Nutzung von KI im Ideenmanagement: Wunsch und Wirklichkeit

Geschrieben von: Dr. Hartmut Neckel
am: 14.07.2026
Themen: Anwendungen von künstlicher Intelligenz KI im Ideenmanagement; Benchmarking im Ideenmanagement; Chancen und Risiken von KI im Ideenmanagement; Erste große Benchmark-Studie zur Nutzung von KI im Ideenmanagement; KI Unterstützung für den Ideationprozess

Die Möglichkeiten zur Nutzung von KI im Ideenmanagement waren in diesem Blog schon häufiger Thema. Der Kennzahlenvergleich Ideenmanagement 2025 bietet nun die Basis für die erste umfassende Benchmark-Studie, was davon bereits tatsächlich eingesetzt wird und welche Perspektiven für die Zukunft bestehen. Zudem liegen mittlerweile genügend Erfahrungen vor, um einschätzen zu können, wo KI (zumindest derzeit noch) an ihre Grenzen kommt.

Verzehnfachung der Nutzung seit 2021

Von den insgesamt 239 Teilnehmern am Kennzahlenvergleich Ideenmanagement 2021 hatten damals 230 auch am ergänzenden Benchmarking teilgenommen. Von diesen wiederum hatten nur 3% angegeben, KI für das Ideenmanagement nutzen. Für das Jahr 2025 ist die Gesamtzahl der Teilnehmer auf 273 gestiegen, von denen nun 187 Teilnehmer Angaben zu den KI-Themen im ergänzenden Benchmarking gemacht haben. 27% der Letzteren haben dabei angegeben, bereits KI-Anwendungen im Ideenmanagement einzusetzen.

Ob man den Anstieg von 3% auf 27% im Vergleich zur allgemeinen Verbreitung als hoch oder gering bewertet, bleibt jedem selbst überlassen. Man darf in jedem Fall davon ausgehen, dass viele Einreicher, Bearbeiter und Ideenmanager KI auch „auf eigene Faust“ nutzen, selbst wenn systemseitig im Ideenmanagement keine KI-Funktionen implementiert sind.

Die Datenbasis bei Nicht-Produktionsunternehmen ist zwar zu klein, um statistisch belastbare Aussagen treffen zu können, doch immerhin deutet sich an, dass KI-Funktionen in einem mit 35% etwas höheren Anteil der Nicht-Produktions- als in Produktionsunternehmen mit 25% realisiert sind.
Bei Plänen für eine erstmalige oder über bisherige Funktionen hinausgehende Nutzung von KI sind die Unterschiede größer: Sie finden sich bei 62% der Nicht-Produktions-, aber nur bei 43% der Produktionsunternehmen.
Bei Wünschen (ohne konkrete Planungen) liegen Nicht-Produktions- und Produktionsunternehmen mit 91% bzw. 96% dagegen fast gleichauf.

Insgesamt klaffen Wunsch und Wirklichkeit noch weit auseinander. Bei allen abgefragten Anwendungen ist die Anzahl der Teilnehmer, die dafür den Einsatz von KI wünschen, wesentlich größer als derjenigen, die das bereits realisiert haben oder in nächster Zukunft planen.

In manchen Unternehmen scheint der Einsatz von KI im Ideenmanagement auch noch gar kein Thema zu sein. Das wäre zumindest eine mögliche Interpretation dessen, dass 15% der Teilnehmer, die andere Themen des ergänzenden Benchmarkings 2025 beantwortet haben, keine Angaben zum Thema KI gemacht haben.

Wofür KI am meisten genutzt wird

Am häufigsten wird KI im Ideenmanagement bislang für textliche Formulierungen verwendet. Das ist nicht verwunderlich, denn hierfür kann die Sprachkompetenz der generativen KI-Modelle direkt eingesetzt werden, ohne vorher aufwändige firmenspezifische Anpassungen vornehmen zu müssen. So hilft KI bereits …

… Einreichern bei der Beschreibung ihrer Ideen,
… Entscheidern beim Verfassen von Feedback an Einreicher und
… dem Ideenmanagement selbst beim Formulieren und Strukturieren von Reporting-, Marketing-, Informations- oder Schulungsmaterial.

In deutlich geringerem Umfang finden sich noch zahlreiche weitere Anwendungen, von denen hier nur die genannt seien, die bereits in mehr als 5 Unternehmen realisiert sind. Beispielsweise wird KI genutzt, um …

… Einreicher bei der Einordnung ihrer Idee in inhaltliche Kategorien zu unterstützen oder ihnen die Prüfung ihrer Idee auf Vollständigkeit oder Realisierungschancen zu ermöglichen,
… Bearbeitern Verständnishilfen oder Entscheidungsvorlagen anzubieten,
… dem Ideenmanagement das Filtern von Dubletten abzunehmen, ihm Anregungen für Marketingaktivitäten zu geben oder „Papiervorschläge“ zu digitalisieren.

Abb. 1: Drei jeweils am häufigsten bereits realisierte KI-Anwendungen für Ideenmanager und -koordinatoren (oben), für Bearbeiter, Gutachter oder Entscheider (Mitte), für Einreicher (unten)

/Teilnehmer am Kennzahlenvergleich 2025 finden die vollständigen Auswertungen zur Nutzung von KI auf den Seiten 45-50 ihrer individuellen Ergebnisberichte/

Die Hälfte der Unternehmen, die bereits KI-Anwendungen im Ideenmanagement nutzen, plant in nächster Zukunft Ergänzungen mit weiteren Funktionen. Dagegen finden sich bei Unternehmen, die noch keine KI einsetzen, Pläne für eine erstmalige KI-Nutzung nur bei etwas mehr als einem Viertel.

Die Häufigkeiten, mit denen verschiedene Anwendungen geplant sind, decken sich weitgehend mit denen der bereits erfolgten Realisierung. Allerdings gibt es auch einige Funktionen, die in mehr Unternehmen geplant als bereits realisiert sind. So sollen demnächst vor allem KI-Anwendungen implementiert werden, mit denen das Einreichen per Spracheingabe ermöglicht, passende Schlagworte vergeben oder Vorschläge den zuständigen Bearbeitern zugewiesen werden können.

Wünschen kostet nichts

Bei Wünschen muss man auf den Realisierungsaufwand weniger Rücksicht nehmen. Hier kann das Ranking auch als Indikator verstanden werden, wo die größten „Pain Points“ gesehen werden, bei denen man sich durch den Einsatz von KI am meisten Abhilfe verspricht bzw. erhofft.

Folgende KI-Anwendungen zählen sowohl bei Produktions- als auch bei Nicht-Produktionsunternehmen zu den Top 10 der Wunschlisten:

Entscheidungsvorlagen (inkl. Pro- und Contra-Argumente, Daten- und Informationsaufbereitung, Dubletten-/Ähnlichkeits-Check, …) und Priorisierungshilfen für Bearbeiter
Vollständigkeits-Checks, kreative Schwachstellenanalysen der Idee, Pro- und Contra-Argumente für Einreicher
Nachverfolgung der Ideenbearbeitung für Ideenmanager und -koordinatoren
Einordung in vorgegebene Kategorien, inhaltliche Klassifizierung für Einreicher und / oder für Ideenmanager und -koordinatoren

Abb. 2: Ranking der gewünschten KI-Anwendungen für Ideenmanager und -koordinatoren

Interessanterweise steht die Nutzung von KI als Filter für KI generierte Ideen an letzter Stelle der Wunschliste. Die im Blogbeitrag „Ertrinkt das Ideenmanagement demnächst in KI-generierten Vorschlägen?“ aufgeworfene Frage lässt sich somit wohl mit „Nein“ beantworten: Eine „Überschwemmung“ mit solchen Ideen scheint nur ein fiktives „Problem“ zu sein. Im folgenden Abschnitt stelle ich einige Überlegungen zusammen, warum KI womöglich an ihre Grenzen kommt, wenn sie selbständig Ideen entwickeln soll.

Ideenfindung per Mensch und per KI

Mit dem Aufkommen der generativen KI entstand in manchen Unternehmen auch die Sorge, Mitarbeiter könnten nun Vorschläge auf Masse produzieren, indem sie einfach eingeben: „Schreibe mir Verbesserungsvorschläge“ und dann das, was ihnen die KI liefert, als eigene Idee einreichen.

Doch so einfach ist es nicht (aus Sicht mancher Mitarbeiter vielleicht „leider“, aus Sicht des Ideenmanagements wohl eher „glücklicherweise“). Denn einen so simplen Prompt beantwortet die KI mit plausiblen, generischen Verbesserungsvorschlägen, die in vielen Unternehmen sinnvoll sein könnten, aber keinen konkreten Bezug zu den tatsächlichen Gegebenheiten haben. Wie bereits im Blogbeitrag „Ertrinkt das Ideenmanagement demnächst in KI-generierten Vorschlägen?“ erwähnt, lassen sich solche Vorschläge leicht von einer Bearbeitung im Ideenmanagement ausschließen.

Unbenommen bleibt, dass KI-generierte „Allgemein-Vorschläge“ Mitarbeiter zu eigenen Ideen für konkrete Verbesserungen in der realen Unternehmenswelt inspirieren können, die sie dann (vielleicht mit Formulierungshilfe seitens einer KI) einreichen. Inspiration kann man sich überall holen: auf einem Spaziergang, beim Blättern in einem Gedichtband, in einem Gespräch – warum nicht auch durch generische „Allgemein-Vorschläge“. Doch wenn dies zufällig einmal geschieht, ist es eine Idee des Einreichers und nicht der KI.

Unbenommen ist außerdem, dass KI durchaus in der Lage ist, das Finden und die Entwicklung von Verbesserungsideen substanziell zu befördern, ebenso wie das Finden und die Entwicklung von Problemlösungen. Doch dafür sind wesentlich komplexere Anweisungen an die KI erforderlich als der oben zitierte Prompt. Dazu weiter unten mehr. Zuvor gehe ich auf die Unterschiede der Ideenfindung durch Menschen und durch generative KI ein.

Mensch: Mit Leib und Seele vor Ort

Die relevanten Verbesserungspotenziale können von Menschen meist deshalb erkannt = „wahr-genommen“ werden, weil sie die Situation vor Ort erleben: sie sind in die Realität leiblich eingebettet und von ihr betroffen. Menschen sind nicht Beobachter, die von außen Informationen über eine Umgebung sammeln; sie sind leiblich in eine Situation verwickelt. Auf eigenem Betroffensein basierende Vorschläge sind in der Regel deutlich besser als die, die sich Einreicher „am grünen Tisch“ ausdenken.

Zuweilen bleiben Wahrnehmungen eine Zeitlang unbewusst, werden aber dennoch (im Unbewussten) weiterverarbeitet, bis sich – insbesondere bei mehrfachem Erleben einer Situation – daraus (wie zufällig) ein Einfall formiert. Dieser Gedanke geht dem Menschen vielleicht einige Tage als diffuse Vorstellung im Kopf herum; oft, ohne dass er ihn bereits vollständig in Worte fassen könnte; und er überschläft seine Idee erst einmal, bevor er sie eingibt.
Dieser Prozess ist subjektiv, in ihn fließen alle möglichen vorherigen Erfahrungen aus dem Leben des Menschen ein: Erleben und Denken sind nicht nur eingebettet in den Kontext des Ortes, sondern auch in die Kontinuität des Zeitverlaufs. In ihrem Lebenslauf entwickeln Menschen mit der Zeit Vorlieben und Bedürfnisse, Ziele und Wertungen, die ihr Selbst ausmachen und aus denen heraus sie Initiative und Engagement entfalten.

Mehr zu den neurologischen und kognitiven Prozessen, die bei der Ideenentstehung eine Rolle spielen, lesen Sie in den Blogbeiträgen zum Neuroideenmanagement:

KI: Ein Kopf ohne Körper

Ein Sprachmodell ist dagegen an keinen „Ort“ gebunden. Es „existiert“ in einem Rechenzentrum und hat zunächst keinen Bezug zu einer realen Situation, für die es vielleicht Verbesserungsideen generieren soll. Ohne Eingabe durch einen Menschen (oder bewusst programmierte Trigger) bleibt die KI in einem Zustand passiver Verfügbarkeit.

Der erste „Kontakt“ des Sprachmodells mit der Realität entsteht durch einen Prompt; gleichzeitig wird mit dem Prompt eine Aktivität des Sprachmodells ausgelöst: es beginnt eine Interaktion, ein Chat zwischen Mensch und KI.
Im Rahmen dieses Chats könnte die KI zwar Räume und Situationen in einem funktionalen Sinn erfassen. Sofern sie Zugriff auf entsprechende unternehmensinterne Sensoren oder Daten hat, könnte sie Informationen über Licht, Temperatur, Geräusche, Bewegungen, Sprache, Gesichtsausdrücke und räumliche Anordnungen verarbeiten und daraus Muster erkennen. Sie könnte einschätzen und beschreiben, wie eine Situation von Menschen erlebt wird. Doch eine Kamera im Raum sieht nicht im gleichen Sinn wie ein Mensch im Raum steht. KI verarbeitet Informationen über eine Welt, die vor ihr liegt, befindet sich aber nicht in einer Welt, von der sie betroffen ist.
Dem entspricht, dass eine KI kein fortdauerndes „Selbst“ hat, das selbst etwas erleben oder von etwas betroffen sein könnte, das eigene Interessen oder Vorlieben entwickeln könnte. Wenn ein Sprachmodell in einem Chat wie üblich die Formulierung „ich“ verwendet, ist das metaphorisch zu verstehen. Solche Aussagen beschreiben keinen inneren Zustand der KI, sondern eine Gesprächsdisposition: Die KI formuliert so, wie gemäß der von ihr errechneten Wahrscheinlichkeiten ein menschlicher Gesprächspartner formulieren würde.
Während eines Chats kann die KI den bisherigen Verlauf als Kontext verwenden. Dadurch kann sie sich auf vorherige Fragen beziehen und Gedankengänge verfolgen. Insofern kann KI im Gespräch eine Art Kontinuität simulieren, weil und solange ein Gesprächskontext vorhanden ist. Aber es gibt keinen inneren Faden, der außerhalb dieses Kontextes weiterläuft, wenn die Interaktion beendet und der Chat gelöscht wurden, denn im zugrundeliegenden Sprachmodell hinterlässt der Chat keine Spuren. Die Gewichte bzw. Parameter des Modells werden während der Interaktion nicht angepasst. Das, was während des Chats seitens der KI mit „ich“ geantwortet hat, gibt es dann nicht mehr. Anders als der Mensch lernt die KI also nichts, was über den Chat hinausreicht. Zwar können je nach Einstellungen und Richtlinien Chats vom Hersteller des Sprachmodells verarbeitet werden, um Systeme zu verbessern. Das ist aber etwas anderes als einen Chat direkt in das Modell einzubauen. Ein später trainiertes oder verbessertes Modell könnte eventuell aus vielen Datenquellen beeinflusst worden sein – aber nicht so, dass ein konkreter Chat als einzelne Erinnerung in der KI weiterlebt.

Der KI ist es egal, was sie als Verbesserung vorschlägt. Sie kennt keine eigenen Bedürfnisse, Neigungen oder Ziele. Sie hat nicht einmal ein Interesse an Verbesserung überhaupt. Sie kennt keine inneren Momente wie: „Das wäre doch besser“ und keine „Heureka“-Erlebnisse. Aber je nach per Prompt zugewiesener Rolle kann sie sich verhalten, als wäre sie an bestimmten Dingen interessiert, und als würde sie diese oder jene Änderung besser finden als den bisherigen Zustand. Ideen erzeugt sie nach den Gesetzen der Wahrscheinlichkeitsrechnung aus dem ihr zugrundeliegenden Trainings- sowie dem aktuell zugänglichen Informations- und Datenmaterial. Dabei unterliegt sie Vorgaben wie etwa den Systemregeln, Sicherheitsanforderungen, Gesprächskontexten und Anweisungen des Nutzers.

Kurz: Zwar „weiß“ eine KI beispielsweise von einem Apfel sehr viel mehr als nur die im Kopfbild gezeigten ASCII-Codes der Buchstaben „A“, „P“, „F“, „E“ und „L“. Dennoch fasst das Kopfbild recht gut den Unterschied zusammen, wie ein Mensch etwas erlebt und wie KI mit „0“ und „1“ rechnet.

KI als Ideen- und Lösungsfinder

Den „Defiziten“ einer KI an eigenem Erleben und Betroffensein, an eigenen Begierden (z.B. Neugier) und Trieben (z.B. Antrieb zu Verbesserungen) stehen der Zugang zu und die Verarbeitungsfähigkeit einer enormen Informations- und Datenfülle gegenüber. Mit diesem Wissen und Können liefert KI genau das, was auch bei systematischen und (meist top-down) gesteuerten Verbesserungs- und Problemlöseaktivitäten zum Einsatz kommt, allerdings in einem ungleich größeren Umfang.

Der Vergleich zwischen Mensch und KI weist darauf hin, was zu tun ist, um KI in diesem Sinne zu nutzen:

Die KI benötigt einen gut formulierten Prompt, der sie anweist, sich auf konkrete Gegebenheiten des Unternehmens zu beziehen und dabei wie ein erfahrener Prozessoptimierer oder Verbesserungs-Coach zu arbeiten. In dieser Rolle müsste die KI den Mitarbeiter zunächst durch ein strukturiertes Interview führen, um die zu verbessernde Situation mit den betreffenden Arbeitsabläufen, Zusammenhängen und Hintergründen möglichst genau zu verstehen.
Zwischenbemerkung 1: Tatsächlich ist der Mensch hier unverzichtbar. Es ist sein Verlangen nach Verbesserung oder sein Leiden an einem Problem, was die Suche nach Ideen und Lösungen auslöst. Von sich aus kennt KI weder Verlangen noch Leiden. Die „rationale“, auf statistischen Berechnungen beruhende Herangehensweise der KI kann die intuitiven, oft durch Gefühle ausgelösten Wege, mit denen Menschen auf Verbesserungsideen kommen, ergänzen, aber nicht ersetzen. Der Bottom-up-Kanal des Ideenmanagements bleibt daher unverzichtbar.
Der Prompt würde der KI eventuell Hinweise auf aktuelle unternehmensinterne und externe Informations- und Datenquellen geben, die sie nutzen soll. Zusätzlich könnte der Prompt so erweitert werden, dass die KI nicht bei der erstbesten Idee stehenbleibt, sondern die Situation systematisch nach mehreren Verbesserungsmöglichkeiten untersucht, diese bewertet und erst anschließend die aussichtsreichste Idee (mit Begründung!) auswählt und ausarbeitet. Dies entspricht einer Funktionalität bzw. Nutzungsweise von KI, wie sie in den Blogbeiträgen „KI in der Praxis: Unterstützung für Einreicher durch modulare KI-Werkzeuge“ und „User Journey mit Step-by-step Coaching durch Chatbot Avatare“ beschrieben wurde.
Zwischenbemerkung 2: Nach dem obigen Abschnitt über „KI als Kopf ohne Körper“ dürfte klar sein, dass die „Auswahl einer aussichtsreichsten Idee“ durch die KI in Wirklichkeit immer eine „heuristische Priorisierung unter Unsicherheit“ ist. Selbst wenn die KI in Echtzeit auf unternehmensspezifische Prozesskennzahlen, Kostenstrukturen und Beschreibungen technischer Rahmenbedingungen zugreifen kann, fehlt ihr die Verbindung zu den Motivationen und Volitionen, die in einer konkreten Situation im Unternehmen entscheidungswirksam werden. Wie am Anfang muss auch am Ende der Mensch sagen, was er will, was ihm wichtig ist und vor allem: was er zu verantworten bereit ist. Denn KI gibt zwar Antworten ohne Ende, übernimmt am Ende aber keine Verantwortung …
Die zur Beschreibung der konkreten Situation für die KI bereitgestellten bzw. nutzbaren Informationen mögen noch so detailliert und umfassend sein – was die KI dann als Verbesserungsideen oder Problemlösungen ausgibt, ist stets ein „statistisches Amalgam“. Das kann in vielen Fällen brauchbar sein, in vielen Fällen aber den springenden Punkt der einzigartigen Situation verfehlen. Viele Einzelfälle lassen sich nun einmal mit statistischen Methoden nicht erfassen oder behandeln; die Antworten der KI können dann von Menschen („nur“) als Anregungen genutzt werden, um selbst auf die Idee zu kommen, die den Nagel auf den Kopf trifft …

Auf diese Art (und mit den genannten Einschränkungen) kann KI mit ihrem Wissen und Können Einreichern bei der Ausarbeitung und Validierung ihrer (mal mehr, mal weniger „zufällig“ entstandenen) Ideen ebenso helfen, wie Prozessoptimierern bei der systematischen und datenbasierten Identifikation von Verbesserungs- oder Problemthemen und deren Bearbeitung.

Um zum Schluss noch einmal auf das Risiko einer Überschwemmung mit auf Masse produzierten KI-Vorschlägen zurückzukommen: Wenn Mitarbeiter das voranstehend beschriebene Verfahren nutzen, um mit Hilfe von KI Ideen zu erhalten, auf die sie selbst (noch) nicht gekommen sind, dürfte allein der Zeitaufwand, sich durch ein Interview führen zu lassen, dafür sorgen, dass die Menge solcherart erzeugter Vorschläge doch sehr überschaubar bleibt. Und wenn dann dabei brauchbare Ideen entstehen, kann man sich schließlich nur freuen …

Fazit: Während das Risiko, dass Ideen mit Hilfe von KI auf Masse produziert werden, gering ist, sind die Chancen groß, dass die Nutzung von KI als Verbesserungs-Coach zu Ideen mit mehr Klasse führt.

Lesen Sie mehr zum Thema KI und Ideenmanagement:

Ein nach Stichworten sortiertes Verzeichnis mit Links auf alle bisher erschienenen Beiträge im Blog zum Ideenmanagement finden Sie in diesem Register.

Alle Erwähnungen von Unternehmen und Produkten sind redaktioneller Natur und wurden nicht bezahlt.

Dr. Hartmut Neckel

kontakt@hartmut-neckel.de

Dr. Hartmut Neckel ist einer der profiliertesten Vordenker und erfahrensten Praktiker im Themenbereich Ideenmanagement, Innovation und kontinuierliche Verbesserungsprozesse.