Forschungseinrichtungen, DeepTech-Unternehmen und Innovationsstandorte stehen 2026 in einer doppelten Lage. Sie kommunizieren über KI – als Forschungsgegenstand, als Investitionsthema, als Standortvorteil. Und sie nutzen KI – in der Antragstellung, in der Wissenschaftskommunikation, in der internen Wissensarbeit. Beides gleichzeitig zu tun, glaubwürdig und sorgfältig, ist keine kleine Aufgabe.
Wer ein Forschungsthema mit Hilfe einer Halluzinationsmaschine kommuniziert, riskiert mehr als eine fehlerhafte Pressemitteilung. Er riskiert die wissenschaftliche Reputation, die das Haus über Jahrzehnte aufgebaut hat.
Wer ein DeepTech-Narrativ aus generischer KI-Prosa zusammenklickt, klingt austauschbar in einem Markt, in dem Differenzierung alles ist. Wer einen Innovationsstandort als KI-Cluster positionieren will und selbst keine Tool-Tiefe hat, klingt hohl.
Gleichzeitig sind die Aufgaben in Wissenschaft und Innovation oft genau die, in denen KI spürbar entlastet: Recherche und Quellenarbeit, Antragsprosa und Förderlandschaft, Pressetexte und Veranstaltungsübersichten, Social-Media-Begleitung von Symposien, interne Wissensorganisation. Wer das auslässt, lässt Forschungs- und Kommunikationszeit liegen, die anderswo gebraucht wird.
Die Frage ist nicht, ob KI in der Wissenschafts- und Innovationskommunikation eine Rolle spielt. Die Frage ist, welche Aufgaben sich dafür eignen, welche Tools wissenschaftlicher Sorgfalt standhalten, und wie sich ein KI-gestützter Workflow mit den Anforderungen an Reproduzierbarkeit, Quellenkritik und Open Science vereinbaren lässt. Mein Beratungsansatz beruht auf vier Ebenen, die zusammen gehören: Aufgaben, Prozesse, Organisationen, Menschen. Das Vier-Ebenen-Framework, mit dem ich arbeite, beschreibe ich in den Grundlagen zu KI in Organisationen.