In den vergangenen zwei Wochen liefen im B2B-GTM zwei Geschichten parallel. Die eine handelt davon, wo Käufer sich heute ansprechen lassen: KI-Answer-Engines liefern bessere Conversion als die klassische Suche, während die Zitationsdaten immer wieder dem widersprechen, was für SEO funktionierte. Die andere handelt davon, wer verkauft, sobald die Käufer dort angekommen sind: Das Versprechen vollautonomer KI-SDRs weicht sichtbar hybriden Systemen, obwohl Anbieter weiter neue autonome Produkte auf den Markt bringen.

Der Schwerpunkt auf LinkedIn wandert von breiter Reichweite zur Glaubwürdigkeit einzelner Personen; belohnt werden Relevanz und menschliche Eigenheit statt Masse, Pods oder unbearbeiteter KI-Ausgaben.

Zwei Stränge durchziehen die Diskussion über Channel und Partnerschaften in diesem Zeitraum. Erstens verknüpfen die Hyperscaler das Verhalten der Partner enger mit dem Umsatz, von den Tier-Anforderungen bei AWS über die kaum genutzte Telemetrie bei Microsoft bis zu einer neuen Marke von 1 Milliarde Dollar im Marketplace. Zweitens baut das Ökosystem selbst die Infrastruktur auf, um den Wert von Partnerschaften zu belegen: Attribution, Co-Close-Daten und KI-gestütztes Partner-Matching treten an die Stelle gezählter Aktivitäten. Beides weist in dieselbe Richtung: Partnering wird weniger wie Beziehungspflege geführt als wie ein messbarer Umsatzkanal.

Mit dem Start von Claudeforce durch Salesforce und Anthropic verschob sich die Diskussion darüber, wo Agenten im MarTech-Stack angesiedelt sind; die übrige Branche arbeitete in den Wochen danach heraus, was das für CDPs, Integrationen und die Verantwortlichen für Marketing Operations bedeutet. Customer Data Platforms verdichteten sich weiter um Entscheidungslogik statt um das Sammeln von Daten, während mehrere Studien zeigten, dass die Zahl der Tools, die Investitionen in KI und die Produktionskapazität schneller wachsen als die Fähigkeit der Teams, deren Wirkung zu belegen. Hinter den Ankündigungen stand immer wieder dasselbe Thema: die Hoheit über Daten, über Kontext, über Workflows und über die Agenten, die inzwischen auf allen drei Ebenen agieren.

Die Diskussion zum Go-to-Market lief in diesem Zeitraum auf ein Thema hinaus: GTM wird als Disziplin um Systeme herum neu aufgebaut, nicht um zusätzliche Stellen. Frameworks verdichten sich zu wiederholbaren Modellen, GTM Engineering verdrängt die volumengetriebene SDR-Arbeit, und KI legt fehlende Abstimmung in Organisationen genauso schnell offen, wie sie verspricht, sie zu beheben. Hinter den Frameworks zeigen einige reale Kampagnen und Abschlüsse, was ein diszipliniertes Targeting und eine ebenso disziplinierte Abfolge tatsächlich an Pipeline und Umsatz erzeugen.

Die Gespräche im Field Marketing laufen in dieser Ausgabe auf ein Spannungsfeld hinaus. Budgets und Aufmerksamkeit wandern zurück zu Präsenzveranstaltungen, doch belegen lässt sich der Erfolg nur dort, wo Nachfassen, Zielgruppenauswahl und Attribution ebenso ernst genommen werden wie der Raum selbst. KI verschiebt den Aufwand: weg von Standlogistik und manueller Lead-Erfassung, hin zur Auswahl der Zielkontakte vor der Messe und zur Attribution danach. Eine neue Welle von Produkten entsteht eigens für diese Lücke. Zugleich lernen Praktiker, die von Black Hat, dem CEMA Summit, dem ServiceNow-Event in Atlanta und dem B2B Summit in Brasilien zurückkehren, erneut, dass die Gestaltung der Präsenz und kleine Details in der Umsetzung darüber entscheiden, ob eine Messe im nächsten Jahr wieder einen Platz im Kalender bekommt.

Das Operating Model im Private Equity wird gerade in Echtzeit neu gebaut. Financial Engineering trägt die Renditen nicht mehr, deshalb ziehen die Häuser operative Arbeit nach vorn, überdenken, wer die Portfoliounternehmen führt, und prüfen, wo KI sich tatsächlich rechnet und wo sie lediglich beeindruckend wirkt. Der Markt spricht dadurch weniger über Multiples und mehr über Umsetzungskapazität, weniger über Pilotprojekte und mehr über Belege.

Fundraising allein über den Track Record zu gewinnen, wird schwieriger. Pitches werden um das Mandat des LP herum neu aufgebaut statt um die Geschichte der Firma, die Abläufe beim Allokator zählen inzwischen eigenständig für ein Re-up, und es entstehen Werkzeuge, die jene Teile einer Kapitalaufnahme automatisieren, die ein Fundraising-Team früher eine ganze Woche kosteten. Auf struktureller Ebene vermehren sich die Mechanismen, mit denen Firmen Kapital bewegen und wiederverwenden: Co-Investments, Continuation Funds, Secondaries und Collateralized Fund Obligations, während Exits langsamer werden und Ausschüttungen hinterherhinken. Die größten Closings gewinnt weiterhin die Größe, doch Family Offices und ein breiter werdender Retail-Kanal öffnen sich als parallele Kapitalquellen, während die zugrunde liegenden Daten zeigen, dass die mittleren Renditen im PE sich denen der Aktienmärkte annähern und Liquidität auf ganzer Linie schwerer zu bekommen ist.

Die eigene Struktur des Venture Capital steht stärker auf dem Prüfstand als die Deals, die daraus finanziert werden. Performancedaten zeigen, dass die meisten Vehikel die Renditen nie erreichen, mit denen sie bei LPs werben. Das Kapital sammelt sich bei immer weniger Megagesellschaften, obwohl Erstfondsmanager besser abschneiden. Und die Kategorien, die die Branche bislang ordneten, also generalistische Mid-Market-Fonds, Exits über die Börse und „VC“ als eigenes Etikett neben Private Equity, stehen alle zugleich zur Neuverhandlung. Darunter läuft das Dealgeschäft weiter: KI bestimmt weiterhin das Finanzierungsvolumen, Deep-Tech-Felder von der Quantentechnologie bis zur Photonik setzen neue Rekorde, und regionale Ökosysteme von den Vereinigten Arabischen Emiraten bis Louisiana bauen die Infrastruktur auf, um darum zu konkurrieren.

Über die Sommerpause hinweg lief das Dealgeschäft weiter, statt zu pausieren. Auf Jahressicht ist der weltweite M&A-Wert deutlich zurückgekommen, Finanzdienstleister und spezialisierte Gewerke durchlaufen jeweils eigene Konsolidierungswellen, und die Beraterlandschaft baut weiter Kapazität auf, von neuen Sell-Side-Boutiquen bis zu KI-nativen Integrationsplattformen. Zugleich stellen Praktiker den Prozess selbst infrage: die Bepreisung von Synergien, die tatsächlichen Gründe für gescheiterte Due Diligence und die oft wiederholte Quote von 70 Prozent gescheiterter M&A-Transaktionen, die den Daten nicht standhält.

Der Exit-Stau im Private Equity ist zur bestimmenden Größe des Marktes geworden: rund 32.000 bis 33.000 Unternehmen und 3,8 Billionen Dollar an Wert, festgehalten von Haltedauern, die im Schnitt auf sieben Jahre zulaufen. Die Reaktion darauf teilt sich in zwei Richtungen. Sponsoren und Berater setzen verstärkt auf die Vorbereitung des Exits und auf eine umsatzgetriebene Value Creation, während Strukturen wie Continuation Vehicles, Dividendenrekapitalisierungen und unabhängige Buyouts den Druck auffangen, Kapital zurückzuführen, ohne einen Verkauf zu erzwingen. Einige benannte Transaktionen, vom Verkauf von USI durch KKR für 17 Milliarden Dollar bis zum verbilligten Börsengang von SHEIN in Hongkong, zeigen, wie ein starker und ein schwacher Exit in diesem Umfeld konkret aussehen.

Nicht mehr die Frage, ob KI eingeführt wird, bestimmt die Debatte dieses Zeitraums, sondern ob sie die Ergebnisse verändert; Daten von McKinsey, KPMG, Deloitte und Gartner verweisen übereinstimmend auf eine wachsende Lücke zwischen Aktivität und Wertbeitrag der KI. Die Beratung selbst bleibt davon nicht verschont: Die teure Kehrtwende von Porsche in Richtung Tata und die Zahl der Agenten bei McKinsey zeigen, wie schnell sich das Beratungsmodell von innen heraus neu formt. Jenseits der KI-Debatte prägen Zölle, die Bepreisung von Klimarisiken und die Konsolidierung im Verteidigungssektor weiterhin das Denken der Verantwortlichen über Resilienz.

Zwei gegenläufige Erzählungen liefen im Markt für Bautechnologie in diesem Zeitraum nebeneinander her. Kapital und Produktneuheiten legten deutlich zu: KI-Agenten wanderten aus Demos in laufende Abläufe auf der Baustelle, und hunderte Millionen Dollar flossen in Robotik und AEC-Software. Zugleich zeigten die Einführungsdaten der Branche selbst eine wachsende Lücke zwischen digitalen Investitionen und tatsächlich erreichter Produktivität. Als eigentliche Bremse erwiesen sich Qualifikation, Vertrauen und saubere Daten von der Baustelle, nicht die Werkzeuge.

Die Diskussion des Zeitraums verlief in zwei getrennten Strängen. Auf der einen Seite betonten Praktiker immer wieder, dass die eigentlichen Grenzen industrieller KI bei Governance, der Bereitschaft der Belegschaft und den Datengrundlagen liegen, nicht bei der Leistungsfähigkeit der Modelle. Auf der anderen Seite brachten Plattformanbieter wie SAP, Siemens, Schneider Electric und AWS konkrete Produkte und Partnerschaften voran, viele davon auf einer dichten Folge weltweiter Messen und Foren.

Werkzeuge und Geräte werden standardmäßig verfolgbar, überwachbar und vernetzbar, nicht mehr nur im Ausnahmefall. Elektrowerkzeuge bekommen breitere Akku-Baureihen und Identifikationsfunktionen, die im Produkt selbst stecken. Ortsfeste Anlagen werden mit RFID, QR und BLE ausgezeichnet, sodass ihre Historie mit ihnen wandert. Maschinen werden nicht mehr in manuellen Rundgängen, sondern über kabellose Sensoren und die Analyse elektrischer Signaturen ausgelesen. Und Unternehmensplattformen führen all diese Daten zu Werkzeugen, Anlagen und Maschinen in einer gemeinsamen Sicht zusammen, die IT, Betrieb und Arbeitssicherheit heute teilen.

Foundation Models wandern von Forschungsdemos in ganze Flotten: Ein einziges Video genügt inzwischen, um einem Roboter eine neue Aufgabe beizubringen, und simulierte Trainingspipelines überschreiten beim Greifen und Ablegen durch Humanoide 80 Prozent Erfolgsquote. Die Hersteller humanoider Roboter wetteifern darum, Bewertung in ausgelieferte Einheiten zu verwandeln; chinesische Fertiger liegen bei den Auslieferungen derzeit vorn, während Akkulaufzeit und gleichbleibende Fertigungsqualität die begrenzenden Faktoren bleiben. Die chirurgische Robotik ordnet sich um Workflow und regulatorische Meilensteine statt um Neuheiten, und Kapital fließt weiter in Rekordtempo in den Sektor, während Anbieter von Rechenleistung und Industriekonzerne die Ebenen abstecken, die sie besetzen wollen.

Die KI-Debatte im Bauwesen teilt sich in zwei Stränge, die selten zusammenfinden. Der eine ist strategisch: Führung, Datenbereitschaft und Kultur werden häufiger als das Modell selbst als eigentliche Bremse der Einführung genannt. Der andere ist operativ: Bestandserfassung, BIM-Interoperabilität, generative Terminplanung und Robotik verstärken sich weiter gegenseitig und speisen jeweils mehr strukturierte Daten in Systeme ein, auf die KI zunehmend angewiesen ist. Finanzierungen und M&A folgen diesem zweiten Strang und konzentrieren sich auf diejenigen, denen der Arbeitsablauf und die dahinterliegenden Daten gehören. Zugleich reicht die Karriereleiter derer, die all das aufbauen, immer weiter in Strategie und Führung hinein.

Nicht ob Hersteller KI-Pilotprojekte durchführen können, war in diesem Zeitraum die entscheidende Frage, sondern ob sie daraus einen geregelten Betrieb im Unternehmensmaßstab machen. Softwareanbieter machten sich daran, die für die Skalierung nötige Daten- und Orchestrierungsschicht zu konsolidieren. Kapital floss weiter in die Modernisierung von Werken in den USA und Europa, und die Diskussion über Physical AI rückte von Roboterdemos zum Einsatz an der Edge in konkret benannten Werken. Souveränität und Infrastruktur bildeten ein zweites Thema, denn europäische Akteure koppelten ihre KI-Pläne direkt an Strom, Kühlung und Rechenzentrumskapazität.

In dieser Ausgabe laufen die Produktteams auf eine gemeinsame Botschaft zu. KI senkt die Kosten des Bauens, und damit wird nicht der Output knapp, sondern das Urteilsvermögen. Sichtbar wird das an einer neu definierten PM-Rolle, die heute Bauen und Verantwortung umfasst, an Organisationen, die feststellen, dass ein Product Operating Model täglich gelebt und nicht verkündet werden muss, und an einer Welle von Launches, Tools und Karriereschritten, die alle davon ausgehen, dass Tempo inzwischen Grundvoraussetzung ist.

Die Fähigkeit zur Drohnenabwehr verdichtet sich zu einem klar umrissenen Markt, hinter dem reale Budgets stehen. Zugleich steht Europas industrielle Basis unter Druck, vorhandene Fertigungskapazität auf militärische Produktion umzustellen, statt neue Kapazität von Grund auf aufzubauen. Autonomie gelangt von Pilotprojekten in eingesetzte Systeme, in der Simulation, bei der Zielerfassung und in der Kommunikation. Der Veranstaltungskalender zeigt, dass sich Beschaffung und Investitionen auf wenige Fachtreffen konzentrieren statt auf allgemeine Branchenkonferenzen.

Der Schwerpunkt von Health Tech wandert von Pilotprojekten zu fest eingebauter Infrastruktur. Regulierungsbehörden auf beiden Seiten des Atlantiks nähern sich leistungsbezogenen Standards für KI an, Gesundheitssysteme setzen KI-Agenten unmittelbar in Workflows für Dokumentation und Patientenkommunikation ein, und Kapital fließt weiter in Bildgebung, Robotik und die Krebsversorgung. Zugleich zog sich ein Gegenpunkt durch den Zeitraum: Ob diese Technik die Ergebnisse tatsächlich verändert, entscheiden nach wie vor der Zugang, die Gerechtigkeit und die Bereitschaft für den kommerziellen Einsatz.

Deutsche Telekom und T-Systems nutzten die neunte Digital X im Kölner Rheinauhafen unter dem Motto „Navigate What’s Next“, um die Diskussion vom Experimentieren mit KI zur Industrialisierung zu verschieben. Souveräne Cloud-Infrastruktur, agentenbasierte KI im Produktivbetrieb und ein dichtes Ökosystem aus Cybersicherheit und Konnektivität zogen sich durch die Keynotes. Parallel dazu warfen politische und kulturelle Stimmen von Angela Merkel bis Yuval Noah Harari dieselbe Frage auf: ob Europa den Mut und die Vertrauensinfrastruktur besitzt, um mit der bereits vorhandenen Technologie zu handeln.

Die Transparenzpflichten des EU AI Act traten in Kraft, die Durchsetzung blieb dabei prozedural statt strafend, und Wasserzeichen wurden zur Standardantwort der Branche. Die Regulierungsblöcke drifteten weiter auseinander: Die USA setzen auf eine zurückhaltende Linie, während Europa, China und internationale Gremien parallel je eigene Governance-Strukturen aufbauen. In den Unternehmen rückte der Einsatz von einzelnen Pilotprojekten zu Agenten-Rollouts auf Plattformebene, doch zwischen großen Konzernen, die Agenten skalieren, und kleineren Firmen, die noch einzelne Anwendungsfälle zusammensetzen, öffnete sich eine echte Lücke. Die Daten zum Arbeitsmarkt deuten auf eine reale, aber engere Verwerfung hin, als es die Schlagzeilen behaupten: KI-bezogene Stellen entstehen schneller, als KI-bedingte Entlassungen erfolgen, auch wenn Führungsrollen, die Preise für IT-Dienstleistungen und der Kompetenzaufbau bei Entwicklern unter neuen Druck geraten.

Bei Quantencomputing entstand in diesem Zeitraum aus einzelnen Demonstrationen eine echte industrielle Basis. Neue Prozessoren, Finanzierungsrunden und Fertigungskapazitäten kamen in den USA, Europa und Asien hinzu, und Unternehmen von Banken bis zu Pharmakonzernen nahmen erste Workloads im Produktivbetrieb auf. Dieser Fortschritt schärfte die parallel laufende Debatte um Post-Quantum-Kryptografie, denn konkrete technische Baupläne zum Brechen heutiger Verschlüsselung machten aus der Migrationsplanung eine Aufgabe der Gegenwart. Die Berichterstattung zur Cybersecurity folgte einer ähnlichen Bewegung, weg von reinen Abwehrwerkzeugen hin zu Resilienz und agentenbasierter Verteidigung, vor dem Hintergrund des weiter laufenden Ausbaus der Rechenzentrums- und Edge-Infrastruktur, auf der all das aufbaut.