/www.hopmann.com\/de\/wp-json\/wp\/v2\/blog-kategorie?post=19983"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}